Monitorowanie skuteczności

Priorytetowe traktowanie wydajności jest korzystne nie tylko dla użytkowników, ale też dla firmy. Chociaż sprawdzone metody w tej kolekcji koncentrują się głównie na optymalizacji integracji tagu wydawcy Google (GPT), wiele innych czynników wpływa na ogólną skuteczność danej strony. Po wprowadzeniu zmian warto sprawdzić ich wpływ na wszystkie aspekty skuteczności witryny.

Pomiar wydajności strony

Aby zrozumieć, jak dana zmiana wpływa na skuteczność witryny, musisz najpierw ustalić punkt odniesienia, z którym będziesz ją porównywać. Najlepszym sposobem na to jest utworzenie budżetu wydajności, który określa idealną wartość docelową, której Twoja witryna może lub nie może obecnie osiągnąć. Jeśli jednak zależy Ci na utrzymaniu stałego poziomu skuteczności, możesz użyć bieżących danych o skuteczności witryny jako wartości bazowej.

Aby zacząć mierzyć skuteczność, zalecamy zastosowanie kombinacji tych metod:

• Monitorowanie syntetyczne

  Aby mierzyć wydajność strony w warunkach laboratoryjnych, możesz użyć narzędzi takich jak Lighthouse i Publisher Ads Audits for Lighthouse. Ten typ pomiaru nie wymaga interakcji użytkownika, więc jest odpowiedni do stosowania w testach automatycznych. Można go też wykorzystać do weryfikacji wydajności zmian przed udostępnieniem ich użytkownikom.

• Monitorowanie rzeczywistych użytkowników (RUM)

  Możesz używać narzędzi takich jak Google Analytics i PageSpeed Insights, aby zbierać dane o wydajności w świecie rzeczywistym bezpośrednio od użytkowników. Ten typ pomiaru opiera się na interakcjach użytkowników, więc jest przydatny do wykrywania problemów z efektywnością na ostatnim etapie, których nie można łatwo wykryć za pomocą testów syntetycznych.

Pamiętaj, aby regularnie przeprowadzać pomiary i porównywać je z wartościami wyjściowymi. Dzięki temu możesz sprawdzić, czy skuteczność Twojej witryny zmienia się w chcianym kierunku.

Wybierz, co chcesz mierzyć

Jeśli chodzi o skuteczność, nie ma jednego wskaźnika, który zawierałby wszystkie informacje o tym, jak radzi sobie Twoja witryna. Aby uzyskać pełny obraz, musisz sprawdzić różne dane dotyczące różnych aspektów skuteczności strony. Niektóre kluczowe obszary skuteczności i sugerowane dane znajdziesz w tej tabeli:

Oprócz skuteczności strony możesz też mierzyć dane biznesowe dotyczące reklam. Informacje takie jak wyświetlenia, kliknięcia i możliwość obejrzenia reklamy w poszczególnych slotach można uzyskać z raportów Google Ad Managera.

Sprawdź zmiany

Gdy zdefiniujesz dane o skuteczności i zaczniesz je regularnie mierzyć, możesz zacząć używać tych informacji do oceny wpływu wprowadzanych zmian w witrynie na jej skuteczność. Aby to zrobić, porównaj dane zmierzone po wprowadzeniu zmiany z tymi zmierzonymi przed wprowadzeniem zmiany (lub z wartością bazową z poprzedniego okresu). Dzięki temu możesz wykrywać i rozwiązywać problemy z wydajnością, zanim staną się one poważnym problemem dla Twojej firmy lub użytkowników.

Testowanie automatyczne

Dane, które nie zależą od interakcji użytkownika, możesz mierzyć za pomocą testów syntetycznych. Tego typu testy należy przeprowadzać tak często, jak to możliwe w trakcie procesu rozwoju, aby zrozumieć, jak wpływ na wydajność będą miały zmiany, które nie zostały jeszcze opublikowane. Takie zapobiegawcze testowanie może pomóc w wykryciu problemów ze sprawnością, zanim zmiany zostaną udostępnione użytkownikom.

Jednym ze sposobów na to jest dodanie testów syntetycznych do przepływu pracy w ramach ciągłej integracji (CI), w ramach którego testy są wykonywane automatycznie po każdej zmianie. Możesz użyć Lighthouse CI, aby zintegrować testy wydajności syntetycznej z wielu przepływami CI:

• Monitorowanie wydajności za pomocą CI Lighthouse
• Używanie Publisher Ads Audits for Lighthouse w ramach CI

Testy A/B

Dane, które zależą od interakcji użytkowników, nie mogą zostać w pełni przetestowane, dopóki zmiany nie zostaną faktycznie udostępnione użytkownikom. Może to być ryzykowne, jeśli nie masz pewności, jak zmieni się zachowanie aplikacji. Jedną z technik zmniejszania tego ryzyka są testy A/B.

Podczas testu A/B użytkownikom losowo wyświetlane są różne wersje strony. Dzięki tej metodzie możesz wyświetlać zmodyfikowaną wersję strony niewielkiemu odsetkowi ogólnego ruchu, podczas gdy większość nadal widzi niezmodyfikowaną stronę. Dzięki połączeniu z RUM możesz ocenić względną skuteczność tych dwóch grup, aby określić, która z nich sprawdza się lepiej – bez narażania na ryzyko 100% ruchu.

Kolejną zaletą testów A/B jest to, że umożliwiają dokładniejsze pomiary skutków zmian. W przypadku wielu witryn trudno jest określić, czy niewielka różnica w skuteczności jest spowodowana niedawną zmianą czy normalną zmiennością ruchu. Grupa eksperymentalna w teście A/B reprezentuje stały odsetek całego ruchu, więc dane powinny się różnić od danych grupy kontrolnej o stały współczynnik. Dlatego różnice między tymi 2 grupami można z większym prawdopodobieństwem przypisać do testowanej zmiany.

Konfigurowanie i przeprowadzanie testów A/B ułatwiają narzędzia takie jak AB Tasty, Optimizely i VWO. Pamiętaj jednak, że testy A/B oparte na tagach (domyślna konfiguracja tych narzędzi) mogą negatywnie wpływać na skuteczność i uzyskiwać wyniki, które wprowadzają w błąd. Dlatego zalecamy integrację po stronie serwera:

• AB Tasty: testowanie po stronie serwera
• Optimizely: testowanie po stronie serwera
• VWO: testowanie pełnego zestawu

Wyniki testów A/B

Aby zmierzyć wpływ zmiany za pomocą testu A/B, zbierasz dane z grup kontrolnej i eksperymentalnej, a potem je porównujesz. Aby to zrobić, musisz określić, do której grupy należy dany ruch.

W przypadku danych o skuteczności strony dodaj na każdej stronie identyfikator wskazujący, czy wyświetlana jest wersja kontrolna, czy eksperymentalna. Możesz użyć dowolnego identyfikatora, o ile tylko umożliwia on analizowanie i porównywanie danych. Jeśli korzystasz z gotowego frameworku testowego, zwykle będzie to obsługiwane automatycznie.

W przypadku danych biznesowych związanych z poszczególnymi reklamami możesz użyć funkcji GPT kierowania na klucz-wartość, aby odróżnić żądania reklam od grupy kontrolnej i eksperymentalnej:

// 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');

Następnie można się do nich odwoływać podczas generowania raportów Google Ad Managera, aby filtrować wyniki według grupy.