Microsoft Clarity vs Hotjar — jak czytać nagrania i mapy ciepła

Microsoft Clarity i Hotjar pomagają analizować zachowanie użytkowników za pomocą nagrań sesji, map ciepła i sygnałów frustracji, takich jak wściekłe lub martwe kliknięcia. Clarity wyróżnia się bezpłatnym dostępem i wysokim limitem nagrań, natomiast Hotjar łączy analizę zachowania z ankietami i opiniami użytkowników. Sam wybór narzędzia nie przesądza jednak o jakości analizy. Wartość powstaje dopiero wtedy, gdy obserwacja prowadzi do opisanej hipotezy, oceny skali problemu i zaplanowanej weryfikacji.

Ten wpis nie jest wprowadzeniem do samych nagrań ani do samego narzędzia. Wprowadzenie do Hotjara — funkcje, ankiety, relacja do GA4 — znajduje się w osobnym tekście: dlaczego warto wykorzystać Hotjar na stronie internetowej. Tutaj chodzi o dwie rzeczy: gdzie realnie leży różnica między narzędziami i jaka metoda czytania danych zamienia nagrania w decyzje.

W skrócie

• Microsoft Clarity jest bezpłatny i nie nakłada limitu ruchu na sam serwis, ale zapisuje do 100 tys. nagrań projektu dziennie. Po przekroczeniu tego progu próbkuje zachowane nagrania, mimo że ogólny opis produktu mówi o braku próbkowania.
• Dane potrzebne do odtworzenia nagrania są przechowywane 30 dni, a sesje oznaczone etykietą lub jako ulubione — 9 miesięcy. Zagregowane dane kliknięć i map ciepła również mają własną retencję, dlatego przed analizą historyczną trzeba sprawdzić konkretny typ danych.
• Hotjar należy do portfolio Contentsquare — adres hotjar.com/pricing przekierowuje na cennik Contentsquare (sprawdzone 22 lipca 2026). Aktualne progi planów i ceny trzeba weryfikować u dostawcy, bo zmieniają się niezależnie od treści poradników.
• Mapa kliknięć, mapa przewijania i mapa uwagi odpowiadają na trzy różne pytania. Traktowanie ich jako jednego obrazka to najczęstszy błąd interpretacyjny.
• Sygnały frustracji są przesłanką, nie diagnozą. Wściekłe kliknięcie może oznaczać niedziałający przycisk, wolną odpowiedź interfejsu albo element, który tylko wygląda na klikalny.
• Sesje trzeba dobierać celowo, od problemu widocznego w danych ilościowych, a nie od listy najnowszych nagrań.
• Nie istnieje uniwersalna liczba nagrań. Wielkość i dobór próby zależą od pytania, segmentów ruchu i różnorodności ścieżki. Nasycenie pomaga zakończyć eksplorację jakościową, ale nie zastępuje oceny skali w danych ilościowych.
• Obserwacja bez zapisanego dowodu nie jest wnioskiem. Wniosek ma link do nagrania ze znacznikiem czasu, zasięg problemu, hipotezę i sposób weryfikacji w danych ilościowych.
• Nagrania wymagają świadomej konfiguracji prywatności. Maskowanie, wyłączenie stron z danymi wrażliwymi, podstawa prawna, umowa powierzenia i retencja to warunek wdrożenia, nie opcja na później.

Czym różnią się modele obu narzędzi

Porównanie funkcji jest najmniej ciekawą częścią tej decyzji, bo zakres podstawowy jest zbieżny: nagrania, mapy ciepła, filtry, wykrywanie problematycznych kliknięć. Realna różnica dotyczy modelu — sposobu dostępu, tego co dzieje się przy dużym ruchu, jak długo dane zostają w narzędziu i czy narzędzie obsługuje też badania z pytaniem do użytkownika.

Dane o bezpłatności i limitach pochodzą z FAQ Clarity oraz dokumentacji Clarity Client API. Microsoft używa hasła „no sampling", ale w dokumentacji API wyjaśnia, że po przekroczeniu 100 tys. sesji projektu dziennie zachowuje próbę nagrań. To dobry przykład, dlaczego przed decyzją trzeba sprawdzać nie tylko stronę produktową, lecz także ograniczenia techniczne. Cen Hotjara nie podajemy, ponieważ oferta jest zmienna, a Hotjar i Contentsquare Free są obecnie odrębnymi platformami z innymi limitami i retencją.

