הקלטת סשן (Session Recording) היא שיטת מחקר איכותנית הלוכדת הצגה חוזרת דמוית וידאו של האינטראקציות של מבקר בודד עם אתר או אפליקציה, ומשחזרת תנועות עכבר, קליקים, גלילה, הקשות וניווט בין דפים מתוך אירועי דפדפן מוקלטים ולא מסרטון צילום מסך אמיתי. כלים המספקים יכולת זו, המסווגים לעיתים תחת פלטפורמות אנליטיקס של חוויה דיגיטלית או אנליטיקס התנהגותי, רושמים בדרך כלל אירועי DOM וחותמות זמן ברקע בזמן שמשתמש גולש, ואז משחזרים את האירועים הללו לסשן שניתן להפעיל מחדש, כך שאנליסטים יכולים לצפות, במהירות משתנה, בדיוק כיצד מבקר אמיתי חווה דף או תהליך מסוים, בלי צורך לגייס את אותו אדם למחקר שימושיות פורמלי.
השיטה חשובה משום שהיא מגשרת על פער שאנליטיקס מצרפי אינו יכול לסגור: דוח משפך יכול להראות ש-35 אחוזים מהמבקרים נטשו דף תשלום, אך אינו יכול להראות מדוע, בעוד שצפייה במדגם של סשנים נטושים בפועל חושפת לעיתים קרובות את הסיבה הספציפית בתוך דקות, כגון שדה טופס שדוחה בשקט קלט תקין, עלות משלוח נסתרת שמופיעה רק בשלב האחרון או רכיב בפריסת המובייל שחופף לכפתור קריאה לפעולה במידות מסך מסוימות. מכיוון שהקלטות סשן לוכדות התנהגות אמיתית ובלתי מונחית ולא התנהגות שנצפתה בתנאים המלאכותיים של בדיקת שימושיות מודרכת, הן יעילות במיוחד בחשיפת חיכוך שהמשתמשים עצמם אולי לא יחשבו להזכיר או אפילו לא ישימו לב אליו באופן מודע, כגון לחיצות מהירות חוזרות ונשנות על רכיב שאינו מגיב, שכלים אלה מסמנים בדרך כלל כלחיצת זעם (rage click).
בפועל, צוותים כמעט אינם צופים בהקלטות ללא סינון בהינתן נפח הסשנים שאתר טיפוסי מייצר; במקום זאת, רוב הפלטפורמות מאפשרות סינון לפי דפוסי התנהגות ספציפיים, כגון סשנים שכללו לחיצת זעם, נטישת טופס, הודעת שגיאה או שילוב מסוים של דפים שנצפו, כדי שאנליסטים יוכלו לתעדף צפייה בסשנים הסבירים ביותר לחשוף בעיה שניתנת לתיקון. הקלטת סשן משולבת בדרך כלל עם ניתוח מפות חום, המצבר נתוני קליקים, גלילה ותנועה מאלפי סשנים לסיכום חזותי יחיד, תוך שימוש במפת החום המצטברת לזיהוי היכן קיים דפוס נרחב, ולאחר מכן סקירת הקלטות סשן בודדות כדי להבין את המנגנון הספציפי שמאחורי אותו דפוס.
תפיסה שגויה נפוצה היא שכלי הקלטת סשן לוכדים וידאו מסך מילולי, בעוד שברוב המקרים הם פועלים באמצעות הפעלה חוזרת של נתוני DOM ואירועים משוחזרים, כלומר הקלטות עלולות לעיתים לייצג בצורה שגויה תוכן דינמי, כגון רכיבים שנטענו באופן אסינכרוני או תוכן מותאם אישית ששונה בין הסשן המוקלט להפעלה החוזרת. מלכודת מכרעת יותר היא התייחסות לקומץ סשנים שנצפו כאל מייצג סטטיסטית את התנהגות המשתמשים הכוללת, והסקת מסקנות רחבות ממדגם קטן ופוטנציאלית לא מייצג, במקום שימוש בהקלטות דווקא למטרה שבה הן מצטיינות, יצירה והמחשה של השערות שמאומתות לאחר מכן בקנה מידה גדול באמצעות נתוני משפך כמותיים או בדיקות A/B. פרטיות ותאימות הן גם שיקול רציני, שכן הקלטות עלולות ללכוד בטעות נתונים אישיים רגישים שהוקלדו בטפסים, ולכן יישומים אחראיים מסתירים כברירת מחדל שדות כמו סיסמאות, פרטי תשלום ומזהים אישיים ושומרים על עמידה בתקנות כמו GDPR.
במסגרת פרקטיקה של ייעוץ CRO ו-UX, הקלטת סשן היא בדרך כלל אחד מכלי האבחון הראשונים שמופעלים בתחילת העבודה, ומשמשת לצד סקירת אנליטיקס לבניית רשימה ראשונית של השערות לגבי היכן ומדוע משפך ההמרה של הלקוח מניב ביצועים חלשים. יועצים סוקרים בדרך כלל מדגם מובנה ומסונן של הקלטות הקשורות לאזור בעיה ספציפי, כגון כל הסשנים שהגיעו לדף התשלום אך לא השלימו רכישה, ולא סוקרים הקלטות באקראי, ומשתמשים בדפוסים חוזרים שנצפו בין סשנים רבים כראיה תומכת בתעדוף מפת דרכים של בדיקות לצד נתונים כמותיים.
דוגמה מעשית מראה כיצד תהליך האבחון הזה מתפתח בדרך כלל: אנליסט מבחין באנליטיקס המצטבר ששלב מסוים בטופס הרשמה רב-שלבי מציג שיעור נטישה גבוה במיוחד בהשוואה לשלבים הסמוכים. סינון הקלטות הסשן לאותו שלב בדיוק וצפייה במדגם של חמישה עשר עד עשרים סשנים עשויים לגלות שחלק גדול מהמשתמשים עוצרים למשך כמה שניות ואז לוחצים שוב ושוב על שדה שנראה כקלט טקסט אך הוא, בשל בעיית עיצוב, רכיב מושבת או לא אינטראקטיבי. ממצא מסוג זה, פגם ממשק ספציפי הניתן לשחזור ולא סלידה עמומה מעיצוב הטופס, הוא בדיוק סוג התובנה שהקלטת סשן מתאימה ביותר לחשוף במהירות, והיה קשה בהרבה, ואולי אף בלתי אפשרי, לזהותו ממדדים מצטברים או מסקר כתוב בלבד.
