Analizirali smo 208.000 spletnih strani. Tukaj je tisto, kar smo se naučili o ključnih spletnih vitalnih podatkih in UX

Za več informacij smo analizirali 208.1/2 spletnih strani Osnovni spletni podatki.

Najprej smo določili merila uspešnosti za kumulativni premik postavitve, zakasnitev prvega vnosa in največjo vsebinsko barvo.

Nato smo preučili korelacijo med middle net Vitals in meritvami uporabniške izkušnje (kot je stopnja obiskov ene strani).

Zahvaljujoč podatkom, ki jih je posredoval WebCEOsmo lahko odkrili nekaj zanimivih ugotovitev.

Potopimo se kar v podatke.

Tukaj je povzetek naših ključnih ugotovitev:

1. fifty three,seventy seven % spletnih mest je imelo dobro oceno LCP (largest Contentful Paint). 46,23 % spletnih mest je imelo ocene LCP »slabo« ali »potrebno je izboljšati«.

2. fifty three,85 % spletnih mest v našem naboru podatkov je imelo optimalne ocene zakasnitve prvega vnosa (FID). Le 8,57 % spletnih mest je imelo »slabo« oceno FID.

three. 65,13 % analiziranih spletnih mest se je pohvalilo z dobrimi rezultati za optimalen kumulativni premik postavitve (CLS).

4. Povprečni LCP spletnih mest, ki smo jih analizirali, je bil nastavljen na 2.386 milisekund.

five. Povprečni FID je bil 137,74 milisekunde.

6. Povprečna ocena CLS je bila zero,14. To je nekoliko višje od optimalne ocene.

7. Najpogostejše težave, ki so vplivale na LCP, so bile veliko število zahtev in velike velikosti prenosa.

eight. Veliki premiki postavitve so bili vzrok #1 za slabe rezultate CLS.

nine. Najpogostejša težava, ki je vplivala na FID, je bila neučinkovita politika predpomnilnika.

10. Bilo je šibka korelacija med rezultati center web crucial in meritvami UX.

11. To smo ugotovili FID je bil nekoliko koreliran z ogledi strani.

fifty three,77 % spletnih mest je imelo optimalno največjo oceno vsebine

Naš prvi cilj je bil videti, kako je posamezno spletno mesto delovalo na podlagi trije dejavniki, ki sestavljajo Googlove temeljne spletne vitalne vrednosti: Barva z največjo vsebino, kumulativni premik postavitve in zakasnitev prvega vnosa.

Natančneje, želeli smo določiti odstotek strani, ki so bile razvrščene kot »dobre«, »potrebne izboljšave« in »slabe« znotraj seek Console posameznega spletnega mesta.

Da bi to naredili, smo analizirali anonimizirane podatke Google seek Console z 208.000 strani (skupaj približno 20.000 spletnih mest).

Naša prva naloga: analizirati LCP (big Contentful Paint). Preprosto povedano, LCP meri, koliko časa potrebuje stran, da naloži svojo vidno vsebino.

Takole so se odrezala spletna mesta, ki smo jih analizirali:

• Dobro: 53,seventy seven %
• Potrebuje izboljšanje: 28,76 %
• Slabo: 17,47 %

Kot lahko vidite, je imela večina spletnih mest, ki smo si jih ogledali, “dobro” oceno LCP. To je bilo višje od pričakovanega, zlasti če upoštevamo druga prizadevanja za primerjalno analizo (npr ta od iProspecta).

Morda so spletna mesta v našem naboru podatkov še posebej skrbna za uspešnost strani. Ali pa je delno posledica razlike v velikosti vzorca (analiza iProspect nenehno spremlja 1.500 spletnih mest. Analizirali smo 20.000+).

Kakor koli že, spodbudno je videti, da mora le približno polovica vseh spletnih mest delati na svojem LCP.

fifty three,85 % spletnih mest, ki smo jih analizirali, je imelo dobre ocene zakasnitve pri prvem vnosu

Nato smo si ogledali poročilo seek Console Zakasnitev prvega vnosa (FID) ocene. Kot že ime pove, FIP meri zamik med prvo zahtevo in tem, da uporabnik lahko nekaj vnese (na primer vtipka uporabniško ime).

Tukaj je razčlenitev rezultatov FID iz našega nabora podatkov:

• Dobro: fifty three,85 %
• Potrebuje izboljšanje: 37,58 %
• Slabo: 8,57 %

Spet je imela nekaj več kot polovica spletnih mest, ki smo si jih ogledali, “dobre” ocene FID.

