解读眼动的12个误区
眼动实验原理
眼动实验原理眼动实验眼动实验是一种科学研究方法，通过追踪和记录被试者的眼球运动，来探寻人类的视觉认知和信息处理机制。
本文将从浅入深，介绍眼动实验的相关原理。
什么是眼动实验眼动实验是一种心理学研究方法，通过使用专用的眼动追踪设备，记录被试者在观察视觉刺激时眼球的运动轨迹。
被试者通常会被要求注视屏幕上的特定位置或者观察特定的图像、文字等。
通过收集和分析眼动数据，研究人员可以揭示人类的视觉加工过程和认知行为。
眼动追踪技术眼动追踪技术是眼动实验的基础，它通过使用专用的眼动仪器来记录眼球的位置和运动情况。
目前常见的眼动仪器有两种类型：•瞳孔居中式眼动仪：使用红外线摄像机追踪瞳孔的位置，通过计算瞳孔在屏幕上的位置来确定眼球的运动轨迹。
•视网膜追踪式眼动仪：通过观察和记录视网膜上的血管网络变化，来追踪眼球的运动情况。
这些眼动仪器通常配备有专用的软件，用于实时记录和分析眼动数据。
眼动参数眼动实验中，研究人员通常会关注以下几个眼动参数：1.注视点（Fixation）：被试者在视野中静止注视的时间段。
2.注视跳（Saccade）：眼球从一个视觉目标跳到另一个目标的运动过程。
3.注视路径（Scanpath）：被试者在观察视觉刺激时，眼球的运动路径。
4.注视热图（Heatmap）：将多个被试者的注视点叠加显示在一起，形成一个热图，用于揭示观察对象的视觉注意点。
眼动实验的应用眼动实验在许多领域都有广泛的应用，包括：1.人因工程学：通过分析人们在操作界面上的注视点，改进界面设计，提高用户体验。
2.广告与市场营销：研究人员可以通过观察消费者在观看广告时的眼球运动，评估广告效果，并进行优化。
3.教育与学习：分析学生在学习过程中的注视路径，帮助改进教学设计和内容呈现。
4.眼动追踪疾病：一些眼动参数的改变可以作为疾病诊断和监测的指标，如注意力缺陷多动障碍（ADHD）等。
总结眼动实验是一种重要的研究方法，通过记录和分析眼球运动数据，揭示人类的视觉认知和信息处理机制。
被误读的视错觉
被误读的视错觉作者：善行无迹来源：《科学Fans》2013年第11期都说眼睛是心灵的窗户，心有所想，目有所见。
从某种意义上来讲确实如此，开心的时候春风化雨，阳光明媚；悲伤的时候愁云惨淡，六月寒天。
实际上呢？旗未动，风未动，是你的心在动。
事实上，我们的大脑是个极其复杂的黑盒子，任何与心理相关的东西都不是三言两语能解释清楚的。
如果只是简单地把所见和所想联系起来，那么差不多和街头算命的大仙可以等同了。
当下网络上流行着大量的所谓心理测试，看上去很美很科学，其实有不少都是张冠李戴，误人子弟。
他们打着科学的幌子，行“卖拐”之实，误导了不明真相的围观群众。
下面我们就介绍一些流传广泛的被误读的图片，以后大家看到类似的测试，不妨一笑而过，娱乐生活。
测测你是男是女看到下面这只可爱的兔子了么，或者是调皮的鸭子？坊间流传第一眼看到鸭子表示男性特质多一些，而第一眼看到兔子则表示女性特质多一些。
鸭子一男性，这是受现在社会不和谐因素影响而产生的联系么？作者表示不能直视。
像这种模棱两可的事物有个专有名词叫“双稳态知觉（bistable illusion）”，即观察角度不同会影响我们的知觉组织。
因此，只要我们有意识地改变观察角度，就可以在两种状态任意切换。
目前，研究发现这种双稳态知觉有可能和我们的经验以及所得到的心理暗示有关。
比如再下面这组图，花瓶、人脸傻傻分不清楚（著名的Rubinvase）。
如果我们刚从花瓶店出来，那第一眼看上去就是花瓶。
因此这个现象和性别没有关系，和左侧大脑右侧大脑主导也没有关系，请各位看官要小心别被忽悠。
