Schnelle Ladezeiten
Datenstudie es una poderosa herramienta de visualización de datos que le permite crear paneles sobre fuentes de Große Daten, como el Chrome UX-Bericht
(Quid). En esta guía, aprenda a crear su propio panel de CrUX personalizado para realizar un seguimiento de las tendencias de la experiencia del Nutzername de un origen.
Das CrUX-Dashboard wurde mit einer Data Studio-Funktion namens aufgerufen Community-Konnektoren. Este conector es un Verknüpfung preestablecido entre los datos crudos de CrUX en
BigQuery
und Data Studio-Visualisierungen. Beseitigen Sie die Notwendigkeit für Dashboard-Benutzer, Abfragen zu schreiben oder Diagramme zu generieren. Alles ist für dich erledigt; Sie müssen lediglich eine Quelle angeben und ein benutzerdefiniertes Dashboard für Sie erstellen.
Erstellen Sie ein Dashboard
Um loszulegen, gehen Sie zu g.co/chromeuxdash. Hiermit gelangen Sie zur CrUX Community Connector-Seite, auf der Sie die Quelle angeben können, für die das Dashboard generiert wird. Bitte beachten Sie, dass neue Benutzer möglicherweise Berechtigungsanfragen oder Marketingeinstellungen ausfüllen müssen.
El campo de entrada de texto solo acepta orígenes, no Url completas. Por ejemplo:
Herkunft (kompatibel)
https://developers.google.com
URL (nicht unterstützt)
https://developers.google.com/web/tools/chrome-user-experience-report/Wenn Sie das Protokoll weglassen, wird HTTPS angenommen. Subdomains sind zum Beispiel wichtig
https://developers.google.com y https://www.google.com Sie haben unterschiedliche Ursprünge.
Einige häufige Probleme mit der Herkunft sind beispielsweise die Bereitstellung des falschen Protokolls
http:// statt https: //y omitiendo el Subdomain wann Sein necesario. Algunos sitios Netz incluyen redireccionamientos, por lo que si http://example.com umleiten zu
https://www.example.com, dann sollten Sie letzteres verwenden, das die kanonische Version des Ursprungs ist. Verwenden Sie als allgemeine Faustregel den Ursprung, den Benutzer in der URL-Leiste sehen.
Wenn Ihre Quelle nicht im CrUX-Dataset enthalten ist, wird möglicherweise eine Fehlermeldung wie die folgende angezeigt. Das Dataset enthält über 4 Millionen Quellen, aber die gewünschte Quelle verfügt möglicherweise nicht über genügend Daten, um sie aufzunehmen.
Wenn die Quelle vorhanden ist, werden Sie zur Dashboard-Gliederungsseite weitergeleitet. Hier sehen Sie alle Felder, die enthalten sind: jeden effektiven Verbindungstyp, jeden Formfaktor, den Monat, in dem das Dataset veröffentlicht wurde, die Leistungsverteilung für jede Metrik und natürlich den Namen der Quelle. Auf dieser Seite müssen Sie nichts tun oder ändern. Klicken Sie einfach auf Bericht erstellen fortsetzen.
Das Board benutzen
Jedes Panel enthält drei Arten von Seiten:
- Übersicht über die wichtigsten Web-Vitale
- Metrische Leistung
- Benutzerdemografie
Jede Seite enthält eine Grafik, die die zeitlichen Verteilungen für jede verfügbare monatliche Version zeigt. Wenn neue Datensätze veröffentlicht werden, können Sie das Dashboard einfach aktualisieren, um die neuesten Daten abzurufen.
Monatliche Datensätze werden am zweiten Dienstag eines jeden Monats veröffentlicht. Beispielsweise wird der Datensatz, der aus Benutzererfahrungsdaten für den Monat Mai besteht, am zweiten Dienstag im Juni veröffentlicht.
Übersicht über die wichtigsten Web-Vitale
La primera página es una descripción general del rendimiento mensual de Core Web Vitals del origen. Estas son las métricas de UX más importantes en las que Google recomienda que se centre.
Auf der Seite "Core Web Vitals" erfahren Sie, wie Benutzer von Desktops und Telefonen ihren Ursprung haben. Standardmäßig wird der letzte Monat zum Zeitpunkt der Erstellung des Dashboards ausgewählt. Verwenden Sie die Taste, um zwischen älteren oder neueren monatlichen Versionen zu wechseln Monat Filter oben auf der Seite.
Beachten Sie, dass das Tablet in diesen Grafiken standardmäßig weggelassen wird. Bei Bedarf können Sie das Tablet jedoch entfernen Ohne Tablette filtrar en la configuración del gráfico de Riegel, que se muestra a continuación.
Metrische Leistung
Nach der Seite "Core Web Vitals" finden Sie separate Seiten für alle
Metriken
im CrUX-Datensatz.
Über jeder Seite befindet sich die Gerät Filter, mit dem Sie die in den Erfahrungsdaten enthaltenen Formfaktoren eingrenzen können. Beispielsweise können Sie sich speziell mit Telefonerfahrungen befassen. Diese Einstellung bleibt auf allen Seiten erhalten.
Las visualizaciones principales en estas páginas son las distribuciones mensuales de experiencias categorizadas como «Bueno», «Necesita mejorar» y «Deficiente». La leyenda codificada por colores debajo de la tabla indica la variedad de experiencias incluidas en la categoría. Por ejemplo, en la captura de pantalla anterior, puede ver que el porcentaje de experiencias «buenas» de Pintura con Inhalt más grande (LCP) fluctúa y empeora ligeramente en los últimos meses.
