AdGazer: هوش مصنوعی که با دقت ۸۳٪ پیشبینی میکند کاربران به کدام تبلیغ نگاه میکنند
محققان دانشگاههای مریلند و تیلبورگ ابزار هوش مصنوعی جدیدی به نام AdGazer توسعه دادهاند که با تحلیل همزمان محتوای تبلیغ و صفحه وب اطراف آن، میتواند با دقت ۸۳٪ پیشبینی کند که کاربران چقدر به یک تبلیغ نمایشی نگاه خواهند کرد. این مدل نشان میدهد که زمینه صفحه وب تا یکسوم بر جلب توجه تبلیغ تأثیر دارد، یافتهای که میتواند صنعت تبلیغات دیجیتال را متحول کند.
نکات کلیدی
– AdGazer یک مدل هوش مصنوعی است که با استفاده از دادههای ردیابی چشم آموزش دیده تا توجه انسان به تبلیغات را پیشبینی کند.
– این مدل هم تبلیغ و هم محتوای صفحه وب اطراف آن را تحلیل میکند و نشان میدهد زمینه صفحه تا ۳۳٪ بر میزان توجه به تبلیغ تأثیرگذار است.
– دقت پیشبینی مدل در تستهای مستقل بر روی تبلیغات جدید، به ضریب همبستگی ۰.۸۳ رسیده است.
– سیستم از یک مدل زبانی بزرگ چندوجهی برای استخراج موضوعات سطح بالا و یک مدل XGBoost برای ترکیب این ویژگیها با ویژگیهای بصری استفاده میکند.
– محققان یک رابط کاربری به نام Gazer 1.0 ساختهاند که امکان آپلود تبلیغ و دریافت پیشبینی زمان نگاه و نقشه حرارتی توجه را فراهم میکند.
– این فناوری در حال حاضر یک ابزار دانشگاهی است، اما فاصله تا تبدیل شدن به یک محصول تجاری در صنعت ادتک میتواند تنها چند ماه باشد.
– یافتهها تأکید میکنند که خلاقیت تبلیغاتی به تنهایی تعیینکننده موفقیت نیست و زمینه قرارگیری نقشی حیاتی دارد.
جنگ خاموش برای جلب توجه کاربران
در فضای شلوغ اینترنت، نبردی آرام برای جلب نگاه کاربران در جریان است. تبلیغات نمایشی دیجیتال اغلب در این نبرد بازنده میشوند، زیرا کاربران بهطور کلی نگاهی منفی به تبلیغات دارند. این تنفر به حدی است که شرکتهای بزرگ فناوری مانند Perplexity یا Anthropic در تلاش هستند تا از این مدل تهاجمی فاصله گرفته و به دنبال روشهای بهتری برای درآمدزایی باشند.
اما ابزار هوش مصنوعی جدیدی از محققان دانشگاه مریلند و دانشگاه تیلبورگ هلند میخواهد این معادله را تغییر دهد. این ابزار که AdGazer نام دارد، با دقتی قابلتأمل پیشبینی میکند که آیا کاربران به یک تبلیغ نگاه خواهند کرد، حتی قبل از اینکه آن تبلیغ واقعاً در صفحه قرار داده شود.
AdGazer با تحلیل همزمان خود تبلیغ و محتوای صفحه وب اطراف آن کار میکند. سپس بر اساس دادههای تاریخی گستردهای از تحقیقات تبلیغاتی، پیشبینی میکند که یک بیننده معمولی چقدر به تبلیغ و لوگوی برند آن خیره خواهد ماند.
آموزش مدل با دادههای واقعی ردیابی چشم
تیم تحقیقاتی این سیستم را روی دادههای ردیابی چشم مربوط به ۳۵۳۱ تبلیغ نمایشی دیجیتال آموزش دادهاند. در این پژوهش، افراد واقعی از تجهیزات ردیابی چشم استفاده کردند و در حین گشتوگذار در صفحات وب، الگوهای نگاه آنها ثبت شد. مدل AdGazer از تمام این دادهها یاد گرفت.
