Kuinka lämpökartta-analytiikan avulla voidaan tehostaa käyttäjien sitouttamista

Dataohjautuvaksi tuotepäälliköksi ryhtyminen on yksi parhaista asioista, joita voit tehdä kehittääksesi tuotetyöskentelyäsi.

Osana tätä työtä olet ehkä jo alkanut käyttää erilaisia analytiikkatyökaluja ja jopa yrittänyt perustaa päätöksesi niiden tietoihin. Jos olet päätynyt tähän artikkeliin, oletan, että olet kiinnostunut analysoimaan käyttöliittymääsi myös lämpökarttojen avulla.

Siinä tapauksessa olet tullut oikeaan paikkaan. Tutustutaan tähän kuumaan työkaluun perusteellisesti!

Mitä lämpökartta-analytiikka on ja miten lämpökartat toimivat?

Lämpökartta-analytiikka on menetelmä, jossa käyttäjiesi toimintaa mitataan, visualisoidaan ja analysoidaan käyttäen – arvasit oikein! – lämpökarttoja.

Lämpökartat ovat käyttöliittymäsi kuvakaappauksia, joissa on eri värisiä kerroksia sen perusteella, miten käyttäjäsi ovat vuorovaikutuksessa sivun eri alueiden kanssa. Korostamiseen käytetyt värit vaihtelevat yleensä punaisesta (paljon käyttäjien vuorovaikutusta) siniseen (vähän käyttäjien vuorovaikutusta).

Yllä oleva lämpökartta on esimerkki ”klikkauskartasta”, joka seuraa ja visualisoi käyttäjien klikkausten keskittymiä.

Kuten näemme, Kirjaudu sisään- ja Luo tili -painikkeita klikataan paljon, mutta yläreunan navigointivalikko saa käyttäjiltä vain vähän tai ei lainkaan huomiota.

Lämpökartat ovat erinomaisia visualisointityökaluja tuotteen ja käyttäjäkokemuksen analysointiin. Niihin liittyy monia hyötyjä, mutta niiden käytössä on myös haittapuolia. Siirrytään seuraavaksi tarkastelemaan tämän työkalun molempia puolia hieman tarkemmin.

Mitä hyötyä lämpökarttatyökalujen käytöstä on?

Lämpökarttaohjelmistot ovat yhä suositumpia. Viime vuosikymmenellä ne kuuluivat digitaalisten markkinoijien työkaluihin, kunnes tuotetiimit ymmärsivät niiden hyödyllisyyden käyttäjäkokemuksen hiomisessa. Nykyään niistä on tullut korvaamattomia työkaluja PM:ille ja UX-suunnittelijoille.

Ja lämpökarttatyökalujen suosiolle on hyvä syy – ne ovat yksinkertaisesti niin hyviä välittämään käyttäjiesi käyttäytymiseen liittyvää dataa. Jos et ole vielä sisällyttänyt sellaista tuotepinoosi, lämpökarttatyökalun integrointi on välttämätöntä – tässä on pari lämpökarttojen hyötyä, joiden toivon innostavan tuotetiimiäsi ottamaan työkalun käyttöön.

Lämpökartat sopivat erinomaisesti monimutkaisen datan visualisointiin

Voitko kuvitella, miltä käyttäjien klikkausdata näyttäisi ei-visuaalisessa muodossa? Luultavasti tältä:

Yritä nyt muodostaa käsitys käyttäjien toiminnasta näiden datapisteiden perusteella. Osaatko sanoa, mitä painikkeita käyttäjät klikkaavat eniten? Luultavasti et.

Kokeillaan nyt saman datan visuaalista esitystapaa.

Onhan tämän visualisoinnin avulla paljon helpompi määrittää, mitkä painikkeet toimivat paremmin?

Lämpökarttojen hienous piilee niiden kyvyssä välittää monimutkaista tietoa tavalla, joka on erittäin helppo omaksua.

Lämpökartat auttavat tunnistamaan käyttäjien aikomukset

Nykyaikaiset verkkoanalytiikkatyökalut (esim. Google Analytics tai Amplitude) seuraavat ja visualisoivat erinomaisesti verkkosivustosi kävijöiden toimintaa ja demografisia tietoja (mainitsen jatkuvasti verkon, mutta lämpökartat ovat yhtä hyödyllisiä myös mobiililaitteissa ja mobiilisovelluksissa). Niiden pääongelma on kuitenkin se, että niiden keräämä data on liian ”kvantitatiivista” ja siitä puuttuu ”kvalitatiivinen” näkökulma siihen, miksi käyttäjät toimivat tietyllä tavalla.

