解讀眼動的12個誤區

 　　一、 先做個眼動，看看用戶在看什麼?

　　對眼動有所了解的人，通常會向研究員拋來這樣的問題。假如盲目地接下這樣的任務，不經過需求細分和策劃的眼動測試，最終所有人得到的也只是幾張漂亮的浏覽軌跡圖和關注密度熱區圖。

　　試想當軟件界面需要做出大的調整時，用眼動來記錄”軟件的靜態設計稿”和”可點擊、有交互”的軟件demo稿時，用戶的關注點會有多大不同?在分析眼動結果時，不明確的測試目標會難以回答”應該這樣/可能是這樣”的問題。通常不明顯的結論，又要引發新一輪附加的測試任務。在理解和溝通測試前，就應該明確測試的目的、希望通過眼動配合數據解答的問題。

　　每個任務有明確的測試開始、完成節點，使結果易於分析和對比，才是眼動數據的意義所在。

　　二、眼動就是熱區圖和軌跡圖

　　Nielsen在06年發現人們浏覽網頁時有字母”F”型的閱讀習慣。這個F型的熱區圖在很多場合都被引用，但很少有深究熱區是基於用戶的眼睛停留次數、停留時間，在什麼時間范圍內生成的呢?用戶浏覽習慣是否會因為網站結構和時間的變化，而不是呈現F型呢?通常閱讀報告中眼動數據的人，也常常會說”我要一張關於xxx的熱區圖”，而不去考慮背後的各種限制因素。同樣的不幸也會降臨在”軌跡圖”身上。

　　眼動熱區圖

　　按關注點次數 按關注時間長度

　　這並不能怪讀報告的人，只因為通常為了更直觀的理解和展現結果，報告中常會出現這兩種圖。實際上，每一個項目都可以從不同的側面和角度來分析、闡述用戶的認知行為，而每一種角度和衡量指標都會帶來對用戶浏覽和認知行為的理解。因此，配合恰當眼動指標的熱區圖/軌跡圖更容易讓讀者把握問題之所在。

　　三、眼動的紅點就是人們看的確切位置

　　無論是查看眼動視頻還是軌跡圖時，有人會以為紅點/十字點100%就是用戶看到的地方。實際情況並非全是這樣。

　　首先，目前常見的商用非接觸式眼動儀的數據采樣率並沒有我們想像的那麼高，所以顯示出的注視點可能會與用戶實際看到的點有些偏差。而且，當用戶在測試過程中變換了相對屏幕的位置，記錄眼動數據的攝像頭就非常有可能”記偏了”用戶的眼動情況。當數據疊加在測試素材上時，就會發生眼動軌跡的”漂移”。

　　(眼動軌跡漂移：軌跡顯示讀者正在閱讀文字，但區域不符。)

　　其次，大體上人眼的視覺分為高清晰度的視覺區(中央窩視覺：foveal vision)和低清晰度視覺區(邊緣視覺：peripheral vision)。而對應在屏幕上的高清晰度區域，通常大於紅點顯示出來的關注點(fixation)。

　　例如，當我們看電腦屏幕的時，可見的高清區域差不多有兩個指甲蓋那麼大。

　　人眼在看較熟悉或較大的物體時，依然可以注意到較為模糊的影像區域(parafoveal& peripheral vision)。

　　如下圖所示，盡管用戶沒有直接看廣告中的相機和皮包，但是用戶注意到相機和皮包的的可能性很高。

　　因此，我們不能說用戶人們沒有看到什麼，而只能說他們沒有直接看到什麼東西上去。

　　四、眼動數據很容易解釋

　　“我想知道用戶會看什麼地方”——經常聽到的這句話一般會成為研究目的。

　　說這句話的人好像心裡十分清楚一個情況：假如我知道用戶在看什麼，那我就知道這個東西怎麼改了。實際上最終當我們把浏覽順序、用戶看的熱區圖拿出來之後，有時候可能我們自己也懵住了。某些地方熱區圖很紅，就說明用戶很喜歡看這個地方嗎?還是說這個地方用戶根本沒有看懂是什麼意思?

　　看到眼動結果後，對方可能會問：

　　“那又怎麼樣呢?”

　　“基於眼動的結果，你有什麼修改的建議?”

