w badaniach reklamy prasowej
Zastosowanie Face Readera w badaniach reklamy prasowej
Face Reader to nowy moduł badania reklamy w prasie przeprowadzanego przez PBC. Jego celem jest wykrycie i rozpoznanie emocji wyzwalanych u respondentów przez bodźce w postaci reklam w gazetach i czasopismach. Face Reader to prawdziwa sztuczna inteligencja oparta o szereg algorytmów przetwarzania obrazu i uczenia maszynowego! U podstaw naszego rozwiązania leży uczenie głębokie (ang.: Deep Learning) – sieć neuronowa o specjalnie przystosowanej architekturze, wytrenowana do swojego zadania na obszernych zbiorach danych.
Żeby lepiej zrozumieć w jaki sposób taka technologia może pomóc nam rozwiązać wspomniany problem biznesowy, trzeba wpierw zrozumieć samą procedurę badawczą. Badanie Face Reader przeprowadzane jest na puli fizycznych respondentów. Podczas sesji badawczej, twarz respondenta nagrywana jest specjalną kamerą 3D, a ruchy jego oczu monitorowane przez urządzenie typu eyetracker. Badany usadzany jest w kontrolowanym otoczeniu, a jego uwadze poddawana jest próbka reklam. Algorytm analizuje obraz z kamery oraz dane na temat ruchu oczu w celu przewidzenia emocji towarzyszącej badanemu oraz powiązania tej informacji z elementem reklamowym, który emocję wyzwolił.
Po co cały ten ambaras? Czy do zbadania paru wskaźników opisujących reklamę potrzebne jest całe to zaplecze technologiczne? Okazuje się, że tak. Podczas gdy problem samej detekcji emocji (oceny czy dana osoba jest pod wpływem ładunku emocjonalnego) jest dosyć prosty zarówno dla maszyn jak i ludzi, to już problem rozpoznania emocji dla nas okazuje się być nie lada wyzwaniem. Jest to problem na tyle „rozmyty”, że ludziom często niełatwo jest właściwie zidentyfikować kontekst sytuacyjny potrzebny do podjęcia decyzji, a co za tym idzie, przedstawiają oni w swojej ocenie tendencyjność, którą trudno im wyeliminować. Tu właśnie przychodzi z pomocą paradygmat uczenia maszynowego. Odpowiednia analiza problemu i dostęp do obszernych danych treningowych pozwalają zbudować model o wysokiej skuteczności i braku uprzedzeń.
Face Reader dokonuje decyzji wieloetapowo:
- W pierwszej kolejności lokalizuje samą twarz i punkty orientacyjne takie jak czubek nosa, czy kąciki ust.
- Dane te zostają połączone z sygnałem z eyetrackera, a następnie poddane szeregowi przekształceń, które pozwalają odsiać od szumu informacje istotne dla trenowanego modelu.
- Następnie, sygnał zostaje podany do naszego modelu – głębokiej sieci neuronowej, która operując na hierarchii wyuczonych wcześniej abstrakcyjnych cech, jest w stanie przypisać danej sekwencji emocjonalną etykietę.
Podsumowując: badanie Face Reader dostarczy szereg cennych informacji na temat wyników reklamy publikowanej w prasie badanej przez PBC. Przykładowym wskaźnikiem dla pojedynczej reklamy może być dominująca emocja – najsilniejsza emocja pod kątem czasu trwania i intensywności towarzysząca danej reklamie. Umożliwi to rozbudowanie analityki potrzebnej do budowy efektywnego mediaplanu o zupełnie innowacyjny moduł.