其他有趣的视错觉图说了半天，无非是想告诉同学们很多网上流传的说法并不可靠，切勿信谣传谣。
科学并不神秘，也不高高在上，让任何人都可以看到并理解它，这才是科学的精神。
最后秀一些有趣的视错觉图片以飨读者，其实我们的眼睛和大脑是很好骗的，千万不要过于自信。
是不是觉得左边是女性面孔，右边是男性面孔呢？其实这是同一个人的面孔，只不过右边面孔亮度更暗一些，其中眼睛、鼻子、嘴唇和面部其他区域对比度较低。
认知心理学 眼动实验
认知心理学眼动实验
认知心理学是一门研究人类认知与思考的学科，眼动实验是其中一种常用的实验方法。
所谓眼动实验，就是利用特殊的设备测量被试者眼睛的运动情况，进而了解他们在进行某
种任务时的视觉信息处理方式，以及心理因素对此的影响。
眼动实验有很多种，比如自由浏览实验、注视偏向实验、视觉搜索实验等。
其中自由
浏览实验是最基本的一种，被试者只需要看展示在屏幕上的图形或文字，记录他们眼球运
动的轨迹和停留时间即可。
注视偏向实验则是将屏幕中央设置一个静止的点，让被试者尽
可能长时间地看着它，然后在屏幕其他区域出现一个目标时记录他们的注视反应。
视觉搜
索实验则是要求被试者在大量相似物品中找出其中具有某种特征的物品，记录他们的搜索
时间和眼球轨迹。
眼动实验的优势在于它可以直接记录被试者的视线运动，准确地反映视觉信息的处理
过程。
同时，它还具有高度的可重复性和可控性，可以在实验室或其他不同环境中进行。
不过眼动实验也有一些局限性。
首先，实验过程需要使用一定的设备，比如眼动仪、
电脑和软件等，这样在实验条件固定的前提下，实验结果才能保持稳定和可靠。
其次，眼
动数据的收集和处理过程需要一定的技术和专业知识，对实验人员的要求比较高，因此有
一定的门槛。
总的来说，眼动实验是一种比较常用的心理学实验方法，可以用来研究认知、情感和
思维等方面。
它既有优势也有局限性，需要根据具体的研究问题和实验条件进行适当选择
和设计。
未来，随着技术的进一步发展，眼动实验可能会更加广泛地应用到生活和工作中，为认知、教育、医疗等领域提供更多的科学依据。
眼动训练
眼动训练对眼睛的练习就好比一个短跑运动员必须进行跑步训练，通过训练强化肌肉，不断突破身体的局限，眼睛亦是如此，通过这些简单的训练，我们可以强化支配眼睛的肌肉，如果你见到有哪个世界冠军有不进行练习能拿第一的，你可以不进行此项练习。
通过不断扩大视野练习，加快视点移动节奏，在大脑中建立一种新的信息处理方式。
这一章的练习我们可以借助于电脑软件来练习，虽然电脑对眼睛有一定的伤害，但电脑里的训练是有节奏性的，训练起来不容易产生厌烦感，不象传统训练方式那样，盯着一个不动的物体看，由自己来控制移动的节奏，没有规律性，无法在短时间内有突破。
在练习之前，大家在练习时，一边跟着软件移动眼睛或者扩大视幅，一边进行意想，在吸气时意想氧气与能量均集中到眼睛周围，并绕眼睛运行，呼气时意想浊气由眼睛排出，坚持训练，可以打通眼睛周围的气脉，使眼睛处的血脉将畅通无阻，看多久也不会觉得累。
下面我就以静止图形为例进行讲解，用电脑软件练习方法与静止图形训练的机理相同，只不过是运用已经编好的软件进行练习。
训练前的准备：确保你处于一个相对安静我环境中。
身体放松，摘掉隐形眼镜。
训练时要保持头部不动，眼睛快速移动。
腹式呼吸。
要注意大脑应该有失重的感觉，充实而放松。
原则上我们一天的训练时间不要超半小时，训练过多，眼睛开始时会很疲劳。
第一步：固定点凝视练习。
目的：强化注意力、忍耐力、持久力，强化眼睛的注视时间。
方法：睁大眼睛，闭上嘴，紧盯黑点（16开纸中间画一直径为3.5cm的圆圈）。
