Casos de Uso para Filtragem de Mapas de Calor

Neste artigo, compartilharemos exemplos de quando você pode escolher usar filtros de sessão específicos do Heatmap e como implementá-los.

• Quais filtros posso usar em um Heatmap?
• Casos de uso para filtrar Heatmaps

---

Quais filtros posso usar em um Heatmap?

Abaixo listamos os filtros disponíveis para segmentar dados de sessão em Heatmaps.

Além disso, você pode filtrar Heatmaps por data. Nossos intervalos de datas incluem intervalos relativos e uma opção de intervalo de datas personalizado que são úteis se você deseja comparar dados do Heatmap antes e depois que as alterações foram feitas em sua página da web.

Voltar ao topo

Casos de uso para filtrar Heatmaps

Filtrar para comparar como diferentes grupos de usuários interagem com áreas específicas do seu produto pode ajudá-lo a descobrir novas oportunidades ou validar suposições existentes. Abaixo estão alguns casos de uso sugeridos para aplicar filtros aos Heatmaps.

• Compare usuários novos vs retornando

  É possível comparar dados do Heatmap para uma página entre usuários novos e que retornam para ver como os usuários de primeira viagem interagem com seu produto. Por exemplo, você pode comparar visitantes novos e que retornam à sua página inicial para ajudar a construir uma experiência específica para cada público. Você pode considerar se os usuários que retornam estão encontrando facilmente o seu botão de login.

  Filtrar por:

  • Usuários novos / retornando

• Use a localização e a tecnologia para analisar tendências de visitantes e solucionar problemas

  Obtenha uma imagem mais clara do comportamento do usuário com base em seu país, dispositivo, navegador e sistema operacional.

  Filtrar por:

  • País
  • Dispositivo
  • Navegador
  • Sistema operacional

• Foque nos usuários que entram e saem do seu produto em uma página específica

  Obtenha uma melhor compreensão dos usuários que entram no seu produto em uma página específica e, em seguida, saem sem visitar quaisquer outras páginas. Filtre por usuários que tanto pousaram quanto saíram do seu produto na mesma página para aprender mais sobre por que eles estão saindo.

  Filtrar por:

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

• Compare variantes de teste A/B

  Compare os dados do Heatmap para páginas em que você está executando um teste A/B e descubra qual delas tem melhor desempenho. Usando nossa API de Eventos, você pode enviar um evento para o Hotjar cada vez que um usuário carrega uma variante específica de página durante um teste A/B. Você poderá então filtrar por cada variante para ver como os usuários estão interagindo com cada página.

  Configurar evento para variantes para:

  • Variante: AB_checkout_Dec21_variant
  • Controle: AB_checkout_Dec21_control

  Filtrar por:

  • Evento: AB_checkout_Dec21_variant e AB_checkout_Dec21_control

• Compare usuários que fizeram uma compra com aqueles que não fizeram uma compra

  Comparar o comportamento desses grupos de usuários pode revelar insights que podem ajudar a impulsionar melhorias na conversão. Para fazer isso, você precisará configurar Atributos de Usuário no Hotjar para que você possa filtrar por usuários que tanto fizeram quanto não fizeram uma compra.

  Configurar Atributos de Usuário para:

  • Usuários que fizeram uma compra: made_a_purchase = true
  • Usuários que não fizeram uma compra: made_a_purchase = false

  Filtrar por:

  • Página de entrada: https://example.com/checkout
  • Página de saída: https://example.com/checkout
  • Atributo de usuário: made_a_purchase = true. Compare isso com made_a_purchase = false

• Realize um teste A/B comparando duas versões da página de checkout

  Ao comparar o comportamento entre usuários que fizeram uma compra com aqueles que não fizeram, você pode ter identificado algumas áreas para otimização. É uma boa prática realizar um teste A/B para validar se as alterações que você fez no checkout resultarão em mais conversões. Adicione um filtro de feedback para entender melhor o sentimento em relação à página. Aqui vamos combinar os Eventos e Atributos do Usuário que configuramos nos exemplos acima:

  Filtrar por:

  • Evento: AB_checkout_Dec21_variant e AB_checkout_Dec21_control
  • Atributo do usuário: made_a_purchase = true. Compare isso com made_a_purchase = false
  • Feedback: Usuários que deram feedback positivo vs negativo

• Veja onde os usuários ficam frustrados durante as variações do fluxo de checkout

  Ao focar nos usuários que chegaram à sua página de checkout, mas não concluíram a compra, você pode ver se há alguma parte do processo que está causando atrito. Visualizar cliques de raiva pode ajudá-lo a entender onde os usuários ficam frustrados durante o fluxo de checkout, destacar bugs precocemente e saber como redesenhar uma página para aumentar as conversões.

  Filtrar por:

  • Evento: AB_checkout_Dec21_variant ou AB_checkout_Dec21_control
  • Atributo do usuário: made_a_purchase = false
  • Clique de raiva: URL da página é https://example.com/checkout

Voltar ao topo

Net Promoter, Net Promoter System, Net Promoter Score, NPS e os emoticons relacionados ao NPS são marcas registradas da Bain & Company, Inc., Fred Reichheld e Satmetrix Systems, Inc.