Data Lapangan vs Data Makmal: Mengapa Kebanyakan Perdebatan Core Web Vitals Gagal

Kebanyakan hujah prestasi berlaku kerana orang menggunakan set data yang salah.

Seseorang melihat hasil pengguna sebenar. Seorang lagi melihat simulasi makmal. Kedua-duanya betul. Kedua-duanya menjawab soalan yang berbeza.

Jika anda tidak dapat menamakan set data anda, anda tidak sedang mendiagnosis. Anda hanya sedang berdebat.

Fahami perbezaannya:

  • Data lapangan memberitahu anda jika pengguna sebenar mengalami kegagalan pada skala besar. Ia merangkumi telefon yang perlahan dan perkhidmatan selular yang lemah.
  • Data makmal memberitahu anda mengapa mereka gagal. Ia menyediakan jejak (trace) terkawal dan ujian yang boleh diulang.

Core Web Vitals seperti LCP, INP, dan CLS adalah metrik hasil. Ia memberitahu anda apa yang berlaku, bukan mengapa.

Berhenti menggunakan purata. Gunakan persentil ke-75. Sesebuah laman web mungkin terasa pantas bagi anda tetapi masih gagal kerana persentil ke-75 mengambil kira rangkaian yang perlahan dan peranti yang lemah.

Gunakan urutan ini untuk menyelesaikan masalah prestasi:

  1. Data lapangan: Sahkan masalah wujud dan cari skopnya.
  2. Data makmal: Asingkan punca yang boleh anda uji.
  3. Data lapangan: Sahkan pembaikan terhadap bukti asal anda.

Padankan dakwaan anda dengan bukti:

  • Jika pengguna mengalami kegagalan: Semak trend Search Console.
  • Jika templat adalah puncanya: Cari kegagalan pada URL yang serupa.
  • Jika LCP perlahan disebabkan oleh pelayan: Gunakan jejak makmal untuk mencari respons dokumen yang lewat.
  • Jika INP gagal: Gunakan DevTools untuk mencari tugasan yang lama (long tasks).
  • Jika pelancaran (release) menyebabkan regresi: Korelasikan masa dengan log deployment anda.

Jangan bergantung pada satu larian Lighthouse sahaja. Jangan gunakan ujian desktop untuk menjelaskan kegagalan mudah alih. Jangan gunakan "ia terasa lebih pantas" sebagai bukti.

Ikuti langkah-langkah ini:

  • Namakan set data anda dalam satu ayat.
  • Sahkan skop. Anggap ia isu templat sehingga anda membuktikan sebaliknya.
  • Kenal pasti kekangan. Adakah ia pelayan, laluan render (render path), atau pihak ketiga?
  • Jalankan ujian sekecil mungkin untuk membuktikan teori anda salah.

Gunakan data makmal untuk mencari kesesakan (bottleneck). Gunakan data lapangan untuk membuktikan kesesakan tersebut telah hilang.

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