Convertirse en un gerente de producto basado en datos es una de las mejores cosas que puedes hacer para llevar tu gestión de producto al siguiente nivel.
Como parte de ese esfuerzo, es posible que ya hayas empezado a trabajar con varias herramientas de analítica e incluso hayas intentado basar tus decisiones en sus datos. Si has llegado a este artículo, supongo que también te interesa analizar tu interfaz de usuario mediante mapas de calor.
Si es así, has llegado al lugar adecuado. ¡Vamos a profundizar en esta popular herramienta!
¿Qué es la analítica de mapas de calor y cómo funcionan los mapas de calor?
La analítica de mapas de calor es una metodología para medir, visualizar y analizar el comportamiento de tus usuarios mediante —lo has adivinado— mapas de calor.
Los mapas de calor son capturas de pantalla de tu interfaz de usuario resaltadas con diferentes superposiciones de colores, según cómo interactúan tus usuarios con las distintas áreas de la página. Los colores utilizados para resaltar suelen ir del rojo (mucha interacción de los usuarios) al azul (poca interacción de los usuarios).
El mapa de calor anterior es un ejemplo de un «mapa de clics», que registra y visualiza las zonas donde los usuarios hacen clic con mayor frecuencia.
Como podemos ver, los botones de Iniciar sesión y Crear cuenta reciben muchos clics, pero el menú de navegación de la parte superior recibe poca o ninguna atención por parte de los usuarios.
Los mapas de calor son herramientas de visualización fantásticas para analizar tu producto y la experiencia de usuario. Ofrecen una gran variedad de ventajas, pero también tienen inconvenientes. Sigamos adelante para conocer un poco más ambos aspectos de esta herramienta.
¿Cuáles son las ventajas de utilizar herramientas de mapas de calor?
El software de mapas de calor es cada vez más popular. Durante la última década, solía pertenecer al ámbito de los profesionales del marketing digital, hasta que los equipos de producto descubrieron su utilidad para perfeccionar la experiencia de usuario. Hoy se ha convertido en una herramienta indispensable para los gerentes de producto y los diseñadores de UX.
Y hay una buena razón por la que las herramientas de mapas de calor se han vuelto tan populares: son muy buenas para transmitir los datos de comportamiento de tus usuarios. Si todavía no has incorporado una a tu conjunto de herramientas de producto, integrar una herramienta de mapas de calor es imprescindible; aquí tienes un par de ventajas de los mapas de calor que espero que convenzan a tu equipo de producto para adoptarla.
Los mapas de calor son excelentes para visualizar datos complejos
¿Te imaginas cómo se verían los datos de clics de los usuarios en un formato no visual? Probablemente sería algo así:
¡Ay, mis ojos!
Ahora intenta comprender el comportamiento de los usuarios basándote en estos puntos de datos. ¿Puedes decirme en qué botones les gusta hacer clic con mayor frecuencia? Probablemente no.
Ahora probemos con una representación visual de los mismos datos.
Es mucho más fácil determinar qué botones funcionan mejor al observar este elemento visual, ¿verdad?
La belleza de los mapas de calor reside en su capacidad para transmitir información compleja de una forma muy fácil de asimilar.
Have an account? Log In
Los mapas de calor te ayudan a identificar la intención de los usuarios
Las herramientas modernas de analítica web (por ejemplo, Google Analytics o Amplitude) son excelentes para realizar un seguimiento y visualizar el comportamiento de los visitantes de tu sitio web y sus datos demográficos (sigo mencionando la web, pero los mapas de calor también son igual de útiles para dispositivos móviles y aplicaciones móviles). Sin embargo, su principal problema es que los datos que recopilan son demasiado «cuantitativos» y carecen de la perspectiva «cualitativa» sobre por qué los usuarios se comportan de una determinada manera.
Si 2.000 usuarios se registran en tu producto cada día, pero solo 100 descargan e instalan tu aplicación, puedes afirmar con seguridad que hay algún problema con la activación. Sin embargo, no podrás identificar el problema exacto ni por qué las personas no consiguen instalar tu aplicación.
Si utilizases una herramienta de mapas de calor, podrías revisar tu mapa de clics de frustración y comprobar que el botón de descarga no funciona en determinados navegadores, lo que provoca que los usuarios se enfaden y hagan clic repetidamente en él.
