Eye-tracking (айтрекинг, трекинг глаз) — технология измерения точки взгляда и движений глаз с точностью до долей градуса визуального угла. Она фиксирует фиксации, сакады и траектории взгляда на экранах, в VR/AR и в полевых условиях. Базовый метод — PCCR (Pupil Center–Corneal Reflection): камеры с ИК‑подсветкой определяют центр зрачка и отражение от роговицы, затем вычисляют направление взгляда и переводят его в координаты экрана.
Типичные характеристики современных систем: точность 0.1–1.0° визуального угла; частота от 30 до 1200+ Гц в зависимости от модели. Источники и методики калибровки — стандартная практика для воспроизводимости результатов.
История и развитие технологии
Eye-tracking развился от наблюдений саккад XIX века (Javal) к контактным и фото‑методам начала XX века (Huey, Dodge) и далее к PCCR‑камерам и коммерческим решениям конца XX века (SRI/первые Eyetracker). В XXI веке — массовое распространение видеотрекинга, веб‑камерных и носимых систем, интеграция с AI/VR/AR.
Хронология (кратко):
-
Javal (1879) — первые наблюдения саккад
-
Huey (1908) — контактные методы
-
Развитие PCCR (1970‑е) — переход к бесконтактным камерным системам
-
Коммерциализация Eyetracker (1980–2000) — появление первых промышленных решений
-
Массовые видеосистемы, носимые решения и AI‑аналитика (2010–2025) — демократизация технологии
Применение eye-tracking в различных областях
Сферы применения:
-
UX/UI и веб‑дизайн — тепловые карты, gaze plots, AOI (области интереса). Помогают понять, какие элементы интерфейса привлекают внимание пользователя, а какие остаются незамеченными.
-
Маркетинг — баннеры, POS, shelf testing. Используется для оценки эффективности рекламных материалов и размещения товаров на полках.
-
Автоиндустрия — DMS (driver monitoring). Отслеживание состояния водителя для повышения безопасности.
-
Здравоохранение и нейродиагностика — анализ саккад/фиксаций. Применяется для диагностики неврологических расстройств и оценки когнитивных функций.
-
Образование и реабилитация — оценка процессов обучения и восстановления когнитивных функций.
-
HCI и ассистивные интерфейсы — управление взглядом вместо мыши. Важно для людей с ограниченными возможностями.
Это междисциплинарная технология: методы и требования сильно зависят от задачи. Диагностика требует большей точности, для креатив‑тестов достаточно веб‑камерного ET.
Принципы работы технологии eye-tracking
Большинство систем — видеотрекинг на ИК‑камере: подсветка создаёт корнеальный блик, алгоритмы находят центр зрачка, рассчитывают вектор взгляда и маппируют его на экран. PCCR‑подход — стандарт для современных камерных систем; в носимых решениях добавляется учет 6DOF движения головы и коррекция по глубине.
Процесс работы включает несколько этапов. Сначала инфракрасная подсветка направляется на глаз пользователя. Камера фиксирует отражение света от роговицы (корнеальный блик) и определяет центр зрачка. Затем специальный алгоритм вычисляет вектор направления взгляда на основе взаимного расположения блика и зрачка. На финальном этапе система переводит этот вектор в координаты точки на экране, используя данные калибровки.
Калибровка и точность измерений
Калибровка по 5–9 точкам обычно даёт оптимальный баланс точности и удобства; валидация (offset <1°) показывает реальную точность. Без калибровки ошибка может достигать ~2°; корректная калибровка улучшает точность на 20–30%.
Процесс калибровки прост. Участник последовательно смотрит на точки, появляющиеся в разных частях экрана. Система запоминает соответствие между положением глаза и координатами экрана. После калибровки проводится валидация — проверка точности по контрольным точкам. Если отклонение превышает допустимое, калибровку повторяют.
Уникальные особенности современных устройств
Краткое сравнение (ключевые характеристики; ориентиры для выбора):
-
EyeLink 3 — частота: до 1000 Hz; заявленная точность: ±0.25–0.5°; область обзора широкая; подходит для лабораторных экспериментов с высокой точностью. Это решение выбирают исследовательские центры и университеты, где критична каждая доля градуса.
-
Tobii Pro Spectrum — частота: до 1200 Hz; точность: ориентировочно 0.01°–0.06° RMS (зависит от режима); премиум‑вариант для высокоточных задач. Используется в психофизиологии и нейронауке.
