Abstraction Hub

IA, UX, UI, User Experiences, Usability, Web Design, Information Architect, HCI

Month: May, 2014

Eye tracking

Vài điều cơ bản, cũng hơi xa vời ở Việt Nam

eye tracking, UX, User Experience

(Ảnh 1: mô tả eye tracking, nguồn: Tobii Technology, Digital trend blog: Internet)

Phải nói là eye tracking method không mới trong lĩnh vực nghiên cứu người dùng (User Research), marketing, quảng cáo… và những năm gần đây thì áp dụng trong UX khá phổ biến ở các nước phát triển. Tại sao ở thời điểm hiện tại, eye tracking vẫn còn “xa vời” ở Việt Nam? bởi 1 lẽ để thực hành nghiên cứu này đối với người sử dụng sản phẩm, các doanh nghiệp sẽ phải bỏ ra thêm nhiều chi phí (thiết bị phần cứng, phần mềm chuyên dụng, phòng Lab), bên cạnh đó cũng chưa có các công ty chuyên cung cấp dịch vụ này. Về mặt con người, Việt Nam cũng chưa có các kỹ sư/chuyên gia có chuyên môn thực sự… Tuy nhiên, điều đó không có nghĩa là chúng ta sẽ “bỏ qua” việc tìm hiểu lĩnh vực này trong quá trình nghiên cứu, áp dụng UX.

Eye tracking là gì?

Một cách ngắn gọn (nhưng hơi hàn lâm) thì eye tracking là phương pháp giúp các nhà nghiên cứu hiểu / thu thập được sự chú ý trực quan của đối tượng nghiên cứu. Còn nói một cách đơn giản, eye tracking là quá trình xác định xem người dùng đang nhìn ở đâu, nhìn trong bao lâu, và quá trình di chuyển mắt (cũng như các thành phần của mắt) của người đó diễn ra như thế nào.

20140531 - eye tracking

(Ảnh 2: mô phỏng eye tracking, nguồn Morgan Kaufmann)

Một cách cụ thể hơn, những người nghiên cứu UX sử dụng các thiết bị (gọi là eye tracker) để theo dõi, đo đạc quá trình xử lý của võng mạc (cornea), giác mạc (retina), và đồng tử (pupil) thậm chí mống mắt (iris) của mắt người dùng trong lúc họ nhìn vào trước màn hình (máy tính hoặc mobile) để thao tác với phần mềm, website.

Lưu ý rằng, eye tracking là cả một quá trình chứ không chỉ là 1 hành vi theo dõi người dùng thông thường. Nó bao gồm theo dõi, đo đạc, phân tích số liệu để rồi sau đó đưa ra cải tiến. Chính vì vậy, eye tracking là quá trình tiếp diễn nhiều lần (continuous improvement) để có thể đưa ra sản phẩm / giải pháp tối ưu nhất.

Eye tracking được thực hiện như thế nào?

Để thực hiện eye tracking thì những người nghiên cứu về UX sẽ cần những thứ cơ bản như sau:

