تتبُّع الأداء

إنّ منح الأولوية للأداء ليس مفيدًا للمستخدمين فقط، بل يمكن أن يكون مفعّلاً أيضًا في النشاط التجاري. في حين أنّ أفضل الممارسات الواردة في هذه المجموعة تركّز بشكل أساسي على تحسين عملية دمج علامة Google Publisher Tag ‏ (GPT)، تساهم العديد من عوامل أخرى في الأداء العام لصفحة معيّنة. عند إجراء تغييرات، من المهم تقييم تأثير هذه التغييرات في جميع جوانب أداء موقعك الإلكتروني.

قياس أداء الصفحة

لفهم مدى تأثير التغيير في أداء موقعك الإلكتروني، عليك أولاً تحديد مرجع للمقارنة به. وأفضل طريقة لإجراء ذلك هي إنشاء ميزانية أداء تحدّد أساسًا لفكرة قد يستوفيه موقعك الإلكتروني حاليًا أو لا يستوفيه. إذا كنت مهتمًا بإبقاء مستوى ثابت من الأداء، يمكنك استخدام مقاييس الأداء الحالية لموقعك الإلكتروني كمرجع أساسي.

لبدء قياس الأداء، ننصحك باستخدام مجموعة من النهج التالية:

• التتبّع الاصطناعي

  يمكنك استخدام أدوات مثل Lighthouse وPublisher Ads Audits for Lighthouse لقياس أداء الصفحة في بيئة اختبارية. لا يتطلّب هذا النوع من القياس تفاعل المستخدم النهائي، لذا فهو مناسب تمامًا للاستخدام في الاختبارات المبرمَجة ويمكن استخدامه للتحقّق من أداء التغييرات قبل طرحها على المستخدمين.

• مراقبة المستخدِمين الفعليين (RUM)

  يمكنك استخدام أدوات مثل إحصاءات Google وإحصاءات PageSpeed لجمع بيانات الأداء الفعلي من المستخدمين مباشرةً. ويستند هذا النوع من القياس إلى تفاعلات المستخدم النهائي، لذا فهو مفيد في تحديد مشاكل الأداء الأخيرة التي لا يمكن الكشف عنها بسهولة من خلال الاختبارات الاصطناعية.

احرص على إجراء القياسات ومقارنتها بمستوى الأداء الأساسي بانتظام. سيمنحك ذلك مؤشرًا جيدًا لمعرفة ما إذا كان أداء موقعك الإلكتروني يتجه في الاتجاه الصحيح بمرور الوقت.

اختيار ما تريد قياسه

عندما يتعلق الأمر بالأداء، ليس هناك مقياس واحد يمكنه إطلاعك على كل ما تحتاج إلى معرفته حول مستوى أداء موقعك الإلكتروني. عليك الاطّلاع على مجموعة متنوعة من المقاييس التي تغطي جوانب مختلفة من أداء الصفحة للحصول على صورة كاملة. يتم سرد بعض مجالات الأداء الرئيسية والمقاييس المقترحة في الجدول أدناه.

بالإضافة إلى أداء الصفحة، قد تحتاج أيضًا إلى قياس قياسات النشاط التجاري الخاصة بالإعلان. يمكن الحصول على معلومات مثل مرّات الظهور والنقرات وإمكانية العرض على أساس كلّ خانة على حدة من تقارير "مدير إعلانات Google".

اختبار التغييرات

بعد تحديد مقاييس الأداء والبدء في قياسها بانتظام، يمكنك البدء في استخدام هذه البيانات لتقييم تأثير الأداء الناتج عن التغييرات على موقعك الإلكتروني فور إجرائها. يمكنك إجراء ذلك من خلال مقارنة المقاييس التي تم قياسها بعد إجراء تغيير، بالمقاييس التي تم قياسها قبل إجراء التغيير (و/أو المقياس الأساسي الذي حدّدته سابقًا). سيسمح لك هذا النوع من الاختبارات باكتشاف مشكلات الأداء ومعالجتها قبل أن تصبح مشكلة رئيسية لنشاطك التجاري أو للمستخدمين.

الاختبار الآلي

يمكنك قياس المقاييس التي لا تعتمد على تفاعل المستخدِم من خلال الاختبار الاصطناعي. يجب إجراء هذه الأنواع من الاختبارات بقدر الإمكان أثناء عملية تطوير التطبيق لفهم مدى تأثير التغييرات التي لم يتم طرحها بعد في الأداء. يمكن أن يساعد هذا النوع من الاختبارات الاستباقية في رصد مشاكل الأداء قبل طرح التغييرات على المستخدمين.

