কোর ওয়েব ভাইটাল মেট্রিক্স থ্রেশহোল্ড সংজ্ঞায়িত করা

কোর ওয়েব ভাইটাল থ্রেশহোল্ডের পিছনে গবেষণা এবং পদ্ধতি

ব্রায়ান ম্যাককুয়েড

Core Web Vitals হল ফিল্ড মেট্রিক্সের একটি সেট যা ওয়েবে বাস্তব-বিশ্ব ব্যবহারকারীর অভিজ্ঞতার গুরুত্বপূর্ণ দিকগুলি পরিমাপ করে৷ Core Web Vitals-এ মেট্রিক্স, সেইসাথে প্রতিটি মেট্রিকের লক্ষ্য থ্রেশহোল্ড অন্তর্ভুক্ত থাকে, যা ডেভেলপারদের গুণগতভাবে বুঝতে সাহায্য করে যে তাদের সাইটের অভিজ্ঞতা "ভালো", "উন্নতির প্রয়োজন", নাকি "খারাপ"। এই পোস্টটি সাধারণত কোর ওয়েব ভাইটাল মেট্রিক্সের জন্য থ্রেশহোল্ড বেছে নিতে ব্যবহৃত পদ্ধতির ব্যাখ্যা করবে, সেইসাথে প্রতিটি নির্দিষ্ট কোর ওয়েব ভাইটাল মেট্রিকের জন্য থ্রেশহোল্ডগুলি কীভাবে বেছে নেওয়া হয়েছিল।

রিফ্রেসার: কোর ওয়েব ভাইটাল মেট্রিক্স এবং থ্রেশহোল্ড

2020-এ মূল ওয়েব ভাইটালগুলি হল তিনটি মেট্রিক্স: বৃহত্তম কন্টেন্টফুল পেইন্ট (LCP), প্রথম ইনপুট বিলম্ব (FID), এবং Cumulative Layout Shift (CLS)। প্রতিটি মেট্রিক ব্যবহারকারীর অভিজ্ঞতার একটি ভিন্ন দিক পরিমাপ করে: LCP অনুভূত লোড গতি পরিমাপ করে এবং পৃষ্ঠার প্রধান বিষয়বস্তু সম্ভবত লোড হওয়ার সময় পৃষ্ঠা লোড টাইমলাইনে পয়েন্ট চিহ্নিত করে; FID প্রতিক্রিয়াশীলতা পরিমাপ করে এবং পৃষ্ঠার সাথে প্রথম ইন্টারঅ্যাক্ট করার চেষ্টা করার সময় ব্যবহারকারীরা যে অভিজ্ঞতা অনুভব করে তা পরিমাপ করে; এবং CLS দৃশ্যমান স্থিতিশীলতা পরিমাপ করে এবং দৃশ্যমান পৃষ্ঠার বিষয়বস্তুর অপ্রত্যাশিত বিন্যাস পরিবর্তনের পরিমাণ পরিমাপ করে।

প্রতিটি কোর ওয়েব ভাইটাল মেট্রিকের সাথে যুক্ত থ্রেশহোল্ড রয়েছে, যা কার্যক্ষমতাকে "ভাল", "উন্নতি প্রয়োজন" বা "দরিদ্র" হিসাবে শ্রেণীবদ্ধ করে:

উপরন্তু, একটি পৃষ্ঠা বা সাইটের সামগ্রিক কর্মক্ষমতা শ্রেণীবদ্ধ করতে, আমরা সেই পৃষ্ঠা বা সাইটের সমস্ত পৃষ্ঠা দর্শনের 75 তম পার্সেন্টাইল মান ব্যবহার করি। অন্য কথায়, যদি একটি সাইটের পৃষ্ঠার ভিউগুলির অন্তত 75 শতাংশ "ভাল" থ্রেশহোল্ড পূরণ করে, তাহলে সেই মেট্রিকের জন্য সাইটটিকে "ভাল" পারফরম্যান্স হিসেবে শ্রেণীবদ্ধ করা হয়। বিপরীতভাবে, যদি কমপক্ষে 25 শতাংশ পৃষ্ঠা দর্শন "দরিদ্র" থ্রেশহোল্ড পূরণ করে, তাহলে সাইটটিকে "খারাপ" কর্মক্ষমতা রয়েছে বলে শ্রেণীবদ্ধ করা হয়। সুতরাং, উদাহরণস্বরূপ, 2 সেকেন্ডের একটি 75 তম পার্সেন্টাইল LCP "ভাল" হিসাবে শ্রেণীবদ্ধ করা হয়েছে, যখন 5 সেকেন্ডের 75 তম শতাংশের LCP "দরিদ্র" হিসাবে শ্রেণীবদ্ধ করা হয়েছে।

