В Microsoft Clarity site search можно ловить двумя путями. Важно: это не отчёт «про конверсию», а слой поведения перед гипотезами.

Что есть в статье:

— Auto Events
Clarity автоматически отслеживает часть click-interactions, включая site search activity, и показывает их в Smart Events. Настройка не нужна.

— Page Visit Smart Event
Если поиск ведёт на страницу результатов, можно вручную создать Smart Event на посещение этой страницы в UI Clarity.

Ограничение:
Page Visit Smart Events не ретроактивны. Данные собираются только с момента создания события. Прошлые поисковые сессии не подтянутся.

После сохранения:
Clarity начинает записывать каждую пользовательскую сессию, где была посещена страница результатов поиска, как Smart Event.

Практический вывод:
если используете поиск как сигнал намерения, Smart Event нужно ставить до запуска теста лендинга/категории. Иначе в recordings и сегментах будет дырка: пользователи уже искали, но события в Clarity ещё не существовало.

Это полезно для проверки гипотез уровня:
пользователи ищут товар/оффер, который не видят в первом экране; поиск ведёт к фрикции; результаты поиска становятся отдельным сегментом для анализа записей.

Источник: https://dumbdata.co/post/how-to-measure-site-search-in-microsoft-clarity-and-how-to-use-the-data

Вопрос по heatmap в GA4: где карта кликов?

Коротко: нигде. По данным Crazy Egg, у Google Analytics нет и никогда не было встроенной функции heatmap.

Что часто путают:
— В старом Google Analytics был отчет In-Page Analytics
— Потом Google вынес эту функциональность в отдельное Chrome-расширение Page Analytics
— В начале 2017 Google прекратил поддержку In-Page Analytics
— Расширение перестали обновлять вскоре после этого
— Последнее обновление Page Analytics в Chrome Web Store было в 2019
— С GA4 расширение никогда не было совместимо

Вывод для CRO: GA4 не заменяет heatmap-инструмент. Он дает событийную аналитику, но не показывает нормальную визуальную картину кликов, скролла и взаимодействий на странице.

Если нужен поведенческий слой для лендинга, придется подключать отдельный инструмент: Crazy Egg в статье перечисляет 5 типов карт — click maps, confetti maps, scroll maps, overlay maps и list maps.

Практический смысл: GA4 отвечает на «что произошло» в цифрах. Heatmap-инструменты помогают увидеть «где именно на странице это произошло» и найти гипотезы для A/B-теста.

Источник: https://www.crazyegg.com/blog/google-analytics-heat-map

PostHog vs Google Analytics: не «что лучше», а под какую задачу

Из разбора Crazy Egg:

PostHog — отдельная платформа продуктовой аналитики. Сильная сторона: события внутри продукта/приложения. Autocapture может автоматически трекать pageviews, клики и другие взаимодействия на сайте или в app без ручной настройки.

Google Analytics, особенно при доступе через Crazy Egg, больше про аналитику трафика сайта. То есть источник/поведение посетителей, а не глубокая продуктовая телеметрия.

Практический вывод для CRO:

Если задача — понять, откуда приходит трафик и как он ведёт себя на лендинге, GA4 через Crazy Egg закрывает базовый слой. После настройки аккаунта Crazy Egg можно интегрировать с GA4 и автоматически импортировать до 1 года исторических данных.

Если задача — разбирать действия пользователей внутри продукта, строить продуктовую аналитику и не настраивать каждое событие вручную, PostHog ближе к задаче.

Важно: это не замена A/B-тесту. Аналитика показывает паттерны и точки трения, но не доказывает uplift. Для вывода «изменение дало рост CR» всё ещё нужен тест с размером выборки и значимостью.

Источник: https://www.crazyegg.com/blog/posthog-vs-google-analytics

Сравнение GA-альтернатив: что можно взять без бюджета

Crazy Egg опубликовал подборку альтернатив Google Analytics. Из проверяемых цифр в материале:

— Crazy Egg: стартовая цена $0
— Plausible: стартовая цена $9/мес
— PostHog: стартовая цена $0

Отдельно по Crazy Egg: free forever plan включает web analytics, conversion tracking, surveys и instant heatmaps.