Z modelu wynikają trzy konsekwencje praktyczne. Po pierwsze, w dużym serwisie trzeba uwzględnić dzienny limit Clarity i w razie potrzeby priorytetyzować ważne sesje za pomocą API, zamiast zakładać pełną dostępność każdego nagrania. Po drugie, krótka retencja wymusza regularny rytm pracy — materiał z kampanii lub sezonu trzeba przeanalizować albo oznaczyć, zanim wygaśnie. Po trzecie, pytanie „dlaczego użytkownik rezygnuje" wymaga ankiety, testu użyteczności, wywiadu lub danych z obsługi klienta. Samo nagranie pokazuje zachowanie, nie motywację.

Co realnie widać w nagraniu, a czego nie widać

Nagranie sesji nie jest filmem z ekranu. Jest rekonstrukcją: narzędzie zapisuje strukturę strony oraz strumień zdarzeń — ruch kursora, kliknięcia, przewijanie, zmiany w drzewie dokumentu — i odtwarza je w przeglądarce. Dlatego nagranie wygląda jak wideo, ale ma inne ograniczenia niż wideo.

Najważniejsze ograniczenie jest interpretacyjne, nie techniczne. Nagranie pokazuje zachowanie, a nie intencję. Osoba, która trzy razy przewinęła stronę w górę i w dół, mogła szukać ceny, mogła porównywać dwa warianty, mogła też odpowiadać na wiadomość na telefonie. Motyw pochodzi z ankiety, wywiadu lub rozmowy z obsługą — nie z odtwarzacza.

Drugie ograniczenie dotyczy maskowania. Zamaskowane pola są warunkiem zgodności, ale tworzą lukę poznawczą: nie widać, czy użytkownik wpisał numer telefonu w polu kodu pocztowego. Ten rodzaj problemu wykrywa się przez zdarzenia walidacji i komunikaty błędów, a nie przez odtwarzanie.

Trzy rodzaje map i decyzja, którą wspierają

Mapa ciepła bywa traktowana jak jeden artefakt. Tymczasem Clarity generuje mapy kliknięć, przewijania, obszarów, konwersji i uwagi, a każda z nich odpowiada na inne pytanie (dokumentacja map ciepła, stan na 22 lipca 2026). Mieszanie ich prowadzi do wniosków, które nie wynikają z danych.

Mapa kliknięć

Mapa kliknięć pokazuje, w co użytkownicy klikają. Clarity liczy kliknięcia na elementach, nie na współrzędnych kursora, co ma znaczenie przy różnych szerokościach ekranu i responsywnych układach — ten sam przycisk pozostaje tym samym przyciskiem. Dostępne warianty obejmują wszystkie kliknięcia, martwe kliknięcia, wściekłe kliknięcia, kliknięcia z błędem, pierwsze i ostatnie kliknięcia w sesji.

Wariant „pierwsze kliknięcie" pokazuje, od jakiej interakcji użytkownik zaczyna wizytę na danej stronie. Jeżeli wiele pierwszych kliknięć trafia do menu lub wyszukiwarki, warto sprawdzić zgodność strony wejścia z intencją ruchu. Nie jest to jeszcze dowód, że otwarcie strony jest złe — użytkownik mógł od początku planować przejście dalej — lecz dobry punkt do zestawienia z kampanią, zapytaniem i wynikiem sesji.

Mapa przewijania

Mapa przewijania pokazuje, jak daleko w dół dociera ruch, wraz ze średnią linią zgięcia — czyli tym, co przeciętny użytkownik widzi bez przewijania. Wspiera jedną decyzję: kolejność sekcji. Jeśli dowód społeczny albo warunki dostawy leżą poniżej zasięgu większości ruchu, problemem jest układ, nie treść.

Częste nadużycie to wniosek „nikt nie czyta dołu strony, więc trzeba skrócić stronę". Mapa przewijania nie mierzy czytania i nie mówi, czy krótsza strona sprzedałaby lepiej. Mówi tylko, jaki odsetek ruchu dotarł do danego miejsca.

