تعتمد خرائط الحرارة للانتباه في FlowDx على نموذج DeepGaze IIE. تم اقتراح هذا النموذج من قبل Linardos وآخرين في ورقة ICLR 2021 البحثية بعنوان «DeepGaze IIE: Calibrated prediction in and out-of-domain for state-of-the-art saliency modeling»، والمنبثقة عن مختبر Bethge Lab لعلوم الأعصاب الحسابية بجامعة توبنغن في ألمانيا. في اختبار MIT/Tilburg Saliency Benchmark، احتل DeepGaze IIE المرتبة الأولى في عدة مؤشرات، حيث تجاوز ارتباط نتائج تنبؤاته مع بيانات حركة العين البشرية الحقيقية 0.87.
ماذا تعني ألوان خريطة الحرارة؟
| اللون | المعنى | نسبة الانتباه |
|---|---|---|
| أحمر | منطقة أعلى انتباه — يرى المستخدم هذا أولاً | أعلى 10% |
| برتقالي مصفر | انتباه عالٍ — ستنتقل نظرة العين إلى هنا بسرعة | 10-30% |
| أخضر | انتباه متوسط — سيتم ملاحظته أثناء التصفح | 30-60% |
| أزرق | انتباه منخفض — سيتجاهله معظم المستخدمين | 60-90% |
| داكن/بدون لون | منطقة عمياء — لا يراها أحد تقريباً | آخر 10% |
أنماط خرائط الحرارة الشائعة
النمط الأول: التركيز المركزي (صحي)
تتركز المناطق الحمراء على المعلومات الأساسية للمحتوى (الوجوه، العناوين، أزرار CTA). هذا يعني أن التسلسل الهرمي البصري واضح، ويمكن للمستخدم فهم الرسالة التي تريد إيصالها بسرعة.
النمط الثاني: المشتت (مشكلة)
تتوزع المناطق الحمراء في مواقع متعددة دون وجود بؤرة تركيز رئيسية واضحة. هذا يشير إلى وجود عناصر كثيرة جداً في الصورة، مما أدى لتشتت الانتباه. الحل: تقليل عدد العناصر وإنشاء بؤرة بصرية رئيسية واضحة.
النمط الثالث: غير المتوافق (مشكلة خطيرة)
تتركز المناطق الحمراء في أماكن لا تريد أن ينظر إليها المستخدم (مثل عنصر غير ذي صلة في الخلفية)، بينما تقع معلوماتك الأساسية (العنوان، المنتج) في المناطق الزرقاء أو الخضراء. هذا هو قاتل معدل النقر (CTR).
النمط الرابع: الهامشي (هدر)
يتركز الانتباه على حواف الصورة. يحدث هذا عادةً عندما يكون الموضوع الرئيسي صغيراً جداً مع وجود مساحات فارغة كبيرة. ينجذب الدماغ إلى المناطق ذات التباين العالي عند الحواف (مثل الحد الفاصل بين إطار الصورة والخلفية).
المسار البصري: "طريق القراءة" للمستخدم
بالإضافة إلى خريطة الحرارة، يقوم FlowDx بإنشاء المسار البصري — وهو يتنبأ من أين تبدأ عين المستخدم وبأي ترتيب يتم مسح الصورة. يجب أن يكون المسار البصري المثالي كالتالي:
- البدء من نقطة الارتكاز الأقوى للانتباه (عادةً ما تكون وجهاً أو أكبر نص)
- الانتقال إلى المعلومات المساعدة (العناوين الفرعية، صور المنتج)
- الاستقرار أخيراً على CTA (الدعوة لاتخاذ إجراء)
إذا تخطى المسار المعلومات الأساسية، أو ظل يحوم في مناطق غير ذات صلة، فهذا يعني وجود مشكلة في التوجيه البصري.
