Dare la priorità alle prestazioni non è solo un bene per gli utenti, ma può anche essere utile per le attività. Mentre le best practice in questa raccolta si concentrano principalmente sull'ottimizzazione dell'integrazione di Tag publisher di Google (GPT), molti altri fattori contribuiscono al rendimento complessivo di una determinata pagina. Ogni volta che apporti modifiche, è importante valutarne l'impatto su tutti gli aspetti del rendimento del tuo sito.
Misurare le prestazioni delle pagine
Per capire in che modo una modifica influisce sul rendimento del tuo sito, innanzitutto devi stabilire una linea di base di riferimento. Il modo migliore per farlo è creare un budget delle prestazioni che definisca una base di riferimento, che il tuo sito potrebbe o non potrebbe soddisfare attualmente. Tuttavia, se vuoi mantenere un livello fisso di rendimento, puoi utilizzare le metriche sul rendimento attuali del tuo sito come riferimento.
Per iniziare a misurare il rendimento, è consigliata una combinazione dei seguenti approcci:
- Monitoraggio sintetico
- Puoi utilizzare strumenti come Lighthouse e Controlli degli annunci dei publisher per Lighthouse per misurare le prestazioni della pagina in un ambiente di laboratorio. Questo tipo di misurazione non richiede l'interazione con l'utente finale, perciò è adatto per i test automatici e per convalidare il rendimento delle modifiche prima di rilasciarle agli utenti.
- Monitoraggio dei real user (RUM)
- Puoi utilizzare strumenti come Google Analytics e PageSpeed Insights per raccogliere dati sul rendimento reali direttamente dagli utenti. Questo tipo di misurazione si basa sulle interazioni degli utenti finali, pertanto è utile per identificare i problemi di prestazioni dell'ultimo miglio che non possono essere facilmente rilevati dai test sintetici.
Assicurati di effettuare misurazioni e di confrontarle regolarmente con la linea di riferimento. In questo modo potrai capire se il rendimento del tuo sito è in crescita nel tempo.
Scegliere cosa misurare
Per quanto riguarda le prestazioni, non esiste un'unica metrica in grado di fornirti tutto ciò che devi sapere sul rendimento del tuo sito. Per avere un quadro completo, dovrai esaminare una serie di metriche che coprono vari aspetti del rendimento delle pagine. Alcune aree di rendimento chiave e le metriche suggerite sono elencate nella tabella di seguito.
Area di rendimento | |
---|---|
Velocità di caricamento percepita |
Misure
La velocità con cui una pagina è in grado di caricare e visualizzare tutti gli elementi dell'interfaccia utente. Metriche suggerite
First Contentful Paint (FCP) |
Reattività del caricamento pagina |
Misure
La velocità con cui una pagina diventa adattabile dopo il caricamento iniziale. Metriche suggerite
Ritardo primo input (FID) |
Stabilità visiva |
Misure
L'entità dello spostamento degli elementi dell'interfaccia utente e se questi spostamenti interferiscono con l'interazione dell'utente. Per ulteriori informazioni, consulta Ridurre al minimo la variazione del layout. Metriche suggerite
Spostamento cumulativo degli annunci |
Oltre al rendimento delle pagine, ti consigliamo di misurare anche le metriche aziendali specifiche per gli annunci. Informazioni quali impressioni, clic e visibilità su base singolo slot possono essere ottenute dai report di Google Ad Manager.
Testa modifiche
Dopo aver definito le metriche sul rendimento e aver iniziato a misurarle regolarmente, puoi iniziare a utilizzare questi dati per valutare l'impatto sul rendimento delle modifiche apportate al tuo sito man mano che vengono apportate. A questo scopo, confronta le metriche misurate dopo l'applicazione di una modifica con quelle misurate prima della modifica (e/o con il valore di riferimento stabilito in precedenza). Questo tipo di test ti consente di rilevare e risolvere i problemi di prestazioni prima che diventino un problema grave per la tua attività o i tuoi utenti.
