真實用戶監控與 Core Web Vitals
背景脈絡
效能不是一份報告上的數字,而是分散在數百萬台裝置、網路環境與使用情境中的真實體驗。在開發者的 M2 MacBook Pro 上、透過快速辦公室 Wi-Fi 量測得到的 Lighthouse 分數 95,對於一位使用四年前低階 Android 手機、在訊號不穩的 LTE 環境下瀏覽的用戶而言,幾乎毫無參考價值。
實驗室效能與現場效能之間的這道鴻溝,正是**真實用戶監控(Real User Monitoring,RUM)**要解決的核心問題。RUM 從實際用戶工作階段中收集效能指標:真實的裝置、真實的瀏覽器、真實的網路,以及真實的頁面載入——包含所有 Lighthouse 從未見過的第三方腳本、A/B 測試酬載,以及功能旗標覆寫。
Core Web Vitals 是 Google 在 2020 年推出的標準化以用戶為中心的效能指標集合,並自 2021 年起納入 Google 搜尋排名。它們衡量感知品質的三個維度:
- LCP(Largest Contentful Paint,最大內容繪製): 主要內容出現的速度有多快?LCP 測量從頁面導航開始,到視窗中最大的圖片或文字區塊完成渲染所需的時間。
- INP(Interaction to Next Paint,互動到下一次繪製): 頁面的互動響應感覺如何?INP 測量從用戶輸入(點擊、觸碰、鍵盤按鍵)到下一次頁面繪製的延遲。INP 在 2024 年 3 月取代了 FID(First Input Delay),因為 FID 只測量瀏覽器開始處理第一次互動前的延遲,而 INP 則測量頁面整個生命週期中所有互動的完整端對端互動成本。
- CLS(Cumulative Layout Shift,累積版面配置位移): 版面配置的穩定性如何?CLS 測量非預期的視覺位移——當沒有設定尺寸的圖片延遲載入、動態內容插入到現有內容上方,或字型在渲染過程中交換時,元素在初始渲染後發生移動的情況。
每個指標有三個評分區間:
| 指標 | 良好 | 需要改善 | 差 |
|---|---|---|---|
| LCP | < 2.5s | 2.5s – 4s | > 4s |
| INP | < 200ms | 200ms – 500ms | > 500ms |
| CLS | < 0.1 | 0.1 – 0.25 | > 0.25 |
由 Google 維護的 web-vitals JavaScript 函式庫,透過瀏覽器的 Performance Observer API 提供了收集這三個指標(以及 FCP 和 TTFB)的穩定介面。它是任何 RUM 管線的標準監測層。
除了 Google 排名之外,Core Web Vitals 的重要性在於:它們是網頁平台目前最接近用戶體驗品質共同語彙的東西。LCP 低於 2.5s 代表用戶能快速看到內容。INP 低於 200ms 代表互動感覺即時。CLS 低於 0.1 代表版面配置值得信賴。當一個團隊承諾在生產環境中維持這些閾值——以 p75 為基準、跨真實裝置量測——他們就是在承諾一個具體的用戶體驗標準。
設計思維
為何 RUM 在生產監控上優於 Lighthouse
Lighthouse 是一種合成監控工具:它在受控環境(Chrome DevTools Protocol、特定的 CPU 節流等級、特定的網路節流預設)中,於單一裝置上執行一次有腳本的頁面載入,在單一時間點產生結果。它具有確定性和可重現性,因此非常適合作為 CI 品質門檻和開發期間的開發者回饋工具。WebPageTest 是另一個強大的合成監控工具,支援多步驟腳本、自訂連線限速配置和詳細的瀑布圖分析——但它與所有合成監控工具共享相同的根本限制:在受控的實驗室環境中執行,而非在真實用戶的設備和網路上。
但生產環境並非受控環境。真實用戶透過以下環境存取你的應用程式:
- 裝置從上個月發布的旗艦手機,到配備單顆緩慢 CPU 核心的四年前低階 Android。
- 網路從千兆光纖,到時斷時續的邊緣 LTE。
- 瀏覽器版本包括最新版 Chrome,但也有 Firefox ESR、舊款 iPhone 上的 Safari,以及平價 Android 裝置上的 Samsung Internet。
- 包含你的 CI Lighthouse 從未載入的第三方分析腳本、A/B 測試酬載和 Cookie 同意橫幅的工作階段。
- 首次訪客的冷快取狀態,以及回訪用戶的暖快取狀態。
Lighthouse 分數告訴你在某一組特定條件下效能看起來如何。RUM 告訴你效能在用戶實際體驗的條件分佈中看起來如何。這兩個數字往往差距甚大。Lighthouse LCP 為 1.8s(良好)的頁面,若有相當比例的用戶使用低速行動裝置,很容易出現 p75 現場 LCP 為 4.2s(差)的情況。
關於是否投資伺服器端渲染、圖片最佳化、JavaScript 分割或快取策略的生產決策,必須由現場資料驅動,而非實驗室資料。Lighthouse 是開發工具。RUM 是生產監測儀器。