Что важно для CRO-команд: связка аналитика + конверсии + опросы + тепловые карты в одном бесплатном плане закрывает базовый цикл диагностики лендинга. Не только “сколько было визитов”, а где пользователи кликают, что мешает конверсии и какие события доходят до цели.

Но по одной цене инструмент выбирать нельзя. Для A/B-тестов и лендингов нужно отдельно проверять: лимиты, сэмплирование, экспорт, хранение данных, приватность и интеграции с рекламными источниками.

Дата публикации материала: 23 марта 2026.

Mouseflow vs Microsoft Clarity: где сильнее инструмент для записей и тепловых карт

Если нужен максимум сырых session recordings без бюджета, у Clarity сильный аргумент: сервис записывает все сессии без сэмплирования и бесплатно. Для CRO это важно: меньше риска пропустить редкий, но дорогой паттерн поведения в форме или checkout.

Что у Mouseflow:
— 7 типов heatmaps: click, scroll, movement, attention, friction, interactive, geo
— AI-агент Mina может поднимать инсайты из записей сессий, чтобы не смотреть каждую вручную

Что у Microsoft Clarity:
— записи всех сессий без sampling
— просмотр посетителей сайта live, в реальном времени
— AI summaries и insights доступны при связке с Microsoft Copilot

Вывод: Clarity выглядит сильнее как бесплатный слой наблюдения “поставить на все лендинги и собирать максимум данных”. Mouseflow интереснее, если нужны более разные карты поведения и отдельная AI-обработка записей внутри продукта.

Но ни heatmap, ни AI-summary сами по себе не доказывают рост CR. Это источник гипотез. Дальше — A/B-тест, размер выборки и значимость.

AI в листингах e-commerce: кейс Mercari без публичных CR-метрик

Mercari использует GPT-4o mini и GPT-4, чтобы упростить процесс продажи, улучшать карточки товаров и повышать продажи.

Что заявлено:
— AI Listing Support помогает с созданием/улучшением товарных листингов
— Mercari AI Assistant встроен как отдельная AI-функция
— цель: меньше трения для продавца и более сильное представление товара

CRO-комментарий: это не доказательство роста конверсии само по себе. В статье нет размера выборки, uplift, p-value/Bayesian probability или разреза по этапам воронки.

Что стоило бы тестировать:
— доля продавцов, дошедших до публикации листинга
— время до публикации
— CR просмотра карточки в покупку
— GMV/продажи на листинг
— эффект отдельно для новых и опытных продавцов

Вывод: AI-генерация листингов — логичная гипотеза для маркетплейсов, где качество описания и скорость публикации влияют на supply-side воронку. Но без открытых данных это пока продуктовая инициатива, а не подтверждённый CRO-кейс.

Crazy Egg vs Microsoft Clarity: не «что лучше», а под какую CRO-задачу.

Microsoft Clarity:
— бесплатно
— нет платного тарифа
— до 100 000 записанных сессий в день
— без сэмплинга и лимитов

Это сильный вариант для диагностики поведения: session recordings, паттерны скролла, клики, rage clicks. Особенно если трафика много, а бюджет на инструмент нулевой.

Crazy Egg:
— платные планы от $29/мес при годовой оплате
— хранение записей: от 6 месяцев до 2 лет
— есть нативные A/B-тесты
— встроенные опросы
— no-code popup CTA с триггерами и трекингом конверсий

Ключевая разница: Clarity отвечает на вопрос «что пользователи делают на странице». Crazy Egg ближе к циклу «нашли проблему → запустили гипотезу → проверили вариант» внутри одного инструмента.

Вывод:
Если нужен бесплатный слой аналитики поведения на большом объёме сессий — Clarity выглядит рационально. Если команда хочет не только смотреть записи, но и запускать A/B-тесты, опросы и popup CTA без отдельного стека — Crazy Egg закрывает больше CRO-операций, но уже за деньги.

Session Replay: что смотреть до A/B-теста

Contentsquare описывает User Replay как session recording / session replay: запись поведения пользователя для поиска UX-проблем.

Что фиксируется:
— клики
— hover
— признаки фрустрации
— intent-driven behavior

Смысл для CRO: не «угадать гипотезу», а увидеть, где пользователь реально ломается на лендинге, форме или checkout.