কোর ওয়েব ভাইটাল মেট্রিক থ্রেশহোল্ডের জন্য মানদণ্ড

কোর ওয়েব ভাইটাল মেট্রিক্সের জন্য থ্রেশহোল্ড স্থাপন করার সময়, আমরা প্রথমে মানদণ্ড চিহ্নিত করেছি যে প্রতিটি থ্রেশহোল্ড পূরণ করতে হবে। নীচে, আমি 2020 কোর ওয়েব ভাইটাল মেট্রিক থ্রেশহোল্ড মূল্যায়ন করার জন্য Google-এ যে মানদণ্ড ব্যবহার করেছি তা ব্যাখ্যা করছি। পরবর্তী বিভাগগুলি 2020 সালে প্রতিটি মেট্রিকের জন্য থ্রেশহোল্ড নির্বাচন করার জন্য এই মানদণ্ডগুলি কীভাবে প্রয়োগ করা হয়েছিল সে সম্পর্কে আরও বিশদে যাবে৷ ভবিষ্যতের বছরগুলিতে আমরা মানদণ্ড এবং থ্রেশহোল্ডগুলিতে উন্নতি এবং সংযোজন করার প্রত্যাশা করছি যাতে আমাদের দুর্দান্ত ব্যবহারকারীর অভিজ্ঞতা পরিমাপ করার ক্ষমতা আরও উন্নত করা যায়৷ ওয়েব

উচ্চ মানের ব্যবহারকারীর অভিজ্ঞতা

আমাদের প্রাথমিক লক্ষ্য হল ব্যবহারকারী এবং তাদের অভিজ্ঞতার মানের জন্য অপ্টিমাইজ করা। এই প্রদত্ত, আমরা নিশ্চিত করার লক্ষ্য রাখি যে পৃষ্ঠাগুলি কোর ওয়েব ভাইটাল "ভাল" থ্রেশহোল্ডগুলি পূরণ করে একটি উচ্চ মানের ব্যবহারকারীর অভিজ্ঞতা প্রদান করে।

উচ্চ-মানের ব্যবহারকারীর অভিজ্ঞতার সাথে যুক্ত একটি থ্রেশহোল্ড সনাক্ত করতে, আমরা মানুষের উপলব্ধি এবং HCI গবেষণার দিকে তাকাই। যদিও এই গবেষণাটি কখনও কখনও একটি একক নির্দিষ্ট থ্রেশহোল্ড ব্যবহার করে সংক্ষিপ্ত করা হয়, আমরা দেখতে পাই যে অন্তর্নিহিত গবেষণাটি সাধারণত মানগুলির একটি পরিসর হিসাবে প্রকাশ করা হয়। উদাহরণ স্বরূপ, ফোকাস হারানোর আগে ব্যবহারকারীরা যে পরিমাণ সময় অপেক্ষা করে তা নিয়ে গবেষণাকে কখনও কখনও 1 সেকেন্ড হিসাবে বর্ণনা করা হয়, যখন অন্তর্নিহিত গবেষণাটি আসলে একটি পরিসর হিসাবে প্রকাশ করা হয়, শত শত মিলিসেকেন্ড থেকে একাধিক সেকেন্ড পর্যন্ত। উপলব্ধি থ্রেশহোল্ড ব্যবহারকারী এবং প্রসঙ্গের উপর নির্ভর করে পরিবর্তিত হয় তা আরও সমন্বিত এবং বেনামী ক্রোম মেট্রিক্স ডেটা দ্বারা সমর্থিত, যা দেখায় যে ব্যবহারকারীরা পৃষ্ঠা লোড বাতিল করার আগে একটি ওয়েব পৃষ্ঠার সামগ্রী প্রদর্শনের জন্য অপেক্ষা করার জন্য একক পরিমাণ সময় নেই৷ বরং, এই তথ্য একটি মসৃণ এবং অবিচ্ছিন্ন বিতরণ দেখায়। মানুষের উপলব্ধি থ্রেশহোল্ড এবং প্রাসঙ্গিক HCI গবেষণার আরও গভীরভাবে দেখার জন্য, ওয়েব ভাইটালসের পিছনে বিজ্ঞান দেখুন।

যে ক্ষেত্রে প্রাসঙ্গিক ব্যবহারকারীর অভিজ্ঞতা গবেষণা একটি প্রদত্ত মেট্রিকের জন্য উপলব্ধ এবং সাহিত্যে মানগুলির পরিসরের উপর যুক্তিসঙ্গত ঐক্যমত রয়েছে, আমরা এই পরিসরটি আমাদের থ্রেশহোল্ড নির্বাচন প্রক্রিয়াকে গাইড করার জন্য একটি ইনপুট হিসাবে ব্যবহার করি। যে ক্ষেত্রে প্রাসঙ্গিক ব্যবহারকারীর অভিজ্ঞতা গবেষণা অনুপলব্ধ, যেমন ক্রমবর্ধমান লেআউট শিফটের মতো একটি নতুন মেট্রিকের জন্য, আমরা পরিবর্তে একটি মেট্রিকের জন্য বিভিন্ন প্রার্থীর থ্রেশহোল্ড পূরণ করে এমন বাস্তব-বিশ্বের পৃষ্ঠাগুলিকে মূল্যায়ন করি, একটি থ্রেশহোল্ড সনাক্ত করতে যা একটি ভাল ব্যবহারকারীর অভিজ্ঞতা দেয়৷

