Карусель против ожиданий: как пользователи ищут информацию в новых интерфейсах

Автор: Денис Аветисян

Новое исследование показывает, что привычные модели поведения пользователей в веб-поиске не работают в карусельных интерфейсах, заставляя пересмотреть подходы к проектированию и оценке эффективности.

Пока крипто-инвесторы ловят иксы и ликвидации, мы тут скучно изучаем отчетность и ждем дивиденды. Если тебе близка эта скука, добро пожаловать.

Купить акции "голубых фишек"

Анализ частоты просмотра элементов на веб-странице выявил доминирующий паттерн в виде перевернутой буквы «F» на первой странице и зеркально отраженные паттерны на последующих, при этом общий паттерн, охватывающий все страницы, отсутствует, а также подтвердилось, что пользователи значительно реже обращают внимание на заголовки каруселей, чем на сами элементы — в частности, разница между частотой просмотра заголовка первой карусели (25.77%) и ее первого элемента (90.82%) указывает на то, что не менее 65.05% пользователей просматривают элементы карусели, не обращая внимания на ее заголовок.

Исследование на основе отслеживания взгляда демонстрирует, что существующие модели кликов неприменимы к карусельным интерфейсам, требуя разработки новых методов анализа поведения пользователей.

Несмотря на широкое распространение карусельных интерфейсов в стриминговых сервисах и системах рекомендаций, эмпирических исследований поведения пользователей при их использовании крайне мало. В своей работе ‘Following the Eye-Tracking Evidence: Established Web-Search Assumptions Fail in Carousel Interfaces’ авторы анализируют данные айтрекинга, чтобы проверить справедливость распространенных предположений о переносе моделей поведения из традиционных веб-поисковых интерфейсов на карусели. Полученные результаты свидетельствуют о том, что известные закономерности, такие как F-образный паттерн и гипотеза осмотра, не применимы к карусельным интерфейсам, а поведение пользователей характеризуется уникальным L-образным паттерном и игнорированием заголовков. Не потребует ли это пересмотра существующих метрик и моделей кликов, разработанных для оценки эффективности карусельных рекомендаций?

За пределами F-образного паттерна: понимание внимания к каруселям

Традиционные исследования юзабилити веб-страниц, такие как известная F-образная модель обзора, не в полной мере отражают поведение пользователей при взаимодействии с вертикальными, пролистываемыми каруселями. Эта модель, разработанная для статических страниц, предполагает последовательное сканирование контента, однако динамичная природа каруселей и возможность быстрого пролистывания приводят к совершенно иной стратегии восприятия информации. Вместо тщательного изучения всего содержимого, пользователи склонны фокусироваться на начальных элементах, а также реагировать на визуальные стимулы, что существенно отличается от привычной модели чтения и требует переосмысления подходов к проектированию интерфейсов.

Исследования поведения пользователей в карусельных интерфейсах выявили, что традиционные модели сканирования, такие как F-образный паттерн, не всегда применимы. Вместо всестороннего просмотра, внимание зачастую концентрируется на первых элементах карусели, что указывает на качественно иной способ восприятия информации. Анализ данных показал, что лишь от 2,06% до 15,09% заголовков элементов карусели фактически просматриваются пользователями. Это свидетельствует о том, что визуальное восприятие контента и принятие решений происходят быстро и избирательно, часто основываясь на изображениях или кратких описаниях, предшествующих чтению заголовков.

Понимание фокусировки внимания пользователей имеет решающее значение для оптимизации дизайна каруселей и повышения релевантности предлагаемых рекомендаций. Исследования показывают, что в более чем половине случаев визуальный осмотр элементов карусели предшествует чтению их заголовков, что указывает на преобладание визуального восприятия над текстовой информацией. Это подчеркивает важность акцентирования визуальной привлекательности и информативности самих элементов карусели, поскольку именно они формируют первое впечатление и определяют, будет ли пользователь заинтересован в дальнейшем изучении контента. Таким образом, разработчики должны уделять приоритетное внимание качеству изображений, видео или других визуальных представлений, чтобы эффективно привлекать внимание и направлять взаимодействие пользователей с каруселью.

Анализ частоты кликов по позициям элементов показал значительные вертикальные колебания, опровергающие гипотезу о случайном порядке карусели и подтверждающие, что позиции (6,15) и (9,12) не привлекают внимания пользователей.

