Att utvärdera hur den egna webbplatsen presterar är idag mycket enkelt. Ett eller två klick och Google eller någon annan tjänst spottar ut resultat med konkreta förslag på lösningar. Underbart. Åtminstone för den första optimeringen. Men senast vid finjusteringar, byte av hosters eller rensning av WordPress blir det viktigt att förstå vilka verktyg som faktiskt mäter laddningstiden och hur man hanterar dessa data.
För några år sedan skrev en kund till oss om supportchatten. Han hade precis flyttat och jämförde prestandan på sin webbplats hos det gamla webbhotellet med prestandan på sin webbplats hos Raidboxes. Han sa till oss att flytten egentligen inte var värd det för en prestandaökning på bara 9 poäng på Google PageSpeed Insights .
Faktum är att vi får sådana förfrågningar hela tiden. Därför tog jag en titt på vilken information verktyg som Google PageSpeed Insights faktiskt ger för tolkning och hur de mäter prestanda eller laddningstid. För att vara ärlig förvånade resultatet mig lite. För: betydelsen av värdena förklaras vanligtvis mycket bra och i detalj. Testleverantörernas hjälpsidor går dock inte in i detalj på två punkter:
- Vilket verktyg är lämpligt för vilket ändamål?
- Vilka data kan tolkas och användas och hur?
Verktyg som Google PageSpeed Insights mäter inte hastigheten på din webbplats
Det har redan diskuterats i ett annat blogginlägg: Tester som Google PageSpeed Insights mäter inte laddningstiden för din webbplats, utan dess optimeringspotential. De avgör hur väl din webbplats uppfyller en fördefinierad uppsättning prestandarelevanta kriterier. Dessutom ger testerna anvisningar om hur man optimerar prestandapotentialen. Det finns dock en sak som sådana tester uttryckligen inte gör: mäter laddningstiden.
För Google låter det så här:
PageSpeed Insights mäter sätt att förbättra en sidas prestanda på följande sätt:
- Tid som krävs för att ladda innehåll som är synligt utan scrollning: Den tid det tar från det att en ny sida begärs tills webbläsaren visar innehållet synligt utan att scrolla.
- Tid som krävs för att ladda sidan fullständigt: tid som går från det att en ny sida begärs till dess att webbläsaren återger sidan fullständigt.
Du förstår: Google mäter inte hastigheten utan "möjligheterna att öka prestandan". En avgörande skillnad. Och det innebär också att du inte kan se på resultaten hur snabbt sidan eller det område som är synligt utan scrollning faktiskt laddas.
Prestandaverktyg som PageSpeed Insights visar var du snabbt kan öka din prestanda.
Men detta är inte ett problem, eftersom verktygen fortfarande ger värdefull data för optimering, även om de inte mäter laddningstiden. Det största mervärdet är uttalandena för sådana tester i stora optimeringssteg, till exempel användning av cachelagring eller bildkomprimering.
Men så snart det handlar om att optimera laddningstiden för en redan optimerad webbplats kan dessa tester bara ge begränsade insikter. I ett sådant fall måste du göra en riktig prestandamätning. Detta gäller särskilt när du byter hostingleverantör. För oavsett hur bra själva webbservern är, om webbplatsen är full av byggarbetsplatser, är till och med en förändring av infrastrukturen till liten nytta.
För en sådan "riktig" prestandamätning är följande verktyg tillgängliga för dig .B:
Med ett av dessa tester skulle kunden ha kunnat göra en jämförelse för att se exakt var hans webbplats hade förbättrat sin prestanda efter förändringen.
Och det leder mig till den andra punkten i det här inlägget: Särskilt verktyg som PageSpeed Insights leda till användning av värden för jämförelse som endast är begränsade eller inte alls lämpliga för detta ändamål. För om du arbetar med poängsättnings- eller betygssystem kommer du snabbt in i en situation som jag kallar ett dilemma i skolbetyget i den här artikeln.