-
Tobii Pro Fusion — частота: 250 Hz; точность: ~0.04° RMS (фильтрованная); универсальный вариант для HCI и UX‑тестов. Баланс между точностью и стоимостью делает его популярным в коммерческих исследованиях.
-
Tobii Pro Spark — частота: 60 Hz; точность: ~0.2–0.3°; бюджетный/массовый скрин‑based вариант. Подходит для базовых UX‑тестов и образовательных проектов.
-
Встроенные решения (webcam/iPad) — частота: 30–60 Hz; точность: сильно ниже (пример: iPad ≈3.2° vs профессиональные устройства ≈0.75°); процент невалидных сессий может быть 5–20% в зависимости от условий. Однако они доступны и не требуют специального оборудования.
Применение eye-tracking в анализе поведения пользователей
Айтрекинг показывает, какие элементы видит пользователь, где задерживается взгляд, а где внимание «проскакивает». Это выявляет скрытые барьеры интерфейса: слепые зоны для CTA, непонятную иерархию, отвлекающие элементы.
Типовые метрики:
-
Time to First Fixation (TTFF) — время до первой фиксации на элементе. Показывает, насколько быстро пользователь замечает важный элемент.
-
First Fixation Duration (FFD) — длительность первой фиксации. Отражает первичный интерес.
-
Dwell Time — общее время, проведённое взглядом на элементе. Указывает на глубину вовлечения.
-
Revisits — количество возвратов взгляда. Может означать как интерес, так и непонимание.
-
Time to Click (TTC) — время от первой фиксации до клика. Важно для оценки юзабилити.
-
Fixation Count — количество фиксаций. Высокое значение может указывать на сложность восприятия.
-
Heatmap Intensity — интенсивность внимания по цветовой шкале.
-
Реальные примеры из практики отрасли и опубликованных кейсов:
-
Exact Target (VWO кейс). Пример улучшения лендинга — смена изображения и переработка визуальной иерархии привели к росту конверсии на ≈40.18%. Ключевым изменением стало перемещение главного призыва к действию в зону ранних фиксаций и усиление контраста заголовка.
-
Маркетплейс‑кейс (практика в eCommerce). Перенос CTA/цены и оптимизация карточки товара по heatmap → рост заявок/покупок на 25–35% в повторных A/B‑тестах. Данные айтрекинга показали, что пользователи пропускали кнопку «Купить», расположенную внизу страницы.
-
SAR‑кейс (внутренний пример). Перестановка фильтров и вывод CTA в зоны ранних фиксаций сократила Time to First Click и увеличила конверсию на двузначный процент (результат подтверждён повторным измерением). Исследование выявило, что пользователи не замечали фильтры в боковой панели.
Для воспроизводимости каждого кейса — в разделе «Протокол исследования» указаны N, длительность теста, условия и шаблон отчёта.
-
Примеры использования в веб‑дизайне
F‑паттерн: классический маршрут чтения; располагайте ключевые слова в начале строк и заголовки повыше. Практические числа по вниманию на первом экране: 57% времени — первый экран; 74% — первые два экрана (Nielsen, Pressfeed анализы). Используйте эти ориентиры при планировании CTA и важной информации.
Пользователи обычно сканируют страницу в форме буквы F: горизонтально вдоль верхней части, затем немного ниже и снова горизонтально, после чего вертикально вниз по левой стороне. Это означает, что самая важная информация должна располагаться в верхней части страницы и в начале абзацев.
Z‑паттерн работает для страниц с меньшим количеством текста: взгляд движется от верхнего левого угла к верхнему правому, затем по диагонали вниз влево и снова вправо. Этот паттерн часто используется на лендингах и в рекламных баннерах.
-
Тепловые карты и карты видимости
-
Heatmap — интенсивность внимания по цвету. Красные зоны показывают области максимального внимания, жёлтые — среднего, зелёные и синие — минимального. Это самый наглядный способ визуализации данных взгляда.
-
Scrollmap — где пользователи доходят при скролле. Показывает процент пользователей, которые прокрутили страницу до определённой точки. Помогает понять, где размещать важный контент.
-
Gaze plot / траектория — последовательность фиксаций (важно для оценки когнитивной стратегии). Круги показывают точки фиксации, линии — саккады (быстрые движения глаз между фиксациями). Размер круга соответствует длительности фиксации.
Анализ траектории перемещения взгляда
EventIDE / Labvanced-примеры показывают реальное отслеживание фиксаций/сакад и метрик скорости в реальном времени. Это важно при задачах, где критична последовательность восприятия: формы, карта продукта, checkout flow.
