Core Web Vitals un latentums: Vai ātrākas lapas iegūst vairāk mākslīgā intelekta atsaucību?
Ievads
Ātrāka lapa ir vieglāk lietojama un var būt vieglāk pārlūkojama. Pats ātrums neliecina, ka mākslīgais intelekts to citēs.
Google saka, ka stabili servera atbildes laiki un zemāks latentums var palielināt pārlūkošanas jaudu. Tās mākslīgā intelekta meklēšanas funkcijas izmanto tās pašas pamata meklēšanas un indeksēšanas sistēmas kā tradicionālā meklēšana. Tām nav nepieciešama īpaša mākslīgā intelekta iezīmēšana vai ātruma optimizācijas. (developers.google.com)
Šis raksts piedāvā uz pierādījumiem balstītu testēšanas plānu, nevis apgalvo, ka pabeigts eksperiments jau ir veikts. Netika sniegta neviena vietne, lapu kopa, servera žurnāls vai atsaucību datu kopa. Mērķis ir definēt kontrolētu pētījumu, kas var izmērīt:
- Vai zemāks laiks līdz pirmajam baitam palielina pārlūkošanas biežumu.
- Vai zemāks Largest Contentful Paint uzlabo atklāšanu vai indeksēšanu.
- Vai zemāks Cumulative Layout Shift ietekmē pārlūkošanu vai mākslīgā intelekta datu izguvi.
- Vai veiktspējas uzlabojumi palielina ātrumu, ar kādu lapas ir redzami citētas mākslīgā intelekta meklēšanas sistēmās.
Ko labāk salabot vispirms
Zemāks laiks līdz pirmajam baitam var uzlabot pārlūkošanu pareizos apstākļos
Google pašreizējā pārlūkošanas dokumentācijā teikts, ka tās pārlūkošanas jaudas ierobežojums var palielināties, ja vietnei ir stabili vai uzlabojoši atbildes laiki, tostarp laiks līdz pirmajam baitam. Ja atbildes laiki palielinās, vai ja vietne atgriež pārāk daudz servera kļūdu vai ātruma ierobežojumu atbildes, Google var samazināt pārlūkošanu. (developers.google.com)
Zemāks atbildes laiks visvairāk palīdz, ja vietnei ir pietiekams pārlūkošanas pieprasījums. Šāds pieprasījums ir atkarīgs arī no:
- Cik bieži vietne mainās.
- Cik populāra ir vietne un tās lapas.
- Vai saturs ir noderīgs un unikāls.
- Cik daudz dublikātu vai zemas vērtības URL pastāv.
- Vai atjauninātie URL ir iekļauti vietņu kartēs.
Prioritizējiet zemāku latentumu uz lielām, bieži atjauninātām vai servera ierobežotām vietnēm. Mazai vietnei ar nelielu jaunu saturu vispirms publicējiet noderīgas lapas.
Zemāks Largest Contentful Paint var palīdzēt netieši
Largest Contentful Paint mēra, kad galvenais redzamais saturs parādās lietotājam. Google arī norāda, ka gan servera atbildes laiks, gan lapu un iegulto resursu renderēšanai nepieciešamais laiks var ietekmēt pārlūkošanas efektivitāti. (developers.google.com)
Zemāks latentums var paātrināt resursu piegādi un samazināt pārlūkošanas taimautus vai nepilnīgas ielādes.
Efektam vajadzētu būt visspēcīgākajam, ja svarīgs saturs ir atkarīgs no:
- Lēna JavaScript.
- Lieli attēli.
- Renderēšanu bloķējošas stila lapas.
- Klienta puses renderēšana.
- Smagi iegultie resursi.
Ātrs Largest Contentful Paint rādītājs nav AI citēšanas slēdzis.
Zemākam Cumulative Layout Shift, visticamāk, ir maza tieša pārlūkošanas ietekme
Cumulative Layout Shift mēra redzamā satura negaidītu kustību. Tas galvenokārt ir lietotāja pieredzes rādītājs. Bieži cēloņi ir attēli bez izmēriem, dinamiski ievietotas reklāmas, iegultais saturs un tīmekļa fonti. (web.dev)
Pārlūks nesaskaras ar izkārtojuma nobīdi tāpat kā cilvēks. Novērst cēloņus, ja nobīdes rodas no:
- Satura, kas vēlu ievietots ar JavaScript palīdzību.
- Svarīga teksta, kas paslēpts, līdz tiek izpildīti skripti.
