Field vs Lab Data: Dlaczego większość debat o Core Web Vitals kończy się niepowodzeniem

Większość sporów o wydajność wynika z używania niewłaściwych zbiorów danych.

Jedna osoba patrzy na wyniki realnych użytkowników. Druga na symulację laboratoryjną. Obie mają rację. Obie odpowiadają na inne pytania.

Jeśli nie potrafisz nazwać swojego zbioru danych, nie dokonujesz diagnozy. Po prostu się kłócisz.

Zrozum różnicę:

  • Dane z pola (field data) mówią Ci, czy realni użytkownicy napotykają problemy na dużą skalę. Uwzględniają one wolne telefony i słaby zasięg sieci komórkowej.
  • Dane laboratoryjne (lab data) mówią Ci, dlaczego napotykają problemy. Dostarczają kontrolowane ślady (traces) i powtarzalne testy.

Core Web Vitals, takie jak LCP, INP i CLS, to metryki wyników. Mówią Ci, co się stało, a nie dlaczego.

Przestań używać średnich. Używaj 75. percentyla. Strona może wydawać się Tobie szybka, a mimo to nie spełniać norm, ponieważ 75. percentyl uwzględnia wolne sieci i słabe urządzenia.

Użyj tej sekwencji, aby rozwiązać problemy z wydajnością:

  1. Dane z pola: Potwierdź istnienie problemu i określ jego zakres.
  2. Dane laboratoryjne: Wyizoluj przyczynę, którą możesz przetestować.
  3. Dane z pola: Zweryfikuj poprawkę w oparciu o pierwotne dowody.

Dopasuj swoje twierdzenia do dowodów:

  • Jeśli użytkownicy napotykają problemy: Sprawdź trendy w Search Console.
  • Jeśli przyczyną jest szablon: Szukaj błędów na podobnych adresach URL.
  • Jeśli LCP jest wolne z powodu serwera: Użyj śladów laboratoryjnych (lab traces), aby znaleźć opóźnione odpowiedzi dokumentu.
  • Jeśli INP nie spełnia norm: Użyj DevTools, aby znaleźć długie zadania (long tasks).
  • Jeśli wydanie spowodowało regresję: Skorelowaj czas wystąpienia problemu z logami wdrożeń (deploy logs).

Nie polegaj na pojedynczym uruchomieniu Lighthouse. Nie używaj testów desktopowych, aby wyjaśniać problemy na urządzeniach mobilnych. Nie używaj argumentu „wydaje się szybsza” jako dowodu.

Postępuj zgodnie z tymi krokami:

  • Nazwij swój zbiór danych w jednym zdaniu.
  • Potwierdź zakres. Zakładaj problem z szablonem, dopóki nie udowodnisz czegoś innego.
  • Zidentyfikuj ograniczenie. Czy to serwer, ścieżka renderowania (render path), czy podmiot zewnętrzny?
  • Przeprowadź najmniejszy możliwy test, aby udowodnić, że Twoja teoria jest błędna.

Użyj danych laboratoryjnych, aby znaleźć wąskie gardło. Użyj danych z pola, aby udowodnić, że wąskie gardło zniknęło.

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