Jos 2 000 käyttäjää rekisteröityy tuotteeseesi päivittäin, mutta vain 100 lataa ja asentaa sovelluksesi, voit hyvällä varmuudella sanoa, että aktivoinnissa on jotain vialla. Et kuitenkaan pysty paikantamaan tarkkaa ongelmaa tai sitä, miksi ihmiset eivät onnistu asentamaan sovellustasi.

Jos kuitenkin käyttäisit lämpökarttatyökalua, voisit tarkastella raivoklikkauskarttaasi ja nähdä, ettei latauspainikkeesi toimi tietyissä selaimissa ja että ihmiset turhautuvat ja klikkaavat sitä toistuvasti.

Tämä on jälleen yksi lämpökarttojen parhaista ominaisuuksista – ne voivat täydentää kvantitatiivista dataasi kvalitatiivisilla havainnoilla.

Lämpökartat ovat kustannustehokkaita vaihtoehtoja käytettävyystestaukselle

Sanotaan tämä suoraan. Lämpökartat eivät voi eivätkä saa korvata käytettävyystestausta. Käytettävyystestaus on erittäin arvokasta tuotteesi ja suunnittelutyösi kannalta, eikä sen lopettamista pitäisi koskaan harkita.

Lämpökartat säästävät kuitenkin aikaasi ja vaivaasi, kun teet käytettävyystestausta sivujen peruselementeille ja käyttäjäpoluille. Jos esimerkiksi testaat niinkin yksinkertaista asiaa kuin kirjautumissivua, sinun ei oikeastaan tarvitse järjestää käytettävyystestausta.

Kirjautumissivulla käyttäjäsi vain syöttävät kirjautumistietonsa ja napsauttavat jotakin sivulla olevista kirjautumisen toimintakehotepainikkeista. Lämpökarttatietoja tarkastelemalla näet helposti, miten käyttäjät ovat vuorovaikutuksessa sähköposti- ja salasanakenttien sekä painikkeiden kanssa. Käytettävyystestauksen tekeminen ja istuntotallenteen tarkasteleminen tällaisen asian vuoksi olisi tuhlausta.

Mitä rajoituksia verkkosivustojen lämpökartoilla on?

Lämpökartat vaikuttavat erinomaisilta työkaluilta käyttäjien toiminnan ja aikomusten kustannustehokkaaseen visualisointiin. Kuten kaikki muutkin työkalut, ne eivät kuitenkaan ole täydellisiä, vaan niihin liittyy muutamia rajoituksia, jotka on otettava huomioon lämpökarttatyökalua käytettäessä.

Näissä tilanteissa lämpökartat jäävät hieman vajaiksi:

Lämpökarttojen laadulliset näkemykset ovat rajallisia

Mainitsin laadullisten näkemysten olevan yksi lämpökarttojen merkittävistä hyödyistä. On kuitenkin oltava reilu ja mainittava, että nämä näkemykset ovat rajallisia.

Kyllä, voit helposti havaita raivonapsautukset sivulla ja käyttää liikkumiskarttaa nähdäksesi, miten käyttäjiesi kohdistimet liikkuvat käyttöliittymässäsi. Kyllä, nämä tiedot auttavat sinua ymmärtämään käyttäjiesi yleisen tason aikomuksia ja tuntemuksia.

Lämpökarttojen avulla et kuitenkaan voi saada mitään muuta kuin edellä mainitun ”yleisen tason aikomuksen”.

Kun esimerkiksi tarkastelet kirjautumissivusi lämpökarttaa, saatat huomata, että enemmistö käyttäjistä rekisteröityy täyttämällä sähköpostiosoitteen kentän manuaalisesti ja että vain harvat heistä käyttävät ”Kirjaudu Google-tilillä” -vaihtoehtoa.

Lämpökarttasi ei pysty kertomaan tämän toiminnan syytä. Jos haluat perehtyä asiaan syvällisemmin, sinun on tehtävä käyttäjähaastatteluja, toteutettava kyselyitä tai löydettävä jokin muu tapa kerätä merkityksellistä käyttäjäpalautetta.

