Largest Contentful Paint (LCP)
Estima cuándo termina de renderizarse en el laboratorio la imagen o el bloque de texto visible más grande. Usa un resultado lento para investigar el contenido principal, los recursos y la entrega.
Ejecuta comprobaciones de laboratorio diarias para URL públicas seleccionadas y mantén LCP, CLS, FCP, TTFB, TBT, Speed Index, el veredicto actual y la hora de comprobación junto a tu flujo de SEO técnico. Detecta regresiones y vuelve a probar correcciones concretas sin confundir mediciones sintéticas con datos reales de usuarios.
Demasiado largo; no leído
Screpy ejecuta comprobaciones de laboratorio recurrentes para URL públicas seleccionadas. Informa de LCP y CLS junto con FCP, TTFB, TBT, Speed Index, un veredicto de laboratorio y la frescura de la comprobación para que los equipos encuentren regresiones, investiguen una causa concreta y vuelvan a medir sin confundir resultados sintéticos con datos reales.
El informe separa carga, estabilidad visual, respuesta del servidor y diagnósticos del hilo principal para que un único veredicto no oculte la señal que necesita investigación.
Estima cuándo termina de renderizarse en el laboratorio la imagen o el bloque de texto visible más grande. Usa un resultado lento para investigar el contenido principal, los recursos y la entrega.
Mide el movimiento visual inesperado durante la prueba. Imágenes sin dimensiones, embeds, fuentes y contenido tardío son lugares habituales para investigar.
Comprueba cuándo se pinta el primer texto, imagen u otro contenido. FCP ayuda a localizar retrasos iniciales antes de que aparezca el contenido principal.
Revisa el retraso de la respuesta inicial del servidor observado por la prueba. Un valor lento puede apuntar a hosting, caché, redirecciones o trabajo del backend.
Mide cuánto tiempo las tareas del hilo principal bloquean la respuesta en el laboratorio. TBT es un diagnóstico útil, pero no es la métrica real de usuario Interaction to Next Paint.
Resume la rapidez con que aparece el contenido visible durante la prueba, en lugar de depender de un único hito de renderizado.
Usa los veredictos Bueno, Necesita mejorar o Deficiente para encontrar las URL seleccionadas que requieren atención primero. Resume resultados de laboratorio, no la evaluación de usuarios de Google.
Mantén cada resultado asociado a su URL pública exacta y a la hora de la última comprobación para no usar una medición antigua o ajena en una decisión actual.
Añade URL públicas representativas y revisa el resultado más reciente después de cada comprobación diaria. Cada veredicto permanece vinculado a la URL probada y a la hora de recopilación.
Revisa LCP y CLS junto con FCP, TTFB, TBT y Speed Index. Screpy identifica TBT como diagnóstico de respuesta en laboratorio, no como INP real de usuarios.
Usa la métrica actual más débil para decidir si revisar renderizado de contenido, reserva de espacio, respuesta del servidor, recursos o trabajo del hilo principal. Cambia una causa probable y vuelve a medir la misma URL.
Mantén estables la URL y el método de medición, usa la métrica más débil para enfocar la investigación y valida un cambio con una comprobación posterior.
Empieza por la página de inicio, una página de conversión o una URL de una plantilla importante. Monitorizar todas las páginas de poco valor crea ruido antes que información.
Screpy comprueba diariamente las URL supervisadas elegibles y registra el veredicto, métricas complementarias, URL probada y hora actuales.
Usa LCP, CLS, FCP, TTFB, TBT y Speed Index para decidir si investigar primero renderizado, reserva de espacio, respuesta, recursos o trabajo del hilo principal.
Publica la corrección relevante más pequeña, mantén estable la URL supervisada y usa el siguiente resultado programado para comprobar si mejoró la medición.
Un conjunto pequeño de URL representativas es más fácil de investigar que un panel lleno de páginas de poco valor. Empieza por recorridos críticos y plantillas reutilizables.
Monitoriza páginas que presentan el producto, servicio o campaña porque una primera experiencia lenta puede afectar al descubrimiento y la conversión.
Elige una URL representativa de producto, categoría, artículo o documentación para descubrir problemas que puedan repetirse en la misma plantilla.