  • Trang thiết bị: còn được gọi là eye tracker. Hiện tại trên thị trường có những thiết bị phổ biến như eye tracker glasses (1 loại kính đặc dụng), eye tracker hat (mũ chụp qua đầu có gắn kính), eye tracker screen (màn hình được thiết kế đặc biệt). Những thiết bị này thường dùng 1 nguyên lý chung là sử dụng tia hồng ngoại sóng ngắn chiếu thẳng vào mắt người dùng (user) với các tiêu chuẩn an toàn sao cho không gây tổn hại sức khỏe. Sau cùng, tất nhiên là 1 máy tính xử lý thông tin có được. Lấy ví dụ như bạn đeo kính eye tracker cho người dùng và yêu cầu họ thao tác trên website bạn mới thiết kế, trong vòng 1 giờ đồng hồ, thiết bị này sẽ ghi lại mọi chuyển động của mắt và gửi về máy tính gần đó.
  • Phần mềm: Sau khi dữ liệu về eye tracking được gửi về máy tính, cần có một phần mềm chuyên biệt để phân tích dữ liệu đó. Hai loại dữ liệu quan trọng nhất là các điểm di chuyển của mắt người dùng (eye movement) và nơi người dùng nhìn vào (location) cũng như nhìn nhiều nhất (hot spot – điểm nóng).
  • Phòng lab (không bắt buộc): Bạn cần một phòng thí nghiệm để thực hiện điều này, yên tính và có đầy đủ sự hỗ trợ cần thiết.
  • Tình nguyện viên: Đây là cái tôi thêm vào ngoài những điều có trong sách vở, bởi cá nhân tôi nghĩ yếu tố này quan trọng và không nên làm qua loa. Bạn phải chọn “đúng người”, nghĩa là “target users”. Là những người sử dụng mà ngay từ đầu, trước khi thiết kế giao diện phần mềm / website, bạn đã hướng tới họ là đối tượng sử dụng chính của sản phẩm hoàn thiện sau này.
  • Tiền và thời gian: Tất nhiên roài, để làm eye tracking bạn phải có chi phí, và cần thời gian để thử nghiệm nhiều phương án khác nhau, kể cả dùng eye tracking với A/B testing. (tôi nghĩ vậy).

Khi đã đẩy đủ những thứ cần thiết, tùy vào thiết bị, dụng cụ mà chúng ta tiến hành thử nghiệm bằng các bước sau (tham khảo ảnh 1 phía trên):

  1. Yêu cầu người tình nguyện viên đeo kính hoặc thiết bị eye tracker.
  2. Yêu cầu tình nguyện viên ngồi trước màn hình để thao tác trên phần mềm / website. Việc thao tác cần tự nhiên như một người dùng bình thường tìm hiểu và khám phá, sử dụng sản phẩm.
  3. Khởi động phần mềm theo dõi thời gian thực (real-time)
  4. Thời gian theo dõi và thực hiện nên kéo dài ít nhất 30-60 phút.
  5. Kết thúc thử nghiệm, chạy thống kê số liệu từ máy tính, kiểm tra kết quả.

Nôm na thì là vậy, nhưng để giải thích chi tiết hơn đối với 1 dự án eye tracking, có lẽ tôi sẽ viết series blog khác. Dưới đây là mô phỏng hot spot của giao diện kết quả tìm kiếm Google.

20140531 - eye hot spot

(Ảnh 3: một ví dụ về eye hot spot, nguồn internet)

Lưu ý rằng, việc sử dụng eye tracking không nhất thiết “phải ngồi 1 chỗ” mà có thể thực hiện tại các địa điểm ngoài trời, siêu thị, trung tâm thương mại.v.v…

Lợi ích và những hạn chế

Với việc áp dụng eye tracking, hẳn bạn sẽ thấy nhiều lợi ích mà nó mang lại. Điều dễ thấy nhất là việc  theo dõi sự quan sát của người dụng một cách chính xác giúp chúng ta (những người thiết kế sản phẩm) có thể “hiểu” họ (người dùng) rõ hơn. Việc áp dụng eye tracking nhằm phục vụ công tác nghiên cứu người dùng (user research), vì thế, nó không chi giới hạn trong lĩnh vực UX mà còn mở rộng sang các ngành nghề như Marketing (vd: nghiên cứu cách hiệu quả trong cách bài trí của siêu thị), quảng cáo (vd: theo dõi cách  người dùng nhìn và cảm nhận poster), xuất bản (vd: kiểm tra tính hiệu quả của cách dàn trang, trình bày văn bản), thói quen lái xe hơi, đào tạo phi công, thiết kế giao thông, biển báo, thiết kế games.v.v… Dữ liệu mà eye tracking mang lại cũng sẽ được khai thác giống như một dạng big data vậy.

