أساسيات الويب الاسلوب اللين لتحسين تجربة المستخدم :

قمنا بتحليل 208،085 صفحة ويب لمعرفة المزيد عن Core Web Vitals.

أولاً ، أنشأنا معايير لتغيير التخطيط التراكمي ، وتأخير الإدخال الأول ، وأكبر رسم محتوى.

بعد ذلك ، نظرنا في العلاقة بين Core Web Vitals ومقاييس تجربة المستخدم (مثل معدل الارتداد).

بفضل البيانات التي قدمتها WebCEO ، تمكنا من الكشف عن بعض النتائج المثيرة للاهتمام.

دعنا نتعمق في البيانات.

فيما يلي ملخص لنتائجنا الرئيسية:

1. حصلت 53.77٪ من المواقع على درجة جيدة لأكبر محتوى محتوى (LCP). 46.23٪ من المواقع لديها تصنيفات LCP "ضعيفة" أو "بحاجة إلى تحسين".

2. حصلت 53.85٪ من مواقع الويب في مجموعة البيانات لدينا على تقييمات مثلى لتأخير الإدخال الأول (FID). 8.57٪ فقط من المواقع لديها درجة FID "ضعيفة".

3. تباهت 65.13٪ من المواقع التي تم تحليلها بدرجات جيدة لتغيير التخطيط التراكمي (CLS).

4. بلغ متوسط LCP للمواقع التي حللناها 2386 مللي ثانية.

5. كان متوسط FID 137.74 مللي ثانية.

6. كان متوسط درجة CLS 0.14. هذه أعلى قليلاً من الدرجة المثلى.

7. كانت المشكلات الأكثر شيوعًا التي تؤثر على LCP هي ارتفاع عدد الطلبات وحجم النقل الكبير.

8. كانت التحولات الكبيرة في التخطيط هي السبب الأول لضعف درجات CLS.

9. كانت المشكلة الأكثر شيوعًا التي أثرت على FID هي سياسة التخزين المؤقت غير الفعالة.

10. كان هناك ارتباط ضعيف بين نتائج Core Web Vital ومقاييس UX.

11. وجدنا أن FID تميل إلى الارتباط بشكل طفيف مع مشاهدات الصفحة.

53.77٪ من مواقع الويب حصلت على أكبر نتيجة لطلاء المحتوى

كان هدفنا الأول هو معرفة أداء كل موقع بناءً على العوامل الثلاثة التي تشكل أساسيات الويب من Google: أكبر رسم للمحتوى ، وتحول في التخطيط التراكمي ، وتأخير الإدخال الأول.

على وجه التحديد ، أردنا تحديد النسبة المئوية للصفحات التي تم تصنيفها على أنها "جيدة" و "بحاجة إلى تحسين" و "رديئة" داخل Search Console لكل موقع.

للقيام بذلك ، قمنا بتحليل بيانات Google Search Console مجهولة المصدر من 208 آلاف صفحة (حوالي 20 ألف موقع إجمالاً).

مهمتنا الأولى: تحليل LCP (رسم محتوى كبير). بعبارات بسيطة ، يقيس LCP المدة التي تستغرقها الصفحة لتحميل محتواها المرئي.

إليك كيفية أداء المواقع التي حللناها:

جيد: 53.77٪
يحتاج تحسين: 28.76٪
ضعيف: 17.47٪

كما ترى ، فإن غالبية المواقع التي نظرنا إليها حصلت على تصنيف LCP "جيد". كان هذا أعلى من المتوقع ، لا سيما عند الأخذ في الاعتبار جهود قياس الأداء الأخرى (مثل هذا من قبل iProspect).

قد تكون مواقع الويب في مجموعة البيانات لدينا حريصة بشكل خاص على أداء الصفحة. أو قد يرجع ذلك جزئيًا إلى اختلاف حجم العينة (يراقب تحليل iProspect باستمرار 1500 موقع. قمنا بتحليل أكثر من 20000 موقع).

