UX-аналитика для маркетолога: зачем смотреть глубже цифр

Вы запустили кампанию, трафик пошел. В GA4 или Яндекс Метрике видно сотни визитов в день, источники размечены, цели настроены. А заявок столько же, сколько было до запуска. Отчет фиксирует, что 2% оставили контакт, и молчит про остальные 98%. Куда они смотрели, что искали, на каком экране закрыли вкладку - в цифрах этого нет.

Это разрыв между двумя вопросами. «Сколько» закрывают GA4 и Метрика: визиты, отказы, конверсии, стоимость заявки. «Почему» - отдельная тема, и под нее нужны другие данные. UX-аналитику (ее же называют поведенческой) держат для второго вопроса. Она показывает поведение посетителя: где курсор, докуда доскроллили, на что кликнули и где застряли.

Для performance-маркетолога это не отвлеченное различие. Пока причина не видна, любая правка посадочной - ставка вслепую. Поменяли заголовок, конверсия не сдвинулась, поменяли кнопку - снова мимо. Поведенческие данные убирают угадайку: видно конкретное место, где трафик утекает, и понятно, что чинить.

«Сколько» и «почему» - это два разных инструмента

GA4 и Метрика отвечают на количественные вопросы. Сколько человек пришло из Google Ads, какой процент дошел до корзины, во сколько обошлась заявка, какой канал дает дешевле. Эти отчеты - основа медиапланирования и оценки кампаний, без них вы не знаете, окупается ли трафик и куда переливать бюджет.

Но количественный отчет описывает результат, а не причину. Он зафиксирует, что страница «спасибо» получила втрое меньше визитов, чем страница оформления. Обрыв виден. А что произошло между двумя шагами - поле для гипотез. Форма требует лишнее поле? Кнопка не видна на телефоне? Цена всплывает только на последнем экране? Цифра не ответит, она показывает, что проблема есть, и оставляет причину за кадром.

Поведенческая аналитика заходит с другой стороны. Вместо «сколько ушло» она показывает, как человек вел себя на странице. Это качественные данные: конкретные сессии и карты внимания вместо сводки по тысяче визитов. Вы не считаете отказы - вы смотрите, что человек делал перед тем, как уйти.

Оговорка для аудитории из СНГ. Яндекс Метрика уже включает поведенческую часть - Вебвизор и карты кликов со скроллингом. То есть «почему» частично доступно в самой Метрике, но многие не открывают эти отчеты и работают только со сводками. Отдельные инструменты вроде Microsoft Clarity копают тот же вопрос глубже и бесплатно, но принцип один: к цифрам нужна вторая половина картины.

Делюсь практикой и разборами по performance‑маркетингу
подписаться → @marataxanov

Что показывают цифры - и о чем молчат

Возьмем метрики, на которые маркетолог смотрит каждый день, и разберем их границы.

Показатель отказов

Высокий отказ на посадочной из платного трафика - тревожный сигнал. Но в GA4 и в Метрике он считается по-разному, и сам по себе не говорит, ушел ли человек из-за нерелевантного объявления, из-за медленной загрузки или потому что нашел телефон и позвонил, не пролистав страницу. Три разных вывода, под каждый - своя правка. Цифра одна на всех.

Время на странице

Долго - это вовлеченность или растерянность? Посетитель читает текст или пятый раз ищет, куда нажать, чтобы оформить заказ? Без записи сессии одно от другого не отличить, а выводы противоположные: в первом случае страница работает, во втором - человек не понимает интерфейс и вот-вот уйдет.

Конверсия по шагам воронки

Отчет покажет, на каком шаге обрыв. Дальше вопрос: шаг технически не работает, непонятен по смыслу или лишний? GA4 даст процент перехода, причину обрыва - нет. А правки под эти три варианта разные: починить скрипт, переписать формулировку, выкинуть шаг целиком.

Глубина прокрутки

Метрика и карты покажут, докуда в среднем доскроллили. Но среднее скрывает разброс: половина дочитала до конца, половина закрыла на первом экране - и в отчете это та же цифра, что и при ровной прокрутке всех до середины. Поведение под одинаковым числом бывает противоположным.

Тут добавляется эффект запаздывания: конверсия - показатель на выходе, ее падение видно через день или неделю, когда бюджет на трафик уже потрачен. Сама цифра конверсии не дает причинно-следственной связи - она фиксирует, что стало хуже, но не где причина.