Mapa uwagi

Mapa uwagi pokazuje czas spędzony w poszczególnych częściach strony. Uzupełnia więc mapę przewijania o informację, gdzie widok pozostawał dłużej. Nie dowodzi jednak, że użytkownik czytał lub patrzył na konkretny element. Długi czas może oznaczać zainteresowanie, trudność ze zrozumieniem, przerwę albo pozostawienie otwartej karty.

Dlatego mapy uwagi nie należy czytać samodzielnie. Długi czas na tabeli parametrów plus wściekłe kliknięcia w tej samej okolicy to sygnał problemu. Długi czas bez sygnałów frustracji i z wyższym przejściem do koszyka to sygnał wartości.

Jest jeszcze zastrzeżenie metodologiczne, o którym mówi sama dokumentacja: mapa ciepła renderuje się na jednym zrzucie strony. Jeśli strona ma warianty — test A/B, różne stany magazynowe, personalizację, banery zależne od kraju — nakładka agreguje zachowanie z wielu układów na jednym obrazie. Przy silnie zmiennych stronach mapę trzeba czytać per wariant albo nie czytać wcale.

Słowniczek

• Nagranie sesji — rekonstrukcja wizyty odtworzona ze zapisanej struktury strony i strumienia zdarzeń, nie plik wideo z ekranu.
• Mapa ciepła — nakładka agregująca zachowanie wielu wizyt na jednym zrzucie strony.
• Wściekłe kliknięcie (rage click) — seria kliknięć w skupionym obszarze w krótkim czasie.
• Martwe kliknięcie (dead click) — kliknięcie, po którym narzędzie nie wykryło żadnej reakcji strony.
• Szybki powrót (quick back) — wejście na kolejną stronę i natychmiastowy powrót do poprzedniej.
• Nadmierne przewijanie — przewijanie w tempie wyższym niż typowe dla czytania treści.
• Maskowanie — ukrywanie treści i pól przed wysłaniem do narzędzia, po stronie przeglądarki.
• Nasycenie jakościowe — moment, w którym w danym, jednorodnym segmencie kolejne nagrania przestają wnosić nowe wzorce; nie jest dowodem częstotliwości problemu.

Definicje sygnałów pochodzą z dokumentacji metryk semantycznych Clarity (stan na 22 lipca 2026). Hotjar używa częściowo innych nazw dla zbliżonych zjawisk, dlatego przy raportowaniu warto trzymać jedno nazewnictwo w całym zespole.

Sygnały frustracji i jak je czytać

Sygnały frustracji są najszybszą drogą od danych do konkretnego miejsca w interfejsie. Są też najczęściej nadinterpretowane, bo każdy z nich ma kilka możliwych przyczyn. Sygnał wskazuje miejsce, nie powód.

Sygnał warto zamienić w hipotezę, gdy powtarza się na tym samym elemencie i w porównywalnym kontekście, na przykład na jednym typie urządzenia. Pojedyncze wściekłe kliknięcie jest obserwacją. Powtarzalny wzorzec wymaga sprawdzenia skali w danych zagregowanych, logach błędów lub zdarzeniach analitycznych. Dopiero takie połączenie pozwala ocenić, czy problem zasługuje na priorytet.

Warto też pamiętać o odwrotnym błędzie: brak sygnałów nie oznacza, że strona działa. Osoba, która nie rozumie oferty, zwykle nie klika ze złości — po prostu wychodzi. Cisza w sygnałach frustracji przy słabym przejściu do kolejnego kroku jest sygnałem samym w sobie i prowadzi raczej do treści niż do interfejsu. Ten mechanizm opisuje szerzej wpis o błędach na landing page, które zabijają konwersję.

Jak dobierać sesje do obejrzenia

Najkosztowniejszy błąd w pracy z nagraniami to otwarcie listy i klikanie od najnowszych. Kilka godzin mija, powstaje kilka luźnych spostrzeżeń, żadne nie ma zasięgu ani dowodu. Dobór sesji musi być celowy.

Kolejność jest odwrotna do intuicyjnej: nagrania są ostatnim krokiem, nie pierwszym.