বিদ্যমান ওয়েব সামগ্রী দ্বারা অর্জনযোগ্য

উপরন্তু, সাইটের মালিকরা যাতে "ভাল" থ্রেশহোল্ডগুলি পূরণ করতে তাদের সাইটগুলিকে অপ্টিমাইজ করতে সফল হতে পারে তা নিশ্চিত করার জন্য, আমাদের প্রয়োজন যে এই থ্রেশহোল্ডগুলি ওয়েবে বিদ্যমান সামগ্রীর জন্য অর্জনযোগ্য। উদাহরণস্বরূপ, যদিও শূন্য মিলিসেকেন্ড একটি আদর্শ LCP "ভাল" থ্রেশহোল্ড, যার ফলে তাত্ক্ষণিক লোডিং অভিজ্ঞতা হয়, নেটওয়ার্ক এবং ডিভাইস প্রক্রিয়াকরণের বিলম্বের কারণে বেশিরভাগ ক্ষেত্রে শূন্য মিলিসেকেন্ড থ্রেশহোল্ড কার্যত অর্জনযোগ্য নয়। এইভাবে, কোর ওয়েব ভাইটালগুলির জন্য শূন্য মিলিসেকেন্ড যুক্তিসঙ্গত LCP "ভাল" থ্রেশহোল্ড নয়৷

প্রার্থী কোর ওয়েব ভাইটাল "ভাল" থ্রেশহোল্ডের মূল্যায়ন করার সময়, আমরা যাচাই করি যে সেই থ্রেশহোল্ডগুলি অর্জনযোগ্য, Chrome ব্যবহারকারীর অভিজ্ঞতা রিপোর্ট (CrUX) থেকে পাওয়া ডেটার উপর ভিত্তি করে। একটি থ্রেশহোল্ড অর্জনযোগ্য তা নিশ্চিত করার জন্য, আমাদের প্রয়োজন যে অন্তত 10% উত্স বর্তমানে "ভাল" থ্রেশহোল্ড পূরণ করে৷ অতিরিক্তভাবে, ফিল্ড ডেটার পরিবর্তনশীলতার কারণে ভাল-অপ্টিমাইজ করা সাইটগুলিকে ভুল শ্রেণিবদ্ধ করা হয় না তা নিশ্চিত করতে, আমরা এটাও যাচাই করি যে ভাল-অপ্টিমাইজ করা বিষয়বস্তু ধারাবাহিকভাবে "ভাল" থ্রেশহোল্ড পূরণ করে।

বিপরীতভাবে, আমরা পারফরম্যান্সের একটি স্তর চিহ্নিত করে "দরিদ্র" থ্রেশহোল্ড প্রতিষ্ঠা করি যেটি শুধুমাত্র সংখ্যালঘু সম্প্রদায় বর্তমানে পূরণ করছে না। একটি "দরিদ্র" থ্রেশহোল্ড সংজ্ঞায়িত করার জন্য প্রাসঙ্গিক গবেষণা উপলব্ধ না থাকলে, ডিফল্টভাবে সবচেয়ে খারাপ-কার্যকারি 10-30% উত্সকে "দরিদ্র" হিসাবে শ্রেণীবদ্ধ করা হয়।

মানদণ্ডের উপর চূড়ান্ত চিন্তা

প্রার্থীর থ্রেশহোল্ডগুলি মূল্যায়ন করার সময়, আমরা দেখেছি যে মানদণ্ডগুলি কখনও কখনও একে অপরের সাথে সাংঘর্ষিক ছিল। উদাহরণস্বরূপ, একটি থ্রেশহোল্ড ধারাবাহিকভাবে অর্জনযোগ্য এবং এটি ধারাবাহিকভাবে ভাল ব্যবহারকারীর অভিজ্ঞতা নিশ্চিত করার মধ্যে একটি উত্তেজনা থাকতে পারে। উপরন্তু, মানুষের উপলব্ধি গবেষণা সাধারণত মানগুলির একটি পরিসীমা প্রদান করে, এবং ব্যবহারকারীর আচরণের মেট্রিক্স আচরণে ধীরে ধীরে পরিবর্তন দেখায়, আমরা দেখতে পেয়েছি যে একটি মেট্রিকের জন্য প্রায়শই কোনও একক "সঠিক" থ্রেশহোল্ড নেই। এইভাবে, 2020 কোর ওয়েব ভাইটালগুলির জন্য আমাদের পদ্ধতি হল থ্রেশহোল্ডগুলি বেছে নেওয়া যা উপরের মানদণ্ডগুলিকে সবচেয়ে ভালভাবে পূরণ করে, যখন এটি স্বীকার করে যে কোনও একটি নিখুঁত থ্রেশহোল্ড নেই এবং আমাদের মাঝে মাঝে একাধিক যুক্তিসঙ্গত প্রার্থী থ্রেশহোল্ড থেকে বেছে নেওয়ার প্রয়োজন হতে পারে। "নিখুঁত থ্রেশহোল্ড কি?" আমরা পরিবর্তে "কোন প্রার্থীর থ্রেশহোল্ড আমাদের মানদণ্ড সবচেয়ে ভাল অর্জন করে?"

