La mappa di calore dell'attenzione di FlowDx è basata sul modello DeepGaze IIE. Questo modello è stato presentato da Linardos et al. nel paper di ICLR 2021 "DeepGaze IIE: Calibrated prediction in and out-of-domain for state-of-the-art saliency modeling", proveniente dal Bethge Lab Computational Neuroscience della University of Tübingen in Germania. Nel MIT/Tilburg Saliency Benchmark, DeepGaze IIE si è classificato al primo posto in diverse metriche, con una correlazione superiore a 0,87 tra le sue previsioni e i dati reali sui movimenti oculari umani.
Cosa rappresentano i colori della mappa di calore?
| Colore | Significato | Percentuale di attenzione |
|---|---|---|
| Rosso | Area di massima attenzione — gli utenti guardano qui per primi | Top 10% |
| Arancione/Giallo | Alta attenzione — lo sguardo si sposta rapidamente qui | 10-30% |
| Verde | Attenzione media — notata durante la navigazione | 30-60% |
| Blu | Bassa attenzione — ignorata dalla maggior parte degli utenti | 60-90% |
| Scuro/Incolore | Punto cieco dell'attenzione — quasi nessuno lo vede | Ultimo 10% |
Pattern comuni delle mappe di calore
Pattern 1: Focalizzato al centro (Ottimale)
Le aree rosse sono concentrate sulle informazioni chiave del contenuto (volti, titoli, pulsanti CTA). Ciò indica una gerarchia visiva chiara: l'utente comprende rapidamente il messaggio che vuoi trasmettere.
Pattern 2: Disperso (Problematico)
Le aree rosse sono sparse in più punti senza un focus principale definito. Questo indica che ci sono troppi elementi nell'immagine e l'attenzione viene frammentata. Soluzione: riduci il numero di elementi e stabilisci un soggetto visivo principale chiaro.
Pattern 3: Disallineato (Grave)
Le aree rosse sono concentrate dove non vorresti che l'utente guardasse (ad esempio, un elemento irrilevante nello sfondo), mentre le tue informazioni chiave (titolo, prodotto) si trovano in aree blu o verdi. Questo è un killer del CTR.
Pattern 4: Sui bordi (Spreco)
L'attenzione è concentrata sui bordi dell'immagine. Questo accade solitamente quando il soggetto è troppo piccolo o c'è troppo spazio bianco. Il cervello viene attratto dalle aree ad alto contrasto sui bordi (come il confine tra la cornice dell'immagine e lo sfondo).
Percorso visivo: la "rotta di lettura" dell'utente
Oltre alla mappa di calore, FlowDx genera un percorso visivo — prevedendo da dove iniziano gli occhi dell'utente e in quale ordine scansionano l'immagine. Un percorso visivo ideale dovrebbe:
- Iniziare dal punto di ancoraggio dell'attenzione più forte (solitamente un volto o il testo più grande)
- Spostarsi verso le informazioni secondarie (sottotitoli, immagini del prodotto)
- Terminare sulla CTA (Call to Action)
Se il percorso salta informazioni cruciali o vaga in aree irrilevanti, c'è un problema nella guida visiva.
Analisi dettagliata del punteggio cognitivo a cinque dimensioni
FlowDx non fornisce solo un punteggio totale, ma valuta il tuo contenuto attraverso cinque dimensioni cognitive:
- Attenzione — Se il contenuto cattura l'occhio entro 0,3 secondi
- Focus visivo — Se esiste una gerarchia visiva e un percorso guidato chiari
- Impatto emotivo — Se è in grado di innescare una reazione emotiva (curiosità, eccitazione, risonanza)
- Spinta all'azione — Se è presente una chiara chiamata all'azione (CTA)
- Forza della memoria — Se l'utente riesce a ricordare il contenuto dopo averlo visto
Ogni dimensione va da 0 a 100 punti. 70+ indica eccellenza, 50-70 richiede ottimizzazione, sotto 50 indica problemi gravi.
Inizia la diagnosi con la mappa di calore
Come ottimizzare i contenuti in base al report diagnostico
Una volta ottenuto il report diagnostico di FlowDx, affronta i problemi secondo queste priorità:
Priorità 1: Risolvere i problemi di "Disallineamento" (voci diagnostiche rosse)
Se l'attenzione è concentrata nel posto sbagliato (elementi di sfondo, dettagli irrilevanti), questo è il problema più serio. La soluzione consiste solitamente nel ridurre il peso visivo degli elementi di disturbo (sfocatura, riduzione della saturazione) e contemporaneamente aumentare la salienza delle informazioni chiave (ingrandimento, aumento del contrasto, aggiunta di bordi).
