Mở đầu — vì sao bài này quan trọng
Trong toàn bộ kho phương pháp UX, có một câu hỏi mà gần như không phương pháp nào khác trả lời trực tiếp được: "Người dùng thực sự nhìn vào đâu?" Bạn có thể hỏi họ qua interview, đo họ qua click, quan sát họ qua session replay — nhưng ánh mắt di chuyển nhanh hơn ý thức, và con người thường không nhớ nổi mình đã nhìn gì trong nửa giây trước. Đây chính là khoảng trống mà Eye Tracking (theo dõi chuyển động mắt) lấp đầy.
Eye tracking quan trọng vì nó chạm tới lớp tiền nhận thức (pre-attentive) của trải nghiệm — thứ xảy ra trước khi người dùng kịp suy nghĩ. Khi một khách hàng lướt qua trang thanh toán của Shopee mà "không thấy" mã giảm giá dù nó ở ngay trên màn hình, eye tracking cho bạn bằng chứng khách quan rằng ánh mắt họ chưa bao giờ dừng lại ở đó. Không phải họ bỏ qua vì lười — mà vì bố cục thị giác đã khiến vùng đó trở nên vô hình.
Bài học này tập trung vào một trục cụ thể trong toàn khóa: hai thế giới của eye tracking hiện đại — eye tracking trong phòng lab với thiết bị chuyên dụng, và eye tracking dự đoán bằng AI (AI-predicted attention). Bạn sẽ hiểu bản chất kỹ thuật của cả hai, biết khi nào dùng cái nào, và quan trọng nhất là biết cách đọc kết quả để ra quyết định thiết kế — thay vì chỉ ngắm những tấm heatmap màu mè rồi gật gù.
Khái niệm cốt lõi
Mắt di chuyển như thế nào — ba đơn vị dữ liệu nền tảng
Trước khi nói về thiết bị, bạn cần hiểu mắt người vận hành ra sao, vì mọi output của eye tracking đều xoay quanh ba khái niệm:
- Fixation (điểm dừng nhìn): khoảng thời gian mắt "đứng yên" tại một điểm để não bộ xử lý thông tin, thường kéo dài 100–300 mili-giây. Đây là lúc thị giác thực sự "thấy". Số lượng và thời lượng fixation cho biết vùng nào thu hút, vùng nào gây khó hiểu.
- Saccade (bước nhảy mắt): cú nhảy cực nhanh (20–40ms) giữa hai fixation. Trong lúc saccade, mắt gần như mù — não không tiếp nhận thông tin. Đây là lý do bạn không thể "đọc" một trang chỉ bằng cách quét mắt liên tục mà không dừng.
- Scan path (đường quét): chuỗi fixation nối với nhau theo thứ tự thời gian, tạo thành "hành trình ánh mắt". Scan path tiết lộ trật tự người dùng khám phá giao diện — điều mà heatmap tĩnh không thể hiện.
Lab Eye Tracking — đo bằng phần cứng
Eye tracking trong phòng lab dựa trên nguyên lý pupil-corneal reflection. Thiết bị chiếu tia hồng ngoại (infrared) vào mắt — vô hại và không nhìn thấy được. Camera hồng ngoại ghi lại hai điểm: tâm đồng tử (pupil) và ánh phản xạ trên giác mạc (corneal reflection). Bằng cách tính vector giữa hai điểm này qua từng khung hình, phần mềm suy ra chính xác người dùng đang nhìn vào tọa độ nào trên màn hình.
Các nhà cung cấp phần cứng phổ biến:
- Tobii Pro: phổ biến nhất trong nghiên cứu UX thương mại. Có loại screen-based (thanh gắn dưới màn hình) và loại kính đeo (Tobii Pro Glasses) để đo trong môi trường thật như đi siêu thị.
- EyeLink (SR Research): tần số lấy mẫu cực cao (lên tới 1000–2000 Hz), độ chính xác hàng đầu, thường dùng trong nghiên cứu học thuật, khoa học thần kinh và tâm lý học đọc.
- GazePoint, Pupil Labs: giá rẻ hơn, phù hợp phòng lab quy mô nhỏ hoặc startup.
Output cốt lõi của lab:
- Heatmap (bản đồ nhiệt): vùng đỏ = nhiều/lâu fixation, xanh = ít. Trả lời "nhìn vào đâu".
- Gaze plot / scan path: các vòng tròn đánh số theo thứ tự, đường nối thể hiện trình tự. Trả lời "nhìn theo thứ tự nào".
