Largest Contentful Paint (LCP)
Estime quando a maior imagem ou bloco de texto visível termina de renderizar no teste de laboratório. Use um resultado lento para investigar o conteúdo principal, os recursos e a entrega.
Execute verificações diárias em laboratório para URLs públicas selecionadas e mantenha LCP, CLS, FCP, TTFB, TBT, Speed Index, o veredicto atual e o horário da verificação junto do seu fluxo técnico de SEO. Encontre regressões e teste correções focadas novamente sem confundir medições sintéticas com dados reais de usuários.
Demasiado longo; não lido
O Screpy executa verificações recorrentes em laboratório para URLs públicas selecionadas. Ele informa LCP e CLS com FCP, TTFB, TBT, Speed Index, um veredicto de laboratório e a atualização da verificação para que as equipes encontrem regressões, investiguem uma causa específica e meçam novamente sem confundir resultados sintéticos com dados de usuários reais.
O relatório separa carregamento, estabilidade visual, resposta do servidor e diagnósticos da thread principal para que um único veredicto não esconda o sinal que precisa de investigação.
Estime quando a maior imagem ou bloco de texto visível termina de renderizar no teste de laboratório. Use um resultado lento para investigar o conteúdo principal, os recursos e a entrega.
Meça movimentos visuais inesperados durante o teste. Imagens sem dimensões, embeds, fontes e conteúdo tardio são pontos comuns de investigação.
Veja quando o primeiro texto, imagem ou outro conteúdo é pintado. FCP ajuda a localizar atrasos iniciais antes de o conteúdo principal aparecer.
Analise o atraso da resposta inicial do servidor observado pela verificação. Um valor lento pode apontar para hospedagem, cache, redirecionamentos ou trabalho no backend.
Meça por quanto tempo as tarefas da thread principal bloqueiam a capacidade de resposta no laboratório. TBT é um diagnóstico útil, mas não é a métrica real de usuário Interaction to Next Paint.
Resuma a rapidez com que o conteúdo visível aparece durante o teste em vez de depender de um único marco de renderização.
Use os veredictos Bom, Precisa melhorar ou Ruim para encontrar primeiro as URLs selecionadas que precisam de atenção. Ele resume resultados de laboratório, não a avaliação de usuários do Google.
Mantenha cada resultado associado à URL pública exata e ao horário da última verificação para não usar uma medição antiga ou sem relação em uma decisão atual.
Adicione URLs públicas representativas e analise o resultado mais recente após cada verificação diária. Cada veredicto permanece ligado à URL testada e ao horário da coleta.
Analise LCP e CLS com FCP, TTFB, TBT e Speed Index. O Screpy identifica TBT como diagnóstico de resposta em laboratório, e não como INP real de usuários.
Use a métrica mais fraca para decidir se deve investigar renderização de conteúdo, reserva de layout, resposta do servidor, recursos ou trabalho da thread principal. Altere uma causa provável e meça a mesma URL novamente.
Mantenha URL e método de medição estáveis, use a métrica mais fraca para direcionar a investigação e valide uma mudança em uma verificação posterior.
Comece pela página inicial, uma página de conversão ou uma URL de um modelo importante. Monitorar todas as páginas de baixo valor cria ruído antes de gerar insights.
O Screpy verifica diariamente URLs monitoradas elegíveis e registra veredicto, métricas, URL testada e horário da verificação.
Use LCP, CLS, FCP, TTFB, TBT e Speed Index para decidir se deve investigar primeiro renderização, reserva de layout, resposta, recursos ou trabalho da thread principal.
Publique a menor correção relevante, mantenha estável a URL monitorada e use o próximo resultado agendado para conferir se a medição melhorou.
Um conjunto pequeno de URLs representativas é mais fácil de investigar do que um painel cheio de páginas de baixo valor. Comece por jornadas críticas e modelos reutilizáveis.
Monitore páginas que apresentam o produto, serviço ou campanha, pois uma primeira experiência lenta pode afetar descoberta e conversão.
Escolha uma URL representativa de produto, categoria, artigo ou documentação para revelar problemas de desempenho que podem se repetir no mesmo modelo.
