Memprioritaskan performa tidak hanya baik bagi pengguna, tetapi juga baik untuk bisnis. Meskipun praktik terbaik dalam koleksi ini terutama berfokus pada pengoptimalan integrasi Tag Google Publisher (GPT), banyak faktor lainnya yang berkontribusi pada performa halaman tertentu secara keseluruhan. Setiap kali Anda memperkenalkan perubahan, penting untuk mengevaluasi dampak perubahan tersebut terhadap semua aspek performa situs Anda.
Mengukur performa halaman
Untuk memahami pengaruh perubahan terhadap performa situs, Anda harus menetapkan dasar pengukuran terlebih dahulu untuk dibandingkan. Cara terbaik untuk melakukannya adalah dengan membuat anggaran performa yang menentukan dasar pengukuran ide, yang mungkin atau mungkin tidak dipenuhi situs Anda saat ini. Namun, jika tertarik untuk mempertahankan tingkat performa tetap, Anda dapat menggunakan metrik performa situs saat ini sebagai dasar pengukuran.
Untuk mulai mengukur performa, kombinasi pendekatan berikut direkomendasikan:
- Pemantauan sintetis
- Anda dapat menggunakan alat seperti Lighthouse dan Audit Iklan Penayang untuk Lighthouse untuk mengukur performa halaman dalam setelan lab. Jenis pengukuran ini tidak memerlukan interaksi pengguna akhir, sehingga sangat cocok untuk digunakan dalam pengujian otomatis dan dapat digunakan untuk memvalidasi performa perubahan sebelum merilisnya kepada pengguna.
- Pemantauan pengguna nyata (RUM)
- Anda dapat menggunakan alat seperti Google Analytics dan PageSpeed Insights untuk mengumpulkan data performa di dunia nyata secara langsung dari pengguna. Jenis pengukuran ini didasarkan pada interaksi pengguna akhir, sehingga berguna untuk mengidentifikasi masalah performa last mile yang tidak dapat dengan mudah ditemukan oleh pengujian sintetis.
Pastikan untuk melakukan pengukuran dan membandingkannya dengan dasar pengukuran Anda secara rutin. Hal ini akan memberi Anda indikasi yang baik tentang apakah performa situs Anda beralih ke arah yang benar dari waktu ke waktu.
Memilih apa saja yang harus diukur
Dalam hal performa, tidak ada satu metrik pun yang dapat memberi tahu Anda semua hal yang perlu diketahui tentang performa situs Anda. Anda harus melihat berbagai metrik yang mencakup berbagai aspek performa halaman untuk mendapatkan gambaran lengkap. Beberapa area performa utama dan metrik yang disarankan tercantum dalam tabel di bawah.
| Area performa | |
|---|---|
| Kecepatan pemuatan yang dirasakan |
Pengukuran
Seberapa cepat halaman dapat memuat dan merender semua elemen UI. Metrik yang disarankan
First contentful paint (FCP) |
| Responsivitas pemuatan halaman |
Pengukuran
Seberapa cepat halaman menjadi responsif setelah pemuatan awal. Metrik yang disarankan
Penundaan input pertama (FID) |
| Stabilitas visual |
Ukuran
Seberapa banyak elemen UI yang berubah dan apakah pergeseran ini mengganggu interaksi pengguna. Lihat Meminimalkan pergeseran tata letak untuk mengetahui informasi selengkapnya. Metrik yang disarankan
Pergeseran iklan kumulatif |
Selain performa halaman, Anda juga dapat mengukur metrik bisnis khusus iklan. Informasi seperti tayangan, klik, dan visibilitas berdasarkan slot dapat diperoleh dari pelaporan Google Ad Manager.
Menguji perubahan
Setelah menentukan metrik performa dan mulai mengukurnya secara rutin, Anda dapat mulai menggunakan data ini untuk mengevaluasi dampak performa dari perubahan pada situs saat perubahan tersebut dilakukan. Anda melakukannya dengan membandingkan metrik yang diukur setelah perubahan dilakukan, dengan metrik yang diukur sebelum perubahan dilakukan (dan/atau dasar pengukuran yang Anda tetapkan sebelumnya). Pengujian semacam ini akan memungkinkan Anda mendeteksi dan mengatasi masalah performa sebelum menjadi masalah besar bagi bisnis atau pengguna Anda.
