Oplaadtijd meten

Het schoolcijfersdilemma: een typisch probleem bij prestatievergelijking

Het evalueren van de prestaties van je eigen website is tegenwoordig heel eenvoudig. Eén of twee keer klikken en Google of een andere dienst spuugt resultaten uit met concrete suggesties voor oplossingen. Prachtig. Althans voor de eerste optimalisatierun. Maar op het laatst als het gaat om finetunen, veranderen van hoster of opschonen van WordPress, wordt het belangrijk om te begrijpen welke tools nu eigenlijk de laadtijd meten en hoe je met deze gegevens om kunt gaan.

Onlangs schreef een klant ons via de support chat. Hij was net verhuisd en vergeleek de prestaties van zijn site bij de oude hoster met zijn site bij Raidboxes. Hij vertelde ons dat de verhuizing het niet echt waard was voor een prestatieverhoging van slechts 9 punten bij Google PageSpeed Insights .

In feite krijgen we voortdurend zulke verzoeken. Daarom heb ik eens gekeken welke informatie tools als Google PageSpeed Insights eigenlijk bieden voor interpretatie en hoe ze de prestaties of laadtijd meten. Om eerlijk te zijn verraste het resultaat me een beetje. Want: de betekenis van de waarden wordt meestal heel goed en gedetailleerd uitgelegd. De hulppagina's van de testaanbieders gaan echter op twee punten niet in detail in:

  • Welk gereedschap is geschikt voor welk doel?
  • Welke gegevens kunnen worden geïnterpreteerd en gebruikt en hoe?

Tools als Google PageSpeed Insights meten niet de snelheid van je pagina

In een eerdere blogpost kwam het al ter sprake: tests zoals Google PageSpeed Insights meten niet de laadtijd van je pagina, maar het optimalisatiepotentieel ervan. Ze bepalen hoe goed je pagina voldoet aan een vooraf gedefinieerde reeks prestatiecriteria. Bovendien geven de tests aanwijzingen om het prestatiepotentieel te optimaliseren. Er is echter één ding dat dergelijke tests expliciet niet doen: de laadtijd meten.

Op Google klinkt het als volgt:

PageSpeed Insights meet manieren om de prestaties van een site op de volgende manieren te verhogen:

  • Tijd die nodig is om de inhoud zichtbaar te laden zonder te scrollen: Tijd die verloopt vanaf het moment dat een gebruiker een nieuwe pagina opvraagt tot het moment dat de browser de inhoud zichtbaar maakt zonder te scrollen.
  • Tijd die nodig is om de pagina volledig te laden: tijd vanaf het moment dat een gebruiker een nieuwe pagina opvraagt totdat de browser de pagina volledig weergeeft.

Je ziet: Google meet niet de snelheid, maar de "mogelijkheden om de prestaties te verhogen". Een cruciaal verschil. En dat betekent ook dat je aan de resultaten niet kunt zien hoe snel de pagina of het zonder scrollen zichtbare gebied eigenlijk laadt.

Prestatiehulpmiddelen als PageSpeed Insights laten zien waar je snel veel aan prestaties kunt winnen.

Maar ook dat is geen probleem, want de tools leveren nog steeds waardevolle gegevens op voor optimalisatie, ook al meten ze de laadtijd niet. De verklaringen van dergelijke tests hebben de grootste toegevoegde waarde voor grote optimalisatiestappen, zoals het gebruik van caching of beeldcompressie.

Ook al ziet de beoordeling met punten en kleuren er goed uit, er is één ding dat Google PageSpeed Insights niet doet: de laadtijd meten
Fragment uit een Google PageSpeed Insights test. Overigens zou een score van 85 punten of meer met een groene kleur gemarkeerd worden. Eén ding doet de test niet: systematisch de laadtijd meten.

Zodra het echter gaat om het optimaliseren van de laadtijd van een reeds geoptimaliseerde pagina, kunnen deze tests slechts beperkte inzichten verschaffen. In zo'n geval moet je een echte prestatiemeting uitvoeren. Dit geldt vooral als je van hosting provider verandert. Want de webserver zelf kan nog zo goed zijn, als de site vol staat met bouwsels heeft zelfs een verandering van infrastructuur weinig zin.

Voor zo'n "echte" prestatiemeting kun je bijvoorbeeld de volgende hulpmiddelen gebruiken:

Met zo'n test had de klant precies kunnen vergelijken welke delen van zijn site welke prestatieverhoging hadden na de verandering.

En dat brengt me bij het tweede punt van deze post: vooral hulpmiddelen als PageSpeed Insights verleiden je om voor een vergelijking waarden te gebruiken die maar beperkt of helemaal niet geschikt zijn. Want als je met puntenscores of beoordelingssystemen werkt, kom je al snel in een situatie die ik in dit artikel het schoolcijfer-dilemma noem.

