Ovi promptovi pomažu timovima da pomoću AI brže i preciznije analiziraju podatke iz heatmapa. Zamenite [označene placeholder-e] svojim podacima pre nego što ih ubacite u ChatGPT, Claude ili drugi LLM.
Prompt 1: Interpretacija mape klikova
Evo izvoza mape klikova za [naziv stranice na sajtu].
Cilj stranice: [konkretna akcija na koju stranica treba da vodi — npr. „klik na CTA Start Free Trial"]
Podaci o klikovima (top 10 elemenata):
[Element 1]: [broj klikova] klikova, [%] od ukupnih klikova
[Element 2]: [broj klikova] klikova, [%] od ukupnih klikova
...
Kontekst: [obim saobraćaja, segment ako postoji, ključne sekcije stranice]
Molim te:
1. Utvrdi da li primarni CTA dobija očekivani udeo klikova za konvertujuću stranicu (tipičan benchmark: 5–15% posetilaca)
2. Označi svaki element s velikim brojem klikova koji nije interaktivan (potencijalni dead clicks) i predloži šta su korisnici verovatno očekivali
3. Pronađi elemente koji su trebalo da dobiju klikove, ali ih nisu, i predloži popravke vidljivosti ili oznaka
4. Predloži 2–3 konkretne izmene dizajna koje bi pomerile distribuciju klikova ka cilju stranice
5. Preporuči koje session replay snimke pogledati za validaciju hipotezaPrompt 2: Analiza mape skrolovanja i pronalaženje lažnih dna
Evo podataka o dubini skrolovanja za [naziv stranice].
Distribucija dubine skrolovanja:
- 100% posetilaca videlo: [naziv sekcije, npr. hero]
- 75% stiglo do: [sekcija]
- 50% stiglo do: [sekcija]
- 25% stiglo do: [sekcija]
- 10% stiglo do: [sekcija]
Cilj stranice: [npr. „korisnici završavaju formu za registraciju na 80% dubine skrolovanja"]
Dužina stranice: [pikseli ili broj sekcija]
Molim te:
1. Identifikuj najstrmiju tačku otpadanja (gde najveći procenat posetilaca prestaje da skroluje)
2. Navedi elemente koji leže ispod linije 50% i proceni jesu li bilo koji od njih kritični za cilj stranice
3. Označi obrasce u izgledu koji mogu stvoriti „lažno dno" (veliki razmak, horizontalni razdvajač, full-width slika) u tački otpadanja
4. Preporuči koje sekcije pomeriti više, a koje ukloniti ili sažeti
5. Proceni kako bi se promenila konverzija ako bi 20% više posetilaca stiglo do ciljne sekcijePrompt 3: Poređenje segmenata na istoj stranici
Imam podatke heatmape za [naziv stranice] podeljene po [dimenzija segmenta — npr. desktop vs mobilni, paid vs organic].
Segment A ([naziv]): [obim saobraćaja]
Top 5 kliknutih elemenata: [lista s udelom klikova]
Tačka skrolovanja-50%: [naziv sekcije]
Značajni obrasci: [dead clicks, rage clicks, anomalije]
Segment B ([naziv]): [obim saobraćaja]
Top 5 kliknutih elemenata: [lista s udelom klikova]
Tačka skrolovanja-50%: [naziv sekcije]
Značajni obrasci: [dead clicks, rage clicks, anomalije]
Molim te:
1. Identifikuj najveće razlike u ponašanju između dva segmenta
2. Predloži koje razlike objašnjava medij (npr. zona dohvata palca na mobilnom), a koje namera korisnika (npr. paid korisnici imaju drugačiji cilj)
3. Preporuči da li stranica zahteva odvojene optimizacije za svaki segment ili jedinstven dizajn za oba
4. Navedi konkretne izmene dizajna za svaki segment, prioritizovane po očekivanom uticajuPrompt 4: Generisanje audit izveštaja heatmape
Sproveo sam analizu heatmapa na [broj] stranica sajta [naziv]. Molim te da napraviš strukturisani audit izveštaj iz nalaza ispod.
Za svaku stranicu imam:
- Naziv stranice i primarni cilj
- Glavni obrazac klikova i klastere dead clicks
- Dubina skrolovanja na 50% i u ciljnoj sekciji
- Značajni rage clicks ili anomalije
- Razlike između segmenata (ako ih ima)
Stranica 1: [nalazi]
Stranica 2: [nalazi]
...
Strukturiraj izveštaj kao:
1. Executive summary: 3 obrasca koji se ponavljaju kroz stranice
2. Nalazi po stranici: jedna sekcija po stranici u formatu What / So What / Now What
3. Sveobuhvatne preporuke: izmene u dizajn sistemu ili šablonima koje bi popravile više stranica odjednom
4. Prioritizovana lista akcija: top 5 izmena rangiranih po očekivanom uticaju i naporu implementacije
5. Plan merenja: koje metrike pratiti nakon isporuke svake promene