في كلتا الحالتين ، من المشجع أن ترى أن حوالي نصف مواقع الويب فقط تحتاج إلى العمل على نظام LCP الخاص بها.

53.85٪ من المواقع التي قمنا بتحليلها لديها تقييمات جيدة لتأخير المدخلات الأولى

بعد ذلك ، نظرنا إلى Search Console التي أبلغت عن تقييمات تأخير الإدخال الأول (FID). كما يوحي الاسم ، يقيس FIP التأخير بين الطلب الأول وقدرة المستخدم على إدخال شيء ما (مثل كتابة اسم مستخدم).

فيما يلي تفصيل لدرجات FID من مجموعة البيانات الخاصة بنا:

جيد: 53.85٪
يحتاج تحسين: 37.58٪
ضعيف: 8.57٪

مرة أخرى ، كان ما يزيد قليلاً عن نصف المواقع التي نظرنا إليها ذات تصنيفات FID "جيدة".

ومن المثير للاهتمام ، أن قلة قليلة (8.57٪) كانت لديهم درجات "ضعيفة". يوضح هذا أن عددًا صغيرًا نسبيًا من المواقع من المحتمل أن يتأثر سلبًا بمجرد أن تدمج Google FID في خوارزميتها.

65.13٪ من المواقع حصلت على درجة مثالية لتغيير التخطيط التراكمي

أخيرًا ، ألقينا نظرة على تقييمات تغيير التنسيق التراكمي (CLS) من Search Console.

CLS هو قياس كيفية تحرك العناصر على الصفحة أثناء التحميل. تتمتع الصفحات المستقرة نسبيًا خلال عملية التحميل بنقاط CLS عالية (جيدة).

فيما يلي تقييمات CLS بين المواقع التي حللناها:

جيد: 65.13٪

يحتاج إلى تحسين: 17.03٪

ضعيف: 17.84٪

من بين نتائج Core Web Vitals الثلاثة ، كان CLS يميل إلى أن يكون الأقل إشكالية. في الواقع ، حوالي 35٪ فقط من المواقع التي قمنا بتحليلها تحتاج إلى العمل على CLS الخاصة بهم.

متوسط LCP هو 2836 مللي ثانية

بعد ذلك ، أردنا وضع معايير لكل مقياس من مقاييس Core Web Vital. كما ذكرنا سابقًا ، أنشأت Google مجموعة الإرشادات الخاصة بها لكل Core Web Vital.

(على سبيل المثال ، يعتبر LCP "الجيد" أقل من 2.5 ثانية.)

ومع ذلك ، لم نر تحليلاً واسع النطاق حاول قياس كل مقياس من مقاييس "حيوية الويب الأساسية" "في البرية".

أولاً ، قمنا بقياس درجات LCP للمواقع الموجودة في قاعدة بياناتنا.

من بين المواقع التي حللناها ، تبين أن متوسط LCP بلغ 2836 مللي ثانية (2.8 ثانية).

فيما يلي المشكلات الأكثر شيوعًا التي أثرت سلبًا على أداء LCP:

أعداد طلبات عالية وأحجام نقل كبيرة (100٪ من الصفحات)
وقت ذهاب وإياب عالي للشبكة (100٪ من الصفحات)
سلاسل الطلبات الحرجة (98.9٪ من الصفحات)
وقت استجابة أولية مرتفع للخادم (57.4٪ من الصفحات)
لا يتم عرض الصور بتنسيق الجيل التالي (44.6٪ من الصفحات)

بشكل عام ، حصلت 100٪ من الصفحات على درجات LCP عالية ، ويرجع ذلك جزئيًا على الأقل إلى "ارتفاع عدد الطلبات وحجم النقل الكبير". بمعنى آخر ، الصفحات التي تحتوي على أكواد زائدة أو أحجام ملفات كبيرة أو كليهما.