Анализ траектории помогает понять логику пользователя. Например, если взгляд многократно возвращается к одному элементу, это может означать непонимание или поиск дополнительной информации. Хаотичные движения глаз часто указывают на дезориентацию пользователя в интерфейсе.
В реальном времени можно отслеживать, как пользователь взаимодействует с динамическим контентом — видео, анимацией, интерактивными элементами. Это особенно полезно для тестирования игровых интерфейсов и обучающих приложений.
Бизнес‑выгоды от использования eye-tracking
Опираясь на опубликованные кейсы и обзоры: оптимизация визуальной иерархии по данным взгляда даёт приросты конверсии в диапазоне ~25–65% в зависимости от категории и глубины правок.
Примеры:
-
Exact Target +40.18%
-
Royal Discounts +36.54%
Ключевой момент — не просто провести исследование, а правильно интерпретировать данные и внедрить изменения. Часто небольшие правки (перемещение кнопки, изменение цвета, корректировка заголовка) дают значительный эффект.
Оптимизация пользовательского опыта
Размещение ключевых блоков в зонах ранних фиксаций, согласование контента с F/Z‑паттернами и устранение отвлекающих элементов снижает bounce rate и cart abandonment.
Оптимизация UX через айтрекинг включает несколько направлений:
-
Упрощение навигации. Данные взгляда показывают, какие пункты меню пользователи находят легко, а какие игнорируют. Это позволяет переструктурировать навигацию логичнее.
-
Улучшение читабельности. Анализ фиксаций на тексте помогает определить оптимальную длину строки, размер шрифта и межстрочный интервал.
-
Оптимизация форм. Eye-tracking выявляет, какие поля формы вызывают затруднения, где пользователи делают ошибки и где бросают заполнение.
-
Снижение уровня отказов
Высокий bounce rate часто связан с тем, что пользователь не находит нужную информацию в первые секунды. Айтрекинг показывает, куда смотрит пользователь сразу после загрузки страницы.
Типичные проблемы, выявляемые через eye-tracking:
-
Важная информация находится вне зоны первичного внимания
-
Слишком много отвлекающих элементов (баннеры, анимация)
-
Непонятная структура страницы
-
Слабый визуальный контраст ключевых элементов
Исправление этих проблем на основе данных айтрекинга приводит к измеримому снижению отказов. В некоторых случаях показатель bounce rate падает на 20–30%.
Проблемы и ограничения технологии eye-tracking
-
Потребительские веб‑решения (webcam, iPad) — частота 30–60 Hz, точность хуже; исследование показывает iPad ≈3.2° в сравнении с профессиональными устройствами ≈0.75°, и 5–20% пользователей могут не пройти трекинг.
-
Лабораторные системы — точность до 0.1–0.5°, частоты 250–1200 Hz; подходят для психофизиологии и клиники.
Частые артефакты:
-
Прищуривание — изменяет форму глаза и затрудняет определение зрачка
-
Блики — от очков, экрана или окружающего освещения
-
Светофильтры очков — блокируют инфракрасное излучение
-
LASIK/хирургия роговицы — изменяет оптические свойства глаза
-
Сильные движения головы — выводят глаз из зоны трекинга
-
Неверная калибровка — приводит к систематическим ошибкам
Частые ошибки при проведении исследований
-
Плохая калибровка (неперсонифицированная) — всегда калибруйте отдельно каждого участника. Использование одной калибровки для всех приводит к значительным ошибкам.
-
Неправильный рекрутинг — нужны пользователи, которые видят продукт впервые. Знакомые с интерфейсом участники ведут себя иначе.
-
Смешение фиксации и понимания — фиксация ≠ понимание, нужна дополнительная поведенческая валидация (task success, кликовые метрики). Пользователь может долго смотреть на элемент, но не понимать его назначение.
-
Отсутствие preregistration и прозрачности анализа — документируйте pipeline. Без чёткого плана анализа легко поддаться соблазну «подгонки» результатов.
-
Игнорирование артефактов (мигания, lost samples) — применяйте фильтры и пороги (интерполяция gaps ≤25 ms, отбрасывание >50% пропусков). Некачественные данные приводят к ложным выводам.
Этические аспекты и конфиденциальность данных
Данные о взгляде — биометрические и потенциально чувствительные (могут косвенно содержать признаки когнитивного состояния). Требуется информированное согласие (описание целей и хранения данных), минимизация сбора и соблюдение локального законодательства (например, требования к биометрическим данным в отдельных юрисдикциях).
