ウェブサイトのユーザー エクスペリエンス分析: 視線の動きに関する 12 の誤解

視線追跡技術（以下、眼球運動）の応用については学界やビジネス界でも注目されており、時折白熱した議論が交わされる。技術革新と推進に伴い、ユーザーリサーチ業界では、ますます多くの人々が、製品の設計と開発プロセスに視線追跡技術を導入し、ユーザーの目から見た製品と体験を理解しようとしています。

しかし、眼球運動技術に関する知識の不足や情報の非対称性により、この研究方法に関する誤解が引き続き生じています。この記事では、ユーザーリサーチの分野における視線の動きに関する誤解をいくつか挙げ、その正しい応用について説明します。

1 「まず目を動かして、ユーザーが何を見ているのか確認しますか？」

眼球運動について何か知っている人は、研究者にこのような質問をすることがよくあります。ニーズを細分化したり、計画的な眼球運動テストを実施したりせずに、盲目的にこのようなタスクに取り組むと、最終的に得られるのは、いくつかの美しい閲覧軌跡グラフと注目密度ヒートマップだけです。

ソフトウェア インターフェースを大幅に調整する必要がある場合を想像してください。目の動きを使用して「静的なソフトウェア デザイン」と「クリック可能なインタラクティブな」ソフトウェア デモを記録する場合、ユーザーの焦点はどの程度異なるでしょうか。目の動きの結果を分析する場合、テストの目的が明確でないと、「こうあるべき/こうなるかもしれない」という質問に答えるのが難しくなります。多くの場合、明らかでない結論は、新たな一連の追加テスト タスクをトリガーします。テストを理解して伝える前に、テストの目的と、眼球運動データを通じて答えたい質問を明確にする必要があります。

眼球運動データの重要性は、各タスクに明確なテスト開始ノードと完了ノードがあり、結果の分析と比較が容易になることにあります。

2 「眼球運動はヒートマップと軌跡マップです。」

2006 年、ニールセンは、人々が Web を閲覧する際に「F」字型の読書習慣を持っていることを発見しました。この F 字型のヒートマップは、これまで何度も引用されてきましたが、ユーザーの視線停止回数や継続時間に基づいてヒートマップが生成される時間範囲を詳しく調べる人はほとんどいません。Web サイトの構造や時間の変化により、ユーザーの閲覧習慣は F 字型ではなく、時間の経過とともに変化するのでしょうか。通常、レポートで視線移動データを読む人は、その背後にあるさまざまな制限要因を考慮せずに、「xxx のヒートマップが欲しい」と言うことがよくあります。同じ不幸が「トラックマップ」にも降りかかるでしょう。

眼球運動ヒートマップ

注目ポイント数別 注目時間別

これはレポートを読む人のせいではありません。なぜなら、これら 2 種類のグラフは、結果をより直感的に理解して提示するためにレポートに表示されることが多いからです。実際、各プロジェクトは、さまざまな側面と角度からユーザーの認知行動を分析および説明することができ、それぞれの角度と測定指標は、ユーザーの閲覧と認知行動に対する理解をもたらします。したがって、ヒートマップ/軌跡マップを適切な目の動きの指標と組み合わせると、読者は問題がどこにあるかをより簡単に理解できるようになります。

3 「目の動きの赤い点は、まさに人々が見ている場所です。」

アイトラッキングビデオや視線軌跡グラフを見るとき、赤い点/十字がユーザーが見ている場所の 100% であると想定する人もいます。現実は必ずしもこの通りではありません。

まず、一般的な市販の非接触型アイトラッカーのデータサンプリングレートは私たちが考えるほど高くないため、表示される注視点がユーザーが実際に見ている点からずれてしまう可能性があります。さらに、テスト中にユーザーが画面に対する位置を変えると、眼球運動データを記録するカメラがユーザーの眼球運動を「誤って記憶」する可能性が高くなります。データがテスト資料に重ね合わされると、眼球運動の軌跡の「ドリフト」が発生します。

(目の動きによるドリフト: トラックでは読者がテキストを読んでいることがわかりますが、領域が一致していません。)

第二に、人間の目の視覚は、一般的に、高解像度の視覚領域（中心視力）と低解像度の視覚領域（周辺視力）に分けられます。画面上の対応する高解像度領域は、通常、赤い点で示される固定領域よりも大きくなります。