تتماشى هذه النتيجة مع تحليل آخر أجريناه ووجدنا أن الصفحات الكبيرة تميل إلى أن تكون السبب وراء معظم الصفحات بطيئة التحميل.

متوسط FID هو 137.4 ميلي ثانية

ثم نظرنا إلى درجات FID بين الصفحات في مجموعة البيانات الخاصة بنا.

بشكل عام ، كان متوسط تأخير الإدخال الأول 137.4 مللي ثانية:

فيما يلي أكثر المشكلات المتعلقة بـ FID انتشارًا والتي اكتشفناها:

سياسة التخزين المؤقت غير الفعالة (87.4٪ من الصفحات)
مهام السلسلة الرئيسية الطويلة (78.4٪ من الصفحات)
JavaScript غير مستخدم (54.1٪ من الصفحات)
CSS غير مستخدمة (38.7٪ من الصفحات)
حجم نموذج كائن المستند الزائد (22.3٪ من الصفحات)

كان من المثير للاهتمام أن نرى أن مشكلات التخزين المؤقت تميل إلى التأثير سلبًا على FID أكثر من أي مشكلة أخرى. وليس من المستغرب أن الكود السيئ المحسن (في شكل JS و CSS غير مستخدمين) كان وراء العديد من درجات FID العالية.

متوسط CLS هو .14

اكتشفنا أن متوسط درجة CLS هو 0.14.

ينظر هذا المقياس على وجه التحديد في كيفية "تغير" محتوى الصفحة. يتم تصنيف أي شيء أقل من 1 على أنه "جيد" في Search Console.

تضمنت المشكلات الأكثر شيوعًا التي تؤثر على CLS للمشاريع ما يلي:

تحولات كبيرة في التخطيط (94.5٪ من الصفحات)
موارد حظر العرض (86.3٪ من الصفحات)
النص مخفي أثناء تحميل خط الويب (82.6٪ من الصفحات)
طلبات المفاتيح غير المحملة مسبقًا (26.7٪ من الصفحات)
الصور ذات الحجم غير المناسب (24.7٪ من الصفحات)

كيف يرتبط LCP بسلوك المستخدم

الآن بعد أن تم تحديد المعايير ، قمنا بعد ذلك بتحديد مدى دقة Core Web Vitals التي تمثل تجربة مستخدم واقعية.

في الواقع ، هذه العلاقة تبرزها Google نفسها في وثائق "تقرير أساسيات الويب الأساسية":

لتحليل أساسيات الويب الأساسية وتأثيرها على تجربة المستخدم ، قررنا النظر في ثلاثة مقاييس لتجربة المستخدم مصممة لتمثيل سلوك المستخدم على صفحات الويب:

معدل الارتداد (النسبة المئوية للمستخدمين الذين يغادرون صفحة موقع الويب عند زيارته)
عمق الصفحة لكل جلسة (كم عدد الصفحات التي يراها المستخدمون قبل مغادرة الموقع)
الوقت المستغرق في موقع الويب (مقدار الوقت الذي يقضيه المستخدمون على موقع الويب في جلسة واحدة)
كانت فرضيتنا كما يلي: إذا قمت بتحسين "أساسيات الويب الأساسية" لموقع الويب ، فسيؤثر ذلك بشكل إيجابي على مقاييس تجربة المستخدم.

بعبارة أخرى ، فإن الموقع الذي يحتوي على "حيوية" أساسية للويب سيكون معدل ارتداده أقل ، وجلسات أطول ، ومشاهدات أعلى للصفحة. لحسن الحظ ، بالإضافة إلى بيانات Search Console ، احتوت مجموعة البيانات هذه أيضًا على مقاييس UX من Google Analytics.

