Membuat performa sebagai prioritas 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), ada banyak faktor lain yang berkontribusi pada keseluruhan performa halaman tertentu. Setiap kali membuat 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 membuat dasar pengukuran untuk dibandingkan. Cara terbaik untuk melakukannya adalah dengan membuat anggaran performa yang menentukan dasar pengukuran ide, yang mungkin dapat atau tidak dapat dipenuhi oleh situs Anda saat ini. Namun, jika Anda ingin mempertahankan tingkat performa tetap, Anda dapat menggunakan metrik performa situs saat ini sebagai dasar pengukuran.
Untuk mulai mengukur performa, sebaiknya gunakan pendekatan berikut:
- Pemantauan sintetis
- Anda dapat menggunakan alat seperti Lighthouse dan Audit Iklan Penayang untuk Lighthouse untuk mengukur performa halaman di setelan lab. Jenis pengukuran ini tidak memerlukan interaksi pengguna akhir, sehingga 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 nyata secara langsung dari pengguna. Jenis pengukuran ini didasarkan pada interaksi pengguna akhir, sehingga berguna untuk mengidentifikasi masalah performa kilometer terakhir yang tidak mudah ditemukan oleh pengujian sintetis.
Pastikan untuk melakukan pengukuran dan membandingkan dengan dasar pengukuran Anda secara teratur. Hal ini akan memberikan indikasi yang baik tentang apakah performa situs Anda trending ke arah yang tepat dari waktu ke waktu.
Memilih apa saja yang harus diukur
Dalam hal performa, tidak ada metrik tunggal 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 ini.
| Area performa | |
|---|---|
| Kecepatan pemuatan yang dirasakan |
Mengukur
Seberapa cepat halaman dapat memuat dan merender semua elemen UI. Metrik yang disarankan
First contentful paint (FCP) |
| Responsivitas pemuatan halaman |
Mengukur
Seberapa cepat halaman menjadi responsif setelah pemuatan awal. Metrik yang disarankan
Penundaan input pertama (FID) |
| Stabilitas visual |
Mengukur
Seberapa banyak elemen UI berubah dan apakah perubahan ini mengganggu interaksi pengguna. Lihat Meminimalkan pergeseran tata letak untuk informasi selengkapnya. Metrik yang disarankan
Perubahan iklan kumulatif |
Selain performa halaman, Anda mungkin juga ingin mengukur metrik bisnis khusus iklan. Informasi seperti tayangan, klik, dan visibilitas berbasis slot per slot dapat diperoleh dari pelaporan Google Ad Manager.
Menguji perubahan
Setelah menentukan metrik performa dan mulai mengukurnya secara teratur, Anda dapat mulai menggunakan data ini untuk mengevaluasi dampak performa dari perubahan pada situs saat perubahan 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 utama bagi bisnis atau pengguna Anda.
Pengujian otomatis
Anda dapat mengukur metrik yang tidak bergantung pada interaksi pengguna melalui pengujian sintetis. Pengujian semacam 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 sebagai bagian dari alur kerja continuous integration (CI), tempat pengujian berjalan secara otomatis setiap kali perubahan dilakukan. 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 benar-benar dirilis kepada pengguna. Hal ini dapat berisiko jika Anda tidak yakin dengan perubahan perilakunya. Salah satu teknik untuk memitigasi risiko tersebut adalah pengujian A/B.
Selama pengujian A/B, varian halaman yang berbeda ditayangkan kepada pengguna secara acak. Anda dapat menggunakan teknik ini untuk menayangkan versi halaman yang dimodifikasi ke sebagian kecil traffic secara keseluruhan, sementara sebagian besar halaman akan terus ditayangkan tanpa perubahan. Bersama dengan RUM, Anda dapat mengevaluasi performa relatif kedua grup untuk menentukan grup yang berperforma lebih baik—tanpa membahayakan 100% traffic.
Manfaat lain dari pengujian A/B adalah memungkinkan Anda mengukur efek perubahan dengan lebih akurat. Untuk banyak situs, mungkin sulit untuk menentukan apakah perbedaan kecil dalam performa disebabkan oleh perubahan terbaru atau variasi traffic yang normal. Karena grup eksperimental A/B testing mewakili persentase tetap dari keseluruhan traffic, metrik harus berbeda dari grup kontrol berdasarkan faktor konstan. Oleh karena itu, perbedaan yang diamati di antara 2 grup dapat lebih yakin 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 eksperimental serta membandingkannya satu sama lain. Untuk melakukannya, Anda memerlukan cara untuk mengetahui traffic mana yang merupakan bagian dari grup tertentu.
Untuk metrik performa halaman, ID yang sederhana sering kali disertakan di setiap halaman yang menunjukkan apakah versi kontrol atau eksperimental ditayangkan. ID ini bisa berupa apa pun yang Anda inginkan, selama ID ini dapat Anda uraikan dan dikaitkan dengan metrik. Jika Anda menggunakan framework pengujian bawaan, framework ini biasanya akan ditangani secara otomatis.
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');
Selanjutnya, nilai kunci ini dapat dirujuk saat menjalankan laporan Google Ad Manager, untuk memfilter hasil menurut grup.