Het dilemma van de schoolcijfers: cijfers zijn niet geschikt voor vergelijkingen

Tools als Google PageSpeed Insights, of Yahoo's YSlow geven twee soorten gegevens weer:

  • een cijfer voor paginavoorstelling
  • concrete adviezen om dit cijfer te verbeteren

De scores zijn op een schaal van 0 tot 100, waarbij 100 de beste score is. Tot zover duidelijk. En intuïtief toegankelijk voor elke gebruiker. Vooral omdat de beoordelingen ondersteund worden door een stoplichtsysteem.

Maar als het gaat om het vergelijken van twee partijen op basis van deze beoordelingen, is het interpreteren van de meetresultaten niet meer zo eenvoudig. In feite is het ongelooflijk moeilijk, zo niet onmogelijk. Want iedereen kan zien dat de pagina met de 90 waardering beter is dan die met de 80 waardering. Maar de volgende uitspraak kan niet meer worden gedaan: Door welke factor is de pagina met de 90 waardering beter dan de andere?

En dit beschrijft het probleem in de kern: Beoordelingssystemen staan zulke uitspraken eenvoudigweg niet toe. Je kent dit uit je schooltijd: degene die naast je zit heeft een C, maar jij hebt zelf een B. Zelfs als slechts één of twee punten jullie scheiden: Het resultaat is fundamenteel anders. En zonder de cijfersleutel van het papier te kennen, is het onmogelijk te zeggen hoe dicht het resultaat erbij lag.

De reden voor deze beperkte significantie is het zogenaamde schaalniveau van de meetgegevens. Ik wil daar hier echter niet in detail op ingaan. Kijk voor meer details over schaalniveaus en de toegestane rekenkundige bewerkingen op Wikipedia.

Terug naar ons voorbeeld van het begin: De klant - en niemand anders - kan precies zeggen door welke factor de oude en de nieuwe pagina verschillen. Alleen met een echte snelheidsmeting is zo'n uitspraak mogelijk.

ebook: De prestaties van je site meten als een pro

Tijdmetingen leveren de beste laadtijdgegevens op

De meest waardevolle gegevens voor vergelijkingen, het opstellen van optimalisatiemaatregelen enz. zijn in elk geval tijdmetingen. Want die hebben een nulpunt waarop men zich kan oriënteren. Hulpmiddelen die de laadtijd meten maken dus allerlei verklaringen en vergelijkingen mogelijk.

Dus als je vóór een optimalisatiemaatregel een laadtijd van de pagina meet van 2,712 seconden en na de conversie een waarde van 2,133 seconden, dan kun je op basis van deze gegevens de volgende uitspraken doen:

  • De site is na de conversie 21 procent sneller dan voor de conversie
  • Het geoptimaliseerde aspect is verantwoordelijk voor meer dan een vijfde van de paginaprestaties. (een van de belangrijkste stukjes informatie ooit!)
  • Alle verdere optimalisatiemaatregelen kunnen in relatie tot deze waarde worden ingesteld. Zo kan een optimalisatie die 9 procent meer snelheid zou opleveren, maar onevenredig veel meer inspanning zou betekenen, een andere prioriteit krijgen dan een maatregel die navenant meer laadtijd bespaart.

Als de klant uit het voorbeeldgeval vanaf het begin had gemeten met een tool als webpagetest.org, dan had hij gezien dat de prestaties van zijn site op de relevante gebieden meer dan verdubbeld waren.

Conclusie: Kennis over soort en kwaliteit van meetgegevens is slechts het begin

Voor een zinvolle vergelijking van twee of meer pagina's moet dus ten minste aan de volgende twee voorwaarden worden voldaan:

  • Het gebruikte instrument moet de juiste dingen meten - de relevante delen van de pagina. Als je bijvoorbeeld van hoster verandert, moet je niet uitsluitend vertrouwen op een test die vooral kijkt naar onpage factoren.
  • De gebruikte gegevens moeten een zinvolle vergelijking mogelijk maken. Normaal gesproken zou men willen weten door welke factor een optimalisatie de eigen pagina vooruit heeft gebracht. Alleen met deze informatie kun je bijvoorbeeld een voorspelling doen over de verbetering van het conversiepercentage.

Toegegeven: De juiste gegevens kennen is nog maar het begin. Natuurlijk moet je ook weten hoe je de prestaties van de pagina's correct kunt testen en hoe je de gegevenssets moet uitlezen. Daarom zullen we deze twee onderwerpen in detail bekijken in komende blogposts.

Inzicht in de gegevens en de toelaatbare conclusies die daaruit getrokken kunnen worden, vormen echter de basis voor alle verdere optimalisatiestappen. En het helpt om de juiste en meest verstandige optimalisatiemaatregelen te nemen.

Vond je het artikel leuk?

Met jouw beoordeling help je ons om onze inhoud nog verder te verbeteren.

Laat een reactie achter

Je e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *.