了解怎樣的色彩、內容長度和光線條件才能實現最高的數字標牌內容回憶率�！�—Bill Gerba

    對許多網絡公司和內容創作公司而言，數字標牌的研究昂貴、費時，且難于把握。為了以更有效、更廉價、更便捷的方式找出最佳的屏幕、內容組合，WireSpring公司利用亞馬遜公司的Mechanical Turk群眾外包系統建立了一個仿真模擬平臺，來快速測試色彩、內容長度和光線條件這些變數對內容回憶率的影響，且已進行了無數次測試。我們測試了大約6個變數后，在2011年的數字標牌博覽會（DSE）上發布了測試結果。

    今天我們將涵蓋前三個測試：色彩與對比、信息長度和外界（環境）關系對信息閱讀和回憶的影響。

    問題1：色彩和/或色彩對比對信息識別和信息記憶的影響有多大？

    我們首先想測試的是色彩和對比在信息可讀性和信息記憶上的影響。過去，我們已經在色彩和對比方面做了許多研究，且很早以前就知道該用怎樣的色彩組合，這為我們提供了很有用的準控制案例。例如，我們都知道以相同襯值的前臺與后臺色彩組合（如白色襯在深紅底色上或白色襯在深藍底色上），兩種顏色表現持平。而提高對比率的色彩組合其效果往往更加。為測試Mechanical Turk為基礎的模擬是否反映了現實，我們制作了一系列色調和對比率不同的圖像（如展示不同的灰度，而不僅僅是黑色和白色），然后進行上百次實驗。

    我們一共測試了ClearChannel推薦的7種高對比的顏色組合，而這些顏色組合是他們設計戶外廣告的指導方針。盡管這些組合中并沒有一種組合獨占鰲頭（正如我們設想的），但我們確實看到了不同對比率情況下的重要變化（幸好，這也是我們所預計的）：

    黑底白字的組合遠勝于對比率稍低的黑底黃字組合。同樣地，藍底白字的組合勝過藍底黃字組合�？傮w而言，白底黑字是大贏家，甚至超過了黑底白字。這可能是由于電腦屏幕最擅長展示白色，因為紅/綠/藍色的每一組成像素都必須被轉化才能產生白色光線，這就使白色成為所有色彩中最明亮的顏色。

    問題2：信息長度如何影響回憶率？

    簡言之，50多年的心理學研究告訴我們，大部分人只能準確記住9樣或更少的物體，而最佳記憶點是7個左右。并且，我們更傾向于記住列表開始與結尾的事物，這就是我們大腦中叫做首位效應和就近效應的優化功能。于是我們只做了一系列測試圖像，來看哪怕是只言片語對觀看者閱讀和回憶一則信息的影響到底有多大。我們測試圖像中的信息長度從兩個字到五個字不等，完全在7±2的記憶范圍內。我們也想知道首位效應和就近效應是否會發揮作用。

    我們又一次很高興看到，Mechanical Turk結果模擬了過去進行的現實性研究。我們記錄了在回憶兩個字和五個字的詞組時大致8點不同，這實際上比我們估計的區別要大一些。不可否認的是，部分原因要歸于實驗誤差，因我們并沒有比較這些特定詞組在普通文本形式中的回憶率——盡管我們沒有期望這個基準點在我們的結果中產生多重要的影響。由于時間限制，我們沒有測試更長的詞組，但今后一定會進行測試，因為大量現實內容往往以更長的文本詞組形式出現，且更具行動號召力。

    問題3：普通環境的明亮度（如周圍燈光）如何影響信息識別與回憶？

    盡管內容制作和數字標牌回放系統給使用者提供了調整完好的軟件設置控制裝備，很多屏幕很不幸地被安裝在了不理想的環境中。我們都看到過顯示器掛得離地面太高、離正常的交通流太遠，甚至被裝在了視覺障礙物后面。簡而言之，當你不得不考慮地點限制時，最好的數字標牌安裝計劃也可能大打折扣。每當我想到好幾百萬美元花到了屏幕、播放器、軟件和內容上，卻因為所處內部環境的強光原因而沒人看得到，我就覺得很痛心。

    我們確信，環境明亮度對信息識別和回憶有極其消極的影響，但我們還不確定如何來測驗。（試著去下你們當地的沃爾瑪超市或俱樂部商店，要他們試著改變十來次燈光，看一下購物者是如何反應的。）最好，我們產生了一個相當完善的模擬方案，即將我們的數字標牌模擬內容安放到不同的購物環境中，并使用不同種類和不同強度的環境光線。為使屏幕看起來褪色得恰到好處，我們在一個控制好光線的白色（稍帶黃色）房間里拍的照片，然后將這些照片插入到購物環境圖像中。通過像素抽樣和取平均值，我們計算了一張圖像的“平均”明亮程度。有趣的是，我們制作的99張截然不同的圖像中，最后自熱地分成了六個不同的亮度種類。

    我們根據屏幕的相對明亮度——該屏幕與周圍環境相比其明亮度如何——劃分了正確答案百分比，從而得出了上面這張圖表，且意外地發現明亮度和回憶之間幾乎沒有關聯。圖表上66%相對明亮度類別處的急速下降也使我們困惑，直到我們重新回顧了整套圖像，然后發現事實上他們恰巧都有最高的視覺混淆價值。我們會在下一篇文章中談到高度的視覺混淆會造成回憶的急速跌落。我們沒有時間用更好的66-明亮度的圖像組來重新測試，但是我認為如果我們做了這樣的測試，結果將與圖表中余下的線條走向一致。

    如果你正在想，Mechanical Turk在和用真實數據做的研究對比時，很好地支持了以前的研究。我們從未進行過正式的數據分析，因為我們的數據收集方法和數據本身與別的試驗太不一樣了。但是根據簡單的統計和我們的行業經驗，這些結果還是相當“正確的”，可以作為實踐的參考。

    Bill Gerba和他的同事們最近發表了《測試數字標牌內容》中的第二部分——“測試數字標牌內容：導向、混雜與大小”。

    Bill Gerba是佛羅里達WireSpring技術聯合公司Fort Lauderdale的創辦人和執行總裁。該公司的產品主要用于全球范圍內遠程操控互動式一體化設備和數字標牌。他同時也是國際終端營銷協會數字標牌獎項目主席、業界重大事件常規演講人，和WireSpring公司的數字標牌博客作家，這篇文章也是經他同意后轉載于該博客。