解读眼动的个误区-CDC-图文教程.docVIP

学术界和商界对眼球追踪技术应用（以下简称眼动）的关注度，每隔一段时间便会出现一次高潮的讨论。随着技术的革新和推广,越来越多的用户研究行业人员开始在产品设计和研发过程中引入眼球追踪技术,尝试读懂用户眼中的产品和体验。 但是由于对眼动技术认知的不足、信息的不对称，导致对该研究方法的误区不断出现。本文将列举一些用户研究领域对眼动的误区，并试图解答正确的应用。 1 “先做个眼动，看看用户在看什么？” 对眼动有所了解的人，通常会向研究员抛来这样的问题。假如盲目地接下这样的任务，不经过需求细分和策划的眼动测试，最终所有人得到的也只是几张漂亮的浏览轨迹图和关注密度热区图。 试想当软件界面需要做出大的调整时，用眼动来记录“软件的静态设计稿”和“可点击、有交互”的软件demo稿时，用户的关注点会有多大不同？在分析眼动 结果时，不明确的测试目标会难以回答“应该这样/可能是这样”的问题。通常不明显的结论，又要引发新一轮附加的测试任务。在理解和沟通测试前，就应该明确 测试的目的、希望通过眼动配合数据解答的问题。  每个任务有明确的测试开始、完成节点，使结果易于分析和对比，才是眼动数据的意义所在。 2 “眼动就是热区图和轨迹图。” Nielsen在06年发现人们浏览网页时有字母“F”型的阅读习惯。这个F型的热区图在很多场合都被引用，但很少有深究热区是基于用户的眼睛停留次数、 停留时间，在什么时间范围内生成的呢？用户浏览习惯是否会因为网站结构和时间的变化，而不是呈现F型呢？通常阅读报告中眼动数据的人，也常常会说“我要一 张关于xxx的热区图”，而不去考虑背后的各种限制因素。同样的不幸也会降临在“轨迹图”身上。 眼动热区图 按关注点次数 按关注时间长度 这并不能怪读报告的人，只因为通常为了更直观的理解和展现结果，报告中常会出现这两种图。实际上，每一个项目都可以从不同的侧面和角度来分析、阐述用户的 认知行为，而每一种角度和衡量指标都会带来对用户浏览和认知行为的理解。因此，配合恰当眼动指标的热区图/轨迹图更容易让读者把握问题之所在。 3 “眼动的红点就是人们看的确切位置。” 无论是查看眼动视频还是轨迹图时，有人会以为红点／十字点100%就是用户看到的地方。实际情况并非全是这样。 首先，目前常见的商用非接触式眼动仪的数据采样率并没有我们想像的那么高，所以显示出的注视点可能会与用户实际看到的点有些偏差。而且，当用户在测试过 程中变换了相对屏幕的位置，记录眼动数据的摄像头就非常有可能“记偏了”用户的眼动情况。当数据叠加在测试素材上时，就会发生眼动轨迹的“漂移”。 （眼动轨迹漂移：轨迹显示读者正在阅读文字，但区域不符。）  其次，大体上人眼的视觉分为高清晰度的视觉区（中央窝视觉：foveal vision）和低清晰度视觉区（边缘视觉：peripheral vision）。而对应在屏幕上的高清晰度区域，通常大于红点显示出来的关注点（fixation）。 例如，当我们看电脑屏幕的时，可见的高清区域差不多有两个指甲盖那么大。 人眼在看较熟悉或较大的物体时，依然可以注意到较为模糊的影像区域（parafoveal peripheral vision）。   如下图所示，尽管用户没有直接看广告中的相机和皮包，但是用户注意到相机和皮包的的可能性很高。 因此，我们不能说用户人们没有看到什么，而只能说他们没有直接看到什么东西上去。 4 “眼动数据很容易解释。” “我想知道用户会看什么地方”——经常听到的这句话一般会成为研究目的。 说这句话的人好像心里十分清楚一个情况：假如我知道用户在看什么，那我就知道这个东西怎么改了。实际上最终当我们把浏览顺序、用户看的热区图拿出来之后， 有时候可能我们自己也懵住了。某些地方热区图很红，就说明用户很喜欢看这个地方吗？还是说这个地方用户根本没有看懂是什么意思？ 看到眼动结果后，对方可能会问： “那又怎么样呢？” “基于眼动的结果，你有什么修改的建议？” …… 其实，眼动只能回答你“看了什么”，却不能告诉“为什么看了”。 举个例子：从一款App横、竖版的眼动热区图分布来看，横版设计中红色的区域较多，用户似乎更青睐横版。仅凭眼动数据很难