Hvad tænker du på, når du hører sætningen "Heat Maps"? Tænker du hurtigt på noget, der har med penge eller økonomi at gøre? Eller påvirker de forudsigelser, du har set på de forskellige vejrnetværk, dine beslutninger? Det er muligt, at du tænker ud af boksen og kom op med ideen om at bruge webstedsovervågning og værktøjer til at forbedre konverteringer.
Varmekort er grafiske repræsentationer af data, der gør brug af farvekodningsmetoder. Dette er definitionen af et varmekort. Hovedformålet med varmekort er at forbedre repræsentationen af det samlede antal steder og begivenheder, der er inkluderet i et datasæt, og at hjælpe med at guide seernes opmærksomhed til de dele af datavisualiseringer, der er mest betydningsfulde.
De er dog langt mere end det. Det faktum, at varmekort kan bruges i en række forskellige datavisualiseringer, er noget, som mange mennesker ikke er klar over. Varmekort, som er afhængige af farve til at formidle værdier, bruges måske mest til at give et mere bredt billede af numeriske værdier.
Dette skyldes sandsynligvis det faktum, at varmekort er afhængige af farve til at udtrykke værdier. Dette gælder især, når man arbejder med store mængder data, da det er nemmere at skelne mellem farver og give mening med dem, end det er med rå tal. Heat Maps har dog mange applikationer, som f.eks web-varmekortsporing, og kan også bruges i en mere bogstavelig forstand, såsom at vise 'varme og kolde' (densitets) zoner på et kort. Heat Maps er også kendt som varmekort.
Heat Maps bliver stadig mere populære inden for analytics-fællesskabet af en række årsager, men dette er kun toppen af isbjerget med hensyn til årsagerne. Heat Maps er utroligt tilpasningsdygtige og effektive til at gøre opmærksom på mønstre, og det er af disse grunde, at de er blevet mere populære. Heat Maps er på den anden side i sagens natur selvforklarende, i modsætning til andre typer datavisualiseringer, som skal forstås enten af analytikere eller af forretningsbrugere. Når farven er mørkere, er der en større mængde (jo højere værdi, jo tættere spredning osv.). Eksisterende datavisualiseringer kan markant forbedre deres kapacitet til hurtigt at formidle vigtig dataindsigt til publikum ved at inkludere Heat Maps i deres præsentation.
Hvordan bruges varmekort ofte?
Heatmaps er et nyttigt værktøj til at illustrere mønstre såvel som ændringer. Selvom de kan bruges til at demonstrere skift over tid, er deres primære formål ikke at lette dybdegående forskning.
Heatmaps illustrerer forbindelser såvel som skift.
Rektangler er arrangeret på en bestemt måde for at danne et varmekort. Selvom tid oftest er repræsenteret langs x-aksen, kan enhver anden variabel gøre det, når grupper er involveret. En variabel, der bestemmer kategorierne i dataene, kaldes y-aksen. I modsætning til et trækort har hvert rektangel de samme dimensioner. Intensiteten af de farver, der bruges til at udfylde rektanglerne, repræsenterer størrelsen af en tredje variabel. I begyndelsen blev varmekort kun brugt til at vise temperaturer, men i dag kan de vise en lang række data.
Heatmaps er nyttige værktøjer til at analysere enorme mængder data. Visningsmønstre og ændringer over tid kan opnås ved brug af et varmekort, der inkluderer en tidsakse. Det er muligt at identificere rektanglerne i et varmekort med værdier af farvevariablen; dette er dog kun effektivt i situationer, hvor der er et lille antal kategorier langs y-aksen.
Programmet vil automatisk farve etiketterne på en måde, der gør dem læselige for hver af de enkelte rektanglers farver. Det er klart, at et varmekort med et større antal rektangler ikke ville være i stand til at vise synlige etiketter.
Da den kan bruges i en bred vifte af scenarier, kombineres heatmap-appen med brugersporingstjeneste er uden tvivl fremragende, og ikke kun i "det perfekte øjeblik". De har en utrolig kapacitet til straks at opdage interesseområder og give forbrugerne mulighed for at udforske mere og finde præcist, hvor justeringer skal placeres.
