Communitygithub.com

パフォーマンス監査

既存ランディングページのCore Web Vitals、読み込み動作、アセット、スクリプト、潜在的なボトルネックなど、利用可能な技術的パフォーマンスエビデンスを評価します。ランディングページの速度やパフォーマンス監査を依頼された際に使用します。

パフォーマンス監査 とは?

このスキルは、既存のランディングページに対してスタンドアロンかつエビデンスベースのパフォーマンス監査を実行するためのものです。Core Web Vitals(LCP、INP、CLS)の測定値、画像やフォントの配信、JavaScript/CSSのレンダーブロッキングリソース、レイアウトシフト、サードパーティスクリプト、遅延読み込み、ネットワーク効率など、読み込みのタイミングとリソース効率を体系的にレビューします。監査では、「観察」「報告」「推論」「推奨」を明確に区別し、発見事項には優先度(P0クリティカル~P3低)と確信度(高・中・低)を割り当てます。実際の測定値がない場合は、発見を未検証としてマークし、証拠を入手する方法を説明します。スコアは0〜5の評価基準に基づいて計算され、総合スコアは分母から「評価不能(N/A)」項目を除外して算出されます。提供されたエビデンスの範囲内で実用的な推奨事項を提供し、範囲外の推測や因果関係の主張は行いません。主な対象プラットフォームは、Claude Codeや類似のAIエージェントツールです。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/ashokgmorais-cmd/Landing-Page-Intelligence/tree/HEAD/skills/performance-audit

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

ランディングページ パフォーマンス監査

目的

既存のランディングページのパフォーマンスモジュールについて、スタンドアロンかつエビデンスベースの監査を実行します。目的は、現状のエクスペリエンスを診断し、実用的な改善点を推奨することであり、代替ページを構築することではありません。

このスキルを単独で実行する方法

このスキルは指定されたモジュールのみを監査します。他のモジュールが実行されたことを前提にしないでください。ユーザーのリクエストと提供された資料から始めてください。必須のコンテキストが不足している場合、このモジュールに実質的に影響する情報のみを質問し、アナリティクスや入手できない詳細で進捗を妨げないでください。ページURLにアクセスできない場合は、スクリーンショット、録画、エクスポートされたページテキスト、またはHTMLを要求してください。利用可能なエビデンスの範囲内で作業し、範囲の制限を明記してください。

利用可能な場合に役立つコンテキスト:ビジネス/ブランドと業界、ターゲットオーディエンスと地域、ページURLまたはアセット、製品/サービスとビジネスモデル、主要なコンバージョン目標、オファー/価格、キャンペーンまたはトラフィックソース、ブランドの制約、関連競合他社、アナリティクス/テストデータ。不足データは推測せずに未提供または利用不可とマークしてください。ビジネス提供の主張と、自身のページ観察を区別してください。

エビデンスと整合性のルール

  • 観察(直接可視/テスト済み)、報告(ビジネス提供)、推論/仮説(妥当だが未検証)、推奨を区別する。
  • 重要な発見事項は、ページセクション、要素、ソースURL、提供アセット、またはテスト結果に関連付ける。正確なコピーは利用可能な場合のみ引用し、それ以外はパラフレーズであることを明記する。
  • 何が存在するか、それが関連ユーザー/タスクにとってなぜ重要か、何を変更すべきかを説明する。すべての弱点を証明済みのコンバージョン損失として扱わない。
  • ビジネス事実、結果、アナリティクス、保証、ユーザー調査、認証、テスト結果を捏造しない。有効な実験で裏付けられていない限り、因果関係や向上効果を主張しない。
  • 静的スクリーンショットやテキストのみが利用可能な場合、リンク、フォーム、レスポンシブ動作、パフォーマンス、キーボードアクセス、支援技術をテストしたと主張しない。
  • 提供されている場合は、オーディエンス、オファー、コンバージョン目標、トラフィックコンテキスト、アクセシビリティニーズを考慮する。前提条件と重要な制限事項を記載する。