Полезная деталь: Contentsquare заявляет, что Session Replay может собирать до 100% трафика. Это важно, если проблема редкая и не попадает в малую выборку записей.

Ещё один практичный режим — фокусировать сбор не на всех сессиях, а на поведении, связанном с ключевыми метриками:
— завершение checkout
— отправка контактной формы

Плюс: advanced-функции включают heatmaps и funnels — визуальное представление активности и вовлечённых зон страницы.

Вывод: session replay не заменяет A/B-тест. Он снижает количество слабых гипотез до теста: сначала находим паттерн в поведении, потом проверяем изменением интерфейса и считаем эффект.

—
Про seo подробнее — @SEORadarRU

Natal снял free trial с monthly: monthly-подписки выросли на 2 000%

Nancy Anderson протестировала удаление free trial только из monthly-опции. После изменения monthly subscriptions выросли на 2 000%, quarterly — на 46%, annual — на 21%.

У Natal воронка сильная уже до оплаты: 93% пользователей, дошедших до web checkout, скачивают app. Trial CVR — 68% против ~38% average в health & fitness.

Для CRO это не правило «убрать trial». Это гипотеза про трение по тарифам: monthly может ловить низкий commitment, а free trial усиливает этот паттерн. Реплицировать — только с раздельными метриками по планам и проверкой на paid conversion после trial.

Fragment добавил USDT/USDC для Premium и Stars — минус один посредник в оплате

Premium и Stars теперь оплачиваются на Fragment в USDT и USDC через Ethereum, TON и Polygon. Сценарии: покупка себе, подарок другу, предоплата розыгрыша — прямо на Fragment.

Для CRO это не «новый способ оплаты», а отдельная checkout-гипотеза для Telegram-native воронок: меньше переходов к посредникам может снизить friction, но без замера CR это только предположение.

Что тестировать завтра:
— отдельный CTA под USDT/USDC vs общий «оплатить»
— TON-first порядок сетей vs нейтральный список
— подарок/розыгрыш как отдельный сценарий, а не вторичный текст
— drop-off на шаге выбора сети

Метрика не клики по кнопке, а completion rate оплаты. Иначе легко оптимизировать красивый tap, который не доезжает до покупки.

Sticky CTA без скролла — не «магия UX», а компромисс между видимостью и раздражением

Sticky CTA часто добавляют на мобильные лендинги как «быстрый фикс» просадки CR. Логика понятна: кнопка всегда перед глазами → выше шанс клика. Но в тепловых картах и session recordings паттерн сложнее.

Что обычно происходит после внедрения:
— CTR по CTA действительно растёт: кнопку видят чаще.
— Но часть пользователей перестаёт дочитывать блоки с аргументацией.
— На агрессивных sticky-элементах растёт rage click и быстрые возвраты вверх страницы.

Где sticky CTA чаще помогает:
— длинные mobile-first лендинги;
— формы после нескольких экранов контента;
— офферы с понятным intent без сложного объяснения;
— checkout с повторным CTA после заполнения части данных.

Где эффект часто нейтральный или отрицательный:
— лендинги с высокой когнитивной нагрузкой;
— B2B/SaaS с длинным циклом решения;
— страницы, где CTA перекрывает контент или мешает скроллу;
— агрессивные fixed-бары на iOS Safari.

Что проверять в A/B-тесте кроме CR:
— depth scroll;
— rage click rate;
— время до первого взаимодействия;
— drop-off перед формой;
— различия desktop vs mobile.

Sticky CTA — не «добавили кнопку и получили рост». Это тест на баланс внимания. Если пользователь ещё не понял ценность оффера, фиксированная кнопка только ускоряет отказ.

10 наблюдений NN/g, которые чаще влияют на конверсию, чем очередной редизайн CTA

Nielsen Norman Group десятилетиями изучает поведение пользователей. Для CRO ценность не в красивых макетах, а в повторяющихся паттернах ошибок, которые ломают путь к конверсии.

— Пользователи не читают страницу целиком. Они сканируют. Ключевое УТП, цена и следующий шаг должны быть видны за несколько секунд без поиска по экрану.

— Чем выше когнитивная нагрузка, тем ниже вероятность действия. Лишние поля формы, сложные тексты и перегруженные блоки создают трение.