- Attēlu vai iegulšanas elementu, kas aizkavē lapas izveidi.
- Nestabilām veidnēm, kas dažādu ielādes laikā rada atšķirīgu saturu.
Šādos gadījumos patiesā problēma nav izkārtojuma nobīdes rādītājs. Problēma ir tā, ka svarīgs saturs parādās pārāk vēlu, lai pārlūks to varētu apstrādāt.
Ātrākas lapas netiek automātiski citētas biežāk
Google norāda, ka lapas, kas parādās mākslīgā intelekta funkcijās, vispirms ir jāindeksē un tām jābūt piemērotām parādīties parastajos meklēšanas rezultātos ar fragmentu. Google arī norāda, ka nav papildu tehnisku prasību vai īpašu mākslīgā intelekta optimizāciju tās mākslīgā intelekta pārskatiem un mākslīgā intelekta režīmam. (developers.google.com)
OpenAI līdzīgi norāda, ka ChatGPT meklēšanas ranžējumi ir atkarīgi no vairākiem faktoriem un ka tās meklēšanas pārlūka OAI-SearchBot atļaušana ir svarīga iekļaušanai. Tas nenorāda, ka zemāki Core Web Vitals tieši palielina atsaucību varbūtību. (help.openai.com)
Domājiet par AI atsaucībām četros posmos:
- Atklāšana — Vai sistēma uzzina, ka URL pastāv?
- Ielāde un apstrāde — Vai sistēma var izgūt un saprast lapu?
- Indeksēšana un izguve — Vai lapa tiek atlasīta konkrētam vaicājumam?
- Atsaucības atlase — Vai lapa tiek parādīta kā redzams avots atbildē?
Ātrums var palīdzēt atklāšanā un izgūšanā. Tas neliecina, ka sistēma izvēlēsies jūsu lapu kā citātu.
Nesenā izpēte arī liecina, ka mākslīgā intelekta sistēmas var lasīt daudzas atbilstošas lapas, bet citēt tikai dažas no tām. Citiem vārdiem sakot, izguve un atsaucība ir atsevišķi notikumi. (cambridge.org)
Kas būtu jāpārbauda?
Pētījumam vajadzētu pārbaudīt divus dažādus jautājumus, nevis uzskatīt “mākslīgā intelekta redzamību” par vienu rādītāju.
Jautājums 1: Vai veiktspēja ietekmē pārlūkošanu?
Galvenie rezultāti:
- Laiks no publicēšanas līdz pirmajam pārlūka pieprasījumam.
- Pārlūka pieprasījumu skaits uz lapu dienā.
- Laiks starp veiksmīgām atkārtotām pārlūkošanām.
- Pārlūkoto lapu skaits uz 1000 publicētām lapām.
- Veiksmīgu ielādes procentuālais daudzums.
- Servera kļūdu un ātruma ierobežojumu atbildes rādītājs.
- Laiks no publicēšanas līdz indeksēšanai.
Jautājums 2: Vai veiktspēja ietekmē atsaucības atlasi?
Galvenie rezultāti:
- Pārbaudīto vaicājumu procentuālais daudzums, kas rada redzamu atsaucību.
- Atsaucības rādītājs uz katru piemērotu lapu.
- Atsaucības daļa vaicājumā.
- Izgūto lapu procentuālais daudzums, kas kļūst par redzamām atsaucībām.
- Atsaucības noturība laika gaitā.
- Atsaucības rādītājs pēc mākslīgā intelekta sistēmas.
Šie rezultāti jāatdala pēc pakalpojumu sniedzēja. Google mākslīgā intelekta pārskats, ChatGPT meklēšanas rezultāts, Microsoft Copilot atbilde, Perplexity atbilde un Claude meklēšanas atbilde var izmantot dažādus indeksus, pārlūkus, ranžēšanas sistēmas un atjaunināšanas grafikus.
Eksperimentālais dizains
1. Izveidojiet kontrolētu lapu kopu
Izmantojiet lapu kopu, kas ir pietiekami liela, lai iegūtu jēgpilnus pārlūka un atsaucību datus.
Praktisks sākotnējais dizains ietvertu:
- 240 līdz 800 lapas.
- Vismaz 20 lapas uz katru lapas veidni.
- Trīs līdz piecas satura kategorijas.
- Mūžzaļo un regulāri atjaunināto lapu sajaukums.
- Vienāds lapu skaits katrā apstrādes grupā.