Mantén visibles las páginas de precios, registro, captación y entrada al checkout cuando scripts, embeds, experimentos o etiquetas de terceros cambien su rendimiento.
Sigue las URL afectadas por rediseños, cambios de framework, nuevos medios, actualizaciones del tag manager o cambios de entrega antes de ampliar el patrón.
Screpy está diseñado para que las comprobaciones recurrentes sean accionables. Estos límites mantienen la precisión cuando la pregunta real son los datos de campo, la causa o el impacto en posiciones.
Screpy ejecuta pruebas controladas de páginas. El resultado no representa el conjunto de usuarios reales de Chrome UX Report o Google Search Console.
TBT ayuda a diagnosticar la respuesta en laboratorio. INP requiere interacciones reales, por lo que un resultado TBT no debe presentarse como una medición INP.
Una métrica deficiente indica dónde investigar. Confirma el elemento, solicitud, script, plantilla o comportamiento del servidor antes de decidir el cambio.
Una buena experiencia de página ayuda a usuarios y buscadores, pero no sustituye contenido relevante, rastreabilidad, indexación, enlaces u otras señales.
Monitoriza URL seleccionadas para resultados de laboratorio recurrentes, audita el sitio completo para encontrar patrones técnicos o lee la metodología antes de comparar con datos de campo.
Ejecuta comprobaciones diarias para URL públicas seleccionadas y revisa veredicto, métricas y frescura.
Rastrea el sitio completo para encontrar patrones repetidos de páginas, recursos, renderizado y aspectos técnicos en una URL o plantilla afectada.
Comprende alcance, tiempos y límites de los datos de laboratorio de Screpy antes de compararlos con informes de usuarios reales.
Documentación de Screpy
Sigue la guía de Screpy para elegir URL, leer cada métrica con su URL y fecha, distinguir datos de laboratorio y de campo y probar una mejora concreta.
Comprende datos de laboratorio y de campo, LCP, CLS, TBT, métricas de velocidad, comprobaciones diarias, selección de URL, veredictos y límites de las afirmaciones sobre experiencia de página.
Screpy ejecuta comprobaciones basadas en laboratorio para URL públicas seleccionadas. Informa de LCP, CLS, FCP, TTFB, TBT, Speed Index, un veredicto de laboratorio y la última hora de comprobación.
No. Screpy informa de mediciones controladas para la URL comprobada. Los datos de campo de Chrome UX Report o Google Search Console reflejan visitas reales durante un periodo móvil y pueden variar según dispositivos, redes, ubicación y comportamiento.
Google define actualmente Largest Contentful Paint, Interaction to Next Paint y Cumulative Layout Shift como Core Web Vitals. Screpy mide LCP y CLS en laboratorio e informa de TBT como diagnóstico junto con FCP, TTFB y Speed Index. No presenta TBT como INP.
Interaction to Next Paint depende de interacciones reales y es una métrica de campo. Total Blocking Time se puede medir en un laboratorio controlado y ayuda a revelar trabajo del hilo principal, pero no son métricas intercambiables.
Las URL activas pueden volver a comprobarse después de un día. La cola, la disponibilidad y el plan pueden afectar a cuándo está listo el resultado; utiliza la hora de la última comprobación antes de actuar.
Empieza por la página de inicio, landing pages con mucho tráfico, entradas de conversión y una URL representativa de cada plantilla importante. Añade páginas donde una regresión afectaría a muchos visitantes o se reutiliza la misma implementación.
No necesariamente. Screpy resume una prueba de laboratorio, mientras la evaluación de Google usa LCP, INP y CLS de usuarios reales cuando hay datos suficientes. Usa el veredicto para orientar las pruebas y compáralo con el informe de campo cuando necesites una evaluación real.
No. Google recomienda buenos Core Web Vitals para usuarios y búsqueda, pero la experiencia de página es solo una parte de muchas señales. El contenido relevante puede posicionar con una experiencia más débil y una página rápida no garantiza posiciones.
Elige URL públicas representativas, establece una referencia diaria de laboratorio, investiga la métrica más débil y vuelve a medir después de un cambio concreto.