Analýza třecích ploch uživatelské cesty
Prompt pro identifikaci kritických míst v UX na základě dat z FullStory, který navrhuje konkrétní řešení pro zvýšení konverzí.
Prompt text
Pracuj s následujícími vstupními daty:
1. Popis problému: [Popis pozorovaného chování nebo metriky, např. vysoká míra opuštění košíku]
2. Klíčové metriky: [Data jako Rage Clicks, Dead Clicks, průměrná doba načítání nebo Bounce Rate]
3. Kontext uživatelské cesty: [Krok v aplikaci, kde se problém děje]
Tvá analýza musí obsahovat:
- Diagnózu: Vysvětli, proč k tomuto chování pravděpodobně dochází z pohledu kognitivní psychologie a UX designu.
- Prioritizaci: Navrhni 3 konkrétní kroky k nápravě seřazené podle dopadu na konverzi a náročnosti implementace.
- Návrh pro FullStory: Jaké konkrétní "Search" segmenty nebo "Funnel" nastavení bychom měli ve FullStory vytvořit, abychom tento problém dále validovali nebo monitorovali?
- Doporučení pro A/B testování: Definuj hypotézu, kterou můžeme otestovat pro ověření tvého řešení.
Buď kritický, daty podložený a zaměř se na odhalení "skrytých" frustrací uživatelů, které nejsou patrné z běžné analytiky.
Příklad použití
Vstup:
Metriky: 15% Rage Clicks na tlačítku "Pokračovat", průměrně 45 vteřin strávených na formuláři.
Kontext: Mobilní aplikace, druhý krok registrace (platební brána).
Výstup:
Návrh řešení:
1. Implementace "Inline Validation" (vysoký dopad, střední náročnost).
2. Přesun tlačítka "Pokračovat" nad "Keyboard fold" (okamžitý dopad, nízká náročnost).
3. Přidání možnosti skenování karty místo manuálního zadávání (střední dopad, vysoká náročnost).
FullStory strategie: Vytvoř segment "Rage Clickers na Platební bráně" a sleduj "Click Map" pro identifikaci konkrétních polí, kde uživatelé opakovaně klikají bez odezvy.
Hypotéza: Pokud zjednodušíme validaci údajů v reálném čase, snížíme Rage Clicks o 40 % a zvýšíme konverzi do 3. kroku o 12 %.
Kde použít tento prompt?
Najděte vhodné AI nástroje pro použití tohoto promptu a maximalizujte jeho efektivitu.
Podobné prompty
Analýza uživatelského chování FullStory
Komplexní analýza dat z FullStory pro identifikaci třecích ploch a optimalizaci konverzního poměru produktu.
Analýza uživatelského chování ve FullStory
Tento prompt pomůže produktovému manažerovi interpretovat data z FullStory a navrhnout konkrétní kroky pro zlepšení konverzí.
Architektura backendu v Supabase
Pokročilý návrh databázové struktury, zabezpečení a API integrací pro produkční aplikaci.
Automatizace extrakce webových dat
Komplexní instrukce pro nastavení inteligentního monitoringu a extrakce strukturovaných dat z libovolné webové stránky pomocí Browse AI.
Objevte další AI prompty
Prozkoumejte naši sbírku data promptů a najděte ty, které vám pomohou dosáhnout lepších výsledků.