Việc ưu tiên hiệu suất không chỉ tốt cho người dùng mà còn có lợi cho doanh nghiệp. Mặc dù các phương pháp hay nhất trong bộ sưu tập này chủ yếu tập trung vào việc tối ưu hoá việc tích hợp Thẻ nhà xuất bản của Google (GPT), nhưng nhiều yếu tố khác cũng góp phần vào hiệu suất tổng thể của một trang nhất định. Bất cứ khi nào bạn đưa ra các thay đổi, điều quan trọng là bạn phải đánh giá tác động của những thay đổi đó đối với mọi khía cạnh của hiệu suất trang web.
Đo lường hiệu suất trang
Để hiểu được một thay đổi ảnh hưởng như thế nào đến hiệu suất của trang web, trước tiên, bạn cần thiết lập đường cơ sở để so sánh. Cách tốt nhất để làm việc này là tạo một ngân sách hiệu suất xác định một đường cơ sở ý tưởng mà trang web của bạn có thể hoặc không thể đáp ứng. Tuy nhiên, nếu muốn duy trì hiệu suất ở mức cố định, bạn có thể sử dụng các chỉ số hiệu suất hiện tại của trang web làm cơ sở.
Để bắt đầu đo lường hiệu suất, bạn nên kết hợp các phương pháp sau:
- Giám sát tổng hợp
- Bạn có thể sử dụng các công cụ như Lighthouse và Công cụ kiểm tra quảng cáo của nhà xuất bản cho Lighthouse để đo lường hiệu suất trang trong môi trường thử nghiệm. Loại phương pháp đo lường này không yêu cầu người dùng cuối tương tác, vì vậy, phương pháp này rất phù hợp để sử dụng trong các kiểm thử tự động và có thể được dùng để xác thực hiệu suất của các thay đổi trước khi phát hành cho người dùng.
- Theo dõi người dùng thực (RUM)
- Bạn có thể sử dụng các công cụ như Google Analytics và PageSpeed Insights để thu thập dữ liệu hiệu suất thực tế trực tiếp từ người dùng. Loại đo lường này dựa trên các lượt tương tác của người dùng cuối, vì vậy, loại đo lường này rất hữu ích trong việc xác định các vấn đề về hiệu suất ở chặng cuối mà các thử nghiệm tổng hợp không dễ dàng phát hiện ra.
Hãy nhớ thường xuyên đo lường và so sánh với giá trị cơ sở. Điều này sẽ cho bạn biết hiệu suất của trang web có đang đi theo đúng hướng hay không theo thời gian.
Chọn chỉ số cần đo lường
Khi nói đến hiệu suất, không có chỉ số nào có thể cho bạn biết mọi thứ bạn cần biết về hiệu suất của trang web. Bạn cần xem xét nhiều chỉ số bao gồm nhiều khía cạnh về hiệu suất của trang để có được thông tin đầy đủ. Một số lĩnh vực hiệu suất chính và chỉ số được đề xuất được liệt kê trong bảng dưới đây.
| Khu vực hiệu suất | |
|---|---|
| Tốc độ tải dự kiến |
Phương pháp đo lường
Tốc độ tải và hiển thị tất cả các phần tử trên giao diện người dùng mà một trang có thể thực hiện. Chỉ số được đề xuất
Hiển thị nội dung đầu tiên (FCP) |
| Tốc độ phản hồi khi tải trang |
Chỉ số
Tốc độ một trang trở nên thích ứng sau lần tải đầu tiên. Chỉ số được đề xuất
Thời gian phản hồi đầu vào (FID) |
| Độ ổn định về hình ảnh |
Phương pháp đo lường
Mức độ thay đổi của các thành phần trên giao diện người dùng và liệu những thay đổi này có ảnh hưởng đến hoạt động tương tác của người dùng hay không. Hãy xem phần Giảm thiểu sự thay đổi bố cục để biết thêm thông tin. Các chỉ số đề xuất
Mức thay đổi tích luỹ của quảng cáo |
Ngoài hiệu suất trang, bạn cũng nên đo lường các chỉ số kinh doanh cụ thể theo quảng cáo. Bạn có thể lấy thông tin như số lượt hiển thị, số lượt nhấp và khả năng xem theo từng vị trí từ báo cáo Google Ad Manager.
Kiểm thử các thay đổi
Sau khi xác định các chỉ số hiệu suất và bắt đầu đo lường các chỉ số này thường xuyên, bạn có thể bắt đầu sử dụng dữ liệu này để đánh giá tác động về hiệu suất của các thay đổi đối với trang web khi chúng được thực hiện. Bạn thực hiện việc này bằng cách so sánh các chỉ số được đo lường sau khi thay đổi với các chỉ số được đo lường trước khi thay đổi (và/hoặc đường cơ sở mà bạn đã thiết lập trước đó). Loại hình kiểm thử này sẽ cho phép bạn phát hiện và giải quyết các vấn đề về hiệu suất trước khi chúng trở thành vấn đề lớn đối với doanh nghiệp hoặc người dùng.