Katrā lapā jābūt:
- Līdzīgai HTML struktūrai.
- Līdzīgam satura garumam.
- Tai pašai publicēšanas sistēmai.
- Tiem pašiem iekšējās saišu veidošanas modeļiem.
- Tiem pašiem kanoniskajiem noteikumiem.
- Tiem pašiem vietņu kartes apstrādes principiem.
- Tām pašām robots.txt atļaujām.
- Unikālai, noderīgai tēmai.
Neveidojiet simtiem plānu vai gandrīz dublētu lapu tikai eksperimentam. Google vadlīnijas brīdina, ka dublikātu un zemas vērtības URL var tērēt pārlūkošanas resursus un samazināt vietnes efektivitāti. (developers.google.com)
HTTP/3 nāk pēdējais
HTTP/3 izmanto QUIC transporta protokolu un nodrošina neatkarīgas plūsmas, kas var novērst transporta līmeņa "head-of-line" bloķēšanu, kas atrodama HTTP/2 virs TCP. Tās ieguvumi ir atkarīgi no tā, vai klients vai pārlūks faktiski sarunājas ar HTTP/3. (rfc-editor.org)
Tāpēc katram pieprasījumam ierakstiet sarunāto protokolu:
- HTTP/1.1.
- HTTP/2.
- HTTP/3.
Ja Googlebot, OAI-SearchBot vai cits pārlūks izmanto HTTP/2, HTTP/3 iespējošana neveicinās šī pārlūka pieprasījumu ātrumu.
Kešojiet publiskas lapas malā
Satura piegādes tīkls var samazināt laiku līdz pirmajam baitam, piegādājot saturu tuvāk pieprasītājam. Tas var arī samazināt pieprasījumu skaitu, kas sasniedz izcelsmes serveri. (web.dev)
Pārbaudiet vismaz trīs kešatmiņas stāvokļus:
- Aukstā kešatmiņa — Malai jāsazinās ar izcelsmi.
- Siltā kešatmiņa — Mala pasniedz lapu, nesazinoties ar izcelsmi.
- Atkārtoti validētā kešatmiņa — Mala vai pārlūks izmanto
ETagvaiLast-Modifiedvērtību un saņem304 Not Modifiedatbildi.
Google īpaši iesaka efektīvu HTTP kešatmiņas izmantošanu un atbalsta 304 Not Modified atbilžu izmantošanu, lai samazinātu nevajadzīgu apstrādi un joslas platumu. (developers.google.com)
Pārliecinieties, ka kešotās lapas rāda pārlūkiem pašreizējo saturu.
Saspiest attēlu, kuru cilvēki redz vispirms
WebP un AVIF parasti nodrošina labāku saspiešanu nekā vecāki attēlu formāti. Mazāki attēli var samazināt pārsūtīšanas laiku un var uzlabot Largest Contentful Paint, ja attēls ir Largest Contentful Paint elements. (web.dev)
Attēlu saspiešana pati par sevi var neuzlabot Largest Contentful Paint, ja patiesā aizkave rodas no JavaScript vai vēlu atrasto resursu dēļ. Google veiktspējas vadlīnijas norāda, ka attēlu lejupielādes laika samazināšana var vienkārši pārvirzīt aizkavi uz citu lapas daļu, ja Largest Contentful Paint elements tiek atklāts vēlu. (web.dev)
Chrome User Experience Report izmanto ritošu 28 dienu logu. Ātruma uzlabojums tur neparādīsies uzreiz. (developer.chrome.com)
4. Izmēriet pilnu pārlūku populāciju
Neapstrādājiet visu automatizēto datplūsmu kā vienu grupu.
Vismaz atdaliet:
Meklēšanas pārlūki
- Googlebot.
- Bingbot.
Mākslīgā intelekta meklēšanas pārlūki
- OAI-SearchBot.
- PerplexityBot.
- Claude-SearchBot.
Lietotāja pieprasītie ielādētāji
- Perplexity-User.
- Claude-User.
- ChatGPT lietotāju ielādētāji, kur tos var identificēt.
Apmācības pārlūki
- GPTBot.
- ClaudeBot.
- Google-Extended vadības ierīces.
