Så använder du värmekartanalys för att öka användarretentionen

Att bli en datadriven produktchef är bland det bästa du kan göra för att ta ditt produktarbete till nästa nivå.

Som en del av den satsningen har du kanske redan börjat arbeta med olika analysverktyg och till och med försökt basera dina beslut på deras data. Om du har hamnat på den här artikeln antar jag att du också är intresserad av att analysera ditt användargränssnitt med hjälp av värmekartor.

I så fall har du kommit rätt. Låt oss göra en djupdykning i det här heta verktyget!

Vad är värmekartanalys (och hur fungerar värmekartor?)

Värmekartanalys är en metod för att mäta, visualisera och analysera dina användares beteende med hjälp av – du gissade rätt! – värmekartor.

Värmekartor är skärmbilder av ditt användargränssnitt som markerats med olika färgöverlägg baserat på hur dina användare interagerar med sidans olika områden. Färgerna som används för markering sträcker sig vanligtvis från rött (mycket användarinteraktion) till blått (lite användarinteraktion).

Värmekartan ovan är ett exempel på en ”klickkarta” som följer och visualiserar användarnas klickområden.

Som vi kan se får knapparna Logga in och Skapa konto många klick här, medan navigeringsmenyn högst upp får liten eller ingen uppmärksamhet från användarna.

Värmekartor är fantastiska visualiseringsverktyg för att analysera din produkt och användarupplevelse. De medför en mängd fördelar, men det finns även nackdelar med att använda dem. Låt oss gå vidare och lära oss lite mer om båda sidorna av det här verktyget.

Vilka är fördelarna med att använda värmekartsverktyg?

Värmekartprogramvara blir allt mer populär. Under det senaste decenniet brukade den höra hemma bland digitala marknadsförare – tills produktteam upptäckte hur användbar den är för att finjustera användarupplevelsen. I dag har den blivit ett oumbärligt verktyg för PM:er och UX-designers.

Och det finns en god anledning till att värmekartsverktyg har blivit så populära – de är helt enkelt så bra på att förmedla dina användares beteendedata. Om du inte redan har integrerat ett i din produktstack är det ett måste att integrera ett värmekartsverktyg – och här är ett par fördelar med värmekartor som jag hoppas ska övertyga ditt produktteam om att ta verktyget i bruk.

Värmekartor är utmärkta för komplex datavisualisering

Kan du föreställa dig hur data om användarklick skulle se ut i ett icke-visuellt format? Förmodligen ungefär så här:

Försök nu att förstå användarnas beteende utifrån dessa datapunkter. Kan du säga vilka knappar användarna helst klickar på? Förmodligen inte.

Nu försöker vi visualisera samma data.

Det är mycket enklare att avgöra vilka knappar som fungerar bäst genom att titta på den här visualiseringen, eller hur?

Det fina med värmekartor är deras förmåga att förmedla komplex information på ett mycket lättbegripligt sätt.

Värmekartor hjälper dig att identifiera användarnas avsikt

Moderna webbanalysverktyg (t.ex. Google Analytics eller Amplitude) är utmärkta på att följa och visualisera dina webbplatsbesökares beteende och demografiska data (jag fortsätter att nämna webben, men värmekartor är lika användbara för mobila enheter och mobilappar). Deras främsta problem är dock att den data de samlar in är alltför ”kvantitativ” och saknar det ”kvalitativa” perspektivet på varför användare beter sig på ett visst sätt.

Om 2 000 användare registrerar sig för din produkt varje dag, men bara 100 laddar ner och installerar din app, kan du med viss säkerhet säga att det är något fel på din aktivering. Men du kommer inte att kunna fastställa det exakta problemet eller varför människor misslyckas med att installera din app.

Om du däremot använde ett värmekartsverktyg skulle du kunna granska din karta över upprepade klick och se att nedladdningsknappen inte fungerar i vissa webbläsare, vilket gör människor frustrerade och får dem att klicka upprepade gånger på den.

Det här är ytterligare en av värmekartornas bästa funktioner – de kan komplettera dina kvantitativa data med kvalitativa insikter.

