Быстрый тест креативов с помощью ИИ еще до запуска рекламы

Чтобы оценить эффективность и успешность баннеров/креативов еще до запуска рекламы, с помощью модели, которая спрогнозирует как будет распределяться внимание аудитории и будут ли важные элементы в фокусе внимания.

Для анализа подходят изображения с четко выделяемыми элементами, такими как логотип, УТП, CTA, персонажи, другие объекты и текст.

Формат файлов - jpg, jpeg, png

Оценка баннера от 1 до 5 звезд выставляется на основе распределения внимания среди основных элементов и бенчмарков, которые были собраны в ходе анализа тысяч рекламных баннеров и изображений.

Данный инструмент рассчитан на то, чтобы спрогнозировать, на что человек рефлекторно обратит внимание при первом быстром взгляде на изображение. Рефлекторно, в первые 1-2 секунды, различия между разными группами ЦА несущественны, поэтому в инструменте нельзя указать и смоделировать поведение нужной ЦА. Различия между разными людьми вступают в силу только после рефлекторного взгляда, когда подключаются эмоции и осознанность (различия между рефлекторным и осознанным поведением описаны в работе Д. Канемана “Думай медленно…решай быстро” (2011) . Метод вычисления рефлекторности взгляда основан на комбинации цветов, размеров объектов, шрифтов, их расположения относительно друг друга и результатах тысяч реальных айтрекинг-исследований. Именно поэтому модель не делает различий между соц/дем характеристиками и прочими факторами, т к эти характеристики лишь несущественно влияют на рефлекторное поведение.

Всего в основе модели лежит более 100 млн. поведенческих данных по отслеживанию взгляда, собранных в ходе реальных eye tracking исследований (к поведенческим данным относятся направление взгляда на объекты, длительные фиксации взгляда на объекте и т. п.). Данные исследования проводились на 70000 различных типов материалов: изображениях, рекламных баннерах, вырезках из рекламных видео (пэкшотах), веб-страницах. Исследования проводились на группах из 20-25 человек, каждая группа просматривала не более 3-5 материалов.

На основе собранных поведенческих данных и того, куда люди обращают внимание на различных форматах и типах изображений, модель вывела "паттерны" распределения внимания человека, благодаря чему строит свой прогноз, который мы видим в результатах.

Модель была верифицирована с помощью MIT/Tuebingen Saliency Benchmark (https://saliency.tuebingen.ai/). Данный бенчмарк представляет собой набор данных по распределению взгляда на сотнях изображениях с реальных eye tracking исследований и методологию по сравнению результатов этих данных и результатов предиктивной модели. Сходство нашей предиктивной модели с реальными eye tracking исследованиями на людях составило 95%, что говорит о том, что модель достаточно точно прогнозирует как распределится внимание аудитории на том или ином изображении.

MIT/Tuebingen Saliency Benchmark – это стандартный набор данных и методология для оценки предсказательных нейросетевых eye tracking моделей. Этот бенчмарк был создан в результате сотрудничества Массачусетского технологического института (MIT) и Университета Тюбингена (University of Tuebingen).
Он включает:

1. Набор изображений с записями движений глаз (eye-tracking данные) от множества независимых лабораторий и компаний.
2. Метрики оценки (например, AUC, NSS, sAUC, CC), на основе которых сравнивают предсказания конкретной модели и реальные данные по eye tracking, полученные в ходе исследований на людях.
3. Методологию по формированию итоговой оценки точности предсказаний исследуемой модели.

Более подробная информация об MIT/Tuebingen Saliency Benchmark доступна здесь:
https://people.csail.mit.edu/tjudd/WherePeopleLook/index.html

На данный момент рекомендации от ИИ находятся в разработке.