Skolbetygsdilemma: Betygen lämpar sig inte för jämförelser
Verktyg som Google PageSpeed Insights , eller Yahoos YSlow, mata ut två typer av data:
- en poäng för webbplatsens prestanda
- konkreta tips för att förbättra denna anteckning
Poängen anges på en skala från 0 till 100, där 100 är det bästa resultatet. Så långt så klart. Och intuitivt tillgänglig. Särskilt eftersom betygen stöds av ett trafikljussystem.
Men när det gäller att jämföra två sidor med dessa utvärderingar är tolkningen av mätresultaten inte längre så lätt. I själva verket är det otroligt tungt, om inte omöjligt. Eftersom alla kan se att sidan med 90-betyget är bättre än den med 80-betyget. Men följande uttalande kan inte längre göras: Med vilken faktor är sidan med 90-betyget bättre än den andra?
Och så beskrivs problemet i dess kärna: stalkingsystem tillåter helt enkelt inte sådana uttalanden. Din bankgranne fick en trea, men du har en två själv. Även om ni båda skiljs åt med bara en eller två poäng: resultatet är fundamentalt annorlunda. Och utan att veta betygsnyckeln i arbetet är det inte möjligt att säga hur nära resultatet var.
Mätdatas så kallade skalnivå är att skylla på denna begränsade betydelse. Jag vill dock inte gå in mer i detalj på detta här. För mer information om skalnivåer och tillåtna beräkningsåtgärder är det först och främst tillräckligt med en titt på Wikipedia.
Tillbaka till vårt exempel från början: ingen kan säga exakt med vilken faktor den gamla och den nya sidan skiljer sig åt. Endast med en riktig hastighetsmätning är ett sådant uttalande möjligt.
Tidsmätningar ger de bästa laddningstidsdata
De mest värdefulla uppgifterna för jämförelser, förberedelse av optimeringsåtgärder etc. är i alla fall tidsmätningar. Eftersom de har en nollpunkt där man kan orientera sig. Verktyg som mäter lasttiden möjliggör således alla möjliga typer av satser och jämförelser.
Så om du mäter en sidinläsningstid på 2,712 sekunder före ett optimeringsmått och ett värde på 2,133 sekunder efter övergången kan du använda dessa data för att göra följande uttalanden:
- Webbplatsen är 21 procent snabbare efter övergången än före övergången
- Den optimerade aspekten ansvarar för mer än en femtedel av sidprestandan. (en av de viktigaste informationerna alls!)
- Alla andra optimeringsmått kan ställas in i förhållande till det här värdet. Till exempel optimering som skulle ge 9 procent mer hastighet, men mycket mer ansträngning innebär att prioritera annorlunda än ett mått som sparar mer laddningstid i enlighet därmed.
Om kunden hade mätt från exempelfallet från början med ett verktyg som webpagetest.org, kunde han ha sett att prestandan på hans webbplats i de relevanta områdena har mer än fördubblats.
Slutsats: Kunskap om mätdatas typ och kvalitet är bara början
För en meningsfull jämförelse av två eller flera webbplatser måste åtminstone följande två villkor uppfyllas:
- Det verktyg som används måste mäta rätt saker - de relevanta delarna av webbplatsen. Vid byte av hosters bör man t.ex. inte enbart förlita sig på ett test som främst tittar på onpage-faktorer.
- De data som används måste möjliggöra en meningsfull jämförelse. Normalt vill man veta med vilken faktor en optimering har fört den egna webbplatsen framåt. Endast med denna information kan man t.ex. göra en prognos om förbättringen av konverteringsgraden.
Det är sant: Att känna till rätt data är bara början. Naturligtvis måste du också veta hur du testar sidans prestanda korrekt och hur du läser ut datauppsättningarna. Det är därför vi behandlar dessa två ämnen i detalj i andra blogginlägg.
Förståelsen av data och de tillåtna slutsatser som kan dras av dem är dock grunden för alla ytterligare optimeringssteg. Och det hjälper till att vidta de rätta och mest förnuftiga optimeringsåtgärderna.
"*" visar obligatoriska fält