暗示自己：固定点扩大了，整个身心都沉浸于此。
尽量不眨眼睛，盯一分钟。
练到能凝视而不眨眼睛时，练完直径3.5cm后练2.5cm和5cm直径圆。
第二步：视幅扩大练习。
目的：强化训练眼睛的视觉扩展能力，训练眼睛对视野的整体感知能力方法：尽量看清位于书页四角四个图像或文字（可以在16开纸的四个角放置同样的图片或文字）。
眼睛不要在四个角之间移动，找到合适的注视点，你就会看到四个角上的文字。
汽车驾驶行为的眼动研究
汽车驾驶行为的眼动研究眼动研究是一种使用眼动仪来记录和分析人眼在特定任务中的移动模式和注视点的科学研究方法。
在汽车驾驶行为方面的眼动研究可以帮助我们了解驾驶员在驾驶过程中的注意力分配、信息处理和决策行为，从而提高驾驶安全性。
一项研究表明，驾驶员的眼动模式与驾驶性能之间存在着密切的关系。
在不同的驾驶任务中，驾驶员的眼动模式会发生变化。
在进行直线行驶时，驾驶员会注视前方道路的中心线，以保持车辆在车道内的行驶。
而在变道和转弯时，驾驶员的注视点会转移到目的地、交叉路口和其他车辆等相关信息上。
眼动研究还可以揭示驾驶员的注意力分配和认知负荷。
研究发现，当驾驶员面临复杂的交通环境和任务时，其注视点数量和注视时间都会增加。
这表明驾驶员需要将注意力分散到更多的目标上，以处理更多的信息。
注意力过度分散可能会影响驾驶员的决策和反应时间，增加驾驶事故的风险。
利用眼动研究还可以评估和改进驾驶辅助系统的设计。
许多现代汽车配备了各种驾驶辅助系统，如自动紧急制动、车道保持辅助和自适应巡航控制等。
通过记录驾驶员眼动模式，可以评估这些系统在实际驾驶场景中的效果。
研究发现，车道保持辅助系统可以显著减少驾驶员在高速公路上的注视数量和注视时间，增加驾驶员对前方道路的注意力。
眼动研究还可以用于驾驶员状态监测和疲劳驾驶检测。
通过分析驾驶员的眼动模式，可以识别出驾驶员的注意力水平和疲劳程度。
在长时间的驾驶过程中，驾驶员的注意力和反应时间可能会下降，增加驾驶事故的风险。
眼动研究可以提供及时的警示信号，引导驾驶员进行适当的休息。
眼动认知量表
眼动认知量表
摘要：
1.眼动认知量表的定义和作用
2.眼动认知量表的发展历程
3.眼动认知量表的应用领域
4.眼动认知量表的优缺点
正文：
眼动认知量表是一种通过记录和分析眼睛在观察事物时的眼动轨迹，来探究个体认知过程的测量工具。
眼动认知量表在心理学、教育学、认知科学等领域具有广泛的应用价值，它可以帮助研究者更好地了解个体在观察、记忆、思维等认知过程中的表现。
眼动认知量表的发展历程可以追溯到上世纪60 年代。
当时，研究人员发现眼睛在观察事物时会产生一系列的眼动轨迹，这些轨迹与个体的认知过程密切相关。
随着科学技术的发展，眼动仪的精度不断提高，眼动认知量表也得到了越来越广泛的应用。
眼动认知量表的应用领域非常广泛，包括但不限于以下几个方面：
1.教育领域：通过眼动认知量表，研究者可以分析学生的学习困难，为学生提供个性化的教育方案。
2.广告营销：眼动认知量表可以帮助广告设计者了解消费者对广告的注意力分布，从而优化广告设计，提高广告效果。
3.人机交互：眼动认知量表在人机交互领域也有广泛应用，通过对用户眼
动的跟踪和分析，可以优化界面设计，提高用户体验。
眼动认知量表具有一定的优点，例如精度高、可靠性好、操作简便等。
然而，它也存在一些局限性，如受个体差异影响较大、不能完全揭示个体的内在认知过程等。
眼动研究介绍：应用价值与问题
获悉用户浏览的行为和习惯。
当用户打开一个网页，看到一个广告的时候，到底看了些什么，没有看什么？什么东西最先获得用户的关注？这些信息很重要，因为很多时候用户关注的东西与设计希望用户看到的是不一样的，这种差别会通过眼动数据显示出来。