শতাংশের পছন্দ

যেমন আগে উল্লেখ করা হয়েছে, একটি পৃষ্ঠা বা সাইটের সামগ্রিক কর্মক্ষমতা শ্রেণীবদ্ধ করতে, আমরা সেই পৃষ্ঠা বা সাইটের সমস্ত পরিদর্শনের 75তম শতাংশ মান ব্যবহার করি। 75 তম পার্সেন্টাইল দুটি মানদণ্ডের ভিত্তিতে বেছে নেওয়া হয়েছিল। প্রথমত, শতকরা নিশ্চিত করতে হবে যে একটি পৃষ্ঠা বা সাইটে বেশিরভাগ ভিজিট কর্মক্ষমতার টার্গেট লেভেল অনুভব করেছে। দ্বিতীয়ত, নির্বাচিত পার্সেন্টাইলের মানটি বহিরাগতদের দ্বারা অতিমাত্রায় প্রভাবিত হওয়া উচিত নয়।

এই লক্ষ্যগুলি একে অপরের সাথে কিছুটা বিরোধপূর্ণ। প্রথম লক্ষ্য সন্তুষ্ট করার জন্য, একটি উচ্চ শতাংশ সাধারণত একটি ভাল পছন্দ। যাইহোক, উচ্চ পার্সেন্টাইলের সাথে, ফলাফলের মান আউটলার দ্বারা প্রভাবিত হওয়ার সম্ভাবনাও বৃদ্ধি পায়। যদি একটি সাইটের কয়েকটি ভিজিট ফ্ল্যাকি নেটওয়ার্ক সংযোগে হয় যার ফলে অত্যধিক বড় LCP নমুনা হয়, আমরা চাই না যে আমাদের সাইটের শ্রেণীবিভাগ এই বাইরের নমুনাগুলির দ্বারা নির্ধারিত হোক। উদাহরণ স্বরূপ, যদি আমরা 95তম এর মতো উচ্চ পার্সেন্টাইল ব্যবহার করে 100টি ভিজিট সহ একটি সাইটের পারফরম্যান্স মূল্যায়ন করি, তাহলে 95তম পার্সেন্টাইল মানের জন্য আউটলিয়ারদের দ্বারা প্রভাবিত হওয়ার জন্য এটি শুধুমাত্র 5টি আউটলার নমুনা লাগবে।

এই লক্ষ্যগুলির মধ্যে কিছুটা মতভেদ রয়েছে, বিশ্লেষণের পরে, আমরা এই সিদ্ধান্তে পৌঁছেছি যে 75 তম পার্সেন্টাইল একটি যুক্তিসঙ্গত ভারসাম্য বজায় রাখে। 75 তম পার্সেন্টাইল ব্যবহার করে, আমরা জানি যে সাইটের বেশিরভাগ ভিজিট (4 এর মধ্যে 3) লক্ষ্যমাত্রার পারফরম্যান্স বা আরও ভাল অভিজ্ঞতা পেয়েছে। উপরন্তু, 75 তম পার্সেন্টাইল মান বহিরাগতদের দ্বারা প্রভাবিত হওয়ার সম্ভাবনা কম। আমাদের উদাহরণে ফিরে আসা, 100টি ভিজিট সহ একটি সাইটের জন্য, সেই ভিজিটের মধ্যে 25টির জন্য 75তম পার্সেন্টাইলের মানের জন্য আউটলায়ারদের দ্বারা প্রভাবিত হওয়ার জন্য বড় আউটলার নমুনাগুলি রিপোর্ট করতে হবে। যদিও 100টির মধ্যে 25টি নমুনা বহিরাগত হওয়া সম্ভব, এটি 95তম পার্সেন্টাইল ক্ষেত্রের তুলনায় অনেক কম।

সবচেয়ে বড় বিষয়বস্তু পেইন্ট

অভিজ্ঞতার গুণমান

1 সেকেন্ডকে প্রায়শই একটি কাজের উপর মনোযোগ হারাতে শুরু করার আগে ব্যবহারকারীর অপেক্ষা করার সময় হিসাবে উল্লেখ করা হয়। প্রাসঙ্গিক গবেষণার ঘনিষ্ঠ পরিদর্শনে, আমরা দেখেছি যে 1 সেকেন্ড হল একটি আনুমানিক পরিসীমা বর্ণনা করার জন্য, প্রায় কয়েকশ মিলিসেকেন্ড থেকে কয়েক সেকেন্ড পর্যন্ত।

