Core Web Vitals är Googles mätvärden som används för att bedöma hur snabb, responsiv och visuellt stabil en webbsida är för användare. Det ingår i ett bredare ramverk för Page Experience som även omfattar tillgänglighet, mobilvänlighet och säkerhet.
De tre Core Web Vitals-måtten – LCP, INP och CLS
Core Web Vitals består av tre mätpunkter som kvantifierar användarupplevelsen:
- LCP (Largest Contentful Paint) – Hur snabbt sidans primära innehåll blir synligt. Mäter tiden till att det största synliga elementet renderas. Bra: under 2,5 s · Behöver förbättras: 2,5–4 s · Dåligt: över 4 s.
- INP (Interaction to Next Paint) – Hur responsivt gränssnittet är vid interaktion. Mäter fördröjningen från användarens input till att sidan visar en synlig förändring. Bra: under 200 ms · Behöver förbättras: 200–500 ms · Dåligt: över 500 ms. INP ersätte FID i mars 2024.
- CLS (Cumulative Layout Shift) – Hur stabilt sidinnehållet är under laddning. Bra: under 0,1 · Behöver förbättras: 0,1–0,25 · Dåligt: över 0,25.
Så testar du dina Core Web Vitals
Tre kostnadsfria verktyg ger en komplett bild:
- Google PageSpeed Insights (pagespeed.web.dev) – CWV-data baserat på verkliga användardata (CrUX) eller labdata via Lighthouse med specifika åtgärdsrekommendationer.
- Google Search Console → Core Web Vitals – Samlad bild av alla sidor och flaggar de med dåliga värden. Bäst för att identifiera problem i skala.
- Chrome DevTools → Lighthouse – Lokal analys med djupgående tekniska åtgärdsförslag. Bäst för att felsöka specifika problem.
PageSpeed Insights och Search Console visar fältdata (verkliga användare); Lighthouse visar labbdata – Googles ranking baseras på fältdata.
Total Blocking Time (TBT) och dess koppling till INP
Total Blocking Time (TBT) är ett labbaserat prestandamått som mäter den totala tid under vilken sidans main thread är blockerad. TBT räknas som summan av blocking time för alla long tasks (uppgifter längre än 50 ms) under perioden mellan First Contentful Paint och Time to Interactive. TBT används i Lighthouse som proxy för INP, eftersom det är svårt att mäta faktisk interaktion i en kontrollerad labbmiljö. Högt TBT korrelerar starkt med dåligt INP: förbättrar du TBT – t.ex. genom att dela upp tunga JavaScript-uppgifter – förbättras typiskt INP i praktiken.