§1 Qué es Databrain Remote
Databrain Remote es la versión sin laboratorio de Databrain: en vez de sentar a cada participante frente a un eye-tracker de hardware, el estudio corre en su propia computadora, usando la webcam que ya tiene. Arma el protocolo una vez y comparte un enlace; cada persona que lo abre pasa por calibración, ve los estímulos, y sus datos quedan disponibles apenas termina.
La mirada estimada por webcam no tiene la precisión de un eye-tracker de hardware. Sirve para leer tendencia direccional (a qué zona general fue la atención), no fijación pixel a pixel. Esto se repite en cada pantalla de resultados a propósito — es parte de cómo se lee el dato, no una advertencia legal de relleno.
§2 Crear un estudio
Desde Mis estudios, el botón + Nuevo estudio te pide solo un nombre y una descripción corta — el resto se configura en el detalle del estudio ya creado.
- Nombra el estudioUsa algo que identifique la campaña o producto que estás evaluando — es lo que verás en la lista cuando tengas varios corriendo a la vez.
- Sube los estímulosImágenes o videos que verá cada participante (ver §3).
- Define el ordenFijo o aleatorio entre participantes (ver §4).
- ActívaloUn estudio en borrador no genera un enlace. Al activarlo se genera la URL pública que compartirás.
§3 Subir estímulos
Se aceptan imágenes (jpg, png, gif, webp, hasta 20 MB) y video (mp4, webm, hasta 500 MB). Si tienes el archivo en otro formato — mov, avi, mkv — conviértelo a mp4 antes de subir: no todos los navegadores lo reproducen igual, y esto evita que un participante se quede sin ver el estímulo por un problema de códec.
Puedes mezclar imágenes y videos en el mismo estudio. Cada estímulo se analiza con las métricas que le correspondan a su tipo — un video tiene curva de emoción en el tiempo, una imagen tiene el promedio agregado.
§4 Orden de presentación
Si vas a comparar estímulos entre sí (por ejemplo con la tabla de significancia), usa orden aleatorio: así ningún estímulo queda sistemáticamente favorecido por aparecer siempre primero (atención fresca) o siempre último (fatiga, aburrimiento). Con orden fijo, esa variable queda mezclada con el efecto real del estímulo — no podrás distinguir una cosa de la otra.
Usa orden fijo solo si el orden es parte deliberada de lo que estás probando — por ejemplo, una narrativa secuencial donde el estímulo 2 solo tiene sentido después del 1.
§5 Áreas de interés (AOI)
Un AOI es un rectángulo que se marca sobre el estímulo — un logo, un precio, una cara — para medir específicamente cuánta atención recibió esa zona, más allá del heatmap general.
Desde Editar AOIs, se dibuja arrastrando sobre la imagen o el video. En imágenes el rectángulo queda fijo — se crea uno nuevo por cada arrastre.
| Métrica | Qué significa |
|---|---|
| % atención | Fracción del tiempo con la mirada dentro del área, promediada entre participantes. |
| Lo miraron | Porcentaje de participantes que tuvieron al menos una mirada dentro del área alguna vez. |
| TTFF | Time To First Fixation — tiempo hasta la primera mirada dentro del área, promedio de quienes la miraron. |
§6 AOI en video: keyframes
En video, un AOI se define por keyframes: puntos en el tiempo donde se marca dónde está la zona. Con un solo keyframe, el AOI existe apenas en ese instante. Para que cubra un tramo del video, selecciónala en la lista de la derecha, muévete a otro momento y dibuja de nuevo — eso agrega un segundo keyframe.
La AOI solo existe entre su primer y su último keyframe — ni antes, ni después. Si el objeto que estás siguiendo aparece a los 5s y desaparece a los 20s, esos son tus dos puntos: el AOI no cuenta ni se dibuja fuera de esa ventana.
Para que el AOI se mueva
Con la AOI seleccionada, muévete a otro momento del video y dibuja de nuevo en la nueva posición — se interpola linealmente la posición entre ambos puntos, así el rectángulo "sigue" al objeto en pantalla.
Confirmar una AOI
Mientras una AOI está seleccionada, aparece un ✓ junto a su nombre. Tócalo cuando termines de agregarle puntos — así el próximo trazo en el video crea una AOI nueva en vez de sumarle otro punto a esta.
Curva de atención
En la tabla de resultados, cada AOI de video tiene una columna Curva de atención: un sparkline pequeño (sin ejes) que muestra cómo varió el % de atención durante su ventana activa — útil para ver de un vistazo si el interés creció, cayó, o se mantuvo parejo mientras el objeto estuvo en pantalla.
