Casos de uso para filtrar mapas de calor

En este artículo, compartiremos ejemplos de cuándo podrías elegir utilizar filtros de sesión de mapa de calor y cómo implementarlos.

• ¿Qué filtros puedo usar en un mapa de calor?
• Casos de uso para filtrar mapas de calor

---

¿Qué filtros puedo usar en un mapa de calor?

A continuación, enumeramos los filtros disponibles para segmentar datos de sesión en los mapas de calor.

Además, puedes filtrar mapas de calor por fecha. Nuestros rangos de fechas incluyen rangos relativos y una opción de rango de fechas personalizado que son útiles si deseas comparar datos de mapas de calor antes y después de realizar cambios en tu página web.

Volver arriba

Casos de uso para filtrar mapas de calor

Filtrar para comparar cómo interactúan diferentes grupos de usuarios con áreas específicas de tu producto puede ayudarte a descubrir nuevas oportunidades o validar suposiciones existentes. A continuación, se presentan algunos casos de uso sugeridos para aplicar filtros a los mapas de calor.

• Comparar usuarios nuevos vs. recurrentes

  Es posible comparar los datos del mapa de calor de una página entre usuarios nuevos y recurrentes para ver cómo interactúan los usuarios por primera vez con tu producto. Por ejemplo, puedes comparar visitantes nuevos y recurrentes a tu página de inicio para ayudar a crear una experiencia específica para cada audiencia. Puedes considerar si los usuarios recurrentes encuentran fácilmente tu botón de inicio de sesión.

  Filtrar por:

  • Usuarios nuevos / recurrentes

• Utilizar la ubicación y la tecnología para analizar tendencias de visitantes y solucionar problemas

  Obtén una imagen más clara del comportamiento del usuario basado en su país, dispositivo, navegador y sistema operativo.

  Filtrar por:

  • País
  • Dispositivo
  • Navegador
  • Sistema operativo

• Enfocarse en usuarios que entran y salen de tu producto en una página específica

  Obtén una mejor comprensión de los usuarios que ingresan a tu producto en una página específica y luego salen sin visitar otras páginas. Filtra por usuarios que aterrizaron y salieron de tu producto en la misma página para aprender más sobre por qué se van.

  Filtrar por:

  • Página de entrada: https://example.com/
  • Página de salida: https://example.com/

• Comparar variantes de pruebas A/B

  Compara los datos del mapa de calor de las páginas en las que estás realizando una prueba A/B y descubre cuál funciona mejor. Utilizando nuestra API de Eventos, puedes enviar un evento a Hotjar cada vez que un usuario carga una variante específica de página durante una prueba A/B. Luego podrás filtrar por cada variante para ver cómo interactúan los usuarios con cada página.

  Configurar evento para variantes de:

  • Variante: AB_checkout_Dec21_variant
  • Control: AB_checkout_Dec21_control

  Filtrar por:

  • Evento: AB_checkout_Dec21_variant y AB_checkout_Dec21_control

• Comparar usuarios que realizaron una compra con aquellos que no la hicieron

  Comparar el comportamiento de estos grupos de usuarios puede revelar información que puede ayudar a impulsar mejoras en la conversión. Para hacer esto, necesitarás configurar Atributos de Usuario en Hotjar para poder filtrar por usuarios que realizaron y no realizaron una compra.

  Configura Atributos de Usuario para:

  • Usuarios que realizaron una compra: made_a_purchase = true
  • Usuarios que no realizaron una compra: made_a_purchase = false

  Filtrar por:

  • Página de destino: https://example.com/checkout
  • Página de salida: https://example.com/checkout
  • Atributo de usuario: made_a_purchase = true. Compara esto con made_a_purchase = false

• Realizar una prueba A/B comparando dos versiones de la página de pago

  Al comparar el comportamiento entre usuarios que realizaron una compra y aquellos que no lo hicieron, es posible que hayas identificado áreas para optimizar. Es una buena práctica realizar una prueba A/B para validar si los cambios que realizaste en la página de pago generarán más conversiones. Agrega un filtro de retroalimentación para comprender mejor el sentimiento en torno a la página. Aquí combinaremos los Eventos y Atributos de Usuario que configuramos en los ejemplos anteriores:

  Filtrar por:

  • Evento: AB_checkout_Dec21_variant y AB_checkout_Dec21_control
  • Atributo de usuario: made_a_purchase = true. Compara esto con made_a_purchase = false
  • Retroalimentación: Usuarios que dieron retroalimentación positiva vs negativa

• Identificar dónde los usuarios se frustran durante las variaciones del flujo de pago

  Al enfocarte en los usuarios que llegaron a tu página de pago pero no completaron su compra, puedes identificar si hay alguna parte del proceso que está causando fricción. Observar los clics de ira puede ayudarte a comprender dónde los usuarios se frustran durante el flujo de pago, detectar errores temprano y saber cómo rediseñar una página para aumentar las conversiones.

  Filtrar por:

  • Evento: AB_checkout_Dec21_variant o AB_checkout_Dec21_control
  • Atributo de usuario: made_a_purchase = false
  • Clic de ira: La URL de la página es https://example.com/checkout

• Enfocarse en usuarios que ven una página de destino de una campaña de pago específica

  Usar el filtro de Canal de tráfico, junto con el mapa de zonas de compromiso, puede ayudarte a comprender cómo interactúan usuarios específicos con tu página para que puedas hacer ajustes. Por ejemplo, puedes ver si los usuarios de una campaña de pago están desplazándose lo suficiente para ver tu botón de Llamado a la Acción, o si otra área está recibiendo más atención de la esperada.

  Filtrar por:

  • Canal de tráfico: Nombre de la campaña contiene "ejemplo_campaña"

Volver arriba

Net Promoter, Net Promoter System, Net Promoter Score, NPS y los emoticonos relacionados con NPS son marcas registradas de Bain & Company, Inc., Fred Reichheld y Satmetrix Systems, Inc.