O PageSpeed Insights apresenta informações sobre desempenho de páginas em celular e computador. O relatório pode combinar dados de usuários reais do Chrome com diagnósticos obtidos em uma execução do Lighthouse.
Essas fontes respondem a perguntas diferentes: dados de campo mostram experiências agregadas, enquanto o teste de laboratório ajuda a reproduzir condições e investigar causas.
Identifique a origem do número
Quando houver amostra suficiente, os dados de campo mostram experiências agregadas de uma página ou origem em um período recente. Uma URL com poucos dados pode não apresentar todos os indicadores.
O teste de laboratório é feito em condições simuladas e pode variar entre execuções. Observe dispositivo, rede e data antes de comparar duas análises.
Entenda os indicadores
LCP, INP e CLS representam dimensões diferentes da experiência: carregamento percebido do conteúdo principal, resposta a interações e estabilidade visual. A interpretação precisa considerar o contexto do relatório.
Uma nota de laboratório e uma avaliação de usuários reais não são a mesma coisa. Melhore a experiência da página em vez de perseguir um único número como garantia de posicionamento.
Investigue oportunidades
O relatório pode apontar imagens, scripts e outros recursos que contribuem para lentidão ou instabilidade. Avalie o custo e o benefício de cada mudança com a equipe técnica.
Uma alteração que reduz peso não deve tornar imagens essenciais ilegíveis ou quebrar funcionalidades. Teste o resultado em modelos e dispositivos representativos.
Acompanhe depois da correção
Registre a URL, data, condições e achado antes da mudança. Após a implementação, repita testes de laboratório em condições semelhantes e acompanhe dados de campo ao longo de uma janela apropriada.
Se não houver dados reais suficientes, explique essa limitação. A ferramenta apoia o diagnóstico, mas não prova que um ajuste isolado causou uma mudança de vendas ou de posição.
Quando não há dados para a URL
O relatório pode não ter dados de campo suficientes para uma página específica. Em alguns casos, há uma visão agregada da origem; ela representa um conjunto mais amplo e não comprova a experiência daquela URL isoladamente.
Use o diagnóstico de laboratório para investigar hipóteses e combine-o com testes em dispositivos e dados próprios quando disponíveis. Repita medições comparáveis e registre alterações de servidor, tema ou scripts de terceiros.
Exemplo de aplicação
Uma página tem boa pontuação de laboratório, mas dados de campo mostram carregamento lento para parte das pessoas. A equipe segmenta as URLs e dispositivos, compara conexão e elemento principal e descobre que o problema se concentra em imagens de uma categoria. Faz uma correção no modelo e acompanha o próximo conjunto de dados, sem concluir pelo teste de uma única visita.
Aplicação prática e acompanhamento
Os dados de laboratório reproduzem uma condição controlada e ajudam a encontrar gargalos; os dados de campo refletem experiências agregadas de usuários e variam conforme aparelho, rede e página. Compare ambos sem tratar uma captura isolada como diagnóstico completo. Se a página tem pouco tráfego, a amostra de campo pode ser limitada ou indisponível. Se a métrica de laboratório piora, identifique recursos e etapas responsáveis, depois teste uma mudança por vez. Registre modelo de dispositivo, URL, período e métrica. O objetivo é melhorar a experiência real e atender limites técnicos, não otimizar um número sem considerar conteúdo, acessibilidade e funcionamento.
Explique a janela e a origem dos dados no relatório compartilhado, para que colegas não comparem percentis ou grupos incompatíveis. Quando os campos mudarem, atualize a documentação e confirme a leitura com uma página e um dispositivo prioritário.
Ao escolher uma correção, indique a métrica de experiência que se espera melhorar e a faixa de páginas atingida. Reavalie depois de um período suficiente para receber dados de campo e considere que mudanças de tráfego podem alterar a amostra, mesmo quando o código permaneceu igual.
Checklist de aplicação
Antes de apresentar resultados, identifique se cada indicador vem do laboratório, de usuários reais na URL ou de uma agregação mais ampla.
- Registre URL, dispositivo e data da consulta.
- Diferencie dados de campo e teste simulado.
- Confira se há amostra suficiente para a página.
- Priorize diagnósticos com impacto verificável.
- Compare resultados após a correção em condições semelhantes.
Perguntas frequentes
Dados de campo e laboratório deveriam ser iguais? Não. Eles são coletados em condições e períodos diferentes e podem apontar resultados distintos.
Sem dados de campo a página está perfeita? Não. Pode não haver amostra suficiente; use testes e outras evidências para investigar.
Leia também: Core Web Vitals: como interpretar as métricas de experiência