簡要介紹
在你正在閱讀的文章與旁邊的廣告之間，正上演一場為你的目光而進行的靜默戰爭。大多數展示廣告之所以失去效果，是因為人們討厭廣告——甚至厭惡到像 Perplexity 或 Anthropic 這樣的大型科技公司都在試圖遠離那些侵入性的負擔，尋找更好的盈利模式。 但來自馬里蘭大學和蒂爾堡大學的研究人員推出的一款新型人工智慧工具，試圖改變這一切——它能以令人不安的準確度預測你是否會在廣告被放置之前真正看過它。 這個工具叫做 AdGazer，它通過分析廣告本身以及周圍的網頁內容，預測典型觀眾會盯著廣告和品牌標誌看多長時間，基於大量的廣告研究歷史數據進行預測。
該團隊用3,531個數字展示廣告的眼動追踪數據訓練了這個系統。真人佩戴眼動追踪設備，瀏覽網頁，並記錄他們的凝視模式。AdGazer 從中學習。 在測試未曾見過的廣告時，它的預測注意力的相關係數達到0.83——意味著它的預測與實際人類凝視模式的吻合度約為83%。 與其他專注於廣告本身的工具不同，AdGazer 會讀取整個頁面內容。比如一篇財經新聞旁的奢華手錶廣告，與同一手錶廣告放在體育比分滾動條旁的效果不同。 根據發表在《市場營銷期刊》上的研究，周圍的內容至少佔廣告獲得注意力的33%，而且約20%的時間是觀眾專注於品牌本身。這對長期認為創意本身就是全部的行銷人員來說，是一個重大突破。
該系統使用多模態大型語言模型，從廣告和周圍頁面內容中提取高層次主題，然後判斷它們在語義上的匹配程度——基本上是廣告本身與其所處的內容之間的關係。這些主題嵌入向量會輸入到一個 XGBoost 模型中，與較低層次的視覺特徵結合，產生最終的注意力分數。 研究人員還打造了一個界面 Gazer 1.0，用戶可以上傳自己的廣告，圈出品牌和視覺元素，並獲得預測的凝視時間（秒數）——以及一個熱點圖，顯示模型認為最能吸引注意力的部分。該工具運行不需要專用硬件，但完整的基於 LLM 的主題匹配仍需 GPU 環境，目前尚未集成到公開演示中。 目前它仍是一個學術工具，但架構已經建立。從研究演示到商用廣告技術產品的轉變，時間只需幾個月，而非數年。