優先度、確信度、スコアリング

優先度は P0 クリティカル(即時対応が必要な深刻な破損/ユーザビリティ/信頼問題)、P1 高(重要で潜在的に重大)、P2 中(より優先度の高い問題の後に対応する価値あり)、P3 低(軽微な改善/長期的対応)を使用します。確信度は 高(直接観察/測定)、中(合理的なエビデンスだがギャップあり)、低(限定的なエビデンスまたは実質的な仮定)を使用します。

該当する評価基準を0~5でスコアリング:0 欠落/破損/決定的に不十分、1 非常に悪い、2 期待以下、3 許容範囲、4 非常に良い、5 優秀。評価不能な項目はN/Aとマークし、分母から除外します。モジュールスコアは (獲得ポイント ÷ 最大該当ポイント) × 100 として計算し、整数に丸めます。分子/分母を記載するか、スコアリングした基準をリストします。合理的にスコアリングできるものがない場合は、0ではなく評価されずと報告します。この診断スコアを業界ベンチマークやコンバージョン性能の予測として扱わないでください。

出力形式

自己完結型のクライアント提供可能なMarkdown監査レポートを作成します。タイトル、監査範囲/エビデンスの根拠、簡潔な要約、強み、優先順位付けされた発見事項/推奨事項(可能な場合は表が望ましい)、モジュールスコア、全体的なエビデンスの確信度、制限事項/次に必要なエビデンスを含めてください。アドバイスは具体的かつ実行可能に保ちます。ユーザーが明示的に要求しない限り、完全なマルチモジュールレポートやスコアを作成しないでください。

モジュール固有のレビューチェックリスト

読み込み時間、Core Web Vitals、画像/フォント配信、JavaScript/CSS、レンダーブロッキングリソース、レイアウトシフト、サードパーティスクリプト、遅延読み込み、ネットワーク/リソース効率に関する利用可能なエビデンスのみをレビューします。URL、日時、デバイス/ネットワーク、ツール、テスト条件、および結果がラボデータかフィールドデータかを記録します(既知の場合)。

必須成果物

測定値は単位と出典を明記して報告します。測定された発見、視覚的観察、仮説を区別します。ユーザーへの影響を慎重に説明します。具体的な次の診断/修正を推奨します。優先度/確信度とスコアを割り当てます。技術測定値が利用できない場合、パフォーマンス発見を未検証とマークし、証拠を入手する方法を説明します。

モジュール固有のガイダンス

閾値の参考:LCP 良 ≤2.5秒、改善が必要 >2.5–4秒、不良 >4秒;INP 良 ≤200ms、改善が必要 >200–500ms、不良 >500ms;CLS 良 ≤0.1、改善が必要 >0.1–0.25、不良 >0.25。正確な境界を一貫して使用します。メトリクスを捏造したり、有効な測定なしに合格を主張したりしないでください。スクリーンショットでは速度を判断できません。

戦略的診断質問

  • どのパフォーマンス結論がフィールド/ラボ測定によって裏付けられており、それらはどのデバイス、ネットワーク、地域、テスト条件下でのものか?
  • 提案された修正は観察されたボトルネックに関連しているか、それとも一般的な最適化チェックリストに過ぎないか?
  • サードパーティスクリプト、過大なアセット、フォント、またはレイアウトシフトが重要なアクションに影響を与える可能性があるか。それを特定するためのエビデンスは何か?
  • 改善後に何を測定すべきか。また、ラボ結果と実際のユーザー結果をどのように区別するか?

最終品質チェック

納品前に、レビューがこのモジュール内に留まっていること、すべての重要な結論にエビデンスラベルが付いていること、すべての推奨事項が実行可能で適切に優先順位付けされていること、不明な点は不明のままであること、N/A項目がスコアリングから除外されていること、スコア計算が正しいことを確認してください。ユーザーが完全な12モジュール監査を要求した場合、このスキルは1つのモジュールをカバーしており、このリポジトリ内の他のスキルと一緒に実行できることを説明してください。

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

関連スキル