Découvrez dans ce guide complet les étapes indispensables pour réaliser des tests d’eye tracking sur les téléphones portables. Découvrez les outils et les techniques nécessaires pour mesurer efficacement l’attention et l’engagement des utilisateurs.
Table of Contents
Quiconque a déjà utilisé un smartphone ou tout autre appareil mobile moderne, et a eu le plaisir de profiter des millions d’applications à portée de main, a sans aucun doute déjà vécu l’expérience d’une application gâchée par une interface utilisateur (UI) médiocre.
Les concepteurs de produits et d’expérience utilisateur (UX) doivent souvent passer par plusieurs cycles de tests, d’entretiens et d’analyses, avec de multiples itérations du produit, de la fonctionnalité ou du design, avant de lancer une version jugée conviviale.
C’est pourquoi, dans le paysage technologique en constante évolution d’aujourd’hui, les concepteurs et les développeurs s’intéressent à un certain nombre de questions qui peuvent les aider tout au long du processus de conception. Les questions qui nous sont souvent posées portent sur la capacité d’iMotions à répondre aux besoins les plus courants en matière de tests de téléphones et d’applications. Des questions telles que :
- Comment les gens interagissent-ils avec différents types de contenus, surtout à notre époque où le défilement machinal est devenu notre principal moyen d'obtenir des recommandations, d'entrer en contact avec les autres et de nous tenir informés de l'actualité mondiale ?
- En quoi les applications influencent-elles notre participation à la vie sociale et notre engagement face aux événements et aux changements sociaux et politiques ?
- Comment les sites web s'affichent-ils sur un petit écran de téléphone par rapport à un écran d'ordinateur ?
- Les gens lisent-ils le texte jusqu'au bout, ou existe-t-il un équilibre idéal entre texte et images pour retenir leur attention ?
Les biocapteurs constituent un outil formidable pour étudier des concepts tels que l’attention, les réactions émotionnelles, la conception de sites web et toutes sortes de tests d’expérience utilisateur.
Pour vous aider à tester ces questions, Smart Eye et iMotions ont mis au point un support mobile qui vous permet d’utiliser vos oculomètres Smart Eye pour tester des téléphones et des applications. Vous pouvez ainsi profiter de tous les avantages de votre oculomètre sur écran, mais directement sur un téléphone.
Pourquoi nous avons créé un support mobile
Avant de poursuivre, il est utile de prendre un instant pour comprendre pourquoi la mise au point de ce qui ressemble à du plastique sur du métal constitue en réalité un projet de grande envergure. Un oculomètre classique à écran part du principe que l’appareil est placé sous l’écran et que le participant se trouve à une certaine distance de celui-ci.
Grâce à ces données, l’oculomètre peut calculer l’angle de vision des participants lorsqu’ils regardent différentes parties de l’écran. Même si cela revient à simplifier à l’extrême les calculs complexes effectués par un oculomètre, cela suffit pour comprendre que l’utilisation de ce même matériel sur un téléphone plutôt que sur un ordinateur nécessite des développements techniques impressionnants en coulisses.
Tout d’abord, imaginez que vous utilisez un téléphone et qu’un oculomètre est placé sous celui-ci. Et voilà, le tour est joué ! Plus besoin de support pour téléphone, n’est-ce pas ? Cela peut sembler logique dans votre imagination, mais il existe une différence fondamentale entre l’oculométrie sur un téléphone et celle sur un écran d’ordinateur : le fait que vous utilisiez vos mains.
Les participants utiliseront probablement leurs mains pour faire défiler l’écran et interagir avec le téléphone ; dans la pratique, vous constaterez que si l’oculomètre est placé sous le téléphone, les mains le masqueront, ce qui entraînera une perte de données. La nature même de l’utilisation d’un appareil mobile nécessite une configuration particulière si l’on souhaite obtenir des données d’oculométrie fiables.
Deuxièmement, les dimensions d’un téléphone sont très différentes de celles d’un écran d’ordinateur. Non seulement l’écran est plus petit, mais nous tenons un téléphone à un angle différent de celui d’un ordinateur portable, par exemple. Les paramètres de l’oculomètre tiennent compte de cet angle lors du calcul de la position du regard ; il est donc essentiel de pouvoir régler la position, l’angle et la hauteur de l’oculomètre par rapport à l’écran afin d’obtenir les calculs de regard les plus précis possibles lorsque l’on passe d’un écran d’ordinateur à un téléphone, et inversement.
L’utilisation d’un support pour mobile offre donc un équilibre parfait entre expérimentation contrôlée et validité écologique : vous pouvez tester le contenu mobile dans l’environnement pour lequel il a été conçu, sans pour autant compromettre la qualité des données. Le fait de pouvoir utiliser le même oculomètre Smart Eye aussi bien pour l’écran que pour le téléphone facilite également grandement les choses.
Recherche UX avec le support pour mobile – Comment effectuer des tests sur votre téléphone
Comment pouvons-nous donc utiliser le support pour mobile avec iMotions dans le cadre de la recherche en expérience utilisateur ? Nous avons mené une étude dans laquelle nous avons demandé aux participants d’effectuer deux tâches : 1. Lire l’un de nos articles de blog sur l’analyse des expressions faciales et 2. Faire défiler le fil d’actualité du compte Instagram d’iMotions. Nous avons choisi ces tâches afin de mettre en évidence certains des comportements clés que nos clients aiment étudier, tels que la navigation sur les réseaux sociaux, la navigation sur les sites web et le visionnage de publicités dans du contenu intégré, pour n’en citer que quelques-uns.
