從市場(chǎng)營(yíng)銷到用戶體驗(yàn)和人機(jī)交互設(shè)計(jì),關(guān)注用戶的注意力指標(biāo)都至關(guān)重要。
了解用戶的注意力有助于評(píng)估廣告的效果。例如,密切關(guān)注廣告的人更有可能對(duì)品牌產(chǎn)生好感并重復(fù)購(gòu)買。在用戶體驗(yàn)研究中,追蹤注意力有助于了解用戶關(guān)注什么以及他們?nèi)绾螀⑴c內(nèi)容。這類數(shù)據(jù)可以幫助設(shè)計(jì)師更好地進(jìn)行界面設(shè)計(jì)。
本文向您介紹如何在FaceReader中使用自定義表達(dá)式來(lái)測(cè)量注意力。
使用 FaceReader 輕松實(shí)現(xiàn)注視追蹤
傳統(tǒng)的注意力測(cè)量方法是使用眼動(dòng)儀。這種方法有效但需要購(gòu)買額外的設(shè)備與軟件,還需要進(jìn)行額外的校準(zhǔn)步驟。這可能既昂貴又耗時(shí)。
相比之下,像諾達(dá)思的面部表情分析系統(tǒng)(FaceReader) 這樣的面部表情分析工具只需要一個(gè)網(wǎng)絡(luò)攝像頭,十分易用高效。
為了確保 FaceReader 能夠有效地測(cè)量注意力,來(lái)自VicarVision的研究團(tuán)隊(duì)對(duì)創(chuàng)建的幾種自定義表情進(jìn)行了驗(yàn)證。
構(gòu)建注意力數(shù)據(jù)庫(kù)
為了創(chuàng)建一個(gè)強(qiáng)大的數(shù)據(jù)庫(kù)來(lái)驗(yàn)證注意力檢測(cè),研究者采用了兩種方法:
從過(guò)往研究中挑選被試;
招募更多的被試,并指導(dǎo)他們改變注意力,比如看別處或看手機(jī)。
通過(guò)這種方法獲得了一個(gè)由 101 名被試組成的數(shù)據(jù)庫(kù),每人平均提供 1.5 分鐘的視頻片段。
隨后根據(jù)預(yù)先確定的協(xié)議對(duì)視頻進(jìn)行人工標(biāo)記,分析評(píng)分者之間的一致性高達(dá) 99%。人工標(biāo)記需要逐幀查看視頻,對(duì)行為進(jìn)行分類。這需要做大量的工作,但這為后續(xù)實(shí)驗(yàn)中對(duì)自定義表達(dá)方式進(jìn)行比較打下了可靠的基礎(chǔ)。
如何更好地檢測(cè)注意力?
注意力是一個(gè)復(fù)雜的過(guò)程。它既涉及個(gè)體的內(nèi)部認(rèn)知焦點(diǎn),也涉及更明顯的注意力外部表現(xiàn)。
在本研究中,研究者主要通過(guò)頭部朝向和注視方向等外部可見(jiàn)的行為線索來(lái)評(píng)估注意力。這種類型的測(cè)量結(jié)果可能與被試自我報(bào)告的注意力不同,后者通常涉及內(nèi)部的主觀因素。這就是為什么同時(shí)測(cè)量隱性(視覺(jué))和顯性(自我報(bào)告)注意力測(cè)量結(jié)果如此重要的原因。它有助于更全面地理解注意力發(fā)生的全過(guò)程。
研究創(chuàng)建了幾種自定義表情,以找到有效的注意力檢測(cè)組合。其中,主要關(guān)注注視方向和頭部朝向,并對(duì)于每種自定義表情均進(jìn)行了以下測(cè)量:
靈敏度:檢測(cè)注意力的準(zhǔn)確性
特異性:檢測(cè)注意力缺失的準(zhǔn)確性
當(dāng)被試遇到了如光線不足或部分可見(jiàn)的情況,可能會(huì)影響結(jié)果。為了避免此類異常值的影響,研究使用了中位數(shù)進(jìn)行分析。
探索注意力的最佳自定義表達(dá)
FaceReader 中的自定義表情由不同的輸入值組成,如面部動(dòng)作單元和頭部朝向。動(dòng)作單元(AU, Action Unit)模塊中的自定義表情功能允許研究者進(jìn)行多種簡(jiǎn)單或復(fù)雜的操作。
僅使用頭部朝向(偏轉(zhuǎn)和俯仰)測(cè)量的結(jié)果是靈敏度高,但特異性低。換句話說(shuō),這些測(cè)量方法能準(zhǔn)確檢測(cè)出注意力,但不能檢測(cè)出注意力缺失的情況。如果將注視方向也包括在內(nèi)時(shí),特異性顯著提高,使注意力分類更加可靠??傊?,這是一種經(jīng)過(guò)充分驗(yàn)證的自定義表達(dá)方式,平均準(zhǔn)確率高達(dá) 0.87,靈敏度(0.88)和特異性(0.85)均達(dá)到最佳水平。
此外,有些具有挑戰(zhàn)性的情況會(huì)使注意力檢測(cè)變得復(fù)雜。例如,在被試轉(zhuǎn)頭但眼睛始終盯著屏幕的情況下,需要使用更復(fù)雜的自定義表達(dá)式來(lái)保持準(zhǔn)確性。增加額外的計(jì)算能夠更好地處理這些具有挑戰(zhàn)性的情況。這種方法雖然增加了復(fù)雜性,但卻使注意力檢測(cè)更加可靠。
FaceReader 的注意力檢測(cè)提供了一種可靠的方法來(lái)了解用戶的注意力集中在哪里。具體來(lái)說(shuō),本研究表明,將注視方向和頭部朝向測(cè)量結(jié)合起來(lái),可以獲得最高的注意力檢測(cè)準(zhǔn)確率。
應(yīng)用注意力指標(biāo)改進(jìn)您的研究
有興趣在您自己的研究中使用注意力檢測(cè)指標(biāo)嗎?
如果您已經(jīng)使用 FaceReader并擁有動(dòng)作單元模塊,就可以立即開(kāi)始使用附帶的注意力自定義表達(dá)式對(duì)注意力進(jìn)行分析。此外,諾達(dá)思還提供其他已有的自定義表達(dá)式,如果您感興趣,請(qǐng)隨時(shí)聯(lián)系我們!
而對(duì)于需要在線工具的研究來(lái)說(shuō),在線面部表情分析系統(tǒng)(FaceReader Online)則是一個(gè)不錯(cuò)的選擇。它專為廣告、市場(chǎng)研究和用戶體驗(yàn)等領(lǐng)域的專業(yè)人士設(shè)計(jì)。使用 FaceReader Online,您可以評(píng)估哪類內(nèi)容吸引用戶,從而更容易做出數(shù)據(jù)驅(qū)動(dòng)型決策。
總之,無(wú)論是用于市場(chǎng)營(yíng)銷、用戶體驗(yàn)還是心理學(xué)研究,FaceReader 都能幫助您對(duì)用戶的參與情況有更深入的了解。
關(guān)注諾達(dá)思公眾號(hào),聯(lián)系我們獲取更多產(chǎn)品信息及學(xué)術(shù)文章!