Heatmaps y grabaciones de sesión: cómo leerlas sin sacar conclusiones falsas

Los heatmaps y las grabaciones de sesión (Hotjar, Microsoft Clarity, y similares) son de las herramientas de CRO más usadas y, a la vez, de las peor interpretadas. Es fácil mirar un mapa de calor, ver una zona roja, y sacar una conclusión que el propio dato no está diciendo. La herramienta no es el problema — la forma de leerla, sí.

Lo que un heatmap sí te dice

Un mapa de calor de clics te dice dónde ha hecho clic la gente, agregado en muchas sesiones. Un mapa de scroll te dice hasta dónde ha llegado la gente en la página, en porcentaje de sesiones que alcanzan cada punto. Un mapa de movimiento (menos fiable, porque el movimiento del ratón no siempre corresponde a dónde mira realmente el usuario) da una aproximación de atención visual. Son datos descriptivos: cuentan qué ha pasado, agregado, en el pasado reciente.

Lo que un heatmap no te dice

No te dice por qué ha pasado. Ver una zona con muchos clics no significa que esa zona «funcione bien» — puede significar que hay algo ahí que parece clicable sin serlo (un texto en negrita que la gente confunde con un enlace, por ejemplo), generando clics frustrados en vez de interacciones útiles. Ver que poca gente hace scroll hasta el final de una página tampoco significa automáticamente «hay que acortar la página» — puede significar que quien llega hasta ahí ya ha encontrado lo que buscaba antes, o que el contenido de más arriba ya cumplió su función y el resto es secundario para la mayoría. El heatmap describe el comportamiento; interpretar la causa exige contexto adicional que la herramienta, por sí sola, no aporta.

Rage clicks y dead clicks: la señal más valiosa

De todo lo que ofrecen estas herramientas, los «rage clicks» (clics repetidos y rápidos sobre el mismo elemento, señal de frustración) y los «dead clicks» (clics sobre elementos que no responden a la interacción) son, en mi experiencia, el dato más accionable de todos. A diferencia del heatmap general, que requiere interpretación, un rage click es una señal directa e inequívoca de que algo no está funcionando como el usuario espera. Reviso estas señales antes que cualquier mapa de calor agregado, precisamente porque apuntan a problemas concretos sin necesidad de tanta interpretación.

El sesgo de muestra: qué segmento estás mirando de verdad

Un heatmap agregado de todo el tráfico mezcla usuarios con intenciones completamente distintas: quien llega por primera vez sin saber qué es tu producto, quien vuelve por tercera vez ya decidido a comprar, quien llega desde un anuncio con una expectativa concreta que la página quizás no cumple. Mirar el agregado sin segmentar puede esconder patrones opuestos que se cancelan entre sí en la media. Cuando quiero sacar una conclusión seria, filtro el heatmap o las grabaciones por segmento relevante (por ejemplo, solo tráfico de pago, solo usuarios nuevos, solo quienes llegaron a una etapa concreta del embudo sin completarla) en vez de mirar el dato mezclado de todo el mundo.

Cuántas sesiones necesitas antes de sacar conclusiones

Con pocas sesiones (unas pocas decenas), un heatmap puede estar dominado por el comportamiento de dos o tres usuarios con patrones atípicos, no por una tendencia real. No hay una cifra universal de sesiones mínimas, pero antes de sacar una conclusión firme de un heatmap, compruebo que el volumen de sesiones agregadas sea razonable para el patrón que estoy observando — cuanto más sutil sea el patrón, más sesiones hacen falta para confiar en que no es ruido. Para sitios con poco tráfico, uso las grabaciones de sesión individuales (viendo sesión por sesión el comportamiento real, no el agregado) como complemento necesario, porque el volumen no da para un heatmap fiable.

Cómo trianguo heatmap, grabaciones y datos cuantitativos

Nunca tomo una decisión solo con un heatmap. El proceso que sigo: primero, el dato cuantitativo de GA4 me dice dónde hay una fuga en el embudo (una etapa concreta con caída significativa). Después, filtro heatmaps y grabaciones específicamente de esa etapa y ese segmento de usuarios, para ver qué está pasando ahí en detalle. Finalmente, veo varias grabaciones de sesión individuales completas (no solo el heatmap agregado) de usuarios que llegaron a esa etapa y no avanzaron, para entender por qué, con el contexto completo de su recorrido, no solo un fotograma agregado del comportamiento de todos. Los tres niveles juntos dan una imagen mucho más fiable que cualquiera de ellos por separado.

Un error de interpretación habitual: confundir «poco visto» con «sin importancia»

Un elemento con pocos clics en el heatmap no siempre es un elemento sin valor — puede ser un elemento correctamente posicionado para quien lo necesita, aunque sea una minoría (por ejemplo, un enlace a la política de devoluciones: pocos clics, pero decisivo para quien lo busca activamente antes de decidirse a comprar). Eliminar elementos solo porque «reciben pocos clics en el heatmap», sin considerar su función para el segmento concreto que sí los usa, es un error que he visto llevar a quitar precisamente la señal de confianza que estaba ayudando a convertir a una parte importante, aunque minoritaria, de los usuarios.

Con qué frecuencia reviso grabaciones

No dejo esto para cuando hay un problema evidente. Reviso un lote de grabaciones (10-15 sesiones, filtradas por segmento relevante) de forma periódica, no solo de forma reactiva ante una caída de conversión. Muchas veces, ver sesiones reales con cierta regularidad revela fricciones menores que ningún informe cuantitativo agregado habría señalado como prioritarias, simplemente porque individualmente cada una parece un problema pequeño, hasta que ves el mismo patrón repetirse sesión tras sesión.

Consentimiento y privacidad: no es opcional

Estas herramientas capturan comportamiento real de usuarios, y en algunos casos pueden capturar datos sensibles si no se configuran con cuidado (enmascarar campos de formulario con información personal, por ejemplo). Configurar correctamente el enmascaramiento de datos sensibles y respetar el consentimiento de cookies antes de activar el tracking no es un detalle legal menor — es parte de la implementación responsable de cualquier herramienta de este tipo, y conviene revisarlo antes de activarla, no después de que algo haya salido mal.

Heatmaps de scroll y contenido «bajo el pliegue»

La creencia de que «nada por debajo del pliegue se ve» está bastante desmentida por los propios datos de scroll de estas herramientas: en páginas con contenido relevante, buena parte de los usuarios sí hace scroll más allá de lo visible sin desplazarse. Lo que sí es cierto es que la tasa de scroll cae de forma progresiva a medida que baja la página, así que el contenido más determinante para la decisión (llamada a la acción principal, precio, garantía) debería estar posicionado teniendo en cuenta esa caída progresiva, sin asumir ciegamente ni que «nadie llega abajo» ni que «todo el mundo ve todo el contenido igual».

Si quieres ver cómo aplico esto en el análisis de checkout específicamente, lo menciono en checkout de eCommerce: dónde se abandona el carrito de verdad. Y si quieres que revise las grabaciones de tu web para encontrar fricciones reales, puedo ayudarte desde servicios.