Heatmap_1

(Ảnh 4: ứng dụng eye tracking trong thiết kế kệ giày shop bán giày, nguồn internet)

shampoo_gazeplot

(Ảnh 5: ứng dụng eye tracking trong thiết kế trưng bày sản phẩm tại siêu thị, nguồn internet)

Bên cạnh những lợi ích hiển nhiên, eye tracking không phải là không có những hạn chế của nó. Giống như big data, dữ liệu mà eye tracking mang lại chỉ mang lại thông tin về hành vi của người dùng (what) chứ không giải thích tại sao (why). Nó không thể giải thích tại sao người lại nhìn vào bên phải màn hình 30 giây rồi nhìn lên phí top-menu 10 giây. Để lý giải nguyên nhân, chúng ta phải kết hợp eye tracking với những kỹ thuật UX khác, ví dụ như usability testing. Ngoài ra, một vài thí nghiệm đơn lẻ với eye tracking không thể mang lại hiệu quả cao cũng như lý giải tại sao người dùng lại tương tác như vậy khi nhìn vào website của bạn. Để đưa ra dự đoán / kết luận gần đúng nhất với hành vi của người dùng, chúng ta cần lượng thông tin “đủ lớn” và tiến hành nhiều kỹ thuật nghiên cứu, phân tích dữ liệu trong một khoảng thời gian đủ lâu nhưng hợp lý.

Tham khảo:

  • Thiết bị eye tracker Tobii: http://www.objectiveeyetracking.com.vn/
  • Eye tracking cũng là 1 phần của lĩnh vực visual perception / recognition
  • Áp dụng eye tracking trong thiết kế Windows 8 touch keyboard.

Big Data

A Revolution That Will Transform How We Live, Work, and Think

9780544002692_p0_v1_s260x420

(bìa sách: Big Data, nguồn: Internet)

Big Data (tạm dịch là dữ liệu lớn) đang trở thành một xu thế hot trong những năm gần đây tại các diễn đàn công nghệ cũng như các trang tin chuyên ngành kinh tế, kỹ thuật. Đi kèm với nó là rất nhiều sách liên quan cũng được xuất bản, nhưng chọn cuốn nào để đọc lại tùy thuộc vào công việc, lĩnh vực của mỗi người.

Tôi chọn cuốn Big Data – A Revolution That Will Transform How We Live, Work, and Think của Viktor Mayer và Schonberger Kenneth Cukier bởi nội dung của cuốn sách bám sát vào các vấn đề thực tiễn như y tế, kinh tế, giao thông, xã hội, phòng chống tội phạm.v.v… Và các vấn đề này được giải quyết dựa trên việc tổng hợp lượng lớn dữ liệu, phân tích rồi đưa ra dự đoán về xu thế.

Xuyên suốt cuốn sách, 2 tác giả luôn nhắc nhở người đọc về cách thức sử dụng dữ liệu lớn với phương châm tìm hiểu “cái gì” chứ không phải “tại sao“. Nghĩa là khai thác dữ liệu từ những mảnh vụn có phần “vô nghĩa”, tái cấu trúc nó, phân tích với những thuật toán và công cụ xác suất thống kê, rồi từ đó để dữ liệu “tự nói” lên thông tin hữu ích.

Sách mở đầu với việc mô tả hiện trạng áp dụng Big Data ở Mỹ và các nước tiên tiến trên thế giới, với sự góp mặt điển hình của các “ông lớn” như Google, Amazon, Walmart, IBM, v.v… Các hãng lớn từ lâu đã và đang thu thập đủ loại dữ liệu về người dùng internet, khách hàng, thời tiết, thiết bị thông tin y tế… với mục đích mang lại các dự đoán có giá trị cho chính bản thân hãng cũng như các đối tác.

Dưới góc nhìn Big Data, ta sẽ hiểu rõ hơn về giá trị của những thông tin tưởng như “bình thường” của Facebook (số lượng like, comments), của Twitter (còn gọi là dữ liệu tư duy, suy nghĩ của hàng triệu người dùng) hay Instagram. Đối với trường hợp Instagram, bấy lâu nay, khi xem lại một bức ảnh cũ, cá nhân tôi thấy Intargram chỉ ghi chung chung rằng bức ảnh này được đăng tải mấy tuần trước (hoặc mấy ngày trước đó) mà không ghi cụ thể, chính xác ngày nào (hoặc đếm chính xác bao nhiêu ngày trước). Tại sao? bởi với dữ liệu lớn, bạn chỉ cần biết xu thế, biết một con số chung “áng chừng” hoặc “trong khoảng” bao nhiêu ngày mà không nên “đòi hỏi” một sự chính xác tuyệt đối. Vì sao ư? Bởi sự chính xác tuyệt đối là giá trị của dữ liệu nhỏ.

