Menggunakan Dasbor CrUX untuk memvisualisasikan data BigQuery CrUX
Dasbor CrUX adalah dasbor Looker Studio (sebelumnya Data Studio) yang menautkan ke data CrUX tingkat asal mentah di BigQuery, lalu memvisualisasikan data tersebut untuk Anda. 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 akan dibuat untuk Anda.
Mengakses Dasbor CrUX
Untuk meluncurkan Dasbor CrUX, masukkan origin atau URL, lalu tekan enter atau klik Go:
URL dasbor dapat dibagikan dan di-bookmark untuk memudahkan referensi.
Apakah fitur ini berfungsi untuk semua situs?
Tidak. Jika origin Anda tidak disertakan dalam set data CrUX, tidak akan ada data untuk ditampilkan. Ada lebih dari 15 juta origin dalam set data tersebut, tetapi asal yang Anda inginkan mungkin tidak memiliki cukup data untuk disertakan.
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.
Menggunakan Custom Search Engine untuk mengakses Dasbor
Cara alternatif, bagi mereka yang sering mengunjungi domain yang berbeda, adalah dengan menyiapkan Mesin Telusur khusus di Chrome yang Memungkinkan Anda meneruskan istilah penelusuran—asal dalam hal ini—ke URL. Untuk melakukannya, buka Setelan Chrome menggunakan menu tiga titik di kanan atas Chrome. Setelah masuk ke Setelan, pilih opsi "Mesin telusur".
Dari sini luaskan "Kelola mesin telusur dan penelusuran situs", scroll ke "Penelusuran Situs", klik tombol "Tambahkan" dan masukkan detail berikut:
- Mesin telusur:
CrUX - Pintasan:
crux - URL dengan %s sebagai pengganti kueri:
https://lookerstudio.google.com/c/u/0/reporting/bbc5698d-57bb-4969-9e07-68810b9fa348/page/keDQB?params=%7B%22origin%22:%22%s%22%7D
Setelahnya, saat mengetik crux dan menekan tab di kotak penelusuran, Anda kini dapat memasukkan origin, dan Chrome akan membuka Dasbor CrUX untuk origin tersebut.
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.
Jika origin ada di CrUX, Anda akan diarahkan ke dasbor, yang diisi dengan data CrUX untuk origin ini:
Ringkasan 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.
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, pada screenshot sebelumnya, Anda dapat melihat persentase Largest Contentful Paint (LCP) yang "baik" mengalami sedikit fluktuasi dan menjadi 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 asal ini, pengalaman LCP yang "baik" turun 0,8% menjadi 83,25% dari bulan ke bulan, angka p75 memiliki nilai 0 dan tetap di 1.500 dari bulan ke bulan, dan pengalaman LCP yang "buruk" meningkat sebesar 3,6% (ditunjukkan dengan warna merah sebagai peningkatan di sini buruk) menjadi 7,42%. Perhatikan bahwa persentase pergerakan adalah pergerakan persentase aktual, dan bukan pergerakan poin persentase—misalnya 83,93% hingga 83,25% adalah pergerakan poin 0,68 persentase, atau penurunan 0,8% dari total 83,93% sebelumnya.
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 menunjukkan 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 {i>dataset<i} CrUX BigQuery:
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 cepat dan mudah, 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.
Bagaimana cara menyesuaikan dasbor
Halaman ini menjelaskan cara mengakses Dasbor CrUX versi hanya-baca yang dikelola oleh tim CrUX. Jika ingin membuat salinan dasbor sendiri, Anda dapat mengeditnya untuk menampilkan berbagai visualisasi, lihat panduan pengguna ini untuk info selengkapnya. Perhatikan bahwa dengan membuat salinan dasbor Anda sendiri, Anda perlu memperbarui bulan secara manual dan juga tidak akan mendapatkan manfaat dari penambahan apa pun yang ditambahkan ke dasbor resmi—misalnya, metrik baru atau informasi lainnya.