Słownik

Wszystkie rodzaje map ciepła witryny i co mierzy każdy z nich

Taras Shynkarenko
Taras Shynkarenko
•Zaktualizowano: •8 min czytania
Wszystkie rodzaje map ciepła witryny i co mierzy każdy z nichWszystkie rodzaje map ciepła witryny i co mierzy każdy z nich

W skrócie

8 min czytania

Mapa ciepła witryny to kolorowa nakładka, która zbiera zachowania z wielu wizyt na jednym obrazie strony: ciepłe kolory oznaczają intensywną interakcję, a zimne obszary pomijane przez odwiedzających. To samo słowo nazywa całą kategorię i jedną mapę w jej obrębie, co jest źródłem większości nieporozumień: mapy kliknięć, przewijania, ruchu kursora, konfetti i uwagi odpowiadają na różne pytania.

Czym jest mapa ciepła witryny?

Mapa ciepła witryny to kolorowa nakładka, która zbiera zachowania z wielu wizyt na jednym obrazie strony: ciepłe kolory oznaczają intensywną interakcję, a zimne obszary pomijane przez odwiedzających. Skrypt śledzący zapisuje współrzędne i znacznik czasu każdego kliknięcia, pozycji przewinięcia i ruchu kursora, a narzędzie grupuje te współrzędne w siatkę nałożoną na zrzut ekranu i koloruje każdą komórkę według gęstości. Odczytuj wynik jako rozkład uwagi w całej grupie odwiedzających, a nigdy jako zapis tego, co zrobiła konkretna osoba.

Dlaczego „mapa ciepła” oznacza dwie różne rzeczy?

Słowo „mapa ciepła” nazywa zarówno kategorię zbiorczych nakładek, jak i jedną konkretną mapę w tej kategorii, dlatego dwie osoby mogą spierać się o mapy ciepła, mając przed oczami zupełnie inne obrazy. W szerokim znaczeniu mapa ciepła to każda nakładka z danymi o zachowaniach na zrzucie ekranu strony. W wąskim to mapa gęstości, która koloruje siatkę według liczby interakcji, a obok niej istnieją cztery inne, korzystające z punktów, pasów lub pomiaru czasu zamiast gradientu gęstości. Zanim porównasz z kimś wnioski, nazwij konkretną mapę, bo zdanie „mapa ciepła pokazuje, że ludzie ignorują tabelę cen” nic nie znaczy, dopóki nie wiesz, czy opiera się na kliknięciach, głębokości przewijania, czy czasie w obszarze widocznym.

Osoba klika na gładziku laptopa; taką interakcję mapa kliknięć zapisuje jako ciepły punkt.

Jakie jest pięć rodzajów map ciepła witryny?

Pięć nakładek nosi nazwę mapy ciepła, a każda rejestruje inny sygnał:

Rodzaj mapyCo rejestrujeNa jakie pytanie odpowiadaGdzie wprowadza w błąd
Mapa kliknięćWspółrzędne kliknięć i dotknięć zgrupowane w siatkę gęstościKtóre elementy przyciągają interakcję?Kliknięcia w nieklikalny tekst liczy jako zaangażowanie
Mapa przewijaniaNajgłębszy piksel osiągnięty w każdej sesjiGdzie odbiorcy się zatrzymują?Linia zgięcia zmienia się z rozmiarem ekranu, co zaciera punkt odcięcia
Mapa ruchuTrasa kursora i miejsca, w których się zatrzymujeKtóre obszary zatrzymują kursor?Pozycja kursora słabo odzwierciedla wzrok, a ekrany dotykowe jej nie dają
Mapa konfettiKażde kliknięcie jako osobny punkt ze źródłem, urządzeniem i kampaniąKto kliknął gdzie, w podziale na segmenty?Przy dużej liczbie punkty zlewają się w szum, jeśli nie filtrujesz
Mapa uwagiCzas, przez jaki każdy obszar był w widocznej części ekranuKtóre sekcje oglądano, a które tylko przewinięto?Porzucona karta liczy się jako trwała uwaga