Pengujian otomatis
Anda dapat mengukur metrik yang tidak bergantung pada interaksi pengguna melalui pengujian sintetik. Jenis pengujian ini harus dijalankan sesering mungkin selama proses pengembangan untuk memahami pengaruh perubahan yang belum dirilis terhadap performa. Pengujian proaktif semacam ini dapat membantu mengungkap masalah performa sebelum perubahan dirilis kepada pengguna.
Salah satu cara untuk melakukannya adalah dengan menjadikan pengujian sintetis bagian dari alur kerja continuous integration (CI), tempat pengujian berjalan secara otomatis setiap kali perubahan dibuat. Anda dapat menggunakan Lighthouse CI untuk mengintegrasikan pengujian performa sintetis ke dalam banyak alur kerja CI:
Pengujian A/B
Metrik yang bergantung pada interaksi pengguna tidak dapat diuji sepenuhnya hingga perubahan sebenarnya dirilis kepada pengguna. Hal ini dapat berisiko jika Anda tidak yakin dengan perilaku perubahan tersebut. Salah satu teknik untuk mengurangi risiko tersebut adalah pengujian A/B.
Selama pengujian A/B, berbagai varian halaman ditayangkan kepada pengguna secara acak. Anda dapat menggunakan teknik ini untuk menayangkan versi halaman yang dimodifikasi ke sebagian kecil dari keseluruhan traffic, sementara sebagian besar halaman yang tidak dimodifikasi akan terus ditayangkan. Dikombinasikan dengan RUM, Anda kemudian dapat mengevaluasi performa relatif dari kedua grup untuk menentukan mana yang berperforma lebih baik—tanpa membahayakan 100% traffic.
Manfaat lain dari pengujian A/B adalah memungkinkan Anda mengukur dampak perubahan secara lebih akurat. Untuk banyak situs, sulit untuk menentukan apakah perbedaan kecil dalam performa disebabkan oleh perubahan terbaru atau variasi traffic yang normal. Karena grup eksperimental pengujian A/B mewakili persentase tetap dari keseluruhan traffic, metrik harus berbeda dari grup kontrol berdasarkan faktor konstan. Oleh karena itu, perbedaan yang diamati antara 2 kelompok dapat dengan lebih pasti dikaitkan dengan perubahan yang sedang diuji.
Alat seperti Optimizely dan Google Optimize dapat membantu menyiapkan dan menjalankan pengujian A/B. Namun, perhatikan bahwa pengujian A/B berbasis tag (konfigurasi default untuk alat ini) dapat berdampak negatif pada performa dan memberikan hasil yang menyesatkan. Oleh karena itu, integrasi sisi server sangat direkomendasikan:
Hasil pengujian A/B
Untuk mengukur dampak perubahan menggunakan pengujian A/B, Anda mengumpulkan metrik dari grup kontrol dan grup eksperimen, lalu membandingkannya satu sama lain. Untuk melakukannya, Anda memerlukan cara untuk mengetahui traffic mana yang merupakan bagian dari grup mana.
Untuk metrik performa halaman, cukup sertakan ID sederhana di setiap halaman yang menunjukkan apakah versi kontrol atau versi eksperimental ditayangkan. ID ini dapat berupa apa pun yang Anda inginkan, selama ID tersebut merupakan sesuatu yang dapat Anda urai dan korelasikan dengan metrik. Jika Anda menggunakan framework pengujian bawaan, biasanya hal ini akan otomatis ditangani.
Untuk metrik bisnis khusus iklan, Anda dapat menggunakan fitur penargetan nilai kunci GPT untuk membedakan permintaan iklan dari grup kontrol vs grup eksperimental:
// 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');
Nilai kunci ini kemudian dapat dirujuk saat menjalankan laporan Google Ad Manager, untuk memfilter hasil menurut grup.