编辑导读：眼动分析，顾名思义，就是通过图像采集设备对用户眼球运动的信息进行捕捉并分析，从而服务于具体的产品设计上。具体怎么做？本文作者从自己公众号的案例出发，对这一技术应用展开了详细说明，希望对大家有用。
大家有没有听过眼动仪 Eye Tracker这个东西？
就是一个可捕捉用户眼睛在屏幕上焦点的仪器，经常用在用户研究中，一般长这样：
眼动仪可以用来做用户的眼动记录或者热点图，以此来分析界面的可用性：
由于专业度较高，就连万能的某宝都找不到。就算是在亚马逊美国站上搜，结果也不多：
一台几千块人民币的起步价说来也没有多贵，但是国内很多中小型公司连用研都难得做，通常不会想到花这个钱。
在没有眼动仪的情况下，我们在做用户测试就必须通过人力观察和记录，来判断产品的可用性。
我这接下来就要介绍一项，可以替代眼动仪的神奇技术：
01 眼动模拟人工智能
最近的研究发现，眼动其实是可以用AI来模拟的。给机器提供了大量眼动数据后，算法能够预测出一个界面会怎样被用户观看。
说来神奇，但也可以理解。这个和早已被广泛传播的人工智能填色类似：
上图来源：人工智能填色工具网站：https://petalica-paint.pixiv.dev/index_en.html
有一家叫做 AttentionInsight的公司，就把这项技术开发成了一款可以被大众使用的产品。
给它一张界面图，就能生成用户在前 3-5 秒内的预估眼动热点图。
该公司号称对网站的眼动模拟可以达到90%的准确度，对于图像更是可以达到94%准确度。这个数据是和 MIT 数据库对比出来的。
上图左侧为真实眼动热点图，右侧为模拟眼动热点图
虽然精确度比不上眼动仪，但是好在快速便宜啊：
上图为 Attention Insight 官网价格表
登录网站上传界面图片/输入想要测试的网页地址就可以使用，快的话几秒钟出结果，还有免费体验版。
02 如何用眼动分析提高用户体验？
虽然很多人自信可以用头脑预估用户行为，但是在大量的方案以及复杂的现实情况中，人为判断多有不准确的时候。
而眼动分析至少可以给我们提供可靠的事实依据。
例如下面这个 Omnisend 网站的真实案例，他们用眼动模拟AI工具生成了这样的热点图：
分析发现了几个问题：
LOGO 与标题太近，且标题内容太复杂，导致用户没有给予标题较多的关注。
两个按钮主次不明确，用户把视线放到两者之间，没有聚焦
右侧用户大量注意力都放在没什么意义的图标上，毫无帮助
于是他们改了一版，再去做眼动模拟：
这次明显要好多了：
标题更加清晰
用户对主按钮的关注也更加明确
右图的专注焦点在人脸，至少这比无情绪的图标来得有意义
Omnisend 拿着这两个页面去给真实用户做了 A/B 测试，发现后者的转化率比前者提高了30%。
找真实用户做 A/B 测试固然是最准确的，但是成本也大。
所以为了控制成本，先拿AI模拟来低成本验证一下，再去花力气做实测会更加稳妥。
03 给公众号改版做个眼动模拟
大家都知道，公众号改版了：
很多文章都分析了一下这次改版，有吐槽的也有赞赏的，但貌似还没有人做过眼动分析。
所以我很好奇，如果做个眼动模拟对比，是否可以验证这次改版究竟是进步还是倒退。
搞不好，我是全网第一个给公众号改版做眼动分析的：
上图可以看到，至少这个眼动模拟AI工具对新版本评分比较高，因为用户视线更加聚焦。
而且新版对内容露出更多一些，把“取消关注”缩减了，这是我个人比较赞赏的。
如果感兴趣，可以自己去试试这个工具：https://www.attentioninsight.com
作者：Z Yuhan，一名前华为腾讯留英设计师，每周一早上8:20分享用户体验；公众号：体验进阶。
本文由 @Z Yuhan 原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议。