Mapa kliknięć odpowiada na pytania o intencje, a mapa przewijania na pytania o zasięg, więc korzystanie tylko z jednej daje połowę argumentu. Strona może utrzymać uwagę do samego dołu, a mimo to nie zebrać ani jednego kliknięcia w wezwanie do działania. Inna może zbierać mnóstwo kliknięć na pierwszym ekranie i tracić dziewięćdziesiąt procent odwiedzających, zanim wyrenderuje się sekcja, na której ci zależy. Mapa konfetti dzieli te same kliknięcia na segmenty i właśnie dzięki temu z „przycisk dostaje kliknięcia” robi się „przycisk dostaje kliknięcia z płatnego ruchu na desktopie i żadnych z ruchu organicznego na telefonach”.

Ile sesji potrzebuje mapa ciepła witryny?

Mapa ciepła potrzebuje tylu sesji, by różnice kolorów nie były zwykłym szumem próbkowania, a orientacyjny próg wynika z jednego wzoru. Dla proporcji zachowawczy margines błędu przy 95% ufności wynosi w przybliżeniu:

margin of error = 1 / √n

Przy 400 sesjach daje to 1 / √400 = 0,05, czyli 5 punktów procentowych. Element, który zebrał 12% wszystkich kliknięć na stronie, ma więc rzeczywisty udział między 7% a 17%. Zmniejszenie marginesu o połowę, do 2,5 punktu, wymaga czterokrotnie większej ilości danych, czyli 1 600 sesji. Każdy filtr znów dzieli próbę: rozbicie 1 600 sesji na telefony i desktop, a potem na dwa źródła kampanii, zostawia cztery grupy po 400 sesji i przywraca margines 5 punktów w każdej z nich. Ustal segmenty, zanim uznasz, że próba jest wystarczająca.

Czego mapa ciepła witryny ci nie powie?

Mapa ciepła nie pokaże pojedynczej zepsutej ścieżki, bo uśrednianie jest samą zasadą, dzięki której obraz da się odczytać. Dziesięć tysięcy sesji zlewa się w jeden obraz, więc czterdzieści osób, które kliknęły pole kuponu, trafiły na cichy błąd walidacji i porzuciły koszyk, widać najwyżej jako nieco cieplejszą plamę, nie do odróżnienia od zwykłego zainteresowania. Mapa nie zna też pojęcia niepowodzenia: martwe kliknięcie bez żadnej reakcji ma dokładnie ten sam kolor co kliknięcie, które otworzyło właściwe okno, a powtarzane ze złością kliknięcia w zawieszony przycisk wyglądają jak najgorętszy punkt strony.

W tym miejscu dane zbiorcze muszą ustąpić odtwarzaniu pojedynczych sesji. To oglądanie nagrań sesji stojących za gorącym punktem pozwala odróżnić dobrze zaprojektowany przycisk od zepsutego. Flowsery automatycznie wykrywa wściekłe kliknięcia, martwe kliknięcia, błędy JavaScript i miejsca porzuceń, grupuje pasujące sesje w jeden problem i szereguje problemy według liczby dotkniętych użytkowników, więc anomalia dostrzeżona jako ciepła plama trafia do ciebie jako policzony problem, a nie przeczucie. Jego AI session replay dołącza też do problemu kroki do odtworzenia, czego mapa ciepła nigdy nie dostarczy.

Jak strony dynamiczne i personalizowane psują mapy ciepła?

Każda strona, która wyświetla się różnym odwiedzającym inaczej, podważa założenie o jednym obrazie, na którym opiera się mapa ciepła. Nakładka potrzebuje jednego zrzutu ekranu, więc strona z testem A/B, spersonalizowaną sekcją hero, stanem po zalogowaniu, akordeonem domyślnie zwiniętym, banerem cookies przesuwającym wszystko w dół lub nieskończonym przewijaniem daje współrzędne z układów, których zrzut nigdy nie pokazał. Kliknięcia zarejestrowane na wariancie B lądują na zrzucie wariantu A, a powstała mapa jest zlepkiem stron, które nigdy nie istniały.