La première question que nous nous sommes posée était la suivante : si nous ne nous intéressions qu’à une seule image parmi des tonnes de contenu défilant, pourrions-nous l’isoler et l’examiner ? La réponse est bien sûr oui. Sur l’image ci-dessous/ci-contre, on voit une carte thermique d’une image représentant une configuration de laboratoire typique avec iMotions Desktop. Il s’agissait de l’une des nombreuses images publiées sur notre compte Instagram.
Mais grâce à l’outil Gaze Mapping d’iMotions, nous avons pu sélectionner l’image qui nous intéressait et utiliser la vision par ordinateur pour cartographier le mouvement dynamique du regard pendant le défilement sur cette image. Cela nous a permis de regrouper les données d’oculométrie provenant de plusieurs participants afin de générer cette carte thermique.
Nous avons ensuite souhaité étudier les comportements de défilement et évaluer la difficulté que cela représenterait à analyser. Comme nous le savons tous désormais, le défilement infini peut générer un flux de stimuli incessant, ce qui complique l’agrégation et l’analyse des données. Pour ajouter à cette complexité, les utilisateurs défilent à des vitesses différentes, choisissent de s’arrêter à des moments différents et empruntent des chemins différents pour accomplir une tâche.
En d’autres termes, il existe des différences individuelles quant à ce sur quoi les gens se concentrent, ce qu’ils ignorent, ce qui attire leur attention et ce qui la retient. Un bon moyen de cibler des éléments spécifiques à analyser consiste à utiliser des zones d’intérêt (AOI). Dans iMotions, vous pouvez définir des AOIdynamiques que vous pouvez déplacer à l’écran pendant l’analyse afin de refléter le comportement de défilement de chacun de vos participants.
À titre d’exemple, nous avons souhaité comparer deux des capteurs que nous utilisons pour mesurer la réponse galvanique de la peau : le Biopac et le Shimmer. Comme le montre l’analyse de la zone d’intérêt (AOI), les deux capteurs ont retenu l’attention de la plupart de nos participants, 80 % d’entre eux ayant regardé les deux appareils. Cependant, alors que les participants ont passé 34 % de leur temps à regarder l’image du Biopac, ils ont consacré près de 42 % de leur temps à lire la description de cet énorme appareil.
En revanche, avec le Shimmer, personne n’a ressenti le besoin de lire le texte, mais les participants ont passé 61 % de leur temps à regarder l’appareil. La photo du Shimmer était sans conteste plus photogénique que celle du Biopac, mais les participants étaient plus enclins à s’intéresser au contenu présenté sous la photo du Biopac que sous celle du Shimmer.
Une autre question qui nous est souvent posée concerne l’interaction entre le texte et les images. Pour y répondre, nous avons choisi notre article de blog sur l’analyse des expressions faciales, qui comporte une sous-section entière consacrée aux différentes expressions mesurées par l’algorithme.
Ces informations s’appuient à la fois sur du texte et des images pour illustrer les expressions faciales qui peuvent être mesurées. Imaginons que nous souhaitions générer une carte thermique pour déterminer si les participants se concentrent davantage sur le texte ou sur les repères visuels, mais nous devons trouver un moyen d’agréger les données sur un stimulus aussi long qu’il faut faire défiler.
Ce type de protocole est courant pour les sites web, les manuels, les notices d’utilisation et autres études d’ergonomie. Là encore, l’analyse du regard nous aide à créer une carte thermique de l’ensemble du guide sur l’analyse par éléments finis. Dans ce cas précis, elle permet de tenir compte du fait que nos participants font défiler la page et de générer une carte thermique à partir d’une image de référence qui est en réalité une capture d’écran de l’intégralité du document. (L’article se poursuit après l’image).
Bien sûr, la meilleure façon de comprendre les émotions et les préférences au-delà de ce que les gens regardaient consiste à adopter une approche multimodale, ce que nous avons d’ailleurs fait. Une webcam destinée à l’analyse des expressions faciales peut facilement être montée sur un trépied derrière le support pour mobile, et les participants peuvent porter un appareil Shimmer sur la main qui ne sert pas à faire défiler l’écran afin de mesurer la réponse galvanique de la peau (GSR). Vous pouvez voir ici l’un de nos participants en train d’essayer de reproduire les expressions faciales décrites dans le texte, avec les pics de GSR mis en évidence en gris indiquant son niveau d’excitation émotionnelle face au texte.
Pour l’ensemble des participants, la recherche multimodale peut fournir des informations supplémentaires sur le degré d’engagement des personnes vis-à-vis du contenu avec lequel elles interagissaient, sur ce à quoi elles prêtaient attention, ainsi que sur la nature de cet engagement en termes de valence et d’intensité.
Comme vous pouvez le constater, l’utilisation d’un support pour mobile permet aux chercheurs de tester des contenus mobiles sur un véritable téléphone, sans compromettre la qualité des données en les collectant en dehors d’un environnement de bureau contrôlé. Associé aux puissantes fonctionnalités d’analyse d’eye tracking d’iMotions, notamment la cartographie du regard et les zones d’intérêt dynamiques, ce support offre désormais des possibilités illimitées pour mener des études sur des appareils mobiles.