為何 INP 取代了 FID
FID(First Input Delay)只測量用戶第一次互動和瀏覽器第一次有機會回應之間的延遲——而非互動實際花了多長時間處理,也不測量第一次之後的任何後續互動。一個頁面可以有良好的 FID 分數,同時在第一次點擊後進行大量資料處理時完全失去響應。
INP(Interaction to Next Paint)於 2022 年作為實驗性指標推出,並在 2024 年 3 月取代 FID 成為 Core Web Vital,它測量頁面整個生命週期中互動的端對端延遲。對於每次互動(點擊、觸碰、鍵盤輸入),INP 測量從輸入事件到下一次畫面繪製的時間。回報的 INP 值是整個工作階段中觀測到的最差互動延遲(允許少量離群值,以避免單一異常事件主導分數)。
這代表 INP 能揭露 FID 遺漏的真實響應性問題:長時間執行的事件處理器、由用戶操作觸發的大量重新渲染、阻塞主執行緒的同步儲存存取,以及延遲畫面繪製的第三方腳本。
為何 p75 是正確的百分位數
當一個團隊回報「我們的平均 LCP 是 2.1s」,他們隱藏了一個關鍵的分佈情況。平均值 2.1s 可能代表:
- 90% 的用戶 LCP 為 1.5s,10% 的用戶 LCP 為 8.6s——嚴重的尾部問題影響十分之一的用戶。
- 50% 的用戶為 1.0s,50% 的用戶為 3.2s——雙峰分佈,半數用戶效能差。
平均值掩蓋了慢尾用戶的體驗,而這些用戶往往正是使用最差裝置和連線的用戶——通常也是最沒有其他平台選擇的用戶。
Google 的 Chrome UX Report(CrUX)使用 p75 作為搜尋排名的閾值:URL 在 Google 搜尋中的 Core Web Vitals 評分,是由現場量測的第 75 百分位數是否落在良好、需要改善或差的區間來決定。p75 代表 75% 的用戶體驗到等於或優於回報值的效能。針對 p75 最佳化,意味著為大多數真實用戶最佳化,而非只為最佳情況的用戶最佳化。
p75 比 p95 或 p99(更嘈雜且更難改善)更具可行性,也比 p50(中位數,隱藏了較差的一半分佈)更誠實。
為何大規模流量下需要取樣
在大規模流量下,將每個用戶工作階段的每個指標事件傳送到分析端點是昂貴的。一個每日有 100 萬訪客的網站,每次頁面載入收集五個指標(LCP、INP、CLS、FCP、TTFB),每天就會產生 500 萬個分析事件。以標準分析數據擷取成本計算,這將成為可觀的基礎設施支出——而從 100 萬個數據點增加到 100 萬個數據點的邊際價值為零。
對 100 萬個工作階段取 1% 的樣本,可提供 10,000 個數據點——足以以緊密信賴區間估計 p75 的統計量。5% 的樣本提供 50,000 個數據點,對於依裝置類別、地理區域或頁面範本進行分群已綽綽有餘。
正確的取樣率取決於流量量:
- 高流量網站(每日工作階段 100 萬以上):1–2% 取樣
- 中等流量網站(每日工作階段 10 萬至 100 萬):5–10% 取樣
- 低流量網站(每日工作階段低於 10 萬):100%(無需取樣)
取樣應基於工作階段(每個工作階段決定一次,而非每個指標事件),以確保被取樣工作階段的所有指標都一起回報,保留在同一次訪問中關聯 LCP、INP 和 CLS 的能力。
最佳實踐
必須(MUST)使用 web-vitals 函式庫中的 onINP 測量互動響應性——禁止(MUST NOT)使用已棄用的 onFID。 INP 在 2024 年 3 月正式取代 FID 成為 Core Web Vital,它測量頁面整個生命週期中的端對端互動延遲。團隊必須(MUST)將現有的 FID 監測工具遷移至 INP;舊儀表板中的 FID 資料應該(SHOULD)僅視為歷史資料。
必須(MUST)以 p75 百分位數——而非平均值——回報 Core Web Vitals。 Google 的排名演算法以真實 Chrome 工作階段的第 75 百分位數評估 URL 的 Core Web Vitals。平均值 2.0s 的 LCP 可能掩蓋雙峰分佈,其中半數用戶體驗到 3.5s LCP。團隊必須(MUST)設定分析後端使用百分位數聚合(例如 ClickHouse 中的 quantile(0.75)(value))。
應該(SHOULD)使用 navigator.sendBeacon——而非 fetch——將 RUM 指標事件提交至分析端點。 工作階段後期收集的指標(特別是 INP)如果使用 fetch 回報,在用戶導航離開時有遺失的風險。團隊應該(SHOULD)同時監聽 visibilitychange 事件,在 document.visibilityState === 'hidden' 時刷新指標佇列。
應該(SHOULD)以工作階段為單位進行取樣——而非以每個指標事件為單位——然後再傳送資料至分析端點。 在 sessionStorage 中對每個工作階段做一次取樣決策,並對該工作階段的所有指標統一套用。按指標取樣會產生不一致的資料集,使同一工作階段的 LCP 和 INP 無法互相關聯。