Dwa mechanizmy ograniczają szkody. Rejestruj mapy ciepła osobno dla każdego punktu granicznego układu responsywnego, zamiast skalować jeden zrzut z desktopu, by tłumaczyć zachowania na telefonach, i ogranicz każdą mapę do jednego wariantu, jednego stanu logowania i jednego stanu rozwinięcia. Narzędzia, które wiążą interakcje z selektorami DOM zamiast z surowymi współrzędnymi pikseli, lepiej znoszą przebudowę układu, bo selektor nadal wskazuje przycisk po jego przesunięciu.

Analityk przegląda wykresy na monitorze, zamieniając wniosek z mapy ciepła w konkretną poprawkę.

Jak zamienić wniosek z mapy ciepła w poprawkę?

Mapa ciepła daje hipotezę, a wszystko dalej to już praca innych narzędzi. Mapa mówi, że drugie wezwanie do działania radzi sobie lepiej niż pierwsze, że 60% sesji nigdy nie dociera do tabeli cen albo że statyczny nagłówek zbiera kliknięcia. Żadna z tych obserwacji nie wskazuje przyczyny. Połącz każdy wniosek z sygnałami frustracji zarejestrowanymi w tych samych sesjach oraz z odtwarzaniem pojedynczych sesji, a potem zapisz zmianę jako sprawdzalne stwierdzenie: przenieś tabelę cen powyżej miejsca, w którym mapa przewijania pokazuje spadek, i oczekuj wzrostu zasięgu tej sekcji.

Wdrażaj jedną zmianę na hipotezę. Ponowne uruchomienie mapy ciepła po trzech równoczesnych zmianach da nowy obraz, ale nie pozwoli przypisać różnicy żadnej z nich.

Flowsery
Flowsery

Rozpocznij 14-dniowy okres próbny

Panel w czasie rzeczywistym

Śledzenie celów

Śledzenie bez cookie

Od mapy ciepła do poprawki
1
Wyłap hipotezę. Mapa pokazuje, że drugie wezwanie do działania wygrywa z pierwszym albo że 60% sesji nie dociera do tabeli cen.
2
Połącz ją z innymi sygnałami. Zanim przyjmiesz przyczynę, sprawdź sygnały frustracji i nagrania tych samych sesji.
3
Zapisz sprawdzalne stwierdzenie. Przenieś tabelę cen powyżej punktu spadku na mapie przewijania i oczekuj wzrostu zasięgu tej sekcji.
4
Wdróż jedną zmianę. Przy trzech zmianach naraz nie da się przypisać wyniku żadnej z nich.
Wniosek z mapy ciepła staje się poprawką dopiero wtedy, gdy przejdzie tę drogę.

Najczęściej zadawane pytania

Czy mapa ciepła to to samo co mapa kliknięć?

Mapa kliknięć to jeden z rodzajów mapy ciepła, a nie jej synonim. Kategoria obejmuje też mapy przewijania, ruchu, konfetti i uwagi, z których każda rejestruje inny sygnał. Mylenie kategorii z mapą kliknięć jest źródłem większości sporów o to, co pokazuje mapa ciepła.

Czy mapy ciepła działają na urządzeniach mobilnych?

Mapy kliknięć, przewijania, konfetti i uwagi działają na urządzeniach mobilnych, bo dotknięcia, głębokość przewijania i czas w widocznym obszarze można rejestrować na ekranach dotykowych. Mapy ruchu nie działają, bo ekran dotykowy nie ma stałego kursora do śledzenia. Mapy mobilne rejestruj na zrzucie mobilnym w odpowiednim punkcie granicznym, bo pomniejszony układ desktopowy przesuwa wszystkie współrzędne.

Ilu odwiedzających potrzeba, by mapa ciepła była wiarygodna?