Värmekartor är kostnadseffektiva alternativ till användbarhetstester

Låt mig säga det rakt. Värmekartor kan inte och bör inte ersätta användbarhetstester. Användbarhetstester är mycket värdefulla för ditt produkt- och designarbete, och du bör aldrig överväga att överge dem.

Värmekartor sparar däremot tid och arbete när du utför användbarhetstester av grundläggande sidelement och användarresor. Om du till exempel testar något så enkelt som en inloggningssida behöver du egentligen inte organisera en användbarhetstestsession.

Det enda dina användare gör på en inloggningssida är att fylla i sina inloggningsuppgifter och klicka på någon av de tillgängliga CTA-knapparna för inloggning på sidan. Genom att titta på värmekartdata kan du enkelt se hur användarna interagerar med dina fält för e-postadress och lösenord samt med knapparna. Att genomföra användbarhetstester och granska sessionsinspelningen för något sådant skulle vara slöseri med resurser.

Vilka begränsningar har värmekartor för webbplatser?

Värmekartor verkar vara fantastiska verktyg för att kostnadseffektivt visualisera användarnas beteende och avsikter. Men precis som alla andra verktyg är de inte felfria och har ett par begränsningar som du behöver ta hänsyn till när du använder ett värmekartsverktyg.

Här är områden där värmekartor inte riktigt räcker till:

Kvalitativa insikter är begränsade i värmekartor

Jag nämnde förekomsten av kvalitativa insikter som en stor fördel med värmekartor. Men jag måste vara rättvis och nämna att dessa insikter är begränsade.

Ja, du kan enkelt upptäcka ursinniga klick på en sida, och du kan använda rörelsekartan för att se hur användarnas markörer rör sig över ditt gränssnitt. Ja, dessa data hjälper dig att förstå dina användares övergripande avsikter och känslor.

Med värmekartor kan du däremot inte få fram något mer än den nämnda ”övergripande avsikten”.

När du till exempel granskar en värmekarta för din inloggningssida kanske du ser att majoriteten av användarna loggar in genom att manuellt fylla i fältet för e-postadress, medan mycket få av dem använder alternativet ”Logga in med Google”.

Din värmekarta kan inte berätta orsaken bakom detta beteende. För att gå djupare in på något sådant behöver du genomföra användarintervjuer, genomföra enkäter eller hitta något annat sätt att samla in meningsfull feedback från användarna.

I just det här fallet skulle du till exempel kunna prata med en handfull av dina användare och upptäcka att dina användare huvudsakligen finns inom företagssegmentet och att de flesta använder Outlook-e-post i stället för Googles G-Suite. Eftersom du inte har något alternativ för ”Logga in med Microsoft” tenderar dessa användare därför att lägga till sina e-postadresser manuellt.

För stort fokus på grundläggande typer av engagemang

En annan nackdel med värmekartor är att de endast spårar din scrollning, markörrörelser och klickbeteende. Det innebär att du kan få missvisande information om du enbart förlitar dig på dina värmekartor för att analysera användarnas beteende, eftersom värmekartsdata som ser bra ut (t.ex. många klick) inte alltid betyder ”bra” engagemang.

Låt mig säga det igen.

Värmekartsdata som ser bra ut betyder inte alltid bra engagemang.

Föreställ dig att du tittar på en värmekarta över dokumentsidan i Google Docs redigerare och ser att många personer klickar på delningsknappen. Upprymd drar du (naivt) slutsatsen att din delningsfunktion fungerar bra.

Men anta att du kontrollerar dina andra analysverktyg för webbplatsen och upptäcker att även om användarna klickar på delningsknappen för att öppna delningsfönstret, är det mycket få av dem som faktiskt delar sina dokument med någon annan. Majoriteten av användarna stänger helt enkelt delningsfönstret direkt efter att ha öppnat det.

Integritetsproblem

Värmekartsverktyg är ökända för att aktivt spåra och lagra känsliga användardata. Det går inte att komma runt detta; du måste hålla reda på användarnas musrörelser och klick för att kunna skapa en värmekarta.