1. Problem z danych ilościowych. Punktem wyjścia jest konkretny spadek: przejście z karty produktu do koszyka, porzucenie na kroku dostawy, niskie wysłanie formularza kontaktowego, słabe przejście z listingu do produktu.
2. Zawężenie do jednego kroku ścieżki. Jedna analiza obejmuje jeden krok. Mieszanie listingu, karty produktu i checkoutu w jednym przeglądzie daje wnioski, których nie da się przypisać do miejsca.
3. Podział na urządzenia. Telefon i desktop to dwa różne interfejsy z różnymi problemami. Wspólny przegląd zaciera oba.
4. Filtry zamiast losowego wyboru. Sesje warto zawężać po odwiedzonym adresie, obecności sygnału frustracji, wystąpieniu zdarzenia, kraju, źródle ruchu i długości wizyty.
5. Dwie próbki na kontrast. Osobno sesje zakończone konwersją i osobno porzucone na tym samym kroku. Różnica między nimi jest informacją; sam przegląd porażek prowadzi do fałszywych wniosków.
6. Jawny warunek zatrzymania. Przed analizą ustal minimalną próbę dla kluczowych segmentów i sposób oceny nasycenia. Nie kończ po dwóch podobnych nagraniach, ale też nie oglądaj kolejnych bez celu. Im bardziej zróżnicowana ścieżka, tym więcej wariantów urządzeń, źródeł i wyników trzeba objąć.
7. Zapis w trakcie, nie po. Notatka powstaje przy nagraniu, ze znacznikiem czasu. Odtwarzanie po godzinie „z pamięci" gubi dokładnie te szczegóły, które są dowodem.

Jak zamienić obserwację w zapisany wniosek

To miejsce, w którym większość wdrożeń narzędzi do nagrań się kończy. Narzędzie działa, zespół czasem coś obejrzy, nikt nie potrafi powiedzieć, jakie decyzje z tego wynikły. Lekarstwem jest format zapisu, który wymusza dowód.

Kompletny wniosek zawiera siedem elementów:

• Obserwacja — co dokładnie robi użytkownik, opisane zachowaniem, nie oceną.
• Dowód — link do nagrania ze znacznikiem czasu, urządzenie, liczba sesji z tym samym wzorcem.
• Zasięg — jakiego kroku i jakiej części ruchu dotyczy, wyliczonego z danych ilościowych.
• Hipoteza — zdanie warunkowe: jeśli zmieni się X, to Y powinno wzrosnąć, ponieważ Z.
• Weryfikacja — jakim pomiarem hipoteza zostanie potwierdzona lub odrzucona.
• Koszt wdrożenia — szacunek pracy, bo priorytet to relacja wpływu do kosztu.
• Decyzja i właściciel — co dalej i kto to prowadzi.

Bez pola „weryfikacja" lista wniosków zamienia się w listę opinii. Bez pola „koszt" na górę trafiają zmiany najgłośniejsze, a nie najbardziej opłacalne. Ten sam szkielet stosujemy jako fundament audytu UX, w którym nagrania i mapy są jednym z czterech rodzajów dowodu, obok danych o zachowaniu, przeglądu heurystycznego oraz pomiaru szybkości i dostępności. Efektem audytu jest backlog uszeregowany po wpływie i koszcie, nie lista wrażeń z odtwarzacza.

Poniższa tabela pokazuje samo przejście z obserwacji na weryfikowalną hipotezę — rdzeń całej metody.

Hipoteza bez trzeciej kolumny nie jest hipotezą — jest przypuszczeniem. Weryfikacja bywa też odwrotna: część obserwacji odpada, bo dane pokazują, że wzorzec dotyczy znikomej części ruchu. To dobry wynik pracy, nie porażka. O ustawianiu samej podstawy pomiaru pisaliśmy w tekście o tym, czym jest i jak zwiększyć współczynnik konwersji.

RODO, zgody i maskowanie

Narzędzie do nagrań zbiera obraz interakcji z konkretnego urządzenia, więc wymaga świadomej konfiguracji. Domyślne ustawienia dostawcy są punktem wyjścia, nie gwarancją zgodności — odpowiedzialność za zakres zbierania zostaje po stronie administratora danych.