例如网页设计师将一个重要的按钮做得非常显眼以便用户看到，而用户会对这个大按钮视而不见，眼睛却在满屏幕转，因为Ta将过于突出的按钮当成了广告。
例如一些广告设计常见的问题是人们根本没有关注商品或商家的名字，而将视线放在了漂亮的模特身上。
帮助研究人员分析与澄清问题。
在可用性测试中，遇到用户既无动作也不说话时，研究人员是最迷惑的。
此时用户很可能执行任务受阻，研究人员需要决定何时提醒用户继续出声思维（think aloud）。
而通过实时的眼动记录观测，研究人员可以间接地了解用户的处境——用户是在寻找什么东西，还是有什么东西令用户困惑（来回注视），还是用户忽视了相关的重要元素？研究人员还可以带着观点假设，开展眼动研究来验证或否决，发现导致问题的真正原因。
眼动图是优质的研究结果展示工具。
在第一次了解接触眼动研究的时候，相信十有八九你同时看到过类似以下的眼动图。
这是呈现眼动研究结果最常用到的热点图（heat map）。
顾名思义，热点图呈现的是人们视线的“热点”，颜色越红的区域代表被聚焦得越多。
通常这样的结果图非常吸引人，因为看起来一目了然，是“一图胜千言”的好代表。
研究人员喜欢展示这样有说服力的图，观众也喜欢看简单直观的结果。
所以眼动图作为可视化手段起到了良好的信息传达作用。
眼动研究有多靠谱？早在眼动研究被广泛引入商业应用领域之前，它已经在心理学界红火了几十年，至今依然是重要的研究手段。
但是，围绕眼动研究方法的争论一直没有停止，以下列举一些争议的焦点。
所看=所想？前面所说的一个小试验可以说明，人们的注意能够与注视相分离。
我们也知道，有时备控制电脑。
可以预见，在不久的将来眼动技术将更加成熟，其作为研究手段的普及速度也会继续加快。
视觉功能障碍的眼动研究
视觉功能障碍的眼动研究视觉功能障碍是一种影响眼睛正常工作的疾病或病变，包括各种眼疾和视觉功能异常。
随着科技的发展，眼动研究成为了研究视觉功能障碍的重要手段之一。
本文将介绍眼动研究的基本概念、技术原理以及在视觉功能障碍研究中的应用。
一、眼动研究的基本概念眼动研究是通过眼动仪等设备记录和分析人眼在观察特定刺激时的移动轨迹和注视点，以揭示人眼在感知、认知和决策等认知过程中的视觉注意特点。
眼动研究可以通过眼动数据分析，研究者能够获取被试在面对特定刺激时的注意分配和认知加工方式，进而探索认知过程。
二、眼动研究的技术原理眼动仪是眼动研究的主要工具，它能够精确地记录眼球运动的轨迹和注视点。
眼动仪通常包括两个关键组件：眼动记录器和数据处理系统，其中，眼动记录器负责记录眼球的移动轨迹，数据处理系统则负责将记录到的眼动数据进行可视化和分析。
眼动记录器通常使用红外线传感器或高分辨率摄像机来监测眼部运动。
红外线传感器感知眼动数据，而高分辨率摄像机则通过记录眼球图像来实现眼动数据的分析。
数据处理系统能够将眼动记录器获取的数据进行解码和分析。
解码是指将眼动仪记录到的坐标数据转化为注视点和眼球运动轨迹等信息。
分析则是通过对眼动数据进行图表化展示和统计分析，得出有关注意分配和认知加工等结果。
三、眼动研究在视觉功能障碍中的应用1. 视觉功能障碍的诊断眼动研究在视觉功能障碍的早期诊断和疾病监测中起到了重要作用。
通过记录和分析患者的眼动数据，医生可以了解患者的注意偏向和注视点分布，从而判断是否存在视觉功能障碍。
此外，在患者接受治疗后，眼动研究还可以评估治疗效果和疾病进展情况。
2. 研究视觉功能障碍的病因眼动研究还可以揭示视觉功能障碍的病因和发病机制。