Tässä tapauksessa voisit esimerkiksi keskustella muutaman käyttäjäsi kanssa ja selvittää, että käyttäjäsi työskentelevät pääasiassa yrityssektorilla ja että useimmat heistä käyttävät Googlen G-Suiten sijaan Outlook-sähköpostia. Koska sinulla ei ole ”Kirjaudu Microsoft-tilillä” -vaihtoehtoa, nämä käyttäjät lisäävät sähköpostiosoitteensa yleensä manuaalisesti.

Liiallinen painotus sitoutumisen perustyyppeihin

Toinen lämpökarttojen haittapuoli on, että ne seuraavat vain vieritystä, kohdistimen liikkeitä ja napsautuskäyttäytymistä. Tämä tarkoittaa, että jos luotat käyttäjiesi toiminnan analysoinnissa pelkästään lämpökarttoihin, saatat saada harhaanjohtavia tietoja vain siksi, että hyvännäköiset lämpökarttatiedot (esimerkiksi monet napsautukset) eivät aina tarkoita ”hyvää” sitoutumista.

Sanotaan tämä vielä kerran.

Hyvännäköiset lämpökarttatiedot eivät aina tarkoita hyvää sitoutumista.

Kuvittele tarkastelevasi Google Docsin asiakirjaeditorisivun lämpökarttaa ja näkeväsi, että monet ihmiset napsauttavat jakamispainiketta. Innostuneena päätät (naiivisti), että jakamistoimintosi toimii hyvin.

Oletetaan kuitenkin, että tarkistat muut verkkosivustoanalytiikkatyökalusi ja huomaat, että vaikka käyttäjät napsauttavat jakamispainiketta avatakseen jakamisen ponnahdusikkunan, hyvin harvat heistä todella jakavat asiakirjojaan jonkun toiselle. Enemmistö käyttäjistä yksinkertaisesti sulkee jakamisen ponnahdusikkunan heti sen avaamisen jälkeen.

Yksityisyyteen liittyvät huolenaiheet

Lämpökarttatyökalut ovat tunnettuja siitä, että ne seuraavat ja tallentavat aktiivisesti arkaluonteisia käyttäjätietoja. Tätä ei voi kiertää: sinun on seurattava käyttäjiesi hiiren liikkeitä ja napsautuksia voidaksesi tuottaa lämpökartan.

Kun siis integroit lämpökarttaratkaisun (erityisesti jos siinä on reaaliaikainen analytiikka, istuntojen toisto ja sivun katselukerrat), sinun on pidettävä tämä mielessä ja varmistettava, etteivät käyttäjäsi suutu sinulle heidän selauskäyttäytymisensä seuraamisesta.

Toinen asia, joka on pidettävä mielessä, on oikeudellisten vaatimusten noudattaminen. Sinun on tehtävä tiivistä yhteistyötä lakiasiain- ja tietoturvatiimiesi kanssa laatimalla asianmukaiset oikeudelliset asiakirjat ja varmistamalla, etteivät seurantakäytäntösi loukkaa kenenkään oikeuksia tai aiheuta yrityksellesi oikeudellisia riskejä.

Tämä on erityisen tärkeää, jos väität noudattavasi merkittäviä tietosuojasäädöksiä, kuten GDPR:ää, CalOPPA:aa ja muita vastaavia säädöksiä.

Tässä olivat lämpökartoilla tehtävän analytiikan pääkohdat sekä niiden edut ja haitat. Siirrytään seuraavaksi tarkastelemaan, miten voit käyttää tätä työkalua asiakkaidesi toiminnan analysointiin ja arvokkaiden johtopäätösten tekemiseen.

3 lämpökartta-analyysin käytännön käyttötapausta

Kokemukseni perusteella lämpökartat ovat osoittautuneet erittäin hyödyllisiksi työkaluiksi sen ymmärtämisessä, mitä tuotteesi parissa tapahtuu.

Kun otan huomioon tämän työkalun hyödyt ja rajoitukset, tarkastelen lämpökarttatietoja lähes koskaan erillään. Sen sijaan tiimini ja minä yhdistämme ne yleensä muiden analytiikkatyökalujen tietoihin saadaksemme tuotteestamme ja käyttäjistämme kattavamman kokonaiskuvan.

Haluan jakaa kanssasi pari tosielämän käyttötapausta, jotta lämpökarttojen käytännön sovellukset tulevat tutuiksi.