Cztery warstwy, które trzeba ułożyć przed uruchomieniem zbierania. Poniższa lista jest punktem kontrolnym, a nie indywidualną opinią prawną — ostateczna konfiguracja zależy od zakresu danych, ról stron i rynków, na których działa serwis.

1. Dostęp do informacji w urządzeniu. W Polsce art. 399 Prawa komunikacji elektronicznej co do zasady wymaga uprzedniej informacji i zgody na przechowywanie informacji lub dostęp do niej w urządzeniu, z wyjątkami dla operacji niezbędnych. Clarity wymaga obecnie przekazywania sygnału zgody dla użytkowników z EOG, Wielkiej Brytanii i Szwajcarii; bez zgody może zbierać ograniczone dane bez plików cookie, a część funkcji, w tym nagrania i lejki, może nie działać w pełni.
2. Podstawa przetwarzania. Jeżeli dane z narzędzia są danymi osobowymi, dalsze przetwarzanie wymaga podstawy z art. 6 RODO. Nie należy automatycznie zakładać, że samo uzyskanie zgody na zapis w urządzeniu rozstrzyga wszystkie obowiązki wynikające z RODO.
3. Relacja z dostawcą. Trzeba sprawdzić role stron, warunki przetwarzania, podwykonawców, miejsce przechowywania i mechanizm transferu danych. Jeżeli dostawca działa jako podmiot przetwarzający, zastosowanie ma umowa zgodna z art. 28 RODO.
4. Informacja i prawa. Obowiązek informacyjny z art. 13 RODO obejmuje wskazanie narzędzia, celu, okresu przechowywania i sposobu realizacji praw. Polityka prywatności z ogólnikowym „korzystamy z narzędzi analitycznych" tego nie spełnia.

Po stronie konfiguracji technicznej mechanizmy są konkretne. Clarity maskuje treść domyślnie i udostępnia trzy tryby: Strict maskuje całą treść, Balanced — ustawienie domyślne — maskuje treści wrażliwe, w tym liczby i adresy e-mail, Relaxed nie maskuje treści. Zawartość pól tekstowych i list rozwijanych jest maskowana we wszystkich trybach i nie da się tego zmienić. Wyjątki ustawia się selektorami CSS lub atrybutami data-clarity-mask i data-clarity-unmask (dokumentacja maskowania, stan na 22 lipca 2026). Hotjar działa analogicznie, na własnych atrybutach tłumienia danych.

Dwa zastrzeżenia, które w praktyce sprawiają najwięcej problemów. Pierwsze: zmiana maskowania nie działa retroaktywnie — obejmuje nowe nagrania, a wcześniej zebrane dane pozostają w takim zakresie, w jakim zostały zebrane. Drugie: maskowanie treści nie ukrywa struktury, więc widok panelu klienta czy strony płatności nadal ujawnia kontekst. Takie widoki lepiej wyłączyć ze zbierania w całości niż maskować pole po polu.

Bezpieczny punkt wyjścia to wyłączenie zbierania na stronach płatności, w panelach użytkowników i w formularzach mogących zawierać dane szczególnych kategorii; retencja ograniczona do czasu potrzebnego na analizę; imienny dostęp do nagrań oraz test konfiguracji po każdym większym wdrożeniu. Maskowanie zmniejsza ryzyko, ale nie zastępuje właściwej podstawy, informacji dla użytkownika ani oceny dostawcy. Wytyczne krajowego organu publikuje UODO.

Plan działania

Wdrożenie da się rozłożyć na cztery tygodnie bez angażowania całego zespołu.

• Tydzień 1 — konfiguracja i zgodność. Skrypt za mechanizmem zgód, tryb maskowania, wyłączenie widoków wrażliwych, umowa powierzenia, aktualizacja polityki prywatności, retencja i lista osób z dostępem.
• Tydzień 2 — wybór problemu. Jeden krok ścieżki z największą stratą w danych ilościowych plus zapis stanu wyjściowego: wolumen, przejście do kolejnego kroku, podział na urządzenia. Bez tego zapisu nie będzie z czym porównać wyniku zmiany.
• Tydzień 3 — przegląd jakościowy. Trzy mapy dla tego kroku, a potem dwie próbki sesji — konwertujące i porzucone — przeglądane do nasycenia, osobno na telefonie i na desktopie, z notatkami ze znacznikami czasu.
• Tydzień 4 — backlog i weryfikacja. Hipotezy w formacie z sekcji wyżej, sposób weryfikacji ilościowej, szacunek kosztu, uszeregowanie po relacji wpływu do kosztu i wdrożenie od najtańszych pozycji z wysokim wpływem.