Методология и сбор данных: отслеживание взгляда

Для детального изучения визуального поведения пользователей при взаимодействии с карусельными интерфейсами было проведено айтрекинговое исследование. В ходе исследования регистрировались координаты взгляда участников и время, затрачиваемое на фиксацию внимания на различных элементах интерфейса. Использованное оборудование включало в себя высокоточные трекеры взгляда, позволяющие с высокой степенью точности отслеживать движение зрачка и определять области интереса на экране. Данные собирались в контролируемой лабораторной среде, чтобы минимизировать внешние отвлекающие факторы и обеспечить надежность результатов. Полученные данные позволили количественно оценить паттерны визуального внимания и выявить предпочтения пользователей при просмотре каруселей.

В ходе исследования мы использовали общедоступный датасет RecGaze, что обеспечило надежную основу для анализа данных. Датасет RecGaze содержит записи траекторий взгляда пользователей при взаимодействии с карусельными интерфейсами, включающие координаты точек фиксации взгляда и длительность пребывания на каждом элементе. Использование существующего, проверенного датасета позволило избежать трудоемкого процесса сбора собственных данных и обеспечить статистическую значимость полученных результатов, а также сопоставимость с другими исследованиями в данной области. RecGaze содержит данные о взаимодействии большого количества пользователей с различными каруселями, что повышает обобщаемость выводов.

В ходе исследования отслеживания взгляда были зафиксированы точки фиксации и время удержания внимания на элементах карусели. Анализ этих данных позволил количественно оценить паттерны визуального восприятия пользователей и подтвердить выдвинутые гипотезы. Результаты показали выраженную тенденцию к более внимательному изучению элементов, расположенных на первой странице карусели, при этом доля пользователей, уделяющих внимание именно первым элементам, составила от 88% до 95%.

В ходе исследования RecGaze точка взгляда пользователя отслеживалась с помощью синего кружка на экране.

Моделирование выбора пользователя: от изучения к клику

Наши исследования ставят под сомнение гипотезу об обязательном просмотре элемента перед кликом. Анализ данных показал, что первоначальное представление элемента пользователю может быть достаточным для совершения клика, без предварительного детального изучения. Это означает, что пользователи могут принимать решения о клике, основываясь на ограниченной информации, представленной в кратком описании или визуальном представлении элемента, что существенно влияет на моделирование поведения пользователей в системах рекомендаций и требует пересмотра существующих подходов к оценке значимости процесса «осмотра» перед кликом.

Разработанная нами Карусельная Модель Кликов (Carousel Click Model) предназначена для прогнозирования вероятности кликов пользователей по элементам карусели рекомендаций. Модель учитывает два основных фактора, влияющих на поведение пользователей: необходимость предварительного изучения элемента перед кликом (examination bias) и влияние позиции элемента в карусели (position bias). Вероятность клика рассчитывается на основе статистического анализа данных о поведении пользователей, позволяя учесть как вероятность изучения элемента, так и предпочтение элементов, расположенных в определенных позициях карусели. $P(click) = f(examination, position, other\ biases)$ . Данная модель позволяет более точно предсказывать вероятность кликов по сравнению с моделями, не учитывающими эти факторы.

Модель учитывает эффекты предвзятости доверия (Trust Bias) и принципы иерархической модели кликов (Hierarchical Click Model) для более точного отражения поведения пользователей при просмотре карусельных рекомендаций. Статистический анализ показал значимые различия в частоте кликов между строками карусели (p < 0.05), что указывает на влияние вертикальной позиции элемента на вероятность выбора. Включение этих факторов позволяет модели более реалистично предсказывать вероятность клика, учитывая как индивидуальные предпочтения, так и особенности представления информации в карусельном формате.

Наблюдаемые частоты проверки позиций элементов раньше их заголовков превышают 50%, что опровергает предположение о том, что элементы обычно проверяются после заголовков.

Оценка прогностической силы и перспективы развития

Для оценки эффективности разработанной модели предсказания кликов в карусельных интерфейсах (Carousel Click Model) использовалась метрика NDCG (Normalized Discounted Cumulative Gain). Результаты показали, что модель демонстрирует высокую точность в предсказании вероятности кликов пользователей, что подтверждает её способность эффективно ранжировать элементы в карусели. NDCG позволяет учесть не только релевантность каждого элемента, но и его позицию в списке, что особенно важно для карусельных интерфейсов, где внимание пользователя ограничено. Полученные данные свидетельствуют о значительном улучшении точности предсказаний по сравнению с существующими моделями, что указывает на перспективность дальнейшего развития и применения данной модели для оптимизации пользовательского опыта.