Esta es otra de las mejores características de los mapas de calor: pueden complementar tus datos cuantitativos con información cualitativa.
Los mapas de calor son alternativas rentables a las pruebas de usabilidad
Permítanme decirlo claramente. Los mapas de calor no pueden ni deben sustituir a las pruebas de usabilidad. Las pruebas de usabilidad son muy valiosas para los esfuerzos relacionados con su producto y diseño, y nunca debería plantearse prescindir de ellas.
Sin embargo, los mapas de calor le ahorrarán tiempo y esfuerzo al realizar pruebas de usabilidad en elementos básicos de las páginas y recorridos de los usuarios. Por ejemplo, si está probando algo tan sencillo como una página de inicio de sesión, realmente no necesita organizar una sesión de pruebas de usabilidad.
Todo lo que hacen sus usuarios en una página de inicio de sesión es introducir sus credenciales y hacer clic en uno de los botones de CTA de inicio de sesión disponibles en la página. Al consultar los datos de los mapas de calor, puede ver fácilmente cómo interactúan los usuarios con los campos de correo electrónico y contraseña, así como con los botones. Realizar pruebas de usabilidad y revisar la grabación de la sesión para algo así sería una pérdida de tiempo.
¿Cuáles son las limitaciones de los mapas de calor de sitios web?
Los mapas de calor parecen herramientas fantásticas para visualizar el comportamiento y la intención de los usuarios de forma rentable. Pero, al igual que cualquier otra herramienta, no son perfectos y presentan un par de limitaciones que debe tener en cuenta al utilizar una herramienta de mapas de calor.
Estos son los aspectos en los que los mapas de calor se quedan un poco cortos:
Los conocimientos cualitativos son limitados en los mapas de calor
He mencionado la presencia de conocimientos cualitativos como una de las principales ventajas de los mapas de calor. Pero debo ser justo y mencionar que estos conocimientos son limitados.
Sí, puede detectar fácilmente clics de frustración en una página y utilizar el mapa de movimiento para ver cómo se mueven los cursores de sus usuarios por la interfaz. Sí, estos datos le ayudarán a comprender la intención y los sentimientos generales de sus usuarios.
Sin embargo, con los mapas de calor no puede obtener nada más allá de la mencionada «intención general».
Por ejemplo, al revisar un mapa de calor de su página de inicio de sesión, puede observar que la mayoría de los usuarios inician sesión introduciendo manualmente su dirección de correo electrónico, y que muy pocos utilizan la opción «Iniciar sesión con Google».
Su mapa de calor no podrá indicarle el motivo de este comportamiento. Para profundizar en algo así, deberá realizar entrevistas con usuarios, llevar a cabo encuestas o buscar alguna otra forma de recopilar comentarios de los usuarios significativos.
En este caso concreto, por ejemplo, podría hablar con algunos de sus usuarios y descubrir que pertenecen principalmente al ámbito empresarial, y que la mayoría utiliza el correo electrónico de Outlook en lugar de G-Suite de Google. Como no dispone de una opción «Iniciar sesión con Microsoft», estos usuarios tienden a añadir sus direcciones de correo electrónico manualmente.
Demasiado énfasis en los tipos básicos de interacción
Otra desventaja de los mapas de calor es que solo registran el desplazamiento, el movimiento del cursor y el comportamiento de los clics. Esto significa que, si se basa exclusivamente en sus mapas de calor para analizar el comportamiento de sus usuarios, podría obtener información engañosa, simplemente porque unos datos atractivos del mapa de calor (por ejemplo, muchos clics) no siempre significan una interacción «buena».
Permítanme repetirlo.
Los datos atractivos del mapa de calor no siempre significan una interacción buena.
Imagine que consulta un mapa de calor de la página del editor de documentos de Google Docs y observa que muchas personas hacen clic en el botón de compartir. Emocionado, concluye (ingenuamente) que su funcionalidad para compartir funciona bien.
Pero suponga que consulta sus otras herramientas de análisis del sitio web y descubre que, aunque los usuarios hacen clic en el botón de compartir para abrir la ventana emergente para compartir, muy pocos de ellos comparten realmente sus documentos con alguien más. La mayoría de los usuarios simplemente cierra la ventana emergente para compartir justo después de abrirla.
