Filtrado de datos de sesión
Para saber cómo funcionan los filtros de sesión, consulte ¿Cómo filtro los datos de sesión?
En este artículo, compartiremos ejemplos de cuándo puede elegir utilizar filtros de sesión Heatmap particulares y cómo implementarlos.
¿Qué filtros puedo utilizar en un Heatmap?
Los sitios en el plan Observe Basic pueden filtrar Heatmaps sólo por fecha
El plan Observe Basic sólo permite filtrar datos de Heatmaps por fecha.
A continuación se enumeran los filtros disponibles para segmentar los datos de sesión en Heatmaps.
Además, puedes filtrar Heatmaps por fecha. Nuestros rangos de fechas incluyen rangos relativos y una opción de rango de fechas personalizado.
- Los intervalos de fechasrelativos le permiten ver los datos de Heatmaps de hasta 12 meses en el pasado.
- Los intervalos de fechas personalizados son útiles si desea comparar los datos de Heatmaps antes y después de realizar cambios en su página web o producto. Puedes encontrar más detalles sobre la retención de datos en Hotjar en nuestro artículo ¿Cuánto tiempo conserva Hotjar mis datos?
Puedes guardar filtros con tus Heatmaps
Al guardar un Heatmap, cualquier filtro o intervalo de fechas que se aplique se guardará con él, lo que te permitirá centrarte más fácilmente en los usuarios específicos.
Casos prácticos para filtrar Heatmaps
Filtrar para comparar cómo diferentes grupos de usuarios interactúan con áreas específicas de su producto puede ayudarle a descubrir nuevas oportunidades o validar suposiciones existentes. A continuación se sugieren algunos casos de uso para aplicar filtros a los Heatmaps.
-
Comparar usuarios nuevos con recurrentes
Es posible comparar los datos del Heatmap de una página entre usuarios nuevos y recurrentes para ver cómo interactúan con su producto los usuarios que lo utilizan por primera vez. Por ejemplo, puede comparar los visitantes nuevos y recurrentes a su página de inicio para ayudar a construir una experiencia específica para cada audiencia. Podría considerar si los usuarios que regresan encuentran su botón de inicio de sesión con suficiente facilidad.
Filtrar por:
-
Utilice la ubicación y la tecnología para analizar las tendencias de los visitantes y solucionar problemas
Obtenga una imagen más clara del comportamiento de los usuarios en función de su país, dispositivo, navegador y sistema operativo.
Filtrar por:
-
Concéntrese en los usuarios que entran y salen de su producto en una página específica
Obtenga una mejor comprensión de los usuarios que entran en su producto en una página específica, y luego salen sin visitar ninguna otra página. Filtre por usuarios que entraron y salieron de su producto en la misma página para saber más sobre por qué se van.
Filtrar por:
-
Comparar variantes de pruebas A/B
Compare los datos de Heatmap de las páginas en las que está realizando una prueba A/B y descubra cuál tiene mejor rendimiento. Utilizando nuestraAPI de eventos , puede enviar un evento a Hotjar cada vez que un usuario cargue una variante de página específica durante una prueba A/B. A continuación, podrás filtrar por cada variante para ver cómo interactúan los usuarios con cada página.
Configurar evento para variantes para:
- Variant: 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 los que no la realizaron
Comparar el comportamiento de estos grupos de usuarios puede revelar información que puede ayudar a mejorar la conversión. Para ello, tendrá que configurar los atributos de usuario en Hotjar para que pueda filtrar por los usuarios que hicieron y no hicieron una compra.
Configurar atributos de usuario para:
- Usuarios que realizaron una compra: made_a_purchase = true
- Usuarios que no hicieron 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. Comparar con made_a_purchase = false
-
Realice una prueba A/B comparando dos versiones de la página de salida
Al comparar el comportamiento entre los usuarios que han realizado una compra y los que no, es posible que haya detectado algunas áreas de optimización. Es una buena práctica realizar una prueba A/B para validar si los cambios realizados en la página de pago generarán más conversiones. Añade un filtro de Feedback para comprender mejor el sentimiento en torno a la página. Aquí combinaremos los eventos y los atributos de usuario que hemos configurado en los ejemplos anteriores:
Filtrar por:
- Evento: AB_checkout_Dec21_variant y AB_checkout_Dec21_control
- Atributo de usuario: made_a_purchase = true. Comparar con made_a_purchase = false
- Feedback: Usuarios que dieron opiniones positivas frente a negativas
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.