Core Web Vitals en campo: encuentra el cuello de botella que los usuarios sí sienten
Una forma práctica de conectar los tests de laboratorio con los Core Web Vitals de usuarios reales, priorizar correcciones y validar mejoras en móvil y escritorio.
Un test de laboratorio rápido es una pista, no el veredicto completo
Una página puede parecer veloz en una prueba controlada y aun así sentirse lenta para los visitantes que usan teléfonos antiguos, redes saturadas o rutas lejanas hasta el servidor. Los tests de laboratorio ayudan a reproducir una carga de página y a exponer su cascada de peticiones. Los datos de campo muestran cómo se comportan las visitas reales en distintos dispositivos y condiciones. Usa ambos: los datos de campo eligen el problema y las ejecuciones de laboratorio repetibles ayudan a localizarlo y a corregirlo.
Google evalúa las tres métricas de Core Web Vitals en el percentil 75, considerando por separado el móvil y el escritorio. Los objetivos actuales de calidad son LCP en 2.5 segundos o menos, INP en 200 milisegundos o menos y CLS en 0.1 o menos. Los promedios pueden ocultar la experiencia más lenta de un grupo considerable de visitantes, así que revisa los datos por percentiles y segméntalos por dispositivo. La guía de umbrales de Google explica el método de los percentiles.
Empieza por la métrica que está fallando
El LCP apunta a la carga. Comprueba si el retardo viene antes de la respuesta HTML, del CSS que bloquea el renderizado o del descubrimiento y la descarga de la imagen o el texto principal. Compara el TTFB entre regiones y luego revisa la cascada. Comprime y dimensiona correctamente la imagen protagonista, hazla detectable en el HTML inicial y precárgala solo cuando sea realmente el recurso LCP.
El INP apunta a la interacción. Un test de laboratorio de carga de página no puede medir el INP por completo, porque necesita interacciones reales de los usuarios. Usa datos de campo para identificar las interacciones lentas y después perfila el clic o la pulsación correspondiente en las herramientas de desarrollo del navegador. Las tareas largas de JavaScript, el renderizado costoso y los scripts de terceros pueden retrasar el siguiente pintado. Dividir el trabajo en tareas más pequeñas y posponer los scripts no esenciales son buenos primeros experimentos. La guía de medición de web.dev explica por qué Total Blocking Time es un indicador de laboratorio y no un sustituto del INP.
El CLS apunta al movimiento visual. Revisa en los datos de campo tanto la carga inicial como las interacciones posteriores. Define dimensiones explícitas o una relación de aspecto para imágenes e incrustaciones, reserva espacio para los anuncios y evita insertar contenido por encima de lo que el usuario está leyendo. Los cambios de tipografía también pueden desplazar el texto: utiliza una fuente de reserva con métricas similares y prueba la página realmente renderizada.
Convierte una puntuación en un experimento controlado
Cambia una causa probable cada vez. Mantén constantes la ruta, el viewport, el perfil de dispositivo, el estado de la caché y la ubicación del test, y ejecuta la prueba más de una vez. Compara la cascada y la métrica relevante, no solo una única puntuación global. Después revisa los datos de campo una vez que el cambio llegue a los usuarios: una mejora en una ruta o en un dispositivo puede no trasladarse a todas las páginas.
Para la supervisión en campo, agrupa las plantillas de página similares e inspecciona primero el segmento de dispositivo más afectado. Un encabezado compartido o un gestor de consentimiento puede afectar a muchas URL, mientras que la imagen de un producto puede influir solo en una plantilla. Esta agrupación ayuda a distinguir un problema de todo el sitio de uno propio de una página.
Prioriza la experiencia de usuario por encima de un número perfecto
Los Core Web Vitals son diagnósticos útiles, no una definición completa de un buen sitio. Google señala que los buenos resultados en un informe de Core Web Vitals no garantizan una posición destacada en la búsqueda; siguen importando la relevancia y la experiencia de página en sentido amplio. Corrige la fricción medible que los usuarios sufren y utiliza las métricas para verificar el cambio en lugar de perseguir una puntuación de forma aislada. La guía de experiencia de página de Google aporta ese contexto.