Looker Studio (sebelumnya Data Studio) adalah alat visualisasi data canggih yang memungkinkan Anda membuat dasbor berdasarkan sumber big data, seperti Laporan UX Chrome (CrUX). Dalam panduan ini, pelajari cara membuat Dasbor CrUX kustom Anda sendiri untuk melacak tren pengalaman pengguna di origin.
Dasbor CrUX dibuat dengan fitur Looker Studio yang disebut Konektor Komunitas. Konektor ini adalah link yang sudah ditetapkan antara data CrUX mentah di BigQuery dan visualisasi Looker Studio. Dengan layanan ini, pengguna dasbor tidak perlu lagi menulis kueri atau menghasilkan diagram apa pun. Semuanya dibuat untuk Anda; Anda hanya perlu memberikan origin dan dasbor kustom akan dibuat untuk Anda.
Dasbor CrUX default
CrUX memiliki dasbor default, yang dikelola oleh tim CrUX. Metrik baru (misalnya, INP) ditambahkan oleh tim dan tersedia saat dasbor dimuat lagi.
Membuat dasbor kustom
Beberapa pengguna mungkin ingin menyesuaikan dasbor, dalam hal ini Anda dapat membuat salinan dasbor default Anda sendiri dan mengubahnya sesuai keinginan Anda.
Untuk membuat dasbor kustom, buka g.co/chromeuxdash. Tindakan ini akan mengarahkan Anda ke halaman konektor komunitas CrUX, tempat Anda dapat memberikan origin yang akan dibuatkan dasbornya. Perhatikan bahwa pengguna pemula mungkin harus menyelesaikan permintaan izin atau preferensi pemasaran.
Kolom input teks hanya menerima asal, bukan URL lengkap. Misalnya:
https://developer.chrome.com
https://developer.chrome.com/docs/crux/guides/looker-studio-dashboard
Jika Anda menghilangkan protokol, HTTPS akan digunakan. Subdomain itu penting, misalnya https://developers.google.com
dan https://www.google.com
dianggap sebagai origin yang berbeda.
Beberapa masalah umum pada origin menyediakan protokol yang salah, misalnya http://
, bukan https://
, dan menghilangkan subdomain saat diperlukan. Beberapa situs menyertakan pengalihan, jadi jika http://example.com
mengalihkan ke https://www.example.com
, sebaiknya gunakan pengalihan, yang merupakan versi kanonis asalnya. Prinsipnya adalah, gunakan origin mana pun yang dilihat pengguna di kolom URL.
Dengan mencentang kotak, origin akan disertakan dalam URL dasbor, sehingga dasbor yang sama dapat digunakan untuk origin yang berbeda dengan mengubah parameter URL ini di masa mendatang, sehingga sebaiknya Anda mencentangnya.
Klik tombol Connect. Jika Anda mencentang kotak tersebut, Anda akan diminta untuk mengonfirmasinya.
Jika origin Anda tidak disertakan dalam set data CrUX, Anda mungkin akan mendapatkan pesan error seperti yang ditunjukkan pada diagram berikutnya. Ada lebih dari 15 juta origin dalam set data, tetapi asal yang Anda inginkan mungkin tidak memiliki cukup data untuk disertakan.
Jika origin ada, Anda akan diarahkan ke halaman skema untuk dasbor. Ini menunjukkan semua kolom yang disertakan: setiap jenis koneksi yang efektif, setiap faktor bentuk, bulan rilis set data, distribusi performa untuk setiap metrik, dan tentu saja nama asalnya. Tidak ada yang perlu Anda lakukan atau ubah di halaman ini, cukup klik Buat Laporan untuk melanjutkan.
Menggunakan dasbor
Setiap dasbor dilengkapi dengan tiga jenis halaman:
- Ringkasan Data Web Inti
- Performa metrik
- Demografi pengguna
Setiap halaman menyertakan diagram yang menunjukkan distribusi dari waktu ke waktu untuk setiap rilis bulanan yang tersedia. Saat {i>dataset<i} baru dirilis, Anda dapat menyegarkan dasbor untuk mendapatkan data terbaru.
{i>Dataset<i} bulanan dirilis pada hari Selasa kedua setiap bulan. Misalnya, {i>dataset<i} yang terdiri dari data pengalaman pengguna dari bulan Mei dirilis pada hari Selasa kedua bulan Juni.
Ringkasan Data Web Inti
Halaman pertama berisi ringkasan performa Data Web Inti bulanan origin. Ini adalah metrik UX terpenting yang direkomendasikan Google untuk Anda fokuskan.
Gunakan halaman Data Web Inti untuk memahami pengalaman situs asal oleh pengguna desktop dan ponsel. Secara {i>default<i}, yang dipilih adalah bulan terakhir pada saat Anda membuat dasbor. Untuk beralih antara rilis bulanan lama atau baru, gunakan filter Bulan di bagian atas halaman.
Perhatikan bahwa tablet dihilangkan dari diagram ini secara default, tetapi jika perlu, Anda dapat menghapus filter Tidak Ada Tablet di konfigurasi diagram batang:
Performa metrik
Setelah halaman Core Web Vitals, Anda akan menemukan halaman mandiri untuk semua metrics dalam set data CrUX.
Di bagian atas setiap halaman terdapat filter Perangkat, yang dapat Anda gunakan untuk membatasi faktor bentuk yang disertakan dalam data pengalaman. Misalnya, Anda dapat melihat perincian pengalaman ponsel secara khusus. Setelan ini tetap ada di seluruh halaman.