Problemas de privacidad
Las herramientas de mapas de calor tienen fama de rastrear y almacenar activamente datos confidenciales de los usuarios. No hay forma de evitarlo; tendrá que registrar los movimientos del ratón y los clics de sus usuarios para poder generar un mapa de calor.
Por lo tanto, cuando integre una solución de mapas de calor (especialmente si cuenta con análisis en tiempo real, reproducción de sesiones y visualizaciones de páginas), deberá tener esto en cuenta y asegurarse de que sus usuarios no se enfaden con usted por rastrear su comportamiento de navegación.
Otro aspecto que debe tener en cuenta es el cumplimiento legal. Deberá trabajar estrechamente con sus equipos jurídicos y de seguridad para elaborar los documentos legales adecuados y asegurarse de que sus tácticas de seguimiento no vulneren los derechos de nadie ni creen riesgos legales para su empresa.
Esto es especialmente importante si afirma cumplir normativas de privacidad importantes como GDPR, CalOPPA, etc.
Ese es el resumen del análisis con mapas de calor, junto con sus ventajas y desventajas. Pasemos ahora a descubrir cómo puede utilizar esta herramienta para analizar el comportamiento de sus clientes y extraer algunas conclusiones valiosas.
3 casos de uso reales del análisis de mapas de calor
Según mi experiencia, los mapas de calor han demostrado ser herramientas muy valiosas para comprender qué ocurre con tu producto.
Teniendo en cuenta las ventajas y limitaciones de esta herramienta, casi nunca analizo los datos de los mapas de calor de forma aislada. En su lugar, mi equipo y yo solemos combinarlos con los datos de otras herramientas de análisis para obtener una visión más completa de nuestro producto y nuestros usuarios.
Para ayudarte con las aplicaciones prácticas de los mapas de calor, permíteme compartir contigo un par de casos de uso reales.
1. Descifrar los clics de frustración: pruebas A/B con mapas de clics de frustración de Fullstory y Google Optimize
Permíteme empezar con un caso de uso de análisis que incluye mi tipo favorito de mapas de calor: los mapas de clics de frustración.
Puedes considerar que el clic de un usuario en tu interfaz es un «clic de frustración» si hace varios clics seguidos en el mismo elemento. Se suele asumir que este tipo de comportamiento indica frustración e irritación por parte del usuario (de ahí el nombre).
Hay muchas razones por las que puedes acabar teniendo usuarios que hacen clics de frustración. Con mayor frecuencia, se deben a:
- Un elemento que parece que se puede pulsar, pero no se puede. El usuario hace clic en él, piensa que no funciona y se enfada.
- Tus botones simplemente no funcionan. No necesita más explicación.
- Los botones funcionan, pero un problema de diseño hace que sea difícil dirigir el clic a uno o varios de ellos.
Con la ayuda de los mapas de clics de frustración, puedes identificar los elementos de tu interfaz en los que se producen estos clics, intentar comprender el motivo y solucionar el problema. Así es como se ve en un sitio de comercio electrónico que vende frutas y verduras.
El problema de encontrar las áreas problemáticas y solucionarlas es que es posible que la solución no funcione y que los usuarios sigan haciendo clics de frustración. Para resolverlo, puedes utilizar herramientas de pruebas A/B para comprobar la eficacia de la solución.
Así se hace: Crea una prueba A/B en la que la variante A sea tu solución y la variante B sea el estado original. Después de activar la prueba A/B, empieza a analizar los mapas de clics de frustración de ambas variantes y a calcular el número de clics de frustración que recibe cada una.
Si tu variante A ha recibido menos clics, significa que la solución ha funcionado y puedes implementarla con confianza.
2. Desmitificar las tasas de conversión: optimización de la tasa de conversión con mapas de movimiento de Hotjar y Google Analytics
El siguiente caso que analizaremos es probablemente el caso de uso más popular de los mapas de calor: analizar la conversión (u otras métricas similares).
Como he mencionado, combinar los datos de los mapas de calor y las herramientas de análisis te proporcionará los mejores resultados para obtener datos precisos y evitar conclusiones engañosas. En este ejemplo concreto, veremos cómo puedes utilizar una combinación de Google Analytics y los mapas de movimiento de Hotjar.
Nota
Los mapas de movimiento muestran hacia dónde se ha desplazado el cursor de los usuarios y dónde ha permanecido durante la sesión.