Test automatici
Puoi misurare le metriche che non dipendono dall'interazione dell'utente tramite i test sintetici. Questi tipi di test devono essere eseguiti il più spesso possibile durante il processo di sviluppo per comprendere in che modo le modifiche non rilasciate influiranno sul rendimento. Questo tipo di test proattivo può aiutarti a scoprire i problemi di prestazioni prima che le modifiche vengano rilasciate agli utenti.
Un modo per farlo è includere i test sintetici in un flusso di lavoro di integrazione continua (CI), in cui i test vengono eseguiti automaticamente ogni volta che viene apportata una modifica. Puoi utilizzare Lighthouse CI per integrare i test di prestazioni sintetici in molti flussi di lavoro CI:
- Monitoraggio delle prestazioni con Lighthouse CI
- Utilizzo del CI di Controlli degli annunci dei publisher per Lighthouse
Test A/B
Le metriche che dipendono dall'interazione dell'utente non possono essere testate completamente finché una modifica non viene effettivamente rilasciata agli utenti. Questa operazione può essere rischiosa se non hai la certezza del comportamento della modifica. Una tecnica per ridurre questo rischio è il test A/B.
Durante un test A/B, agli utenti vengono mostrate in modo casuale varianti diverse di una pagina. Puoi utilizzare questa tecnica per pubblicare una versione modificata della tua pagina per una piccola percentuale di traffico complessivo, mentre la maggior parte continua a ricevere la pagina non modificata. Se li combini con i dati RUM, puoi valutare il rendimento relativo dei due gruppi per determinare quale ha il rendimento migliore, senza mettere a rischio il 100% del traffico.
Un altro vantaggio dei test A/B è che consentono di misurare con maggiore precisione gli effetti delle modifiche. Per molti siti, può essere difficile determinare se una piccola differenza nelle prestazioni è dovuta a una modifica recente o a una normale variazione del traffico. Poiché il gruppo sperimentale di un test A/B rappresenta una percentuale fissa del traffico complessivo, le metriche devono differire dal gruppo di controllo per un fattore costante. Pertanto, le differenze osservate tra i due gruppi possono essere attribuite con maggiore sicurezza alla modifica in fase di test.
Strumenti come Optimizely e Google Optimize possono aiutarti a configurare ed eseguire test A/B. Tuttavia, tieni presente che i test A/B basati su tag (la configurazione predefinita per questi strumenti) possono influire negativamente sul rendimento e fornire risultati fuorvianti. Pertanto, l'integrazione lato server è vivamente consigliata:
Risultati del test A/B
Per misurare l'impatto di una modifica utilizzando un test A/B, raccogli le metriche sia del gruppo di controllo sia del gruppo sperimentale e le confronti. Per farlo, devi avere un modo per capire quale traffico fa parte di quale gruppo.
Per le metriche sul rendimento delle pagine, spesso è sufficiente includere un semplice identificatore su ogni pagina che indichi se è stata pubblicata la versione di controllo o quella sperimentale. Questo identificatore può essere qualsiasi, purché sia un valore che puoi analizzare e a cui puoi associare le metriche. Se utilizzi un framework di test predefinito, in genere viene gestito automaticamente.
Per le metriche aziendali specifiche per gli annunci, puoi utilizzare la funzionalità di targeting per valori chiave del GPT per distinguere le richieste di annunci del gruppo di controllo da quelle del gruppo sperimentale:
// On control group (A) pages, set page-level targeting to:
googletag.pubads().setTargeting('your-test-id', 'a');
// On experimental group (B) pages, set page-level targeting to:
googletag.pubads().setTargeting('your-test-id', 'b');
A queste coppie chiave-valore è possibile fare riferimento quando vengono eseguiti i report di Google Ad Manager per filtrare i risultati per gruppo.