版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明
//piglili.blogbus.com/logs/40059873.html

不久前曾撰文讨论眼动仪的女子弓虽之谜。前文主要讨论眼动研究的类型与研究设计，经过月余的熟悉、实践和培训，今以入门级菜鸟的经验，试论眼动数据൲的分析。内容如下：

1、眼动研究类型：几点补充
2、样本之谜：到底需要几个用户？
3、数据分析：诠释与过度诠释
4、眼动数据：利与弊

1. 眼动研究类型：几点补充

前文将眼动研究分为描述性与实验性两种，其实也可理解为定性与定量的区别。如何命名两者的区分并不重ꦇ要，关键在于理解，前者是为了识别问题（表象）从而🍷改进，而后者在于确立问题是否具有普遍性及其成因（本质）。

在T家的宣传资料中有这样一个比喻：眼动可以是蛋糕奶油裱花上的糖果碎屑（sprinkle on the icing），可以是蛋糕的奶油裱花（icing on the cake🦋），也可以是蛋💫糕本身（图1）。即，它可以作为最表面的辅助性描述（直观地展现人的行为），也可以作为最核心的因果揭示（探讨具有普遍性的行为模式、导致行为的因素）。

理解基本的区别，是正确设计研究和分析研究数据的重要前提。

2. 样本之谜：到底需要几个用户？

决定样本大小的最根本因素在于研究类型。

要想将结果普遍化（generalization），或对不同用户组（如，男、女等）做比较，必须使用定量研究。对于定量研究的样本，目前没有确切的结论。T家指出，一般在25人左右ꦺ，就会到达饱和值（再增加数据，对结果也不会有显著影响）。但也有研究🍃认为必须找50人。我更倾向T家的看法：结合研究的详细情况，考虑以下几个因素：

刺激物（stimulus）以及实验的复杂度
待比较的用户组数
后期数据分析的方法
基于数据分析结果所做出的决策需承担的风险。
时间、金钱成本
前三个因素基于学术严谨性（对信度、效度的考虑），后两个因素则从企业的考虑角度出发，尤为值得注意。如果参考眼动研究结果做出的决策，有可能影响极大，则𝕴样本越大越保险。但如果风险较小，保证基本的底线也许已足够。

对于定性研究，它的结果固然不能用于推导行为是否有共性，但只要能揭示问题，可以认为，几个人甚至一个💟人的眼动数据也是🌺有用的。

最近一次项目将眼动仪作为可用性测试的补充，在热度图中发现了图2这个问题。这仅仅是4个用户的数据，却足以告诉我们设计上的问题：用户注视了两个地方，但这🔥两者只满足TA同一个需求。第一句话是浪𓂃费眼神。

图2

这也许是个微不足道的问题，不就浪费个眼神嘛。但举该例是为了说明，小样本同样能帮助发现问题，💎从而快速指导设计的改善：将两句话合二为一，“去淘宝加拿大预测网-在线预测体验购物乐趣”。

总而言之，对定量🍸研究来ꦦ说，目的往往在于普遍化。对定性研究来说，发现问题是关键，而眼动的确能帮助我们更有效地发现问题，从而进行下一步的分析。

3. 数据分析：诠释与过度诠释

眼动研究一大难点在于，如何处理貌似丰富却陷阱重🐼重的数据。ꦇ丰富是指，有多种多样直观的结果可视化方式；陷阱在于，每种可视化方式在不同的设定下都可能引起误导。对研究者来讲，在分析时或应重点把握两点：勿过度诠释，勿只依赖眼动数据！

勿过度诠释含义有二：

诠释、分析应基于研究类型。不要用定量的语言描述定性的数据，不要用小样本做整体性推导、对比用户组；
懂得舍弃。这又有两层含义。1）若你的眼动报告读者是PM/PD/设计师，无需把对他们没用的结果呈现。尽管它们看起来很有趣，但其他人关心的往往仅是结果对他们的指导意义；2）对于校对不准或捕获质量低的数据，要绝对舍弃。虽然这意味着时间、金钱的浪费。
勿只依赖眼动数据是指，应充分结合访谈之类的主观用户反馈、设计经验准则等进行分析。眼动数据分析一大危险在于，那些美丽的热度图、柱状图很容易勾起臆测。如果没有同时收集用户的诠释，一不小心就变成研究员的YY了。同样地，一旦钻进了数据的迷瘴，会忘记其实还ꩵ有其他分析的利器。

4. 眼动数据：利与弊

眼动结果作为一种直观的用户体验呈现，有无数案例说明其利。ꩵ图2的例子就充分表明了眼动特有的价值所在：普通可用性测试很难识别这个问题。

但弊端也是普遍的，眼动研究的设计、执行、数据分析，每一步的操作不当，都可能产出垃圾。这就要求研究员始终保持应有的职业操守和客观严谨的态度。我曾非常苦恼于一点：严谨性和🌜企业要求的快速产出结果往往是相悖的，和真实度也常常有矛盾。那我是否应“教育”他们，例如如何读眼动结果、结果怎么来的？于是我问了T家从瑞典来的培训经理这个问题🐓。他的建议是，不用操这份心，因为严谨性往往不是他们所关注的，他们只关注结果的指导意义。所以对于研究员来说，要让你的工作有价值，只需要把最有用，或你认为应改进的结果呈现出来，节省彼此时间。企业与学术界不一样，在企业的用户研究中，眼动数据只是一种用于支持你的观点，并带来改变的更有说服力的证据。

原文：//piglili.blogbus.com/logs/40059873.html