Die Prozentsätze der "guten" und "schlechten" Erfahrungen für den letzten Monat werden über der Grafik zusammen mit einem Indikator für die prozentuale Differenz zum Vormonat angezeigt. Für diesen Ursprung fielen die „guten“ LCP-Erfahrungen von Monat zu Monat von 3,21 TP1T auf 56,04%.
Vorsicht:
Aufgrund einer Eigenart mit Data Studio können Sie manchmal sehen Keine Daten Hier. Dies ist normal und liegt daran, dass die Veröffentlichung des Vormonats erst am zweiten Dienstag verfügbar war.
Für Metriken wie LCP und andere Core Web Vitals, die explizite Perzentilempfehlungen enthalten, finden Sie die Metrik "P75" zwischen den Prozentsätzen "gut" und "schlecht". Dieser Wert entspricht dem 75. Perzentil der Benutzererfahrungen aus der Quelle. Mit anderen Worten, die 75% der Erfahrungen sind besser als dieser Wert. Zu beachten ist, dass dies für die allgemeine Verteilung in gilt alle Geräte über den Ursprung. Schalten Sie bestimmte Geräte mit dem um Gerät Der Filter berechnet das Perzentil nicht neu.
Beachten Sie, dass die Perzentilmetriken auf BigQuery-Histogrammdaten basieren, sodass die Granularität ungefähr ist: 1000 ms für LCP, 100 ms für FID und 0,05 für CLS. Mit anderen Worten, ein P75-LCP von 3800 ms zeigt an, dass das wahre 75. Perzentil zwischen 3800 ms und 3900 ms liegt.
Darüber hinaus verwendet das BigQuery-Dataset eine als "Binning" bezeichnete Technik, bei der die Dichte der Benutzererfahrungen von Natur aus in sehr allgemeine Bins mit abnehmender Granularität gruppiert wird. Dies ermöglicht es uns, winzige Dichten in das Ende der Verteilung aufzunehmen, ohne die Genauigkeit von vier Stellen überschreiten zu müssen. Beispielsweise werden LCP-Werte von weniger als 3 Sekunden in 200 ms breite Bins gruppiert. Zwischen 3 und 10 Sekunden sind die Container 500 ms breit. Nach 10 Sekunden sind die Container 5000 ms breit usw. Anstatt Container mit unterschiedlichen Breiten zu haben, stellt das Containerlayout sicher, dass alle Container eine konstante Breite von 100 ms haben (der größte gemeinsame Teiler) und das Layout über jeden Container linear interpoliert wird.
Die entsprechenden P75-Werte in Tools wie PageSpeed Insights basieren nicht auf dem öffentlichen BigQuery-Dataset und können Millisekunden-Genauigkeitswerte liefern.
Benutzerdemografie
Es gibt zwei Maße
auf den demografischen Seiten des Benutzers enthalten: Geräte und Arten der effektiven Verbindung (ECT). Diese Seiten veranschaulichen die Verteilung der Seitenaufrufe über den Ursprung für Benutzer in jeder demografischen Gruppe.
Auf der Geräteverteilungsseite wird die Aufschlüsselung der Benutzer von Telefonen, Desktops und Tablets im Zeitverlauf angezeigt. Viele Quellen haben in der Regel nur wenige oder gar keine Tablet-Daten, sodass häufig ein "0%" am Rand des Diagramms hängt.
In ähnlicher Weise zeigt die Verteilungsseite von ECT die Aufschlüsselung nach 4G-, 3G-, 2G-, langsamen 2G- und Offline-Erfahrungen.
Schlüsselbegriff:
Effektive Verbindungstypen werden berücksichtigt Wirksam weil sie auf Bandbreitenmessungen auf Benutzergeräten basieren und nicht bedeuten, dass eine bestimmte Technologie verwendet wird. Beispielsweise kann ein Desktop-Benutzer mit schnellem WLAN als 4G bezeichnet werden, während eine langsamere mobile Verbindung als 2G bezeichnet werden kann.
Die Verteilungen für diese Dimensionen werden unter Verwendung von Segmenten aus den FCP-Histogrammdaten (First Contentful Paint) berechnet.
Häufig gestellte Fragen
¿Cuándo usaría CrUX Instrumententafel en lugar de otras herramientas?
CrUX Dashboard basiert auf denselben zugrunde liegenden Daten, die in BigQuery verfügbar sind. Sie müssen jedoch keine einzige SQL-Zeile schreiben, um die Daten zu extrahieren, und Sie müssen sich nie um die Überschreitung freier Kontingente sorgen. Das Einrichten eines Dashboards ist schnell und einfach. Alle Visualisierungen werden für Sie generiert und Sie haben die Kontrolle, sie mit anderen zu teilen, die Sie möchten.
Gibt es Einschränkungen bei der Verwendung des CrUX-Panels?
Basierend auf BigQuery übernimmt CrUX Dashboard auch alle seine Einschränkungen. Sie sind auf Daten auf Quellenebene mit monatlicher Granularität beschränkt.
Das CrUX Dashboard opfert auch einen Teil der Vielseitigkeit der Rohdaten in BigQuery, um die Einfachheit und Bequemlichkeit zu gewährleisten. Beispielsweise werden Metrikverteilungen im Gegensatz zu vollständigen Histogrammen nur als "gut", "verbesserungsbedürftig" und "schlecht" gemeldet. Das CrUX-Dashboard bietet auch Daten auf globaler Ebene, während Sie mit dem BigQuery-Dataset bestimmte Länder vergrößern können.
Wo kann ich weitere Informationen zu Data Studio erhalten?
Überprüfen Sie die Data Studio-Funktionsseite
für mehr Informationen.