§7 FTR — respuesta implícita
FTR (Fast Test Response) mide la primera impresión de forma implícita: después de ver el estímulo, cada participante responde SI/NO a una serie de palabras cronometradas.
El resultado no es el porcentaje de SI. Es la velocidad de respuesta: una respuesta rápida delata una asociación automática (sea SI o NO), una respuesta lenta delata una opinión racionalizada — el participante está pensando la respuesta, no reaccionando. Por eso los resultados de FTR se leen cruzando dirección (SI/NO) con velocidad, nunca el % de SI solo.
Es opcional por estudio. Se activa desde el estudio, y las palabras se definen una sola vez: en cuanto hay participantes con datos, quedan fijas para no mezclar respuestas de distintas versiones del test.
§8 Heatmap y atención
El heatmap agrega la mirada de todos los participantes elegibles sobre el estímulo. Se excluyen automáticamente quienes completaron desde celular o tablet — la cámara frontal de un celular tiene una geometría distinta a una webcam de escritorio, no son comparables en el mismo mapa — y quienes tuvieron muy poca cobertura de atención para ese estímulo puntual. Ambas exclusiones se muestran en pantalla, con el número exacto de cuántos quedaron afuera y por qué.
§9 Curvas de emoción
Para video, se muestra la evolución de las siete emociones básicas a lo largo del tiempo, como promedio de grupo con una banda de error estándar (SEM). Cada participante se remuestrea primero a su propia grilla temporal antes de promediar entre todos — así nadie pesa más en el promedio solo por tener una detección facial más constante.
Para imagen, al no haber un eje temporal útil, se muestra directamente el promedio por emoción durante el tiempo que se mostró el estímulo.
§10 Significancia entre estímulos
Cuando un estudio tiene más de un estímulo, puedes compararlos: test t pareado (mismo participante en ambos estímulos) por emoción y por atención, con dos ajustes que muchas herramientas omiten:
- Corrección por comparaciones múltiples (FDR de Benjamini-Hochberg): comparar muchos pares a la vez infla la chance de un falso positivo si no se corrige.
- Tamaño de efecto (Cohen's d): un resultado puede ser estadísticamente significativo y aun así ser una diferencia pequeña en la práctica — el tamaño de efecto es lo que dice si importa.
Requiere al menos 3 participantes con datos en ambos lados del par; si no los hay, se marca como insuficiente en vez de fabricar un resultado poco confiable.
§11 Exportar el informe
El PDF incluye las tablas de resultados por estímulo, la significancia entre estímulos, y una interpretación generada automáticamente a partir de esos números — pensada como lectura de apoyo, no como reemplazo del análisis de un especialista. El ZIP trae los CSV originales de cada participante, por si necesitas reprocesar algo tú mismo.
§12 Filtros de calidad
No todos los participantes que abren el enlace terminan aportando datos utilizables. Databrain Remote filtra automáticamente en dos niveles, y siempre informa cuántos quedaron afuera:
| Filtro | Por qué existe |
|---|---|
| Dispositivo | Celular/tablet se excluye de heatmaps de escritorio — geometría de cámara distinta, no comparable. |
| Cobertura de atención | Si hubo muy poca señal de mirada capturada durante el estímulo, ese participante no entra en el promedio — una muestra ruidosa pesaría igual que una sólida si se la incluyera igual. |
| Calibración | Se reporta el error de calibración de cada participante (badge "Calib. OK" / "Calib. baja") para que puedas juzgar la confiabilidad caso por caso. |
§13 Preguntas frecuentes
- ¿Necesita instalar algo el participante?
- No. Todo corre en el navegador, incluida la calibración de mirada. Funciona en cualquier computadora con webcam y un browser moderno.
- ¿Puedo usar esto en celular?
- El participante puede completarlo desde celular, pero esos datos se excluyen del heatmap agregado de escritorio por la diferencia de geometría de cámara — sí se cuentan en emociones y FTR.
- ¿Qué pasa si un participante abre el enlace y no termina?
- Igual queda un registro (para que sepas que hubo un intento), pero sin fecha de fin ni estado completo — no se cuenta en los promedios de resultados.
- ¿Puedo editar una AOI después de tener participantes?
- Sí. Las métricas de AOI se recalculan sobre los datos de mirada ya guardados cada vez que consultas resultados — no hace falta volver a correr el estudio.
- ¿La interpretación en PDF reemplaza a un analista?
- No. Es una lectura de apoyo generada a partir de los números — el criterio final sobre qué significan para tu producto sigue siendo del equipo de investigación.