Rinkodaros specialistai gali naudoti AI, kad įsitikintų, jog matote jų skelbimus – štai kaip

Kažkur tarp jūsų skaitomo straipsnio ir skelbimo šalia jo vyksta tylus karas už jūsų akis. Dauguma vaizdo skelbimų jį praranda, nes žmonės tiesiog nekenčia skelbimų – tiek didelės technologijų įmonės, kaip „Perplexity“ ar „Anthropic“, bando išvengti šios invazinės naštos, ieškodamos geresnių pajamų gavimo modelių.

Tačiau naujasis Merilendo ir Tilburgo universitetų tyrėjų dirbtinio intelekto įrankis nori tai pakeisti – nerimą keliančiu tikslumu numatydamas, ar tikrai pažiūrėsite į skelbimą, kol kas nors nesivargins jį ten įdėti.

Įrankis vadinamas AdGazer ir veikia analizuodamas pačią reklamą ir ją supančio tinklalapio turinį, o tada prognozuoja, kiek laiko įprastas žiūrovas žiūrės į skelbimą ir jo prekės ženklo logotipą, remiantis išsamiais istoriniais reklamos tyrimų duomenimis.

Komanda apmokė sistemą stebėti akių stebėjimo duomenis iš 3 531 skaitmeninio vaizdo skelbimo. Tikri žmonės dėvėjo akių sekimo įrangą, naršė puslapius, buvo fiksuojami jų žvilgsnių modeliai. AdGazer iš viso to pasimokė.

Išbandžius skelbimus, kurių anksčiau nematė, jis numatė dėmesį su 0,83 koreliacija, o tai reiškia, kad prognozės atitiko realius žmogaus žvilgsnio modelius maždaug 83 % laiko.

Skirtingai nuo kitų įrankių, kuriuose pagrindinis dėmesys skiriamas pačiam skelbimui, „AdGazer“ skaito visą aplink jį esantį puslapį. Finansinių naujienų straipsnis šalia prabangaus laikrodžio skelbimo veikia kitaip nei tas pats laikrodžio skelbimas, esantis šalia sporto rezultatų žymos.

Aplinkinis kontekstas, remiantis tyrime, paskelbtame Rinkodaros žurnalassudaro mažiausiai 33 % to, kiek dėmesio sulaukia skelbimas, ir apie 20 % to, kiek ilgai žiūrintieji žiūri būtent į prekės ženklą. Tai labai svarbu rinkodaros specialistams, kurie jau seniai manė, kad pats kūrinys daro visą sunkų darbą.

Sistema naudoja daugiarūšį didelės kalbos modelį, kad išskirtų aukšto lygio temas tiek iš skelbimo, tiek iš aplinkinio puslapio turinio, tada išsiaiškina, kaip gerai jos atitinka semantiškai – iš esmės skelbimas per se ir kontekstas, kuriame jis dedamas. Šie temų įterpimai įvedami į XGBoost modelį, kuris sujungia juos su žemesnio lygio vaizdinėmis funkcijomis, kad būtų pasiektas galutinis dėmesio balas.

Tyrėjai taip pat sukūrė sąsają „Gazer 1.0“, kurioje galite įkelti savo skelbimą, nubrėžti ribojančius langelius aplink prekės ženklą ir vaizdinius elementus ir per kelias sekundes gauti numatomą žvilgsnio laiką, kartu su šilumos žemėlapiu, rodančiu, kurios vaizdo dalys, modelio nuomone, pritrauks daugiausiai dėmesio. Jis veikia nereikalaujant specializuotos aparatinės įrangos, nors norint visiškai suderinti su LLM, vis tiek reikalinga GPU aplinka, kuri dar nėra integruota į viešą demonstracinę versiją.

Kol kas tai yra akademinė priemonė. Bet architektūra jau yra. Atotrūkis tarp tyrimo demonstracinės versijos ir gamybos reklaminių technologijų produkto matuojamas mėnesiais, o ne metais.