När du integrerar en värmekartslösning (särskilt om den har realtidsanalys, uppspelning av sessioner och sidvisningar) behöver du därför ha detta i åtanke och vara säker på att dina användare inte blir arga på dig för att du spårar deras surfbeteende.

En annan sak du behöver ha i åtanke är att följa lagstiftningen. Du behöver samarbeta nära med dina juridik- och säkerhetsteam för att ta fram rätt juridiska dokument och säkerställa att dina spårningsmetoder inte kränker någons rättigheter eller skapar juridiska risker för ditt företag.

Detta är särskilt viktigt om du hävdar att du följer viktiga integritetsbestämmelser som GDPR, CalOPPA med flera.

Det var grunderna i analys med värmekartor, tillsammans med deras fördelar och nackdelar. Låt oss gå vidare och upptäcka hur du kan använda detta verktyg för att analysera dina kunders beteende och dra värdefulla slutsatser.

3 praktiska användningsområden för värmekartsanalys

Utifrån min erfarenhet har värmekartor visat sig vara mycket värdefulla verktyg för att förstå vad som händer med din produkt.

Med tanke på det här verktygets fördelar och begränsningar tittar jag nästan aldrig på värmekartdata isolerat. I stället kombinerar mitt team och jag vanligtvis dessa data med data från andra analysverktyg för att få en mer heltäckande bild av vår produkt och våra användare.

För att hjälpa dig med praktiska tillämpningar av värmekartor vill jag dela med mig av ett par verkliga användningsfall.

1. Att avkoda ilskna klick: A/B-testning med Fullstorys kartor över ilskna klick och Google Optimize

Jag börjar med ett analysanvändningsfall som omfattar min favorittyp av värmekartor – kartor över ilskna klick.

Du kan betrakta en användares klick på ditt användargränssnitt som ett ”ilsket klick” om användaren klickar flera gånger på samma element i följd. Det antas i allmänhet att den här typen av beteende tyder på frustration och ilska hos användaren (därav namnet).

Det finns många anledningar till att du kan få användare som klickar ilsket. Oftast orsakas det av:

• Ett element som ser klickbart ut men inte är det. Användaren klickar på det, tror att det inte fungerar och blir arg.
• Dina knappar fungerar helt enkelt inte. Det säger sig självt.
• Knapparna fungerar, men ett designproblem gör en eller flera av knapparna svåra att träffa.

Med hjälp av kartor över ilskna klick kan du identifiera elementen i ditt användargränssnitt där du får ilskna klick, försöka förstå orsaken bakom dem och åtgärda problemet. Så här ser det ut för en e-handelswebbplats som säljer frukt och grönsaker.

Problemet med att hitta problemområden och åtgärda dem är att din lösning kanske inte fungerar, och att människor fortfarande kan fortsätta klicka ilsket. För att lösa detta kan du använda A/B-testverktyg för att testa hur effektiv din lösning är.

Så här gör du: Skapa ett A/B-test där variant A är din lösning och variant B är ditt ursprungliga tillstånd. När du har aktiverat A/B-testet börjar du titta på kartorna över ilskna klick för båda varianterna och beräkna antalet ilskna klick som varje variant får.

Om variant A har fått färre klick har din lösning fungerat, och du kan tryggt implementera den.

2. Att avmystifiera konverteringsgrader: Optimering av konverteringsgrad med Hotjars rörelsekartor och Google Analytics

Nästa användningsfall vi ska titta på är förmodligen det allra vanligaste användningsfallet för värmekartor – att analysera konvertering (eller andra liknande mätvärden).

Som jag nämnde ger en kombination av data från värmekartor och analysverktyg bäst resultat när det gäller att få korrekta data och undvika missvisande slutsatser. I det här specifika exemplet ska vi se hur du kan använda en kombination av Google Analytics och Hotjars rörelsekartor.

Obs

Rörelsekartor visar var på sidan användarnas markör har rört sig och stannat under sessionen.

Föreställ dig att du ansvarar för en e-handelsbutik som erbjuder två fraktalternativ för att leverera kundernas köp. Priset för dessa två alternativ är 2 dollar för ”Standard”-frakt (även kallad ”långsam” frakt) och 10 dollar för ”Express”-frakt.

