Metriky výkonu se vyvíjejí. Core Web Vitals byly zavedeny v roce 2020. Nahradily starší metriky (FCP, FID). Za pět let nahradí Core Web Vitals nové metriky.
Budoucí metriky budou měřit: načítání AI (jak dlouho trvá, než AI funkce odpoví), odezvu v reálném čase (jak dlouho trvá, než se objeví streamované odpovědi), vnímaný výkon (jak stránka působí, nejen technické metriky).
Otázka pro dnešek: jak se připravit na budoucí metriky, když nevíme, jaké budou. Odpověď: měřte to, na čem záleží vašemu byznysu. Core Web Vitals měří obecný zážitek návštěvníka. Vlastní metriky měří výsledky specifické pro váš byznys. Na budoucnost se připravte tím, že do systému měření vložíte flexibilitu.
Sledování vývoje metrik
Core Web Vitals jsou dnešním standardem. Nejsou ale trvalé.
Časová osa:
- 2020: zavedeny Core Web Vitals (LCP, CLS, FID)
- 2022: FID nahrazeno INP (zpřesněná metrika odezvy)
- 2024: diskuse o dalších metrikách (doba čekání na interakci, doba streamované odpovědi)
- Budoucnost: objeví se nové metriky
Vzorec: jak se mění technologie, mění se metriky. Když se stránky staly interaktivními, důležité se staly metriky interaktivity (INP). S rostoucí integrací AI se může důležitou metrikou stát doba odezvy AI.
Poučení: soustřeďte se na principy (návštěvník vnímá stránku jako rychlou, reagující a stabilní), ne na samotné metriky. Principy zůstávají, i když se metriky mění.
AI a výkon v reálném čase
Funkce s AI jsou stále běžnější. Chatbot na webu odpovídá dvě sekundy. Návštěvník čeká rychlejší odpověď.
Nově vznikající metrika: doba odezvy AI (čas od otázky návštěvníka po první token odpovědi AI).
Příklad: chatbot zákaznické podpory na stránce podpory. Návštěvník položí otázku. Chatbot vrátí první token odpovědi za dvě sekundy. Dojem návštěvníka: chatbot je pomalý, nereaguje.
Optimalizace: streamovaná odpověď. První token se vrátí do pěti set milisekund, zbytek odpovědi se streamuje. Návštěvník vnímá odpověď jako okamžitou, i když celá odpověď trvá dvě sekundy.
Budoucí metrika: měřit čas do prvního tokenu (TTF), ne celkovou dobu odpovědi. TTF pod pět set milisekund je dobré.
Reálný příklad: SaaS s vestavěným AI asistentem.
Současný zážitek uživatele:
- Uživatel klikne na ikonu asistenta
- Asistent se objeví za jednu celou pět sekundy
- Uživatel čeká, vnímá pomalost
- Chat působí pomalu
Budoucí optimalizace:
- Uživatel klikne na ikonu asistenta
- Ikona se okamžitě animuje (okamžitá zpětná vazba, sto milisekund)
- Otevře se okno chatu (dvě stě milisekund)
- Objeví se první odpověď AI (pět set milisekund)
- Zbytek odpovědi AI se streamuje (jedna až dvě sekundy)
Dojem uživatele: okamžitá odpověď (animace + otevřené okno jsou vidět hned).
Edge computing a distribuovaný výkon
Edge computing přibližuje výpočty k uživatelům. Server se přesunul z New Yorku do okrajového uzlu v Los Angeles. TTFB se výrazně zlepší.
Budoucnost: výpočty se provádějí na okraji sítě. Generování HTML probíhá na okraji. Spouštění JavaScriptu probíhá na okraji. Databázové dotazy jsou rozložené na okraj.
Dopad na metriky: TTFB se stane zanedbatelným (síťová latence se blíží nule). LCP závisí na vykreslování, ne na odezvě serveru.
Budoucí zaměření optimalizace: výkon vykreslování, ne výkon odezvy serveru.
Příklad: budoucí úvodní stránka na edge computingu.
Současný stav:
- TTFB: dvě stě milisekund (server v New Yorku, uživatel v Los Angeles)
- LCP: dvě sekundy (LCP = TTFB + čas vykreslení)
Budoucí stav (edge computing):
- TTFB: dvacet milisekund (server v okrajovém uzlu v Los Angeles)
- LCP: jedna celá pět sekundy (úzkým místem je čas vykreslení, ne odezva serveru)
Optimalizace: zlepšování výkonu vykreslování (CSS, JavaScript) bude důležitější než zlepšování odezvy serveru.
Vnímaný výkon a subjektivní metriky
Objektivní metriky: LCP jsou dvě sekundy (měřitelné, objektivní).
Subjektivní metriky: stránka působí svižně (subjektivní, vnímané).
Výzkum ukazuje: stránka, která působí svižně, může mít stejné technické metriky jako stránka, která působí pomalu. Rozdíl je v animaci, vizuální zpětné vazbě a vnímaném načítání.
