Core Web Vitals

2021 június közepétől a Google három új Core Web Vitals mutató értékét használja a rangsorolási algoritmusában.
A rangsorolásba felvett új jellemzők:

  • LCP (largest contentful paint): oldalbetöltés során, az oldal látható részében, a legnagyobb tartalmi blokk megjelenítéséhez szükséges idő. Lehet szöveges és képi tartalom egyaránt.
    Az érték annak az indikátora, hogy milyen hamar kap értelmezhető képet a felhasználó a betöltés során az oldalról.
    2.5 másodpercig jó, 4 másodperc felett nem elfogadható az LCP értéke.
  • CLS (cumulative layout shift): az oldal elrendezésének a váratlan, felhasználó által előre nem kiszámítható változásainak a mértékéről szól. Leggyakoribb oka a beágyazott tartalmak (képek, videók, hirdetések) hiányos méret paraméterezéssel és nem megtervezett sorrendben való betöltése.
    Rossz CLS érték esetén a felhasználónak gyakran olyan élménye van az oldalon, hogy a tartalmi blokk amelyre éppen fókuszál, váratlanul elmozdul a képernyőn.
    10% alatt jó, 25% felett nem elfogadható a CLS érték.
  • FID (first input delay): felhasználói interakció után eltelt idő, amíg a webhely reagál a felhasználóra. Például egy kattintási esemény után mennyi idővel érzékelhető a kívánt esemény (új oldal betöltése pl.)
    100ms-ig jó, 300ms-nál hosszabb idő esetén nem elfogadható a FID érték.

Leegyszerűsítve a fenti mutatók jelentését, az elsődleges szándék, hogy ne várakoztassuk hosszan és ne zavarjuk meg kiszámíthatatlan működéssel a felhasználót az oldal használatában.
Olyan korábbi jellemzőket egészítenek ki ezek a Google UX mérőszámok a rangsorolásban, mint a mobilbarát szempontok (mobile-friendly update), biztonságos és titkosított böngészés (https update) és a zavaró reklámok (Intrusive interstitials update) elkerülésének a vizsgálata (ld. a korábbi algoritmus frissítések történetét).

Web Vitals mutatók, Page Speed Insights eszközben
Web Vitals mutatók, Page Speed Insights eszközben

Gyakori kérdések Web Vitals értékek kapcsán

Mobil és desktop eredmények közül melyik a lényegesebb?

Rangsorolás tekintetében a Google a mobilos felhasználók Web Vitals eredményeit veszi figyelembe.

Melyek a magas LCP érték leggyakoribb okai?

– Lassú szerver válaszidő
– Renderelést gátló javascript és CSS
– Lassan betöltődő erőforrás fájlok
– Lassú kliensoldali renderelés

Melyek a magas CLS érték leggyakoribb okai?

– Már betöltött oldalelemek fölé dinamikusan beszúrt elemek
– Előre nem definiált méretű képek, beágyazott videók, iframe-ek, bannerek.

Mik a legjobb eszközök Web Vitals eredmények ellenőrzésére?

Google Page Speed Insights: valós idejű teszt saját böngésző klienssel (‘lab data’) és az oldal felhasználóinak a statisztikái visszamenőlegesen összesítve (field data).
WebpageTest.org: CLS vizsgálatához használható a filmstrip view beállítás, amellyel pontosan láthatjuk, hogy mikor történt a CLS esemény.
Google Search Console – Alapvető web vitals-mutatók: napi szinten frissíti, három kategóriában az url-ek web vitals értékelését, példa url-eket mutatva oldaltípusonként a problémás oldalak esetén (jó – gyenge – javításra szorul)

Hogyan méri a Google a Web vitals értékeket?

Azon Chrome böngésző felhasználók statisztikáiból származnak az értékek, akik engedélyezték az felhasználási adataik megosztását a Google számára.
Chrome User Experience report

Böngésző bővítmények is befolyásolhatják a web vitals és page speed mutatók értékét?

Igen, hatással lehetnek a web vital és page speed mutatók értékére egyaránt, ezért lehetséges, hogy két különböző felhasználó böngészőjében egészen eltérő mutatói

Szakmai iránymutatások Web Vitals értékek javításához

Google fejlesztők videói Web vitals és SEO témában

John Mueller (Google Search szóvívő) egy tíz perces videóban mutatja be a webhelyek Web Vitals vizsgálatához használható Google Search Console és Google Page Speed Insights eszközök riportjait és azok értelmezését.
Addy Osmani (Google Chrome fejlesztőmérnök) egy 38 perc hosszú videóban, egy webáruház oldalain mutatja be, hogyan használhatóak a Lighthouse és a Chrome DevTools a felhasználó élményt befolyásoló Web Vitals mutatók elemzésére és optimalizálására