Contact | 简体版 | 繁體版
问答 | 订购| 流程 | 招聘
乐乐产品
解决方案
乐乐观点
在线下单
及时联系
164374545
18201872891
164374545@qq.com
 
眼动数据分析—诠释与过度诠释
查看次数:6701 添加日期:2010-03-02 返回上页

 

 

不久前曾撰文讨论眼动仪的女子弓虽之谜。前文主要讨论眼动研究的类型与研究设计,经过月余的熟悉、实践和培训,今以入门级菜鸟的经验,试论眼动数据的分析。内容如下:

1、眼动研究类型:几点补充
2、样本之谜:到底需要几个用户?
3、数据分析:诠释与过度诠释
4、眼动数据:利与弊

1. 眼动研究类型:几点补充

前文将眼动研究分为描述性与实验性两种,其实也可理解为定性与定量的区别。如何命名两者的区分并不重要,关键在于理解,前者是为了识别问题(表象)从而改进,而后者在于确立问题是否具有普遍性及其成因(本质)。

在T家的宣传资料中有这样一个比喻:眼动可以是蛋糕奶油裱花上的糖果碎屑(sprinkle on the icing),可以是蛋糕的奶油裱花(icing on the cake),也可以是蛋糕本身(图1)。即,它可以作为最表面的辅助性描述(直观地展现人的行为),也可以作为最核心的因果揭示(探讨具有普遍性的行为模式、导致行为的因素)。

 

理解基本的区别,是正确设计研究和分析研究数据的重要前提。

2. 样本之谜:到底需要几个用户?

决定样本大小的最根本因素在于研究类型。

要想将结果普遍化(generalization),或对不同用户组(如,男、女等)做比较,必须使用定量研究。对于定量研究的样本,目前没有确切的结论。T家指出,一般在25人左右,就会到达饱和值(再增加数据,对结果也不会有显著影响)。但也有研究认为必须找50人。我更倾向T家的看法:结合研究的详细情况,考虑以下几个因素:

刺激物(stimulus)以及实验的复杂度
待比较的用户组数
后期数据分析的方法
基于数据分析结果所做出的决策需承担的风险。
时间、金钱成本
前三个因素基于学术严谨性(对信度、效度的考虑),后两个因素则从企业的考虑角度出发,尤为值得注意。如果参考眼动研究结果做出的决策,有可能影响极大,则样本越大越保险。但如果风险较小,保证基本的底线也许已足够。

对于定性研究,它的结果固然不能用于推导行为是否有共性,但只要能揭示问题,可以认为,几个人甚至一个人的眼动数据也是有用的。

最近一次项目将眼动仪作为可用性测试的补充,在热度图中发现了图2这个问题。这仅仅是4个用户的数据,却足以告诉我们设计上的问题:用户注视了两个地方,但这两者只满足TA同一个需求。第一句话是浪费眼神。

 


这也许是个微不足道的问题,不就浪费个眼神嘛。但举该例是为了说明,小样本同样能帮助发现问题,从而快速指导设计的改善:将两句话合二为一,“去淘宝首页体验购物乐趣”。

总而言之,对定量研究来说,目的往往在于普遍化。对定性研究来说,发现问题是关键,而眼动的确能帮助我们更有效地发现问题,从而进行下一步的分析。

3. 数据分析:诠释与过度诠释

眼动研究一大难点在于,如何处理貌似丰富却陷阱重重的数据。丰富是指,有多种多样直观的结果可视化方式;陷阱在于,每种可视化方式在不同的设定下都可能引起误导。对研究者来讲,在分析时或应重点把握两点:勿过度诠释,勿只依赖眼动数据!

勿过度诠释含义有二:

诠释、分析应基于研究类型。不要用定量的语言描述定性的数据,不要用小样本做整体性推导、对比用户组;
懂得舍弃。这又有两层含义。1)若你的眼动报告读者是PM/PD/设计师,无需把对他们没用的结果呈现。尽管它们看起来很有趣,但其他人关心的往往仅是结果对他们的指导意义;2)对于校对不准或捕获质量低的数据,要绝对舍弃。虽然这意味着时间、金钱的浪费。
勿只依赖眼动数据是指,应充分结合访谈之类的主观用户反馈、设计经验准则等进行分析。眼动数据分析一大危险在于,那些美丽的热度图、柱状图很容易勾起臆测。如果没有同时收集用户的诠释,一不小心就变成研究员的YY了。同样地,一旦钻进了数据的迷瘴,会忘记其实还有其他分析的利器。

4. 眼动数据:利与弊

眼动结果作为一种直观的用户体验呈现,有无数案例说明其利。图2的例子就充分表明了眼动特有的价值所在:普通可用性测试很难识别这个问题。

但弊端也是普遍的,眼动研究的设计、执行、数据分析,每一步的操作不当,都可能产出垃圾。这就要求研究员始终保持应有的职业操守和客观严谨的态度。我曾非常苦恼于一点:严谨性和企业要求的快速产出结果往往是相悖的,和真实度也常常有矛盾。那我是否应“教育”他们,例如如何读眼动结果、结果怎么来的?于是我问了T家从瑞典来的培训经理这个问题。他的建议是,不用操这份心,因为严谨性往往不是他们所关注的,他们只关注结果的指导意义。所以对于研究员来说,要让你的工作有价值,只需要把最有用,或你认为应改进的结果呈现出来,节省彼此时间。企业与学术界不一样,在企业的用户研究中,眼动数据只是一种用于支持你的观点,并带来改变的更有说服力的证据。