　　……

　　其實，眼動只能回答你”看了什麼”，卻不能告訴”為什麼看了”。

　　舉個例子：從一款App橫、豎版的眼動熱區圖分布來看，橫版設計中紅色的區域較多，用戶似乎更青睐橫版。僅憑眼動數據很難解釋清楚。測試內容的影響、用戶個人浏覽習慣等因素，可能會導致用戶看橫版更多，也有可能是用戶在橫版中需要花費更多時間來提取信息。

　　單憑眼動的數據，很難作出合理和全面的解釋。

　　五、所有的可用性測試都能從眼動中受益

　　一種對眼動的常見理解是：如果可用性測試加上眼動的話，效果和結果會更利於找出問題。但從每個項目所擁有的時間和人力資源上看，眼動測試在後期分析中會占用過多成本進行區域劃分、場景切片分析等工作，而最後得出的結論可能僅僅是浏覽軌跡和關注度，更多的具體原因仍需要深度訪問才能得知。相比之下，傳統的可用性測試這種低成本-高效率的分析顯得更適宜。

　　在正式的可用性測試中，眼動數據帶來的結論在整體結論中的占比會較小。以網站測試為例，如果想知道網頁的某個功能入口用戶是否會注意，而進入更多的網站後用戶對網站的整體影響如何，指示性的文字是否容易理解。在這種情況下，眼動只能告訴你他/她看過，但具體的理解無法從眼動數據中解讀，這時眼動的價值就顯得較低。

　　相比之下，眼動更適合解答傳統可用性測試中無法解釋的具體疑問。(比如在確認在線支付前，用戶在這個頁面上糾結什麼)倘若後台數據顯示某些鏈接的點擊率和頁面跳出率很高，眼動可以告訴你用戶真正在找什麼。

　　六、學會操作就可以做眼動測試

　　目前市場上各類眼動儀在功能上大同小異，最終可供的分析數據也相差不大。看起來只要學會了眼動測試的操作，從大家都用的角度來分析就可以做眼動了。但是，會使用眼動儀並不意味著你就可以做眼動了。有效的眼動數據才是研究的前提，而這不僅僅是點兩下鼠標就能完成了。

　　大至人眼工作的模式、視覺認知和信息加工的過程、研究方法論、數據眼動的處理和統計等，小至項目的流程設計、分析的參數、甚至提示語的修改等都需要提前心中有數。等眼動項目結束後，才能從整體上看到熱區圖、軌跡圖以及看似毫無規律的眼動數據結合起來，發現用戶的浏覽習慣和產品的問題。

　　七、眼動就是等用戶看完後分析數據

　　通常在眼動研究項目過程中，用戶研究員在旁邊觀察、記錄，同時防止測試過程中各種風險(程序意外退出、電腦死機等)的出現。測試開始後，研究員的工作似乎就變成了看稀奇一樣查看用戶浏覽時眼睛的關注點、移動軌跡等情況，直至測試順利結束。

　　用戶眼動的情況是實時展現給研究員/產品相關同事的，所以大家腦海中會隨時出現諸如此類的問題：

　　“哦，她/他原來是這樣看的啊!”

　　” 怪不得這裡沒有去點擊……”。

　　若不及時進行有效地記錄，或根本不知道應該記些什麼的話，則會錯失用戶的操作習慣和犯錯緣由。事後再看眼動數據時也無從解釋。

　　這類通過對用戶眼動軌跡的發現和疑惑，應當立即記錄下來，待測試結束後針對用戶浏覽時的表現，詢問用戶的理解和操作行為。有需要時，播放眼動的軌跡錄像讓用戶重溫操作場景，借助有聲思維(think alound)反饋問題。這種方式通常會暴露問題的根源、挖掘到用戶的真實需求。

　　總而言之，不要讓用戶帶著疑問離開了你的眼動測試項目。

　　八、眼動可以通過看軌跡視頻來分析

　　在提倡敏捷用研的節奏下，快速從測試中輸出結論是眼動價值所在。而最快的方法是在測試中實時觀看用戶的眼動軌跡，或測試後回放眼動軌跡的錄像。有人認為不需要做正式的分析，通過看視頻也可以得出眼動的結論，同時配上幾張熱區圖便能解釋用戶的浏覽習慣。

　　然而，我們的眼球每秒進行多次的注視，每分鐘可以產生200-300個眼動的數據點。僅僅通過看眼動視頻，單憑我們的記憶是無法記住和處理這麼大的數據量。就更不用說看眼動軌跡的視頻來分析用戶習慣(個體/人群)和眼動數據了。更糟糕的是，我們可能會帶著個人的偏好來看視頻。因為我們已經知道項目研究的目的，所以可能會過分強調用戶浏覽的順序、在興趣區域上停留的時間等等。

　　注：視頻中反映了用戶眼動注視點的變化情況,但實際上產生的眼動數據會多於視頻中的注視點。

　　(眼動軌跡視頻)