你的鼠标会“出卖”你

克里斯托夫·施奈德

你的电脑鼠标会“说话”！它会透露你的哪些情况？我们大多数人都知道技术“输出”（比如糟糕的网站设计）会让人心烦意乱，但我们是否意识到，技术“输入”（比如我们自身特定的鼠标光标移动方式）也能向计算机提供我们情绪状态的实时指标？

我和我的同事们一直在研究一个课题：通过用户自身的数字活动来侦测负面情绪。我们通过几个实验，提示组织如何以有价值的方式利用此类信息——从改善网站设计到侦测欺诈。是的，用户手中鼠标一个看似不起眼的微小移动，或者填写在线表格时片刻的犹豫，实际上都可以成为警示信号，提示此人可能有欺诈企图——他被自己的鼠标出卖了！

本文专门探讨了我本人在跟踪数据（即用户在人机互动过程中留下的数字足迹）领域的研究，并具体说明了企业如何利用此类数据，既改善用户体验，又防止错误输入（无论故意与否），从而降低成本、提高利润率和满意度。现在，让我们点击开启探索之旅吧。

从操作电脑鼠标到触控触摸屏以及滑动手机屏幕，我们运用精细动作技能来实现人机互动。这种技能获得于童年时期，并成为大脑中的“硬布线”。神经学研究表明，消极情绪会降低大脑的处理能力，影响反应时间、肌肉力量以及最终的工作绩效。

既往研究表明，挫折感会使得线上消费者纷纷离去。因此，我和我的合作者们决定探索以下课题：我们是否能够检测以及如何检测到挫折感存在的信号，从而帮助网站所有者打造流畅的用户体验？鉴于负面情绪（如沮丧）会影响精细动作控制，我们推测，这会影响用户通过输入设备（如电脑鼠标）的人机交互。又鉴于在线交互过程中鼠标光标的移动很容易被记录下来，那么我们能否通过分析鼠标光标移动的距离和速度来侦测用户的挫折感？

大多数线上的目标导向型任务（如搜索信息、支付账单或办理结账手续）都是结构化和线性的。用户操纵着鼠标，将光标从A点移到B点。我们提出的论点是：处于负面情绪影响下的用户，其鼠标光标移动轨迹容易偏离屏幕上两点之间最高效的路径即直线轨迹。我们还假定，其鼠标光标的移动速度会慢于正常情况下的速度。为验证以上假定，我们进行了三项实验研究。

研究1：承受时间压力 在第一项研究中，我们将参与者随机分成两组，对其解释说，他们正在参加一个智力测试，总共包括三个问题。在对照组中，我们设定的问题很简单，而且参与者答对每个问题之后都会收到祝贺。另一组则要承受负面条件的影响：参与者只有几秒钟的时间来回答每个问题，而且题目极难，几乎不可能答对。他们随后被告知，由于他们的反应速度太慢，因而被认定智力水平逊于参加过同一测试的大多数人。（别担心，我们一定会在实验结束后对他们解释清楚！）

接着，两组人被要求参与同一项任务：將数字从屏幕的一边拖拽到另一边。我们记录了每位参与者的鼠标光标移动情况。结果正如我们预测的那样，受过负面影响的一组鼠标移动速度慢于另一组，而且其移动轨迹也更偏离直线轨迹。

研究2：购物遇阻 在第二项研究中，我们建立了一个逼真的电商网站，参与者被要求在该网站购买一个笔记本电脑包。他们须在网站主页点击“购买笔记本电脑包”的链接，在下一个页面选择所需的包，在第三个页面填写笔记本电脑的屏幕尺寸，在第四个页面审视产品并点击“购买”。

我们同样将参与者分为两组。对于其中一个组，每个网页的加载都没有延迟，购物流程简单顺畅。而对于另一组，网页加载缓慢，一些链接卡顿，页面信息显示“请等待下一个页面加载”，接着是“页面仍在加载中，请耐心等待”，然后是“页面加载错误，请重试”。（这种情况我们都经历过，对吗？）

购物完成后，两组人都被转到一个在线调查，按要求报告自己的情绪。结果显示，在实验过程中鼠标光标移动速度较慢、与直线轨迹偏离最大的人群与自我报告高度挫折感的人群呈正相关。这证实了可以用前者来推断后者的存在，其总体准确率约为82%。

