Tiempos de carga rápidos
Estudio de datos es una poderosa herramienta de visualización de datos que le permite crear paneles sobre fuentes de big data, como el Informe de UX de Chrome
(Quid). En esta guía, aprenda a crear su propio panel de CrUX personalizado para realizar un seguimiento de las tendencias de la experiencia del usuario de un origen.
El tablero de CrUX está construido con una función de Data Studio llamada Conectores de la comunidad. Este conector es un enlace preestablecido entre los datos crudos de CrUX en
BigQuery
y las visualizaciones de Data Studio. Elimina la necesidad de que los usuarios del tablero escriban consultas o generen gráficos. Todo está hecho para ti; todo lo que necesita es proporcionar un origen y se generará un panel personalizado para usted.
Crear un tablero
Para empezar, vaya a g.co/chromeuxdash. Esto lo llevará a la página del conector de la comunidad CrUX, donde puede proporcionar el origen para el que se generará el tablero. Tenga en cuenta que los usuarios nuevos pueden necesitar completar las solicitudes de permiso o preferencias de marketing.
El campo de entrada de texto solo acepta orígenes, no URL completas. Por ejemplo:
Si omite el protocolo, se asume HTTPS. Los subdominios importan, por ejemplo
https://developers.google.com
y https://www.google.com
se consideran de diferentes orígenes.
Algunos problemas comunes con los orígenes son proporcionar el protocolo incorrecto, por ejemplo
http://
en vez de https://
y omitiendo el subdominio cuando sea necesario. Algunos sitios web incluyen redireccionamientos, por lo que si http://example.com
redirecciona a
https://www.example.com
, entonces deberías usar este último, que es la versión canónica del origen. Como regla general, use el origen que los usuarios vean en la barra de URL.
Si su origen no está incluido en el conjunto de datos de CrUX, puede recibir un mensaje de error como el que se muestra a continuación. Hay más de 4 millones de orígenes en el conjunto de datos, pero es posible que el que desee no tenga suficientes datos para incluirlo.
Si el origen existe, se le dirigirá a la página de esquema del panel. Esto le muestra todos los campos que están incluidos: cada tipo de conexión efectiva, cada factor de forma, el mes de la publicación del conjunto de datos, la distribución del rendimiento para cada métrica y, por supuesto, el nombre del origen. No hay nada que deba hacer o cambiar en esta página, solo haga clic en Crear reporte continuar.
Usando el tablero
Cada panel viene con tres tipos de páginas:
- Descripción general de Core Web Vitals
- Rendimiento métrico
- Demografía del usuario
Cada página incluye un gráfico que muestra las distribuciones a lo largo del tiempo para cada versión mensual disponible. A medida que se lanzan nuevos conjuntos de datos, simplemente puede actualizar el panel para obtener los datos más recientes.
Los conjuntos de datos mensuales se publican el segundo martes de cada mes. Por ejemplo, el conjunto de datos que consta de datos de la experiencia del usuario del mes de mayo se publica el segundo martes de junio.
Descripción general de Core Web Vitals
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.
Utilice la página Core Web Vitals para comprender cómo experimentan el origen los usuarios de computadoras de escritorio y teléfonos. De forma predeterminada, se selecciona el mes más reciente en el momento en que creó el panel. Para cambiar entre versiones mensuales más antiguas o más nuevas, utilice el Mes filtro en la parte superior de la página.
Tenga en cuenta que la tableta se omite de estos gráficos de forma predeterminada, pero si es necesario, puede eliminar la Sin tableta filtrar en la configuración del gráfico de barras, que se muestra a continuación.
Rendimiento métrico
Después de la página de Core Web Vitals, encontrará páginas independientes para todos
métrica
en el conjunto de datos CrUX.
Encima de cada página está el Dispositivo filtro, que puede utilizar para restringir los factores de forma incluidos en los datos de experiencia. Por ejemplo, puede profundizar específicamente en las experiencias telefónicas. Esta configuración persiste en todas las páginas.
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 contenido más grande (LCP) fluctúa y empeora ligeramente en los últimos meses.
Los porcentajes de experiencias «buenas» y «malas» del mes más reciente se muestran encima del gráfico junto con un indicador de la diferencia porcentual con respecto al mes anterior. Para este origen, las experiencias «buenas» de LCP cayeron un 3,2% a un 56,04% mes a mes.
