منبع: بنیاد طراحی تعامل (IxDF) · بازنویسی آزاد: سپنتا پویا · مرداد ۱۴۰۵ · زمان مطالعه: حدود ۱۲ دقیقه

ردیابی چشم (Eye Tracking) چیست؟

💡 این متن «بازنویسی آزاد» است: ایده‌ها و مفاهیم مطلب اصلی با نگارش کاملاً مستقل فارسی و مثال‌های تازه بازگو شده‌اند و ترجمهٔ کلمه‌به‌کلمه نیست. بخش‌های افزودهٔ مترجم در جعبهٔ منبع مشخص شده‌اند.

ردیابی چشم (Eye Tracking) یعنی با کمک سخت‌افزار یا نرم‌افزار مخصوص، ثبت کنیم کاربر در هر لحظه به کجای صفحه نگاه می‌کند و چقدر آنجا می‌ماند. دستگاه معمولاً با تاباندن نور مادون‌قرمز و ثبت بازتاب آن روی قرنیه، جهت نگاه را حساب می‌کند و آن را روی تصویر صفحه می‌نشاند.

جذابیت این روش روشن است: کاربر می‌تواند در گزارش خودش اشتباه کند — یادش نیاید کجا را نگاه کرده، یا آنچه فکر می‌کند دیده باشد را نگفته باشد — اما نگاهش دروغ نمی‌گوید. با این حال، و این نکته‌ای است که تمام این مقاله حول آن می‌چرخد، «نگاه کردن» با «دیدن» یکی نیست و هیچ‌کدام با «فهمیدن» یکی نیستند. ردیابی چشم به شما می‌گوید چشم کجا بود؛ نمی‌گوید ذهن کجا بود.

تثبیت و پرش: چشم چطور صفحه را می‌خواند

برخلاف حس شهودی ما، چشم روی صفحه به‌نرمی نمی‌لغزد. حرکتش تکه‌تکه است و از دو چیز ساخته شده:

• - تثبیت: لحظه‌هایی که نگاه تقریباً ثابت می‌ماند، معمولاً بین ۲۰۰ تا ۳۰۰ هزارم ثانیه. اطلاعات فقط در همین لحظه‌ها وارد می‌شود.
• - پرش: جهش‌های خیلی سریعی که نگاه را از یک نقطهٔ تثبیت به نقطهٔ بعدی می‌برند. در حین پرش، ما عملاً نابینا هستیم و مغز این خلأ را پر می‌کند.

دو نتیجهٔ عملی از این ساختار بیرون می‌آید. اول اینکه میدان دید تیز ما بسیار کوچک است — چیزی حدود اندازهٔ یک ناخن شست در فاصلهٔ یک بازو. هر چیزی خارج از آن، مبهم و کم‌جزئیات دیده می‌شود. یعنی کاربر در هر لحظه فقط بخش کوچکی از صفحهٔ شما را واقعاً می‌بیند و بقیه را حدس می‌زند.

دوم اینکه تعداد و ترتیب تثبیت‌ها، خودش داده است. تثبیت‌های زیاد و پراکنده روی یک ناحیه معمولاً یعنی کاربر دنبال چیزی می‌گشته و پیدایش نکرده — نه اینکه آن ناحیه جذاب بوده. همین یک تفسیر اشتباه، منبع بسیاری از نتیجه‌گیری‌های غلط در گزارش‌های ردیابی چشم است.

نقشهٔ حرارتی، مسیر نگاه و ناحیهٔ توجه

داده‌های خام ردیابی چشم به‌تنهایی خوانا نیستند و معمولاً در سه قالب ارائه می‌شوند:

• - نقشهٔ حرارتی: داده‌های همهٔ شرکت‌کننده‌ها روی هم جمع می‌شود و نواحی پرتوجه با رنگ گرم‌تر نشان داده می‌شوند. برای دیدن تصویر کلی خوب است، اما ترتیب زمانی را کاملاً از بین می‌برد.
• - مسیر نگاه: نگاه یک کاربر به‌ترتیب، با دایره‌هایی که اندازه‌شان مدت تثبیت را نشان می‌دهد و خط‌هایی که ترتیب را. برعکس نقشهٔ حرارتی، ترتیب را نگه می‌دارد اما قابل جمع‌بستن میان افراد نیست.
• - ناحیهٔ توجه: شما از پیش نواحی مهم صفحه را مشخص می‌کنید (مثلاً دکمهٔ اصلی، قیمت، نوار جست‌وجو) و ابزار برایتان عدد می‌دهد: چند درصد کاربران اصلاً به آن نگاه کردند، چقدر طول کشید تا اولین نگاه، و مجموع زمان نگاه چقدر بود.

