نگاهی به ابزارهای ردیابی حرکات چشم کاربران آنلاین

13 مهر 1400 - آخرین بروزرسانی: 19 آذر 1402
ردیابی حرکات چشم
زمان تقریبی مطالعه: 9 دقیقه

وقتی وارد سایت یا اپلیکیشن می‌شوید، اول از همه به کدام قسمت توجه می‌کنید؟ شاید عجیب به نظر برسد ولی ابزارهایی برای ارزیابی حرکات چشم شما وجود دارد. در چند دهه اخیر ابزارهای ردیابی حرکات چشم کاربران، اطلاعات جدیدی را در اختیار پژوهشگران و متخصصان مختلف قرار داده است. بازاریابان، پژوهشگران تجربه کاربری (UX) و طراحان سایت و اپلیکیشن به خوبی از این ابزارها بهره می‌برند.

آن‌ها با کمک این روش‌های جدید به ارزیابی طراحی و چیدمان سایت و اپلیکیشن می‌پردازند. با پیشرفت‌های جدید در حوزه هوش مصنوعی (AI)، ابزارهای جدیدی هم برای پیش بینی حرکات چشم کاربران تولید شده که به شناخت زوایای دید کاربران کمک می‌کند.

 

ردیابی حرکات چشم چیست و چه کاربردی دارد؟

ردیابی حرکات چشم به فرایند ارزیابی موقعیت مکانی چشم و حرکاتش اشاره دارد و مسیر خیره شدن شخص را مشخص می‌کند. با این روش، مکان‌های مدنظر فرد، مدت زمان خیره شدن به آن مکان‌ها و ترتیب جابجایی نگاهش مشخص می‌شود.

ردیابی حرکات چشم چیست

پژوهشگران حوزه UX از ردیابی حرکات چشم برای شناخت توجه بصری مخاطبان و کاربران استفاده می‌کنند. برای مثال در تست کارایی سایت می‌توان از مطالعات ردیابی زاویه دید برای شناخت عناصر تبلیغاتی جذاب روی صفحه وب استفاده کرد. سازمان‌ها با توجه به این دانش قادر به بهینه سازی چیدمان وب سایت و تولید تبلیغات کارآمدتر هستند.

ردیابی حرکات چشم در علوم عصب شناسی، پژوهش پزشکی، تحلیل فرایند خرید در خرده فروشی‌ها و تقویت فرایند یادگیری در دوره‌های آموزشی آنلاین هم به کار می‌رود.

ردیابی حرکات چشم در افراد مختلف

هیت مپ (Heatmap) از مناطقی که در صورت انسان و حیوان مورد توجه افراد مبتلا به اختلال طیف اوتیسم (ASD)، اختلال بیش فعالی- کمبود توجه (ADHD) و افراد عادی (TD) قرار می‌گیرد در تصاویر فوق نمایش داده شده‌اند.

اغلب پژوهش‌های ردیابی حرکات چشم در محیط‌هایی مشابه آزمایشگاه انجام می‌شوند و نیازمند تجهیزات خاصی هستند. این اواخر با پیشرفتهای فناوری امکان مطالعه حرکات چشم با کمک وب کم‌های ساده فراهم شده است. بنابراین هزینه و زمان مورد نیاز برای انجام پژوهش‌های دقیق، کاهش یافته است.

ردیابی حرکات چشم در اصل چگونه عمل می‌کند؟

ردیابی حرکات چشمی در حال حاضر، استانداردی پذیرفته شده و مبتنی بر تکنیک بازتاب قرنیه در مرکز مردمک (PCCR) است. الگویی نامرئی از نور نزدیک به مادون قرمز به چشم کاربر تابانده می‌شود که بازتابش روی مردمک و قرنیه می افتد. یک دوربین بسیار حساس هم موقعیت این بازتاب‌ها را ردیابی می‌کند.

عملکرد ردیابی حرکات چشم

آنچه در این فرایند ارزیابی می‌شود، برداری بین مرکز قرنیه و بازتاب نور روی قرنیه است. این بردار را به صورت فاصله میان مردمک و نقطه بازتاب تعریف می‌کنیم.

سپس از الگوریتم‌های کامپیوتری پیشرفته برای محاسبه موقعیت چشم بر اساس تغییرات ایجاد شده در این بردار استفاده می‌کنیم. همچنین درجه بندی‌هایی مورد نیاز است و حرکات سر هم باید برای محاسبه محل خیره شدن چشم لحاظ شود.