Precaución:
Debido a una peculiaridad con Data Studio, a veces puede ver No Data
aquí. Esto es normal y se debe a que el lanzamiento del mes anterior no estuvo disponible hasta el segundo martes.
Además, para métricas como LCP y otros Core Web Vitals que proporcionan recomendaciones de percentiles explícitas, encontrará la métrica «P75» entre los porcentajes «buenos» y «malos». Este valor corresponde al percentil 75 de experiencias de usuario del origen. En otras palabras, el 75% de las experiencias son mejores que este valor. Una cosa a tener en cuenta es que esto se aplica a la distribución general en todos los dispositivos sobre el origen. Alternar dispositivos específicos con el Dispositivo filter no recalculará el percentil.
Tenga en cuenta que las métricas de percentiles se basan en los datos del histograma de BigQuery, por lo que la granularidad será aproximada: 1000 ms para LCP, 100 ms para FID y 0,05 para CLS. En otras palabras, un P75 LCP de 3800 ms indica que el percentil 75 verdadero está entre 3800 ms y 3900 ms.
Además, el conjunto de datos de BigQuery usa una técnica denominada «distribución por intervalos» en la que las densidades de las experiencias del usuario se agrupan intrínsecamente en intervalos muy generales de granularidad decreciente. Esto nos permite incluir densidades diminutas en la cola de la distribución sin tener que superar los cuatro dígitos de precisión. Por ejemplo, los valores LCP inferiores a 3 segundos se agrupan en contenedores de 200 ms de ancho. Entre 3 y 10 segundos, los contenedores tienen 500 ms de ancho. Más allá de los 10 segundos, los contenedores tienen 5000 ms de ancho, etc. En lugar de tener contenedores de diferentes anchos, la distribución de contenedores asegura que todos los contenedores tengan un ancho constante de 100 ms (el máximo divisor común) y la distribución se interpola linealmente en cada contenedor.
Los valores de P75 correspondientes en herramientas como PageSpeed Insights no se basan en el conjunto de datos público de BigQuery y pueden proporcionar valores de precisión de milisegundos.
Demografía del usuario
Hay dos dimensiones
incluidos en las páginas demográficas del usuario: dispositivos y tipos de conexión efectiva (ECT). Estas páginas ilustran la distribución de las visitas a las páginas en todo el origen para los usuarios de cada grupo demográfico.
La página de distribución de dispositivos muestra el desglose de los usuarios de teléfonos, computadoras de escritorio y tabletas a lo largo del tiempo. Muchos orígenes tienden a tener pocos o ningún dato de tableta, por lo que a menudo verá un «0%» colgando del borde del gráfico.
Del mismo modo, la página de distribución de ECT muestra el desglose de 4G, 3G, 2G, 2G lento y experiencias fuera de línea.
Término clave:
Se consideran los tipos de conexión efectivos eficaz porque se basan en mediciones de ancho de banda en los dispositivos de los usuarios y no implican que se utilice ninguna tecnología en particular. Por ejemplo, un usuario de escritorio con Wi-Fi rápido puede etiquetarse como 4G, mientras que una conexión móvil más lenta puede etiquetarse como 2G.
Las distribuciones para estas dimensiones se calculan utilizando segmentos de los datos del histograma First Contentful Paint (FCP).
Preguntas más frecuentes
¿Cuándo usaría CrUX Dashboard en lugar de otras herramientas?
CrUX Dashboard se basa en los mismos datos subyacentes disponibles en BigQuery, pero no es necesario que escriba una sola línea de SQL para extraer los datos y nunca tendrá que preocuparse por exceder las cuotas gratuitas. Configurar un tablero es rápido y fácil, todas las visualizaciones se generan para usted y tiene el control para compartirlas con quien desee.
¿Existe alguna limitación para usar el panel de CrUX?
Estar basado en BigQuery significa que CrUX Dashboard también hereda todas sus limitaciones. Está restringido a datos de nivel de origen con granularidad mensual.
CrUX Dashboard también sacrifica parte de la versatilidad de los datos sin procesar en BigQuery por simplicidad y conveniencia. Por ejemplo, las distribuciones métricas solo se dan como «buena», «necesita mejorar» y «mala», en contraposición a los histogramas completos. El panel de CrUX también proporciona datos a nivel global, mientras que el conjunto de datos de BigQuery le permite acercarse a países en particular.
¿Dónde puedo obtener más información sobre Data Studio?
Revisar la Página de funciones de Data Studio
para más información.