Experience Score
Eine Zahl von 0–10 aus den Web Vitals und der eigenen Fehlerrate, mit Buchstaben-Grade.
Der Experience Score fasst LCP, INP, CLS, FCP, TTFB und die eigene Fehlerrate in einer Zahl von 0–10 mit Buchstaben-Grade zusammen.
Was ist ein guter Score?
Scores werden auf eine Nachkommastelle gerundet. Buchstaben-Grades:
| Score | Grade |
|---|---|
| ≥ 9,5 | A+ |
| ≥ 9,0 | A |
| ≥ 8,0 | B |
| ≥ 7,0 | C |
| ≥ 5,0 | D |
| < 5,0 | F |
Score 10 heißt: jede Metrik liegt für den Großteil deines Traffics auf oder unter ihrer „gut"-Schwelle. Score 5 heißt: die Metriken liegen im Schnitt um die „schlecht"-Grenze. Darunter sind mehrere Metriken klar im roten Bereich.
Wie der Score berechnet wird
Jede Metrik wird per linearer Interpolation gegen ihre Gut-/Schlecht-Schwellen auf einen 0–10-Sub-Score abgebildet:
- Wert ≤ gut → 10
- Wert bei schlecht → 5
- Wert bei 2 × schlecht oder darüber → 0
| Metrik | Gut | Schlecht | Gewicht |
|---|---|---|---|
| LCP | ≤ 2.500 ms | > 4.000 ms | 25 % |
| INP | ≤ 200 ms | > 500 ms | 20 % |
| CLS | ≤ 0,1 | > 0,25 | 15 % |
| FCP | ≤ 1.800 ms | > 3.000 ms | 15 % |
| Eigene Fehlerrate | ≤ 1 % | > 5 % | 15 % |
| TTFB | ≤ 800 ms | > 1.800 ms | 10 % |
Die gewichtete Summe der Sub-Scores ist der Experience Score. Fehlt für ein Segment ein Wert (z. B. INP, wenn niemand interagiert hat), wird das Gewicht anteilig auf die vorhandenen Metriken verteilt.
Die Schwellenwerte liefert GET /metric-thresholds. Die eigene Fehlerrate ist der Anteil der Pageviews mit einem JavaScript-Fehler aus dem Code der Seite selbst. Fehler fremder Skripte, fehlgeschlagene Ressourcen und die Seitenladezeit zählen nicht mit.
Bewertete Metriken
GET /metric-thresholds listet jede Metrik, die fastmon bewertet, mit Gut- und Schlecht-Schwelle, Einheit und Quelle. Das Dashboard bewertet danach und hat keine eigenen Schwellen. Bis zur Gut-Schwelle ist ein Wert gut, über der Schlecht-Schwelle schlecht, und genau auf der Schlecht-Schwelle hat er Verbesserungsbedarf.
Außer den Score-Metriken bewertet fastmon TBT, DNS-Lookup und TCP-Verbindung. Seitenladezeit, Übertragungsgröße, error_rate, third_party_error_rate und die Cache-, CDN- und Origin-Trefferquoten zeigen ihren Wert ohne Bewertung.
Wann der Score berechnet wird
Pro Pageview, beim Verstecken der Seite. Das ist derselbe Trigger, der die zugrundeliegenden Metriken finalisiert. Die Aggregat-Scores im Dashboard sind Durchschnitte über den gewählten Zeitraum.
Experience Score in fastmon ansehen
Die Headline-Zahl steht auf dem Performance-Dashboard. Darunter siehst du den Breakdown (welcher Sub-Score den Gesamtscore nach unten zieht) und einen Trend-Chart über das gewählte Fenster.
Nützliche Slices:
- Nach URL: Group by URL. Welche Seiten dominieren den Durchschnitt?
- Nach Release:
compare_tomit einem Release, siehe Releases vergleichen. - Nach Land / Device: Group by
countryoderdevice_type. Regionale oder Device-Klassen-Regressionen sind im globalen Score meist unsichtbar.
Niedrigen Score verbessern
Der Composite ist nur so gesund wie sein schwächster Bestandteil:
- Den Breakdown öffnen und den schlechtesten Sub-Score identifizieren.
- Die zugehörige Metrik-Seite lesen (LCP, INP, CLS, FCP, TTFB) und den Fix mit dem größten Hebel anwenden.
- Nach dem Release mit
compare_tonachprüfen.
Nicht versuchen, alles gleichzeitig zu optimieren. Die Verbesserungen beißen sich oft: LCP-Fix mit mehr JS kann INP verschlechtern, Platz für Ads gegen CLS kann LCP nach hinten schieben.
Häufige Überraschungen
- Der Score kann fallen, ohne dass eine einzelne Metrik eine Schwelle reißt. Eine kleine Regression in zwei Metriken kann den Composite um einen halben Punkt bewegen, während jede Metrik einzeln noch „Gut" sagt.
- Ein einzelner Deploy kann eine permanente Score-Lücke erzeugen. Sobald eine Regression live ist, trägt jeder folgende Pageview die schlechtere Zahl in den Durchschnitt. Den Tag des Deploys zu erwischen, zählt.
- Seiten mit wenigen Interaktionen haben aufgeblasene Scores. Wenn Besucher nie interagieren, fällt INP weg; der Score stützt sich dann auf die übrigen fünf Metriken.
- Interner vs. externer Traffic verzerrt den Composite. Office-Traffic auf warmen Caches und schnellen Laptops schneidet super ab; echte Besucher auf Mobile in einem Tunnel schneiden schlechter ab. Internen Traffic an der Quelle ausfiltern, damit die Zahl ehrlich bleibt; siehe Internen Traffic filtern.