In diesem Abschnitt untersuchen wir, wann Eye-Tracking die UX-Forschung sinnvoll ergänzt, stellen qualitative Erkenntnisse quantitativen Kennzahlen gegenüber und legen den Schwerpunkt auf die einfachste evidenzbasierte Methode, um Stakeholder zu überzeugen.

In diesem Abschnitt vergleichen wir Remote- und Wearable-Eye-Tracker, setzen technische Daten wie Abtastrate und Genauigkeit in umsetzbare UX-Erkenntnisse um und planen eine kosteneffiziente Ausrüstung oder das Outsourcing zur Unterstützung von Studien an mehreren Standorten.

In diesem Abschnitt wandeln wir Neugier in überprüfbare Forschungsfragen für die Eye-Tracking-Untersuchung um, stimmen die Genauigkeit der Reize auf die Aufgabenziele ab und setzen ausgewogene Designs innerhalb oder zwischen Probanden um, die Sequenz- und Stichprobeneffekte kontrollieren.

In diesem Abschnitt werden wir Eye-Tracking mit Verhaltensanalysen und Interviews kombinieren, wobei wir die Fixationsdauer zur Überprüfung der Usability-Werte heranziehen und aus den Blickmustern Erkenntnisse über Verständnis, Gedächtnis und Klicks gewinnen.

In diesem Abschnitt stellen wir CVP und RVP im Bereich des UX-Eye-Trackings gegenüber, bewerten durch den Blick gesteuert Gedächtnisstützen und demonstrieren gezielte Nachfragen, um ein Gleichgewicht zwischen zuverlässigen Blickmetriken und aussagekräftigen qualitativen Nutzererkenntnissen herzustellen.

In diesem Abschnitt lernen wir, wie man Eye-Tracking-Kennzahlen auswählt, Attraktions- und Leistungskennzahlen voneinander trennt und Daten zu den Fokusbereichen so aufbereitet, dass daraus Erkenntnisse zur Benutzererfahrung für ein evidenzbasiertes Design gewonnen werden können.

In diesem Abschnitt identifizieren wir Faktoren, die die Verfolgbarkeit beeinträchtigen, wie beispielsweise Korrekturbrillen und Bildschirmteilnehmer, und wenden Wahrscheinlichkeitsrechnung und inferenzstatistische Verfahren an, um effiziente Stichprobengrößen für formative und summative Eye-Tracking-Studien zu ermitteln.

In diesem Abschnitt werden wir ablenkungsfreie Eye-Tracking-Labore einrichten, Testaufgaben durchführen, Kameras kalibrieren, Sitzungen live überwachen und Anomalien protokollieren, um zuverlässige Blickdaten zu gewinnen, auf deren Grundlage fundierte Entscheidungen zur Benutzererfahrung getroffen werden können.

In diesem Abschnitt bereiten wir Eye-Tracking-Datensätze vor, indem wir robuste Fixationskriterien festlegen, optimale AOIs definieren, Messwerte exportieren und Anomalien bereinigen, um so die Grundlage für eine zuverlässige quantitative oder qualitative Analyse zu schaffen.

In diesem Abschnitt werden wir uns mit Blickverfolgungsdiagrammen, Heatmaps und dynamischen Heatmaps befassen und dabei lernen, wie man diese individuell anpasst, Usability-Probleme erkennt und Erkenntnisse aus der User-Experience-Forschung mithilfe aussagekräftiger Eye-Tracking-Bilder vermittelt.

In diesem Abschnitt werden wir Blickverlaufskarten und Blickverläufe auswerten, um Suchergebnisse zu klassifizieren, Wahrnehmungs- oder Verständnisprobleme zu identifizieren und klare, umsetzbare Empfehlungen zur Benutzererfahrung zu formulieren.

In diesem Abschnitt lernen wir, wie man Eye-Tracking-Kennzahlen auswählt, inferenzstatistische Verfahren anwendet und übersichtliche Diagramme mit Konfidenzintervallen erstellt, um aussagekräftige quantitative Berichte zur Benutzererfahrung zu erstellen.