CORE WEB VITALS:

Benchmark de competidores con CrUX y BigQuery

#DOYOUSEO

@guaca

¿Qué veremos hoy?

  • Intro to Core Web Vitals
  • Intro to CrUX
  • Let's SQL it!
  • Let's turn data into info

#DOYOUSEO

@guaca

Intro to CWV

Qué son las Core Web Vitals, qué miden y por qué son importantes para SEO.

1

#DOYOUSEO

@guaca

Intro to Core Web Vitals

En mayo de 2020, Google anuncia las Core Web Vitals como un conjunto de métricas relacionadas con la velocidad, la interactividad y la estabilidad visual con las que poder ayudar a medir la user experience en la web.

Estas nuevas métricas están también disponibles en el Chrome Uxer Experience report.

#DOYOUSEO

@guaca

Intro to Core Web Vitals

#DOYOUSEO

@guaca

Intro to Core Web Vitals

Field Data

Lab Data

Google Search Console

Lighthouse

PageSpeed Insights

Chrome Dev Tools

Chrome UX Report

#DOYOUSEO

@guaca

Intro to CrUX

Qué es el Chrome User Experience report, qué información tiene y cómo puedo explorar sus datos. 

2

#DOYOUSEO

@guaca

Intro to CrUX

En octubre de 2017, Google pone a nuestra disposición el Chrome User Experience report (CrUX), un dataset público en el que tenemos disponibles métricas de UX de los usuarios reales de Chrome.

Con el anuncio de las Core Web Vitals el pasado mes de mayo, estas se añaden también al CrUX.

Todos los datos del CrUX los tenemos disponibles para su exploración en BigQuery.

 

Using the Chrome UX Report on BigQuery

#DOYOUSEO

@guaca

Important Metrics
Dimensions
First contentful paint (FCP) Origin
Largest contentful paint (LCP) Country
First input delay (FID) Device Type
Time to Interactive (TTI) Effective Connection Type
Total blocking time (TBT)
Cumulative layout shift (CLS)

Intro to CrUX

#DOYOUSEO

@guaca

Intro to CrUX

#DOYOUSEO

@guaca

Intro to CrUX

#DOYOUSEO

@guaca

Intro to CrUX

#DOYOUSEO

@guaca

Let's SQL it!

SQL es un lenguaje de consulta estructurada con el que podemos explorar y filtrar los datos de una base de datos y extraer la información que necesitamos. 

3

#DOYOUSEO

@guaca

Let's SQL it!

  • ¿Qué información quiero?
  • ¿Qué datos necesito?
  • ¿Dónde están estos datos?
  • ¿Y cómo los puedo conseguir?

#DOYOUSEO

@guaca

Let's SQL it!

¿Qué información quiero?

  • Conocer el estado actual de las Core Web Vitals de mi web vs las de mis competidores.
  • Evolución de las mismas durante el 2020 para detectar si algún competidor está trabajando en ellas.
  • Tener la información desglosada por dispositivo.

#DOYOUSEO

@guaca

Let's SQL it!

¿Qué datos necesito?

  • LCP de cada  uno de los players durante 2020.
  • FID de cada uno de los player durante 2020.
  • CLS de cada uno de los players durante 2020.
  • Datos desglosados por tipo de dispositivo

#DOYOUSEO

@guaca

Let's SQL it!

¿Dónde están estos datos?

En este ejemplo concreto, podemos aprovechar los datos precalculados que tenemos en el dataset "materialized" para realizar queries mucho más ligeras y rápidas. 

#DOYOUSEO

@guaca

Let's SQL it!

¿Y cómo los puedo conseguir?

QUERIES

QUERIES EVERYWHERE

#DOYOUSEO

@guaca

Let's SQL it!

SELECT
 [fields]
FROM
 [dataset]
WHERE
 [conditions]
ORDER BY
 [order]

#DOYOUSEO

@guaca

Let's SQL it!

SELECT
  origin,
  device,
  date,
  fast_lcp AS good_lcp,
  avg_lcp AS ni_lcp,
  slow_lcp AS poor_lcp,
  p75_lcp,
  fast_fid AS good_fid,
  avg_fid AS ni_fid,
  slow_fid AS poor_fid,
  p75_fid,
  small_cls AS good_cls,
  medium_cls AS ni_cls,
  large_cls AS poor_cls,
  p75_cls
FROM
  `chrome-ux-report.materialized.device_summary`
WHERE
  date >= '2020-01-01' AND
  origin IN ('https://www.zara.com', 'https://www2.hm.com', 'https://www.desigual.com')
 ORDER BY
  date desc,
  origin asc

#DOYOUSEO

@guaca

Let's SQL it!

#DOYOUSEO

@guaca

Let's SQL it!

#DOYOUSEO

@guaca

Let's SQL it!

#DOYOUSEO

@guaca

Let's SQL it!

#DOYOUSEO

@guaca

Let's turn data into info!

La visualización de datos es fundamental para convertir los datos en información fácilmente consumible.

4

#DOYOUSEO

@guaca

Let's turn data into info!

#DOYOUSEO

@guaca

Let's turn data into info!

#DOYOUSEO

@guaca

Let's turn data into info!

#DOYOUSEO

@guaca

Let's turn data into info!

#DOYOUSEO

@guaca

Let's turn data into info!

Phone

Desktop

90%

5%

10%

86%

51%

45%

#DOYOUSEO

@guaca

Let's turn data into info!

  • Existe un competidor (H&M) que está muy por detrás de los demás en métricas CWV y con evolución negativa en 2020.
  • Hay desigualdad en la distribución de usuarios por dispositivo en función del competidor. ¿Los usuarios mobile de Zara usan APP en vez de la web? ¿Desigual tiene usuarios que prefieren visitar la web  en mobile o sus usuarios desktop no utilizan Chrome?
  • Cada competidor pondrá esfuerzos en mejorar sus métricas en aquellos dispositivos que aglutinen el mayor número de usuarios para conseguir que el P75 de cada métrica esté dentro de los valores óptimos según Google.

#DOYOUSEO

@guaca

What else?

QUERIES

QUERIES EVERYWHERE

#DOYOUSEO

@guaca

Let's SQL it!

SELECT
  form_factor.name AS device,
  lcp.start,
  ROUND(SUM(lcp.density), 4) AS density
FROM
  `chrome-ux-report.country_es.202007`,
  UNNEST(largest_contentful_paint.histogram.bin) AS lcp
WHERE
  origin = 'https://www.zara.com'
GROUP BY
  device,
  start
ORDER BY
  device,
  start

#DOYOUSEO

@guaca

Let's SQL it!

#DOYOUSEO

@guaca

Let's SQL it!

SELECT
  yyyymm,
  `chrome-ux-report`.experimental.GET_COUNTRY(country_code) AS country,
  fast_lcp AS good_lcp,
  avg_lcp AS ni_lcp,
  slow_lcp AS poor_lcp,
FROM
  `chrome-ux-report.materialized.country_summary`
WHERE
  yyyymm >= 202001 AND
  country_code IN ('es', 'gb', 'fr') AND
  origin = 'https://www.zara.com'
  
ORDER BY
  yyyymm DESC,
  country

#DOYOUSEO

@guaca

Let's SQL it!

#DOYOUSEO

@guaca

Let's SQL it!

TO INFINITY

AND BEYOND!

#DOYOUSEO

@guaca

¡GRACIAS!

#DOYOUSEO

@guaca