1. Raivoklikkausten tulkinta: A/B-testaus Fullstoryn raivoklikkauskarttojen ja Google Optimizen avulla

Aloitetaan analyysikäyttötapauksesta, jossa hyödynnetään suosikkityyppisiäni lämpökarttoja – raivoklikkauskarttoja.

Voit pitää käyttäjän käyttöliittymässä tekemää klikkausta ”raivoklikkauksena”, jos hän klikkaa samaa elementtiä useita kertoja peräkkäin. Yleisesti ajatellaan, että tällainen käyttäytyminen kertoo käyttäjän turhautumisesta ja raivosta (siitä myös nimi).

On monia syitä siihen, miksi käyttäjät saattavat päätyä tekemään raivoklikkauksia. Useimmiten niiden taustalla ovat:

• Elementti näyttää klikattavalta, mutta ei ole sitä. Käyttäjäsi klikkaa sitä, huomaa, ettei se toimi, ja turhautuu.
• Painikkeesi eivät yksinkertaisesti toimi. Tämä on itsestään selvää.
• Painikkeet toimivat, mutta suunnitteluongelma tekee yhden tai useamman painikkeen kohdistamisesta vaikeaa.

Raivoklikkauskarttojen avulla voit tunnistaa käyttöliittymäsi elementit, joissa raivoklikkauksia esiintyy, yrittää ymmärtää niiden syyn ja korjata ongelman. Tältä se näyttää hedelmiä ja vihanneksia myyvällä verkkokauppasivustolla.

Ongelma ongelmakohtien löytämisessä ja korjaamisessa on, että tekemäsi korjaus ei välttämättä toimi ja ihmiset saattavat jatkaa raivoklikkauksia. Voit ratkaista tämän käyttämällä A/B-testaustyökaluja korjauksen tehokkuuden testaamiseen.

Toimi näin: Luo A/B-testi, jossa versio A on tekemäsi korjaus ja versio B alkuperäinen tila. Kun olet käynnistänyt A/B-testin, ala tarkastella molempien versioiden raivoklikkauskarttoja ja laskea, kuinka monta raivoklikkausta kumpikin versio saa.

Jos versio A on saanut vähemmän klikkauksia, korjauksesi on toiminut ja voit ottaa sen luottavaisin mielin käyttöön.

2. Konversioasteiden mysteerin selvittäminen: Konversioasteen optimointi Hotjarin liikekarttojen ja Google Analyticsin avulla

Seuraava tarkastelemamme käyttötapaus on todennäköisesti lämpökarttojen yksittäinen suosituin käyttötapaus – konversion (tai muiden vastaavien mittareiden) analysointi.

Kuten mainitsin, lämpökarttojen ja analytiikkatyökalujen tietojen yhdistelmä tuottaa parhaat tulokset tarkan tiedon saamisessa ja harhaanjohtavien havaintojen välttämisessä. Tässä esimerkissä tarkastelemme, miten voit käyttää Google Analyticsin ja Hotjarin liikekarttojen yhdistelmää.

Huomautus

Liikekartat näyttävät, missä kohtaa sivua käyttäjiesi kohdistin on liikkunut ja viipynyt istunnon aikana.

Kuvitellaan, että vastaat verkkokaupasta, joka tarjoaa asiakkaille ostosten toimitukseen kaksi toimitusvaihtoehtoa. Näiden kahden vaihtoehdon hinnat ovat 2 dollaria vaihtoehdolta ”Perus” (eli ”hidas”) ja 10 dollaria vaihtoehdolta ”Pikatoimitus”.

Tässä kuvitteellisessa esimerkissä tavoitteenasi on analysoida edullisen ja kalliin toimitusvaihtoehdon konversioastetta.

Toimi näin: Aloita tarkastelemalla kalliin vaihtoehdon konversioastetta Google Analyticsissa. Oletetaan, että aste on 5 % (eli vain yksi 20 käyttäjästä valitsee kalliimman vaihtoehdon). Tämä on sinulle todella huono uutinen, joten nyt sinun on ymmärrettävä näin alhaisen asteen syy.

