როდესაც პროფესორმა ბაირონ შარპმა ეჭვქვეშ დააყენა სარეკლამო ინდუსტრიის მიდგომა ყურადღებისადმი და მისი საზომი, საკმაოდ მწვავე დებატები გამოიწვია. თუმცა გარკვეულწილად ის მართალი იყო… როცა მესამე მხარის ქუქი- ფაილები და სხვა ტრადიციული გაზომვების ხელსაწყოების ეფექტურობა იკლებს, ყურადღებაზე ფოკუსირება ნამდვილად არის გამოსავალი, მაგრამ ის გზა, რომლითაც იზომება, ყოველთვის არ ამართლებს მოლოდინებს.
თვალები მთლიან ამბავს ყოველთვის არ გვიყვება
ყურადღების გასაზომად ერთ-ერთი ყველაზე პოპულარული მეთოდი თვალის მოძრაობის კვლევებია. მართალია, ეს ზოგიერთ შემთხვევაში გამოსადეგია, მაგრამ ზოგჯერ შეიძლება მოგვცეს ის, რასაც ნაგულისხმევ ყურადღებას უწოდებენ.
თუმცა თვალის ტექნიკები და შესაბამისი კვლევები ნამდვილად წარმოადგენს ყურადღების საზომს — ცნობილია, რომ მომხმარებლის თვალები ეკრანის ნაწილს ათვალიერებს, მაგრამ ცდების მიხედვით, ეს არ არის აქტიური ყურადღების ან პოზიტიური რეკლამის გახსენების გარანტი. ამასთან, თვალზე დაკვირვებისას გარკვეული ტექნიკური შეფერხებებიც იჩენს თავს, განსაკუთრებით ისეთი ფაქტორების გარშემო, როგორიცაა თვალის კონკრეტული ფერები, სინათლის რეფრაქცია, ატარებს თუ არა ინდივიდი სათვალეს ან კონტაქტურ ლინზებს.
მაგრამ ახლა ჩვენ არ ვაპირებთ თვალებზე დაკვირვების ტექნიკის კრიტიკას, რადგან იგი რაღაც შემთხვევებში ნამდვილად გამოსადეგია, ამის მაგალითად, თუნდაც, ტელევიზია შეგვიძლია ჩავთვალოთ. სანაცვლოდ, რეკლამის განმთავსებლებმა, უფრო მეტად კი, მათ, ვინც ამას ციფრულ სივრცეში აკეთებს, საკუთარი ბრენდებისთვის უნდა განიხილონ, როგორ მიიღონ ყურადღების მეტრიკა გაზომვადი და ქცევითი მონაცემებისგან.
ყურადღების ხმის საზომი კი კონფიდენციალური, მონაცემებით სავსე და დეტალური უნდა იყოს. სანაცვლოდ, ეს ზომები მანქანური სწავლების ტექნიკებით იქნება ოპტიმიზებული, რათა ურთიერთობა ყურადღებასა და სხვა მოვლენებს შორის, მაგალითად კლიკებს შორის, გასაგები იყოს.
როგორ მივაღწიოთ ოპტიმალურ შესრულებას?
ყურადღების გაზომვების ცენტრში მომხმარებელი და ის ქცევა უნდა იყოს, რომლითაც ისინი რეკლამასთან ურთიერთქმედებენ. ეს ისეთი კითხვების დასმასაც მოიცავს, როგორებიცაა: „გაატარა თუ არა მომხმარებელმა დრო რეკლამის მოქმედ სივრცეებში? ხმა ჩართული იყო? ოპტიმიზირებულია თუ არა ყველა მონაცემთა წერტილი, რომლის იდენტიფიცირებასაც შევძლებთ?“ მონაცემების ამ გზით გამოყენება უზრუნველყოფს, რომ ყურადღების საზომი ფოკუსირებული იყოს ამ ყურადღების ხარისხსა და იმაზე, თუ როგორ აისახება ეს მთლიანი კამპანიის ეფექტურობაზე.
შესაძლოა, ჩართულობაზე ორიენტირებული ყურადღების მეტრიკებიდან მიღებული მონაცემები AI-მ რეკლამისთვის შემოქმედებითი ობიექტების განხილვისას გამოიყენოს და რეალურ დროში მისი მიმზიდველობის ხარისხიც გაზომოს. ეს საბოლოოდ უფრო ეფექტური რეკლამის შექმნაში დაგეხმარებათ. ამ მიდგომით კი, ყურადღება ხდება როგორც ბიზნეს მიზანი, ისე სამიზნე მანქანური სწავლების ოპტიმიზაციისთვის, სადაც ყველა სხვა ინფორმაცია ყურადღების მიქცევის საშუალებად გამოიყენება.
თვალები მოგებაზე
ყურადღების სხვადასხვა ფორმისა და ჩართულობის გასაზომად მრავალი ტექნიკა არსებობს. ზოგიერთი მათგანი ონლაინ მონაცემების კონფიდენციალურობისკენ არის მიმართული, ზოგიერთი კი მხოლოდ ერთ განზომილებაზეა ფოკუსირებული, როგორიცაა, მაგალითად, კრეატიული მახასიათებლები.
მათგან საუკეთესო მომხმარებელთა ინტერაქციას და ხელოვნური ინტელექტის ტექნიკის მთლიან შესაძლებლობას გამოიყენებს, ან ოპტიმიზაციას გაუწევს ყურადღების მეტრიკას. ყველაზე ძლიერი გადაწყვეტილება კი ის იქნება, რომელიც შეძლებს აღწეროს, როგორ ჩართო ყურადღების მეტრიკა კამპანიის სხვადასხვა ხელსაწყოში, იქნება ეს საიტები, განთავსებები თუ კრეატიული ეფექტები.
ის, რაზეც ჩვენ ახლა ვსაუბრობთ, ციფრული სარეკლამო ინდუსტრიისთვის ლოგიკური პროგრესიცაა, რადგან AI და მასიური გამოთვლითი სისტემები აჩვენებს, რომ მათ რეკლამის ყურადღების მნიშვნელოვნად გაუმჯობესება შეუძლია და ამას პირდაპირ გაყიდვებსაც უკავშირებს. აქ კი ის გაიმარჯვებს, ვისაც ყურადღების მკაფიო საზომი ექნება, ვინც მის ოპტიმიზირებასა და დროთა განმავლობაში მის განვითარებაზეც იზრუნებს. შემდეგ კი ბრძოლა მომხმარებელთა თვალებიდან, მათი გულისა და გონების მოგებისკენ გადაინაცვლებს.
