我们分析了208,085 个网页，以了解有关Core Web Vitals 的更多信息。
首先，我们为累积布局偏移、首次输入延迟和最大内容绘制建立了基准。
然后，我们研究了Core Web Vitals 和用户体验指标（如跳出率）之间的相关性。
感谢WebCEO 提供的数据，我们能够发现一些有趣的发现。
让我们深入研究数据。
以下是我们主要发现的摘要：
1. 53.77% 的站点具有良好的最大内容绘制(LCP) 分数。 46.23% 的网站的LCP 评级为“差”或“需要改进”。
2. 我们数据集中53.85% 的网站具有最佳的首次输入延迟(FID) 评级。 只有8.57% 的网站的FID 得分“差”。
3. 65.13% 的分析网站拥有良好的最佳累积布局偏移(CLS) 分数。
4. 我们分析的站点的平均LCP 在 2,386 毫秒.
5. 平均FID 为 137.74 毫秒.
6. 平均CLS 分数为 0.14. 这比最佳分数略高。
7. 影响LCP 的最常见问题是 高请求数和大传输大小.
8. 大的布局变化是导致CLS 得分低的第一大原因。
9. 影响FID 的最常见问题是 低效的缓存策略.
10. 有 Core Web Vital 分数和UX 指标之间的相关性较弱.
11. 我们确实发现了 FID 确实倾向于与页面浏览量略微相关.
53.77% 的网站具有最佳的最大内容油漆分数
我们的第一个目标是根据构成Google 核心Web Vitals 的三个因素查看每个站点的表现：最大内容绘制、累积布局偏移和首次输入延迟。
具体来说，我们想确定在每个网站的Search Console 中被归类为“良好”、“需要改进”和“差”的网页的百分比。
为此，我们分析了来自208k 个页面（大约20k 个站点）的匿名Google Search Console 数据。
我们的第一个任务：分析LCP（Large Contentful Paint）。简单来说，LCP 测量页面加载其可见内容所需的时间。
以下是我们分析的网站的表现：
- 好：53.77%
- 需要改进：28.76%
- 差：17.47%
如您所见，我们查看的大多数网站都有“良好”的LCP 评级。这比预期的要高，尤其是考虑到其他基准测试工作（例如iProspect 的这个）。
可能是我们数据集中的网站对页面性能特别勤奋。或者，部分原因可能是样本量差异（iProspect 分析持续监测1,500 个站点。我们分析了20,000 多个）。
无论哪种方式，令人鼓舞的是，只有大约一半的网站需要在其LCP 上运行。
我们分析的53.85% 的网站具有良好的首次输入延迟评级
接下来，我们查看了Search Console 报告的首次输入延迟(FID) 评级。顾名思义，FIP 测量第一个请求与用户能够输入内容（如输入用户名）之间的延迟。
以下是我们数据集中的FID 分数细分：
- 好：53.85%
- 需要改进：37.58%
- 差：8.57%
同样，我们查看的网站中有超过一半具有“良好”的FID 评级。
有趣的是，只有极少数（8.57%）的人得分“差”。这表明，一旦Google 将FID 纳入其算法，相对少量的网站可能会受到负面影响。
65.13% 的站点具有最佳累积布局转换分数
最后，我们查看了Search Console 中的Cumulative Layout Shift (CLS) 评级。
CLS 衡量页面上的元素在加载时如何移动。在加载过程中相对稳定的页面具有较高（良好）的CLS 分数。
以下是我们分析的网站中的CLS 评级：
- 好：65.13%
- 需要改进：17.03%
- 差：17.84%
在三个Core Web Vitals 分数中，CLS 往往是问题最少的。事实上，在我们分析的站点中，只有大约35% 的站点需要使用其CLS。
平均LCP 为2,836 毫秒
接下来，我们想为每个Core Web Vital 指标建立基准。如上所述，Google 为每个Core Web Vital 创建了自己的一套指南。
（例如，“良好”的LCP 被认为小于2.5 秒。）
然而，我们还没有看到大规模分析试图“在野外”对每个Core Web Vital 指标进行基准测试。
首先，我们对数据库中站点的LCP 分数进行了基准测试。
在我们分析的站点中，平均LCP 为2,836 毫秒（2.8 秒）。
以下是对LCP 性能产生负面影响的最常见问题：
- 高请求数和大传输大小（100% 的页面）
- 高网络往返时间（100% 的页面）
- 关键请求链（98.9% 的页面）
- 高初始服务器响应时间（57.4% 的页面）
- 未以下一代格式提供的图像（44.6% 的页面）