- Areas of Interest (AOI): bạn khoanh vùng trước (ví dụ nút CTA, logo, giá tiền) rồi hệ thống thống kê định lượng: bao nhiêu % người nhìn tới, mất bao lâu, dừng bao lâu.
AI-Predicted Eye Tracking — đo bằng mô hình
Đây là làn sóng mới đang thay đổi cuộc chơi. Thay vì đo mắt người thật, các công cụ như Attention Insight, VisualEyes (Neurons), Feng-GUI, Google Model (Attention/Vision AI) dùng mô hình học sâu (deep learning) được huấn luyện trên hàng chục nghìn bộ dữ liệu eye tracking thật. Mô hình học được quy luật: con người bị hút vào khuôn mặt, chữ lớn, màu tương phản cao, vật thể chuyển động, khoảng trắng bao quanh... Sau đó nó dự đoán heatmap chú ý cho một thiết kế bất kỳ chỉ bằng cách nạp ảnh giao diện — không cần một người dùng nào.
Ưu điểm rất rõ:
- Tức thì: upload mockup, vài giây có heatmap. Không tuyển người, không calibrate.
- Rẻ: gói vài chục USD/tháng thay vì hàng trăm triệu.
- Dùng được ở giai đoạn thiết kế: test được cả bản Figma chưa code, so sánh 3 phương án bố cục trong buổi sáng.
- Độ chính xác công bố ~90–96% so với eye tracking thật ở tầng chú ý ban đầu.
Cách nhìn đúng: AI-predicted là bản nháp nhanh, lab là bản kiểm định sâu. Chúng bổ trợ chứ không thay thế nhau.
Tình huống thực tế
Tình huống 1 — Tiki và cuộc chiến giành ánh mắt trên banner trang chủ (AI-predicted)
Giả định một team growth của Tiki chuẩn bị 3 phương án banner khuyến mãi cho sự kiện 6.6. Ngân sách gấp, không kịp chạy lab. Họ đưa cả 3 mockup vào Attention Insight.
Kết quả heatmap AI cho thấy: ở phương án A, ánh mắt tập trung dày vào gương mặt người mẫu ở góc trái, còn dòng chữ "Giảm đến 50%" và nút CTA ở phải gần như xanh lạnh — bị "ăn" hết attention. Phương án C, khi đưa khuôn mặt nhỏ lại và tăng tương phản cho khối giá, heatmap cho thấy chú ý dồn đúng vào con số giảm giá và CTA.
Diễn giải: đây chính là hiện tượng khuôn mặt là "nam châm thị giác" — điều AI học rất chuẩn từ dữ liệu thật. Team chọn phương án C, và nhờ đó nút CTA không bị "khuất bóng" bởi người mẫu.
Bài học: với quyết định bố cục nhanh ở tầng thị giác — cái gì nổi bật, cái gì bị chìm — AI-predicted đủ tốt và tiết kiệm khủng khiếp. Nhưng lưu ý: AI chỉ nói banner nào thu hút mắt hơn, không đảm bảo banner nào bán được hàng hơn — điều đó vẫn phải để A/B testing thật quyết định.
Tình huống 2 — Ngân hàng số kiểm định luồng chuyển tiền bằng lab (lab eye tracking)
Một ngân hàng số ở Đông Nam Á (tương tự mô hình Timo hay TNEX) nhận phàn nàn rằng nhiều khách hàng lớn tuổi nhập sai số tài khoản người nhận. Vì đây là vấn đề tiền bạc — rủi ro cao — họ không dám tin AI, mà thuê một agency chạy lab eye tracking với Tobii trên 24 người, chia hai nhóm tuổi.
Gaze plot cho thấy điều bất ngờ: ở màn hình xác nhận, mắt người dùng lớn tuổi hầu như không dừng ở dòng "Tên người nhận" — họ nhảy thẳng từ số tiền xuống nút "Xác nhận". Time to First Fixation của trường tên người nhận trung bình hơn 4 giây, nhiều người không fixation lần nào. Nguyên nhân: tên người nhận được đặt bằng font xám nhạt, nhỏ, nằm lọt thỏm giữa hai khối lớn hơn.
Diễn giải: đây là loại insight mà chỉ lab mới lấy được — nó liên quan tới hành vi trong một task thật (chuyển tiền), với scan path thật, trên một nhóm người thật (người lớn tuổi). AI không mô phỏng nổi "người dùng bỏ qua bước xác nhận vì tâm lý vội".