Các chương tiếp theo của cuốn sách tập trung vào việc dữ liệu hóa cũng như xác định giá trị của dữ liệu, xác định chuỗi giá trị mà qua đó các doanh nghiệp, cá nhân, tổ chức tham gia vào các phân đoạn của thị trường Big Data. Có một nghịch lý hiện tại trong thị trường Big Data đó là các doanh nghiệp nắm giữ một lượng lớn dữ liệu (thường họ có được do thu thập, lưu trữ qua nhiều năm dựa trên công tác kinh doanh của họ) lại không / hoặc chưa biết cách khai thác lượng dữ liệu lớn này một cách hiệu quả, hữu ích. Nếu như Google khai thác cơ sở dữ liệu tìm kiếm (search query) của hàng triệu người dùng để từ đó bổ trợ cho các công cụ quảng cáo, dịch thuật, hay Amazon khai thác thói quen duyệt web của khách hàng, Walmart khai thác thông tin mua hàng tại cửa hàng dựa theo thời tiết, chu kỳ mua sắm, mật độ giao thông… thì những ngành nghề như quản lý hành chính, cơ quan dân sự của nhà nước, dân số, hàng không, thời tiết, giao thông, quân đội, y tế… lại chưa thực sự “nhảy” vào khai thác mảng dữ liệu màu mỡ mà họ đang có.

Dữ liệu nếu không khai thác, sẽ chỉ là những mảng lưu trữ rời rạc và vô nghĩa. Thậm chí những đơn vị nắm giữ dữ liệu cũng bỏ mặc chúng và ngủ quên trong sự bận rộn của công việc hàng ngày. Nhưng nếu một ngày, một lượng lớn dữ liệu được trao vào tay những chuyên gia (còn gọi là data scientist), hay những công ty phân tích và khai thác dữ liệu chuyên nghiệp, chúng ta sẽ thấy những giá trị to lớn được tìm thấy từ “mỏ vàng” bị bỏ quên.

Mặc dù các doanh nghiệp start-up được lấy làm ví dụ trong cuốn sách phần lớn đã bị thâu tóm (Decide.com bị mua bởi Ebay, Farecast.com bị mua bởi Microsoft…) nhưng phần nào chúng ta cũng thấy được tầm ảnh hưởng của Big Data lên các doanh nghiệp ngày nay, đặc biệt là các doanh nghiệp hoạt động trên Internet. Trong một tương lai không xa, Big Data  chắc chắn sẽ là một nền công nghiệp nổi trội, cũng như thời của Internet, e-Commerce, Social network những năm trước đây, thậm chí, Big Data chính là “đầu ra” mới của các doanh nghiệp cũng như là một hướng đi mới để các đơn vị cải tiến dịch vụ, sản phẩm của mình được tốt hơn.

Sau cùng, các tác giả cũng để cập đến vấn đề quyền riêng tư, cách thức kiểm soát thông tin để sao cho Big Data không bị lạm dụng cũng như không kiểm soát cuộc sống của con người, xã hội và đặc biệt là công lý. Có chăng, nên nhìn nhận Big Data là một công cụ mới của thời đại mới chứ không nên lạm dụng nó hoàn toàn trong việc dự đoán (thậm chí là phỏng đoán) hay đưa ra quyết định, bởi đó là những việc rất cần “lý trí” của con người.

Lưu ý:

– Sách được dịch bởi NXB Trẻ và có hơi trúc trắc khi đọc, nhất là chương 1, 2. Sách dịch nhầm khá nhiều chỗ đối với từ “start-up” nên trong mấy chương đầu phải tham khảo bản tiếng Anh để hiểu đúng nghĩa hơn.

– Sách cũng dành cho đối tượng làm UX, bởi quan sát và thu thập thông tin về người sử dụng (user observation) là việc làm phổ biến của ngành này. Do đó, có thể nói, Big Data cũng là một phần tương lai của UX.