منتشر شده: ۲۷ آوریل ۲۰۲۶
شرکت LY، یکی از بزرگترین ارائه دهندگان خدمات اینترنتی ژاپن، طیف وسیعی از پلتفرمهای وب از جمله جستجو، اخبار و خرید را مدیریت میکند. حفظ عملکرد بالا در سراسر این سرویسهای متنوع برای تعامل کاربر و موفقیت کسب و کار بسیار مهم است. با این حال، این تیم با چالشهایی در مقیاسبندی تجزیه و تحلیل عملکرد در چندین سرویس مواجه بود.
این مطالعه موردی بررسی میکند که چگونه شرکت LY از Chrome DevTools برای نمایندگان خود استفاده کرد تا یک سیستم حسابرسی عملکرد خودکار مبتنی بر هوش مصنوعی بسازد. با ایجاد یک پل برنامهنویسی به مرورگر، آنها توانستند جمعآوری دادهها را خودکار کنند، معیارهای عملکرد را به تأثیر تجاری متصل کنند و به هر تیم توسعه قدرت دهند تا خدمات خود را به طور مؤثر بهینهسازی کنند.
چالش: تنگنای حسابرسی دستی
پیش از این، حسابرسی عملکرد در شرکت LY یک کار کاملاً دستی بود که نیاز به تخصص ویژه داشت. یک مهندس باید:
- برای جمعآوری دادههای میدانی، به صورت دستی از ابزارهای مختلفی مانند CrUX یا PageSpeed Insights استفاده کنید.
- یک نمونه محلی از ردپاهای Lighthouse را برای جمعآوری دادههای آزمایشگاهی اجرا کنید.
- معیارهای عملکرد مرجع متقابل با داشبوردهای داخلی کسبوکار جداگانه.
- تمام این دادههای پراکنده را در یک گزارش واحد و کاربردی ترکیب کنید.
این فرآیند کند بود و دانش حیاتی را در اختیار گروه کوچکی از متخصصان قرار میداد که کارایی را محدود میکرد. این پیچیدگی، ارائه ممیزیهای عملکرد با کیفیت بالا و منسجم را برای هر سرویس در سراسر شرکت دشوار میکرد و اغلب منجر به تأخیر در بینشها و از دست رفتن فرصتهای بهینهسازی میشد.
راه حل: ثبت معیارهای عملکرد مرورگر با Chrome DevTools برای عاملها
شرکت LY یک ابزار داخلی ساخته است که از Chrome DevTools برای عاملها به عنوان یک پل استفاده میکند. این به عامل هوش مصنوعی آنها اجازه میدهد:
- استخراج: دادههای شبکه و عملکرد را به صورت بلادرنگ مستقیماً از ابزارهای توسعه مانند Largest Contentful Paint (LCP)، فرادادههای دارایی، گزارشهای درخواست شبکه یا اندازه انتقال، استخراج کنید.
- تعامل: URL های سرویسهای هدف را باز کنید و اقدامات کاربری مانند کلیک و نگه داشتن اشارهگر را برای فعال کردن معیارهای تعاملی مانند تعامل برای رنگ بعدی (INP) یا تغییر چیدمان تجمعی (CLS) انجام دهید.
- تجزیه و تحلیل: این دادههای زمان اجرا را با دادههای میدانی تاریخی (CrUX) ترکیب کنید تا یک لیست اولویتبندی شده از مشکلات ایجاد شود.
این ابزار داخلی به توسعهدهندگان اجازه میدهد تا با وارد کردن آدرس اینترنتی (URL) یک برنامه وب، یک حسابرسی عملکرد کامل در یک صفحه ایجاد کنند و دانش تخصصی را به یک سرویس درخواستی تبدیل کنند. این ابزار به عنوان یک ابزار تحلیل ماژولار و مبتنی بر سناریو عمل میکند. این ابزار یک لیست بهبود اولویتبندی شده و پیشنهاداتی را برای راهنمایی توسعهدهندگان در مورد نقطه شروع ایجاد میکند.
تأثیر: از بررسیهای دستی تا پیشنهادهای اصلاح خودکار
با واگذاری تلاشهای دستی برای جمعآوری دادهها و قالببندی گزارش به یک عامل هوش مصنوعی با استفاده از Chrome DevTools برای عاملها، شرکت LY به نتایج قابل توجهی دست یافت:
- افزایش چشمگیر بهرهوری: این فرآیند جدید، تجزیه و تحلیل دستی را ۹۶ تا ۹۸ درصد کاهش میدهد و ۸.۳ ساعت از زمان توسعهدهندگان را در ماه برای تیم تجزیه و تحلیل مرکزی بازیابی میکند.
- دموکراتیزه کردن تخصص: هر تیم محصول اکنون میتواند گزارشهای عملکردی با کیفیت بالا را به طور مستقل تولید کند و استاندارد ثابتی از تحلیل را تضمین کند که قبلاً فقط متخصصان ارائه میدادند.
- بینشهای کاربردی کسبوکار: تیمها با اتصال دادههای عملکرد به معیارهای کسبوکار، مؤثرترین اصلاحات را در اولویت قرار میدهند که این امر تأیید سریعتر پروژهها را تسهیل میکند.
برنامههای آینده
شرکت LY همچنان به ارتقای قابلیتهای ابزارهای عملکرد هوش مصنوعی خود ادامه میدهد. این تیم در حال ادغام بهبودهای عملکرد با شاخصهای کلیدی عملکرد (KPI) خاص کسبوکار است تا بینش دقیقی در مورد حفظ کاربر و رشد درآمد ارائه دهد.
نتیجهگیری
اگرچه Chrome DevTools برای عاملها یک راهحل مستقل نیست، اما پایه فنی ضروری را برای شرکت LY فراهم کرد تا ابزار گزارشدهی تخصصی خود را بسازد. با استفاده از Chrome DevTools برای عاملها، توسعهدهندگان میتوانند فراتر از بررسیهای دستی مرورگر حرکت کنند و با جمعآوری دادههای زنده مستقیماً از زمان اجرای مرورگر، ابزارهای سفارشی خود را بسازند.