Bài học: khi rủi ro cao và bạn cần biết hành vi trong task, không chỉ "nhìn vào đâu", hãy đầu tư lab. Team sau đó phóng to tên người nhận, thêm màu tương phản, và tỷ lệ nhập sai giảm rõ rệt.
Tình huống 3 — Agency UX kết hợp cả hai để tối ưu ngân sách (workflow lai)
Một agency UX ở TP.HCM nhận dự án redesign trang sản phẩm cho một thương hiệu mỹ phẩm. Cách họ làm rất khôn:
- Giai đoạn ý tưởng: dùng AI-predicted (VisualEyes) sàng lọc nhanh 6 phương án bố cục Figma, loại 4 phương án mà attention bị phân tán, giữ lại 2.
- Giai đoạn kiểm định: chỉ chạy lab eye tracking trên 2 phương án cuối với 20 người dùng thật, tập trung đo scan path khi họ tìm thông tin "thành phần sản phẩm" và "giá".
Bài học: trong thực tế Việt Nam nơi ngân sách research luôn eo hẹp, quy trình lai này gần như là chuẩn vàng — AI để rộng và nhanh, lab để sâu và chắc.
Hướng dẫn từng bước
Giả sử bạn cần đánh giá attention cho một giao diện. Đây là quy trình thực dụng:
Bước 1 — Xác định câu hỏi nghiên cứu. Viết ra chính xác bạn muốn biết gì. "Nút CTA có đủ nổi bật không?" (tầng thị giác → hợp với AI) khác với "Người dùng tìm được nút hủy đơn trong bao lâu?" (tầng task → cần lab).
Bước 2 — Chọn phương pháp theo ma trận rủi ro/ngân sách. Rủi ro thấp + cần nhanh + chỉ hỏi về độ nổi bật → AI-predicted. Rủi ro cao (tiền, sức khỏe, pháp lý) + cần hành vi task thật → lab. Không có tiền lab nhưng vẫn cần bằng chứng hành vi → cân nhắc phương pháp thay thế (usability testing quan sát click), nhưng đó là chủ đề bài khác.
Bước 3 — Chuẩn bị stimulus (vật liệu test). Với AI: xuất ảnh giao diện độ phân giải cao, đúng tỷ lệ màn hình đích (desktop 16:9 hay mobile 9:16 — không lẫn lộn vì attention model khác nhau). Với lab: chuẩn bị prototype chạy được và kịch bản task rõ ràng.
Bước 4 — Khoanh Areas of Interest (AOI). Trước khi xem kết quả, đánh dấu các vùng bạn quan tâm: logo, CTA chính, giá, trust badge... Việc khoanh AOI trước giúp bạn phân tích định lượng thay vì "nhìn heatmap đoán mò".
Bước 5 — Với lab: calibrate và ghi. Hiệu chỉnh 5–9 điểm cho từng participant, loại bỏ người có sai số hiệu chỉnh cao (đeo kính dày, mắt ướt có thể gây nhiễu). Tuyển tối thiểu ~30 người cho heatmap ổn định.
Bước 6 — Đọc kết quả có kỷ luật. Đừng chỉ khen "đẹp". Với heatmap, hỏi: vùng quan trọng có đỏ không? Với scan path (chỉ lab), hỏi: thứ tự có khớp phễu chuyển đổi mong muốn không? Với AOI, so sánh Time to First Fixation và % người nhìn tới giữa các phương án.
Bước 7 — Chuyển thành hành động thiết kế. Mỗi phát hiện phải kèm một thay đổi cụ thể: "CTA bị chìm → tăng tương phản + tách khỏi ảnh người mẫu". Kết quả eye tracking không có giá trị nếu không đổi thành pixel.
Lỗi thường gặp & mẹo
- Tin AI-predicted như đo mắt thật. Nhớ mãi: AI chỉ mô phỏng 3–5 giây chú ý đầu tiên khi nhìn lướt, không phản ánh hành vi khi người dùng chủ động làm task. Đừng dùng heatmap AI để kết luận "người dùng sẽ tìm thấy nút này".
- Bỏ qua calibration trong lab. Dữ liệu từ participant calibrate kém là rác. Luôn kiểm tra sai số hiệu chỉnh và sẵn sàng loại người.
- Mẫu quá nhỏ với heatmap lab. Heatmap từ 5 người trông rất thuyết phục nhưng không đáng tin. Cần ~30 người trở lên để mẫu heatmap hội tụ ổn định.