در عمل، ناحیهٔ توجه مفیدترین قالب برای تصمیم‌گیری است و نقشهٔ حرارتی مفیدترین قالب برای ارائه به ذی‌نفعان — که خودش خطری دارد. نقشهٔ حرارتی آن‌قدر متقاعدکننده به نظر می‌رسد که کسی جرئت نمی‌کند بپرسد با چند نفر گرفته شده. نقشهٔ حرارتی حاصل از پنج نفر، تقریباً بی‌معناست ولی دقیقاً به همان اندازهٔ نقشهٔ پنجاه‌نفره حرفه‌ای به نظر می‌رسد.

چه می‌گوید و چه نمی‌گوید

مرز این روش را باید از همان اول روشن دانست، وگرنه داده‌ای دقیق تولید می‌کنید و از آن نتیجه‌ای غلط می‌گیرید:

• - نگاه کردن یعنی دیدن نیست. پدیدهٔ شناخته‌شده‌ای هست که در آن کاربر مستقیماً به یک عنصر نگاه می‌کند و آن را «نمی‌بیند»، چون ذهنش دنبال چیز دیگری است. بنر تبلیغاتی کلاسیک‌ترین نمونه‌اش است: چشم رویش می‌افتد و مغز حذفش می‌کند.
• - دید پیرامونی ثبت نمی‌شود. بخش زیادی از تصمیم‌های کاربر بر اساس چیزی گرفته می‌شود که با گوشهٔ چشم دیده — مثلاً اینکه «پایین صفحه چیز دیگری هم هست». این در داده‌ها اثری ندارد.
• - دلیل نگاه گفته نمی‌شود. نگاه طولانی به یک ناحیه یعنی توجه، اما توجهِ چه نوعی؟ علاقه یا سردرگمی؟ داده به این جواب نمی‌دهد و برای همین است که تقریباً هر مطالعهٔ ردیابی چشم باید با گفت‌وگوی پس از آزمون همراه شود.
• - برای همه کار نمی‌کند. عینک، لنز، آرایش چشم، نور محیط و حتی اندازهٔ مردمک می‌توانند کالیبراسیون را خراب کنند. همیشه بخشی از شرکت‌کننده‌ها داده‌ای با کیفیت قابل‌استفاده تولید نمی‌کنند و باید از پیش تعداد بیشتری دعوت کنید.

جمع‌بندی این محدودیت‌ها ساده است: ردیابی چشم به پرسش «کجا» جواب می‌دهد. برای «چرا» به روش کیفی نیاز دارید و برای «چقدر مؤثر» به تست A/B. این سه یکدیگر را کامل می‌کنند و هیچ‌کدام جای دیگری را نمی‌گیرد.

یک مطالعه چطور اجرا می‌شود

اجرای درست این روش بیش از آنکه به دستگاه ربط داشته باشد، به انضباط اجرا ربط دارد:

چند نکته که بیشترین اثر را روی کیفیت داده دارند: دستور کار را روی صفحه نگذارید. اگر وظیفه را روی همان صفحه‌ای بنویسید که قرار است آزموده شود، نیمی از تثبیت‌های اول صرف خواندن دستور شما می‌شود و داده آلوده می‌شود؛ وظیفه را شفاهی یا روی کارت بدهید. محیط را ثابت نگه دارید. نور، فاصلهٔ صندلی تا نمایشگر و ارتفاع صندلی باید برای همهٔ شرکت‌کننده‌ها یکسان باشد، وگرنه بخشی از تفاوت داده‌ها فقط ناشی از چیدمان اتاق است.

وظیفه را واقعی تعریف کنید. «صفحه را نگاه کنید» رفتاری تولید می‌کند که در دنیای واقعی وجود ندارد؛ آدم‌ها همیشه با یک قصد به صفحه می‌آیند. «بفهمید هزینهٔ ارسال به شهرتان چقدر است» وظیفهٔ درستی است. و در پایان، حتماً بپرسید. چند دقیقه گفت‌وگوی پس از آزمون، معنای بیشتر داده‌ها را روشن می‌کند — همان چیزی که در آزمون کاربردپذیری هم قلب کار است.

آیا واقعاً به آن نیاز دارید؟

این بخش افزودهٔ مترجم است، چون در عمل مهم‌ترین تصمیم همین است. ردیابی چشم گران و زمان‌بر است و در بیشتر پروژه‌ها، همان یافته را می‌شود ارزان‌تر به دست آورد.