通过比较患者与正常人群的眼动特征差异，研究者可以发现视觉功能障碍的独特特征，进一步探讨疾病的发生和发展机制。
3. 评估治疗和康复效果视觉功能障碍患者常常需要进行康复训练和治疗，眼动研究可以评估这些治疗和康复策略的效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
常常会说“我要一张关于xxx的热区图”，而不去考虑背后的各种限制因素。
同样的不幸也会降临在“轨迹图”身上。
眼动热区图按关注点次数按关注时间长度这并不能怪读报告的人，只因为通常为了更直观的理解和展现结果，报告中常会出现这两种图。
实际上，每一个项目都可以从不同的侧面和角度来分析、阐述用户的认知行为，而每一种角度和衡量指标都会带来对用户浏览和认知行为的理解。
因此，配合恰当眼动指标的热区图/轨迹图更容易让读者把握问题之所在。
3 “眼动的红点就是人们看的确切位置。
”无论是查看眼动视频还是轨迹图时，有人会以为红点／十字点100%就是用户看到的地方。
实际情况并非全是这样。
首先，目前常见的商用非接触式眼动仪的数据采样率并没有我们想像的那么高，所以显示出的注视点可能会与用户实际看到的点有些偏差。
而且，当用户在测试过程中变换了相对屏幕的位置，记录眼动数据的摄像头就非常有可能“记偏了”用户的眼动情况。
当数据叠加在测试素材上时，就会发生眼动轨迹的“漂移”。
（眼动轨迹漂移：轨迹显示读者正在阅读文字，但区域不符。
）其次，大体上人眼的视觉分为高清晰度的视觉区（中央窝视觉：foveal vision）和低清晰度视觉区（边缘视觉：peripheral vision）。
而对应在屏幕上的高清晰度区域，通常大于红点显示出来的关注点（fixation）。
例如，当我们看电脑屏幕的时，可见的高清区域差不多有两个指甲盖那么大。
人眼在看较熟悉或较大的物体时，依然可以注意到较为模糊的影像区域（parafoveal& peripheral vision）。
如下图所示，尽管用户没有直接看广告中的相机和皮包，但是用户注意到相机和皮包的的可能性很高。
因此，我们不能说用户人们没有看到什么，而只能说他们没有直接看到什么东西上去。
4 “眼动数据很容易解释。
”“我想知道用户会看什么地方”——经常听到的这句话一般会成为研究目的。
说这句话的人好像心里十分清楚一个情况：假如我知道用户在看什么，那我就知道这个东西怎么改了。
实际上最终当我们把浏览顺序、用户看的热区图拿出来之后，有时候可能我们自己也懵住了。
某些地方热区图很红，就说明用户很喜欢看这个地方吗？还是说这个地方用户根本没有看懂是什么意思？看到眼动结果后，对方可能会问：“那又怎么样呢？”“基于眼动的结果，你有什么修改的建议？”……其实，眼动只能回答你“看了什么”，却不能告诉“为什么看了”。
举个例子：从一款App横、竖版的眼动热区图分布来看，横版设计中红色的区域较多，用户似乎更青睐横版。
仅凭眼动数据很难解释清楚。
测试内容的影响、用户个人浏览习惯等因素，可能会导致用户看横版更多，也有可能是用户在横版中需要花费更多时间来提取信息。
单凭眼动的数据，很难作出合理和全面的解释。
5 “所有的可用性测试都能从眼动中受益。
”一种对眼动的常见理解是：如果可用性测试加上眼动的话，效果和结果会更利于找出问题。
但从每个项目所拥有的时间和人力资源上看，眼动测试在后期分析中会占用过多成本进行区域划分、场景切片分析等工作，而最后得出的结论可能仅仅是浏览轨迹和关注度，更多的具体原因仍需要深度访问才能得知。
相比之下，传统的可用性测试这种低成本-高效率的分析显得更适宜。
在正式的可用性测试中，眼动数据带来的结论在整体结论中的占比会较小。
