นักการตลาดอาจใช้ AI เพื่อให้แน่ใจว่าคุณเห็นโฆษณาของพวกเขา—นี่คือวิธีการ

สรุปโดยย่อ

• AdGazer เป็นโมเดลที่ทำนายความสนใจของมนุษย์ต่อโฆษณาโดยใช้ AI ที่ฝึกด้วยการติดตามสายตา
• บริบทของหน้าเว็บมีผลต่อผลลัพธ์ความสนใจของโฆษณาสูงถึงหนึ่งในสาม
• การสาธิตเชิงวิชาการอาจพัฒนาไปสู่การใช้งานจริงในเทคโนโลยีโฆษณาได้อย่างรวดเร็ว

ระหว่างบทความที่คุณกำลังอ่านและโฆษณาข้างๆ มีสงครามเงียบๆ เพื่อแย่งชิงสายตาของคุณ โฆษณาบนหน้าจอส่วนใหญ่มักสูญเสียความสนใจไปเพราะคนเกลียดโฆษณา—จนบริษัทเทคโนโลยียักษ์ใหญ่อย่าง Perplexity หรือ Anthropic พยายามหลีกเลี่ยงภาระที่รบกวนเหล่านี้ โดยมองหาโมเดลสร้างรายได้ที่ดีกว่า แต่เครื่องมือ AI ใหม่จากนักวิจัยมหาวิทยาลัยแมรี่แลนด์และมหาวิทยาลัยทิลบูร์กต้องการเปลี่ยนแปลงสิ่งนั้น—โดยการทำนายด้วยความแม่นยำที่น่ากลัว ว่าคุณจะมองโฆษณาก่อนที่ใครจะวางมันไว้ที่นั่นหรือไม่ เครื่องมือนี้ชื่อว่า AdGazer และทำงานโดยวิเคราะห์ทั้งโฆษณาเองและเนื้อหาบนหน้าเว็บรอบๆ จากนั้นทำนายว่าผู้ชมทั่วไปจะจ้องมองโฆษณาและโลโก้แบรนด์นานแค่ไหน โดยอิงจากข้อมูลประวัติศาสตร์การวิจัยโฆษณาที่กว้างขวาง 

ทีมงานฝึกระบบนี้ด้วยข้อมูลการติดตามสายตาจากโฆษณาดิจิทัลจำนวน 3,531 ชิ้น คนจริงสวมอุปกรณ์ติดตามสายตา ท่องหน้าเว็บ และบันทึกรูปแบบการจ้องมอง ระบบ AdGazer เรียนรู้จากข้อมูลทั้งหมดนี้ เมื่อทดสอบกับโฆษณาที่ไม่เคยเห็นมาก่อน มันสามารถทำนายความสนใจได้ด้วยค่าสัมประสิทธิ์ความสัมพันธ์ 0.83—หมายความว่าการทำนายของมันตรงกับรูปแบบการจ้องมองของมนุษย์จริงประมาณ 83% ของเวลา ต่างจากเครื่องมืออื่นที่เน้นเฉพาะตัวโฆษณา AdGazer อ่านทั้งหน้าเว็บรอบๆ โฆษณา ตัวอย่างเช่น บทความข่าวการเงินข้างโฆษณานาฬิกาหรู ทำงานแตกต่างจากโฆษณานาฬิกาเดียวกันที่อยู่ข้างสกอร์กีฬา บริบทรอบข้าง ตามการศึกษาที่ตีพิมพ์ใน Journal of Marketing คิดเป็นอย่างน้อย 33% ของความสนใจที่โฆษณาได้รับ—and ประมาณ 20% ของเวลาที่ผู้ชมมองเฉพาะแบรนด์ นั่นเป็นเรื่องสำคัญสำหรับนักการตลาดที่เชื่อมานานว่าความคิดสร้างสรรค์เป็นตัวทำงานหนักทั้งหมด

ระบบนี้ใช้โมเดลภาษาขนาดใหญ่แบบหลายโหมดเพื่อดึงหัวข้อระดับสูงจากทั้งโฆษณาและเนื้อหาหน้าเว็บรอบๆ จากนั้นคำนวณว่าหัวข้อเหล่านั้นตรงกันทางความหมายดีแค่ไหน—เปรียบเทียบระหว่างโฆษณากับบริบทที่วางอยู่ หัวข้อเหล่านี้จะถูกป้อนเข้าโมเดล XGBoost ซึ่งผสมผสานกับคุณลักษณะภาพระดับต่ำเพื่อสร้างคะแนนความสนใจสุดท้าย นักวิจัยยังสร้างอินเทอร์เฟซ Gazer 1.0 ซึ่งคุณสามารถอัปโหลดโฆษณาของคุณเอง วาดกล่องล้อมรอบแบรนด์และองค์ประกอบภาพ แล้วรับเวลาการจ้องมองที่คาดการณ์ไว้เป็นวินาที พร้อมแผนที่ความร้อนที่แสดงส่วนที่โมเดลคิดว่าจะดึงดูดความสนใจมากที่สุด มันทำงานโดยไม่ต้องใช้ฮาร์ดแวร์เฉพาะทาง แต่การจับคู่หัวข้อด้วย LLM แบบเต็มยังต้องการสภาพแวดล้อม GPU ซึ่งยังไม่ได้รวมอยู่ในเวอร์ชันทดลองสาธารณะ ตอนนี้เป็นเครื่องมือเชิงวิชาการ แต่สถาปัตยกรรมก็พร้อมแล้ว ความแตกต่างระหว่างการสาธิตวิจัยและผลิตภัณฑ์เทคโนโลยีโฆษณาเชิงพาณิชย์นั้นวัดได้ในไม่กี่เดือน—not ปี