Zanimivo je, da je zelo malo (eight,57 %) imelo “slabo” oceno. To kaže, da bo verjetno negativno vplivalo na razmeroma majhno število spletnih mest, ko bo Google vključil FID v svoj algoritem.

sixty five,13 % spletnih mest je imelo optimalno kumulativno oceno premikov postavitve

Na koncu smo si ogledali Kumulativni premik postavitve (CLS) ocene iz storitve seek Console.

CLS je merilo, kako se elementi na strani premikajo med nalaganjem. Strani, ki so relativno stabilne med postopkom nalaganja, imajo visoke (dobre) ocene CLS.

Tu so ocene CLS med spletnimi mesti, ki smo jih analizirali:

• Dobro: sixty five,13 %
• Potrebuje izboljšanje: 17,03 %
• Slabo: 17,eighty four %

Med tremi ocenami center web Vitals je bil CLS ponavadi najmanj problematičen. Dejansko mora le okoli 35 % spletnih mest, ki smo jih analizirali, delati na svojem CLS.

Povprečni LCP je 2836 milisekund

Nato smo želeli določiti merila uspešnosti za vsako metriko core internet important. Kot že omenjeno, je Google ustvaril lasten nabor smernic za vsak temeljni spletni important.

(Na primer, za »dober« LCP se šteje, da je krajši od 2,five sekunde.)

Vendar pa nismo videli obsežne analize, ki bi poskušala primerjati vsako metriko core web important “v naravi”.

Najprej smo primerjali rezultate LCP za spletna mesta v naši bazi podatkov.

Med spletnimi mesti, ki smo jih analizirali, se je izkazalo, da je povprečni LCP 2836 milisekund (2,eight sekunde).

Tu so bile najpogostejše težave, ki so negativno vplivale na delovanje LCP:

• Veliko število zahtev in velike velikosti prenosa (100 % strani)
• Velik povratni čas omrežja (one hundred % strani)
• Kritične verige zahtev (98,9 % strani)
• Visok začetni odzivni čas strežnika (fifty seven,4 % strani)
• Slike niso prikazane v formatu naslednje generacije (forty four,6 % strani)

Na splošno je a hundred % strani imelo visoke ocene LCP, vsaj delno zaradi »velikega števila zahtev in velikih velikosti prenosa«. Z drugimi besedami, strani, ki so težke s presežno kodo, velike velikosti datotek ali oboje.

Ta ugotovitev je v skladu z drugo analizo, ki smo jo opravili in je ugotovila, da so velike strani ponavadi krivec za večino strani, ki se počasi nalagajo.

Povprečni FID je 137,4 milisekunde

Nato smo si ogledali rezultate FID med stranmi v našem naboru podatkov.

Na splošno je bila povprečna zamuda pri prvem vnosu 137,four milisekunde:

Tu so najpogostejše težave, povezane s FID, ki smo jih odkrili:

• Neučinkovita politika predpomnilnika (87,4 % strani)
• Dolge naloge glavne niti (78,four % strani)
• Neuporabljen JavaScript (fifty four,1 % strani)
• Neuporabljen CSS (38,7 % strani)
• Prekomerna velikost predmetnega modela dokumenta (22,3 % strani)

Zanimivo je bilo videti, da so težave s predpomnjenjem bolj negativno vplivale na FID kot katera koli druga težava. In, kar ni presenetljivo, je bila slabo optimizirana koda (v obliki neuporabljenih JS in CSS) za številnimi visokimi ocenami FID.

Povprečni CLS je zero,14

Ugotovili smo, da je povprečna ocena CLS 0,14.

Ta meritev posebej gleda, kako se vsebina na strani »premika«. Vse pod .1 je v search Console ocenjeno kot »dobro«.

Najpogostejše težave, ki vplivajo na CLS projektov, so:

• Veliki premiki postavitve (94,5 % strani)
• Viri, ki blokirajo upodabljanje (86,3 % strani)
• Besedilo skrito med nalaganjem spletne pisave (eighty two,6 % strani)
• Neprednaložene ključne zahteve (26,7 % strani)
• Slike nepravilne velikosti (24,7 % strani)

Kako je LCP povezan z vedenjem uporabnikov

Zdaj, ko so bila postavljena merila uspešnosti, smo se nato odločili ugotoviti, kako natančno center internet Vitals predstavljajo resnično uporabniško izkušnjo.