 

ردیابی حرکات چشم پیش بینی کننده(predictive eye tracking) چیست؟

پیشرفت‌های اخیر در حوزه هوش مصنوعی (AI) امکان ارزیابی توجه بصری را توسعه داده است. ردیابی حرکات چشم پیش بینی کننده معادل نرم افزاری سیستم سخت افزاری و قدیمی در پژوهش‌های ردیابی حرکات چشم است. هیت مپ های حاصل از هوش مصنوعی مشابه هیت مپ های قدیمی ردیابی حرکات چشم هستند و نشان می‌دهند که محرک بصری بیشتر در کجا قرار گرفته و به کدام قسمت‌ها کمتر توجه شده است.

ردیابی حرکات چشم پیش بینی کننده

نمونه‌ای از هیت مپ توجه بصری به یک صفحه وب را در تصویر فوق مشاهده می‌کنید. کادرهای مستطیلی قرمز نشان دهنده مناطق مورد علاقه (AOI) هستند و عدد زیرشان هم نشان دهنده درصد توجه صرف شده به آن نقطه است که با کمک هوش مصنوعی محاسبه شده است.

معمولاً این هیت مپ ها برای شبیه سازی توجه کاربر به وب سایت در 3 تا 5 ثانیه اول ورود به وب سایت به کار می‌روند. با این روش می‌دانید که سلسله مراتب بصری وب سایت به چه صورت است و اطلاعات کلیدی و مورد توجه اغلب کاربران قبل از کلیک کردن کدامند.

با این فناوری می‌توان محل توجه افراد در صورت تعامل با محرک را پیش بینی کرد.

ابزار ردیابی حرکات چشم پیش بینی کننده شرکت Attention Insight

ابزار ردیابی حرکات چشم پیش بینی کننده تولید شرکت اتنشن اینسایت (Attention Insight) ادعای دقت 90 درصدی در مورد پیش بینی واکنش کاربران به یک وب سایت و دقت 94 درصدی در مورد نگاه کردن به سایر تصاویر را دارد. دقت نتایج الگوریتم این شرکت با مجموعه داده MIT (حاوی تصاویر ردیابی حرکات چشم) مورد مقایسه قرار گرفت. برای این مقایسه از معیار محوطه زیر نمودار (AUC Judd) استفاده شد که در حال حاضر معیاری اصلی در MIT است.

ابزار ردیابی حرکات چشم

نتایج مطالعه واقعی ردیابی حرکات چشم در مقابل پیش بینی حاصل از ابزار شرکت اتنشن اینسایت را در تصویر فوق مشاهده می‌کنید.

برای انجام این گونه پیش بینی‌ها دیگر نیازی به اجرای مطالعه واقعی ردیابی حرکات چشم با کمک شرکت کنندگان واقعی نیست. برای انجام این ارزیابی فقط باید تصویر مدنظرتان را آپلود کنید و در عرض یک دقیقه تحلیل تصویر را به شکل هیت مپ به دست می‌آورید.

 

مطلب پیشنهادی: نکات طراحی سرچ باکس (دکمه جستجو)

 

ردیابی حرکات چشم پیش بینی کننده چگونه عمل می‌کند؟

ردیابی حرکات چشم پیش بینی کننده مبتنی بر الگوریتم هوش مصنوعی است و دقتش با گذشت زمان و جذب داده‌های جدید افزایش می‌یابد. الگوریتم های یادگیری عمیق و پیچیده مبتنی بر دهها هزار تصویر تولید شده در مطالعات ردیابی حرکات چشم هستند و از آنها یاد می‌گیرند. هوش مصنوعی این تصاویر را تحلیل کرده و الگوهای خاص موجود در روند توجه کاربر را شناسایی و سازماندهی می‌کند. هوش مصنوعی با این روش به پیش بینی محتوای جذاب وب سایت می‌پردازد.

هر چقدر داده‌های بیشتری در اختیار الگوریتم‌ها قرار گیرد، بهتر می‌توانند زاویه دید کاربران را پیش بینی کنند. دقت این روش در حال حاضر کمتر از مطالعات ردیابی حرکات چشم با حضور شرکت کنندگان واقعی است ولی با گذشت زمان، بهبود خواهد یافت.

