什么是AOI？

在撰写这篇博客时，我正沉浸于数据分析工作中，这让我想起眼动研究中一个至关重要却鲜少被讨论的概念——兴趣区（AOI）。

在这篇文章中，我们将一同深入探讨兴趣区这一概念。无论研究者是通过屏幕式眼动仪还是穿戴式眼动仪采集眼动数据，都需要理解兴趣区对最终研究结论产生的深远影响。

即使您不需要亲自进行眼动追踪数据分析，理解兴趣区的创建方法也非常重要。因为第三方机构提供的分析结果和行业标准的广告可见度指标，其准确性都高度依赖于兴趣区的划分方式。如果您想真正了解自己的产品、内容或广告究竟获得了多少注意力，请继续阅读！

当前大多数眼动追踪工具尚无法自动识别网页广告或超市货架上的洗发水瓶等物体。虽然这项功能正在研发中，但目前要解答"广告被注视了多久"或"消费者在看向我们的产品前看了几个竞品"这类问题，仍需要手动划定目标物体或空间区域的边界。这些被划定的区域就称为兴趣区。

从直觉上看，为广告框或饮料瓶创建兴趣区时，沿着物体边缘直接划定界限创建似乎是最佳方案。根据经验，大多数用户也确实采用这种方式操作。但实际情况比这更复杂——需要同时考虑两个关键因素：人类视觉和眼动追踪设备的准确度。

可大可小，但别太近！!

人类的静态视野范围约为120°至140°，但边缘区域的视觉质量相当低。虽然周边视觉擅长捕捉变化和运动，但在物体识别和阅读等任务上表现欠佳。对于这类精细的视觉需求，我们更依赖于视觉中心的两个关键区域——中央凹（约2°视角）和旁中央凹区域（约10°视角）。这也是眼动追踪技术的基础原理——人类需要不断移动眼球，将中央凹对准目标区域，才能充分发挥中央凹和旁中央凹处理高分辨率色彩视觉的优势。

但问题是， 2度的视场角也可能覆盖多个物体，尤其是在远距离观察时。以日常注视的屏幕为例，中央凹视觉的覆盖直径能轻松容纳1-1.5个单词，横跨2-3行文本。眼动追踪算法普遍以中央凹中心点作为基准，这意味着精细的十字准星无法完整呈现观察者实际可见的全部内容。因此，这种像素级精确定义的兴趣区设定容易导致注视统计的偏差。依据边界绘制方式的差异，可能产生高估或低估。实际上在为物体创建兴趣区时，无需精确勾勒复杂轮廓，采用矩形、圆形等简单几何形状即可满足绝大多数研究需求。

如何确定兴趣区的大小呢？在眼动追踪研究中，这需要综合考量3个关键因素：被试的观看距离、实际观察场景以及最重要的研究设计。若您的AOI间隔较大且中间存在空白缓冲区域，建议将AOI范围扩展至目标物外缘2度视角。但在多数真实场景研究中，往往不具备这样的理想条件。此时更推荐采用收缩式AOI设置——绘制比对象小2度的AOI。这种方法能确保注视数据仅包含明确落在目标物上的有效注视点。

兴趣区=洞察，但前提是划定得当！!

如何划定兴趣区并非新挑战。但研究者需要根据眼动数据的质量做出判断。上文所述结论均基于0.2°至0.5°的准确度水平。但有些时候，眼动数据的质量无法达到这一标准。如果准确度过低，研究者甚至很难判断被试是否真的在注视屏幕，更不用说呈现的图片了！

正因如此，在采集数据前就规划好分析方法就至关重要。此时研究设计尤为关键，必须充分考虑所使用眼动仪的精确度和准确度。但这也引出一个难题：当前部分行业标准指标仍坚持要求被试的注视数据和眼动仪追踪数据都必须达到像素级精度。

请看下面的示例。图中展示了3种不同的注视模式，圆圈大小代表注视时长。根据目前对兴趣区的研究，每种模式都对应着截然不同的解读。然而，大多数广告可见性指标却会显示右侧标注的兴趣区获得了相同的注意力——但一些基于网络摄像头的眼动追踪准确度，可能还不及图中较小圆圈的直径！换言之，在您全盘接受这些洞察之前，有必要深入了解指标的计算逻辑。

本文的核心结论非常简单。研究者首先要明确被试与眼动仪的准确度。接着，在实验设计阶段就要提前规划好兴趣区——在收集数据之前就完成这一步。 如果您是眼动结论的接收方，请准备好提出尖锐问题，确保归因于您产品或设计的注意确实名副其实！