Apmācības pārlūki nevajadzētu izmantot kā mākslīgā intelekta meklēšanas atsaucību starpniekus. Anthropic, OpenAI un Google atšķir pārlūkus, kas tiek izmantoti apmācībai, meklēšanai vai lietotāja pieprasītai izguvei. Google arī norāda, ka Google-Extended neietekmē Google meklēšanas iekļaušanu vai ranžēšanu. (help.openai.com)
Perplexity līdzīgi atšķir PerplexityBot, kas atbalsta meklēšanas indeksēšanu, un Perplexity-User, kas var izgūt lapu, atbildot uz lietotāja pieprasījumu. (docs.perplexity.ai)
Pārbaudiet pārlūka identitāti, izmantojot publicētos IP diapazonus vai reverso DNS, ja pakalpojumu sniedzējs to atbalsta. Lietotāja aģenta virknes var kopēt nesaistīti pārlūki. Google īpaši brīdina, ka Googlebot lietotāja aģenta virknes var viltot. (developers.google.com)
Google iesaka aptuvenu laika līdz pirmajam baitam mērķi 800 milisekundes vai mazāk, taču laiks līdz pirmajam baitam pats par sevi nav Core Web Vital. (web.dev)
Pašreizējie Core Web Vitals “labie” sliekšņi 75. procentilē ir:
- Largest Contentful Paint: 2,5 sekundes vai mazāk.
- Cumulative Layout Shift: 0,1 vai mazāk.
- Interaction to Next Paint: 200 milisekundes vai mazāk. (web.dev)
Pārlūkošanas rādītāji
Katram pārbaudītam pārlūka pieprasījumam ierakstiet:
text timestamp url user_agent verified_bot source_ip http_protocol status_code response_time time_to_first_byte bytes_sent cache_status edge_location etag last_modified referrer
Aprēķiniet:
text crawl_requests_per_url_day successful_fetch_rate 5xx_rate 429_rate median_recrawl_interval p75_recrawl_interval publication_to_first_fetch publication_to_first_index
Mākslīgā intelekta atsaucību rādītāji
Izmantojiet fiksētu vaicājumu kopu katrā platformā. Vaicājumu kopā jāiekļauj:
- Tieši faktu jautājumi.
- Salīdzinājuma jautājumi.
- “Labākais” vai ieteikumu jautājumi.
- Jautājumi, kas jūtīgi pret aktualitāti.
- Jautājumi, kuros pārbaudītā lapa ir spēcīgākā atbilde.
- Jautājumi, kuros pārbaudītā lapa ir atbilstoša, bet nav dominējoša.
Katram vaicājumam ierakstiet:
text engine model or experience timestamp location device query pages shown as sources page citation order whether the tested page was cited whether the tested page was retrieved but not cited answer text hash
Atkārtojiet vaicājumus, jo mākslīgā intelekta atbildes var atšķirties. Izmantojiet fiksētu grafiku, piemēram, trīs reizes nedēļā, un ierakstiet izmaiņas dzinējā vai modelī.
Microsoft Bing Webmaster Tools tagad nodrošina mākslīgā intelekta veiktspējas pārskatu, kas parāda citētas lapas, pamatojuma vaicājumus un atsaucību tendences atbalstītajās Microsoft mākslīgā intelekta pieredzēs. Microsoft brīdina, ka dati ir apkopoti, atlasīti un novērojoši; tie nevar pierādīt, ka konkrēta lapas izmaiņa izraisīja atsaucības izmaiņas. (bing.com)
Google arī sāka ieviest īpašus ģeneratīvā mākslīgā intelekta veiktspējas pārskatus pakalpojumā Search Console 2026. gada jūnijā. Pārskati sākotnēji bija pieejami tikai daļai vietņu, tāpēc piekļuve var atšķirties. (developers.google.com)
Statistiskā analīze
Pārlūkošanas biežums
Izmantojiet jaukta efekta skaitīšanas modeli, piemēram, negatīvo binomiālo modeli:
text crawl_count ~ treatment + time_to_first_byte + page_age + update_frequency + sitemap_status + internal_links + server_errors + (1 | page) + (1 | crawler)
Lapas un pārlūka efekti ir svarīgi, jo dažas lapas dabiski saņem vairāk uzmanības nekā citas, un dažādiem pārlūkiem ir atšķirīgi grafiki.
Atklāšana un indeksēšana
Izmantojiet izdzīvošanas analīzi:
- Laiks no publicēšanas līdz pirmajai ielādei.
- Laiks no publicēšanas līdz pirmajam indeksam.
- Laiks no atjaunināšanas līdz atkārtotai pārlūkošanai.
