從市場營銷到用戶體驗(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估廣告的效果。例如，密切關(guān)注廣告的人更有可能對品牌產(chǎn)生好感并重復(fù)購買。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)式來測量注意力。
使用 FaceReader 輕松實(shí)現(xiàn)注視追蹤
傳統(tǒng)的注意力測量方法是使用眼動儀。這種方法有效但需要購買額外的設(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。
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網(wǎng)絡(luò)攝像頭，十分易用高效。
為了確保 FaceReader 能夠有效地測量注意力，來自VicarVision的研究團(tuán)隊(duì)對創(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
為了創(chuàng)建一個強(qiáng)大的數(shù)據(jù)庫來驗(yàn)證注意力檢測，研究者采用了兩種方法：
從過往研究中挑選被試；
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)。
通過這種方法獲得了一個由 101 名被試組成的數(shù)據(jù)庫，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)議對視頻進(jìn)行人工標(biāo)記，分析評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)。
如何更好地檢測注意力？
注意力是一個復(fù)雜的過程。它既涉及個體的內(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，研究者主要通過頭部朝向和注視方向等外部可見的行為線索來評估注意力。這種類型的測量結(jié)果可能與被試自我報告的注意力不同，后者通常涉及內(nèi)部的主觀因素。這就是為什么同時測量隱性（視覺）和顯性（自我報告）注意力測量結(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組合。其中，主要關(guān)注注視方向和頭部朝向，并對于每種自定義表情均進(jìn)行了以下測量：
靈敏度：檢測注意力的準(zhǔn)確性
特異性：檢測注意力缺失的準(zhǔn)確性
當(dāng)被試遇到了如光線不足或部分可見的情況，可能會影響結(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，如面部動作單元和頭部朝向。動作單元（AU, Action Unit）模塊中的自定義表情功能允許研究者進(jìn)行多種簡單或復(fù)雜的操作。
僅使用頭部朝向（偏轉(zhuǎn)和俯仰）測量的結(jié)果是靈敏度高，但特異性低。換句話說，這些測量方法能準(zhǔn)確檢測出注意力，但不能檢測出注意力缺失的情況。如果將注視方向也包括在內(nèi)時，特異性顯著提高，使注意力分類更加可靠?？傊@是一種經(jīng)過充分驗(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)性的情況會使注意力檢測變得復(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，但卻使注意力檢測更加可靠。
FaceReader 的注意力檢測提供了一種可靠的方法來了解用戶的注意力集中在哪里。具體來說，本研究表明，將注視方向和頭部朝向測量結(jié)合起來，可以獲得最高的注意力檢測準(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指標(biāo)嗎？
如果您已經(jīng)使用 FaceReader并擁有動作單元模塊，就可以立即開始使用附帶的注意力自定義表達(dá)式對注意力進(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，請隨時聯(lián)系我們！
而對于需要在線工具的研究來說，在線面部表情分析系統(tǒng)（FaceReader Online）則是一個不錯的選擇。它專為廣告、市場研究和用戶體驗(yàn)等領(lǐng)域的專業(yè)人士設(shè)計(jì)。使用 FaceReader Online，您可以評估哪類內(nèi)容吸引用戶，從而更容易做出數(shù)據(jù)驅(qū)動型決策。
總之，無論是用于市場營銷、用戶體驗(yàn)還是心理學(xué)研究，FaceReader 都能幫助您對用戶的參與情況有更深入的了解。
關(guān)注諾達(dá)思公眾號，聯(lián)系我們獲取更多產(chǎn)品信息及學(xué)術(shù)文章！
