营销人员如何利用AI确保你看到他们的广告

广告与内容之间的无声战争

在你正在阅读的文章和旁边的广告之间，一场无声的争夺眼球之战正在进行。大多数展示广告在这场战斗中失败了，因为人们普遍讨厌广告——以至于像Perplexity或Anthropic这样的大型科技公司正试图摆脱这些侵入性的负担，寻找更好的盈利模式。

AdGazer：预测你是否会关注广告

然而，马里兰大学和蒂尔堡大学的研究人员开发了一种新的AI工具，可能改变这一现状——通过以令人不安的准确性预测你是否会在广告展示之前就关注它。

这款工具被称为AdGazer，它通过分析广告本身及其周围网页内容，基于大量广告研究的历史数据，预测普通观众会盯着广告及其品牌标志多长时间。

技术原理：从眼动追踪到多模态模型

研究团队使用了来自3,531个数字展示广告的眼动追踪数据对系统进行了训练。真实用户佩戴眼动追踪设备浏览页面，其注视模式被记录下来。AdGazer从中学习了所有数据。

在测试从未见过的广告时，该工具预测注意力的相关性达到了0.83——这意味着它的预测结果与实际人类注视模式约有83%的一致性。

上下文的重要性

与其他专注于广告本身的工具不同，AdGazer会读取整个页面的内容。例如，财经新闻文章旁边放置的奢侈手表广告，与体育比分滚动条旁的相同手表广告表现完全不同。

根据发表在《市场营销期刊》上的研究，广告周围的上下文至少决定了广告获得注意力的33%，以及观众关注品牌的时长的20%。这对长期以来认为创意本身承担了所有重任的营销人员来说是一个重大发现。

技术架构：多模态语言模型与XGBoost结合

该系统使用多模态大语言模型提取广告和周围页面内容的高级主题，然后分析它们在语义上的匹配程度——即广告本身与其所在上下文的契合度。这些主题嵌入被输入到一个XGBoost模型中，该模型将它们与低级视觉特征结合起来，生成最终的注意力评分。

实用工具：Gazer 1.0界面

研究人员还开发了一个名为Gazer 1.0的界面，用户可以上传自己的广告，在品牌和视觉元素周围绘制边界框，并获得以秒为单位的预测注视时间——同时还会生成热图，显示模型认为图像中最吸引注意力的部分。该工具无需专用硬件即可运行，但完整的LLM驱动的主题匹配仍需要GPU环境，而这一点尚未集成到公开演示版中。

从学术工具到商业应用

目前，AdGazer仍是一个学术工具。但其架构已经成熟，从研究演示到生产级广告技术产品的差距仅以月计，而非年计。