Galvenais rezultāts nav tikai tas, vai lapa galu galā tika pārlūkota. Tas ir, vai apstrāde samazināja laiku, kas nepieciešams, lai lapa tiktu atrasta un apstrādāta.
Mākslīgā intelekta atsaucību atlase
Izmantojiet hierarhisku loģistisko modeli:
text citation_present ~ treatment + time_to_first_byte + largest_contentful_paint + cumulative_layout_shift + indexed_status + search_visibility + content_freshness + page_authority + (1 | query) + (1 | engine) + (1 | page)
Izpildiet divus atsevišķus modeļus:
- Izgūšanas modelis — Vai lapa tika izgūta vai parādīta kā kandidāts?
- Atsaucības modelis — Ja izgūta, vai lapa tika redzami citēta?
Šī atšķirība ir būtiska. Veiktspējas uzlabojums, kas palielina pārlūkošanu, bet ne izguvi, nav mākslīgā intelekta atsaucības efekts. Veiktspējas uzlabojums, kas palielina izguvi, bet ne atsaucības, liecina, ka lapa tiek izskatīta, bet zaudē avotu atlases laikā.
Paredzamie secinājumi
Šīs ir darba hipotēzes, nevis apgalvoti eksperimentāli rezultāti.
Hipotēze 1: Laikam līdz pirmajam baitam būs visredzamākais pārlūkošanas efekts
Gaida pozitīvu saistību starp zemāku laiku līdz pirmajam baitam un pārlūkošanas jaudu, ja:
- Vietnei ir daudz lapu.
- Lapas bieži mainās.
- Izcelsmes serveris ir lēns vai pārslogots.
- Vietne atgriež 5xx vai 429 atbildes.
- Pārlūks pavada ievērojamu laiku, gaidot atbildes.
Gaida mazu mērāmu efektu uz mazām vietnēm ar zemu pārlūkošanas pieprasījumu.
Hipotēze 2: Largest Contentful Paint būs svarīgs renderēšanas un resursu piegādes dēļ
Gaida, ka zemāks Largest Contentful Paint palīdzēs, ja:
- Lapa ir atkarīga no pārlūkprogrammas renderēšanas.
- Svarīgs saturs ir aiz JavaScript.
- Indeksēšanai nepieciešami lieli attēli vai stila lapas.
- Pārlūks ielādē daudzus lapas resursus.
- Lēnāka apstrāde rada taimautus vai nepilnīgu renderēšanu.
Gaida vāju saistību, ja lapas svarīgais teksts jau ir sākotnējā HTML.
Hipotēze 3: Cumulative Layout Shift būs maza tieša ietekme
Pēc lapas struktūras un JavaScript uzvedības kontroles nav sagaidāma būtiska tieša saistība starp Cumulative Layout Shift un pārlūkošanas biežumu vai atsaucību biežumu.
Ja šķiet, ka Cumulative Layout Shift prognozē atsaucības, izpētiet, vai tas darbojas kā starpnieks:
- Klienta puses renderēšanai.
- Vēla satura ievietošana.
- Nestabilām reklāmām.
- Slēptam vai aizkavētam tekstam.
- Slikti strukturētam HTML.
Hipotēze 4: Ātrums pats par sevi neradīs vairāk mākslīgā intelekta atsaucību
Spēcīgākie atsaucības atlases prognozētāji, visticamāk, paliks:
- Atbilstība vaicājumam.
- Satura kvalitāte.
- Skaidras atbildes.
- Aktualitāte.
- Autoritatīvums un uzticība.
- Meklēšanas indeksa atbilstība.
- Izguves rangu.
- Vai lapa tieši atbalsta izteikto apgalvojumu.
Google vadlīnijas uzsver noderīgu, uzticamu, uz cilvēkiem orientētu saturu un norāda, ka mākslīgā intelekta meklēšanas funkcijas balstās uz esošajām meklēšanas un indeksēšanas sistēmām. (developers.google.com)
Veiktspējas budžets, kas pielāgots mākslīgā intelekta izguvei
Šis ir piedāvātais operatīvais budžets. Tā nav publicēta mākslīgā intelekta ranžēšanas formula.
