先进的消费者行为分析:整合眼睛跟踪,机器学习和面部识别.
José Augusto Rodrigues1,2, António Vieira de Castro2, Martín Llamas-Nistal1
1atlanTTic Research Center for Telecommunication Technologies, University of Vigo, 36310 Vigo, Spain.
Journal of eye movement research
|February 20, 2026
概括
DeepVisionAnalytics使用眼睛跟踪和人工智能客观分析消费者行为,超越有偏见的调查. 这一框架为营销和UX研究的视觉注意力和选择提供了可靠的见解.
科学领域:
- 人与计算机的交互
- 消费者心理学 消费者心理学
- 计算机视觉 计算机视觉
背景情况:
- 传统的消费者行为分析依赖于自我报告的数据,这很容易产生像回忆错误和社会可取性这样的偏见.
- 需要客观的行为测量来克服主观调查方法的局限性.
研究的目的:
- 在视觉驱动任务中引入DeepVisionAnalytics,这是一个用于客观消费者行为分析的综合框架.
- 为了证明结合眼睛跟踪,计算机视觉 (CV) 和机器学习 (ML) 进行行为洞察的有效性.
主要方法:
- 该系统集成了眼睛跟踪,以捕捉视线分布和固定动态.
- 使用OpenCV和ML进行面部分析,以估计人口特征 (年龄,性别,种族).
- AOI级别的眼睛跟踪指标被用作选择推断的主要信号,人口统计数据作为后期的上下文元数据.
主要成果:
- 基于凝视的推断准确地重现了在视觉驱动任务中观察到的选择分布.
- 人口统计估计有助于后期有意义的细分,而不会影响决策机制.
- 多式联网整合产生了可重复的决策支持文物,如AOI排名和热图.
结论:
- 深视分析为营销和用户体验研究提供了可重复使用的平台,生成客观的行为数据.
- 该框架允许在受约束条件下推断选择,并在没有人口统计学先验的情况下进行细分层次的解释.
- 这种方法超越了描述性的热图,为消费者行为提供了可操作的,数据驱动的洞察力.


