Istunnon tallennus

Istunnon tallennus on laadullinen tutkimusmenetelmä, joka tallentaa videon kaltaisen toiston yksittäisen kävijän vuorovaikutuksesta verkkosivuston tai sovelluksen kanssa rekonstruoimalla hiiren liikkeet, klikkaukset, vierityksen, napautukset ja sivunavigoinnin tallennetuista selaintapahtumista todellisen näyttökuvankaappausvideon sijaan. Tämän ominaisuuden tarjoavat työkalut, jotka joskus luokitellaan digitaalisen käyttökokemuksen analytiikan tai käyttäytymisen analytiikka-alustojen alle, kirjaavat tyypillisesti DOM-tapahtumat ja aikaleimat taustalla käyttäjän selaillessa ja rekonstruoivat sitten nämä tapahtumat toistettavaksi istunnoksi jälkikäteen. Näin analyytikot voivat seurata vaihtelevalla nopeudella, miten todellinen kävijä koki tietyn sivun tai työnkulun ilman, että heidän tarvitsee rekrytoida kyseistä henkilöä muodolliseen käytettävyystutkimukseen.

Menetelmä on tärkeä, koska se kuroa umpeen kuilua, jota kootut analytiikkatyökalut eivät pysty paikaamaan: suppiloraportti voi osoittaa, että 35 prosenttia kävijöistä hylkäsi kassasivun, mutta se ei voi osoittaa syytä. Todellisten hylättyjen istuntojen otoksen tarkastelu paljastaa usein tarkan syyn muutamassa minuutissa, kuten lomakekentän, joka hylkää äänettömästi kelvollisen syötteen, piilotetun toimituskulun, joka näkyy vasta viimeisessä vaiheessa, tai mobiiliasetteluelementin, joka menee päällekkäin toimintakehotuspainikkeen kanssa tietyillä näyttökooilla. Koska istuntotallenteet tallentavat aitoa, kehottamatonta toimintaa sen sijaan, että ne tallentaisivat moderoidun käytettävyystestin keinotekoisissa olosuhteissa havaittua toimintaa, ne ovat erityisen tehokkaita nostamaan esiin kitkaa, jota käyttäjät itse eivät ehkä tule mainitsemaan tai edes tietoisesti huomaamaan, kuten toistuva nopea napsauttaminen reagoimattomaan elementtiin, jonka nämä työkalut usein merkitsevät raivonapsautukseksi.

Käytännössä tiimit harvoin katsovat tallenteita suodattamattomina, kun otetaan huomioon tyypillisen verkkosivuston tuottamien istuntojen määrä. Sen sijaan useimmat alustat sallivat suodatuksen tiettyjen käyttäytymismallien perusteella, kuten istunnot, jotka sisälsivät raivoklikkauksen, lomakkeen hylkäämisen, virheilmoituksen tai tietyn vierailtujen sivujen yhdistelmän, jotta analyytikot voivat priorisoida istuntojen katselua, jotka todennäköisimmin paljastavat korjattavissa olevan ongelman. Istuntojen tallentaminen yhdistetään usein lämpökartta-analyysiin, joka yhdistää tuhansien istuntojen klikkaus-, vieritys- ja liiketiedot yhdeksi visuaaliseksi yhteenvedoksi. Koottua lämpökarttaa käytetään tunnistamaan, missä laajalle levinnyt malli esiintyy, ja sitten tarkastellaan yksittäisiä istuntotallenteita ymmärtääkseen kyseisen mallin taustalla olevan mekanismin.

Yleinen väärinkäsitys on, että istuntojen tallennustyökalut tallentavat kirjaimellista näyttövideota, vaikka todellisuudessa useimmat toimivat toistamalla rekonstruoitua DOM- ja tapahtumadataa. Tämä tarkoittaa, että tallenteet voivat toisinaan vääristellä dynaamista sisältöä, kuten asynkronisesti ladattuja elementtejä tai personoitua sisältöä, joka muuttuu tallennetun istunnon ja toiston välillä. Merkittävämpi sudenkuoppa on käsitellä muutamaa katsottua istuntoa tilastollisesti edustavana tekijänä käyttäjän yleisestä käyttäytymisestä, tehdä laajoja johtopäätöksiä pienestä, mahdollisesti edustamattomasta otoksesta sen sijaan, että tallenteita käytettäisiin erityisesti siihen tarkoitukseen, johon ne parhaiten palvelevat. Tämä luo ja havainnollistaa hypoteeseja, jotka sitten validoidaan skaalautuvasti kvantitatiivisen suppilodatan tai A/B-testauksen avulla. Tietosuoja ja vaatimustenmukaisuus ovat myös vakavasti otettava asia, koska tallenteet voivat tahattomasti tallentaa lomakkeisiin kirjoitettuja arkaluonteisia henkilötietoja. Siksi vastuulliset toteutukset peittävät oletusarvoisesti kentät, kuten salasanat, maksutiedot ja henkilökohtaiset tunnisteet, ja ylläpitävät GDPR:n kaltaisten määräysten noudattamista.

Sisällä CRO Ja UX-konsultointikäytännöissä istuntojen tallentaminen on tyypillisesti yksi ensimmäisistä diagnostiikkatyökaluista, joita käytetään toimeksiannon alussa. Sitä käytetään analytiikkakatsauksen rinnalla alustavan hypoteesien luettelon laatimiseen siitä, missä ja miksi asiakkaan konversiosuppilo ei suoriudu kunnolla. Konsultit tarkastelevat yleensä jäsenneltyä, suodatettua otosta tallenteista, jotka on sidottu tiettyyn ongelma-alueeseen, kuten kaikkiin istuntoihin, jotka pääsivät kassalle, mutta eivät suorittaneet ostosta loppuun, sen sijaan, että tarkastelisivat tallenteita satunnaisesti, ja käyttävät useissa istunnoissa havaittuja toistuvia malleja tukevana näyttönä testaussuunnitelman priorisoinnissa kvantitatiivisen datan ohella.

Käytännön esimerkki havainnollistaa, miten tämä diagnostiikkaprosessi tyypillisesti etenee: analyytikko huomaa koosteanalytiikassa, että tietyllä monivaiheisen ilmoittautumislomakkeen vaiheella on epätavallisen korkea hylkäysprosentti verrattuna viereisiin vaiheisiin. Istuntotallenteiden suodattaminen juuri tähän vaiheeseen ja ehkä viidentoista tai kahdenkymmenen istunnon otoksen tarkastelu voi paljastaa, että suuri osa käyttäjistä pysähtyy useiksi sekunneiksi ja napsauttaa sitten toistuvasti kenttää, joka näyttää tekstisyötteeltä, mutta on tyyliongelman vuoksi todellisuudessa käytöstä poistettu tai ei-vuorovaikutteinen elementti. Tällainen havainto – tietty, toistettavissa oleva käyttöliittymävika pikemminkin kuin epämääräinen vastenmielisyys lomakkeen suunnittelua kohtaan – on juuri sellainen istuntotallenteen tyyppi, joka parhaiten tulee esiin nopeasti, ja sen tunnistaminen pelkästään koostemittareista tai kirjallisesta kyselystä olisi paljon hitaampaa tai jopa mahdotonta.