| Apgabals | Ieteicamais mērķis | Iemesls |
|---|---|---|
| Navigācijas laiks līdz pirmajam baitam, 75. procentile | 800 milisekundes vai mazāk | Saskan ar aptuvenām tīmekļa veiktspējas vadlīnijām |
| Navigācijas laiks līdz pirmajam baitam, 95. procentile | 1,5 sekundes vai mazāk | Iekšējā aizsardzība pret lēnām pārlūka atbildēm |
| Largest Contentful Paint, 75. procentile | 2,5 sekundes vai mazāk | Pašreizējais “labs” Core Web Vital slieksnis |
| Iekšējais Largest Contentful Paint mērķis | 2,0 sekundes vai mazāk | Atstāj vietu tīkla variācijām |
| Cumulative Layout Shift, 75. procentile | 0,1 vai mazāk | Pašreizējais “labs” slieksnis |
| Iekšējais Cumulative Layout Shift mērķis | 0,05 vai mazāk | Samazina izkārtojuma nestabilitāti un vēlu kustību |
| Interaction to Next Paint, 75. procentile | 200 milisekundes vai mazāk | Pašreizējais “labs” slieksnis |
| Sākotnējā HTML | Vēlams 150 kilobaiti vai mazāk saspiesta | Uztur svarīgu saturu viegli ielādējamu un apstrādājamu |
| Nekompresēta sākotnējā HTML | Turiet krietni zem 2 megabaitiem | Googlebot pašlaik ierobežo pirmo HTML ielādi līdz 2 megabaitiem |
| Kritiskā satura pozīcija | Virsraksts, kanoniskais, virsraksti, kopsavilkums un strukturētie dati HTML sākumā | Samazina risku, ka svarīga informācija parādīsies vēlu |
| Largest Contentful Paint attēls | Atrodams sākotnējā HTML | Novērš JavaScript atklāšanas aizkaves |
| Largest Contentful Paint attēls | Izmantojiet adaptīvus WebP vai AVIF, kur tas ir piemēroti | Samazina pārsūtīšanas lielumu |
| Attēli un iegulšanas elementi | Vienmēr rezervējiet izmērus | Novērš izkārtojuma kustību |
| Publiskā HTML kešatmiņas trāpījumu biežums | Iestatiet iekšējo mērķi 70 procenti vai augstāk | Samazina izcelsmes servera latentumu |
| Statisko līdzekļu kešatmiņas trāpījumu biežums | Iestatiet iekšējo mērķi 90 procenti vai augstāk | Samazina atkārtotu pārsūtīšanas izmaksu |
| 5xx un 429 atbildes verificētiem pārlūkiem | Pēc iespējas tuvāk nullei; brīdinājums par jebkādu ilgstošu pieaugumu | Šīs atbildes var samazināt pārlūkošanu |
| Pārvirzīšanas | Nulle nevajadzīgu pārvirzīšanu; nekad neizmantojiet garas ķēdes | Pārvirzīšanas ķēdes tērē pārlūkošanas un lietotāja laiku |
| Aktuāla satura atbilde | Atbalstiet ETag un Last-Modified | Ļauj efektīvi validēt un atbildēt ar 304 |
Google pašreizējā dokumentācija norāda, ka Googlebot ielādē pirmos 2 megabaitus atbalstītā faila un atsevišķi ielādē ārējos skriptus un stila lapas. Tas arī iesaka ievietot svarīgus metadatus un strukturētos datus HTML sākumā. (developers.google.com)
Ieviešanas ieteikumi
HTTP/3
Izmantojiet HTTP/3, ja to atbalsta mitināšanas pakalpojumu sniedzējs un satura piegādes tīkls.
Mēriet:
- HTTP/3 sarunāšanās ātrumu.
- HTTP/2 atkāpes ātrumu.
- Savienojuma iestatīšanas laiku.
- Laiku līdz pirmajam baitam.
- Veiktspēju pēc ģeogrāfiskā reģiona.
- Veiktspēju pēc pārlūka.
Neuzskatiet HTTP/3 par garantētu meklēšanas vai mākslīgā intelekta optimizāciju. Tas ir transporta uzlabojums, kas var palīdzēt tikai klientiem, kas to izmanto.
Satura piegādes tīkla malu kešatmiņa
Publiskām, nepersonalizētām lapām:
- Iestatiet skaidrus
Cache-Controlnoteikumus. - Izmantojiet ilgstošu kešatmiņu versijotiem statiskiem resursiem.
- Izmantojiet īsu, bet noderīgu kešatmiņu bieži atjauninātam HTML.
- Izvairieties no kešatmiņas fragmentācijas no nevajadzīgiem vaicājuma parametriem.
- Saglabājiet kanoniskos URL.
- Atbalstiet
ETagunLast-Modified. - Pārbaudiet aukstās, siltās un atkārtoti validētās kešatmiņas stāvokļus.
