Como a CMP do PubConsent reduziu a INP dos clientes em até 64% com uma estratégia de rendimento que utiliza as APIs do programador do navegador para corrigir problemas de capacidade de resposta identificados com o Chrome DevTools.
As plataformas de gestão de consentimento (CMPs) são ferramentas que ajudam os sites a obedecer aos regulamentos de privacidade obtendo o consentimento do usuário para o uso de cookies e tecnologias de rastreamento. Além do objetivo principal de garantir compliance legal, as CMPs, como scripts de terceiros, também precisam garantir um impacto mínimo na performance e na experiência do usuário.
A CMP do PubConsent é o produto mais recente da PubTech. Projetada com foco principal em performance, a CMP do PubConsent foi criada para ser leve, garantir a melhor experiência do usuário e impacto mínimo na performance geral do site.
A introdução da métrica Interaction to Next Paint (INP) permitiu à PubTech descobrir problemas com a capacidade de resposta da nossa CMP. Neste estudo de caso, a PubTech mostra como solucionou os problemas com capacidade de resposta na plataforma de CMP PubConsent e como melhorou o INP antes de ele se tornar uma das Core Web Vitals em março de 2024, demonstrando um compromisso firme de oferecer o melhor desempenho possível em um produto de CMP.
Por que o PubTech se importa com o desempenho?
A CMP do PubConsent, como a maioria das CMPs, oferece um recurso de gestão de consentimento implementado como um script de terceiros nas páginas do site. Reduzir o impacto na performance da nossa solução de CMP, inclusive na capacidade de resposta, é crucial para garantir uma integração bem-sucedida da plataforma.
Ao priorizar a performance e manter o script de CMP do PubConsent acessível, os proprietários de sites podem encontrar um equilíbrio delicado entre incorporar funcionalidades valiosas de gestão de consentimento e preservar a qualidade da experiência do usuário.
Considerando a importância da funcionalidade que uma CMP oferece e o impacto que ela pode ter no desempenho, a PubTech definiu as metas a seguir:
- Minimize o impacto do produto de CMP do PubConsent na INP.
- Reduza tarefas longas atribuíveis ao produto da CMP.
- Reduza o Tempo total de bloqueio (TBT, na sigla em inglês), que pode ter um efeito negativo no INP de uma página.
Como o INP foi medido
A PubTech usou o Chrome DevTools para realizar uma análise inicial e diagnosticou interações lentas manualmente. Esse fluxo de trabalho permitiu à PubTech identificar problemas específicos que afetavam a capacidade de resposta da página. Por exemplo, uma interação de clique no produto da CMP para aceitar todos os cookies e, em seguida, dispensar a caixa de diálogo de consentimento de cookies causou uma tarefa longa que atrasou uma atualização de renderização na interface do usuário. Como é possível observar na imagem a seguir, a interface do usuário não foi atualizada para mostrar que a caixa de diálogo foi fechada até que a tarefa longa fosse concluída.
Assim como o botão para aceitar todos os cookies, o botão para rejeitar ou personalizar as preferências de cookies segue o mesmo fluxo de trabalho na arquitetura da CMP do PubConsent. Por isso, as melhorias detalhadas neste estudo de caso afetaram várias interações do usuário no produto da CMP.
Esse atraso levou à percepção visual de que o painel estava bloqueado durante a tarefa. Como a atualização da renderização foi bloqueada por um período perceptível longo, o INP da página foi afetado negativamente.
Como a PubTech otimizou o INP para botões e links
Para melhorar o INP, diferentes estratégias de rendimento foram adotadas na CMP do PubConsent.
Gerar tarefas de alta prioridade
O método yieldToMainUiBlocking mostrado no snippet de código a seguir foi projetado para otimizar tarefas JavaScript de alta prioridade ao gerar com scheduler.yield se disponível, mas retornar para postTask com prioridade user-blocking (alta) se postTask estiver disponível, finalmente retornando para nada.
O setTimeout foi evitado aqui porque o método yieldToMainUiBlocking foi projetado para lidar com operações internas de configurações da CMP e trabalhos de alta prioridade que precisam manter essa prioridade e gerar resultados. Isso significa que apenas os navegadores que implementam essas APIs de agendamento, que atualmente estão disponíveis apenas em navegadores baseados no Chromium no momento da criação deste codelab, se beneficiam das melhorias detalhadas neste estudo de caso. Mesmo assim, essa abordagem foi considerada um aprimoramento progressivo aceitável para essas tarefas de alta prioridade.
function yieldToMainUiBlocking () {
return new Promise((resolve) => {
if ('scheduler' in window) {
if ('yield' in window.scheduler) {
return window.scheduler.yield().then(() => resolve(true));
}
if ('postTask' in window.scheduler) {
return window.scheduler.postTask(() => resolve(true), { priority: 'user-blocking' });
}
}
resolve(false);
});
};
Rendimento de tarefas médias e em segundo plano
O método yieldToMainBackground mostrado no snippet de código a seguir é usado para dividir tarefas longas com prioridade user-visible (média) ou background. A lógica implementa scheduler.yield(), se disponível. No entanto, ela é diferente usando postTask com prioridade média e, por fim, voltando para setTimeout em navegadores que não são do Chromium.
function yieldToMainBackground () {
return new Promise((resolve) => {
if ('scheduler' in window) {
if ('yield' in window.scheduler) {
return window.scheduler.yield().then(() => resolve(true));
}
if ('postTask' in window.scheduler) {
return window.scheduler.postTask(() => resolve(true), { priority: 'user-visible' });
}
}
setTimeout(() => { resolve(true) }, 0);
});
};
yieldToMainBackground permite que o navegador renderize a próxima pintura (fechando a interface da CMP nesse caso) mais rapidamente.