Imagina que estás a cargo de una tienda de comercio electrónico que ofrece dos opciones de envío para entregar las compras a los clientes. El precio de estas dos opciones es de $2 para el envío «Estándar» (también llamado «lento») y de $10 para el envío «Exprés».
Tu objetivo en este ejemplo hipotético es analizar la tasa de conversión de las opciones de envío barata y cara.
Así se hace: Empieza analizando en Google Analytics la tasa de conversión de la opción cara. Supongamos que la tasa es del 5 % (es decir, solo 1 de cada 20 usuarios elige la opción más cara). Esto es una noticia realmente mala para ti, así que ahora necesitas comprender el motivo de una tasa tan baja.
Para ello, querrás abrir el mapa de movimiento de la página de pago (donde el usuario elige las opciones de envío). Imagina que el mapa de movimiento muestra que los usuarios pasan el cursor sobre la opción de envío cara, hacen clic en el texto que dice «Envío exprés» (en lugar de hacerlo en el botón «Seleccionar» que aparece justo debajo), se dan por vencidos y siguen adelante con la opción más barata (que está seleccionada de forma predeterminada).
Este comportamiento nos muestra varias hipótesis posibles:
- Tus usuarios realmente quieren leer más información sobre la opción cara antes de elegirla, ya que no comprenden del todo el valor o beneficio adicional que obtienen con ella.
- El botón «Seleccionar» no es suficientemente visible; quizá esté oculto debajo del límite inferior de la pantalla para la mayoría de los usuarios.
Después podemos realizar 1-2 entrevistas rápidas con usuarios y comprobar si nuestras hipótesis son correctas o si el problema es completamente distinto.
3. Carrera hacia el fondo: optimización del rendimiento de la sección de FAQ con mapas de desplazamiento
Las secciones de FAQ son herramientas muy infravaloradas en el mundo de la gestión de productos.
Las FAQ son herramientas fantásticas para los responsables de producto. Uno de los excelentes casos de uso de añadir una sección de FAQ a tu producto o sitio web es convertir a los clientes potenciales que están listos para comprar tu producto, pero necesitan obtener primero respuestas a un par de preguntas que les preocupan antes de realizar la compra.
Considerando el valor que obtienes de tu sección de FAQ, es bastante importante hacer un seguimiento de su rendimiento y optimizarla.
Así es como se hace: Normalmente, colocaríamos las FAQ en la parte inferior de una página web, pero existe una probabilidad significativa de que los usuarios no se desplacen hasta allí y se pierdan la sección. Para medirlo, puedes utilizar mapas de calor de desplazamiento, que muestran cuánto tiempo han pasado los usuarios en cada sección de la página y hasta dónde se han desplazado por ella.
Esto es lo que parece:
En este ejemplo concreto, podemos ver que la mayoría de los usuarios han visto la parte superior de la página (es roja), pero solo el 44 % se ha desplazado lo suficiente para ver la sección de FAQ (es azul y tiene un indicador de porcentaje).
Sinceramente, el 44 % es un buen resultado. Sin embargo, si crees que más personas deberían ver tus FAQ, te sugiero buscar una solución de UX que les permita "saltar" directamente a la sección de FAQ.
¿Quieres ver más ejemplos de mapas de calor del mundo real en acción? Este artículo muestra cómo las marcas utilizan datos visuales de comportamiento para tomar decisiones de UX más inteligentes.
Los datos visualizados son excelentes, pero combinarlos con tu intuición de producto es aún mejor.
Los mapas de calor, junto con otras herramientas de análisis, mejorarán significativamente la calidad de las decisiones que tomas; ¡eso es lo que te convierte en un PM basado en datos!
Pero si puedo dejarte un consejo, es este:
No dependas únicamente de los datos de análisis; escucha también a tu corazón.
Como responsables de producto, tenemos este superpoder llamado intuición de producto que nos ayuda a tomar decisiones inteligentes, incluso cuando disponemos de pocos datos de análisis. Así que, si combinas tu intuición con los aprendizajes que obtienes de tus mapas de calor, puedes llevar tus habilidades para tomar decisiones a un nivel completamente nuevo.
Otro superpoder de los responsables de producto es el hambre constante de aprender algo nuevo, ¡y podemos ayudarte con eso! Suscríbete a nuestro boletín para recibir cada dos semanas una selección de ideas sobre gestión de productos, recursos y otros contenidos interesantes directamente en tu bandeja de entrada.