- Apstipriniet, ka pārlūka pieprasījumi saņem to pašu svarīgo saturu kā cilvēka pieprasījumi.
Satura piegādes tīklam vajadzētu samazināt latentumu, neradot novecojušas, nekonsekventas vai botu specifiskas lapu versijas.
Attēlu saspiešana
Attēliem:
- Izmantojiet AVIF vai WebP, ja vizuālā kvalitāte ir pieņemama.
- Nodrošiniet adaptīvus attēlu izmērus.
- Nepasniegt datora izmēra attēlu mazam mobilā tālruņa ekrānam.
- Neveiciet "lazy-loading" Largest Contentful Paint attēlam.
- Iekļaujiet attēla izmērus.
- Novietojiet Largest Contentful Paint attēlu sākotnējā HTML.
- Izmantojiet
fetchpriority="high"tikai tad, ja tas ir piemērots. - Saglabājiet svarīgus skaidrojumus tekstā, nevis iegultot tos tikai attēlos.
Attēlu saspiešana ir visvērtīgākā, ja attēls ir Largest Contentful Paint elements. Tas neatrisinās lapu, kuras galvenā aizkave rodas no servera renderēšanas vai JavaScript izpildes. (web.dev)
Izkārtojuma stabilitāte
Lai samazinātu Cumulative Layout Shift:
- Iestatiet platuma un augstuma atribūtus attēliem.
- Rezervējiet vietu reklāmām.
- Rezervējiet vietu iegultam video un sociālajam saturam.
- Izvairieties no reklāmkarogu ievietošanas virs esošā teksta.
- Izmantojiet stabilas fontu ielādes stratēģijas.
- Izvairieties no lielu servera renderētā satura bloku aizstāšanas pēc lapas ielādes.
Šīs izmaiņas uzlabo lietotāja pieredzi, pat ja tām nav mērāmas ietekmes uz pārlūkošanu vai atsaucībām. (web.dev)
Rīki un uzraudzība
Veiktspējas rīki
Izmantojiet:
- Chrome lietotāja pieredzes pārskatu reālo lietotāju Core Web Vitals.
- Chrome lietotāja pieredzes pārskata lietojumprogrammu programmēšanas interfeisu automatizētai lauka datu vākšanai.
- PageSpeed Insights laboratorijas auditiem un lauka datiem.
- Lighthouse atkārtojamiem laboratorijas testiem.
- Lighthouse Continuous Integration pieprasījumu veiktspējas budžetiem.
- WebPageTest vairāku atrašanās vietu testiem, kešatmiņas stāvokļiem un protokolu salīdzinājumiem.
- Chrome DevTools Largest Contentful Paint un izkārtojuma nobīdes atkļūdošanai.
- web-vitals JavaScript bibliotēku reālo lietotāju uzraudzībai.
Chrome User Experience Report lietojumprogrammu programmēšanas interfeiss nodrošina lapas līmeņa un izcelsmes līmeņa apkopotus lauka datus, tostarp Largest Contentful Paint, Cumulative Layout Shift, Interaction to Next Paint un eksperimentālo laiku līdz pirmajam baitam. (developer.chrome.com)
Lighthouse Continuous Integration var veikt veiktspējas pārbaudes pie katras koda izmaiņas un izgāzt kompilācijas, ja budžeti tiek pārsniegti. (github.com)
Pārlūku uzraudzība
Izmantojiet servera žurnālus, malu žurnālus un nelielu sintētisko zondēšanas komplektu.
Zondēšanas piemērs:
bash
curl --http3 -sS -o /dev/null -D -
-w 'status=%{http_code}\nhttp_version=%{http_version}\nnamelookup=%{time_namelookup}\nconnect=%{time_connect}\nstarttransfer=%{time_starttransfer}\ntotal=%{time_total}\nsize=%{size_download}\n'
-A 'Mozilla/5.0 (compatible; OAI-SearchBot/1.0)'
https://example.com/page
Veiciet to pašu testu ar:
- Googlebot.
- Bingbot.
- OAI-SearchBot.
- PerplexityBot.
- Claude-SearchBot.
- Normālu pārlūkprogrammas lietotāja aģentu.
Testam vajadzētu pārbaudīt:
- Statusa kodu.
- Robots atļaujas.
- Atbildes galvenes.
- HTML saturu.
- HTTP versiju.
- Kešatmiņas stāvokli.
- Atbildes laiku.