Como a PubTech reduziu ainda mais o TBT com a otimização do layout de renderização
Depois de aplicar a estratégia de rendimento, descobrimos que a INP melhorou significativamente para a CMP. Na verdade, após reduzir significativamente a duração de processamento do manipulador de eventos, foi descoberta uma oportunidade de fazer outras melhorias de renderização para a próxima pintura para a ação Fechar interface. Essa ação foi desenvolvida originalmente para remover elementos do DOM. Isso trouxe desafios, especialmente em sites com um número substancial de nós DOM, resultando em um aumento inesperado no trabalho de renderização.
Para lidar com o aumento do trabalho de renderização necessário para remover elementos do DOM, foi introduzida uma solução que a equipe chamou de "desrenderização lenta". Essa abordagem primeiro aplica uma regra CSS display: none à caixa de diálogo de consentimento da CMP depois que o usuário autoriza a ocultação dela. Em seguida, a remoção dos nós do DOM associados à caixa de diálogo da CMP é movida para um momento posterior, quando o navegador está inativo, usando requestIdleCallback. Essa abordagem provou ser muito mais rápida do que a remoção de nós do DOM no momento em que o usuário fechava a caixa de diálogo de consentimento.
Como a PubTech reduziu ainda mais a INP ao melhorar a biblioteca do TCF do IAB
Depois de resolver a maioria dos problemas de capacidade de resposta da CMP, identificamos outras oportunidades de melhoria em uma das dependências principais: a biblioteca da Estrutura de Transparência e Consentimento (TCF) do IAB.
Os componentes mais caros em termos computacionais dessa biblioteca foram as "strings de build" e "enviar consentimento". Esses componentes são parte integrante da biblioteca do TCF do IAB. As seguintes otimizações para esses componentes foram aplicadas em uma bifurcação separada especificamente para as necessidades da PubTech:
- Reutilizar resultados calculados para o processo de decodificação, que é executado para cada callback de terceiros que precisa ler o consentimento do usuário.
- Evitar e reduzir loops desnecessários no processo de codificação de restrições do editor, que é executado quando o usuário dá o consentimento.
A primeira dessas otimizações reduziu o tempo gasto pela CMP em cada callback de terceiros vinculado à biblioteca do TCF do IAB. A segunda otimização reduziu a duração do processamento incorrida pelas "strings de build". componente. Na verdade, essa otimização permitiu uma redução de até 60% de loops que eram executados cada vez que um usuário expressava consentimento.
Resultados
Com as estratégias eficientes e as novas otimizações de layout de renderização em vigor, o INP da CMP melhorou em até 65%. Como resultado, a capacidade de resposta da experiência do usuário da CMP do PubConsent foi significativamente aprimorada e, para alguns anúncios, a visibilidade melhorou até 1,5% ao otimizar a solicitação.
Além dessas melhorias, na biblioteca do TCF do IAB, notamos que o INP melhorou em até 77% em dispositivos móveis para os clientes afetados como resultado da redução de até 85% das tarefas longas induzidas pelo TCF. Isso ajudou a reduzir significativamente a sobrecarga de cada callback de terceiros executado durante todo o ciclo de vida de uma página.
O número de origens que passam INP ao usar a CMP do PubConsent melhorou mais de 400%, passando de 13% para 55% em dispositivos móveis. Para alguns clientes, a INP da página foi reduzida em mais da metade, de 470 milissegundos para 230 milissegundos, devido às otimizações feitas pelo SDK PubTech.
Conclusão
Os clientes da PubTech foram rápidos em reconhecer os resultados positivos de performance da INP e métricas de negócios resultantes dos nossos esforços de otimização. Outras melhorias de desempenho para a CMP do PubConsent estão sendo consideradas, aproveitando dados inestimáveis de monitoramento de usuário real (RUM, na sigla em inglês) dos clientes. Esses dados rastreiam com precisão regressões e avanços, impulsionando os esforços de melhoria contínua da PubTech.
Como uma empresa terceirizada, a PubTech também percebeu que poderia melhorar o desempenho da Web em grande escala e oferecer melhor capacidade de resposta, evitando impactos negativos nos KPIs comerciais. Nunca é tarde para começar a implementar esse tipo de melhoria.
Um agradecimento especial a Luca Coppola, CTO da PubTech pelo suporte a esse trabalho de inovação, e a Jeremy Wagner, Michal Mocny e Rick Viscomi do Google.