 

مزایا و معایب ردیابی حرکات چشم پیش بینی کننده

ردیابی حرکات چشم پیش بینی کننده به عنوان ابزار تحلیلی قبل از عرضه محصول قابل استفاده است. با این روش عملکرد محصول نهایی تقویت شده و تیم تولید هم سریعتر و آگاهانه تر به فعالیت می‌پردازند. دیگر نیازی به منتظر ماندن بابت تحلیل داده‌های حاصل از توجه کاربران در مطالعات قدیمی ردیابی حرکات چشم نیست. طراحان می‌توانند ایده‌های مختلف طراحی را بررسی کنند و با انعطاف پذیری بیشتری به خلاقیت روی آورند، چون نتایج مربوط به پیش بینی توجه مخاطب را در عرض چند ثانیه به دست می‌آورند. ابزارهای ردیابی حرکات چشم پیش بینی کننده بسیار ارزان‌تر از روش قدیمی ردیابی حرکت چشم عمل می‌کنند و نیازی به سخت افزار گران قیمت ردیابی حرکات چشم ندارند.

با کمک هیت مپ های پیش بینی کننده می‌توان جریان توجه کاربر را قبل از کلیک کردن یا حتی قبل از کار کردن با ماوس تحلیل کرد. این داده‌ها حتی با کمک کلیک مپ ها یا مپ های پیمایش ماوس هم به دست نمی‌آیند. بنابراین این ابزار به عنوان مکمل مپ ها و روش‌های دیگر عمل کرده و به عنوان جایگزینشان نیست.

از طرف دیگر کاهش هزینه و زمان تحلیل در روش ردیابی پیش بینی کننده باعث کاهش دقت آن هم شده است. بعلاوه جریان توجه در یک محیط سه بعدی قابل پیش بینی نیست. کل محرک مورد بررسی را باید به فرمت تصویری یا ویدئویی تبدیل کرد تا هوش مصنوعی قادر به انجام پیش بینی شود. بعلاوه انتخاب‌های کمتری در مورد نحوه ارائه داده‌ها وجود دارد.

 

کاربرد هیت مپ های حاصل از هوش مصنوعی

در ادامه به برخی از کاربردهای ردیابی حرکات چشم پیش بینی کننده اشاره خواهیم کرد:

بررسی انواع مختلف طراحی

تست کردن 10 تا 20 مدل طراحی مختلف حدود چند ماه زمان می‌برد. هیت مپ های هوش مصنوعی به تحلیل سریع می‌پردازند و قدرتمندترین انواع طراحی را به شما معرفی می‌کنند. پس بالا رفتن از وسط نردبان خیلی بهتر از پله اول است.

هیت مپهای ردیابی حرکات چشم

تست A/B یک صفحه نمایش در حالت مقایسه‌ای در تصویر فوق مشاهده می‌شود.

شناسایی فرصت‌های تقویت نرخ تبدیل

با کمک ردیابی حرکات چشم پیش بینی کننده می‌توانید طراحی فعلی را وارسی کرده و امکان بهینه سازی نرخ تبدیل را بررسی کنید. می‌توانید سلسله مراتب بصری سایت و جریان توجه کاربر روی عناصر اصلی صفحه را مطالعه کنید. با کمک هیت مپ های AI عواملی را می‌شناسید که باعث انحراف مخاطبان از CTA ها (تقاضای اقدام عملی روی سایت) می‌شوند.

تحلیل وب سایت‌های رقیب

می‌توانید هر وب سایتی را با این ابزار مورد بررسی قرار دهید. چون نیاز به وارد کردن هیچگونه کدی ندارید. بنابراین به خوبی وب سایت خودتان را در مقابل رقبا مقایسه می‌کنید. می‌توانید وب سابت برتر در حوزه کسب و کارتان را پیدا کرده و آن را از نظر وضوح طراحی، وضوح CTA و غیره مورد بررسی قرار دهید. این بررسی‌ها به شما در جهت تقویت طراحی وب سایت خودتان کمک می‌کند.

تست کردن سایت‌های دارای ترافیک اندک

هنگامی که تازه سایتی طراحی می‌کنید، ترافیک چندانی ندارد. پس تست A/B هنوز در این مرحاله به کارتان نمی‌آید. چون به زمان بیشتری برای جمع آوری داده‌های کافی برای تحلیل نیاز دارید. خوشبختانه هنگامی که از ردیابی حرکات چشم استفاده می‌کنید نیازی به ترافیک ندارید. چون هیت مپ های AI براساس داده‌های قبلی حاصل از مطالعات ردیابی حرکات چشم به دست آمده‌اند.

