फील्ड विरुद्ध लॅब डेटा: बहुतेक Core Web Vitals वाद का अपयशी ठरतात
बहुतेक परफॉर्मन्स संबंधी वाद केवळ चुकीच्या डेटासेटचा वापर केल्यामुळे होतात.
एक व्यक्ती वास्तविक वापरकर्त्यांच्या (real user) निकालांकडे पाहते. दुसरी व्यक्ती लॅब सिम्युलेशनकडे पाहते. दोघेही बरोबर आहेत. दोघेही वेगवेगळ्या प्रश्नांची उत्तरे देतात.
जर तुम्ही तुमच्या डेटासेटचे नाव सांगू शकत नसाल, तर तुम्ही निदान (diagnosing) करत नाही आहात. तुम्ही फक्त वाद घालत आहात.
फरक समजून घ्या:
- फील्ड डेटा तुम्हाला सांगतो की मोठ्या प्रमाणावर (at scale) वास्तविक वापरकर्ते अपयशी ठरत आहेत का. यामध्ये संथ फोन आणि खराब सेल्युलर सर्व्हिसचा समावेश होतो.
- लॅब डेटा तुम्हाला सांगतो की ते का अपयशी ठरत आहेत. तो नियंत्रित ट्रेसेस (controlled traces) आणि पुन्हा पुन्हा करता येण्यासारखे टेस्ट्स (repeatable tests) प्रदान करतो.
LCP, INP आणि CLS सारखे Core Web Vitals हे आउटकम मेट्रिक्स (outcome metrics) आहेत. ते तुम्हाला काय घडले हे सांगतात, पण का घडले हे नाही.
सरासरी (averages) वापरणे थांबवा. 75th percentile वापरा. एखादी साइट तुम्हाला वेगवान वाटू शकते, परंतु तरीही ती अपयशी ठरू शकते कारण 75th percentile मध्ये संथ नेटवर्क आणि कमकुवत उपकरणांचा विचार केला जातो.
परफॉर्मन्सच्या समस्या सोडवण्यासाठी या क्रमाचा वापर करा:
- फील्ड डेटा: समस्या अस्तित्वात आहे याची खात्री करा आणि तिची व्याप्ती (scope) शोधा.
- लॅब डेटा: अशी कारणे वेगळी करा ज्यांची तुम्ही चाचणी घेऊ शकता.
- फील्ड डेटा: तुमच्या मूळ पुराव्यांच्या आधारे केलेल्या सुधारणेची (fix) पडताळणी करा.
तुमच्या दाव्यांची पुराव्यांशी सांगड घाला:
- जर वापरकर्ते अपयशी ठरत असतील: Search Console मधील ट्रेंड्स तपासा.
- जर एखादा टेम्पलेट कारणीभूत असेल: तत्सम URLs मध्ये होणाऱ्या त्रुटी तपासा.
- जर सर्व्हरमुळे LCP संथ असेल: उशिरा मिळणाऱ्या doc responses शोधण्यासाठी लॅब ट्रेसेस वापरा.
- जर INP अपयशी ठरत असेल: लांब टास्क (long tasks) शोधण्यासाठी DevTools वापरा.
- जर एखाद्या रिलीजमुळे रिग्रेशन (regression) झाले असेल: वेळेचा तुमच्या डिप्लॉय लॉग्सशी (deploy logs) संबंध जोडा.
केवळ एका Lighthouse रनवर अवलंबून राहू नका. मोबाईलमधील त्रुटी स्पष्ट करण्यासाठी डेस्कटॉप टेस्ट्स वापरू नका. "ते अधिक वेगवान वाटते" याचा पुरावा म्हणून वापर करू नका.
या पायऱ्या फॉलो करा:
- तुमच्या डेटासेटचे नाव एका वाक्यात सांगा.
- व्याप्ती (scope) निश्चित करा. जोपर्यंत तुम्ही अन्यथा सिद्ध करत नाही, तोपर्यंत ती टेम्पलेटची समस्या आहे असे समजा.
- मर्यादा (constraint) ओळखा. ती सर्व्हर आहे, रेंडर पाथ (render path) आहे की एखादी थर्ड पार्टी?
- तुमचा सिद्धांत चुकीचा आहे हे सिद्ध करण्यासाठी शक्य तितकी लहान चाचणी करा.
बॉटलनेक (bottleneck) शोधण्यासाठी लॅब डेटा वापरा. बॉटलनेक दूर झाला आहे हे सिद्ध करण्यासाठी फील्ड डेटा वापरा.