ফিল্ড বনাম ল্যাব ডেটা: কেন বেশিরভাগ Core Web Vitals বিতর্ক ব্যর্থ হয়

বেশিরভাগ পারফরম্যান্স সংক্রান্ত তর্কের কারণ হলো মানুষ ভুল ডেটাসেট ব্যবহার করে।

একজন ব্যক্তি প্রকৃত ব্যবহারকারীর ফলাফল দেখেন। অন্যজন একটি ল্যাব সিমুলেশন দেখেন। উভয়ই সঠিক। উভয়ই ভিন্ন ভিন্ন প্রশ্নের উত্তর দেয়।

আপনি যদি আপনার ডেটাসেটের নাম বলতে না পারেন, তবে আপনি রোগ নির্ণয় করছেন না; আপনি কেবল তর্ক করছেন।

পার্থক্যটি বুঝুন:

  • ফিল্ড ডেটা আপনাকে জানায় যে বড় পরিসরে প্রকৃত ব্যবহারকারীরা সমস্যার সম্মুখীন হচ্ছেন কি না। এর মধ্যে ধীরগতির ফোন এবং দুর্বল সেলুলার সার্ভিস অন্তর্ভুক্ত।
  • ল্যাব ডেটা আপনাকে জানায় কেন তারা সমস্যার সম্মুখীন হচ্ছে। এটি নিয়ন্ত্রিত ট্রেস (traces) এবং পুনরাবৃত্তিযোগ্য পরীক্ষা প্রদান করে।

LCP, INP এবং CLS-এর মতো Core Web Vitals হলো আউটকাম মেট্রিক্স (outcome metrics)। এগুলো আপনাকে জানায় কী ঘটেছে, কিন্তু কেন ঘটেছে তা জানায় না।

গড় (average) ব্যবহার করা বন্ধ করুন। 75th percentile ব্যবহার করুন। একটি সাইট আপনার কাছে দ্রুত মনে হতে পারে কিন্তু তবুও এটি ব্যর্থ হতে পারে, কারণ 75th percentile ধীরগতির নেটওয়ার্ক এবং দুর্বল ডিভাইসের বিষয়টি বিবেচনায় নেয়।

পারফরম্যান্স সমস্যা সমাধানের জন্য এই ক্রমটি অনুসরণ করুন:

  1. ফিল্ড ডেটা: সমস্যাটি বিদ্যমান কি না তা নিশ্চিত করুন এবং এর পরিধি খুঁজে বের করুন।
  2. ল্যাব ডেটা: এমন একটি কারণ আলাদা করুন যা আপনি পরীক্ষা করতে পারেন।
  3. ফিল্ড ডেটা: আপনার মূল প্রমাণের ভিত্তিতে সমাধানটি যাচাই করুন।

আপনার দাবিগুলোকে প্রমাণের সাথে মিলিয়ে দেখুন:

  • যদি ব্যবহারকারীরা সমস্যার সম্মুখীন হন: Search Console-এর ট্রেন্ড চেক করুন।
  • যদি কোনো টেমপ্লেট এর কারণ হয়: একই ধরণের URL-গুলোতে ব্যর্থতা খুঁজুন।
  • যদি সার্ভারের কারণে LCP ধীর হয়: লেট ডক রেসপন্স (late doc responses) খুঁজে পেতে ল্যাব ট্রেস ব্যবহার করুন।
  • যদি INP ব্যর্থ হয়: লং টাস্ক (long tasks) খুঁজে পেতে DevTools ব্যবহার করুন।
  • যদি কোনো রিলিজের কারণে রিগ্রেশন (regression) ঘটে: আপনার ডিপ্লয় লগ-এর সাথে সময়ের সামঞ্জস্য পরীক্ষা করুন।

একটি মাত্র Lighthouse রানের ওপর নির্ভর করবেন না। মোবাইল ব্যর্থতা ব্যাখ্যা করতে ডেস্কটপ টেস্ট ব্যবহার করবেন না। "এটি দ্রুত মনে হচ্ছে" - এই কথাটিকে প্রমাণ হিসেবে ব্যবহার করবেন না।

এই ধাপগুলো অনুসরণ করুন:

  • এক বাক্যে আপনার ডেটাসেটের নাম বলুন।
  • পরিধি নিশ্চিত করুন। যতক্ষণ না আপনি অন্য কিছু প্রমাণ করছেন, ততক্ষণ এটিকে একটি টেমপ্লেট সমস্যা হিসেবে ধরে নিন।
  • সীমাবদ্ধতা চিহ্নিত করুন। এটি কি সার্ভার, রেন্ডার পাথ নাকি কোনো থার্ড পার্টি?
  • আপনার তত্ত্বটি ভুল প্রমাণ করার জন্য সম্ভাব্য ক্ষুদ্রতম পরীক্ষাটি চালান।

বটলনেক (bottleneck) খুঁজে পেতে ল্যাব ডেটা ব্যবহার করুন। বটলনেকটি দূর হয়েছে তা প্রমাণ করতে ফিল্ড ডেটা ব্যবহার করুন।

উৎস: https://dev.to/jeremy-burgos/field-vs-lab-data-why-most-core-web-vitals-arguments-are-dataset-confusion-5d6e