Для медицинских применений обязательны одобрение этического комитета и документированное согласие.
Assistive/AT‑угол (управление взглядом для людей с ОВЗ)
Подтверждение действия при управлении взглядом:
-
Остановка взгляда (dwell) — обычно используется 400–800 мс как рабочий диапазон (требует валидации под пользователя). Это самый распространённый метод, но он может утомлять.
-
Переключатель (switch) — внешнее устройство для подтверждения. Более точный метод, но требует дополнительного оборудования.
-
Мигание — редко рекомендуется из‑за потери фокуса. Может вызывать дискомфорт при длительном использовании.
Будущее eye-tracking в 2026 году
Рынок растёт за счёт AR/VR, автомобильных DMS‑решений и интеграции с AI для аналитики. Оценки рынка варьируются, но общая тенденция — CAGR высоких двузначных значений в ближайшие годы; носимые и встроенные решения в HMD/авто будут драйвить рост.
Интеграция с AI и VR
AI повышает устойчивость трекинга в «диких» условиях (edge‑ML, fusion с IMU/ToF), в VR/AR eye‑tracking применяют для foveated rendering и интерактивных сценариев. Для клинических задач AI позволяет выделять биомаркеры (например, для PD/AD) на основе саккад/фиксаций.
-
Foveated rendering — технология, которая рендерит изображение с максимальной детализацией только в области взгляда пользователя, снижая нагрузку на GPU. Это критично для VR, где требуется высокая частота кадров.
-
AI-предсказание внимания — нейросети учатся предсказывать, куда пользователь посмотрит дальше, что позволяет заранее подгружать контент или адаптировать интерфейс.
-
Биометрическая аутентификация — паттерны движения глаз уникальны для каждого человека и могут использоваться для идентификации.
Схема, показывающая, как eye-tracking может интегрироваться с AI и VR.
Потенциал для новых приложений
Новые области применения:
-
Телемедицина — удалённая диагностика неврологических состояний через анализ движений глаз. Особенно актуально для мониторинга пациентов с хроническими заболеваниями.
-
Нейродиагностика — выявление ранних признаков болезни Паркинсона, Альцгеймера и других нейродегенеративных заболеваний.
-
Driver monitoring (DMS) — обязательные DMS‑функции в некоторых автомобилях к 2026 году. Системы отслеживают усталость водителя, отвлечение внимания и состояние алкогольного опьянения.
-
Ассистивные интерфейсы — управление компьютером и смартфоном взглядом для людей с ограниченными возможностями.
-
Умные очки/линзы — интеграция eye-tracking в носимые устройства для AR-приложений и мониторинга здоровья.
Протокол проведения eye-tracking‑исследования
-
Цель и гипотезы: чётко опишите KPI (CR, TTF, FFD, Bounce). Без конкретных метрик исследование превращается в сбор данных ради данных.
-
Рекрутинг: N = 8–12 (пилот) / 20–30 (надежная статистика для UX) в зависимости от цели; критерии: возраст, зрение, опыт. Участники должны представлять целевую аудиторию.
-
Окружение: лаборатория (контролируемое освещение) или удалённо (webcam — учтите снижение точности). Стабильные условия критичны для воспроизводимости.
-
Калибровка: 5–9 точек; валидация по 4 точкам; логгируйте offset. Документируйте качество калибровки для каждого участника.
-
Сценарии: 1–3 realistic tasks; время окна стимулов фиксируйте. Задачи должны быть естественными и соответствовать реальному использованию.
-
Запись: gaze samples, timestamp, AOI‑логика, камера/экранное видео. Синхронизация всех источников данных обязательна.
-
Предобработка: фильтрация артефактов, интерполяция gaps ≤25 ms, удаление сессий >20% loss. Качество данных важнее количества.
-
Анализ: TTFF, FFD, Dwell, Revisits, Heatmap intensity, Sequence analysis (gaze plots). Используйте несколько метрик для полной картины.
-
Отчёт: heatmaps, gaze plots, AOI csv, выводы «что сделать» + A/B‑гипотезы. Отчёт должен быть понятен заказчику без специальных знаний.
-
A/B‑валидация изменений: проводить split‑test с контрольной группой и измерять реальные бизнес‑KPIs. Только так можно подтвердить эффективность изменений.