Pravzaprav je to razmerje nekaj, kar sam Google poudarja v svoji dokumentaciji »core web Vitals report«:

Da bi analizirali temeljne spletne vitalne vrednosti in njihov vpliv na UX, smo se odločili, da si ogledamo tri meritve UX, ki predstavljajo vedenje uporabnikov na spletnih straneh:

• Stopnja obiskov ene strani (% uporabnikov, ki zapustijo stran spletnega mesta, ko jo obiščejo)
• Globina strani na sejo (koliko strani vidijo uporabniki, preden zapustijo spletno mesto)
• Čas na spletnem mestu (koliko časa uporabniki preživijo na spletnem mestu v eni seji)

Naša hipoteza je bila naslednja: če izboljšate temeljne spletne vitalne vrednosti spletnega mesta, bo to pozitivno vplivalo na meritve UX.

Z drugimi besedami, spletno mesto z “dobrimi” osnovnimi spletnimi vitalnimi podatki bo imelo nižjo stopnjo obiskov ene strani, daljše seje in večje število ogledov strani. Na srečo je ta nabor podatkov poleg podatkov search Console vseboval tudi meritve UX iz storitve Google Analytics.

Nato smo preprosto morali primerjati osnovne spletne vitalne vrednosti vsakega spletnega mesta z vsako metriko UX. Spodaj lahko najdete naše rezultate za LCP:

LCP in stopnja obiskov ene strani

LCP in strani na sejo

LCP in čas na mestu

Na treh grafih je bilo jasno, da so vsi trije različni segmenti (dobro, slabo in potrebno izboljšanje) na grafu nekoliko enakomerno razporejeni.

Z drugimi besedami, ni bilo neposredne povezave med meritvami LCP in UX.

FID je rahlo povezan z ogledi strani

Nato smo preučili morebitno razmerje med zakasnitvijo prvega vnosa in vedenjem uporabnika.

Tako kot pri LCP je logično, da bi slab FID negativno vplival na meritve UX (zlasti na stopnjo obiskov ene strani).

Uporabnik, ki mora počakati, da izbere iz menija ali vnese svoje geslo, bo verjetno razočaran in bo odskočil. In če se ta izkušnja prenaša na več strani, lahko povzroči, da zmanjšajo skupno število ogledov strani.

S tem je tukaj, kako je FID povezan z njihovimi vedenjskimi meritvami.

FID in bounce rate

FID in strani na sejo

Opomba: Ugotovili smo, da je visok FID nagnjen ok korelaciji z majhnim številom strani na sejo. Veljalo je tudi obratno.

FID in čas na kraju samem

Na splošno je edini primer, ko opazimo namige korelacije, ko primerjamo FID s številom ogledanih strani na sejo. Ko gre za stopnjo obiskov ene strani in čas na spletnem mestu, se zdi, da FID spletnega mesta nima vpliva na vedenje uporabnikov.

Kako CLS vpliva na vedenje uporabnikov

Nato smo želeli raziskati morebitno povezavo med CLS in dejavnostjo uporabnikov.

Zdi se logično, da bi slab CLS razočaral uporabnike. Zato bi lahko povečali stopnjo obiskov ene strani in skrajšali čas seje.

Vendar nismo mogli najti nobene študije primerov ali obsežne analize, ki bi pokazala, da visoki rezultati CLS vplivajo na vedenje uporabnikov. Zato smo se odločili, da izvedemo analizo, ki je iskala morebitne povezave med CLS, stopnjo obiskov ene strani, »časom zadrževanja« in ogledanimi stranmi. Tukaj smo našli:

CLS in stopnja obiskov ene strani

CLS in strani na sejo

CLS in čas na mestu

Na splošno nismo opazili nobene pomembne povezave med CLS, stopnjo obiskov ene strani, časom na spletnem mestu ali ogledi strani.

Povzetek

Upam, da se vam je ta analiza zdela zanimiva in uporabna (zlasti z Googlova posodobitev za izkušnjo strani na poti).

Tukaj je povezava do nabor neobdelanih podatkov ki smo jih uporabili. Skupaj z naše metode.

Rad bi se zahvalil programski opremi seo WebCEO za zagotavljanje podatkov, ki so omogočili to industrijsko študijo.

Na splošno je bilo zanimivo videti, da je večina spletnih mest, ki smo jih analizirali, delovala relativno dobro. In so večinoma pripravljeni na posodobitev Googla. In zanimivo je bilo ugotoviti, da čeprav core internet Vitals predstavljajo meritve za pozitiven UX na spletnem mestu, nismo opazili nobene korelacije z vedenjskimi meritvami.

Zdaj bi rad slišal od vas:

Kaj je vaša glavna ugotovitev iz današnje študije? Ali pa imate morda vprašanje o nečem iz analize. Kakorkoli že, pustite komentar spodaj.