Priorità 2: Stabilire un percorso visivo chiaro (voci diagnostiche arancioni)
Se la mappa di calore mostra un'attenzione dispersa, è necessario stabilire una gerarchia visiva definita. Usa il contrasto dimensionale (l'elemento più importante deve essere il più grande), il contrasto cromatico (usa colori saturi per le informazioni chiave) e la guida spaziale (frecce, linee, direzione dello sguardo dei personaggi) per guidare gli occhi dell'utente lungo il percorso prestabilito.
Priorità 3: Migliorare il punteggio cognitivo complessivo (suggerimenti gialli)
Presta particolare attenzione alle dimensioni con un punteggio inferiore a 60. Metodi comuni di miglioramento:
| Dimensione bassa | Possibile causa | Direzione del miglioramento |
|---|---|---|
| Attenzione < 60 | Immagine troppo piatta, mancanza di salienza | Aumenta il contrasto, aggiungi volti, usa colori saturi |
| Focus visivo < 60 | Troppi elementi disordinati | Riduci il numero di elementi, crea una gerarchia primario-secondario |
| Impatto emotivo < 60 | Mancanza di trigger emotivi | Usa espressioni emotive, crea contrasto, racconta una storia |
| Spinta all'azione < 60 | Mancanza di CTA o suggerimenti all'azione | Aggiungi frecce, pulsanti, parole trigger come "Ora" o "Tempo limitato" |
| Forza della memoria < 60 | Contenuto troppo comune, mancanza di unicità | Crea simboli del brand, usa una palette di colori unica, crea punti di memoria visiva |
Limitazioni dell'analisi delle mappe di calore
Le mappe di calore dell'attenzione sono strumenti potenti, ma presentano delle limitazioni. Conoscere questi confini aiuta a utilizzarle meglio:
- Previsione dell'"utente medio" — La mappa riflette la distribuzione media degli sguardi di un gruppo; il percorso di un singolo utente potrebbe variare
- Non equivale direttamente al tasso di clic — Un'alta attenzione non si traduce necessariamente in un alto numero di clic. Gli utenti potrebbero notare il contenuto ma scegliere di non cliccare (ad esempio, se non sembra abbastanza interessante)
- Dipendenza dalla qualità dell'immagine — Immagini a bassa risoluzione o pesantemente compresse possono influire sulla precisione della previsione
- Differenze culturali — Utenti di contesti culturali diversi possono distribuire l'attenzione in modo differente su colori, volti e simboli
Il punteggio cognitivo a cinque dimensioni di FlowDx è progettato proprio per compensare le carenze della sola analisi della mappa di calore, integrando attenzione, emozione, memoria e altre dimensioni per una diagnosi più completa.
Domande frequenti (FAQ)
L'area rossa sulla mappa è sempre la migliore?
Non necessariamente. Il rosso indica l'area che l'utente nota per prima, ma la chiave è se l'area rossa cade sulle informazioni che vuoi trasmettere. Se il rosso è su uno sfondo irrilevante, indica un problema. Lo stato ideale è: rosso sulle informazioni chiave (prodotto, volto, titolo) e blu sulle aree secondarie.
Quanti punti di fissazione dovrebbe avere un percorso visivo?
Per miniature e copertine, un intervallo di 3-5 punti di fissazione è ottimale. Troppo pochi (1-2) indicano una carenza di informazioni, troppi (6+) indicano un'attenzione troppo dispersa. Percorso ideale: Focus principale → Informazioni secondarie → CTA, formando una linea narrativa chiara.
Perché la mia mappa di calore è diversa da un'altra analisi della stessa immagine?
FlowDx utilizza un modello deterministico (DeepGaze IIE), quindi i risultati dell'analisi per la stessa immagine sono identici. Se vedi risultati diversi, potrebbe essere dovuto a differenze nella risoluzione dell'immagine, nel ritaglio o nel livello di compressione del file. Si consiglia di utilizzare immagini alla risoluzione originale per l'analisi.
Qual è la differenza tra le mappe di calore per video e per immagini statiche?
Nei contenuti video, la distribuzione dell'attenzione cambia nel tempo. FlowDx esegue un'analisi frame-by-frame del video, con una mappa di calore indipendente per ogni fotogramma. Il video aggiunge una dimensione rispetto alle immagini statiche: gli elementi dinamici (oggetti in movimento, cambi di scena) attirano fortemente l'attenzione. La chiave dell'analisi video è trovare i fotogrammi con l'attenzione più debole, poiché sono i momenti in cui l'utente è più propenso a passare oltre.
Inizia la diagnosi con la mappa di calore
Carica i tuoi contenuti su FlowDx per ottenere mappe di calore dell'attenzione, percorsi visivi e punteggi a cinque dimensioni. Scopri cosa succede esattamente nella mente degli utenti quando guardano i tuoi contenuti.
Riferimenti bibliografici
- 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.