总体而言，100% 的页面具有较高的LCP 分数，至少部分原因是“请求数高且传输量大”。换句话说，包含过多代码、大文件大小或两者兼而有之的页面。
这一发现与我们所做的另一项分析一致，该分析发现大页面往往是大多数加载缓慢页面的罪魁祸首。
平均FID 为137.4 毫秒
然后，我们查看了数据集中页面之间的FID 分数。
总体而言，平均首次输入延迟为137.4 毫秒：
以下是我们发现的最普遍的FID 相关问题：
- 低效的缓存策略（87.4% 的页面）
- 长主线程任务（78.4% 的页面）
- 未使用的JavaScript（54.1% 的页面）
- 未使用的CSS（38.7% 的页面）
- 文档对像模型大小过大（占页面的22.3%）
有趣的是，缓存问题对FID 的负面影响比任何其他问题都大。而且，毫不奇怪，优化不佳的代码（以未使用的JS 和CSS 的形式）是许多FID 高分的原因。
平均CLS 为0.14
我们发现平均CLS 分数为0.14。
该指标专门查看页面上的内容如何“变化”。任何低于0.1 的内容在Search Console 中都被评为“好”。
影响项目CLS 的最常见问题包括：
- 大的布局变化（94.5% 的页面）
- 渲染阻塞资源（86.3% 的页面）
- 网页字体加载期间隐藏的文本（82.6% 的页面）
- 未预加载的密钥请求（26.7% 的页面）
- 图片尺寸不合适（占页面的24.7%）
LCP 如何与用户行为相关联
现在已经设置了基准，然后我们开始了解Core Web Vitals 代表真实用户体验的准确程度。
事实上，这种关系是谷歌自己在其“Core Web Vitals 报告”文档中强调的：
为了分析Core Web Vitals 及其对UX 的影响，我们决定查看三个旨在代表网页上用户行为的UX 指标：
- 跳出率（访问时离开网站页面的用户百分比）
- 每个会话的页面深度（用户在离开网站之前看到的页面数）
- 网站停留时间（用户在单个会话中在网站上花费的时间）
我们的假设如下：如果您改善网站的Core Web Vitals，它将对UX 指标产生积极影响。
换句话说，具有“良好”Core Web Vitals 的网站将具有较低的跳出率、较长的会话和较高的页面浏览量。幸运的是，除了Search Console 数据之外，该数据集还包含来自Google Analytics 的用户体验指标。
然后，我们只需将每个网站的Core Web Vitals 与每个UX 指标进行比较。您可以在下面找到我们的LCP 结果：
LCP 和跳出率
LCP 和每个会话的页数
LCP 和现场时间
在这三个图表上，很明显所有三个不同的部分（好、差和需要改进）在图表上的分布都有些均匀。
换句话说，LCP 和UX 指标之间没有任何直接关系。
FID 与页面浏览量关系不大
接下来，我们研究了首次输入延迟与用户行为之间的潜在关系。
与LCP 一样，糟糕的FID 会对UX 指标（尤其是跳出率）产生负面影响是合乎逻辑的。
需要等待从菜单中进行选择或输入密码的用户可能会感到沮丧和反弹。如果这种体验跨越多个页面，可能会导致他们减少总页面浏览量。
有了这个，这就是FID 如何与他们的行为指标相关联。
FID 和跳出率
FID 和每个会话的页数
笔记： 我们发现，高FID 往往与每个会话的低页面数相关。反之亦然。
FID 和现场时间
总体而言，我们看到相关提示的唯一实例是当我们将FID 与每个会话查看的页面数进行比较时。当谈到跳出率和网站停留时间时，网站的FID 似乎对用户行为没有影响。
CLS 如何影响用户行为
接下来，我们想调查CLS 和用户活动之间的潜在联系。
糟糕的CLS 会让用户感到沮丧，这似乎是合乎逻辑的。因此可以提高跳出率并减少会话时间。
但是，我们无法找到任何案例研究或大规模分析来证明高CLS 分数会影响用户行为。因此，我们决定进行一项分析，寻找CLS、跳出率、“停留时间”和浏览页面之间的潜在关系。这是我们发现的：
CLS 和跳出率
CLS 和每个会话的页数
CLS 和现场时间
总体而言，我们没有发现CLS、跳出率、网站停留时间或页面浏览量之间存在任何显著相关性。
概括
我希望您发现此分析有趣且有用（尤其是在Google 的页面体验更新即将推出时）。
这是我们使用的原始数据集的链接。连同我们的方法。
我要感谢SEO 软件WebCEO 提供的数据，使这项行业研究成为可能。
总体而言，有趣的是，我们分析的大多数网站的表现都相对较好。并且已经为Google 更新做好了充分的准备。有趣的是，虽然Core Web Vitals 代表了网站上积极UX 的指标，但我们没有看到与行为指标有任何相关性。
现在我想听听你的意见：
你今天学习的主要收获是什么？或者，也许您对分析中的某些内容有疑问。无论哪种方式，请立即在下方发表评论。