وتتمثّل إحدى طرق تحقيق ذلك في جعل الاختبارات التركيبية جزءًا من سير عمل التكامل المستمر (CI)، حيث يتم تنفيذ الاختبارات تلقائيًا عند إجراء تغيير. يمكنك استخدام Lighthouse CI لدمج اختبار الأداء الاصطناعي في العديد من عمليات سير عمل التطوير المتكامل (CI):

• مراقبة الأداء باستخدام Lighthouse CI
• استخدام "تدقيق إعلانات الناشرِين" في Lighthouse مع أدوات التحكم في الإصدار

اختبار A/B

لا يمكن اختبار المقاييس التي تعتمد على تفاعل المستخدمين بشكل كامل إلى أن يتم طرح التغيير فعليًا للمستخدمين. قد يكون هذا الإجراء خطيرًا إذا لم تكن متأكدًا من كيفية أثر التغيير. ومن بين الطرق للتخفيف من هذا الخطر استخدام اختبار أ/ب.

أثناء إجراء اختبار أ/ب، يتم عرض صِيَغ مختلفة من الصفحة للمستخدمين عشوائيًا. يمكنك استخدام هذا الأسلوب لعرض نسخة معدَّلة من صفحتك لنسبة صغيرة من إجمالي عدد الزيارات، مع استمرار عرض معظمها للصفحة غير المعدَّلة. وعند دمجها مع RUM، يمكنك تقييم الأداء النسبي للمجموعتَين لتحديد أيهما أفضل أداءً، بدون تعريض 100% من الزيارات للخطر.

من المزايا الأخرى لاختبارات A/B أنّها تتيح لك قياس أثر التغييرات بدقة أكبر. في العديد من المواقع الإلكترونية، قد يكون من الصعب تحديد ما إذا كان اختلافًا بسيطًا في الأداء ناتجًا عن تغيير حديث أو اختلافًا طبيعيًا في عدد الزيارات. بما أنّ المجموعة التجريبية لاختبار أ/ب تمثّل نسبة مئوية ثابتة من إجمالي عدد الزيارات، يجب أن تختلف المقاييس عن المجموعة الضابطة بمقدار ثابت. وبالتالي، يمكن أن تُعزى الاختلافات التي تم رصدها بين المجموعتَين بدرجة أكبر إلى التغيير الذي يتم اختباره.

يمكن أن تساعدك أدوات مثل Optimizely وأدوات تحسين الأداء من Google في إعداد اختبارات أ/ب وتنفيذها. يُرجى العِلم أنّ اختبار A/B المستنِد إلى العلامات (الإعداد التلقائي لهذه الأدوات) قد يؤثر بدوره بشكل سلبي في الأداء ويقدّم نتائج مضلِّلة. لذلك، ننصحك بشدة بدمج البيانات من جهة الخادم:

• أدوات تحسين الأداء من Google: التجارب من جهة الخادم
• Optimizely: الاختبار من جهة الخادم

نتائج اختبار أ/ب

لقياس تأثير تغيير معيّن باستخدام اختبار أ/ب، عليك جمع المقاييس من كلّ من المجموعة الضابطة والمجموعة التجريبية ومقارنتها ببعضها. ولإجراء ذلك، تحتاج إلى طريقة لمعرفة حركة المرور التي تشكل جزءًا من أي مجموعة.

بالنسبة إلى مقاييس أداء الصفحة، يكفي غالبًا تضمين معرّف بسيط في كل صفحة يشير إلى ما إذا تم عرض السعر الأساسي أو السعر التجريبي. يمكن أن يكون هذا المعرّف أيّ شيء تريده، ما دام متاحًا لتحليل المقاييس وربطها به. إذا كنت تستخدِم إطار عمل اختبار مُعدّ مسبقًا، سيتم عادةً تنفيذ ذلك تلقائيًا نيابةً عنك.

بالنسبة إلى مقاييس النشاط التجاري المتعلقة بالإعلانات، يمكنك استخدام ميزة استهداف القيمة الرئيسية في GPT للتمييز بين طلبات الإعلان عن المجموعة الضابطة والمجموعة التجريبية:

// On control group (A) pages, set page-level targeting to:
googletag.pubads().setTargeting('your-test-id', 'a');

// On experimental group (B) pages, set page-level targeting to:
googletag.pubads().setTargeting('your-test-id', 'b');

ويمكن بعد ذلك الإشارة إلى قيم المفاتيح هذه عند عرض تقارير "مدير إعلانات Google"، لفلترة النتائج حسب المجموعة.