《深度學習的商戰必修課》:好感度較高的廣告,具備什麼樣的特徵?

《深度學習的商戰必修課》:好感度較高的廣告,具備什麼樣的特徵?
Credit: Depositphotos
我們想讓你知道的是

Video Research和山崎運用Video Research過去做過的廣告問卷資料,進一步分析認知度和好感度較高的廣告具備了什麼樣的特徵。

唸給你聽
powered by Cyberon

文:日經xTREND

學習約1萬支電視廣告影片,在播放前精準預測效果

電視上播放的廣告,有多少讓觀眾留下印象?會讓觀眾產生好感,特別注意嗎?會因而增加購買意願嗎?這套系統在廣告播放前的階段就正確預測播放之後的效果,甚至掌握提高廣告效果的重點,2018年中進入實用階段。廣告的事先測試變得容易,廣告製作工程也出現變化。

電視收視率調查公司Video Research(東京千代田區)與東京大學研究所資訊理工學系研究科電子資訊學研究室山崎俊彥副教授共同研究一項專案。山崎與各業界的企業合作,進行將吸引力數值化的「吸引力工程專案」。

以往預測廣告效果的思考模式,是以廣告每次播出時收視率總計的「總收視點」(gross rating point, GRP)為標準。因此,在收視率高的節目時段增加廣告播放次數,認知率、好感度和關心程度將等比上升。然而,這樣並沒有反映出創意的好壞,而且總收視點超過一定數值後,認知度和好感度的成長遞減。

因此,Video Research和山崎運用Video Research過去做過的廣告問卷資料,進一步分析認知度和好感度較高的廣告具備了什麼樣的特徵。

20200115_深度學習的商戰必修課_P192圖
Photo Credit: 臉譜
計算出對每一格廣告認知的貢獻度,將廣告的吸引力可視化(為保障著作權,影像已經過處理)
將10年分的1萬支廣告以每支15張圖像來分析

1982年開始,Video Research針對每個月約100支廣告片,對600名受訪者進行問卷調查,了解關於內容的理解、對產品的興趣關心程度、好感和印象等,並歸納出播放量與效果之間的關係,做成一份調查報告「TV—CM KARTE」。利用這份資料,以2006年1月至4月調查的約1萬2000支影片為對象,並從15秒的廣告影片中擷取出1秒1格的影像和語音資料,使用深度學習來分析。

使用約1萬支廣告來學習,擷取出影像和語音特徵,學習從問卷結果獲得的認知度、好感度、興趣關心程度、喚起商品購買意願程度等之間的關係。剩下約2000支廣告作為驗證用,驗證是否能從擷取出的特徵量來預測認知度、好感度等的高低和準確率。

首先,僅從廣告影像來實驗的結果,與認知度的相關係數為0.44,與商品購買喚起度的相關係數為0.43。這些數值已經大幅超越總收視點與認知度的相關係數0.35,以及總收視點與商品購買喚起度的相關係數0.22。接下來,在輸入要素加入語音資訊(聲音高低和節奏等)、字幕和演出人員資訊等廣告的其他後設資料(metadata,關於資料的資料)來實驗,與認知度的相關係數從0.44提升到0.64,與商品購買喚起度的相關係數則從0.43變成0.65。進一步加入微調後,2018年春季,認知度和購買喚起度的相關係數都高達0.7。

在廣告影像方面,各分成15張圖像來分析兩者的差異,藉此計算出每一張圖像對認知度和好感度的貢獻度。正值越大代表貢獻度越高,負值則代表反效果。山崎說明,「整體而言,在代言藝人或商品明顯出現的鏡頭上,貢獻度較高。廣告開頭引起注意的音效也很有效。這些結果可能都在意料之中,但能夠將影響的程度數值化,以及掌握到產生負面影響的片段,這些都有很大的意義。」

代表Video Research參與這項共同研究的解決方案事業局行銷解決方案部第一小組長暨資料設計部邏輯小組的河原達也表示,「對廣告主來說,播放前就能預測認知度和購買喚起度是一大重要成果。過去在播出前評估廣告案的問卷測試,由於預算和時間的限制,能調查的創意模式受限。如果能事先預測播出後的反應,就能嘗試多種編輯模式,選擇預測反應比較好的廣告。」

向廣告商和主要廣告主說明這項系統後,獲得不錯的反應,2018年仍會持續進行廣告預測的評估。這很可能對廣告製作工程本身帶來很大的改變,例如從收錄的多數廣告影像中找回並重用當初被修剪捨棄的片段。

相關書摘 ▶《深度學習的商戰必修課》:能創造出無限多「偶像特徵」假臉的人工智慧

書籍介紹

《深度學習的商戰必修課:人工智慧實用案例解析 看35家走在時代尖端的日本企業如何翻轉思考活用AI》,臉譜出版
.透過以上連結購書,《關鍵評論網》由此所得將全數捐贈聯合勸募

作者:日經xTREND
譯者:葉韋利

日本AI書籍第一人、東京大學松尾豐教授解說深度學習的發展預測。LINE、可口可樂、本田、樂天、NHK、So-net、佳能醫療系統……第一手訪談先驅者的前瞻思考,掌握智慧化新技術的無限商機。

  • 深入導讀深度學習的發展:影像辨識、多模式辨識、機器人學、互動、符號接地、知識擷取!
  • 為運用AI技術的企業經常遇到的疑問提出解答,次世代新興事業、企業創造價值必讀教本!
  • 直擊AI計畫推動者的挑戰與艱辛,收錄大量照片和圖表,身歷其境感受快速擴展的深度學習應用的今日與未來!
getImage
Photo Credit: 臉譜

責任編輯:朱家儀
核稿編輯:翁世航