Visualisasi utama di halaman ini adalah distribusi pengalaman bulanan yang dikategorikan sebagai "Baik", "Perlu Peningkatan", dan "Buruk". Legenda berkode warna di bawah diagram menunjukkan berbagai pengalaman yang disertakan dalam kategori tersebut. Misalnya, dalam screenshot sebelumnya, Anda dapat melihat persentase Largest Contentful Paint (LCP) "baik" yang mengalami fluktuasi dan sedikit lebih buruk dalam beberapa bulan terakhir.
Persentase pengalaman "baik" dan "buruk" pada bulan terakhir ditampilkan di atas diagram beserta indikator perbedaan persentase dari bulan sebelumnya. Untuk origin ini, pengalaman LCP yang "baik" turun sebesar 3,2% menjadi 56,04% dari bulan ke bulan.
Selain itu, untuk metrik seperti LCP dan Data Web Inti lainnya yang memberikan rekomendasi persentil eksplisit, Anda akan menemukan metrik "P75" antara persentase "baik" dan "buruk". Nilai ini sesuai dengan persentil ke-75 pengalaman pengguna origin. Dengan kata lain, 75% pengalaman lebih baik dari nilai ini. Satu hal yang perlu diperhatikan adalah bahwa ini berlaku untuk distribusi keseluruhan di semua perangkat di asalnya. Mengaktifkan/menonaktifkan perangkat tertentu dengan filter Perangkat tidak akan menghitung ulang persentil.
Peringatan teknis tentang persentil
Perlu diketahui bahwa metrik persentil didasarkan pada data histogram dari BigQuery, sehingga tingkat perinciannya akan bersifat kasar: 100 md untuk LCP, 25 md untuk INP, dan 0,05 untuk CLS. Dengan kata lain, P75 LCP 3800 md menunjukkan bahwa persentil ke-75 yang sebenarnya berada di antara 3800 md dan 3900 md.
Selain itu, set data BigQuery menggunakan teknik yang disebut "pengeluaran kelompok" yang mana kepadatan pengalaman pengguna secara intrinsik dikelompokkan ke dalam kelompok yang sangat umum yang berisi penurunan perincian. Ini memungkinkan kita memasukkan kepadatan menit di ekor distribusi tanpa harus melebihi empat digit presisi. Misalnya, nilai LCP yang kurang dari 3 detik dikelompokkan ke dalam bin selebar 200 md. Antara 3 dan 10 detik, lebar {i>bin<i} adalah 500 md. Di atas 10 detik, lebar bin 5000 md... Daripada memiliki bin dengan lebar yang bervariasi, penyebaran bin memastikan bahwa semua bin memiliki lebar 100 md yang konstan (pembagi umum terbesar), dan distribusinya diinterpolasi secara linear di setiap bin.
Nilai P75 yang sesuai dalam alat seperti PageSpeed Insights tidak didasarkan pada set data BigQuery publik dan dapat memberikan nilai presisi milidetik.
Demografi pengguna
Ada dua dimensi yang disertakan di halaman demografi pengguna: perangkat dan jenis koneksi efektif (ECT). Halaman ini menggambarkan distribusi kunjungan halaman di seluruh situs asal untuk pengguna di setiap demografi.
Halaman distribusi perangkat menampilkan perincian pengguna ponsel, desktop, dan tablet dari waktu ke waktu. Banyak asal cenderung memiliki sedikit atau tanpa data tablet sehingga Anda akan sering melihat "0%" menggantung di tepi diagram.
Demikian pula, halaman distribusi ECT menunjukkan kepada Anda perincian pengalaman 4G, 3G, 2G, 2G lambat, dan offline.
Distribusi untuk dimensi ini dihitung menggunakan segmen data histogram First Contentful Paint (FCP).
FAQ
Berikut adalah beberapa pertanyaan umum (FAQ) tentang cara membangun dasbor CrUX di Looker Studio:
Kapan saya harus menggunakan Dasbor CrUX dibandingkan dengan alat lainnya?
Dasbor CrUX didasarkan pada data pokok yang sama dengan yang tersedia di BigQuery, tetapi Anda tidak perlu menulis satu baris SQL untuk mengekstrak data dan Anda tidak perlu khawatir akan melampaui kuota gratis. Menyiapkan dasbor lebih cepat dan lebih mudah daripada melihat kueri data yang mendasarinya, semua visualisasi dibuat untuk Anda, dan Anda memiliki kontrol untuk membagikannya dengan siapa pun yang Anda inginkan.
Apakah ada batasan untuk menggunakan Dasbor CrUX?
Berdasarkan BigQuery, Dasbor CrUX juga mewarisi semua keterbatasannya. Dibatasi untuk data tingkat asal dengan perincian bulanan.
Dasbor CrUX juga mengorbankan beberapa fleksibilitas data mentah di BigQuery agar mudah dan praktis. Misalnya, distribusi metrik hanya diberikan sebagai "baik", "perlu peningkatan", dan "buruk", berbeda dengan histogram penuh. Dasbor CrUX juga menyediakan data pada tingkat global, sementara {i>dataset<i} BigQuery memungkinkan Anda memperbesar tampilan negara tertentu.
Di mana saya dapat mempelajari Looker Studio lebih lanjut?
Lihat halaman fitur Looker Studio untuk mengetahui info selengkapnya.