Mantenha páginas de preços, cadastro, lead e entrada do checkout visíveis quando scripts, embeds, experimentos ou tags de terceiros alterarem o desempenho.
Acompanhe URLs afetadas por redesigns, mudanças de framework, novas mídias, atualizações do tag manager ou alterações de entrega antes de ampliar o padrão.
O Screpy torna verificações recorrentes de desempenho acionáveis. Esses limites mantêm o resultado correto quando a pergunta real envolve dados de campo, causa ou impacto no ranking.
O Screpy executa testes controlados de páginas. O resultado não representa o conjunto de usuários reais do Chrome UX Report ou do Google Search Console.
TBT ajuda a diagnosticar a resposta em laboratório. INP exige interações reais, portanto um resultado TBT não deve ser apresentado como medição de INP.
Uma métrica ruim indica onde investigar. Confirme o elemento, a solicitação, o script, o modelo ou o comportamento do servidor antes de decidir o que alterar.
Uma boa experiência de página ajuda usuários e pesquisa, mas não substitui conteúdo relevante, rastreabilidade, indexação, links ou outros sinais.
Monitore URLs selecionadas para resultados recorrentes de laboratório, audite o site para padrões técnicos repetidos ou leia a metodologia antes de comparar com relatórios de usuários reais.
Execute verificações diárias para URLs públicas selecionadas e veja veredicto, métricas e atualização.
Rastreie o site para encontrar padrões repetidos de páginas, recursos, renderização e aspectos técnicos em uma URL ou modelo afetado.
Entenda escopo, tempo e limites dos dados de laboratório do Screpy antes de compará-los com dados reais de usuários.
Documentação do Screpy
Siga o guia do Screpy para escolher URLs, ler cada métrica com sua URL e data, distinguir dados de laboratório e de campo e testar uma melhoria focada.
Entenda dados de laboratório e de campo, LCP, CLS, TBT, métricas de velocidade, verificações diárias, seleção de URLs, veredictos e limites das afirmações sobre experiência de página.
O Screpy executa verificações em laboratório para URLs públicas selecionadas. Ele informa LCP, CLS, FCP, TTFB, TBT, Speed Index, um veredicto de laboratório e o horário da última verificação.
Não. O Screpy informa medições controladas para a URL verificada. Dados de campo do Chrome UX Report ou do Google Search Console refletem visitas reais em um período contínuo e podem variar por dispositivos, redes, localização e comportamento.
Atualmente o Google define Largest Contentful Paint, Interaction to Next Paint e Cumulative Layout Shift como Core Web Vitals. O Screpy mede LCP e CLS em laboratório e informa TBT como diagnóstico junto a FCP, TTFB e Speed Index. TBT não é apresentado como INP.
Interaction to Next Paint depende de interações reais e é uma métrica de campo. Total Blocking Time pode ser medido em um laboratório controlado e revela trabalho da thread principal, mas as duas métricas não são intercambiáveis.
URLs ativas ficam elegíveis para uma nova verificação agendada após um dia. Atividade da fila, disponibilidade da página e plano atual podem afetar quando o resultado fica pronto; use o horário da última verificação antes de agir.
Comece pela página inicial, landing pages de alto tráfego, entradas de conversão e uma URL representativa de cada modelo importante. Adicione páginas em que uma regressão afetaria muitos visitantes ou em que a mesma implementação é reutilizada.
Não necessariamente. O Screpy resume um teste de laboratório, enquanto a avaliação do Google usa dados reais de LCP, INP e CLS quando há dados de campo suficientes. Use o veredicto para orientar testes e compare com o relatório de campo quando precisar de uma avaliação real.
Não. O Google recomenda bons Core Web Vitals para usuários e pesquisa, mas a experiência da página é apenas parte de muitos sinais. Conteúdo relevante ainda pode classificar com experiência mais fraca, e uma página rápida não garante classificação.
Escolha URLs públicas representativas, estabeleça uma linha de base diária em laboratório, investigue a métrica mais fraca e meça novamente após uma mudança focada.