Rendere il rendimento prioritario non è solo positivo per gli utenti, ma anche valido per le aziende. Sebbene le best practice in questa raccolta siano incentrate principalmente sull'ottimizzazione dell'integrazione del Tag publisher di Google (GPT), molti altri fattori contribuiscono al rendimento complessivo di una determinata pagina. Ogni volta che introduci le modifiche, è importante valutare l'impatto di queste modifiche su tutti gli aspetti del rendimento del sito.
Misurare le prestazioni delle pagine
Per capire come una modifica influisce sul rendimento del vostro sito, dovete prima stabilire una base di riferimento da confrontare. Il modo migliore per farlo è creare un budget di rendimento che definisca un riferimento, che il tuo sito potrebbe o meno soddisfare. Se ti interessa mantenere un livello di rendimento fisso, tuttavia, puoi utilizzare le metriche sul rendimento attuali del sito come riferimento.
Per iniziare a misurare il rendimento, è consigliabile combinare i seguenti approcci:
- Monitoraggio sintetico
- Puoi utilizzare strumenti come Lighthouse e Controlli degli annunci dei publisher per Lighthouse per misurare le prestazioni delle pagine in un lab. Questo tipo di misurazione non richiede interazioni da parte degli utenti finali, quindi è adatto per essere utilizzato nei test automatici e può essere utilizzato per convalidare il rendimento delle modifiche prima di metterle a disposizione degli utenti.
- Monitoraggio degli utenti reali
- Puoi utilizzare strumenti come Google Analytics e PageSpeed Insights per raccogliere dati sul rendimento reali dagli utenti. Questo tipo di misurazione si basa sulle interazioni degli utenti finali, pertanto è utile per identificare problemi di prestazioni dell'ultimo miglio che non possono essere facilmente rilevati dai test sintetici.
Assicurati di effettuare misurazioni e confrontare regolarmente la tua base di riferimento. Otterrai così un'utile indicazione per vedere se il rendimento del tuo sito va nella direzione giusta nel tempo.
Scegliere cosa misurare
Quando si tratta di rendimento, non esiste una sola metrica in grado di fornire tutto ciò che ti serve sapere sul rendimento del tuo sito. Per avere un quadro completo, devi esaminare una serie di metriche che coprono vari aspetti delle prestazioni della pagina. Nella tabella seguente sono elencate alcune aree chiave per il rendimento e metriche suggerite.
Area rendimento | |
---|---|
Velocità di caricamento percepita |
Misure
La velocità di caricamento e rendering di tutti gli elementi dell'interfaccia utente in una pagina. Metriche suggerite
Primo contenuto Contentful Paint (FCP) |
Reattività al caricamento della pagina |
Misure
La velocità con cui una pagina diventa adattabile dopo il caricamento iniziale. Metriche suggerite
Ritardo primo input (FID) |
Stabilità visiva |
Misure
La variazione degli elementi dell'interfaccia utente e se queste modifiche interferiscono con l'interazione dell'utente. Per saperne di più, consulta la pagina Riduci al minimo la variazione del layout. Metriche suggerite
Variazione cumulativa degli annunci |
Oltre al rendimento delle pagine, ti consigliamo di misurare le metriche aziendali specifiche degli annunci. Queste informazioni, come le impressioni, i clic e la visibilità, possono essere ottenute da report Ad Manager.
Testa modifiche
Dopo aver definito le metriche sul rendimento e iniziato a misurarle regolarmente, puoi iniziare a utilizzare questi dati per valutare l'impatto sul rendimento delle modifiche apportate al sito man mano che vengono apportate. Per farlo, confronta le metriche misurate dopo l'applicazione di una modifica con quelle misurate prima dell'applicazione della modifica (e/o della base di riferimento che hai stabilito in precedenza). Questi tipi di test consentono di rilevare e risolvere i problemi di rendimento prima che diventino critici 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 dovrebbero essere eseguiti il più spesso possibile durante il processo di sviluppo per comprendere l'impatto delle modifiche non rilasciate sulle prestazioni. Questo tipo di test proattivo consente di scoprire eventuali problemi di prestazioni prima che vengano rilasciate modifiche agli utenti.
Un modo per raggiungere questo obiettivo è rendere i test sintetici parte di un flusso di lavoro di integrazione continua (CI), in cui vengono eseguiti automaticamente ogni volta che viene apportata una modifica. Puoi utilizzare Lighthouse CI per integrare i test delle prestazioni sintetiche in molti flussi di lavoro CI:
- Monitoraggio delle prestazioni con Lighthouse CI
- Controlli degli annunci dei publisher per utilizzo di CI Lighthouse
Test A/B
Le metriche che dipendono dall'interazione degli utenti non possono essere testate completamente finché una modifica non viene rilasciata effettivamente agli utenti. Ciò può essere rischioso se non sai con certezza quale sarà il comportamento della modifica. Una tecnica per mitigare tale rischio è il test A/B.
Durante un test A/B, le varianti di una pagina vengono mostrate agli utenti in modo casuale. Puoi utilizzare questa tecnica per pubblicare una versione modificata della tua pagina a una piccola percentuale del traffico complessivo, mentre la maggior parte continua a essere pubblicata nella pagina non modificata. Combinato con RUM, puoi quindi valutare le prestazioni relative 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 di rendimento 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 in base a 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 essere utili per la configurazione e l'esecuzione dei test A/B. Tuttavia, tieni presente che il test A/B basato su tag (la configurazione predefinita per questi strumenti) può 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 dei gruppi di controllo e sperimentali e confrontale tra loro. Per farlo, hai bisogno di un modo per capire quale traffico fa parte di quale gruppo.
Per le metriche relative alle prestazioni delle pagine, spesso è sufficiente includere in ogni pagina un identificatore semplice che indichi se è stata pubblicata la versione di controllo o sperimentale. Puoi scegliere qualsiasi identificatore, purché sia qualcosa in grado di analizzare e correlare metriche. Se utilizzi un framework di test predefinito, questo verrà gestito automaticamente.
Per le metriche aziendali specifiche per gli annunci, puoi utilizzare la funzionalità di targeting per coppie chiave-valore di GPT per differenziare le richieste di annunci dal gruppo di controllo rispetto a quello 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');
Puoi fare riferimento a queste coppie chiave-valore durante l'esecuzione dei report di Google Ad Manager per filtrare i risultati per gruppo.