数据产品经理进阶：热力图分析的底层逻辑

热力图是网站、H5、APP运营的分析利器，可帮助产品经理分析用户行为。

热力图帮助我们深入了解用户在页面上的操作习惯和行为路径，并指导产品经理对产品进行用户体验优化，进而提升网站的转化效果。

而热力图分析是数据分析的重要手段之一。如何进行热力图分析，是数据产品经理工作中的重中之重。

热力图通过记录用户在网站或APP的点击与浏览行为，并通过热力图的形式展现出来。

简而言之，热力图就是将用户行为可视化展示。

热力图本质上是一个数值矩阵，图上每一个色块都是一个数值，通过离散数值、权重算法与分析模型等技术手段，将用户行为频度以色块的形式展现出来。

热力图通过可视化的效果呈现，帮助产品经理深入分析用户对内容及功能的访问情况、操作习惯、行为偏好等。

热力图就是将用户行为轨迹录像。

根据用户在网站、H5或APP上的点击、滚动等行为，可将热力图分为点击热力图、移动热力图、滚动热力图、链接热力图等。 

点击热力图统计用户的点击行为，通过点击频度生成的热力图，可以直观了解用户对功能模块、页面内容的喜好。 

点击热力图帮助产品经理进行首屏优化，或网站深度测试。

移动热力图记录用户鼠标移动、停留等行为，通过跟踪PC端用户的鼠标移动轨迹，可以了解用户对那个区域比较感兴趣。

Google移动热力图

移动热力图帮助产品经理分析操作重点，或优化网站文案。

滚动热力图显示了用户上下滚动页面的数据，可识别用户在页面中看到的页面比例。通过页面比例了解抵达区域留存，数值越低，越少访客关注。

Hotjar滚动热力图

滚动热力图帮助产品经理了解用户行为偏好，或辅助页面设计与内容调整等。 

链接热力图聚焦链接元素的点击热度，可直观地展示用户点击页面元素的点击量、点击率等。

数极客链接热力图

 链接热力图帮助产品经理检查网站链接设置是否合理，或分析链接的A/B Test效果。

热力图

绘制热力图（heatmap）是数据分析的常用方法，常用的绘制热力图(heatmap)软件有R，Excel，MATLAB，Graphpad，Python的matplitlib、Seaborn和pyHeatMap等。

用Excel绘制热力图，可以快速了解网站和落地页数据情况，并展现数据的差异性。

Excel原始数据 

Excel绘制热力图

用Python绘制热力图，通过色差、亮度来展示数据的差异，直观易理解，能快速识别高频功能。

Python原始数据

Python绘制热力图

热力图是把用户的交互按照热度渲染出来的一个分析能力，因其丰富的色彩变化和生动饱满的信息表达，被应用在各种数据分析场景。 

热力图分析的本质是点数据分析。热力图的应用场景有：事件分析、页面分析、活跃分析、留存分析、漏斗分析、路径分析等。

对产品经理而言，主要表现在产品运营、用户运营、内容运营及渠道运营等几个方面：

：基于热力图进行功能界面、交互设计等优化，发现问题并快速迭代产品，提高着陆页转化率。

基于热力图进行用户触点、用户路径等优化，通过运营与用户建立漏斗，降低网站的跳出率。

基于热力图进行产品卖点、文案内容等优化，深度洞察用户点击偏好，提升整体用户留存率。

基于热力图进行广告投放、品牌宣传等优化，通过流量解决获客问题，激发渠道用户活跃度。

以华创微课落地页为例，我们推荐了一些专栏作者的精选文章，为进一步了解文章的跳出率和退出率，并直观的分析用户行为轨迹，借助热力图分析就可以解决。

首先，新建热力图，设置首页需要分析的区域或内容，比如自定义圈选华创微课的Logo、热门活动和精选文章等内容。 

然后，获取数据，基于页面埋点收集网站访问数据，网站通常关注的数据指标有新增用户数、用户留存率、PV、UV、转化率等，比如华创微课的用户数、页面浏览PV、内容点击UV等。 

华创微课数据指标

最后，获取目标图像，进行高斯滤波、灰度处理、二值化、开运算，轮廓提取，计算坐标，绘制热力图等。

Python获取指定图像，可借助PIL库来实现，PIL(Python Imaging Library)是Python一个强大方便的图像处理库，获取图像也可借助matplotlib、opencv等库。 

 Python实现高斯滤波，提取图片特征常用的方法，可以让处理后图像看起来更模糊

Python处理图像灰度值，是图片处理中最为重要的环节之一，包括特征提取、图像OCR、图片降噪、图片加噪等。

 

Python图像二值化,就是将图像上的像素点的灰度值设置为0或255,使得整个图像只有黑和白的视觉效果。华创微课二值化

Python图像开运算，就是将图像腐蚀后，进行膨胀处理，去除噪声，并保持原有形状。

Python实现轮廓提取，需找到图像主题轮廓，用指定颜色对源图像进行轮廓标记，计算轮廓中的主体。

 

Python绘制热力图，需借助pyheatmap库，将识别结果得到data的值，即data = [[x1,y1] [x2,y2] …]，传入到apply_heatmap(image，data)来绘制热力图，然后将热力图加权叠加到原图上。 

用热力图把用户的点击、浏览、滚屏、停留等行为数据可视化，方便我们分析用户行为，了解到用户的关注点，进而优化用户体验，提升转化率，实现精细化运营。

-End-