صور الإعلانات التي تم إنشاؤها بواسطة الذكاء الاصطناعي والتي تستهدف ديموغرافيكم – وفي النهاية ، أنتم؟

يهدف المعلنون إلى تخصيص الإعلانات للأفراد لتشجيعهم على النقر ، وعلى الرغم من أن الإعلانات المخصصة لكل شخص ليست عملية حاليًا ، تشير الأبحاث الجديدة إلى أن صور الإعلانات التي تم إنشاؤها بواسطة الذكاء الاصطناعي يمكن أن تستهدف الفئات الديموغرافية بشكل فعال.

ترك الإعلان الشخصي الموجود في فيلم ستيفن سبيلبرغ عام 2002 “تقرير الأقليّة”印象ًا دائمًا ، حتى المخيف على الثقافة ، مع تصويره الواضح لللوحات الإعلانية التي تعمل بالاستجابة والتي تعترف بال أشخاص في الحشود ، وتنادي بالرسائل الترويجية مباشرة إليهم.

يمكن أن يرى العديد من المستهلكين هذا المستوى من الاعتراف بالمتفرج كوكابوس ، وعلى الرغم من أن تقدمًا نحو هذا الهدف قد تباطأ بسبب تداعيات فضيحة كامبريدج أناليتيكا فضيحة ، يظل الهدف المثالي للتفاعل المباشر والمحسّن هدفًا مرغوبًا به في الإعلان.

في الواقع ، لا تزال الأنظمة التي يمكنها حفر المعلومات إلى خصائص متفرج معين قيد التطوير – على الرغم من أن الأبحاث في هذه الحالات يجب أن تتخذ إجراءات للحفاظ على القوانين المتعلقة بمعلومات التعريف الشخصي (PII) ؛ القوانين التي تم تعزيزها في أوروبا خلال العقد الماضي ، مع انتشار هذه الحماية المحسّنة في أماكن أخرى من خلال أثر بروكسل.

مرحباً!

الآن بعد أن أصبحت الإعلانات والتسويق المولدان بواسطة الذكاء الاصطناعي على الrise ، يجب على المعلنين مواجهة التكلفة المحتملة للإعلانات التي تستهدف الأفراد ، حيث يتم إنشاء الصور والنصوص بشكل استباقي وعلى الطاير.

على سبيل المثال ، حتى لو كان من الممكن إنشاء صورة مخصصة بسرعة ، فإن التكاليف على نطاق واسع ستكون كبيرة. بالإضافة إلى ذلك ، تعمل عمليات المزاد الإعلاني عبر الإنترنت التلقائية في إطارات زمنية حرجة على مستوى الألفية من الثانية ، مما يجعل المحتوى الصوري المخصص للمستخدم تحديًا ، على الأقل في الوقت الحالي ؛ والمحتوى المرئي هو منظور أبعد.

然而 ، لا توجد عقبات تقنية شديدة في معالجة مجموعات ديموغرافية أعلى مستوى في جمهور على الإنترنت (من خلال أجهزة الكمبيوتر المحمولة والهواتف وأجهزة التلفزيون الذكية وما إلى ذلك) – ويتقدم تعاون أكاديمي وصناعي دولي جديد لطرق لإنشاء صور إعلانية منفصلة لمختلف الفئات الديموغرافية ، بما في ذلك عوامل مثل العمر والموقع الجغرافي:

من العمل الجديد: أمثلة على إنشاء إعلانات مخصصة ، حيث يتم تقديم منتج واحد بأساليب مختلفة لمجموعات متفرجين مختلفة.

ال_framework_ الجديد – بعنوان حجم واحد ، العديد من اللياقة (OSMF) – يهدف إلى سد الفجوة بين الإعلان المستهدف على نطاق واسع والتنظيم الفردي غير عملي ، من خلال إنشاء صور إعلانية مختلفة لمجموعات جمهورية تكتشف تلقائيًا ، باستخدام تجميع المنتج لتحديد المحتوى البصري مع تفضيلات النقر لمختلف الفئات الديموغرافية.

يصرح المؤلفون قائلين:

‘[نقدم] إطارًا موحدًا يتوافق مع تفضيلات النقر المتنوعة لمجموعات كبيرة في إنشاء صور إعلانية.

‘يبدأ OSMF بالتجميع التكيفي للمنتج ، الذي ينظم المستخدمين ديناميكيًا بناءً على سماتهم وخصائص المنتج ، ويمثل كل مجموعة بميزات تفضيل جماعية غنية.’

تم اختبار الإطار ضد إطارات أخرى ، وادعى المؤلفون نتائج على مستوى الدولة.