Технические детали для айтрекинг‑пилота (чек‑лист)
-
Калибровка: 9 точек для высокоточных задач; 5 точек — компромисс.
-
Частота: ≥120 Hz — веб‑UX, ≥250 Hz — детальная аналитика, ≥1000 Hz — психофизиология/нейронаука.
-
Head tracking: нужен для свободного движения головы (6DOF).
-
Очки/линзы: тестируйте участников в очках заранее; возможны потери качества.
-
Синхронизация: метки (triggers) между стимулом, логом и видео.
Рекомендации по внедрению eye-tracking в бизнес
Практический план:
-
Пилот: 8–12 респондентов, 1 сценарий, 2 варианта макета, калибровка 9 точек, отчёт с heatmap/gaze plot и SAR‑выводами. Начните с пилота и переходите к A/B‑тестированию.
-
A/B‑тест: перенос изменений в трафик, замер метрик CR, конверсий и LTV. Контрольная группа обязательна.
-
Тиражирование: только после подтверждения воздействия на KPI. Не внедряйте изменения массово без проверки.
AI‑eye‑tracking: когда можно, когда нельзя
AI‑модели внимания (синтетический ET) — ускоряют принятие решений и применимы для массового скрининга изображений/баннеров и предсказательных оценок, но имеют ограничения: они не заменяют реального ET при проверке форм, микровзаимодействий, тонких юзабилити‑вопросов и клинических диагностик.
Для критичных интерфейсов и микровзаимодействий необходимы реальные данные взгляда.
Позиция по AI: используйте AI‑модели для предварительной фильтрации и генерации гипотез; валидируйте ключевые гипотезы реальными тестами с участниками.
Часто задаваемые вопросы (FAQ)
-
Как выбрать устройство для eye-tracking?
Оцените задачу: лабораторный эксперимент (EyeLink/Tobii Spectrum), UX‑тесты (Tobii Fusion / Spark), массовые исследования — webcam/AI‑модели.
Критерии выбора:
-
Sampling rate (Hz) — чем выше, тем точнее данные о быстрых движениях глаз
-
Точность (°) — для клинических исследований нужна максимальная точность
-
Устойчивость к движению головы — важно для естественных условий
-
Совместимость с очками — критично, если целевая аудитория носит очки
-
Поддержка 6DOF — необходима для VR/AR приложений
-
Софт для AOI и экспорт CSV — упрощает анализ данных
-
Какие исследования можно провести с помощью eye-tracking?
Usability/UX — тестирование интерфейсов, сайтов, приложений.
Чтение и психолингвистика — изучение процессов чтения и понимания текста.
Shelf testing в ритейле — оценка размещения товаров на полках.
DMS в авто — мониторинг состояния водителя.
Клинические исследования oculomotor control — диагностика неврологических расстройств.
Обучение и e‑learning — оценка эффективности образовательных материалов.
Telemedicine assessment — удалённая диагностика.
-
Нужно ли согласие? Да — всегда. Для медицинских/диагностических исследований — одобрение этического комитета.
-
Можно ли заменить реальный ET нейросетью? Можно для предскрининга и креатив‑тестов; нельзя для клинических выводов, микроинтеракций и точной валидации форм.
-
Как интерпретировать результаты eye-tracking?
Указывайте систему координат (px/deg), применяйте предобработку (интерполяция gaps ≤25 ms, удаление сессий с >20% loss), связывайте фиксации с поведенческими метриками (клик/успех задачи) — фиксация ≠ понимание.
Основные принципы интерпретации:
-
Контекст важнее абсолютных значений. Сравнивайте метрики между вариантами дизайна, а не оценивайте их изолированно.
-
Триангуляция данных. Используйте несколько источников: eye-tracking + клики + опросы + task success.
-
Качественный анализ. Не ограничивайтесь цифрами — смотрите видеозаписи сессий, ищите паттерны поведения.
-
Статистическая значимость. Проверяйте, действительно ли различия между группами статистически значимы.
Заключение
Eye‑tracking — инструмент для точной работы с вниманием пользователя: не цель сам по себе, а средство для принятия решений и валидации гипотез.
Начинайте с малого: пилот → A/B → масштабирование. Без контроля качества данных — результаты будут вводящими в заблуждение.
AI и веб‑камера делают ET доступнее, но для критичных задач и медицины требуются профессиональные трекеры и протоколы.
Этическая и правовая составляющая — обязательна: информированное согласие, минимизация сбора и хранение по локальным требованиям.