تفاصيل التقييم المعرفي خماسي الأبعاد
لا يمنحك FlowDx مجرد درجة إجمالية، بل يقيم محتواك من خمسة أبعاد معرفية:
- الانتباه — هل يمكن للمحتوى جذب العين في غضون 0.3 ثانية
- التركيز البصري — هل هناك تسلسل هرمي بصري واضح ومسار توجيهي
- التأثير العاطفي — هل يمكنه إثارة رد فعل عاطفي (فضول، حماس، تعاطف)
- دافع العمل — هل هناك دعوة واضحة لاتخاذ إجراء (CTA)
- قوة الذاكرة — هل سيتمكن المستخدم من تذكر محتواك بعد رؤيته
كل بعد من 0-100 درجة. 70+ تعني ممتاز، 50-70 تحتاج إلى تحسين، وأقل من 50 تشير إلى وجود مشاكل خطيرة.
ابدأ باستخدام تشخيص خريطة الحرارة
كيفية تحسين المحتوى بناءً على تقرير التشخيص
بعد الحصول على تقرير تشخيص FlowDx، تعامل مع المشكلات حسب الأولويات التالية:
الأولوية 1: إصلاح مشكلات "عدم التوافق" (عناصر التشخيص الحمراء)
إذا كان الانتباه مركزاً في المكان الخطأ (عناصر الخلفية، تفاصيل غير مهمة)، فهذه هي المشكلة الأكثر خطورة. الحل عادةً هو: تقليل الوزن البصري للعناصر المشتتة (تمويه، تقليل التشبع)، وفي الوقت نفسه تعزيز بروز المعلومات الأساسية (تكبير، زيادة التباين، إضافة إطار).
الأولوية 2: إنشاء مسار بصري واضح (عناصر التشخيص البرتقالية)
إذا أظهرت خريطة الحرارة تشتتاً في الانتباه، فأنت بحاجة لإنشاء تسلسل هرمي بصري واضح. استخدم تباين الحجم (أهم عنصر يكون الأكبر)، تباين الألوان (استخدام ألوان عالية التشبع للمعلومات الأساسية)، والتوجيه المكاني (الأسهم، الخطوط، اتجاه نظر الأشخاص) لتوجيه عين المستخدم وفقاً للمسار الذي حددته مسبقاً.
الأولوية 3: رفع التقييم المعرفي العام (توصيات صفراء)
الأبعاد التي تقل درجتها عن 60 في التقييم الخماسي تحتاج إلى اهتمام خاص. طرق التحسين الشائعة:
| البعد المنخفض | السبب المحتمل | اتجاه التحسين |
|---|---|---|
| الانتباه < 60 | الصورة باهتة جداً، تفتقر للبروز | زيادة التباين، إضافة وجوه، استخدام ألوان مشبعة |
| التركيز البصري < 60 | عناصر كثيرة جداً وفوضوية | تقليل عدد العناصر، إنشاء تسلسل رئيسي وفرعي |
| التأثير العاطفي < 60 | المحتوى يفتقر للمحفزات العاطفية | استخدام تعبيرات عاطفية، خلق تباين، سرد قصة |
| دافع العمل < 60 | نقص في CTA أو تلميحات العمل | إضافة أسهم، أزرار، كلمات محفزة مثل "الآن" "لفترة محدودة" |
| قوة الذاكرة < 60 | المحتوى عادي جداً، يفتقر للتميز | إنشاء رموز للعلامة التجارية، استخدام ألوان فريدة، خلق نقاط ذاكرة بصرية |
قيود تحليل خرائط الحرارة
تعد خرائط الحرارة للانتباه أداة قوية، ولكن لها حدودها. فهم هذه الحدود بصدق يساعد في استخدامها بشكل أفضل:
- تتنبأ بـ "المستخدم المتوسط" — تعكس خرائط الحرارة توزيع نظرات المجموعة المتوسطة، وقد يختلف مسار نظر المستخدم الفردي
- لا تساوي مباشرة معدل النقر — الانتباه العالي لا يتحول بالضرورة إلى نقرات عالية. قد يلاحظ المستخدم المحتوى ولكنه يختار عدم النقر (على سبيل المثال، إذا لم يبدُ المحتوى ممتعاً بما يكفي)
- تعتمد على جودة الصورة — الصور ذات الدقة المنخفضة أو المضغوطة بشدة قد تؤثر على دقة التنبؤ
- الاختلافات الثقافية — قد يختلف توزيع الانتباه للألوان والوجوه والرموز بين المستخدمين من خلفيات ثقافية مختلفة
يهدف التقييم المعرفي خماسي الأبعاد من FlowDx تحديداً إلى تعويض نقص تحليل خرائط الحرارة البحتة — فهو يأخذ في الاعتبار الانتباه والعاطفة والذاكرة وأبعاداً أخرى لتقديم تشخيص أكثر شمولاً للمحتوى.