على الرغم من أن العمل يحدد مجموعات ديموغرافية متنوعة ، إلا أن الورقة ليست محددة حول ما هي الخصائص الديموغرافية التي تمثلها كل مجموعة G ، على الرغم من أنها من المحتمل أن ترتبط بمجموعات التجزئة السوقية التقليدية التي.

لذلك ، من الصعب معرفة ، بناءً على الأمثلة المختلفة المقدمة في الورقة الرئيسية والملحق ، بالضبط لماذا سيتأثر بعض الخلفيات أو الإضاءة بمجموعة أكثر من الأخرى ، لأننا لا نعرف سمات أي مجموعة:

لا توجد أنماط متسقة من ‘الأزرق للبنين ، الوردي للبنات’ الخ. ، عبر أساليب الصورة المخصصة للمجموعة – التعريفات ، كما هو واضح من الأدب الحالي ، أكثر تعقيدًا وخفية.

ما هو أكثر قلقًا ، لأولئك الذين يخافون من ممارسات استهداف الإعلانات ، هو إمكانية استغلال Informationen حول المستخدم في إنشاء صور إعلانية محددة.

الورقة الجديدة بعنوان حجم واحد ، العديد من اللياقة: جعل تفضيلات النقر المتنوعة للمجموعة في إنشاء صور إعلانية على نطاق واسع ، ويأتي من 17 باحثًا عبر مختبر وطني للتعرف على الأنماط في بكين ؛ ‘مدرسة الذكاء الاصطناعي في UCAS’؛ شركة التجارة الإلكترونية الصينية JINGDONG؛ جامعة العلوم والتكنولوجيا في هونغ كونغ في قوانغتشو ؛ ومختبر التعرف على الأنماط في جامعة نانجينغ للعلوم والتكنولوجيا.

طريقة

يستخدم النظام التجميع التكيفي (طريقة تجد التجمعات الطبيعية من خلال ربط سمات المستخدم بكيفية استجابتهم للمنتجات المختلفة) لتجميع المستخدمين ، بناءً على كيفية تشكيل سماتهم التفضيلات البصرية في إعداد منتج معين. يُطلق على تنفيذ المؤلفين لهذا النهج تجميع تكيفي للمنتج (PAAG).

لا يتم تحديد هذه التجمعات مسبقًا ، بل يتم اكتشافها من الأنماط في البيانات.

يستخدم مُولد الصورة الشرطي (PCIG) ثم ملف تعريف كل مجموعة لإنشاء صور إعلانية تتوافق مع تفضيلات المجموعة:

OSMF يجمع المستخدمين بناءً على كيفية تشكيل سماتهم التفضيلات للمنتج ، ثم يستخدم ملفات تعريف المجموعة لإنشاء صور إعلانية تتوافق مع تفضيلات المجموعة.

يستخدم مُولد الصورة تلاشي مستقر غير محدد ، جنبًا إلى جنب مع مجموعة ControlNet المناسبة (الأخير ، للمساعدة في الحفاظ على الاتساق بين توليدات المجموعة المختلفة).

في تدفق العمل ، يرمز PAAG أولاً العلاقة بين ميزات المستخدم وسمات النص والصورة للمنتج ، باستخدام مجموعة من المرمزات المخصصة وآلية انتباه متقاطع لدمجها في تمثيل تفضيل موحد ي phản ánh مدى احتمال نقر المستخدم على إعلان معين.

ثم يصمم PAAG كيفية تفاعل مجموعات مختلفة من سمات المستخدم مع عناوين المنتج وصور المنتج. يتم استخراج سمات النص والصورة باستخدام CLIP و مُرمزات ResNet ، وتمرير سمات المستخدم مثل الجنس ، الموقع ، العمر ، أو الجهاز من خلال MLP ، مما يسمح بالانتباه المتقاطع عبر سمات النص والصورة للمنتج.

يمثل التضمين الناتج احتمالية النقر لكل مستخدم لمنتج معين في سياق بصرية معين. بمجرد الحصول على هذه التضمينات التفضيلية للمستخدم والمنتج ، يستخدم PAAG K-means clustering لتجميع المستخدمين الذين يستجيبون بشكل مشابه لمنتج معين.

يختار PAAG أفضل عدد من مجموعات المستخدمين لكل منتج من خلال التحقق من كيفية فصل المجموعات. بدلاً من استخدام نقطة متوسطة واحدة فقط لكل مجموعة ، يأخذ عينات من عدة نقاط عند مسافات مختلفة لالتقاط مجموعة أوسع من التفضيلات.

