מתן עדיפות לביצועים לא רק מועיל למשתמשים, אלא גם מועיל לעסק. השיטות המומלצות באוסף הזה מתמקדות בעיקר בביצוע אופטימיזציה של השילוב של Google Publisher Tag (GPT), אבל גורמים רבים אחרים משפיעים על הביצועים הכוללים של דף מסוים. בכל פעם שאתם מציגים שינויים, חשוב להעריך את ההשפעה של השינויים האלה על כל ההיבטים של ביצועי האתר שלכם.
מדידת ביצועי הדף
כדי להבין איך שינוי משפיע על הביצועים של האתר, קודם צריך להגדיר בסיס בסיס להשוואה. הדרך הטובה ביותר לעשות זאת היא ליצור תקציב ביצועים המגדיר רעיון תת-קרקעי, שייתכן שהאתר שלכם מפגין היום, וייתכן שלא יעמוד בו כרגע. עם זאת, אם אתם רוצים לשמור על רמת ביצועים קבועה, אפשר להשתמש במדדי הביצועים הנוכחיים של האתר כבסיס.
כדי להתחיל למדוד את הביצועים, מומלץ להשתמש בשילוב של הגישות הבאות:
- מעקב סינתטי
- אפשר להשתמש בכלים כמו Lighthouse ו-Publisher Ads Audits for Lighthouse כדי למדוד את ביצועי הדף בסביבת שיעור ה-Lab. סוג מדידה זה לא מצריך אינטראקציה של משתמש קצה, ולכן הוא מתאים לשימוש בבדיקות אוטומטיות וניתן להשתמש בו כדי לאמת את ביצועי השינויים לפני השקתם למשתמשים.
- ניטור אמיתי של המשתמש (RUM)
- אתם יכולים להשתמש בכלים כמו Google Analytics ו-PageSpeed Insights כדי לאסוף נתוני ביצועים בפועל ממשתמשים. סוג המדידה הזה מבוסס על אינטראקציות של משתמשי קצה, ולכן הוא שימושי לזיהוי בעיות בביצועים של הקילומטר האחרון, שבדיקות סינתטיות לא יכולות לחשוף.
חשוב לבצע מדידות ולהשוות מול בסיס הבסיס באופן קבוע. כך תוכלו לדעת אם ביצועי האתר נמצאים במגמת עלייה לאורך זמן.
מה ברצונך למדוד?
אם מדובר בביצועים, אין מדד אחד שיכול לספר לכם את כל מה שצריך לדעת על ביצועי האתר. תצטרכו לבחון מגוון מדדים הקשורים להיבטים השונים של ביצועי הדף כדי לקבל את התמונה המלאה. בטבלה הבאה מפורטים כמה מהתחומים המרכזיים של ביצועים והמדדים המוצעים.
| תחום ביצועים | |
|---|---|
| מהירות טעינה צפויה |
אמצעים
המהירות שבה דף מסוים יכול להיטען ולעבד את כל רכיבי ממשק המשתמש. הצעות למדדים
הצגת תוכן ראשוני (FCP) |
| מהירות תגובה בטעינת דף |
אמצעים
המהירות שבה דף הופך לרספונסיבי אחרי הטעינה הראשונית. הצעות למדדים
השהיה לאחר קלט ראשוני (FID) |
| יציבות חזותית |
אמצעים
כמה שינויים יש ברכיבים של ממשק המשתמש והאם השינויים האלה מפריעים לאינטראקציה של המשתמש. אפשר לקרוא מידע נוסף במאמר צמצום שינוי הפריסה. הצעות למדדים |
מלבד ביצועי הדף, ייתכן שתרצה גם למדוד ערכים עסקיים ספציפיים למודעה. מידע על חשיפות, קליקים וניראות, על בסיס כל משבצת זמן, זמין בדיווח של Google Ad Manager.
בדיקת שינויים
אחרי שאתם מגדירים את מדדי הביצועים ומתחילים למדוד אותם באופן קבוע, אתם יכולים להתחיל להשתמש בנתונים האלה כדי להעריך את ההשפעה על השינויים באתר בזמן שהם מתבצעים. תוכלו לעשות זאת על ידי השוואת מדדים שנמדדו לאחר ביצוע שינוי, לבין מדדים שנמדדו לפני ביצוע השינוי ו/או את ערך הבסיס שיצרתם בעבר. בדיקות כאלה יאפשרו לכם לזהות בעיות בביצועים ולטפל בהן לפני שהן יהפכו לבעיה חמורה בעסק או בקרב המשתמשים שלכם.