Цифры незаменимы для оценки масштаба и динамики. Они отвечают, где смотреть. Но «где» и «почему» - не одно и то же, и попытка дочитать причину из сводного отчета заканчивается догадками, которые потом дорого стоят в бюджете.

Что добавляет поведенческая аналитика

Поведенческие инструменты дают несколько типов данных, и каждый закрывает свою грань вопроса «почему».

Первое - тепловые карты. Они собирают клики, прокрутку и зоны внимания по странице и показывают, докуда доходит взгляд и куда жмут люди. Частая находка: главное предложение и кнопка стоят ниже зоны, до которой доскроллило меньшинство. Трафик есть, а половина посетителей не видит призыв к действию, потому что он за линией сгиба. Цифры отказа при этом в норме - проблема не в них, а в том, что оффер физически не попадается на глаза. Как читать такие карты и какие гипотезы из них тянуть - в отдельном разборе про тепловые карты.

Второе - записи сессий. Инструмент сохраняет обезличенный путь визита: движение курсора, клики, переходы, ошибки на странице. Здесь вы смотрите один конкретный сеанс: как человек дошел до формы, что попробовал ввести, где замешкался и закрыл вкладку. Десяток записей с одного рекламного источника часто объясняют провал кампании быстрее, чем неделя возни с цифрами: запись показывает один визит целиком, со всеми заминками, тогда как сводка дает усредненный остаток от тысячи сессий. Методика просмотра записей - в материале про анализ записей сессий.

Третье - сигналы фрустрации. Это автоматические маркеры трения: гневные клики (rage clicks, когда человек в раздражении долбит по одному месту), мертвые клики (dead clicks, по элементу, который выглядит кликабельным, но не реагирует), резкие возвраты назад сразу после перехода. Каждый такой сигнал - точка, где человек уперся в стену, и количественный отчет ее не подсветит: для него это еще один клик в общей массе. А для конверсии это место, где посетитель раздражается и уходит.

Все типы данных отвечают на разные грани одного вопроса: что мешает человеку сделать целевое действие. Цифра говорит, что что-то мешает, поведение - где и как.

Почему это вопрос денег, а не красивых отчетов

UX-аналитику легко принять за инструмент дизайнера: посмотреть, удобно ли людям на сайте. Для performance-маркетолога угол другой - это прямая работа со стоимостью заявки и окупаемостью трафика.

Логика короткая. Вы платите за каждый клик в Google Ads, Meta Ads или Telegram Ads. Клик приводит человека на страницу. Если страница теряет половину трафика на ровном месте - битая форма, невидимая кнопка, непонятный следующий шаг, - вы оплатили клик, но не получили заявку. Бюджет ушел, результата нет. И оптимизация ставок в кабинете это не лечит, потому что причина не в кабинете, а на посадочной.

Цифры тут простые. При цене клика $1 и конверсии посадочной 1% одна заявка стоит $100. Поднимаете конверсию до 3% - та же заявка обходится в $33, втрое дешевле, и ни одного лишнего доллара в рекламу не ушло. Двигает конверсию страница, а кабинет тут ни при чем, поэтому поведенческая аналитика работает на стоимость заявки.

Пример из практики. Интернет-магазин в Казахстане льет трафик на карточку товара, стоимость клика в норме, а продаж мало. В рекламном кабинете все ровно - значит, дело за его пределами. Запись сессий показывает: на мобильных кнопка «В корзину» перекрыта липкой шапкой сайта, человек жмет - ничего не происходит. Гневные клики это подтверждают. Правка верстки на один экран поднимает конверсию, и та же кампания с тем же бюджетом начинает приносить заказы. Стоимость клика не изменилась - изменилась стоимость заявки.

Другой случай. Сервис по подписке из Узбекистана гонит трафик на страницу с тарифами, заявок на демо мало. Карты показывают, что внимание стягивает таблица сравнения тарифов, а кнопка «Запросить демо» внизу собирает почти ноль кликов. Люди разбираются в ценах и уходят думать, а целевого действия не делают, потому что оно спрятано. Кнопку подняли к таблице - доля демо-заявок выросла на том же трафике.

Связь, ради которой performance-маркетолог открывает поведенческую аналитику, выстраивается в цепочку:

• цифры в GA4 и Метрике показывают, что заявок мало и на каком шаге обрыв;
• поведенческие данные показывают причину обрыва;
• правка причины снижает стоимость заявки и поднимает отдачу той же рекламы.

Без второго шага вы оптимизируете кампанию, упираясь в потолок посадочной. Дешевле клик уже не сделать, а конверсия стоит на месте, потому что течь не в трафике. Как связать поведение с конкретными кампаниями и источниками - тема отдельного материала про поведенческую аналитику и рекламу.