1 সেকেন্ডের থ্রেশহোল্ডের জন্য দুটি সাধারণত উদ্ধৃত উত্স হল কার্ড এট আল এবং মিলার । কার্ড একটি 1-সেকেন্ডের "তাত্ক্ষণিক প্রতিক্রিয়া" থ্রেশহোল্ডকে সংজ্ঞায়িত করে, নেয়েলের ইউনিফাইড থিওরি অফ কগনিশনের উদ্ধৃতি দিয়ে। নেয়েল তাৎক্ষণিক প্রতিক্রিয়াগুলিকে ব্যাখ্যা করেছেন "প্রতিক্রিয়া যা কিছু উদ্দীপকের জন্য খুব আনুমানিক এক সেকেন্ডের মধ্যে করা উচিত (অর্থাৎ, মোটামুটি ~0.3sec থেকে ~3sec)"৷ এটি "জ্ঞানের উপর রিয়েল-টাইম সীমাবদ্ধতা" নিয়ে নেয়েলের আলোচনাকে অনুসরণ করে, যেখানে এটি উল্লেখ করা হয়েছে যে "পরিবেশের সাথে মিথস্ক্রিয়া যা জ্ঞানীয় বিবেচনাকে সেকেন্ডের ক্রম অনুসারে সঞ্চালিত করে" যা মোটামুটি 0.5 থেকে 2-3 সেকেন্ডের মধ্যে থাকে। মিলার, 1 সেকেন্ডের থ্রেশহোল্ডের জন্য আরেকটি সাধারণভাবে উদ্ধৃত উত্স, নোট করেছেন "মানুষ যে কাজগুলি করতে পারে এবং মেশিন যোগাযোগের সাথে সম্পাদন করবে সেগুলি গুরুতরভাবে তাদের চরিত্র পরিবর্তন করবে যদি প্রতিক্রিয়া বিলম্ব দুই সেকেন্ডের বেশি হয়, অন্য সেকেন্ড বা তার কিছু সম্ভাব্য এক্সটেনশন সহ।"

মিলার এবং কার্ডের গবেষণায় একটি ব্যাপ্তি হিসাবে ফোকাস হারানোর আগে ব্যবহারকারী কতটা সময় অপেক্ষা করবে তা বর্ণনা করে, মোটামুটি 0.3 থেকে 3 সেকেন্ড, যা আমাদের LCP "ভাল" থ্রেশহোল্ড এই সীমার মধ্যে থাকা উচিত বলে পরামর্শ দেয়৷ অতিরিক্তভাবে, বিদ্যমান ফার্স্ট কনটেন্টফুল পেইন্টের "ভাল" থ্রেশহোল্ড 1 সেকেন্ড, এবং সবচেয়ে বড় কন্টেন্টফুল পেইন্ট সাধারণত ফার্স্ট কনটেন্টফুল পেইন্টের পরে ঘটে, আমরা আমাদের প্রার্থী LCP থ্রেশহোল্ডের পরিসীমাকে 1 সেকেন্ড থেকে 3 সেকেন্ডের মধ্যে সীমাবদ্ধ করি। এই পরিসরে থ্রেশহোল্ড বেছে নেওয়ার জন্য যা আমাদের মানদণ্ডের সাথে সর্বোত্তমভাবে পূরণ করে, আমরা নীচে এই প্রার্থী থ্রেশহোল্ডগুলির অর্জনের দিকে নজর দিই৷

অর্জনযোগ্যতা

CrUX থেকে ডেটা ব্যবহার করে, আমরা ওয়েবে উৎপত্তির শতাংশ নির্ধারণ করতে পারি যা আমাদের প্রার্থী LCP "ভাল" থ্রেশহোল্ড পূরণ করে।

CrUX উত্সের % "ভাল" হিসাবে শ্রেণীবদ্ধ (প্রার্থী LCP থ্রেশহোল্ডের জন্য)

যদিও 10% এরও কম উত্স 1 সেকেন্ডের থ্রেশহোল্ড পূরণ করে, 1.5 থেকে 3 সেকেন্ডের অন্যান্য সমস্ত থ্রেশহোল্ড আমাদের প্রয়োজনীয়তা পূরণ করে যে কমপক্ষে 10% উত্স "ভাল" থ্রেশহোল্ড পূরণ করে এবং এইভাবে এখনও বৈধ প্রার্থী৷