たとえば、コンピューターの画面を見ると、目に見える高解像度の領域は、およそ指の爪 2 本分の大きさです。

見慣れた物体や大きな物体を見るときでも、人間の目はぼやけた画像領域（傍中心窩および周辺視野）に気付くことがあります。

下の図に示すように、ユーザーは広告内のカメラと財布を直接見ていないにもかかわらず、ユーザーがカメラと財布に気付く可能性は高いです。

したがって、ユーザーが何かを見なかったとは言えず、直接何かを見なかったということだけを言えます。

4 「アイトラッキングデータは解釈しやすい。」

「ユーザーがどこを見るのかを知りたい」 – この言葉はよく聞かれ、通常は調査の目的になります。

これを言った人は、あることについては非常に明確に理解しているようでした。それは、「ユーザーが何を見ているかがわかれば、それをどう変更すればよいかがわかる」ということです。実際、最終的に閲覧順序やユーザーが見るホットスポットを取り出すと、私たち自身も混乱してしまうことがあります。ある場所のヒートマップが非常に赤い場合、ユーザーはその場所を見るのが好きなのでしょうか? それとも、ユーザーはその場所の意味をまったく理解していないのでしょうか?

視線の動きの結果を見た後、相手は次のように質問することがあります。

"だから何？"

「視線追跡の結果に基づいて、どのような修正を提案しますか？」

…

実際、目の動きは「何を見たか」については答えられますが、「なぜそれを見たか」については答えられません。

たとえば、アプリの水平バージョンと垂直バージョンの視線移動ヒートマップの分布を見ると、水平バージョンのデザインには赤い領域が多く、ユーザーは水平バージョンを好むようです。眼球運動データのみを解釈するのは困難です。テストコンテンツの影響、ユーザーの個人的な閲覧習慣、その他の要因により、ユーザーが横向きバージョンをより多く閲覧したり、横向きバージョンで情報を抽出するためにユーザーがより多くの時間を費やす必要がある場合があります。

眼球運動データのみに基づいて合理的かつ包括的な解釈を行うことは困難です。

5 「すべてのユーザビリティテストはアイトラッキングから恩恵を受けることができます。」

視線の動きに関する一般的な理解は、ユーザビリティテストを視線の動きと組み合わせると、その効果と結果が問題の特定にさらに役立つというものです。しかし、各プロジェクトに利用できる時間と人的資源を考慮すると、視線移動テストは、地域分割、シーンスライス分析などの後の分析でコストがかかりすぎ、最終的な結論は閲覧の軌跡と注意のみになる可能性があります。より具体的な理由を見つけるには、詳細なインタビューが必要です。対照的に、低コストで高効率な分析である従来のユーザビリティテストの方が適しています。

正式なユーザビリティテストでは、視線追跡データから得られる結論は、全体的な結論のうち比較的小さな割合を占めることになります。ウェブサイトのテストを例にとると、ユーザーがウェブページの特定の機能的な入り口に注目するかどうか、ユーザーがさらに多くのウェブサイトにアクセスした後にウェブサイトに与える全体的な影響は何か、指示テキストはわかりやすいかどうかを知りたい場合などです。この場合、目の動きからは「見た」ということしかわかりませんが、具体的な理解は目の動きのデータからは読み取れないため、目の動きの価値は低くなります。

対照的に、アイトラッキングは、従来のユーザビリティテストでは説明できない特定の質問に答えるのに適しています。 (たとえば、オンライン支払いを確認する前に、ユーザーはこのページで何に困っているでしょうか?) 背景データから、特定のリンクのクリック率とページ直帰率が非常に高いことがわかった場合、視線の動きから、ユーザーが実際に何を探しているのかがわかります。

6 「操作方法を覚えれば、眼球運動テストを行うことができます。」

現在、市場に出回っているさまざまなアイトラッカーは機能が似ており、提供できる分析データも同様です。眼球運動検査のやり方さえ覚えてしまえば、誰もが使っている視点から眼球運動を分析できるそうです。ただし、アイトラッカーの使い方を知っているからといって、目の動きができるわけではありません。有効な眼球運動データは研究の前提条件であり、これは単にマウスを 2 回クリックするだけでは達成できません。

人間の目の動作モード、視覚認知と情報処理のプロセス、研究方法、データの眼球運動処理と統計などの大きなものから、プロジェクトプロセスの設計、分析パラメータ、プロンプトの変更などの小さなものまで、すべてを事前に知っておく必要があります。アイトラッキング プロジェクトが完了した後でのみ、ヒート マップ、軌跡マップ、一見不規則なアイトラッキング データを全体として確認し、それらを組み合わせてユーザーの閲覧習慣や製品の問題を発見することができます。