С чего начать

Часто поведенческие данные уже под рукой. Если стоит Яндекс Метрика - откройте Вебвизор и карты, это та самая качественная часть, в составе Метрики. Если работаете с GA4, встроенных записей и карт там нет, под них ставят отдельный инструмент.

Из отдельных инструментов разумная точка входа - Microsoft Clarity: он бесплатен без лимита на трафик, дает карты, записи и сигналы фрустрации. Платные инструменты вроде Hotjar добавляют опросы и расширенные типы карт, но начинать с них незачем - сперва стоит понять, какие вопросы вы задаете данным. Выбор между бесплатным и платным разобран в сравнении Hotjar и Clarity.

Порядок захода в тему такой. Сначала смотрите цифры в GA4 или Метрике и находите страницу или шаг, где теряются заявки. Потом открываете по этой странице карты и записи и ищете причину. Дальше правите и сверяете цифры снова. Поведенческая аналитика не заменяет количественную - она достраивает ее до полной картины, где видно не только сколько вы теряете, но и почему.

Коротко

GA4 и Яндекс Метрика отвечают на вопрос «сколько»: трафик, отказы, конверсии, стоимость заявки. Этого хватает, чтобы увидеть масштаб проблемы, но не причину. UX-аналитика (она же поведенческая) отвечает на «почему»: тепловые карты показывают, куда смотрят и жмут люди, записи сессий - как проходит визит, сигналы фрустрации - где трение. Для performance-маркетолога у этого денежный смысл: причина обрыва на посадочной - это слитый рекламный бюджет, и пока причина не видна, оптимизация кампании упирается в потолок. Часть поведенческих данных уже есть в Метрике (Вебвизор, карты), для GA4 ставят отдельный инструмент - бесплатный Clarity как точка входа.

Частые вопросы

Чем UX-аналитика отличается от веб-аналитики?

Веб-аналитика (GA4, Метрика) считает количественные показатели: сколько визитов, из каких источников, какой процент конвертируется, во сколько обходится заявка. UX-аналитика, она же поведенческая, показывает качественную сторону - как человек ведет себя на странице: куда смотрит, что нажимает, где застревает. Первое отвечает на «сколько», второе на «почему». Это не конкуренты, а две половины одной картины.

Нужна ли поведенческая аналитика, если уже стоит GA4 или Метрика?

Да, потому что они закрывают разные вопросы. GA4 и Метрика покажут, сколько заявок теряется и на каком шаге воронки это происходит, но не объяснят причину. Поведенческие данные дают причину: видно, что кнопка не видна, форма сбоит или следующий шаг непонятен. У Метрики поведенческая часть уже встроена - Вебвизор и карты, их стоит открыть в первую очередь. Для GA4 ставят отдельный инструмент.

Это инструмент для дизайнеров или для маркетологов?

Для обоих, но угол разный. Дизайнер смотрит на удобство интерфейса. Маркетолог смотрит на деньги: где платный трафик утекает, не дойдя до заявки, и какая правка снизит стоимость заявки. Одна и та же запись сессии для дизайнера - про юзабилити, для performance-маркетолога - про окупаемость рекламы.

С какого инструмента начать?

Если уже работаете в Яндекс Метрике, начните с Вебвизора и карт - доплачивать ни за что не нужно. Если ведете аналитику в GA4, поставьте Microsoft Clarity: он бесплатен без лимита на трафик и дает карты, записи и сигналы фрустрации. Платные инструменты вроде Hotjar разумно подключать позже, когда понятно, какие вопросы вы задаете данным. Подробное сравнение - в материале про Hotjar и Clarity.

Поведенческая аналитика заменяет A/B-тесты?

Нет, они работают в связке. Поведенческие данные дают гипотезу - показывают, где и почему теряется конверсия. A/B-тест проверяет, поднимает ли правка результат на цифрах, а не на глаз. Сначала карты и записи находят проблему, потом тест подтверждает решение на цифрах.

Сколько записей сессий нужно посмотреть, чтобы сделать вывод?

Жесткой нормы нет, но обычно хватает 10-15 записей по одному сегменту - например, по мобильному трафику с конкретной кампании. Если на пятой-седьмой записи проблема повторяется (люди упираются в одно и то же место), это уже сигнал, а не случайность. Смотреть записи имеет смысл не подряд, а по сегментам: отдельно мобильные, отдельно один рекламный источник - так причина видна быстрее.