Comment les marques pourraient utiliser l'IA pour s'assurer que vous voyez leurs publicités

Quelque part entre l’article que vous lisez et la publicité qui apparaît à côté, une bataille silencieuse fait rage pour attirer votre attention. La plupart des bannières publicitaires le perdent parce que les gens les détestent tout simplement – ​​à tel point que les grandes entreprises technologiques comme Perplexity ou Anthropic tentent de s'éloigner de ces charges invasives, à la recherche de meilleurs modèles de monétisation.

Cependant, un nouvel outil d'intelligence artificielle développé par des chercheurs de l'Université du Maryland et de l'Université de Tilburg veut changer cela, en prédisant avec une précision étrange si vous regarderez réellement une annonce avant que quelqu'un ne prenne la peine de la placer là.

L'outil s'appelle AdGazer et fonctionne en analysant à la fois la publicité elle-même et le contenu de la page Web environnante, puis en projetant la durée pendant laquelle un utilisateur moyen fixera son regard sur la publicité et le logo de la marque, sur la base de données de recherche historiques approfondies sur la publicité.

L’équipe a formé le système avec des données de suivi oculaire obtenues à partir de 3 531 publicités numériques. De vraies personnes portaient un équipement de suivi oculaire, parcouraient des pages Web et leurs schémas de regard étaient enregistrés. AdGazer a appris de tout cela.

Lorsqu'il a été testé avec des publicités qu'il n'avait jamais vues, il a prédit l'attention avec une corrélation de 0,83, ce qui signifie que ses projections correspondaient aux modèles réels du regard humain environ 83 % du temps.

Contrairement à d'autres outils qui se concentrent uniquement sur l'annonce, AdGazer lit la page entière qui l'entoure. Un article d’actualité financière à côté d’une publicité pour une montre de luxe génère des performances différentes de la même publicité à côté d’un tableau de bord sportif.

Le contexte entourant la publicité, selon l'étude publiée dans le Revue de marketingCela explique au moins 33 % de l'attention qu'une publicité reçoit et environ 20 % du temps où les utilisateurs regardent spécifiquement la marque. Cela concerne les spécialistes du marketing qui ont longtemps supposé que le contenu créatif était seul responsable des résultats.

Le système utilise un modèle LLM (Large Language Model) multimodal pour extraire les thèmes de haut niveau de l'annonce et du contenu environnant sur la page, puis détermine leur correspondance sémantique (essentiellement l'annonce elle-même par rapport au contexte dans lequel elle est placée). Ces intégrations thématiques ou représentations thématiques sont intégrées dans un modèle XGBoost, qui les combine avec des fonctionnalités visuelles de bas niveau pour générer un score d'attention final.

Les chercheurs ont également développé une interface appelée Gazer 1.0, dans laquelle vous pouvez télécharger votre propre publicité, dessiner des cadres de délimitation autour de la marque et des éléments visuels, et obtenir une durée d'apparence projetée en secondes, ainsi qu'une carte thermique montrant quelles parties de l'image, selon le modèle, retiendront le plus l'attention. Il fonctionne sans matériel spécialisé, bien que l'intégration complète du LLM pour l'analyse thématique nécessite toujours un environnement GPU qui n'est pas disponible dans la démo publique.

Pour l'instant, c'est un outil académique. Cependant, l'architecture existe déjà. La distance entre une démonstration de recherche et un produit publicitaire de production se mesure en mois et non en années.

Trezor One – Portefeuille Matériel de Crypto-Monnaie – Le Stockage à Froid Le Plus Fiable pour Bitcoin, Ethereum, ERC20 et Bien d’autres (Noire)