- Vai svarīgs teksts ir pieejams bez JavaScript.
Meklēšanas un indeksēšanas uzraudzība
Izmantojiet:
- Google Search Console pārlūkošanas statistiku.
- Google Search Console lapu indeksēšanas pārskatus.
- Google Search Console URL pārbaudi.
- Google Search Console vietņu kartes datus.
- Google Search Console ģeneratīvā mākslīgā intelekta pārskatus, kad tie ir pieejami.
- Bing Webmaster Tools pārlūkošanas pieprasījumus un indeksētās lapas.
- Bing Webmaster Tools mākslīgā intelekta veiktspēju.
- Dienas vietņu kartes un
lastmodpārbaudes.
Search Console lietojumprogrammu programmēšanas interfeiss var izgūt veiktspējas datus pēc lapas, vaicājuma, datuma, ierīces un meklēšanas parādīšanās, ievērojot tā datu ierobežojumus. (developers.google.com)
Atsaucību uzraudzība
Nesalīdziniet atsaucību skaitu no dažādām sistēmām, it kā tās būtu līdzvērtīgas. Microsoft norāda, ka atsaucību aktivitāte nav ranžēšanas rādītājs, autoritātes rādītājs, datplūsmas mērījums vai kvalitātes rādītājs. (bing.com)
Brīdinājumu noteikumi
Izveidojiet brīdinājumus par:
- Laiks līdz pirmajam baitam, kas palielinās par vairāk nekā 25 procentiem.
- Largest Contentful Paint, kas pārsniedz 2,5 sekundes 75. procentilē.
- Cumulative Layout Shift, kas pārsniedz 0,1.
- Ilgstošu 5xx vai 429 atbilžu pieaugumu.
- Pārlūka veiksmes rādītāja kritumu.
- Robots.txt izmaiņām.
- Vietņu kartes kļūdu.
- Pēkšņu indeksēto lapu kritumu.
- Pēkšņu mākslīgā intelekta atsaucību kritumu vairākās platformās.
- Atsaucību apjoma izmaiņas, kas ietekmē tikai vienu platformu.
Atsaucību samazināšanos, kas ietekmē vienu platformu, var izraisīt modeļa, indeksa, vaicājuma vai produkta maiņa, nevis lapas veiktspējas problēma. Microsoft nepārprotami brīdina, ka atsaucību tendences ir novērošanas rakstura un var mainīties satura atjauninājumu, lietotāju pieprasījuma un sistēmas vai modeļa izmaiņu dēļ. (bing.com)
Galīgais secinājums
Vispamatotākais secinājums ir:
Ātrākas lapas var uzlabot pārlūkošanas efektivitāti, īpaši, ja servera latentums, resursu lielums, kļūdas vai renderēšanas aizkaves ir ierobežojoši faktori. Taču pašlaik nav spēcīgu pierādījumu, ka zemāki Core Web Vitals tieši liek mākslīgā intelekta sistēmām izvēlēties lapu kā atsaucību.
Paredzamā cēloņsakarību ķēde ir:
text Lower latency → better server capacity → fewer failed or delayed fetches → faster discovery and processing → improved chance of being indexed and retrieved → possible increase in citations
Pēdējais solis joprojām ir neskaidrs, jo atsaucību atlase ir atkarīga no atbilstības, kvalitātes, aktualitātes, autoritātes, vaicājuma nodoma, izguves ranga un katras mākslīgā intelekta sistēmas uzvedības.
Lielākajai daļai vietņu pareizā veiktspējas stratēģija tādēļ nav “optimizēt mākslīgā intelekta atsaucībām” izolēti. Tā ir:
- Nodrošiniet svarīga satura pieejamību sākotnējā HTML.
- Uzturiet stabilu laiku līdz pirmajam baitam.
- Izmantojiet malu kešatmiņu publiskam saturam.
- Saspiest un prioritizēt svarīgus attēlus.
- Novērst izkārtojuma nobīdes.
- Atgriezt uzticamus statusa kodus.
- Uzturiet vietņu kartes un iekšējās saites aktuālas.
- Atļaut pareizos meklēšanas pārlūkus.
- Mēriet pārlūkošanu, indeksēšanu, izguvi un atsaucības kā atsevišķus posmus.
Šī pieeja rada ātrāku vietni cilvēkiem, veselīgāku vietni meklēšanas pārlūkiem un pārbaudāmu pamatu mākslīgā intelekta redzamības izpratnei.
Auto