Trusted by market leaders
使用直方图深入理解 User Experience
平均性能得分具有误导性。它们掩盖了 User Experience 的真相。如果一个用户在 1 秒内加载你的网站，而另一个用户用了 9 秒，平均值则是 5 秒。这个数字无法代表任何一个用户。直方图通过可视化加载时间的完整分布来揭示真相。
这张图表让你从单一指标转向全景视图。它揭示了异常值、长尾效应以及那些正遭受糟糕体验的特定用户群体。
直方图揭示了什么
直方图将你的性能数据分组到“桶”（buckets）中以显示频率。
- X轴（桶）：性能得分的范围（例如，0-1s, 1-2.5s）。
- Y轴（量）：落入每个桶的页面浏览量。柱状图的高度表明该体验的普遍程度。
- 百分位数（p75, p90, p99）：这些标记显示了大多数用户所处的位置。p75 线表示 75% 的流量比这个点更快。
如何使用直方图诊断问题
一个健康的直方图在左侧的快速桶中集中了大量用户，并呈现短促、陡峭的下降趋势。任何其他形状都是需要调查的危险信号。
- 长尾效应：寻找向右延伸很远且柱状较低的图形。这代表了性能非常差的“长尾”用户。这些通常是使用旧设备或慢速网络的用户。最小化这条尾巴可以提高你的 p95 和 p99 得分。
修复：专注于通过减少 JavaScript 执行和资源大小来针对受限环境进行优化。 - 双峰分布（双峰） 寻找图表中两个明显的峰值。这表明存在两种不同的 User Experience。这通常是由细分问题引起的，例如移动端与桌面端，或缓存与未缓存页面。
修复：使用过滤器隔离变量。 按设备类型、登录状态、国家/地区等进行过滤，直到找到使其中一个峰值消失的维度。你刚刚找到了影响整群用户的问题的根本原因。
优化 Core Web Vitals
直方图迫使你直面最慢用户的现实。分析分布是从一般优化转向精准改进的关键，这将提升你的 p75 得分并推动业务成果。
