怎么通过眼睛读心在游戏研究中运用眼动追踪

 　　在用户研究中，研究人员经常会遇到这种情况：某位玩家在体验流程后，追访环节一问三不知：有这个功能吗？我打出这个操作了吗？我当时为什么这么做？每当这个时候，研究人员总有一丝无助在心中油然而生，恨不得此刻会读心术。

　　一旦玩家忘记细节，导致无法描述自己的行为，用研同学观察到的问题就可能得不到解答。所幸，眼动测试作为一种客观的测量方法，可以测量玩家纯粹的体验反应，补充玩家的生理反应数据，结合传统的主观研究，可以在一定程度上避免由于玩家主观反馈所带来的一些偏差。那么，用户研究实践的层面来说，视觉注意力数据该如何作用于产品设计以及用户体验研究中？

　　   眼动的原理和特点   

　　玩家注意力分布可从注视点运动数据得出

　　眼动（Eye Movement），即眼球通过运动而发现、注视和跟踪视觉刺激的过程。听起来非常高大上的眼动追踪，从观察玩家的眼睛，到读取玩家的内心，其中原理其实可以理解为两个环节：

　　第一，提示就在眼前，TA到底在看哪里？换言之，我们如何测量玩家的眼动行为？

　　答案是注视点（Gaze Point），现代的眼动仪器可以做到通过红外光反射计算眼球的运动，我们可以实时在监视器上看到玩家的注视点在哪里，在看什么。

　　第二，明明看到了提示，TA的注意力到底在哪里？

　　事实上，玩家的眼动及其注意力分布是密切相关的。通过观察眼动轨迹和行为，我们可以还原玩家没有及时操作的原因，比如更紧迫的激励（冲脸的小怪、不远处的拾取物）。

　　简单来说，眼动追踪就是把被测者的注视点实时显示在屏幕上，并在事后将这一表现以数据的方式呈现出来；研究者或产品可以直观地了解，被测者都看了哪些信息、哪些没有看、某一个信息看了多久等，它可以作为界面、提示优化的直接证据。

　　眼动研究可以补充客观的行为数据

　　乍一听起来，眼动好像可以得出很多细节的数据，但它与常用的研究方法相比，优势或者说差异点在哪里呢？作为一种通过技术测量的行为数据，眼动能解决以下问题：

　　● 测量结果阅读成本过高：眼动数据可以直观地用热力图呈现，这让原始数据的阅读成本大大降低，即使没有接触过眼动的人员也能轻松阅读；

　　● 玩家主观推测行为细节：通过眼动的数据，避免了玩家回忆和解释特定细节的情况，防止玩家事后假设细节；

　　● 主试需要频繁打断流程：使用其他方式，主试可能需要经常打断玩家询问体验细节，眼动则可以保证玩家不受干扰地进行测试，尤其适用于强调沉浸感的场景。

　　眼动的局限性也非常明显——究其根本，眼动获取的是行为数据，无法提供玩家行为成因的解释性信息。为了解玩家“行为—眼动—动机—成因”的完整链路，往往需要加入测后追访，询问玩家的主观态度和体验情况，同时辅以人口学特征和相关经历，才能获取较为完备的研究洞见。

　　   实践应用中常用的眼动指标   

　　上文提到，眼动手段获取的数据颗粒度很高，且非常全面，可以根据研究者的需要实现各种类型的分析。在用户研究实践中，有三类数据使用较为频繁（以Tobii Pro Lab分析软件为例）：

　　眼动视频：分析效率高，可发现80%以上问题

　　眼动视频是玩家体验过程的录屏+玩家实时眼动的注视点数据。研究人员通过软件，可以清楚地看到玩家每一次注视的落点。通过观看视频，研究人员可以还原测试中任意时间段玩家注意力的变动，是眼动指标中最简单，分析效率最高的方式。具体使用时，研究人员可以看到：玩家看了哪里，没看哪里，哪些内容是比较关注的，关注的先后顺序等。

（编辑：二游网_173173游戏网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!