En esta artículo resumo una auditoría práctica sobre cómo varía la velocidad de carga de una página cuando llega desde Google Search, comparando precargas y cargas bajo demanda y traduciendo mis hallazgos técnicos para que sirvan a equipos de producto y desarrollo.

Contexto y metodología: medí el Largest Contentful Paint, LCP, segmentando por tipos de carga que un usuario puede experimentar al venir desde Google: cargas en servidor, cache de borde, precarga completa con Signed Exchanges SXG incluyendo subrecursos, precarga solo de HTML mediante Speculation Rules, y cargas SXG bajo demanda. Los datos provinieron de usuarios reales y se filtraron para visitas referidas por Google, primeras visitas en la sesión, pestañas ya abiertas y navegadores con soporte SXG. Tras depurar la muestra quedaron miles de mediciones útiles.

Resultados generales: la precarga total mediante SXG con subrecursos fue la opción más rápida y permitió LCP por debajo de 600 ms en móviles y por debajo de 500 ms en escritorio en mi caso. La precarga solo de HTML también mejoró el LCP frente a la carga bajo demanda, aunque el beneficio fue mucho más variable en móviles que en escritorio. El almacenamiento en cache en el borde redujo consistentemente el LCP frente a la carga directa en servidor y fue especialmente valioso para todo el tráfico, no solo para visitas desde Google.

Impacto de TTFB: en mis mediciones el componente Time To First Byte, TTFB, influyó mucho en el LCP. Para cargas servidas desde el borde con Cloudflare el TTFB representó una porción mayor del LCP en escritorio que en móvil, lo que ocasionó que en ciertos escenarios los usuarios de escritorio tuvieran peor experiencia pese a su mayor CPU y ancho de banda. Esto sugiere que la topología de peering del proveedor de borde y la distribución de operadores de acceso pueden cambiar radicalmente los resultados.

Precargas vs carga bajo demanda: precargar documento y subrecursos es imbatible para LCP. La precarga solo de HTML reduce LCP y es una mejora viable si no se puede o no se quiere precargar todo. Además, las Speculation Rules suelen dar resultados ligeramente mejores a la precarga SXG sin subrecursos, posiblemente por el coste criptográfico de procesar SXG en tiempo de navegación.

Problemas graves con SXG bajo demanda y redirecciones cliente: el problema más relevante que encontré es el efecto de los fallback SXG cuando la página no está en la cache de Google. En ese caso Google sirve una página de fallback que ejecuta JavaScript para redirigir al objetivo. Las herramientas RUM no miden la espera entre el click inicial en Google y la redirección cliente, porque el navegador inicia la medición de LCP desde la activación del script de redirección, no desde el click original. Ese intervalo click-to-redirect puede sumar decenas o incluso cientos de milisegundos o más, degradando gravemente la experiencia sin que los sistemas de medición en producción lo reflejen.

Implicación para métricas y SEO: como Chrome reporta LCP a Google sin el retraso del click-to-redirect, CrUX y otros agregados pueden mostrar valores optimistas que no representan la experiencia real de usuarios que experimentan fallback SXG. Es decir, puedes perder experiencia real de usuario mientras los datos públicos parecen buenos, lo que plantea un riesgo operacional y ético en la toma de decisiones basadas en esos informes.

Recomendaciones prácticas: 1) instrumentar pruebas sintéticas que simulen clicks desde Google para detectar click-to-redirect, 2) monitorizar la tasa de fallback SXG y priorizar la reducción de fallbacks en cache, 3) usar HTML edge caching para minimizar el contacto con el origen y 4) considerar inlining crítico de CSS y simplificar estructura de página para reducir el bloque de renderizado cuando ya se tienen recursos muy rápidos. Además, evaluar si la ganancia para la mayoría de usuarios compensa el coste para los que sufren fallbacks.

Qué hacer si necesitas ayuda: si tu equipo quiere implementar precargas, configurar cache en extremo y evaluar tradeoffs entre SXG, Speculation Rules y soluciones tradicionales, en Q2BSTUDIO somos especialistas en desarrollo y optimización de aplicaciones web y podemos ayudar desde la arquitectura hasta la instrumentación de pruebas de rendimiento. Ofrecemos servicios de software a medida y aplicaciones a medida y también soporte para desplegar infraestructuras rápidas y seguras en la nube con nuestros servicios cloud aws y azure integrados, puedes conocerlos en Servicios cloud aws y azure.

Servicios relacionados y palabras clave: además de optimización de rendimiento web, Q2BSTUDIO cubre inteligencia artificial y ia para empresas, ciberseguridad y pentesting, servicios de inteligencia de negocio y power bi, automatización de procesos y creación de agentes IA. Estas capacidades permiten abordar la mejora de rendimiento desde múltiples ángulos: infraestructuras más rápidas, decisiones basadas en datos y automatización segura.

Conclusión: la precarga completa con SXG y la cache de borde dan el mejor LCP cuando están bien configuradas, pero SXG también introduce modos de fallo que pueden degradar la experiencia de forma invisible para RUM y para CrUX. Antes de desplegar SXG en producción se debe analizar la tasa de fallbacks, medir con pruebas controladas el click-to-redirect y decidir si el beneficio global compensa el riesgo. Si quieres que evaluemos tu caso concreto y propongamos una hoja de ruta técnica que incluya optimización de LCP, arquitectura cloud, seguridad y opciones de IA para mejorar resultados, ponte en contacto con nuestro equipo en Q2BSTUDIO.

Si te interesa profundizar en experimentos de rendimiento o recibir actualizaciones sobre buenas prácticas, podemos apoyarte en la implementación y monitorización continua para que las mejoras sean reales para todos los usuarios.