以网站测试为例，如果想知道网页的某个功能入口用户是否会注意，而进入更多的网站后用户对网站的整体影响如何，指示性的文字是否容易理解。
在这种情况下，眼动只能告诉你他/她看过，但具体的理解无法从眼动数据中解读，这时眼动的价值就显得较低。
相比之下，眼动更适合解答传统可用性测试中无法解释的具体疑问。
（比如在确认在线支付前，用户在这个页面上纠结什么）倘若后台数据显示某些链接的点击率和页面跳出率很高，眼动可以告诉你用户真正在找什么。
6 “学会操作就可以做眼动测试。
”目前市场上各类眼动仪在功能上大同小异，最终可供的分析数据也相差不大。
看起来只要学会了眼动测试的操作，从大家都用的角度来分析就可以做眼动了。
但是，会使用眼动仪并不意味着你就可以做眼动了。
有效的眼动数据才是研究的前提，而这不仅仅是点两下鼠标就能完成了。
大至人眼工作的模式、视觉认知和信息加工的过程、研究方法论、数据眼动的处理和统计等，小至项目的流程设计、分析的参数、甚至提示语的修改等都需要提前心中有数。
等眼动项目结束后，才能从整体上看到热区图、轨迹图以及看似毫无规律的眼动数据结合起来，发现用户的浏览习惯和产品的问题。
7 “眼动就是等用户看完后分析数据。
”通常在眼动研究项目过程中，用户研究员在旁边观察、记录，同时防止测试过程中各种风险（程序意外退出、电脑死机等）的出现。
测试开始后，研究员的工作似乎就变成了看稀奇一样查看用户浏览时眼睛的关注点、移动轨迹等情况，直至测试顺利结束。
用户眼动的情况是实时展现给研究员／产品相关同事的，所以大家脑海中会随时出现诸如此类的问题：“哦，她／他原来是这样看的啊！”“ 怪不得这里没有去点击……”。
若不及时进行有效地记录，或根本不知道应该记些什么的话，则会错失用户的操作习惯和犯错缘由。
事后再看眼动数据时也无从解释。
这类通过对用户眼动轨迹的发现和疑惑，应当立即记录下来，待测试结束后针对用户浏览时的表现，询问用户的理解和操作行为。
有需要时，播放眼动的轨迹录像让用户重温操作场景，借助有声思维（think alound）反馈问题。
这种方式通常会暴露问题的根源、挖掘到用户的真实需求。
总而言之，不要让用户带着疑问离开了你的眼动测试项目。
8 “眼动可以通过看轨迹视频来分析。
”在提倡敏捷用研的节奏下，快速从测试中输出结论是眼动价值所在。
而最快的方法是在测试中实时观看用户的眼动轨迹，或测试后回放眼动轨迹的录像。
有人认为不需要做正式的分析，通过看视频也可以得出眼动的结论，同时配上几张热区图便能解释用户的浏览习惯。
然而，我们的眼球每秒进行多次的注视，每分钟可以产生200-300个眼动的数据点。
仅仅通过看眼动视频，单凭我们的记忆是无法记住和处理这么大的数据量。
就更不用说看眼动轨迹的视频来分析用户习惯（个体／人群）和眼动数据了。
更糟糕的是，我们可能会带着个人的偏好来看视频。
因为我们已经知道项目研究的目的，所以可能会过分强调用户浏览的顺序、在兴趣区域上停留的时间等等。
注：视频中反映了用户眼动注视点的变化情况,但实际上产生的眼动数据会多于视频中的注视点。
（眼动轨迹视频）（眼动轨迹可视化数据）眼动轨迹视频适用于结论例证，而非数据分析。
9 “所有的眼动测试都可以通用一个样本量。
”“30！30就够了。
”我们常听别人说眼动测试不需要很多人，30个样本量就可以了。
这似乎已成为眼动的标准样本量。
其实眼动的样本量取决于测试的目的和实验的设计，30并非全部适用于所有的测试。
在决定眼动测试的样本量前，研究员心里应该清楚“我是要通过眼动来了解一个“总体情况”还是“比较不同设计之间的差异”。
