З чого починається ШІ-аналіз реклами: як ми навчали модель

Давайте чесно: оцінка креативу є суб’єктивною. На нарадах звучить знайоме: «цей колір — тьмяний», «логотип треба збільшити», «мені не подобається цей шрифт».

У зовнішній і транзитній рекламі однієї інтуїції недостатньо, щоб отримати потрібний результат. У водія чи пішохода не так уже й багато часу, щоб помітити ваш білборд. І якщо креатив не спрацював, це зазвичай стає зрозуміло тоді, коли можливості щось змінити в кампанії обмежені.

Ми вирішили підійти до креативного питання об’єктивніше: створити ШІ-інструмент, який оцінює рекламу на основі реальних даних про людську увагу. Важливо, що це не синтетичні моделі — а результати взаємодії людей із реальними рекламними креативами.

Коли ми говоримо, що штучний інтелект аналізує креатив, це може звучати як магія: завантажив макет — отримав оцінку. Наче всередині є жюрі, що дивиться і вирішує, добре це чи ні.

Насправді все значно приземленіше. За цим стоїть тривала робота з даними, патернами і, по суті, спроба формалізувати те, як люди дивляться на рекламу в реальному світі.

Це історія про початок. Про те, що саме ми разом із Wantent показали моделі, перш ніж вона навчилася оцінювати креативи.

Перше, що важливо прийняти: модель не бачить креатив так, як людина. Вона не мислить в категоріях «подобається/не подобається» і не читає меседж у звичному сенсі. Замість цього вона працює з сигналами.

Ми почали з трьох базових речей: куди спрямована увага, як довго вона утримується і яку емоційну реакцію викликає креатив — не як абстрактні враження, а як вимірювані параметри.

Далі з’являється наступний рівень — пошук закономірностей. Модель вчиться співставляти: які рішення в дизайні та подачі стабільно утримують увагу, а які — ні. Що підсилює емоційний відгук, а що проходить повз.

Із цього моменту магія закінчується і починається системна робота з причинно-наслідковими зв’язками.

Будь-яка модель — це відображення того, на чому її навчали. У нашому випадку за «інтуїцією» ШІ стоїть доволі конкретний обсяг: понад 1,2 мільйона точок даних і 134 тисячі секунд контенту, для якого були зібрані оцінки респондентів.

Але важливіше не кількість, а те, що саме ми вважаємо даними. Точка даних — це не один перегляд, а окреме вимірювання або характеристика взаємодії глядача з контентом. До них належать:

-дані розпізнавання емоційних реакцій

-параметри уваги (engagement, focus)

-атрибути контенту (структура, сцени, об’єкти тощо)

-відповіді з опитувальників

-динаміка змін сприйняття в часі

Тобто кожна точка — це конкретний сигнал або параметр, зафіксований у процесі аналізу.

Принципово важливо: ми працювали не з синтетичними даними.

Люди дивилися реальні рекламні креативи: статичні та відео. Під час перегляду ми фіксували поведінкові й емоційні сигнали, а також динаміку уваги. Після цього ставили додаткові запитання, щоб отримати глибші інсайти щодо:

-вподобань і рівня зацікавленості

-сприйняття контенту

-асоціацій з брендом

-намірів (наприклад, purchase intent)

У результаті в одному датасеті поєдналися дві площини: те, що людина робить під час контакту з рекламою, і те, як вона це пояснює постфактум. Саме ця комбінація дає об’єм — і дозволяє моделі бачити не лише поведінку, а й її інтерпретацію.

Для людини креатив — це банер або відео. Для моделі — набір параметрів, які описують, що саме в ньому відбувається.

Ми розкладаємо креатив на атрибути: композицію, об’єкти й персонажів, кольори, текст і бренд-елементи, а також структуру і ритм. Це дозволяє формально описати те, що людина зазвичай сприймає інтуїтивно.

Паралельно додаються реакції аудиторії: де концентрується увага, як вона змінюється в часі та які емоції виникають під час перегляду.

Ще один рівень — інтерпретація: оцінки, асоціації та наміри, зокрема намір придбати, що фіксуються після контакту з креативом.

У результаті креатив для моделі — це поєднання трьох шарів: формальних характеристик, фактичних реакцій аудиторії та подальшої інтерпретації. Саме з цим масивом працює модель під час навчання.

Один із ключових моментів — визначення уваги.

Ми спираємося на підхід модель ефективної уваги (Effective Attention Framework), що використовується в методології Wantent і розглядає увагу не як одну метрику, а як поєднання трьох рівнів:

-когнітивний: якість і стабільність фокусу, глибина зорової обробки

-поведінковий: скільки часу людина перебуває в стані ефективної уваги

-емоційний: рівень емоційної взаємодії та співпричетності

Цей поділ принциповий. Тому що «подивився», «помітив» і «запам’ятав» — це різні стани. Відповідно, модель працює не з фактом контакту, а з цією різницею — і саме це дозволяє точніше оцінювати, як креатив сприймається.

Один і той самий креатив може працювати по-різному — залежно від того, де саме людина його бачить.

Білборд уздовж дороги — це кілька секунд і швидкий, розфокусований погляд. Носій у вагоні метро — інший сценарій: більше часу, інша дистанція, інший рівень уваги.

Це впливає не лише на тривалість контакту, а й на сприйняття: що помічають, що ігнорують, що запам’ятовується.

Тому ми формували набір даних не абстрактно, а з урахуванням середовища: різні формати, дистанція та умови перегляду. У результаті модель вчиться оцінювати креатив не «в вакуумі», а в конкретному контексті.

На цьому етапі починається те, що зазвичай і називають «штучним інтелектом».

Модель не оцінює креатив напряму. Спочатку вона зіставляє різні типи даних: атрибути креативу, патерни уваги, емоційні реакції та оцінки після перегляду.

У цьому зіставленні вона шукає повторювані зв’язки. Наприклад, як кількість тексту впливає на увагу до логотипу, як композиція змінює фокус або які елементи підсилюють емоційний відгук.

Це не окремі спостереження, а патерни, які повторюються на великому масиві даних.

З часом модель починає розпізнавати ці зв’язки в нових креативах — і саме на цьому будується її здатність робити оцінку ще до появи реальної реакції аудиторії.

Коли креатив потрапляє в інструмент, він не оцінюється одразу. Спочатку система розкладає його на атрибути — ті самі параметри, через які модель взагалі «бачить» контент.

Далі моделюється розподіл уваги: формується теплова карта, яка показує, де саме з більшою ймовірністю концентруватиметься погляд і як він рухатиметься по креативу.

Паралельно оцінюється потенційна емоційна реакція — на основі вивчених патернів.

Усі ці дані далі зіставляються з навчальним масивом, щоб зрозуміти, наскільки цей конкретний креатив відповідає відомим закономірностям.

У результаті користувач отримує не одну «оцінку», а кілька рівнів: самі оцінки, візуалізацію уваги, зони ризику і рекомендації щодо покращення.

Часто оцінка креативу виглядає так: подивилися, обговорили, домовилися. Це працює — але завжди залишається в межах суб’єктивного сприйняття.

З появою моделі додається ще один рівень — вимірюваний. Тепер можна не лише обговорювати, а й перевіряти: чи є чіткий фокус, чи не розмивається увага, як працює композиція в конкретних умовах.

І головне — зробити це до запуску кампанії, а не після.