উপরন্তু, ভাল-অপ্টিমাইজ করা সাইটগুলির জন্য নির্বাচিত থ্রেশহোল্ড ধারাবাহিকভাবে অর্জনযোগ্য তা নিশ্চিত করার জন্য, আমরা এই সাইটগুলির জন্য কোন থ্রেশহোল্ডগুলি ধারাবাহিকভাবে অর্জনযোগ্য তা নির্ধারণ করতে, ওয়েব জুড়ে সেরা-পারফর্মিং সাইটগুলির জন্য LCP কার্যক্ষমতা বিশ্লেষণ করি। বিশেষ করে, আমরা একটি থ্রেশহোল্ড সনাক্ত করার লক্ষ্য রাখি যা শীর্ষস্থানীয় পারফরম্যান্স সাইটগুলির জন্য 75 তম শতাংশে ধারাবাহিকভাবে অর্জনযোগ্য। আমরা দেখতে পাই যে 1.5 এবং 2 সেকেন্ডের থ্রেশহোল্ড ধারাবাহিকভাবে অর্জনযোগ্য নয়, যখন 2.5 সেকেন্ড ধারাবাহিকভাবে অর্জনযোগ্য।

LCP-এর জন্য একটি "দরিদ্র" থ্রেশহোল্ড শনাক্ত করতে, বেশিরভাগ উত্স দ্বারা পূরণ করা থ্রেশহোল্ড সনাক্ত করতে আমরা CrUX ডেটা ব্যবহার করি:

CrUX উত্সের % "দরিদ্র" হিসাবে শ্রেণীবদ্ধ (প্রার্থী LCP থ্রেশহোল্ডের জন্য)

4 সেকেন্ডের থ্রেশহোল্ডের জন্য, মোটামুটি 26% ফোনের উত্স, এবং 21% ডেস্কটপ উত্স, দরিদ্র হিসাবে শ্রেণীবদ্ধ করা হবে৷ এটি আমাদের লক্ষ্য 10-30% এর মধ্যে পড়ে, তাই আমরা উপসংহারে পৌঁছেছি যে 4 সেকেন্ড একটি গ্রহণযোগ্য "দরিদ্র" প্রান্তিক।

এইভাবে, আমরা উপসংহারে পৌঁছেছি যে 2.5 সেকেন্ড হল একটি যুক্তিসঙ্গত "ভাল" থ্রেশহোল্ড, এবং 4 সেকেন্ড হল সবচেয়ে বড় কনটেন্টফুল পেইন্টের জন্য একটি যুক্তিসঙ্গত "দরিদ্র" প্রান্তিক।

প্রথম ইনপুট বিলম্ব

অভিজ্ঞতার গুণমান

গবেষণা যুক্তিসঙ্গতভাবে এই উপসংহারে সঙ্গতিপূর্ণ যে প্রায় 100ms পর্যন্ত ভিজ্যুয়াল ফিডব্যাকে বিলম্ব একটি সংশ্লিষ্ট উৎস, যেমন একটি ব্যবহারকারীর ইনপুট দ্বারা সৃষ্ট বলে মনে করা হয়। এটি প্রস্তাব করে যে একটি 100ms প্রথম ইনপুট বিলম্ব "ভাল" থ্রেশহোল্ড সম্ভবত একটি ন্যূনতম বার হিসাবে উপযুক্ত: যদি ইনপুট প্রক্রিয়াকরণের বিলম্ব 100ms ছাড়িয়ে যায়, তবে অন্যান্য প্রক্রিয়াকরণ এবং রেন্ডারিং পদক্ষেপগুলি সময়মতো সম্পূর্ণ হওয়ার কোন সুযোগ নেই৷

জ্যাকব নিলসনের সাধারণত উদ্ধৃত রেসপন্স টাইমস: 3টি গুরুত্বপূর্ণ সীমা 0.1 সেকেন্ডকে সংজ্ঞায়িত করে যাতে ব্যবহারকারী অনুভব করে যে সিস্টেম তাত্ক্ষণিকভাবে প্রতিক্রিয়া করছে। নিলসেন মিলার এবং কার্ডকে উদ্ধৃত করেছেন, যিনি Michotte এর 1962 The Perception of Causality উদ্ধৃত করেছেন। Michotte-এর গবেষণায়, পরীক্ষায় অংশগ্রহণকারীদের "একটি স্ক্রিনে দুটি বস্তু দেখানো হয়েছে। অবজেক্ট A সেট হয়ে B এর দিকে চলে যায়। এটি B এর সংস্পর্শে আসার মুহূর্তে এটি বন্ধ হয়ে যায়, যখন পরবর্তীটি শুরু হয় এবং A থেকে দূরে সরে যায়।" Michotte কখন অবজেক্ট A থামে এবং যখন অবজেক্ট B সরানো শুরু করে তার মধ্যে সময়ের ব্যবধান পরিবর্তিত হয়। Michotte দেখতে পান যে, মোটামুটি 100ms পর্যন্ত বিলম্বের জন্য, অংশগ্রহণকারীদের ধারণা যে অবজেক্ট A অবজেক্ট B-এর গতি ঘটায়। মোটামুটি 100ms থেকে 200ms পর্যন্ত বিলম্বের জন্য, কার্যকারণ ধারণা মিশ্রিত হয়, এবং 200ms এর বেশি বিলম্বের জন্য, বস্তুর গতি B কে আর অবজেক্ট A দ্বারা সৃষ্ট হিসাবে দেখা যায় না।