- Nhầm heatmap với scan path. Heatmap cho biết đâu, scan path cho biết thứ tự. Nhiều người dùng heatmap rồi kết luận về trình tự — sai hoàn toàn.
- Đọc fixation lâu = tốt. Fixation lâu có thể là hấp dẫn, cũng có thể là bối rối/khó hiểu. Luôn đọc kèm ngữ cảnh task và, lý tưởng nhất, hỏi lại người dùng (retrospective think-aloud).
- Quên yếu tố văn hóa. Người đọc tiếng Việt quét trái-sang-phải, trên-xuống dưới. AI train trên dữ liệu phương Tây có thể lệch với thói quen địa phương, đặc biệt với giao diện nhiều chữ.
- Mẹo — dùng AI để "pre-screen": trước mỗi buổi review thiết kế, đưa mockup qua AI attention 30 giây. Rẻ, nhanh, đủ để bắt lỗi bố cục hiển nhiên trước khi tốn nguồn lực đắt hơn.
- Mẹo — luôn ghép eye tracking với một phương pháp khác. Ánh mắt cho biết nhìn đâu, nhưng không cho biết vì sao. Ghép với một câu hỏi phỏng vấn ngắn sẽ tăng giá trị gấp bội.
Bài tập thực hành
- So sánh AI trên hai phương án. Chọn một trang checkout thật (Shopee, Tiki, hoặc web của bạn). Chụp màn hình, tạo một phiên bản chỉnh sửa nhỏ (tăng tương phản nút CTA). Đưa cả hai vào một công cụ AI-predicted miễn phí/dùng thử (Attention Insight, VisualEyes). So sánh heatmap và viết 3 câu kết luận về vị trí CTA rơi vào vùng nóng hay lạnh.
- Thiết kế kịch bản lab. Viết một research plan giả định cho eye tracking lab trên luồng "đặt lịch hẹn" của một app y tế: nêu rõ (a) câu hỏi nghiên cứu, (b) 3 AOI bạn sẽ khoanh, (c) 2 chỉ số bạn sẽ đo (ví dụ Time to First Fixation của nút Xác nhận), (d) số participant và lý do.
- Đọc phản biện. Tìm trên mạng một tấm heatmap eye tracking bất kỳ. Viết ra: đây là heatmap AI-predicted hay lab thật? Dựa vào đâu bạn đoán? Nếu là AI, giới hạn nào của nó khiến bạn không nên tin hoàn toàn?
- Quyết định phương pháp. Cho 4 tình huống (banner quảng cáo mới, luồng nhập OTP ngân hàng, chọn màu nút, kiểm tra người già dùng app), quyết định mỗi tình huống nên dùng AI-predicted hay lab, và giải thích bằng ma trận rủi ro/ngân sách.
Tóm tắt
Eye tracking là phương pháp duy nhất trả lời trực tiếp câu hỏi "người dùng nhìn vào đâu và theo thứ tự nào", chạm tới lớp chú ý tiền nhận thức mà mọi phương pháp khác bỏ sót. Ba đơn vị dữ liệu nền tảng là fixation (điểm dừng — nơi thị giác thực sự thấy), saccade (bước nhảy — lúc mắt gần như mù), và scan path (đường quét — trình tự khám phá).
Có hai thế giới song song: Lab eye tracking dùng phần cứng hồng ngoại (Tobii, EyeLink) đo mắt người thật — chính xác, tin cậy sinh học, đo được hành vi trong task thật, nhưng đắt và chậm. AI-predicted dùng mô hình học sâu dự đoán heatmap tức thì từ ảnh giao diện — rẻ, nhanh, dùng được ngay ở giai đoạn Figma, nhưng chỉ phản ánh 3–5 giây chú ý ban đầu và không biết ý định người dùng.
Nguyên tắc chọn: AI cho câu hỏi tầng thị giác, rủi ro thấp, cần nhanh; lab cho câu hỏi tầng hành vi, rủi ro cao, cần chắc. Và trong thực tế ngân sách eo hẹp ở Việt Nam, quy trình lai — AI sàng lọc thô rồi lab kiểm định vòng cuối — là cách tối ưu nhất. Cuối cùng, hãy nhớ: eye tracking cho biết nhìn đâu, không cho biết vì sao — luôn ghép nó với một phương pháp khác, và luôn biến mỗi phát hiện thành một thay đổi pixel cụ thể.