G-FOCUS: UIデザインの説得力評価に向けた堅牢な手法の提案

G-FOCUS: Towards a Robust Method for Assessing UI Design Persuasiveness

May 8, 2025

著者: Jaehyun Jeon, Jang Han Yoon, Min Soo Kim, Sumin Shim, Yejin Choi, Hanbin Kim, Youngjae Yu

cs.AI

要旨

ユーザーインターフェース（UI）デザインの効果を評価する際、その範囲は美的側面を超えてユーザーの行動に影響を与える点にまで及びます。これは「デザインの説得力」の中核をなす原則です。A/Bテストは、どのUIバリエーションがより高いユーザーエンゲージメントを促すかを判断する主要な方法ですが、コストと時間がかかります。最近のVision-Language Models（VLM）は自動化されたUI分析を処理できますが、現在のアプローチは孤立したデザイン属性に焦点を当てており、ユーザーインタラクションを最適化するための鍵となる「比較的説得力」には注目していません。この問題に対処するため、我々はWiserUI-Benchを導入しました。これは、300組の実世界のUI画像ペアにA/Bテスト結果と専門家の根拠をラベル付けした、ペアワイズUIデザイン説得力評価タスク向けのベンチマークです。さらに、G-FOCUSという新しい推論時戦略を提案します。これは、位置バイアスを低減し、評価精度を向上させることで、VLMベースの説得力評価を強化します。実験結果は、G-FOCUSが既存の推論戦略を上回り、ペアワイズUI評価における一貫性と精度で優れていることを示しています。VLM駆動のUI説得力評価を促進することで、我々の研究はA/Bテストを補完するアプローチを提供し、スケーラブルなUI選好モデリングとデザイン最適化の進展を推進します。コードとデータは公開されます。

English

Evaluating user interface (UI) design effectiveness extends beyond aesthetics to influencing user behavior, a principle central to Design Persuasiveness. A/B testing is the predominant method for determining which UI variations drive higher user engagement, but it is costly and time-consuming. While recent Vision-Language Models (VLMs) can process automated UI analysis, current approaches focus on isolated design attributes rather than comparative persuasiveness-the key factor in optimizing user interactions. To address this, we introduce WiserUI-Bench, a benchmark designed for Pairwise UI Design Persuasiveness Assessment task, featuring 300 real-world UI image pairs labeled with A/B test results and expert rationales. Additionally, we propose G-FOCUS, a novel inference-time reasoning strategy that enhances VLM-based persuasiveness assessment by reducing position bias and improving evaluation accuracy. Experimental results show that G-FOCUS surpasses existing inference strategies in consistency and accuracy for pairwise UI evaluation. Through promoting VLM-driven evaluation of UI persuasiveness, our work offers an approach to complement A/B testing, propelling progress in scalable UI preference modeling and design optimization. Code and data will be released publicly.