بعد ذلك ، كان علينا ببساطة مقارنة "أساسيات الويب الأساسية" لكل موقع ويب مقابل كل مقياس UX. يمكنك العثور على نتائج LCP أدناه:

LCP ومعدل الارتداد

LCP وصفحات في الجلسة

LCP والوقت في الموقع

في الرسوم البيانية الثلاثة ، كان من الواضح أن جميع الشرائح الثلاثة المختلفة (جيدة ، وسيئة ، ومتطلبات التحسين) موزعة بالتساوي إلى حد ما على الرسم البياني.

بعبارة أخرى ، لم تكن هناك أي علاقة مباشرة بين مقاييس LCP و UX.

FID له علاقة طفيفة مع مشاهدات الصفحة

بعد ذلك ، نظرنا في العلاقة المحتملة بين تأخير الإدخال الأول وسلوك المستخدم.

كما هو الحال مع LCP ، من المنطقي أن يؤثر FID الضعيف سلبًا على مقاييس UX (خاصة معدل الارتداد).

من المحتمل أن يشعر المستخدم الذي يحتاج إلى الانتظار للاختيار من قائمة أو كتابة كلمة المرور الخاصة به بالإحباط والارتداد. وإذا كانت هذه التجربة تمر عبر عدة صفحات ، فقد يؤدي ذلك إلى تقليل إجمالي مشاهدات الصفحة.

مع ذلك ، إليك كيفية ارتباط FID بمقاييس سلوكهم.

FID ومعدل الارتداد

FID وصفحات لكل جلسة

ملاحظة: وجدنا أن معدل FID المرتفع يميل إلى الارتباط بعدد منخفض من الصفحات في كل جلسة. كان العكس صحيحًا أيضًا.

FID والوقت في الموقع

بشكل عام ، المثال الوحيد الذي نرى فيه تلميحات الارتباط هو عندما نقارن FID بعدد الصفحات التي يتم عرضها في كل جلسة. عندما يتعلق الأمر بمعدل الارتداد والوقت المستغرق في الموقع ، يبدو أن FID لموقع الويب ليس له أي تأثير على سلوك المستخدم.

كيف يؤثر CLS على سلوك المستخدم

بعد ذلك ، أردنا التحقق من وجود ارتباط محتمل بين CLS ونشاط المستخدم.

يبدو من المنطقي أن يؤدي نظام CLS السيئ إلى إحباط المستخدمين. وبالتالي يمكن زيادة معدل الارتداد وتقليل وقت الجلسة.

ومع ذلك ، لم نتمكن من العثور على أي دراسات حالة أو تحليل واسع النطاق أظهر أن درجات CLS المرتفعة تؤثر على سلوك المستخدم. لذلك قررنا إجراء تحليل يبحث عن العلاقات المحتملة بين CLS ومعدل الارتداد و "وقت السكون" والصفحات التي تم عرضها. هذا ما وجدناه:

CLS ومعدل الارتداد

CLS وصفحات لكل جلسة

CLS والوقت المستغرق في الموقع

بشكل عام ، لم نلاحظ أي ارتباط كبير بين CLS أو معدل الارتداد أو الوقت المستغرق في الموقع أو مشاهدات الصفحة.

ملخص

أتمنى أن تكون قد وجدت هذا التحليل ممتعًا ومفيدًا (خاصة مع تحديث تجربة الصفحة من Google في الطريق).

إليك رابط لمجموعة البيانات الأولية التي استخدمناها. جنبا إلى جنب مع أساليبنا.

أود أن أشكر WebCEO على توفير البيانات التي جعلت هذه الدراسة الصناعية ممكنة.

بشكل عام ، كان من المثير للاهتمام أن نرى أن أداء معظم المواقع التي حللناها جيد نسبيًا. ومستعدون إلى حد كبير لتحديث Google. وكان من المثير للاهتمام العثور على أنه بينما تمثل Core Web Vitals مقاييس لتجربة مستخدم إيجابية على موقع ويب ، لم نر أي ارتباط بالمقاييس السلوكية.