Eye Tracking wspomagany uczeniem maszynowym
Kolega podesłał mi narzędzie, które z wykorzystaniem wyników 30.000 testów eye trackingowych i algorytmów uczenia maszynowego, weryfikuje sposób postrzegania naszych kreacji lub designu.
Narzędzie nazywa się Attention Insight i zyskało spore zainteresowanie na Product Hunt. Według autorów osiąga nawet 94% zbieżność z realnymi wynikami tej metody.
Przy czym pamiętajcie, że eye tracking, mimo że diabelsko efektowny, w biznesie i User Experience jest poboczną metodą. Jest to wbrew pozorom metoda ilościowa, do tego bliższa światu nauki i wiedzy o percepcji niż zarabianiu pieniędzy.
Główne minusy:
- Liczba respondentów – eye tracking to podejście bardziej ilościowe niż jakościowe, wymaga więc relatywnie dużej grupy uczestników
- Kosztowne – zarówno czas do przeprowadzenia badania, koszty rekrutacji i wyposażenia są wysokie
- Ograniczony zakres badania – poznajemy precyzyjnie wąski element rzeczywistości. Nie poznamy najważniejszych dla UX Designera motywacji i powodów zachowań
- Stosunek insightów do kosztów. Skoro musimy zapłacić dużo, a dowiadujemy się relatywnie niewiele, w biznesie trudno o realne zastosowanie.
Pokazując narzędzie zespołowi wszyscy mieli te same obawy, co do rzetelności wyników i realnej przydatności. Eye tracking w biznesie przyda się w specyficznych sytuacjach (jedna z nich poniżej). Wyniki badań i wiedzę o ludzkiej percepcji można pozyskać z opracowań naukowych. Co więc zamiast eye trackingu? W wielu przypadkach testy użyteczności.
Poniżej przykład zastosowania narzędzia przy analizie percepcji win na półce oraz banneru reklamowego (ten ostatni jak widać, zdał egzamin).