Po pierwszym cyklu rytm robi się stały: jeden krok ścieżki, jedna lista hipotez, jedna weryfikacja. Szersze ujęcie tej pętli dla sklepów opisuje wpis o tym, jak wykonać audyt sklepu internetowego, a kontekst całej dyscypliny — tekst o tym, czym jest optymalizacja konwersji.

Częsty błąd → co zrobić zamiast tego

Jak podchodzimy do tego w Space Ads

W Space Ads zaczynamy od pytania biznesowego i danych ilościowych, nie od listy nagrań. Wybieramy jeden etap ścieżki, definiujemy segmenty oraz stan wyjściowy, a następnie porównujemy zachowanie sesji zakończonych sukcesem i porzuconych — osobno dla istotnych typów urządzeń. Każda obserwacja otrzymuje dowód, ocenę zasięgu i sposób weryfikacji. Dopiero tak opisana hipoteza trafia do backlogu. Przed rozpoczęciem zbierania sprawdzamy też zgodę, maskowanie, wyłączenia wrażliwych widoków, retencję i dostęp zespołu, ponieważ materiał pozyskany bez właściwych zabezpieczeń nie powinien być podstawą analizy.

Najczęstsze pytania

Czy Microsoft Clarity jest darmowy?

Tak. Dokumentacja Microsoftu opisuje Clarity jako usługę bezpłatną bez wersji płatnej, bez limitów ruchu i bez wymogu podania karty przy rejestracji (stan na 22 lipca 2026). Bezpłatność dotyczy narzędzia, nie pracy analitycznej — koszt tej metody leży w czasie osób, które czytają dane.

Microsoft Clarity czy Hotjar — co wybrać?

Clarity wystarcza, gdy potrzebne są nagrania sesji, mapy ciepła i sygnały frustracji na całym serwisie bez ograniczeń ruchu. Hotjar ma przewagę, gdy do obrazu zachowania trzeba dołożyć pytanie do użytkownika — ankiety i widget opinii — oraz uporządkowany warsztat badawczy dla zespołu.

Czy warto używać obu narzędzi jednocześnie?

Tylko wtedy, gdy każde ma odrębną rolę, której nie da się rozsądnie obsłużyć jednym wdrożeniem — na przykład jedno zapewnia monitoring zachowania, a drugie prowadzi ankietę w konkretnym badaniu. Dwa skrypty wykonujące to samo zwiększają obciążenie, zakres danych i obowiązki prywatnościowe bez oczywistej korzyści.

Ile nagrań trzeba obejrzeć, żeby wniosek był wiarygodny?

Nie ma jednej wiarygodnej liczby. Próba powinna objąć kluczowe segmenty dla badanego pytania, na przykład urządzenie, wynik sesji i wariant strony. Nasycenie pomaga zakończyć jakościowe poszukiwanie wzorców, ale częstość problemu trzeba potwierdzić w danych zagregowanych. W raporcie zawsze należy podać, ile sesji i jak dobranych przeanalizowano.

Czym różni się mapa kliknięć od mapy uwagi?

Mapa kliknięć pokazuje, w co użytkownicy klikają, i weryfikuje wybór oraz wygląd elementów interaktywnych. Mapa uwagi pokazuje, ile czasu ruch spędza w danej części strony, i odróżnia „dotarł" od „zatrzymał się" — ale długi czas może oznaczać zarówno wartość, jak i niezrozumienie.

Czy nagrania sesji wymagają zgody użytkownika?

