眼镜架歪了？

要么屏幕上是一片黑？别急着去抠鼻屎，大约率你的眼球在时刻“讲话”。 这玩意儿叫眼动仪，不是那种让你闭眼张嘴做个鬼脸的游戏机，它是你大脑神经活动的直接记录仪。你刚刚盯着那个按钮看了三秒，它没告诉你，但它把你的视线扫过屏幕的轨迹，像摄影师拍你的脸一样，一步步刻在了电脑硬盘里。你眨眼？它知道了。你盯着屏幕左下角那行小字？它记住了。 这就仿佛装了个微型眼，焊在额头上。它的工作原理实际上挺生活化，核心就两件事：捕捉和记录。 捕捉的时候，它靠的是光学技术里的“测角仪”原理。你眼里的晶体浑厚且透明，但不好办直接对焦到像素点上。眼动仪中间有个小镜头，专门对准你的眼球。当你眨眼要么动眼时，它通过精密的光学系统，把你的瞳孔要么眼球边缘的细小反光变化“看”出来。

这就好比用手电筒照瞎猫，别看瞎猫不醒，但光斑的位置和形状，都能被记录下来。有些高级的型号还会用红外激光束，就连更激进地用红外光刺激你的眼球，通过眼球壁反射回来的微弱光信号来追踪位置，但这往往伴随着强光，体验感差一截。最主流的还是直接捕捉眼球骨架的运动，特别是当眼球快速扫视移动时，只要捕捉到眼球边缘那一圈闪烁的光点，就能算出你眼转了哪个方向、转了多少度。 一旦数据流上了，就是传说中的“计算”。

这些数据一过，就进入了算法的迷宫。眼动仪最了不起的地方，不在于它有多高的解析力，而在于它能读懂你“想看啥”。 这就得靠算法了。

一般/平平的软件只能告诉你“你看了 300 毫秒”，但眼动仪能告诉你“你看了 300 毫秒，并且这 300 毫秒里，你的视线在角落停留了 150 毫秒”。

这个停留工夫，就是你的“兴趣值”。算法会根据这个停留工夫，结合你整个眼球的运动轨迹，去猜你想看的具体内容。 比如，你正看一本编程书，算法检测到你在某段代码注释停留了 200 毫秒，然后突然把视线移向左侧的图表，停留了 50 毫秒。算法就会立马推断：“哦，你肯定不想看代码，你被这个图表吸引了。”便，它就能帮你自动关联起图表和那段代码，告诉你“这可能就是你要找的知识点”。

要是只是是停留工夫，只能说是用户行为，当加上运动轨迹和停留工夫这种多维度的数据后，算法就能在毫秒级内，精准定位你“想”跟着哪位走。 为了验证这个逻辑，有个项目专门做了一个实验。他们给两组志愿者看两页彻底不同的内容，一页是“冰激凌”，另一页是“巧克力”。志愿者用眼动仪扫视，发现他们在页面上停留的工夫差异贼大。冰激凌相关的内容，他们的眼球停留工夫要长得多。

为啥？出于他们确实认定有意思，想多花点工夫消化。而巧克力页面，他们扫得快，停留工夫短。

这就证实了眼动仪的一个核心本事：它不仅能看到，还能通过“停留时长”这种量化指标，把“兴趣”和“注意力”区分开。它就连能挺细微地分辨出你是确实感兴趣，还是只是被某个颜色吸引。 再举个具体的例子，比如腾讯的“图灵杯”要么知乎的“知识图谱”活动。在大量交互界面里，你刚刚盯着那个深蓝色的链接看了十几秒，就连还没点进去，算法就猜到你大约率想看点啥。它不会死板地让你点“推荐”，而是可能会把那个蓝色的链接和它历史数据里推荐给你的高赞文章关联起来，就连直接打开那篇文章让你看。它就连能猜到你的心理预期——你刚刚盯着那个按钮的工夫，可能意味着你心里已经在那个按钮上打好了勾，下一秒点的时候，它可能就会给你打个“中意”的小星星反馈。 自然，眼动仪也不是万能的，它也有它的“短板”。

比方说，要是你戴着隐形眼镜要么厚眼镜，光线透不那会儿，要么眼有严重干涩、炎症，传感器都收不到信号。

这时候它就是个哑巴，要么信号挺乱，越走越偏。并且，要是屏幕本身亮度极高，要么对比度忒低，它就算你盯着看了半小时，也可能出于看不清楚，数据全是错的。 最终，谈谈它如何告诉我们故事。眼动仪最让设计师着迷的地方，不在于它有多智能地猜你想看，而在于它有多“诚实”地告诉你你看了啥。在传统的页游里，设计师得自己画个图，然后写代码让用户去点击。目前，设计师只要看一眼眼动仪的数据，就能知道用户是看到图了，还是没看到；是喜爱那个配色，还是被剧情拖住；是困惑在某个选项上，还是对那个按钮形成的反感。

这种“数据讲话”的方式，直接把设计师从“猜谜”变成了“解谜”，大大加快了产品的迭代速度。 故此，下次当你认定某个功能忒丑，要么某个按钮一直被忽略的时候，或许能够回头看一眼眼动仪的数据。大量用户确实要感谢这层薄薄的传感器，它让我们看清了自己的眼，也让我们看清了用户的心里。