בדיקות אוטומטיות
בבדיקות סינתטיות אפשר למדוד מדדים שאינם תלויים באינטראקציה של המשתמשים. במהלך הבדיקות האלה, יש להריץ בדיקות מהסוג הזה בתדירות גבוהה ככל האפשר כדי להבין איך שינויים שלא פורסמו ישפיעו על הביצועים. בדיקות יזומות כאלה יכולות לעזור לגלות בעיות בביצועים לפני השקת השינויים למשתמשים.
אחת מהדרכים לעשות זאת היא לבצע בדיקות סינתטיות של תהליך עבודה של שילוב רציף (CI), שבו הבדיקות פועלות באופן אוטומטי בכל פעם שמתבצע שינוי. תוכלו להשתמש ב-Lighthouse CI כדי לשלב בדיקות ביצועים סינתטיים בתהליכי עבודה רבים של CI:
בדיקת A/B
מדדים שתלויים באינטראקציה של המשתמשים לא ניתנים לבדיקה מלאה עד לשחרור המשתמשים בפועל. זה עלול להיות מסוכן אם לא ברור לכם איך השינוי יתנהג. אחת מהשיטות לצמצום הסיכון היא בדיקת A/B.
במהלך בדיקת A/B, גרסאות שונות של דף מוצגות למשתמשים באופן אקראי. אפשר להשתמש בשיטה הזו כדי להציג גרסה של הדף שהשתנתה באחוז קטן מהתנועה הכוללת, ובדרך כלל ימשיך להציג את הדף שלא השתנה. בשילוב עם RUM, אפשר להעריך את הביצועים היחסיים של שתי הקבוצות כדי לקבוע איזו קבוצה מניבה ביצועים טובים יותר, מבלי לסכן את 100% מהתנועה.
יתרון נוסף של בדיקות A/B הוא שהן מאפשרות למדוד בצורה מדויקת יותר את ההשפעות של השינויים. באתרים רבים, לפעמים קשה לקבוע אם הבדל קטן בביצועים נובע משינוי שבוצע לאחרונה או משינוי רגיל בתנועה. מכיוון שקבוצת הניסוי של בדיקת A/B מייצגת אחוז קבוע של תנועה כוללת, המדדים צריכים להיות שונים מאלה של קבוצת הבקרה לפי גורם קבוע. לכן, ההבדלים בין שתי הקבוצות יכולים להיות קשורים יותר בוודאות לשינוי שנבדק.
כלים כמו Optimize ו-Google Optimize יכולים לעזור לכם להגדיר ולהפעיל בדיקות A/B. עם זאת, חשוב לזכור שבדיקת A/B המבוססת על תגים (הגדרת ברירת המחדל של הכלים האלה) עשויה להשפיע באופן שלילי על הביצועים ולספק תוצאות מטעות. לכן מומלץ מאוד לשלב בשרת:
תוצאות בדיקת A/B
כדי למדוד את ההשפעה של שינוי באמצעות בדיקת A/B, אתם אוספים מדדים גם מקבוצות הבקרה וגם מקבוצות הניסוי. כדי לעשות זאת, נדרשת דרך לדעת איזו תנועה נכללת בכל קבוצה.
במדדי ביצועי דפים, פעמים רבות מספיק לכלול מזהה פשוט בכל דף, שמציין אם הוצגה גרסת הבקרה או הניסוי. המזהה הזה יכול להיות כל מה שתרצו, כל עוד הוא מאפשר לנתח את הנתונים האלה ולהתאים אותם למדדים. אם אתם משתמשים במסגרת בדיקה מוגדרת מראש, בדרך כלל המערכת תטפל עבורכם באופן אוטומטי.
כדי להשתמש במדדים עסקיים ספציפיים למודעות, אפשר להשתמש בתכונה טירגוט לפי ערך מפתח של GPT כדי להבדיל בין בקשות להצגת מודעות לבין קבוצות בקרה וניסוי
// 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');
אחרי שתפעילו דוחות ב-Google Ad Manager תוכלו לעיין בערכי המפתח האלה, כדי לסנן את התוצאות לפי קבוצות.