W Polsce zapis lub odczyt informacji z urządzenia podlega art. 399 Prawa komunikacji elektronicznej, który co do zasady wymaga uprzedniej informacji i zgody, z wyjątkami dla operacji niezbędnych. Clarity wymaga przekazywania sygnału zgody dla użytkowników z EOG, Wielkiej Brytanii i Szwajcarii. Osobno trzeba ocenić role stron, podstawę przetwarzania danych osobowych oraz obowiązki informacyjne wynikające z RODO. Konkretne wdrożenie warto skonsultować z osobą odpowiedzialną za ochronę danych.

Czy mapa ciepła jest reprezentatywna dla całego ruchu?

Tylko w zakresie, w jakim odzwierciedla jeden układ strony. Nakładka renderuje się na pojedynczym zrzucie, więc przy testach A/B, personalizacji, zmiennych stanach magazynowych albo banerach zależnych od kraju agreguje zachowanie z różnych układów. Wtedy mapę trzeba czytać osobno dla wariantu.

Czy nagrania zastępują badania z użytkownikami?

Nie. Nagranie pokazuje zachowanie, a nie motyw ani oczekiwanie. Powód decyzji pochodzi z ankiety, wywiadu, testu użyteczności lub rozmów z obsługą klienta; nagrania wskazują, o co i kogo warto zapytać.

Jak długo dane zostają w narzędziu?

W Clarity dane potrzebne do odtworzenia nagrania są przechowywane 30 dni, a sesje oznaczone etykietą lub jako ulubione — 9 miesięcy. Zagregowane dane kliknięć i map ciepła również są przechowywane 9 miesięcy. Hotjar podaje obecnie 365 dni dla nagrań i map, natomiast Contentsquare Free — 30 dni dla odtworzeń sesji. Przed wyborem trzeba więc sprawdzić konkretny produkt, plan i typ danych.

Najważniejsze

• Różnica między Microsoft Clarity a Hotjarem leży w modelu — dostępie, limitach, retencji i obecności ankiet — a nie w podstawowym zestawie funkcji.
• Clarity jest bezpłatny i nie limituje ruchu na witrynie, ale zachowuje do 100 tys. nagrań projektu dziennie; powyżej tego progu nagrania są próbkowane. Dane odtwarzania są przechowywane 30 dni, a sesje oznaczone etykietą lub jako ulubione — 9 miesięcy.
• Mapa kliknięć, przewijania i uwagi odpowiadają na trzy różne pytania i nie zastępują się nawzajem.
• Sygnał frustracji wskazuje miejsce w interfejsie, nie przyczynę — hipoteza powstaje po potwierdzeniu wzorca w kilku sesjach.
• Sesje dobiera się celowo, od problemu widocznego w danych ilościowych; nasycenie pomaga zakończyć eksplorację, ale nie zastępuje potwierdzenia skali.
• Wniosek bez linku, zasięgu i sposobu weryfikacji ilościowej nie wchodzi do backlogu.
• Maskowanie, wyłączenie widoków wrażliwych, podstawa prawna i retencja to warunek uruchomienia zbierania, nie zadanie na potem.

Źródła i dalsza lektura

• Microsoft Learn — Clarity FAQ (bezpłatność, limit nagrań i podstawowe zasady retencji)
• Microsoft Learn — Clarity Client API (próbkowanie po przekroczeniu 100 tys. nagrań dziennie)
• Microsoft Learn — Data retention (retencja według typu danych)
• Microsoft Learn — Heatmaps overview (rodzaje map ciepła)
• Microsoft Learn — Semantic metrics (definicje sygnałów frustracji)
• Microsoft Learn — Masking content (tryby maskowania, atrybuty, brak retroaktywności)
• Microsoft Learn — Consent Management (sygnały zgody i działanie bez zgody)
• Hotjar i cennik Contentsquare (aktualne progi planów; sprawdzone 22 lipca 2026)
• Dyrektywa 2002/58/WE (ePrivacy), art. 5 ust. 3
• RODO — rozporządzenie 2016/679 (art. 6, 13, 28)
• Prawo komunikacji elektronicznej (art. 399)
• Urząd Ochrony Danych Osobowych

Powiązane wpisy: dlaczego warto wykorzystać Hotjar na stronie internetowej, czym jest optymalizacja konwersji, czym jest i jak zwiększyć współczynnik konwersji, błędy na landing page, które zabijają konwersję, jak wykonać audyt sklepu internetowego.