研究3：配置挑战 在第三项研究中，参与者被随机分配到两个不同的网站，他们要在网站上选择一个产品型号，再选择不同的产品属性，然后配置产品，涉及的步骤各种各样，有些相当复杂。他们的鼠标光标移动情况被全程记录下来，在每个步骤之后，参与者都要自我报告情绪状态。在这里，我们任由参与者的情绪在没有直接操纵的情况下自然变化，并将受试者不同的经验和专业知识，以及不同产品配置的不同复杂程度之间的异质性纳入考虑。结果表明，我们不仅可以根据鼠标光标移动的距离和速度来部分解读受试者的情绪变化，而且可以由这些数据推断出负面情绪的水平。

为什么说这些实验很重要？首先，它们触及用户体验设计的核心。像鼠标光标移动速度和距离这类跟踪数据可以为A/B测试提供有用的输入，有助于观察同一网页的两个版本在用户心中引发的负面情绪孰大孰小。借助JavaScript，管理者可以从客户开始与网站互动的那一刻起，捕捉其鼠标光标的移动，直到他们退出网站，由此可以发现交互过程中的薄弱点或不够“丝滑”的地方。异常的光标移动距离或速度可能意味着负面反应，揭示出需要改进之处，甚至具体到精确的时间点、所在位置及网页上的区域。它还可以帮助管理者主动、实时地回应用户需求：一个电商网站会由此获知通过道歉、解释或提供帮助等方式进行干预的最佳时间点，趁着心怀不满的客户还没下决心弃你而去，及时地减轻或平息侦测到的任何负面情绪。

前面讲的是跟踪数据如何能够帮助公司更好地识别和修复自家网站的痛点，解决令用户头疼的问题。但有时候情况恰恰相反：是用户的欺诈行为令公司遭受损失。这就引出了我的另一个研究方向，接下来我会予以详述。

美国的一些估算数据显示，每年因保险欺诈造成的损失约在800亿美元到50，000亿美元不等。而这些成本会以保费上涨的形式转嫁给消费者，使得每人每年的保费负担增加700美元。随着在线交易数量日益增多，侦测欺诈行为的难度也变得更大。多数侦测方法是依靠事后监察，即对已提交的索赔进行统计抽样，审查其中是否可能有虚假陈述。然而这种方法依赖的是输出端。我们能否从用户的输入下手来侦测欺诈？通过分析他们的实时鼠标光标移动，揭示他们的实际心态，就像前述实验一样，从而当场拿获欺诈行为？

这一次我们进行了两项实验。如同揭示负面情绪状态的实验一样，我们假定在填写线上表格时，提供虚假答案的人更有可能出现鼠标光标移动速度较慢、移动轨迹偏离最短路径较大的情形。实验中的实际情况如下。

研究1：捉住说谎者 首先，我们采用了一个业内普遍认同的游戏：参与者被要求注视一个由对角线一分为二的正方形。在正方形内，对角线左右两侧会随机出现一些小点，参与者须识别哪一侧出现的小点更多。他们这样做了十次，将鼠标光标向右或向左移动，点击所选答案。这些动作都被JavaScript记录下来。

为了激发作弊行为，我们告诉参与者，无论他们的答案是否属实，点击右边总会比点击左边获得更多报酬。这意味着四种可能性：参与者如实地点击左边；如实地点击右边；不小心点击了错误答案；为追求自身报酬最大化，在明知那是错误答案的情况下故意点击右边。

最终结果显示，参与者声称右侧小点更多的时候占到59%，而实际上这种情况只占50%。对于这一组人，我们发现他们在考虑作弊时，鼠标光标偏离最短路径及移动速度变慢的情况都明显增加。

研究2：夸大保险索赔 接下来，我们要求参与者填写一份提交车损索赔的线上表格。参与者在开始时拥有2，000枚虚拟币。他们的保险免赔额是600枚虚拟币。我们告诉他们，在完成保险索赔后，将根据每人手头剩余的虚拟币数量向他们发放奖金。我们想看看，人们是否会夸大损失，以获得更高赔偿来抵扣免赔额，并增加自己的最终财富。

参与者须点击屏幕上的汽车图片，标示出所有报损的地方，其鼠标光标的移动都被跟踪和记录下来。在这一步，我们发现了更显著的结果：与之前的实验相比，鼠标光标移动的偏差更大、速度更慢。此外，与我们的假定一致，我们发现欺诈的严重程度与鼠标光标移动偏差的大小呈正相关，与其移动速度呈负相关。我们的实验结果表明，欺诈行为确实与用户的跟踪数据表现出一定的相关度。