應該(SHOULD)在做出效能結論前,依頁面範本、裝置類別和瀏覽器對 RUM 資料進行分群。 整個網站的單一 p75 LCP 聚合值掩蓋了結帳頁面在行動裝置上 LCP 為 4.5s 的問題。團隊應該(SHOULD)將 CrUX 和自有 RUM 管線的現場資料視為生產效能決策的權威依據;Lighthouse 應該(SHOULD)僅作為開發階段的工具。
必須(MUST)以工作階段為單位做取樣決策,而非以每個指標為單位。 在 sessionStorage 中對每個工作階段做一次取樣決策,並對該工作階段的所有指標統一套用。按指標取樣會產生不一致的資料集,使同一工作階段的 LCP 和 INP 無法互相關聯。團隊應該(SHOULD)依流量量設定取樣率:超過 100 萬每日工作階段取 1–2%,10 萬至 100 萬取 5–10%,10 萬以下不取樣(100%)。
視覺化
RUM 管線
以下圖表顯示從用戶互動到監控儀表板中可見的 p75 分佈的路徑。當瀏覽器確定一個指標時,web-vitals 觀察器就會觸發,資料在客戶端進行批次處理以減少網路請求,並將批次傳送到將指標聚合成百分位分佈的分析端點。
範例
安裝與設定 web-vitals 函式庫
npm install web-vitals此函式庫為每個指標提供個別的函式。每個函式接受一個回呼,接收具有一致結構的指標物件:
import { onLCP, onINP, onCLS, onFCP, onTTFB } from 'web-vitals';
// 每個回呼接收:{ name, value, rating, delta, id, navigationType }
onLCP(console.log);
onINP(console.log);
onCLS(console.log);rating 欄位一律為 'good'、'needs-improvement' 或 'poor' 之一——函式庫會自動套用標準閾值。
將指標傳送至分析端點
建議的模式是在指標觸發時收集它們,並在用戶離開頁面時使用 navigator.sendBeacon 批次傳送,以確保請求在頁面卸載時也能完成:
// src/lib/vitals.ts
import { onLCP, onINP, onCLS, onFCP, onTTFB, type Metric } from 'web-vitals';
const queue: Metric[] = [];
let scheduled = false;
function scheduleFlush() {
if (scheduled) return;
scheduled = true;
if (typeof requestIdleCallback !== 'undefined') {
requestIdleCallback(flush, { timeout: 2500 });
} else {
setTimeout(flush, 0);
}
}
function flush() {
if (queue.length === 0) return;
const body = JSON.stringify({
metrics: queue.map((m) => ({
name: m.name,
value: m.value,
rating: m.rating,
id: m.id,
navigationType: m.navigationType,
})),
url: location.href,
timestamp: Date.now(),
});
// sendBeacon 在頁面卸載時仍能運作;fetch 則不行
navigator.sendBeacon('/api/vitals', new Blob([body], { type: 'application/json' }));
queue.length = 0;
scheduled = false;
}
function collect(metric: Metric) {
queue.push(metric);
scheduleFlush();
}
addEventListener('visibilitychange', () => {
if (document.visibilityState === 'hidden') flush();
});
addEventListener('pagehide', flush);
export function initVitals() {
onLCP(collect);
onINP(collect);
onCLS(collect);
onFCP(collect);
onTTFB(collect);
}在應用程式啟動時呼叫一次 initVitals():
// src/main.ts
import { initVitals } from './lib/vitals';
