Core/Dash Dimensie: Aangepaste Labels & Segmentatie

Aangepaste Segmentatie in CoreDash

Technische dimensies zoals land en apparaattype worden opgebouwd uit browsersignalen. CoreDash verzamelt deze automatisch. De drie dimensies die hier worden behandeld zijn anders: Paginabel, A/B-test en Inlogstatus worden door de gebruiker gedefinieerd. Je stelt ze in door een window-variabele toe te wijzen in je eigen code voordat CoreDash wordt uitgevoerd.

Die verschuiving van automatisch naar opzettelijk is precies het punt. Jouw applicatie weet dingen die de browser niet kan afleiden: welke checkout-variant een gebruiker ziet, of de huidige URL een productdetailpagina of een landingspagina is, of de gebruiker is geauthenticeerd. Door die context aan CoreDash door te geven, weerspiegelen je prestatiegegevens hoe jouw bedrijf daadwerkelijk werkt.

Paginalabel (lb)

Met de Paginalabel dimensie kun je pagina's groeperen op zakelijke functie in plaats van op URL-structuur. Je definieert het als volgt:

window.__CWVL = 'mypagelabel';

Typische waarden: checkout, product-detail, landing-page, category, search-results, account. De waarde is een willekeurige string die je zelf beheert.

Waarom dit belangrijk is

URL-gebaseerde analyse heeft een fundamenteel schaalbaarheidsprobleem. Een grote e-commerce site kan 50.000 productdetailpagina's hebben. Hun URL's zien eruit als /products/blue-widget-32oz en /products/red-gadget-xl. Dit zijn dezelfde templates, dezelfde zakelijke functie en hetzelfde optimalisatiedoel. Ze per URL analyseren is niet nuttig. Door ze te groeperen onder product-detail krijg je één prestatieprofiel voor de volledige productcatalogus.

Het Paginalabel scheidt ook pagina's die verschillende prestatiebudgetten dienen. Een checkout-pagina heeft één acceptabele LCP-drempel omdat dit directe inkomsten oplevert. Een blogpost heeft een andere tolerantie. Een landingspagina met betaald verkeer heeft nul tolerantie voor een trage LCP, omdat elke milliseconde advertentiekosten opslokt.

Zodra je pagina's labelt op zakelijke functie, kun je in CoreDash verschillende waarschuwingsdrempels per label instellen en de juiste waarschuwingen naar de juiste teams sturen.

A/B-test (ab)

De A/B-test dimensie bevat een label dat je toewijst aan de huidige variant die een gebruiker ervaart. Je definieert het als volgt:

window.__CWAB = 'my page version';

De waarde is willekeurig. variant-a en variant-b zijn voor de hand liggende keuzes, maar je kunt elke string gebruiken die overeenkomt met de variant-identifiers van je experimentatieplatform.

Waarom dit belangrijk is

A/B-testen zijn een van de meest voorkomende bronnen van onbedoelde prestatieregressies. Variant B levert een nieuwe hero image-carrousel. Variant B laadt een third-party aanbevelingswidget. Variant B bevat een extra ronde React-hydratie. Al deze zaken brengen prestatiekosten met zich mee die je experimentatietooling vrijwel zeker niet meet.

De meeste experimentatieplatforms volgen conversieratio's en omzet. Ze volgen geen p75 LCP of INP. Als variant B 2% beter converteert maar 400ms trager laadt op mobiel, moet je dat weten voordat je het uitrolt naar 100% van het verkeer. De prestatiekosten kunnen de conversiewinst in het volgende kwartaal tenietdoen naarmate gebruikers hun geduld verliezen.

Met __CWAB ingesteld, open je CoreDash, filter je op ab = variant-b en vergelijk je de Core Web Vitals direct met de controleversie. Ik heb A/B-testen gezien waarbij de winnende variant een 600ms slechtere p75 LCP had dan de controleversie, omdat deze een zwaarder lettertype laadde. Het zakelijke team zag de conversiestijging; ze zagen de prestatieregressie niet. Dat is wat deze dimensie voorkomt.

Inlogstatus (li)

De Inlogstatus dimensie registreert of de huidige gebruiker is geauthenticeerd. Je definieert het als volgt:

window.__CWVLI = 1; // ingelogd
window.__CWVLI = 0; // uitgelogd

Waarom dit belangrijk is

Ingelogde gebruikers ontvangen een fundamenteel andere pagina dan anonieme bezoekers. Hun verzoeken omzeilen veel CDN-cachelagen. De server voert databasequery's uit voor gepersonaliseerde content: de winkelwagen van de gebruiker, hun bestelgeschiedenis, hun opgeslagen items. Dat werk aan de serverkant telt direct op bij TTFB.

Aan de frontend laden geauthenticeerde pagina's vaak meer JavaScript: accountwidgets, notificatiesystemen, reactiviteit van de winkelwagen. Ze kunnen ook de prerendering of edge caching overslaan die anonieme pagina's snel maakt. Het resultaat is dat ingelogde gebruikers vaak tragere prestaties ervaren dan anonieme gebruikers, terwijl ingelogde gebruikers doorgaans je meest waardevolle klanten zijn. Ze zijn al geconverteerd. Zij zijn degenen die je het meest moet behouden.

Zonder de li dimensie verbergen trage geauthenticeerde prestaties zich in je geaggregeerde cijfers. Je anonieme LCP is misschien 1.8s, terwijl je ingelogde LCP 3.4s is. Het gemiddelde toont 2.3s en lijkt acceptabel. Splits dit op basis van li en het plaatje verandert volledig.

Implementatie

Alle drie de dimensies gebruiken hetzelfde patroon: stel een window-variabele in voordat de CoreDash snippet wordt uitgevoerd. Plaats ze in een script-tag in de head van je document of in de initialisatiecode van je applicatie:

// Stel alle drie in op basis van je app-status
window.__CWVL  = 'checkout';      // paginalabel
window.__CWAB  = 'variant-b';     // A/B-test variant
window.__CWVLI = 1;               // ingelogd

De labelwaarden zijn strings (behalve __CWVLI, die 1 of 0 accepteert). Houd ze consistent in je hele codebase. Als je product-detail in de ene template gebruikt en productDetail in de andere, behandelt CoreDash deze als twee afzonderlijke segmenten en fragmenteert je data. Kies een conventie en handhaaf deze.

Alle drie combineren

De echte waarde ontstaat wanneer je deze dimensies met elkaar combineert. Je voert een A/B-test uit op je checkout-pagina voor ingelogde gebruikers. Je wilt weten of variant B de geauthenticeerde checkout-ervaring sneller of trager maakt.

In CoreDash filter je op ab = variant-b plus lb = checkout plus li = 1. Dat geeft je specifiek de prestaties van je checkout-variant voor geauthenticeerde gebruikers. Geen enkele andere monitoringtool brengt die combinatie naar boven zonder maatwerk aan jouw kant.

Standaard technische dimensies vertellen je wat de browser heeft ervaren. Aangepaste dimensies vertellen je wat het bedrijf heeft ervaren. Een LCP-regressie van 400ms betekent iets heel anders op een landing-page met betaald verkeer dan op een blog post. Deze verschillen zijn belangrijk voor prioritering, en prioritering is waar prestatiewerk ofwel slaagt ofwel stagneert.