Эти промпты помогают использовать AI для анализа данных тепловых карт быстрее и строже. Замените [плейсхолдеры в скобках] своими данными перед вставкой в ChatGPT, Claude или другую LLM.
Промпт 1: Интерпретация карты кликов
Вот выгрузка карты кликов для [название страницы на сайте].
Цель страницы: [конкретное действие, к которому ведёт страница — например, «клик по CTA Start Free Trial»]
Данные кликов (топ-10 элементов):
[Элемент 1]: [количество кликов] кликов, [%] от общего числа
[Элемент 2]: [количество кликов] кликов, [%] от общего числа
...
Контекст: [объём трафика, сегмент если есть, ключевые секции страницы]
Пожалуйста:
1. Определи, получает ли основной CTA ожидаемую долю кликов для конвертирующей страницы (типичный бенчмарк: 5–15% посетителей)
2. Помеч любой элемент с большим количеством кликов, который не интерактивен (потенциальные dead clicks), и предположи, чего ждали пользователи
3. Найди элементы, которые должны были получить клики, но не получили, и предложи правки видимости или подписи
4. Предложи 2–3 конкретные правки дизайна, которые подвинут распределение кликов к цели страницы
5. Порекомендуй, какие сессионные записи стоит посмотреть для валидации гипотезПромпт 2: Анализ карты скролла и поиск ложных доньев
Вот данные глубины скролла для [название страницы].
Распределение глубины скролла:
- 100% посетителей увидели: [название секции, например, hero]
- 75% дошли до: [секция]
- 50% дошли до: [секция]
- 25% дошли до: [секция]
- 10% дошли до: [секция]
Цель страницы: [например, «пользователи заполняют форму регистрации на 80% глубины скролла»]
Длина страницы: [пиксели или количество секций]
Пожалуйста:
1. Определи самую крутую точку оттока (где наибольший процент посетителей перестаёт скроллить)
2. Перечисли элементы страницы, которые лежат ниже линии 50% скролла, и оцени, критичны ли они для цели страницы
3. Помеч любые паттерны вёрстки, которые могут создавать «ложное дно» (большой пробел, горизонтальная разделительная линия, full-width картинка) в точке оттока
4. Порекомендуй, какие секции поднять выше, а какие убрать или сжать
5. Оцени, как изменится конверсия, если на 20% больше посетителей дойдут до целевой секцииПромпт 3: Сравнение сегментов на одной странице
У меня есть данные тепловой карты для [название страницы] в разрезе [сегмент — например, десктоп vs мобайл, paid vs organic].
Сегмент A ([название]): [объём трафика]
Топ-5 кликаемых элементов: [список с долей кликов]
Точка скролла-50%: [название секции]
Заметные паттерны: [dead clicks, rage clicks, аномалии]
Сегмент B ([название]): [объём трафика]
Топ-5 кликаемых элементов: [список с долей кликов]
Точка скролла-50%: [название секции]
Заметные паттерны: [dead clicks, rage clicks, аномалии]
Пожалуйста:
1. Найди наибольшие поведенческие различия между сегментами
2. Подскажи, какие различия объясняются носителем (например, зона большого пальца на мобайле), а какие — намерением пользователя (например, у paid-трафика другая цель)
3. Порекомендуй, нужны ли странице отдельные оптимизации для каждого сегмента или единый дизайн под оба
4. Перечисли конкретные правки для каждого сегмента, приоритизированные по ожидаемому эффектуПромпт 4: Сборка аудит-отчёта по тепловым картам
Я провёл анализ тепловых карт на [число] страницах сайта [название]. Пожалуйста, собери структурированный аудит-отчёт из находок ниже.
Для каждой страницы у меня есть:
- Название и основная цель
- Главный паттерн кликов и кластеры dead clicks
- Глубина скролла на 50% и в целевой секции
- Заметные rage clicks или аномалии
- Различия по сегментам (если есть)
Страница 1: [находки]
Страница 2: [находки]
...
Структура отчёта:
1. Executive summary: 3 паттерна, повторяющихся на нескольких страницах
2. Находки по странице: одна секция на страницу в формате What / So What / Now What
3. Сквозные рекомендации: правки в дизайн-системе или шаблонах, которые починят сразу несколько страниц
4. Приоритизированный список действий: топ-5 правок по ожидаемому эффекту и трудозатратам
5. План измерений: какие метрики смотреть после каждого изменения