— Люди принимают решения на основе узнаваемых шаблонов. Эксперименты с нестандартной навигацией или необычными формами часто ухудшают UX быстрее, чем улучшают его.

— Ошибки в формах должны объясняться сразу и рядом с полем. Пользователь не должен искать причину отказа после отправки.

— Доверие строится через конкретику: условия, гарантии, сроки, процесс обработки заявки. Общие заявления работают хуже проверяемых деталей.

— Мобильный трафик требует отдельного анализа. Тепловые карты часто показывают, что элементы, заметные на десктопе, просто не попадают в поле внимания на смартфоне.

— Пользователь всегда пытается оценить стоимость усилий. Каждый дополнительный шаг воронки увеличивает вероятность отказа.

— Скрытая информация вызывает подозрение. Цена, доставка, условия подписки и ограничения должны быть доступны до конверсии.

— Визуальная иерархия важнее декоративного дизайна. Пользователь должен понимать, что главное, а что второстепенное.

— Session recordings полезны не для поиска отдельных ошибок, а для выявления повторяющихся паттернов поведения.

Для CRO это хороший чек-лист перед запуском A/B-теста: сначала убираем очевидные UX-проблемы, затем проверяем гипотезы. Иначе можно месяцами тестировать вариации кнопок, игнорируя реальные причины потери конверсии. #CRO #UX

Progress bar в квизе не магия: он снижает тревогу, но иногда режет досмотр

Progress bar в квиз-лендинге работает не как «ускоритель конверсии», а как инструмент управления ожиданиями. Пользователь видит длину пути, понимает, сколько шагов осталось, и реже бросает форму на середине.

Но есть нюанс: когда прогресс показывают слишком рано или слишком агрессивно, часть людей начинает оценивать не пользу, а «цену усилий». Для коротких квизов это иногда ухудшает CR.

Что обычно тестируют:
— без прогресс-бара vs с прогресс-баром;
— линейный индикатор vs шаги 1/5, 2/5, 3/5;
— процент выполнения vs «этап 2 из 4»;
— показывать с первого экрана или только после первого ответа.

На практике progress bar чаще помогает там, где:
— квиз длиннее 4–5 шагов;
— вопросы неочевидные и требуют внимания;
— есть риск отвалов на середине;
— мобильный трафик доминирует.

Слабые места:
— короткие квизы до 3 шагов;
— агрессивные проценты с резким ростом «уже почти готово»;
— индикатор, который не совпадает с реальной длиной анкеты;
— визуальный шум рядом с CTA.

Если тестируете, смотрите не только CR в лид, но и drop-off по шагам. Бывает, общий CR почти не меняется, а провал просто переезжает с одного экрана на другой.

Лучший вариант — не «добавить полоску», а проверить, уменьшает ли она ранний выход именно в вашей воронке. Без этого progress bar легко принять за улучшение, которого на деле нет.

Статзначимость A/B-теста — это не магия, а фильтр от ложных побед

Если коротко: значимость отвечает на вопрос, мог ли эффект появиться случайно. Не «вариант лучше», а «данных уже достаточно, чтобы не списывать разницу на шум».

Базовая логика без математики:
— есть гипотеза: меняем один элемент;
— собираем трафик на A и B;
— сравниваем CR;
— если разница слишком велика для текущего объёма, тест считается значимым.

Что важно не перепутать:
— маленькая разница на слабом трафике почти всегда шум;
— большая разница на крошечной выборке тоже может быть случайностью;
— значимость не показывает размер эффекта, только уверенность, что он не нулевой.

На практике смотрят не на «B выше A», а на три вещи:
— размер выборки;
— длительность теста;
— p-value или Bayesian probability.

Если p-value выше 0.05, это не победа и не провал — это «недостаточно данных». Если ниже 0.05, результат уже можно принимать, но всё равно смотрят на effect size: +0.3% CR при миллионе визитов и +3% CR при сотне лидов — это совсем разный бизнес-смысл.

Главная ошибка — останавливать тест, когда график «красивый». Кривые в начале почти всегда врут. Нормальный процесс: заранее задать минимальный эффект, собрать нужный объём, дождаться полной картины.

Если нужна одна формула в голове, то такая: эффект + объём трафика + время = доверие к результату. Без любого из этих трёх A/B-тест превращается в гадание.