هنگام آزمایش روی تبلیغاتی که هرگز قبلاً ندیده بود، مدل توانست توجه کاربران را با ضریب همبستگی ۰.۸۳ پیشبینی کند. این رقم به معنای آن است که پیشبینیهای سیستم در حدود ۸۳٪ موارد با الگوهای واقعی نگاه انسان مطابقت داشت. این سطح از دقت، آن را به ابزاری بسیار قدرتمند تبدیل میکند.
نکته متمایزکننده AdGazer نسبت به سایر ابزارها، تمرکز آن بر کل صفحه است. برخلاف ابزارهای سنتی که فقط بر خود تبلیغ متمرکز میشوند، این سیستم زمینه قرارگیری تبلیغ را عمیقاً میخواند. عملکرد یک تبلیغ ساعت لوکس در کنار یک مقاله خبری مالی، با عملکرد همان تبلیغ در کنار یک جدول زنده نتایج ورزشی کاملاً متفاوت خواهد بود.
تأثیر شگفتانگیز زمینه صفحه وب
بر اساس مطالعهای که در مجله معتبر Journal of Marketing منتشر شده، زمینه اطراف تبلیغ مسئول حداقل ۳۳٪ از میزان توجهی است که یک تبلیغ دریافت میکند. همچنین حدود ۲۰٪ از مدت زمانی که کاربران به طور خاص به برند نگاه میکنند نیز تحت تأثیر این زمینه است.
این یافته برای بازاریابان و تبلیغدهندگان بسیار مهم و چالشبرانگیز است. برای دههها، این فرض غالب بود که بار اصلی جلب توجه بر دوش خلاقیت تبلیغاتی است. اکنون دادهها نشان میدهند که محل و زمینه نمایش تبلیغ، سهمی تعیینکننده و تاکنون دستکم گرفته شده دارد.
سیستم AdGazer از یک مدل زبانی بزرگ چندوجهی استفاده میکند تا موضوعات سطح بالا را هم از تبلیغ و هم از محتوای صفحه اطراف استخراج کند. سپس میزان همخوانی معنایی بین این دو را محاسبه میکند. در واقع، تطابق یا عدم تطابق محتوایی تبلیغ با محیطی که در آن قرار میگیرد، سنجیده میشود.
این جاسازیهای موضوعی سپس به یک مدل XGBoost داده میشوند. این مدل، آنها را با ویژگیهای بصری سطح پایینتر (مانند رنگ، کنتراست و ترکیببندی) ترکیب کرده و در نهایت یک نمره توجه نهایی تولید میکند.
رابط کاربری و آینده نزدیک فناوری
محققان برای نمایش عملی قابلیتهای این سیستم، یک رابط کاربری به نام Gazer 1.0 ساختهاند. در این رابط، کاربران میتوانند تبلیغ خود را آپلود کنند، کادرهایی دور عناصر برند و بخشهای بصری بکشند و یک پیشبینی از زمان نگاه بر حسب ثانیه دریافت کنند.
خروجی سیستم علاوه بر زمان پیشبینی شده، شامل یک نقشه حرارتی نیز هست که نشان میدهد مدل کدام بخشهای تصویر را جذابتر و توجهبرانگیزتر میداند. این ابزار بدون نیاز به سختافزار تخصصی اجرا میشود، اگرچه بخش کامل تطابق موضوعی مبتنی بر مدل زبانی بزرگ هنوز به محیط GPU نیاز دارد و در نسخه دموی عمومی یکپارچه نشده است.
در حال حاضر، AdGazer یک ابزار دانشگاهی و پژوهشی است. اما معماری فنی آن کامل است و فاصله بین یک دموی تحقیقاتی و یک محصول تجاری آماده برای صنعت ادتک، به ماهها و نه سالها اندازهگیری میشود. این بدان معناست که به زودی ممکن است شاهد ادغام چنین فناوریهایی در پلتفرمهای تبلیغاتی بزرگ باشیم.
این تحول میتواند به تبلیغدهندگان کمک کند تا بودجه خود را با کارایی بسیار بیشتری تخصیص دهند و تبلیغات را در زمینههایی قرار دهند که بیشترین احتمال جلب توجه را دارد. در نهایت، این امر ممکن است منجر به تجربه کاربری بهتری نیز شود، زیرا کاربران تبلیغات مرتبطتر و کمآزارتری را مشاهده خواهند کرد.