Budoucí metrika: vnímaná odezva. Měřit vnímání uživatele, nejen technickou metriku.
Příklad: dvě stránky se stejným LCP (dvě sekundy).
Stránka jedna: okamžitě se načte prázdná stránka, obsah se objeví až po dvou sekundách. Uživatel vnímá pomalost.
Stránka dvě: okamžitě (do dvou set milisekund) ukáže kostru stránky a obsah postupně doplňuje až do dvou sekund. Uživatel vnímá rychlejší načtení (kostra stránky vytváří iluzi rychlejšího načtení).
Technické metriky (LCP): stejné pro obě (dvě sekundy).
Vnímání uživatele: stránka dvě působí rychleji.
Budoucí metrika: skóre vnímání uživatele (měření subjektivního zážitku vedle technických metrik).
Streamování a progresivní vykreslování
Současný přístup: vykreslit celou stránku, poslat ji klientovi. Klient stránku vykreslí. Stránka je interaktivní.
Přístup se streamováním: posílat části stránky, jakmile se vykreslí. Klient části postupně přijímá a vykresluje. Stránka je částečně interaktivní dřív, než se celá načte.
Dopad: stránka, která se načítá celé dvě sekundy, může být při streamování interaktivní za nula celá pět sekundy.
Budoucí metrika: time to interactive (TTI). Jak dlouho trvá, než může uživatel se stránkou pracovat.
Příklad: stránka produktu s doporučeními.
Současný přístup:
- HTML se načte (nula celá pět sekundy)
- CSS se načte (nula celá tři sekundy)
- JavaScript se načte (nula celá pět sekundy)
- Volání API pro doporučení (jedna sekunda)
- Stránka je interaktivní za dvě celé tři sekundy
Přístup se streamováním:
- HTML se streamuje (nula celá jedna sekundy) - struktura stránky je vidět
- CSS se streamuje (nula celá dvě sekundy) - stránka má styl
- JavaScript se streamuje (nula celá tři sekundy) - stránka je interaktivní
- Volání API pro doporučení pokračuje na pozadí
- Stránka je interaktivní za nula celá pět sekundy
- Doporučení se objeví za jednu sekundu a později
Uživatel může stránku používat (přidat do košíku, klikat na tlačítka) už za nula celá pět sekundy. Celý obsah se objeví za jednu sekundu a později.
Budoucí metrika (TTI): nula celá pět sekundy (z dvou celých tří sekund). Obrovské zlepšení vnímání uživatele.
Často kladené otázky
Máme začít měřit dobu odezvy AI už teď?
Ano, pokud má váš web funkce s AI. Měřte čas do prvního tokenu. Sledujte denně. Stanovte cíle (pod pět set milisekund je dobré). Připravte se na budoucnost, kde se z toho stane standardní metrika. I když to zatím není oficiální metrika, měření toho, na čem záleží vašim uživatelům, vás na budoucnost připraví. S WEMASY Tvůrcem webů to nastavíte přímo na svém webu.
Jak se připravit na budoucí metriky výkonu, které zatím neznáme?
Vybudujte flexibilní systém měření. Měřte Core Web Vitals (současný standard). Měřte také vlastní metriky (to, na čem záleží vašemu byznysu). Až se objeví budoucí metriky, přidáte je k těm stávajícím. Klíčem je flexibilita.
Máme do výkonu investovat do edge computingu?
Ano, pokud máte uživatele po celém světě. Edge computing výrazně snižuje TTFB (síťová latence se odstraní). Investice se vyplatí. Pokud jsou vaši uživatelé soustředěni v jedné oblasti, stačí CDN. Globální publikum z edge computingu těží.
Jak měřit vnímaný výkon?
Udělejte mezi uživateli průzkum. Zeptejte se: působí stránka rychle, svižně, stabilně. Výsledky průzkumu porovnejte s technickými metrikami. Můžete zjistit, že uživatelé vnímají stránku jako rychlejší, i když jsou technické metriky stejné. Zpětnou vazbu využijte při návrhu (přidejte kostry stránky, animace, vizuální zpětnou vazbu).
Stává se time to interactive (TTI) novou standardní metrikou?
Možná. TTI je pro interaktivní stránky smysluplnější než LCP (uživatel může jednat, ještě než se stránka celá načte). Zatím jsou ale standardem Core Web Vitals (LCP, CLS, INP). TTI se teprve prosazuje a zatím není oficiální. Sledujte obojí.
Jak být v obraze o nových metrikách a standardech výkonu?
Sledujte oficiální zdroje: aktuality Googlu o výkonu, blog web.dev, skupiny pro standardy W3C. Sledujte obor: odborné webové magazíny, blogy nástrojů pro měření výkonu, přednášky na vývojářských konferencích. Nové metriky se objevují těmito kanály. Buďte informováni. Nový standard přijměte včas, až bude pro váš web relevantní.