Przy 400 sesjach na mapę margines błędu wynosi 5 punktów procentowych według przybliżenia 1 / √n. Osiągnięcie 2,5 punktu wymaga 1 600 sesji. Każdy filtr segmentu dzieli próbę, więc zaplanuj liczbę segmentów, zanim uznasz wielkość próby za wystarczającą.

Dlaczego moja mapa ciepła pokazuje kliknięcia w elementy, które nie są linkami?

Odwiedzający klikają obrazy, nagłówki, pogrubiony tekst i ikony, po których spodziewają się interakcji. Te kliknięcia pojawiają się na mapie z pełną wagą, choć nic się nie wydarzyło, czyli są martwymi kliknięciami. Traktowanie takich miejsc jako zaangażowania odwraca wniosek: ciepło oznacza brak oczekiwanej funkcji, a nie udaną interakcję.

Czy mapy ciepła mogą zastąpić nagrania sesji?

Nie. Mapa ciepła łączy wiele wizyt w jeden obraz, co właśnie usuwa z pola widzenia pojedynczą ścieżkę. Nagranie sesji zachowuje każdą wizytę w całości, więc zepsuty koszyk, który dotknął 40 osób, pozostaje widoczny, zamiast rozpłynąć się w ciepłej plamie. Te narzędzia odpowiadają na różne pytania i działają razem.

Czy mapy ciepła zbierają dane osobowe?

Mapa ciepła przechowuje współrzędne, pozycje przewijania i znaczniki czasu, a nie tożsamość osoby, która je wygenerowała. Ryzyko pojawia się w tym, co uchwyci zrzut ekranu, i w danych z formularzy rejestrowanych razem ze współrzędnymi, dlatego przed rejestrowaniem strony za logowaniem zamaskuj pola formularzy i każdy obszar wyświetlający dane konta.

Co mapa konfetti dodaje w porównaniu z mapą kliknięć?

Mapa konfetti rysuje każde kliknięcie jako osobny punkt, zamiast łączyć kliknięcia w siatkę gęstości, a każdy punkt niesie informację o źródle ruchu, urządzeniu i kampanii odwiedzającego. Dzięki temu „przycisk dostaje kliknięcia” można rozbić według tego, kto klika, i zamienić jedną zbiorczą liczbę w „przycisk dostaje kliknięcia z płatnego ruchu na desktopie i żadnych z ruchu organicznego na telefonach”. Przy dużej liczbie punkty zlewają się w szum, więc przed odczytem mapy przefiltruj ją według segmentu.

Dlaczego mapa ciepła wygląda na zepsutą po uruchomieniu testu A/B?

Narzędzie potrzebuje jednego zrzutu ekranu, a test A/B wyświetla pod tym samym adresem URL więcej niż jeden układ. Kliknięcia zarejestrowane na wariancie B nadal lądują na zrzucie wariantu A, więc powstała mapa jest zlepkiem stron, które nigdy nie istniały. Ogranicz każdą mapę do jednego wariantu, jednego stanu logowania i jednego stanu rozwinięcia, aby współrzędne pozostały wiarygodne.

Czy używać tej samej mapy ciepła na desktopie i telefonach?

Desktop i urządzenia mobilne wymagają osobnych rejestracji, bo linia zgięcia zmienia się wraz z rozmiarem ekranu, a pomniejszony zrzut z desktopu przesuwa wszystkie współrzędne odwiedzających z telefonów. Rejestruj mapy osobno dla każdego punktu granicznego, zamiast rozciągać jeden zrzut na inny ekran. Wyjątkiem są mapy ruchu: ekrany dotykowe nie mają stałego kursora, więc na telefonach takie mapy w ogóle nie powstają.

Czym jest wściekłe kliknięcie i czy widać je na mapie ciepła?

