從市場營銷到用戶體驗和人機交互設計，關注用戶的注意力指標都至關重要。
了解用戶的注意力有助于評估廣告的效果。例如，密切關注廣告的人更有可能對品牌產生好感并重復購買。在用戶體驗研究中，追蹤注意力有助于了解用戶關注什么以及他們如何參與內容。這類數據可以幫助設計師更好地進行界面設計。
本文向您介紹如何在FaceReader中使用自定義表達式來測量注意力。
使用 FaceReader 輕松實現注視追蹤
傳統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備與軟件，還需要進行額外的校準步驟。這可能既昂貴又耗時。
相比之下，像諾達思的面部表情分析系統（FaceReader） 這樣的面部表情分析工具只需要一個網絡攝像頭，十分易用高效。
為了確保 FaceReader 能夠有效地測量注意力，來自VicarVision的研究團隊對創建的幾種自定義表情進行了驗證。
構建注意力數據庫
為了創建一個強大的數據庫來驗證注意力檢測，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，并指導他們改變注意力，比如看別處或看手機。
通過這種方法獲得了一個由 101 名被試組成的數據庫，每人平均提供 1.5 分鐘的視頻片段。
隨后根據預先確定的協議對視頻進行人工標記，分析評分者之間的一致性高達 99%。人工標記需要逐幀查看視頻，對行為進行分類。這需要做大量的工作，但這為后續實驗中對自定義表達方式進行比較打下了可靠的基礎。
如何更好地檢測注意力？
注意力是一個復雜的過程。它既涉及個體的內部認知焦點，也涉及更明顯的注意力外部表現。
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。這種類型的測量結果可能與被試自我報告的注意力不同，后者通常涉及內部的主觀因素。這就是為什么同時測量隱性（視覺）和顯性（自我報告）注意力測量結果如此重要的原因。它有助于更全面地理解注意力發生的全過程。
研究創建了幾種自定義表情，以找到有效的注意力檢測組合。其中，主要關注注視方向和頭部朝向，并對于每種自定義表情均進行了以下測量：
靈敏度：檢測注意力的準確性
特異性：檢測注意力缺失的準確性
當被試遇到了如光線不足或部分可見的情況，可能會影響結果。為了避免此類異常值的影響，研究使用了中位數進行分析。
探索注意力的最佳自定義表達
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行多種簡單或復雜的操作。
僅使用頭部朝向（偏轉和俯仰）測量的結果是靈敏度高，但特異性低。換句話說，這些測量方法能準確檢測出注意力，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時，特異性顯著提高，使注意力分類更加可靠。總之，這是一種經過充分驗證的自定義表達方式，平均準確率高達 0.87，靈敏度（0.88）和特異性（0.85）均達到最佳水平。
此外，有些具有挑戰性的情況會使注意力檢測變得復雜。例如，在被試轉頭但眼睛始終盯著屏幕的情況下，需要使用更復雜的自定義表達式來保持準確性。增加額外的計算能夠更好地處理這些具有挑戰性的情況。這種方法雖然增加了復雜性，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合起來，可以獲得最高的注意力檢測準確率。
應用注意力指標改進您的研究
有興趣在您自己的研究中使用注意力檢測指標嗎？
如果您已經使用 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式對注意力進行分析。此外，諾達思還提供其他已有的自定義表達式，如果您感興趣，請隨時聯系我們！
而對于需要在線工具的研究來說，在線面部表情分析系統（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等領域的專業人士設計。使用 FaceReader Online，您可以評估哪類內容吸引用戶，從而更容易做出數據驅動型決策。
總之，無論是用于市場營銷、用戶體驗還是心理學研究，FaceReader 都能幫助您對用戶的參與情況有更深入的了解。
關注諾達思公眾號，聯系我們獲取更多產品信息及學術文章！