如果有不同的设计方案，希望通过眼动来生成一个“总体情况”的话：比较被试组内差异（within-subjects），30样本就够了；比较被试组间差异（between-subjects），这时眼动结果很容易受到个体差异的影响，30样本很显然已经不够了。
假如想配合眼动找出产品可用性方面的问题，8-10个样本已经可以发现70-80%的问题。
而此时30个样本的眼动数据足以说明可用性方面的问题了。
10 “眼动数据分析参数的适用于所有案例。
”常见的眼动报告中，总少不了用户视线的浏览轨迹、停留时间等方面的比较，似乎眼动的价值在这里就画上句号了。
分析数据时，我们容易受到其他案例分析角度的影响，导致最终的分析更像是一份眼动数据报表。
除了自己，没人能从中读懂用户的浏览习惯和其中反映的问题。
数据分析取决于你想透过哪些眼动相关的数据，来佐证可用性的问题、不同设计之间的浏览差异等。
因此并非用了一些别人通用的分析参数，就可以有效地说明问题。
从常见的停留时间、视线访问次数、视线轨迹等，到较少使用的瞳孔大小、眼球运动速度、扫视路径等参数，丰富的眼动指标使得描述用户浏览行为维度具有时空的立体性。
配合定性和定量数据分析，会让你的眼动结果更容易理解，也能更真实的还原用户的认知和操作行为。
比如让用户完成“在订票页面上购买一张机票”的任务。
时间上: 订票页面的注意力的时间分布（注视时长、注视次数、首次注视时长等）；空间上: 最吸引用户注意力的区域（兴趣区域上的时间和空间分布、首次注视区域、视线访问区域和次数等）、订票过程中的浏览轨迹等；信息检索效率：总体的注视次数（次数越低，效率越高）决策效率：首次注视到首次鼠标点击的时耗内容布局：订票相关的信息和功能区之间眼跳次数、浏览顺序任务的成功率、完成率、完成时耗、满意度等。
通过上面的一个小例子尝试说明，没有一套公式化的参数供所有的项目分析。
真正重要的是，你希望通过眼动数据向观众讲述一个怎样的故事，基于此来选择合适的数据进行分析。
独立存在的眼动数据不具有说服力。
11 “所有人的眼动数据都可以拿来分析。
”通常在大样本数据中需要清洗一部分不符合逻辑／数据缺失的样本，而一般小样本的眼动测试，人们容易忽视测试过程中眼动数据采集的质量。
最常见的数据质量问题是由于个体差异导致的——测试时眼睛位置的偏差、摄像头没有很好的记录眼动数据、个人原因导致看了很长时间等情况。
个别用户不正常的眼动数据（与其他用户平均眼动数据有显著差异）、眼动数据采样率较低的数据也应考虑清洗掉。
如果仅仅从数字上，很难判断这些“问题数据”的产生原因。
也许是因为用户的眼球运动没有被捕捉到，也许只是用户的个人习惯，还有可能是用户在测试时忘记了当时的任务。
配合眼动轨迹的回放录像，我们可以确定这些数据是否应该从总体样本中去除。
在数据分析时，这些质量较差的数据会造成浏览行为的错误解读。
12 “眼动结果的可视化结果是可靠的。
”热区图/轨迹图已成为眼动数据可视化的一种标准输出形式，人们甚至会认为没有看到这种图的话，就不算是一个眼动分析。
眼动数据的可视化使人们即使没有相关知识，也能很快速地了解用户关注点和浏览次序。
眼动轨迹图自由浏览网页的眼动轨迹在网页上查找特定信息的眼动轨迹通常我们看到这些可视化结果时，较少会考虑到这是什么情况下生成的图片。
同一个网页，让用户自由浏览和找一个感兴趣的新闻，最终得到的眼动结果会截然不同。
在适当的情景下产生的数据和眼动结果才会有意义。
所以当下次看到热区图/其他形式的眼动可视化结论时，要记得问清楚是在什么时间范围内、做什么事情时的眼动结果。
作者：腾讯CDC人人都是产品经理（）中国最大最活跃的产品经理学习、交流、分享平台。