İsveç’li araştırma şirketi MarketWatch banner performanslarını göz izleme cihazı ile ölçerek banner boyutlarının ve tipinin banner’ların görülme oranına olan etkisini ortaya çıkarmaya çalışmış.

Çalışmada İsveç’te bulunan 4 telekom operatörünün (Telia, Telenor, Tele2 ve Hi3G) websitesinde  bulunan banner’ların etkinliği 28 kişinin katılımıyla test edilmiş. Çalışma sonrasında çıkan sonuçlar reklam ajanslarını şaşırtacak cinsten:

• Daha büyük banner’ların daha fazla görüldüğü düşüncesi tamamiyle yanlış. Bannerlar büyüdükçe görülme oranları azaldığı gibi sitenin yapısını da olumsuz etkiliyor.
• Banner’ların ön plana çıkması için yapılan efektler varsayıldığının tersine görülme oranını etkilemiyor.Aksine kullanıcılar websitesinde hareket eden bölümleri yok saymaktalar. Bu tasarımda banner körlüğü adı verilen durum olarak adlandırılıyor.
• Hareket eden banner’lar etmeyen banner’lardan daha az görünüyor.
• Hareket etmeyen banner’lara sahip websiteleri kullanıcılarda markanın daha profosyonel ve güvenilir olduğuna dair bir izlenim uyandırıyor. Hareketli banner’lar için bir kullanıcı ‘Sürekli bana birşeyler satmaya çalışan satıcılar’ gibi yorumunu yapıyor.

Kaynak: http://www.tobii.com/…+_OnlineMarketingMarketwatch_210.aspx

Kullanıcı deneyimi uzmanı Chris Neale, tasarım aşamasında bu sürece dahil olan herkese arayüzün prototipini göstermek amacıyla stop motion tekniğini kullanarak video hazırlamış. Aşağıdaki videoda kullanıcı kayıt formunu doldururken sistemin ne gibi tepkiler vereceğinin prototip halini görebiliyoruz.

Matteo Penzo yaptığı göz izleme çalışmasında form alanlarında Ad,Soyad ve Adres gibi etiketlerin yerleşiminin formu tamamlama süresine olan etkisini incelemiş. Çalışmada kullanıcılardan sağa dayalı, sola dayalı ve form alanının üstünde yer alan etiketleri olan formları doldurmaları istenmiş. Çalışma sonuçları şu şekilde:

Sola Dayalı Etiketler

Bu yerleşimde etiketler ve form alanları arasında ilişki daha belirginken iki arasındaki boşluk diğer form yerleşimlerine nazaran daha fazla olduğu için diğer form alanlarına göre göz hareketleri daha fazla zaman alıyor.

Sağa Dayalı Etiketler

Sağa dayalı olan etiketler odaklanmayı ve form tamamlama süresini sola dayalı etiketleri olan formlara nazaran yarı yarıya düşürüyor.

Form Alanının Üstünde Olan Etiketler

Göz izleme çalışmasında en başarılı çıkan bu yerleşimde kullanıcı tek göz hareketi ile hem alanı hem de etiketi yakalayabiliyor. Bu formun tamamlama süresi sola dayalı etiketleri olan formlardan 10 kat daha az.

Çalışma sırasında karşılaştırılan süreler milisaniye cinsinden olsa da çalışma sonuçları web’in en can sıkıcı bölümlerinden biri olan form yerleşimleri açısından oldukça bilgi verici. Form tamamlama süresinin tamamlama oranına (dönüşüm oranı) olan etkisi göz önünde bulundurulduğunda kullanıcıların form aşamasını hızlıca geçmesi önemli bir konumda.

3M , Visual Attention Service (VAS) adında kullanıcıların resimlerde nerelere odaklanacaklarını tahmin etmeye çalışan bir servis hayata geçirdi. Daha önce Feng Gui, Clickmap ve Göz İzleme Cihazı yazısında VAS gibi benzer bir algoritma ile çalışan Feng-Gui’yi anlatmıştık.

VAS, Feng-Gui gibi kontrast oranlarını dikkate alarak tahmin etmesinin yanında kullanıcıların resim üzerinde yüzleri ve metinleri belirlemesine de olanak sağlayıp buna göre analiz yapabiliyor.

Göz izleme cihazı üreticisi Tobii, blogunda VAS ile bir resmi analiz edip sonuçları göz izleme cihazı sonuçları ile karşılaştırmış.

Test edilen resim

VAS Sonucu

İlk sonuçtan sonra aşağıdaki gibi yüz ve metin bölümü seçilerek resim VAS ile tekrar analiz edilmiş.

Bu yöntem sonunda tahmin şu şekilde olmuş:

Tobii, bizim de Kullanıcılar Yüzlere Bakarlar yazısında paylaştığımız çalışmada bu resmin göz izleme analizi daha önce yapmıştı.

Göz İzleme Sonucu

VAS, Feng-Gui’ye nazaran tahminde daha başarılı olsa da yukarıda gördüğümüz gibi göz izleme sonuçlarına yakın veya benzer sonuçlar  elde etmiyor.VAS ayrıca  kendi göz izleme çalışmalarımızdaki sonuçlarda da çok başarılı değildi. (Gizlilik anlaşmaları sebebiyle bu çalışmaları sizinle paylaşamıyoruz)

VAS özellikle metin alanında genel kullanıcı göz hareketlerinin tam tersine bir tahminde bulunmakta. F tipi okuma şekli yerine kullanıcıların paragrafta daha çok metnin ortasına odaklandıklarını tahmin ediyor. Kullanıcıların herhangi bir resimde bulunan yüzlere odaklanması da VAS’ın sonuçlarında çok açık değil.