একইভাবে, মিলার "অ্যাক্টিভেশন নিয়ন্ত্রণের প্রতিক্রিয়া" এর জন্য একটি প্রতিক্রিয়া থ্রেশহোল্ডকে "প্রদত্ত কর্মের ইঙ্গিত হিসাবে সংজ্ঞায়িত করেছেন, সাধারণত, একটি কী, সুইচ বা অন্য নিয়ন্ত্রণ সদস্যের নড়াচড়ার দ্বারা যা ইঙ্গিত দেয় যে এটি শারীরিকভাবে সক্রিয় হয়েছে৷ এই প্রতিক্রিয়াটি ... অনুভূত হওয়া উচিত অপারেটর দ্বারা প্ররোচিত যান্ত্রিক ক্রিয়াকলাপের একটি অংশ হিসাবে। সময় বিলম্ব: 0.1 সেকেন্ডের বেশি নয় এবং পরে "একটি কী এবং ভিজ্যুয়াল প্রতিক্রিয়ার মধ্যে বিলম্ব 0.1 থেকে 0.2 সেকেন্ডের বেশি হওয়া উচিত নয়"।

অতি সম্প্রতি, Towards the Temporally Perfect Virtual Button- এ, Kaaresoja et al একটি টাচস্ক্রীনে একটি ভার্চুয়াল বোতাম স্পর্শ করা এবং পরবর্তী ভিজ্যুয়াল ফিডব্যাক বিভিন্ন বিলম্বের জন্য, বোতামটি স্পর্শ করা নির্দেশ করার মধ্যে একযোগে উপলব্ধি নিয়ে তদন্ত করেছেন। যখন বোতাম প্রেস এবং ভিজ্যুয়াল ফিডব্যাকের মধ্যে বিলম্ব 85ms বা তার কম ছিল, অংশগ্রহণকারীরা রিপোর্ট করেছেন যে ভিজ্যুয়াল ফিডব্যাক একই সাথে বোতাম টিপানোর সাথে 75% সময়ের মধ্যে দেখা গেছে। অতিরিক্তভাবে, 100ms বা তার কম বিলম্বের জন্য, অংশগ্রহণকারীরা বোতাম প্রেসের একটি ধারাবাহিকভাবে উচ্চ অনুভূত মানের রিপোর্ট করেছে, 100ms থেকে 150ms বিলম্বের জন্য অনুভূত গুণমান হ্রাস পেয়েছে এবং 300ms বিলম্বের জন্য খুব নিম্ন স্তরে পৌঁছেছে।

উপরে দেওয়া, আমরা উপসংহারে পৌঁছেছি যে গবেষণা ওয়েব ভাইটালগুলির জন্য উপযুক্ত প্রথম ইনপুট বিলম্ব থ্রেশহোল্ড হিসাবে 100ms এর কাছাকাছি মানগুলির একটি পরিসীমা নির্দেশ করে৷ উপরন্তু, প্রদত্ত ব্যবহারকারীরা 300ms বা তার বেশি বিলম্বের জন্য নিম্ন মানের স্তরের রিপোর্ট করেছে, 300ms একটি যুক্তিসঙ্গত "দরিদ্র" থ্রেশহোল্ড হিসাবে উপস্থাপন করে।

অর্জনযোগ্যতা

CrUX-এর ডেটা ব্যবহার করে, আমরা নির্ধারণ করি যে ওয়েবে বেশিরভাগ উত্স 100ms FID "ভাল" থ্রেশহোল্ড 75 তম শতাংশে পূরণ করে:

CrUX উৎপত্তির % FID 100ms থ্রেশহোল্ডের জন্য "ভাল" হিসাবে শ্রেণীবদ্ধ

উপরন্তু, আমরা লক্ষ্য করি যে ওয়েব জুড়ে শীর্ষস্থানীয় সাইটগুলি ধারাবাহিকভাবে 75 তম পার্সেন্টাইলে এই থ্রেশহোল্ডটি পূরণ করতে সক্ষম হয় (এবং প্রায়শই এটি 95 তম শতাংশে পূরণ করে)।

উপরে দেওয়া, আমরা উপসংহারে পৌঁছেছি যে 100ms হল FID-এর জন্য একটি যুক্তিসঙ্গত "ভাল" থ্রেশহোল্ড৷