 

مطالعه موردی: افزایش 30 درصدی ثبت اشتراک نسخه دمو در سایت Omnisend

در این مطالعه تیم بازاریابی Omnisend به دنبال افزایش تقاضای نصب دمو از طریق صفحه لندینگ سایت بود. بنابراین با کمک هیت مپ های AI به تحلیل صفحه لندینگ سایت پرداختند و کمی طراحی صفحه را تغییر دادند تا تعداد تقاضاهای ارسالی از آن برای نصب نسخه دمو افزایش یابد.

ابزار ردیابی حرکات چشم شرکت اتنشن اینسایت برای ارزیابی این صفحه به کار رفت.

مطالعه موردی ردیابی حرکات چشم

هیت مپ اتنشن از هوم پیج اصلی Omnisend را در تصویر فوق مشاهده می‌کنید.

بررسی هیت مپ شرکت اتنشن از هوم پیج اصلی Omnisend

طبق این هیت مپ توجه به لوگو و عنوان اصلی به خاطر نبود فضای خالی بین آنها مشابه یکدیگر است. به همین خاطر این شرکت فضای سفیدی را بین لوگو و عنوان اصلی قرار می‌دهد تا تأکید روی اطلاعات صفحه لندینگ افزایش یابد.

طبق درصدهای به دست آمده، دو CTA اصلی یعنی «Get a Demo» و «Start My Free Trial» در رقابت با هم به ترتیب 4 و 3 درصد از توجه مخاطبان را جلب کرده‌اند. طبق قانون هیک (Hick’s Law) که در طراحی وب به کار می‌رود؛ هر چقدر گزینه‌های بیشتری در اختیارتان قرار گیرد، انتخاب هیچ کدام برایتان ساده‌تر خواهد شد. از آنجا که هدف Omnisend، افزایش اشتراک دمو است، پس دکمه « Start My Free Trial» باید حذف شود.

ردیابی حرکات چشم در سایت اومنیسند

هیت مپ اتنشن از هوم پیج جدید Omnisend را در تصویر فوق مشاهده می‌کنید.

بعد از تغییر مذکور، دکمه «Request Demo» توجه 7 درصدی را به خودش جلب کرد که از 4 درصد قبلی بیشتر بود. حالا کاربران انتخاب مشخصی دارند که تصمیم گیری را برایشان ساده می‌کند.

دکمه‌های تکراری CTA در قسمت header سایت هم تصمیم گیری کاربران را پیچیده‌تر می‌کند و توجه کمتری را در عرض 4 یا 5 ثانیه به هر کدام از آنها معطوف می‌کند. شرکت Omnisend تصمیم به حذف این دو دکمه در قسمت هیدر گرفت و به جای آنها از دکمه « Start Free Trial» استفاده کرد. این دکمه جدید به راحتی در معرض دید مخاطبان قرار می‌گرفت. با این حال یک درصد توجه در عرض چند ثانیه برای جلب توجه مدنظر Omnisend کافی نبود. بعد از این تغییرات، تست A/B صفحه جدید نشان دهنده افزایش 30 درصدی تقاضای نصب نسخه دمو بود.

 

در نهایت . . .

به لطف فناوری هوش مصنوعی امکان ردیابی حرکات چشم پیش بینی کننده بدون نیاز به مطالعات قدیمی وقت گیر و پر هزینه فراهم شده است. هوش مصنوعی با کمک داده‌های قبلی حاصل از مطالعات سنتی ردیابی حرکت چشم، به ارزیابی محتوای تصویری و ویدئویی جدید پرداخته و با دقتی قابل قبول، نواقص طراحی سایت و اپلیکیشن را نشان می‌دهد. هیت مپ های ردیابی حرکات چشم کمک زیادی به بهبود طراحی وب می‌کنند.

هوش مصنوعی چیست؟

 

منبع

www.uxbooth.com/articles/a-look-into-predictive-eye-tracking-tools

آیا این مطلب برای شما مفید بود؟
بلهخیر
نویسنده مطلب زینت فلاح
من زینت فلاح، ارشد روان سنجی هستم. بیش از ده ساله که ترجمه متون روانشناسی،مدیریت و فناوری رو انجام میدم. به تولید محتوای جدید علاقمندم و چند ساله که با کارلنسر همکاری دارم. https://www.karlancer.com/profile/1408

دیدگاه شما

بدون دیدگاه