先别急于在脑海中唤起类似《少数派报告》（Minority Report）中描写的那种反乌托邦场景——在那部科幻小说中，组织有能力提前侦测到“未发生的犯罪”，并在预知人的犯罪意图的情况下将其逮捕——我们需要从正确的角度看待上述结果。这些发现是基于实验的，尽管它们极具稳健性，但还需要在现实环境中加以检测。

正如我的两位研究同事约瑟夫·瓦拉季奇（Joseph Valacich，来自亚利桑那大学）和杰夫·詹金斯（Jeff Jenkins，来自杨百翰大学）在最近发表的一篇会议论文中所指出的，虽然鼠标光标的轨迹偏差和速度是辨别用户情绪和认知状态的有力手段，但我们必须保持审慎态度，不可贸然下结论。

在讨论另一类跟踪数据——击键动态时，他们指出：“输入本人姓名时的低熟悉度往往是一个标示欺诈的信号。通常情况下，人们在输入自己姓名时表现出很高的熟悉度，因为他们早已习惯成自然了。然而，如果针对姓名以外的其他监控目标，低熟悉度则未必意味着欺诈。例如，有些应用程序要求填写工作地址，而很多人记不清自己的工作地址，或者没怎么输入过。因此，他们在输入工作地址时表现出较低的熟悉度，而这很可能不是标示欺诈的信号。”

另外，有些人可能在技术互动方面天生不够灵活，或者对触摸屏设备的敏感度有别于其他人。在根据数字行为生物统计学（digital behavioral biometrics， DBB）做出推断时，也就是从跟踪数据中总结出独特的行为模式时，必须在用户进行人机交互的特定目标情境下做出解释。某个特定的DBB统计数据（比如熟悉度）在应用于一个目标（如名字）和另一个目标（如工作地址）的时候，意义可能完全不同。

对于任何打算在自身商业环境中利用DBB的从业者，除了要注意在具体情境中对事物做出解释的重要性以外，我的同事们还给出了下面一些建议。

● 尽可能从行为数据中剔除个人身份信息。

● 避免需要特殊权限的侵入行为，如启用电脑话筒和摄像头。特别是在欧洲，根据《通用数据保护条例》（General Data Protection Regulation， GDPR）的规定，收集用户数据需要征得同意，处理用户数据须明确告知。

● 同样，要避免跨域跟踪用户行为，这在技术上是可行的，但超出了在征得用户同意的域内收集数据的限制。

● 在不同设备间传输DBB时，要进行加密。

● 对数据的解读要建立在基于坚实理论和严谨研究的成熟科学方法之上。

最后一点是关键。随着组织越来越多地运用人工智能（AI）和机器学习（ML）算法来强化自身的人工流程，这就要求精通此类技术的管理者了解这些自动化手段的潜在缺点、偏差和失误。如前所述，某些奇怪的鼠标动作可能有欺诈以外的原因。AI可以标记出异常情况，但这需要合理的逻辑和有代表性的训练数据，后续还需要人类解读者跟进处理，如此方能形成可靠的结果，避免将用户误判为欺诈分子。

与任何用户界面一样，这个问题也不存在一种简单的答案。然而，我们的研究揭示了一种低成本、高度可扩展的方法，可用于检测用户的情緒和认知状态，以便改进用户体验设计。鼠标移动特征还可以与其他类型的用户输入（如击键动态和文件上传）联合运用。有了多种来源的跟踪数据，管理者就可以不断尝试不同的设计、布局和A/B测试，并进一步探索结果。

我们的方法不只是用来侦测用户的沮丧水平或欺诈等负面因素。举个例子：了解到认知失调或认知过载是教育领域的一个问题，我们就可以利用鼠标移动指标来设计更出色的界面，为在线学习者提供最适度的刺激，达到学习成果最大化。此外，我们还可以利用源自跟踪数据的洞见，将用户引向积极的方向，比如助力公共卫生运动，或者减轻大众对疫苗接种的认知障碍。

越来越多的初创企业已经在向企业客户提供DBB产品和服务，特别是在金融领域，像汇丰银行（HSBC）、巴克莱银行（Barclays）、花旗银行（Citi）和美国运通（American Express）等都已加入其中，这仅仅是几个例子。潜在的应用还有许多，需要未来做进一步的研究和探索。好消息是：新的洞见并不遥远，轻点鼠标，或许它就在眼前。

翻译：石小竹