Wściekłe kliknięcie to powtarzane ze złością klikanie w element, który nie reaguje, często zawieszony przycisk. Na mapie ciepła wygląda jak najgorętszy punkt strony, nie do odróżnienia od działającego kliknięcia, bo mapa nie zna pojęcia niepowodzenia. Flowsery automatycznie wykrywa wściekłe kliknięcia i grupuje pasujące sesje w problem z priorytetem, zamiast zostawiać je jako nieopisaną ciepłą plamę.

Czy ten artykuł był pomocny?

Chętnie poznamy opinię!

Częściej widoczni w Google

Jedno kliknięcie ustawia Flowsery jako preferowane źródło, dzięki czemu nasze artykuły pojawiają się wyżej w Najważniejszych artykułach, trybie AI i Przeglądach od AI.

Jeszcze jedno...

Flowsery

Flowsery

Analityka witryny skupiona na przychodach

Każdy odwiedzający, źródło i konwersja w czasie rzeczywistym. Prosto, skutecznie i bez plików cookie.

Panel w czasie rzeczywistym

Śledzenie celów

Śledzenie bez cookie

Powiązane hasła ze słownika

Skąd pochodzą dane w odtwarzaniu sesji i mapach cieplnychSkąd pochodzą dane w odtwarzaniu sesji i mapach cieplnych
Słownik

Skąd pochodzą dane w odtwarzaniu sesji i mapach cieplnych

Odtwarzanie sesji a mapy cieplne: jedna wizyta kontra wiele oraz to, jak Hotjar, Datadog, PostHog, Clarity i FullStory tworzą mapy z nagrań lub niezależnie od nich.

•7 min czytania
Co mapa przewijania mówi o tym, gdzie czytelnicy się zatrzymująCo mapa przewijania mówi o tym, gdzie czytelnicy się zatrzymują
Słownik

Co mapa przewijania mówi o tym, gdzie czytelnicy się zatrzymują

Każdy pas mapy przewijania ma kolor zależny od odsetka odwiedzających, którzy do niego dotarli. Poznaj linię zgięcia, kolumnę odpływu i pułapki wysokości strony.

•8 min czytania
Jak działa test prawnie uzasadnionego interesu z art. 6 ust. 1 lit. f RODOJak działa test prawnie uzasadnionego interesu z art. 6 ust. 1 lit. f RODO
Słownik

Jak działa test prawnie uzasadnionego interesu z art. 6 ust. 1 lit. f RODO

Prawnie uzasadniony interes w art. 6 ust. 1 lit. f RODO, cytowany z EUR-Lex, wraz z trzyczęściowym testem EROD i wyjaśnieniem, dlaczego analityka wciąż budzi spory.

•10 min czytania
Co zapisują dane clickstream, wiersz po wierszuCo zapisują dane clickstream, wiersz po wierszu
Słownik

Co zapisują dane clickstream, wiersz po wierszu

Każdy wiersz danych clickstream to jedno trafienie ze znacznikiem czasu, identyfikatorem i adresem URL, dlatego RODO i CCPA uznają eksport za dane osobowe.

•8 min czytania
Co pokazuje diagram Sankeya, czego nie pokaże lejekCo pokazuje diagram Sankeya, czego nie pokaże lejek
Słownik

Co pokazuje diagram Sankeya, czego nie pokaże lejek

Diagram Sankeya zachowuje przepływ: wszystko, co wchodzi do węzła, musi z niego wyjść. Kiedy pomaga w analityce, kiedy wprowadza w błąd i które narzędzia go rysują.

•9 min czytania
Co widzi atrybucja deklaratywna, czego nie pokażą dane o kliknięciachCo widzi atrybucja deklaratywna, czego nie pokażą dane o kliknięciach
Słownik

Co widzi atrybucja deklaratywna, czego nie pokażą dane o kliknięciach

Pole atrybucji deklaratywnej wyłapuje podcasty, polecenia i dark social, których śledzenie kliknięć nigdy nie zapisze. Skąd biorą się zniekształcenia i jak je uzgodnić.

•8 min czytania

Powiązane artykuły