الأسئلة الشائعة (FAQ)
هل المنطقة الحمراء على خريطة الحرارة هي الأفضل دائماً؟
ليس بالضرورة. يشير اللون الأحمر إلى المنطقة التي ينظر إليها المستخدم أولاً، ولكن الأهم هو ما إذا كانت المنطقة الحمراء تقع على المعلومات التي تريد إيصالها أكثر من غيرها. إذا كان اللون الأحمر على خلفية غير ذات صلة، فهذا يشير إلى وجود مشكلة. الحالة المثالية هي: اللون الأحمر يغطي المعلومات الأساسية (المنتج، الوجه، العنوان)، واللون الأزرق يغطي المناطق الثانوية.
ما هو عدد نقاط التثبيت البصري الأفضل في المسار البصري؟
بالنسبة للصور المصغرة والأغلفة، يعد نطاق 3-5 نقاط تثبيت هو الأفضل. القليل جداً (1-2) يعني نقصاً في المعلومات، والكثير جداً (6+) يعني تشتتاً كبيراً في الانتباه. المسار المثالي: البؤرة الرئيسية ← المعلومات المساعدة ← CTA، مما يشكل خطاً سردياً واضحاً.
لماذا تختلف نتيجة خريطة الحرارة الخاصة بي عن تحليل شخص آخر لنفس الصورة؟
يستخدم FlowDx نموذجاً حتمياً (DeepGaze IIE)، لذا فإن نتائج التحليل لنفس الصورة تكون متطابقة تماماً. إذا رأيت نتائج مختلفة، فقد يكون ذلك بسبب اختلاف دقة الصورة، أو طريقة القص، أو درجة ضغط الملف. يوصى باستخدام الصور بدقتها الأصلية للتحليل.
ما الفرق بين خريطة الحرارة للفيديو والصورة الثابتة؟
في محتوى الفيديو، يتغير توزيع الانتباه مع مرور الوقت. يقوم FlowDx بـ تحليل الفيديو إطاراً بإطار، ولكل إطار خريطة حرارة مستقلة. يتميز الفيديو عن الصور الثابتة ببعد إضافي — العناصر الديناميكية (الأجسام المتحركة، تبديل المشاهد) تجذب الانتباه بقوة. المفتاح في تحليل الفيديو هو العثور على الإطارات التي يكون فيها الانتباه في أضعف حالاته، لأن تلك هي اللحظات التي يرجح فيها أن يغادر المستخدم.
ابدأ باستخدام تشخيص خريطة الحرارة
قم بتحميل محتواك على FlowDx للحصول على خريطة حرارة الانتباه، والمسار البصري، والتقييم خماسي الأبعاد. اكتشف ما يحدث حقاً لمحتواك في عقول المستخدمين.
المراجع
- Linardos, A. et al. (2021). DeepGaze IIE: Calibrated prediction in and out-of-domain for state-of-the-art saliency modeling. ICLR 2021.
- Borji, A., & Itti, L. (2013). State-of-the-art in visual attention modeling. IEEE Transactions on Pattern Analysis and Machine Intelligence, 35(1), 185-207.
- Bylinskii, Z. et al. (2019). What do different evaluation metrics tell us about saliency models? IEEE TPAMI, 41(3), 740-757.