7 「目の動きは、ユーザーが読み終わった後にデータを分析するためのものです。」

通常、視線追跡研究プロジェクトでは、ユーザー研究者がプロセスを観察し記録すると同時に、テスト中にさまざまなリスク（予期しないプログラムの終了、コンピュータのクラッシュなど）が発生するのを防ぎます。テストが始まってからは、テストが無事完了するまで、好奇心で観察するかのように、ブラウジング中のユーザーの視線の焦点や移動の軌跡などを観察することが研究者の仕事になったようだ。

ユーザーの目の動きは研究者や製品担当者にリアルタイムで表示されるため、次のような疑問がいつでも誰の頭にも浮かぶことになります。

「ああ、彼女/彼はこう見ているんだ！」

「ここをクリックできないのも当然だ...」

効果的かつタイムリーに記録しなかったり、何を記録すればよいのかまったくわからなかったりすると、ユーザーの操作習慣やミスの理由を見逃してしまいます。後から眼球運動のデータを見返したのですが、説明のしようがありませんでした。

ユーザーの視線移動の軌跡から得られたこのような発見や疑問はすぐに記録し、テスト終了後は閲覧パフォーマンスに基づいてユーザーの理解度や操作行動を質問する必要があります。必要に応じて、視線移動の軌跡ビデオを再生して、ユーザーが操作シーンを確認したり、思考発話を使用して問題をフィードバックしたりできるようにします。このアプローチにより、通常、問題の根本原因が明らかになり、ユーザーの真のニーズが明らかになります。

つまり、ユーザーが疑問を持ったまま視線追跡テスト プロジェクトを離れないようにしてください。

8 「軌跡動画を観ることで眼球運動を分析できる。」

アジャイルなユーザーリサーチを推奨する環境において、アイトラッキングの価値は、テストから迅速に結論を出力することにあります。最も速い方法は、テスト中にユーザーの目の動きをリアルタイムで観察するか、テスト後に目の動きの記録を再生することです。正式な分析は必要なく、動画を見ることで目の動きについての結論を導き出すことができ、いくつかのヒートマップチャートでユーザーの閲覧習慣を説明できると考える人もいます。

しかし、私たちの目は 1 秒間に複数回視線を固定し、1 分間に 200 ～ 300 個の眼球運動データ ポイントを生成します。人間の記憶力だけでは、眼球運動の動画を見るだけでは、これほど大量のデータを記憶し、処理することはできません。言うまでもなく、アイトラッキングビデオを視聴して、ユーザーの習慣（個人/集団）とアイトラッキングデータを分析します。さらに悪いことに、私たちは自分の個人的な好みを念頭に置いてビデオを見に来るかもしれません。プロジェクト調査の目的がすでにわかっているため、ユーザーが閲覧する順序や、関心領域に滞在する時間などを重視しすぎることがあります。

注意: ビデオにはユーザーの視線の変化が反映されますが、実際に生成される目の動きのデータはビデオ内の視線よりも多くなります。

（視線追跡ビデオ） （視線追跡可視化データ）

アイトラッキングビデオはデータ分析ではなく、説明に適しています。

9 「1 つのサンプル サイズをすべての眼球運動テストに使用できます。」

「30！30で十分だ。」

眼球運動検査には多くの人は必要なく、サンプルサイズは 30 で十分だという声をよく耳にします。これは眼球運動の標準的なサンプルサイズになったようです。実際、眼球運動のサンプル サイズはテストの目的と実験の設計によって異なり、30 はすべてのテストに適しているわけではありません。

眼球運動テストのサンプル サイズを決定する前に、研究者は眼球運動を使用して「全体的な状況」を把握するのか、「異なるデザイン間の違いを比較する」のかを明確にする必要があります。異なるデザインがあり、眼球運動を使用して「全体的な状況」を生成する場合、被験者内の違いを比較するには 30 個のサンプルで十分です。被験者間の違いを比較する場合、眼球運動の結果は個人差の影響を受けやすいため、30 個のサンプルでは明らかに不十分です。

目の動きを利用して製品のユーザビリティの問題を特定したい場合、8～10 個のサンプルですでに 70～80% の問題が明らかになります。この時点で、30 個のサンプルの眼球運動データがあれば、ユーザビリティの問題を示すのに十分です。