قاعدهٔ سرانگشتی من این است: اگر پرسش شما «آیا کاربر این عنصر را پیدا می‌کند؟» است، به ردیابی چشم نیاز ندارید — یک آزمون کاربردپذیری با پنج کاربر همین را نشان می‌دهد و دلیلش را هم می‌گوید. ردیابی چشم وقتی ارزش دارد که پرسش شما دربارهٔ ترتیب و توزیع توجه در ثانیه‌های اول باشد: کدام عنصر اول دیده می‌شود، آیا هشدار قانونی اصلاً در میدان دید هست، آیا کاربر پیش از تصمیم به قیمت نگاه می‌کند یا بعد از آن.

چند جایگزین ارزان‌تر که اغلب کافی‌اند: آزمون پنج‌ثانیه‌ای — صفحه را پنج ثانیه نشان دهید و بپرسید چه چیزی یادشان مانده؛ این تقریباً همان چیزی را می‌سنجد که بیشتر تیم‌ها از نقشهٔ حرارتی می‌خواهند. آزمون کلیک اول برای فهمیدن اینکه توجه اول کجا می‌رود. و ساده‌تر از همه، وارسی سلسله‌مراتب بصری با چشم متخصص، که بسیاری از مشکلات را پیش از هر آزمونی پیدا می‌کند.

یک هشدار هم دربارهٔ ابزارهای «نقشهٔ حرارتی هوش مصنوعی» که این روزها زیاد شده‌اند: اینها نگاه واقعی را ثبت نمی‌کنند، بلکه بر اساس مدل‌های برجستگی تصویر پیش‌بینی می‌کنند کجا جلب توجه می‌کند. برای یک مرور سریع بد نیستند، اما داده نیستند و نباید در گزارش به‌جای داده نشان داده شوند.

نگاه در رابط‌های فارسی و راست‌به‌چپ

این بخش هم در منبع نیست و از کار روی محصولات فارسی‌زبان می‌آید.

الگوی نگاه آینه می‌شود. الگوی معروف «F» — که در آن کاربر دو سطر اول را کامل‌تر می‌خواند و بعد به‌سمت پایین و چپ می‌ریزد — از پژوهش روی متن چپ‌به‌راست بیرون آمده است. در فارسی، نقطهٔ شروع سمت راست است و الگو آینه می‌شود. نتیجهٔ عملی‌اش این است که «گوشهٔ طلایی» صفحه در رابط فارسی بالا-راست است، نه بالا-چپ؛ و هر توصیه‌ای که جای عناصر را بر اساس پژوهش انگلیسی تعیین کرده باشد، باید وارونه خوانده شود.

مسیر خواندن اعداد. نکتهٔ ظریفی که در داده‌های راست‌به‌چپ دیده می‌شود این است که در یک جملهٔ فارسی حاوی عدد یا واژهٔ لاتین، نگاه ناچار است جهت عوض کند: راست‌به‌چپ می‌آید، روی عدد چپ‌به‌راست می‌رود و دوباره برمی‌گردد. هر بار این تغییر جهت، یک پرش اضافه و کمی هزینهٔ شناختی است. جایی که می‌شود از این پرهیز کرد — مثلاً با انتقال واحد به عنوان ستون به‌جای تکرار در هر ردیف — خوانایی محسوس بهتر می‌شود.

کالیبراسیون و ابزار. بیشتر ابزارهای ردیابی چشم برای متن لاتین تنظیم شده‌اند و تحلیل خودکارشان از «سطر» و «کلمه» در متن فارسی گاهی اشتباه می‌کند، چون حروف به هم چسبیده‌اند و مرز کلمه با فاصلهٔ مجازی مشخص می‌شود. برای تحلیل، ناحیهٔ توجه را دستی تعریف کنید و به تفکیک خودکار کلمات اعتماد نکنید.

و یک هشدار روش‌شناختی: نتایج منتشرشدهٔ ردیابی چشم دربارهٔ زبان‌های چپ‌به‌راست را نمی‌شود مستقیم به فارسی تعمیم داد. اگر تصمیم مهمی روی این نتایج سوار است، آن را روی مخاطب خودتان بیازمایید — همان اصلی که در پژوهش کاربر هم برقرار است.

جمع‌بندی

ردیابی چشم دقیق‌ترین ابزاری است که برای پاسخ به پرسش «کجا را نگاه کردند» داریم، و همین دقت، خطرناکش می‌کند: داده‌ای تولید می‌کند که آن‌قدر قطعی به نظر می‌رسد که آدم فراموش می‌کند چقدر از ماجرا را نمی‌گوید. نگاه، نه تضمینی برای دیدن است و نه توضیحی برای فهمیدن.

و اگر یک جمله بماند، همین باشد: ردیابی چشم به شما می‌گوید چشم کجا بود، نه اینکه ذهن کجا بود. تا وقتی این دو را یکی نگیرید، ابزار بسیار خوبی است.