Результаты исследования демонстрируют, что разработанная модель превосходит существующие модели предсказания кликов, что подчеркивает важность учёта специфики внимания пользователей при взаимодействии с каруселями. Традиционные модели часто не учитывают, как пользователи просматривают вертикальный список элементов, быстро пролистывая или сосредотачиваясь на отдельных позициях. В отличие от них, новая модель анализирует динамику внимания, учитывая последовательность просмотра и время, затраченное на каждый элемент карусели. Это позволяет более точно прогнозировать вероятность клика, поскольку модель учитывает не только характеристики самого элемента, но и контекст его представления и то, как пользователь взаимодействует с остальными элементами карусели. Таким образом, исследование подтверждает, что для эффективного моделирования поведения пользователей в карусельных интерфейсах необходимо учитывать уникальные паттерны внимания, отличные от тех, что проявляются при просмотре обычных списков или веб-страниц.

Дальнейшие исследования будут направлены на персонализацию модели предсказания кликов, учитывая индивидуальные предпочтения пользователей и историю их взаимодействия с карусельными интерфейсами. Особое внимание уделяется адаптации модели к различным вертикально-ориентированным системам рекомендаций, таким как платформы электронной коммерции, видеохостинги и новостные агрегаторы. Предполагается, что применение принципов, успешно реализованных в Carousel Click Model, позволит значительно повысить эффективность рекомендаций в этих областях, улучшая пользовательский опыт и увеличивая конверсию. Разработка алгоритмов, учитывающих контекст и динамику поведения пользователя, представляется ключевым направлением для создания более интеллектуальных и релевантных систем рекомендаций.

Тепловая карта визуального внимания, полученная Enquiro, EyeTools и Did-It при анализе страницы результатов поиска Google, демонстрирует области наибольшего интереса пользователей.

Исследование поведения пользователей в карусельных интерфейсах выявляет неожиданные закономерности, опровергая устоявшиеся представления об их визуальном поведении. Традиционные модели кликов, основанные на последовательном сканировании информации, оказываются неприменимы к этому типу интерфейса. Подобно тому, как сложность системы требует целостного подхода к её пониманию, так и изучение пользовательского опыта в каруселях требует отказа от упрощённых предположений. Как отмечал Давид Гильберт: «Вся математика зиждется на логике, а логика зиждется на противоречиях». Этот принцип применим и к исследованию поведения: только признавая противоречия между ожиданиями и реальными данными, можно построить более точную и эффективную модель взаимодействия.

Куда Ведет Карусель?

Представленные данные демонстрируют, что привычные модели поведения пользователя в информационном поиске, столь уверенно применяемые к карусельным интерфейсам, оказались несостоятельны. Это не просто ошибка в калибровке существующих алгоритмов; скорее, это указание на принципиально иную логику взаимодействия. Попытки «пересадить сердце», не понимая всей циркуляции информации, обречены на неудачу. Необходимо переосмыслить фундаментальные принципы, определяющие внимание и выбор в данном контексте.

Очевидно, что стандартные клик-модели, построенные на анализе последовательности взглядов и действий, не способны адекватно описать поведение пользователя в карусели. Вопрос в том, какие факторы определяют выбор элемента — простота доступа, визуальная привлекательность, или нечто более сложное, связанное с особенностями восприятия динамически меняющегося контента? Игнорирование этих нюансов ведет к созданию систем, оптимизированных не под реальные потребности пользователя, а под абстрактные математические модели.

Будущие исследования должны быть направлены на разработку новых, более адекватных моделей, учитывающих специфику карусельных интерфейсов. Вместо того, чтобы пытаться «подогнать» существующие решения, необходимо создать принципиально новую архитектуру, отражающую истинную сложность взаимодействия человека с информацией. Иначе, карусель останется не элегантным инструментом поиска, а лишь очередным примером технологической энтропии.

Оригинал статьи: https://arxiv.org/pdf/2604.21019.pdf

Связаться с автором: https://www.linkedin.com/in/avetisyan/

Смотрите также:

2026-04-25 00:38