Core/Dash histogrammer
Visualiser den fulde fordeling af brugeroplevelser. Identificer outliers og bimodale mønstre, som gennemsnit skjuler.
Forstå brugeroplevelsen med histogrammer
Gennemsnitlig performance er misvisende. Det skjuler den reelle brugeroplevelse. Hvis én bruger indlæser din side på 1 sekund, og en anden indlæser den på 9 sekunder, er gennemsnittet 5 sekunder. Tallet repræsenterer ingen af dem. Et histogram viser sandheden ved at visualisere den fulde fordeling af indlæsningstider.

Dette diagram flytter dig fra en enkelt metrik til det fulde billede. Det afslører outliers, den lange hale og de specifikke grupper af brugere, som har en dårlig oplevelse.
Hvad et histogram viser
Et histogram grupperer dine performance-data i intervaller for at vise frekvensen.
- X-aksen (intervaller): Intervaller af performance-scorer (f.eks. 0-1s, 1-2,5s).
- Y-aksen (volumen): Antallet af sidevisninger, der falder i hvert interval. Højden på søjlen viser, hvor almindelig den oplevelse er.
- Percentiler (p75, p90, p99): Disse markører viser, hvor størstedelen af dine brugere ligger. p75-linjen viser, at 75% af din trafik er hurtigere end dette punkt.
Sådan diagnosticerer du problemer med et histogram
Et sundt histogram har en stor koncentration af brugere i de hurtige intervaller til venstre og et kort, stejlt fald. Enhver anden form er et rødt flag, der kræver undersøgelse.
- Den lange hale: Hold øje med en graf, der strækker sig langt til højre med lave søjler. Dette repræsenterer en "lang hale" af brugere med meget dårlig performance. Det er ofte brugere på ældre enheder eller langsomme netværk. At minimere denne hale forbedrer dine p95- og p99-scorer.

Fiks: Fokusér på at optimere til ressourceknappe miljøer ved at reducere JavaScript-eksekvering og filstørrelser. -
Bimodal fordeling (den dobbelte top) Kig efter to tydelige toppe i diagrammet. Det indikerer to forskellige brugeroplevelser. Det skyldes ofte et segmenteringsproblem, som f.eks. mobil vs. desktop eller cachede vs. ikke-cachede sider.

Fiks: Brug filtrene til at isolere variablen. Filtrer efter enhedstype, login-status, land osv., indtil du har fundet den dimension, der får en af toppene til at forsvinde. Du har lige fundet roden til problemet for en hel kohorte af brugere.
Optimering af Core Web Vitals
Histogrammet tvinger dig til at konfrontere virkeligheden for dine langsomste brugere. At analysere fordelingen er nøglen til at gå fra generel optimering til kirurgiske forbedringer, der løfter dine p75-scorer og skaber forretningsresultater.