10 「アイトラッキングデータ分析のパラメータはすべてのケースに適用されました。」

一般的な視線移動レポートには、ユーザーの閲覧軌跡や滞在時間などの比較が常に含まれています。視線移動の価値はここで終わるようです。データを分析する際、他の事例の分析角度に影響を受けやすく、最終的な分析は眼球運動データのレポートのようなものになってしまいます。あなた自身以外に、ユーザーの閲覧習慣やそこに反映される問題を理解できる人はいません。データ分析は、ユーザビリティの問題や異なるデザイン間の閲覧の違いなどを証明するために使用する視線移動関連のデータによって異なります。したがって、一般的に使用されるいくつかの分析パラメータを使用して問題を効果的に説明することはできません。

滞在時間、視線の訪問回数、視線の軌跡などの一般的なパラメータから、瞳孔の大きさ、眼球運動の速度、走査経路などのあまり一般的ではないパラメータまで、豊富な眼球運動指標により、ユーザーの閲覧行動の次元が時間と空間の 3 次元性を持って説明されます。定性的データ分析と定量的データ分析を組み合わせることで、眼球運動の結果を理解しやすくなり、ユーザーの認知行動や操作行動をより現実的に再現できるようになります。

たとえば、ユーザーに「予約ページで航空券を購入する」というタスクを完了させます。

時間: チケット予約ページでの注目の時間分布 (注視時間、注視回数、最初の注視時間など)。

空間的: ユーザーの注目を最も集めるエリア (関心エリア、最初の視線エリア、観光エリアと時間などの時間的および空間的な分布)、チケット予約プロセス中の閲覧トラックなど。

情報検索効率: 注視の総数（数値が低いほど効率が高い）

意思決定の効率: 最初の注視から最初のマウスクリックまでの時間

コンテンツレイアウト: チケット関連情報と機能領域間の眼球運動回数と閲覧順序

タスクの成功率、完了率、完了時間、満足度など。

上記の小さな例は、すべてのプロジェクト分析に共通の定型的なパラメータ セットは存在しないことを説明しようとしています。

本当に重要なのは、アイトラッキング データを通じて視聴者にどのようなストーリーを伝えたいかであり、これに基づいて分析する適切なデータを選択することです。

視線追跡データだけでは説得力がありません。

11 「すべての人の視線の動きのデータを分析できます。」

通常、大規模なサンプルデータでは、一部の非論理的/欠落したサンプルをクリーンアップする必要があります。ただし、一般的に小規模サンプルの眼球運動テストでは、テスト中に収集される眼球運動データの品質が無視される傾向があります。最も一般的なデータ品質の問題は、テスト中の目の位置のずれ、カメラが目の動きのデータを適切に記録しない、個人的な理由により長時間凝視するなど、個人差によって発生します。個々のユーザーの異常な眼球運動データ（他のユーザーの平均的な眼球運動データと大幅に異なるもの）や、眼球運動データのサンプリング レートが低いデータも、クリーニングの対象として考慮する必要があります。

数字だけに基づいてこれらの「問題のあるデータ」の原因を特定することは困難です。ユーザーの目の動きがキャプチャされなかったのかもしれませんし、単にユーザーの個人的な習慣だったのかもしれませんし、ユーザーがテスト中に手元のタスクを忘れてしまったのかもしれません。眼球運動トラックの再生記録と合わせて、これらのデータを全体のサンプルから削除する必要があるかどうかを判断できます。データ分析中に、これらの質の悪いデータにより、閲覧行動が誤って解釈される可能性があります。

12 「視線追跡結果の視覚化は信頼できる。」

ヒートマップ/軌跡プロットは、眼球運動データを視覚化するための標準的な出力となり、そのようなプロットを見なければ眼球運動の分析ではないと考える人さえいます。アイトラッキングデータを視覚化することで、関連する知識がなくても、ユーザーの焦点や閲覧順序をすぐに理解できるようになります。

アイトラッキングチャート

ウェブを自由に閲覧するためのアイトラッキングウェブページ上の特定の情報を検索するためのアイトラッキング

多くの場合、これらの視覚化を見るとき、その画像が生成された状況を考慮することはほとんどありません。同じ Web ページでも、ユーザーが自由に閲覧して興味のあるニュースを見つけられる場合、最終的な視線移動の結果はまったく異なります。データと眼球運動の結果は、適切なコンテキストで生成された場合にのみ意味を持ちます。

したがって、次にヒート マップやその他の形式の眼球運動の視覚化を見るときは、眼球運動の結果がどの時間範囲とどのアクティビティから取得されたかを必ず確認してください。

（この記事はTencent CDC Blogからの引用です。転載の際は出典を明記してください）

原題: ウェブサイトのユーザー エクスペリエンス分析: 視線の動きに関する 12 の誤解

キーワード: 誤解、ウェブサイト、ユーザーエクスペリエンス、視線の動き