Kiểm thử tự động
Bạn có thể đo lường các chỉ số không phụ thuộc vào hoạt động tương tác của người dùng thông qua các kiểm thử tổng hợp. Bạn nên chạy các loại kiểm thử này càng thường xuyên càng tốt trong quá trình phát triển để hiểu được mức độ ảnh hưởng của những thay đổi chưa phát hành đối với hiệu suất. Loại kiểm thử chủ động này có thể giúp phát hiện các vấn đề về hiệu suất trước khi phát hành các thay đổi cho người dùng.
Một cách để thực hiện việc này là đưa kiểm thử tổng hợp vào quy trình tích hợp liên tục (CI), trong đó các kiểm thử sẽ chạy tự động mỗi khi có thay đổi. Bạn có thể sử dụng Lighthouse CI để tích hợp hoạt động kiểm thử hiệu suất tổng hợp vào nhiều quy trình CI:
- Giám sát hiệu suất bằng Lighthouse CI
- Việc sử dụng Công cụ kiểm tra quảng cáo của nhà xuất bản cho Lighthouse CI
Thử nghiệm A/B
Bạn không thể kiểm thử đầy đủ các chỉ số phụ thuộc vào hoạt động tương tác của người dùng cho đến khi thay đổi thực sự được phát hành cho người dùng. Điều này có thể gây rủi ro nếu bạn không chắc chắn về cách thay đổi sẽ hoạt động. Một kỹ thuật để giảm thiểu rủi ro đó là kiểm thử A/B.
Trong một thử nghiệm A/B, các biến thể khác nhau của một trang được phân phát cho người dùng một cách ngẫu nhiên. Bạn có thể sử dụng kỹ thuật này để phân phát phiên bản sửa đổi của trang cho một tỷ lệ nhỏ lưu lượng truy cập tổng thể, trong khi hầu hết vẫn tiếp tục được phân phát trang chưa sửa đổi. Sau đó, khi kết hợp với RUM, bạn có thể đánh giá hiệu suất tương đối của hai nhóm để xác định nhóm nào hoạt động hiệu quả hơn mà không gây rủi ro cho 100% lưu lượng truy cập.
Một lợi ích khác của thử nghiệm A/B là cho phép bạn đo lường chính xác hơn tác động của các thay đổi. Đối với nhiều trang web, có thể khó xác định liệu sự khác biệt nhỏ về hiệu suất có phải là do một thay đổi gần đây hay là sự biến động lưu lượng truy cập thông thường. Vì nhóm thử nghiệm của thử nghiệm A/B đại diện cho một tỷ lệ phần trăm cố định của lưu lượng truy cập tổng thể, nên các chỉ số phải khác với nhóm đối chứng theo hệ số không đổi. Do đó, bạn có thể tự tin hơn khi cho rằng sự khác biệt được quan sát giữa 2 nhóm là do thay đổi đang được thử nghiệm.
Các công cụ như Optimizely và Google Optimize có thể giúp thiết lập và chạy thử nghiệm A/B. Tuy nhiên, hãy lưu ý rằng việc thử nghiệm A/B dựa trên thẻ (cấu hình mặc định cho các công cụ này) có thể tự nó ảnh hưởng tiêu cực đến hiệu suất và đưa ra kết quả gây hiểu lầm. Do đó, bạn nên tích hợp phía máy chủ:
Kết quả thử nghiệm A/B
Để đo lường mức tác động của một thay đổi bằng thử nghiệm A/B, bạn thu thập các chỉ số từ cả nhóm đối chứng và nhóm thử nghiệm rồi so sánh các chỉ số đó với nhau. Để làm được điều này, bạn cần có cách để phân biệt lưu lượng truy cập thuộc nhóm nào.
Đối với các chỉ số hiệu suất của trang, thường chỉ cần thêm một giá trị nhận dạng đơn giản trên mỗi trang để cho biết phiên bản kiểm soát hay phiên bản thử nghiệm đã được phân phát. Giá trị nhận dạng này có thể là bất kỳ giá trị nào bạn muốn, miễn là bạn có thể phân tích cú pháp và liên kết các chỉ số với giá trị đó. Nếu bạn đang sử dụng khung kiểm thử tạo sẵn, thì hệ thống thường sẽ tự động xử lý việc này cho bạn.
Đối với các chỉ số kinh doanh dành riêng cho quảng cáo, bạn có thể sử dụng tính năng nhắm mục tiêu theo khoá-giá trị của GPT để phân biệt các yêu cầu quảng cáo giữa nhóm đối chứng và nhóm thử nghiệm:
// 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');
Sau đó, bạn có thể tham chiếu các khoá-giá trị này khi chạy báo cáo Google Ad Manager để lọc kết quả theo nhóm.