ক্রমবর্ধমান লেআউট শিফট

অভিজ্ঞতার গুণমান

Cumulative Layout Shift (CLS) হল একটি নতুন মেট্রিক যা পরিমাপ করে যে একটি পৃষ্ঠার দৃশ্যমান বিষয়বস্তু কতটা বদলে যায়। প্রদত্ত CLS নতুন, আমরা গবেষণা সম্পর্কে সচেতন নই যা সরাসরি এই মেট্রিকের থ্রেশহোল্ডগুলিকে জানাতে পারে। এইভাবে, ব্যবহারকারীর প্রত্যাশার সাথে সামঞ্জস্যপূর্ণ একটি থ্রেশহোল্ড সনাক্ত করতে, আমরা পৃষ্ঠার বিষয়বস্তু ব্যবহার করার সময় উল্লেখযোগ্য বাধা সৃষ্টি করার আগে গ্রহণযোগ্য হিসাবে বিবেচিত স্থানান্তরের সর্বাধিক পরিমাণ নির্ধারণ করতে বিভিন্ন পরিমাণ লেআউট শিফট সহ বাস্তব-বিশ্বের পৃষ্ঠাগুলিকে মূল্যায়ন করেছি। আমাদের অভ্যন্তরীণ পরীক্ষায়, আমরা দেখেছি যে 0.15 এবং তার উপরে স্থানান্তরের স্তরগুলি ধারাবাহিকভাবে বিঘ্নজনক হিসাবে বিবেচিত হয়েছিল, যখন 0.1 এবং নীচের স্থানান্তরগুলি লক্ষণীয় ছিল তবে অত্যধিক ব্যাঘাতমূলক নয়৷ এইভাবে, যদিও শূন্য লেআউট শিফট আদর্শ, আমরা উপসংহারে পৌঁছেছি যে 0.1 পর্যন্ত মান হল প্রার্থী "ভাল" CLS থ্রেশহোল্ড।

অর্জনযোগ্যতা

CrUX ডেটার উপর ভিত্তি করে, আমরা দেখতে পাচ্ছি যে প্রায় 50% উৎপত্তির CLS 0.05 বা তার কম।

CrUX উত্সের % "ভাল" হিসাবে শ্রেণীবদ্ধ (প্রার্থী CLS থ্রেশহোল্ডের জন্য)

যদিও CrUX ডেটা প্রস্তাব করে যে 0.05 একটি যুক্তিসঙ্গত CLS "ভাল" থ্রেশহোল্ড হতে পারে, আমরা স্বীকার করি যে এমন কিছু ব্যবহারের ক্ষেত্রে রয়েছে যেখানে বর্তমানে বিঘ্নিত লেআউট পরিবর্তন এড়ানো কঠিন। উদাহরণস্বরূপ, সোশ্যাল মিডিয়া এম্বেডের মতো তৃতীয় পক্ষের এম্বেড করা বিষয়বস্তুর জন্য, এম্বেড করা বিষয়বস্তুর উচ্চতা কখনও কখনও লোডিং শেষ না হওয়া পর্যন্ত জানা যায় না, যা 0.05-এর বেশি লেআউট শিফট করতে পারে। এইভাবে, আমরা উপসংহারে পৌঁছেছি যে, অনেক উত্স 0.05 থ্রেশহোল্ড পূরণ করলে, 0.1 এর সামান্য কম কঠোর CLS থ্রেশহোল্ড অভিজ্ঞতার গুণমান এবং অর্জনের মধ্যে একটি ভাল ভারসাম্য বজায় রাখে। এটি আমাদের আশা যে, সামনের দিকে, ওয়েব ইকোসিস্টেম তৃতীয় পক্ষের এম্বেডগুলির কারণে সৃষ্ট লেআউট পরিবর্তনের সমাধানের সমাধানগুলি চিহ্নিত করবে, যা কোর ওয়েব ভাইটালগুলির ভবিষ্যতের পুনরাবৃত্তিতে 0.05 বা 0 এর আরও কঠোর CLS "ভাল" থ্রেশহোল্ড ব্যবহার করার অনুমতি দেবে। .

উপরন্তু, CLS-এর জন্য একটি "দরিদ্র" থ্রেশহোল্ড নির্ধারণ করতে, আমরা বেশিরভাগ উত্স দ্বারা পূরণ করা থ্রেশহোল্ড সনাক্ত করতে CrUX ডেটা ব্যবহার করেছি:

CrUX উত্সের % "দরিদ্র" হিসাবে শ্রেণীবদ্ধ (প্রার্থী CLS থ্রেশহোল্ডের জন্য)

0.25 থ্রেশহোল্ডের জন্য, মোটামুটি 20% ফোনের উত্স এবং 18% ডেস্কটপ উত্সকে "দরিদ্র" হিসাবে শ্রেণীবদ্ধ করা হবে। এটি আমাদের লক্ষ্য 10-30% এর মধ্যে পড়ে, তাই আমরা উপসংহারে পৌঁছেছি যে 0.25 একটি গ্রহণযোগ্য "দরিদ্র" প্রান্তিক।