Ditt mål i det här hypotetiska exemplet är att analysera konverteringsgraden för det billiga och det dyra fraktalternativet.

Så här gör du: Börja med att titta på konverteringsgraden i Google Analytics för det dyra alternativet. Anta att graden är 5 % (eller att endast 1 av 20 användare väljer det dyrare alternativet). Det här är verkligen dåliga nyheter för dig, så nu behöver du förstå orsaken bakom den låga graden.

För att göra det vill du öppna rörelsekartan för kassasidan (där användaren väljer fraktalternativ). Föreställ dig att rörelsekartan visar att användarna håller markören över det dyra fraktalternativet, klickar på texten ”Expressfrakt” (i stället för på knappen ”Välj” precis under den), ger upp och går vidare med det billigare alternativet (som är valt som standard).

Det här beteendet visar några möjliga hypoteser:

1. Dina användare vill faktiskt läsa mer om det dyra alternativet innan de väljer det, eftersom de inte riktigt förstår vilket extra värde eller vilken extra fördel de får av det.
2. Knappen ”Välj” är inte tillräckligt synlig – kanske är den dold under vecket för majoriteten av användarna.

Vi kan sedan genomföra 1–2 korta intervjuer med användare och kontrollera om våra hypoteser stämmer eller om problemet är något helt annat.

3. Kapplöpning mot botten: prestandaoptimering av FAQ-sektionen med scrollkartor

FAQ-sektioner är kraftigt underskattade verktyg i produktledningens värld.

FAQ:er är fantastiska verktyg för produktchefer. Ett av de främsta användningsområdena för att lägga till en FAQ-sektion i din produkt eller på din webbplats är att konvertera potentiella kunder som är redo att köpa din produkt, men först behöver få svar på ett par frågor som oroar dem innan de genomför köpet.

Med tanke på värdet du får från din FAQ-sektion är det ganska viktigt att följa upp dess resultat och optimera den.

Så här gör du: Vanligtvis placerar vi FAQ-sektioner längst ned på en webbsida – men det finns en betydande risk att dina användare inte scrollar så långt och missar sektionen. För att mäta detta kan du använda scrollvärmekartor, som visar hur mycket tid användarna har tillbringat i varje sektion på sidan och hur långt ned på sidan de har scrollat.

Så här ser det ut:

I det här specifika exemplet kan vi se att majoriteten av användarna har sett den övre delen av sidan (den är röd), men endast 44 % har scrollat tillräckligt långt för att se FAQ-sektionen (den är blå och har en procentmarkering på sig).

Ärligt talat är 44 % ett bra resultat. Men om du tycker att fler personer borde se din FAQ-sektion skulle jag föreslå att du letar efter en UX-lösning som gör det möjligt för dem att "hoppa" direkt till FAQ-sektionen.

Vill du se fler värmekartor från verkligheten i praktiken? Den här artikeln visar hur varumärken använder visuell beteendedata för att fatta smartare UX-beslut.

Visualiserade data är bra, men att kombinera den med din produktintuition är bättre.

Värmekartor, tillsammans med andra analysverktyg, kommer att förbättra kvaliteten på de beslut du fattar avsevärt – det är det som gör dig till en datadriven produktchef!

Men om jag får lämna dig med ett enda råd är det detta:

Förlita dig inte enbart på analysdata – lyssna även på ditt hjärta.

Som produktchefer har vi denna superkraft som kallas produktintuition, vilken hjälper oss att fatta smarta beslut även när vi har begränsat med analysdata till hands. Om du kombinerar din intuition med de insikter du får från dina värmekartor kan du därför ta dina färdigheter inom beslutsfattande till en helt ny nivå.

En annan superkraft som produktchefer har är den ständiga hungern efter att lära sig något nytt – och det kan vi hjälpa till med! Anmäl dig till vårt nyhetsbrev för att få en tvåveckorsvis sammanställning av insikter, resurser och annat värdefullt inom produktledning, direkt till din inkorg.