Definición
Crazy Egg es una herramienta de analítica visual web que registra el comportamiento real de los visitantes dentro de una página: dónde hacen clic, hasta dónde hacen scroll, qué zonas ignoran y por dónde se pierden antes de convertir. En lugar de darte métricas abstractas como “tasa de rebote del 62%”, te enseña un mapa de colores sobre tu propia página: rojo donde hay más interacción, azul donde casi nadie toca.
En el ecosistema DTC y de comercio electrónico en español, Crazy Egg se usa sobre todo para auditar landings de producto, páginas de checkout y formularios de suscripción. Es una herramienta de diagnóstico, no de ejecución: te dice *qué* falla, tú decides *cómo* arreglarlo.
Analogía
Imagina que tienes una tienda física en la Gran Vía y colocas una cámara cenital. Descubres que el 80% de los clientes entra, mira la mesa de novedades y se va sin llegar nunca a la zona de caja. Con Crazy Egg pasa lo mismo, pero en tu e-commerce: ves que los usuarios se quedan atascados en la ficha de producto, que el botón de “Añadir al carrito” recibe clics pero no registra conversiones, o que nadie llega al bloque de envío gratuito porque está a 4 scrolls de distancia.
Dicho de otro modo: Google Analytics te dice cuántos se van. Crazy Egg te enseña dónde se van y por qué.
Fórmula
Crazy Egg no se basa en una única fórmula, pero su lógica operativa se resume así:
Oportunidad de optimización = (Tráfico en zona caliente × Tasa de clic) − Conversiones reales
Y el cálculo clave que usarás en tus informes:
Tasa de clic en elemento (CTR visual) = (Clics únicos en el elemento / Visitas únicas a la página) × 100
Ejemplo con datos reales:
- Visitas únicas a la landing: 12.400
- Clics en el botón “Comprar ahora”: 1.116
- CTR visual = (1.116 / 12.400) × 100 = 9,0%
- Conversiones finales: 248
- Tasa de conversión = (248 / 12.400) × 100 = 2,0%
Aquí hay una fuga evidente: el 9% hace clic, pero solo el 2% compra. Crazy Egg te mostraría si esos clics se concentran en el borde del botón (problema de diseño) o si el scroll se corta antes de llegar al precio (problema de jerarquía).
Comparativa
| Herramienta | Tipo de análisis | Ideal para | Limitación principal |
|---|---|---|---|
| **Crazy Egg** | Mapas de calor, scroll, confeti, grabaciones | Optimizar landings DTC y fichas de producto | No mide atribución multicanal |
| **Hotjar** | Mapas de calor + encuestas + grabaciones | Investigación cualitativa y feedback | Plan gratuito más limitado en sesiones |
| **Microsoft Clarity** | Mapas de calor + grabaciones | Presupuesto cero, volumen alto | Menos segmentación y exportación |
| **Google Analytics 4** | Métricas cuantitativas y embudos | Visión global del negocio | No muestra el “dónde” visual |
| **VWO / Optimizely** | Test A/B y personalización | Experimentación continua | Requiere tráfico mínimo para significancia |
Para una tienda DTC española con 8.000–15.000 visitas mensuales, la combinación habitual es: GA4 para el embudo, Crazy Egg para el diagnóstico visual y una herramienta de test A/B para validar el cambio.
Aplicación en DTC y e-commerce
1. Auditoría de ficha de producto
El caso más rentable. Colocas un mapa de calor en la PDP y descubres que el 68% de los usuarios hace clic en la imagen esperando un zoom que no existe. Solución: activar zoom o galería ampliada. Mejora típica: +12% en añadir al carrito.
2. Optimización del checkout
Los scroll maps revelan que el campo “Teléfono” genera abandono porque está marcado como obligatorio sin justificación. Reducir campos y reordenarlos puede bajar el abandono del checkout del 71% al 58% en tiendas de moda.
3. Test de CTAs y botones
Con el mapa de confeti compruebas si los clics se reparten entre el botón real y elementos decorativos cercanos. Un botón con contraste bajo puede tener un CTR visual del 3%, mientras que uno con color de marca y microcopy (“Comprar en 24h”) sube al 11%.
4. Landings de captación de email
El scroll map muestra que el formulario está por debajo del 75% de profundidad de scroll, y solo el 22% de los usuarios llega hasta ahí. Moverlo arriba del pliegue suele duplicar la tasa de suscripción.
5. Detección de rage clicks
Crazy Egg marca con colores los clics repetidos en zonas no interactivas. En una tienda de electrónica detectaron que los usuarios pulsaban insistentemente el selector de talla porque no se desplegaba en móvil. Corregirlo eliminó el 34% de los clics de frustración.
Errores comunes
- Confundir mapa de calor con test A/B. Crazy Egg te da hipótesis, no certezas. Un mapa de calor no tiene significancia estadística por sí solo.
- Analizar con poco tráfico. Por debajo de 1.000 visitas únicas por página los mapas son ruido. Necesitas volumen para que los colores sean fiables.
- Ignorar el móvil. En DTC español, más del 70% del tráfico llega desde smartphone. Un mapa de calor de escritorio malinterpretado puede llevar a rediseños que empeoran la experiencia móvil.
- No segmentar. Mezclar tráfico de pago con orgánico distorsiona el mapa. Segmenta siempre por fuente, dispositivo y país.
- Optimizar sin hipótesis previa. Mirar el mapa “a ver qué sale” genera cambios arbitrarios. Define primero la pregunta: ¿por qué no convierten los usuarios de Meta Ads en esta landing?
- Olvidar la privacidad. Con el RGPD, avisa en tu política de cookies que usas herramientas de grabación de sesiones y anonimiza datos sensibles.
Términos relacionados
- Mapa de calor (heatmap): representación visual de la intensidad de interacción.
- Scroll map: muestra hasta qué punto de la página llegan los usuarios.
- Confetti map: visualiza clics individuales para ver patrones de dispersión.
- Rage click: clics repetidos y rápidos en un elemento no interactivo, señal de frustración.
- Session recording: grabación de la sesión del usuario para reproducir su recorrido.
- Test A/B: experimento controlado para validar cambios basados en hipótesis de Crazy Egg.
- Tasa de conversión (CVR): porcentaje de visitas que completan el objetivo.
- Fuga de conversión: punto del embudo donde se pierde la mayor parte del tráfico.
Resumen operativo: Crazy Egg no sustituye a tu analítica, la complementa. Úsalo para generar hipótesis visuales sobre landings, PDP y checkout; valida después con test A/B. Con tráfico suficiente (+1.000 visitas únicas por página) y segmentación por dispositivo, es una de las formas más rápidas de encontrar esos puntos de fuga que GA4 nunca te mostrará.