产品经理们，面对千变万化的用户界面，往往最关心的是：用户到底是怎么把信息拼凑成一个完整的心智模型的？传统的 A/B 测试给我们的是点击率、转化率这些“黑盒”指标，而真正决定用户是否留下的，往往是眼睛在页面上游走的轨迹。把眼动追踪与 A/B 测试结合，就是把“看”与“做”同步起来，让实验结果不再只是数字，而是可视化的心理过程。

先说说心智模型：它是用户在头脑里构建的关于界面如何运作的“简化版世界观”。当你给用户一个搜索框，用户往往会先注意到它，接着是搜索结果的列表，然后是相关推荐卡片。若搜索框被隐藏，用户的心智模型就会崩塌，导致转化率骤降。要验证这条顺序，A/B 测试只能告诉你版本 A 的转化率比版本 B 高 5%，但不会告诉你为什么。眼动追踪则能揭示用户在哪个元素停留多长时间，哪条信息被跳过。

A/B 测试的魅力在于可量化的因果关系：给两组用户展示不同设计，观察指标差异。其缺点是——它把人类的“看”与“做”拆开来。用户可能在 A 版页面上停留 3 秒，但如果你只统计点击量，你可能根本没发现用户已经在页面上扫过的所有信息。把眼动数据嵌入实验，能让你看到用户视线的起点、路径和停留点，进而判断哪些视觉序列真正激活了心智模型的预期。

眼动追踪技术，尤其是现代的“眼球运动捕捉仪”，能以 120 Hz 的频率记录用户的注视点，生成热力图、注视点图、和“注意力地图”。从热力图你可以看到哪些区域是“热点”，从注视点图你能追踪视线流向，甚至计算“转移率”——即用户在看到某个元素后是否继续查看下一步。结合 A/B，实验两组用户时，你不仅得到转化率，还得到“转移率”与“停留时间”的差异，从而验证视觉序列是否如预期那样被遵循。

案例参考：Netflix 在 2020 年对其推荐页进行 A/B 测试时，团队采用了眼动追踪来配合传统指标。两种布局（A 版：侧边栏排列表；B 版：顶部横幅）在转化率上仅差 1.2%。但眼动数据显示，A 版用户在侧边栏的停留时间平均比 B 版多 0.8 秒，且“兴趣卡片”上出现的注意力热区更集中。最终，Netflix 通过结合眼动数据判断用户的视觉序列更符合 A 版，随后在产品迭代中采用了 A 版的布局。这个案例说明：当指标差异微乎其微时，眼动追踪可以成为决定性因素。

如果你想在自己的项目中尝试，建议遵循以下步骤：① 在 A/B 设计中选定关键视觉元素（如 CTA 按钮、搜索框、导航条）；② 预先设定眼动指标（如首次注视时间、停留时长、转移次数）；③ 确保样本量足够，至少 200 份有效眼动记录；④ 在实验结束后，先做常规 A/B 分析，随后用统计方法检验眼动指标的显著性；⑤ 根据结果调整视觉序列，再次测试验证。

总结一句：把眼动追踪嵌入 A/B 测试，不仅让你把“看”与“做”连接起来，还能让你在心理层面洞察用户的真实反应。你准备好把视觉序列从暗盒变成可视化实验了吗？