CLS (Cumulative Layout Shift) — накопленный сдвиг макета — метрика визуальной стабильности из набора Core Web Vitals. Она измеряет, насколько неожиданно перемещаются видимые элементы страницы в процессе её загрузки.
Математически CLS для каждого отдельного сдвига рассчитывается как произведение двух величин:
Итоговый CLS страницы — это сумма оценок всех сдвигов, произошедших без явного действия пользователя (не в ответ на клик или нажатие клавиши), с применением механизма «окна сессии»: группируются сдвиги в пределах 1 секунды друг от друга с максимальным окном 5 секунд, берётся наихудшее окно.
| Оценка | Значение CLS | |---|---| | Хорошо | < 0.1 | | Требует улучшения | 0.1 – 0.25 | | Плохо | > 0.25 |
Типичные виновники высокого CLS: изображения без явно заданных width/height, динамически вставляемые баннеры и виджеты, шрифты со сменой размера при загрузке (FOUT/FOIT), кнопки, появляющиеся поверх контента после загрузки рекламы.
Яндекс официально включил Core Web Vitals в набор технических сигналов качества страницы. CLS — один из трёх ключевых CWV наряду с LCP и INP. В Яндекс.Вебмастере раздел «Качество страниц» отображает данные по всем трём метрикам; Яндекс получает их через Field Data (реальные пользовательские данные CrUX) и Lab Data (краулер).
Прямое vs косвенное влияние
Сам по себе CLS — технический сигнал третьего уровня: Яндекс вряд ли применяет его как самостоятельный ранжирующий фактор с жёстким порогом. Однако его влияние реализуется через цепочку поведенческих факторов:
Бенчмарки по нишам (ориентир)
Для коммерческих запросов в топ-10 Яндекса CLS сайтов обычно не превышает 0.15; у лидеров тематики — как правило, ≤ 0.08. Для информационных страниц с обилием рекламных блоков типичный CLS составляет 0.15–0.30, что создаёт уязвимость для конкурентов с более стабильной версткой.
Яндекс.Метрика и CLS
Яндекс.Метрика сама по себе не публикует CLS в готовых отчётах, однако Вебвизор косвенно позволяет увидеть «промахи» пользователей — клики вне интерактивных зон, что коррелирует с проблемами CLS. Инструментальные замеры лучше делать через PageSpeed Insights (API Google, поддерживает CrUX для ru-доменов) и Яндекс.Вебмастер.
onCLS(console.log) — можно встроить в любой проект для мониторинга реальных пользователей.width и height или используй CSS aspect-ratio. Это резервирует место ДО загрузки файла.min-height; не вставляй рекламу поверх существующего контента.font-display: optional или swap с согласованием метрик; size-adjust CSS-дескриптор помогает совместить размеры fallback и целевого шрифта.Странице с коммерческим запросом (каталог, карточка товара) исправление CLS даёт больший эффект, чем для информационного запроса с низкой конверсионной ценностью. Фиксируй изменения в задачах и отслеживай CTR в Яндексе и показатель отказов в динамике.
CLS напрямую разрушает первое впечатление от страницы — именно то, что формирует поведенческие сигналы, учитываемые при ранжировании Яндекса.
Цепочка негативных ПФ-сигналов
Если пользователь нажал на кнопку «Купить», но страница сдвинулась и он попал на рекламный блок — высока вероятность немедленного возврата в SERP Яндекса. Это классический паттерн Pogosticking: быстрый возврат к выдаче — один из самых негативных поведенческих сигналов. Алгоритм интерпретирует это как «страница не решила задачу пользователя».
Стабильная верстка, напротив, косвенно увеличивает:
CLS и накрутка ПФ
Если вы работаете с накруткой ПФ, высокий CLS обесценивает результаты: искусственно привлечённые пользователи также будут промахиваться и уходить, не улучшая поведенческий профиль. Инструменты x10seo имитируют реальное поведение, однако технические проблемы страницы снизят эффективность любой ПФ-работы — поэтому CLS нужно исправлять ДО запуска кампаний.
Поведенческие факторы — не изолированный набор сигналов. CLS влияет на них комплексно: ухудшает все сессионные метрики одновременно. Это делает его исправление одним из наиболее «рычажных» технических действий с точки зрения соотношения затрат к результату.
CLS — часть триады Core Web Vitals наряду с LCP (скорость загрузки главного контента) и INP (отзывчивость на взаимодействие). Все три метрики взаимосвязаны: страница с плохим CLS часто имеет и высокий LCP из-за несогласованной загрузки ресурсов.
С точки зрения SEO-аналитики CLS тесно связан с Bounce Rate и Временем на сайте — именно через эти метрики сдвиг макета материализуется в сигналы ранжирования Яндекса. Контролировать динамику этих показателей удобно через Яндекс.Метрику, а технические данные по CLS в разрезе URL получить в Яндекс.Вебмастере. Высокий CLS также усиливает паттерн Pogosticking — быстрого возврата пользователя в выдачу, который алгоритм трактует как релевантностный провал страницы.