initVitals();
// ... 其餘應用程式初始化加入取樣機制
在回報路徑中加入以工作階段為單位的取樣決策,每個工作階段決定一次並儲存在 sessionStorage:
// src/lib/vitals.ts(含取樣)
import { onLCP, onINP, onCLS, onFCP, onTTFB, type Metric } from 'web-vitals';
const SAMPLE_RATE = 0.05; // 5% 的工作階段
function shouldSample(): boolean {
const key = 'rum_sampled';
const stored = sessionStorage.getItem(key);
if (stored !== null) return stored === '1';
const sampled = Math.random() < SAMPLE_RATE;
sessionStorage.setItem(key, sampled ? '1' : '0');
return sampled;
}
function sendMetric(metric: Metric) {
const body = JSON.stringify({
name: metric.name,
value: metric.value,
rating: metric.rating,
id: metric.id,
url: location.href,
});
navigator.sendBeacon('/api/vitals', new Blob([body], { type: 'application/json' }));
}
export function initVitals() {
if (!shouldSample()) return; // 未取樣的工作階段提前退出
onLCP(sendMetric);
onINP(sendMetric);
onCLS(sendMetric);
onFCP(sendMetric);
onTTFB(sendMetric);
}分析端點(Node.js / Edge Function)
一個接收指標事件並轉發到時序儲存或分析平台的最小端點:
// api/vitals.ts(Next.js API route 或 Vercel Edge Function)
import type { NextRequest } from 'next/server';
export const runtime = 'edge';
export async function POST(req: NextRequest) {
const body = await req.json();
const { name, value, rating, id, url } = body;
// 轉發至你的分析後端(例如 ClickHouse、BigQuery、Datadog)
await fetch(process.env.ANALYTICS_INGEST_URL!, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': `Bearer ${process.env.ANALYTICS_TOKEN}`,
},
body: JSON.stringify({
metric: name,
value,
rating,
event_id: id,
page_url: url,
ts: Date.now(),
}),
});
return new Response(null, { status: 204 });
}Vercel Speed Insights
對於部署在 Vercel 上的應用程式,Speed Insights 提供內建的 Core Web Vitals RUM,除了安裝套件外,零設定即可使用:
npm install @vercel/speed-insights在 React 應用程式中:
// src/main.tsx
import { SpeedInsights } from '@vercel/speed-insights/react';
export function App() {
return (
<>
{/* 你的應用程式 */}
<SpeedInsights />
</>
);
}對於使用 inject 函式的框架無關方式:
import { inject } from '@vercel/speed-insights';
inject();Vercel Speed Insights 在 Vercel 儀表板中聚合指標,並按路由、裝置類型和國家呈現 p75 值。資料來自真實用戶工作階段,而非合成量測。
Datadog RUM
對於已使用 Datadog 進行基礎設施監控的組織,Datadog RUM 將 Core Web Vitals 整合到與 APM 追蹤和基礎設施指標相同的可觀測性平台:
npm install @datadog/browser-rum// src/lib/datadog.ts
import { datadogRum } from '@datadog/browser-rum';
datadogRum.init({
applicationId: 'YOUR_APPLICATION_ID',
clientToken: 'pub_XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX',
site: 'datadoghq.com',
service: 'your-frontend-service',
env: import.meta.env.MODE,
version: import.meta.env.VITE_RELEASE,
sessionSampleRate: 5, // 5% 的工作階段
sessionReplaySampleRate: 1, // 1% 的工作階段錄製 Session Replay
trackUserInteractions: true, // 啟用 INP 追蹤
trackResources: true, // 追蹤資源時序
trackLongTasks: true, // 追蹤長時間任務(> 50ms)
defaultPrivacyLevel: 'mask-user-input',
});Datadog RUM 自動收集 LCP、INP 和 CLS,並在 Core Web Vitals 儀表板中按瀏覽器、裝置、國家和頁面呈現 p50/p75/p95 分佈。
Cloudflare Browser Insights
Cloudflare Browser Insights 是內建在 Cloudflare 代理層的零設定 RUM 工具。對於已使用 Cloudflare 代理的網站,可在 Cloudflare 儀表板的 Speed → Browser Insights 中啟用,無需安裝任何 JavaScript SDK。
啟用後,Cloudflare 會從真實瀏覽器工作階段收集 Core Web Vitals(LCP、INP、CLS)和頁面載入指標。結果會依國家、瀏覽器和連線類型分類顯示在 Cloudflare 儀表板中。
適合場景: 已使用 Cloudflare 的團隊,需要基本 RUM 但不想新增 JavaScript 依賴。它不支援自訂事件追蹤、用戶上下文或自訂維度——這些需求請改用 Datadog RUM 或 Vercel Speed Insights。
從 Google Search Console 讀取 CrUX 資料
Google Search Console 的 Core Web Vitals 報告顯示來自 Chrome UX Report(CrUX)的現場資料——這是 Google 聚合的真實 Chrome 用戶工作階段。這是 Google 排名演算法評估你的 Core Web Vitals 的權威來源。
導航路徑:Google Search Console > 體驗 > Core Web Vitals。
報告顯示:
- 評級為良好、需要改善或差的 URL 數量。
- 哪些特定 URL 有 LCP、INP 或 CLS 問題。
- 行動裝置和桌機是否有顯著差異。
CrUX 資料是 28 天滾動彙整的 Chrome 工作階段。它不是即時的,且不支援細粒度分群,但它是 Google 如何感知你的效能的權威視角。
如需程式化存取,CrUX API 位於 https://chromeuxreport.googleapis.com/v1/records:queryRecord。
常見錯誤
忽略動態內容造成的 CLS 退步
CLS 退步通常由以下原因引入:
- 沒有明確 width/height 屬性的圖片輪播
- 在初始渲染後插入到頁面內容上方的 Cookie 同意橫幅
- 伺服器端渲染的列表被高度不同的客戶端渲染列表取代
- 網頁字型在字型交換期間造成文字重排
CLS 退步通常在 RUM 資料中出現,早於被視覺發現。監控 p75 CLS,並對超過 0.1 的退步設定警示。
相關 FEE
- FEE-1400:可觀測性與錯誤追蹤總覽 — 類別背景和前端可觀測性的三大支柱
- FEE-1401:使用 Sentry 進行錯誤追蹤 — Sentry 用於捕獲 JavaScript 例外和效能追蹤
- FEE-1404:OpenTelemetry 瀏覽器追蹤 — 從瀏覽器到後端的分散式追蹤,補充 RUM 指標資料
- FEE-1405:功能旗標可觀測性與 A/B 測試 — LCP 和 INP 作為 A/B 實驗的預先指定護欄指標;將 Core Web Vitals 作為 PostHog 事件回報以進行各變體分析
- FEE-1406:Core Web Vitals 的 SLO — 為 LCP、INP 和 CLS 定義和設定服務等級目標的警示