Tätä varten avaa kassasivusi liikekartta (sivu, jolla käyttäjä valitsee toimitusvaihtoehdon). Kuvitellaan, että liikekartta näyttää käyttäjien vievän kohdistimensa kalliin toimitusvaihtoehdon päälle, klikkaavan tekstissä olevaa ”Pikatoimitus” -tekstiä (sen alapuolella olevan ”Valitse”-painikkeen sijaan), luovuttavan ja siirtyvän edullisempaan vaihtoehtoon (joka on oletusarvoisesti valittuna).

Tämä käyttäytyminen tuo esiin muutaman mahdollisen hypoteesin:

1. Käyttäjäsi haluavat todella lukea lisää kalliimmasta vaihtoehdosta ennen sen valitsemista, koska he eivät täysin ymmärrä, mitä lisäarvoa tai -hyötyä he siitä saavat.
2. ”Valitse”-painike ei ole riittävän näkyvä – se saattaa olla suurimmalla osalla käyttäjistä näkymän alapuolella.

Voimme sitten tehdä 1–2 nopeaa käyttäjähaastattelua ja tarkistaa, pitävätkö hypoteesimme paikkansa vai onko ongelma kokonaan jossain muualla.

3. Kilpajuoksu pohjalle: UKK-osion suorituskyvyn optimointi vierityskarttojen avulla

UKK-osiot ovat erittäin aliarvostettuja työkaluja tuotehallinnan maailmassa.

UKK-osiot ovat loistavia työkaluja tuotepäälliköille. Yksi parhaista käyttötapauksista UKK-osion lisäämiselle tuotteeseen tai verkkosivustolle on sellaisten potentiaalisten asiakkaiden muuttaminen asiakkaiksi, jotka ovat valmiita ostamaan tuotteesi mutta tarvitsevat ensin vastauksia muutamaan heitä huolestuttavaan kysymykseen ennen ostopäätöksen tekemistä.

Kun otetaan huomioon UKK-osiosta saamasi hyöty, on melko tärkeää seurata sen suorituskykyä ja optimoida sitä.

Toimi näin: Yleensä sijoitamme UKK-osion verkkosivun alareunaan, mutta on merkittävä mahdollisuus, etteivät käyttäjät vieritä niin pitkälle ja ohittavat osion. Tämän mittaamiseen voit käyttää vierityslämpökarttoja, jotka näyttävät, kuinka paljon aikaa käyttäjät ovat viettäneet sivun kullakin osiolla ja kuinka pitkälle alas sivua he ovat vierittäneet.

Tältä se näyttää:

Tässä esimerkissä näemme, että suurin osa käyttäjistä on nähnyt sivun yläosan (se on punainen), mutta vain 44 % on vierittänyt tarpeeksi pitkälle nähdäkseen UKK-osion (se on sininen ja siinä näkyy prosenttimerkintä).

Rehellisesti sanottuna 44 % on hyvä tulos. Jos kuitenkin ajattelet, että useampien ihmisten pitäisi nähdä UKK-osiosi, suosittelen etsimään UX-ratkaisua, jonka avulla he voivat siirtyä suoraan UKK-osioon.

Haluatko nähdä lisää tosielämän lämpökarttaesimerkkejä käytännössä? Tässä artikkelissa näytetään, miten brändit käyttävät visuaalista käyttäytymisdataa tehdäkseen parempia UX-päätöksiä.

Visualisoitu data on hienoa, mutta sen yhdistäminen tuotevaistoosi on vielä parempaa.

Lämpökartat yhdessä muiden analytiikkatyökalujen kanssa parantavat merkittävästi tekemiesi päätösten laatua – juuri tämä tekee sinusta dataohjautuvan PM:n!

Jos voin jättää sinulle yhden neuvon, se on tämä:

Älä luota pelkästään analytiikkadataan – kuuntele myös sydäntäsi.

Tuotepäällikköinä meillä on tämä tuotevaistoksi kutsuttu supervoima, joka auttaa meitä tekemään fiksuja päätöksiä myös silloin, kun käytettävissämme on vain rajallisesti analytiikkadataa. Kun siis yhdistät vaistosi lämpökartoista saamiisi oppeihin, voit viedä päätöksentekotaitosi täysin uudelle tasolle.

Toinen tuotepäälliköiden supervoima on jatkuva halu oppia jotain uutta – ja me voimme auttaa siinä! Tilaa uutiskirjeemme, niin saat joka toinen viikko sähköpostiisi tuotehallinnan näkemyksiä, resursseja ja muuta hyödyllistä sisältöä.