ثم يتم تمرير ملفات تعريف المجموعة هذه كtokens إلى نموذج لغة متعدد الوسائط متوافق مع المجموعة (G-MLLM) ، الذي يستخدمها لإنشاء صور إعلانية مخصصة لكل مجموعة.

إنشاء الصورة بناءً على تفضيلات المستخدم

من جانب المستخدم ، يتعلم G-MLLM توقع أيهما من أعضاء المجموعة سي点击 بعد ذلك وكيف وصف السمات الشائعة باللغة الطبيعية. من جانب المنتج ، يتعلم تلخيص المنتج المعروض في الصورة وإنشاء عناوين إعلانية بنمط الإعلان التي تتوافق مع كل من المنتج والمجموعة.

为了 تعكس سلوك المستخدم الحقيقي ، يتم تمديد النموذج إلى نموذج مكافأة متوافق مع المجموعة (GRM). يتم تدريب GRM على مجموعة بيانات تفضيلات الصور الإعلانية للمجموعة (GAIP) الخاصة بالباحثين ^† (انظر أدناه) لمقارنة أزواج من الصور لنفس المنتج وتحديد أيهما يعمل بشكل أفضل مع مجموعة معينة ، باستخدام بيانات النقر الفعلية.

يتم استخدام إشارة المكافأة هذه لتعديل G-MLLM باستخدام Group-DPO ، وهو طريقة تعلمه تفضيل التوجيهات التي تؤدي إلى تفاعل أفضل على مستوى المجموعة.

بيانات واختبارات

تطوير GAIP

ملاحظة عدم وجود قاعدة بيانات متعلقة بتفضيلات الإعلانات للمجموعة ، وأن مجموعات سابقة مثل حساء مخصص و CG4CTR إما صغيرة جدًا أو غير محددة بشكل كافٍ ، قام الباحثون بإنشاء مجموعتهم الخاصة ، GAIP المذكورة أعلاه ، المستمدة من سجلات إعلانات تجارية لمنصة تجارة إلكترونية غير محددة.

تم جمع السجلات على مدار ثلاثة أسابيع ، مع كل إدخال يسجل صورة المنتج وعنوانه وملف تعريف المشاهد (بما في ذلك العمر و مستوى الإنفاق و الحساسية للترويج) و ما إذا كان الإعلان قد نقر.

تتضمن مجموعة البيانات أكثر من 40 مليون مستخدم و 2 مليون منتج و 거의 10 ملايين صورة إعلانية ، مع تنوع بصرية كبير عبر العناصر.

تم تجميع المستخدمين في مجموعات متميزة لكل منتج بواسطة PAAG ، وتم حساب معدل النقر (CTR) لكل صورة داخل كل مجموعة:

من المواد الإضافية للورقة الجديدة ، لمحة صغيرة عن بعض المعايير التأسيسية ل GAIT.

يتم تشكيل GAIP ك مجموعة من المرتجعات (صورة إعلانية ، عنوان المنتج ، تضمين المجموعة ، معدل النقر للمجموعة) يرتبط كل صورة وعنوان ب معدل النقر وتضمين المجموعة التي رأته.

为了 ضمان الموثوقية ، يتم الاحتفاظ فقط بالمنتجات التي لها تعرض كافٍ ، مما يؤدي إلى مجموعة بيانات من 610,172 عينة على مستوى المجموعة.

GAIP أكبر بكثير من مجموعات البيانات السابقة: في حين أن معظم البنود المرجعية السابقة تتضمن أقل من عشرة مجموعات من المستخدمين ، تضم GAIP ما يقرب من 600,000 سجل تفضيل حقيقي على مستوى المجموعة ، مما يوفر رؤى أعمق حول تفضيلات المجموعة.

اختبارات

为了 تدريب خط أنابيب PCIG ، قام الباحثون باستخراج ميزات الصورة والنص باستخدام ResNet و مُرمز النص CLIP ، ثم خاطهم إلى تضمينات أبعاد 128 باستخدام طبقات خطية قابلة للتعلم.为了 الحفاظ على الكفاءة ، تم تقييد PAAG إلى خمس مجموعات من المستخدمين لكل منتج.

تم بناء تضمينات المجموعة باستخدام استراتيجية عينة百分ة ، حيث تم سحب عدة نقاط من百分ة 15 و 55 و 95 ، لالتقاط كلا التفضيلات الأساسية والهامشية.

تم استخدام LLaVA كالأساس لـ G-MLLM ، وتم إجراء التدريب المسبق على مدار عشر دورات مع جدول تعلم الكوزينوسي و معدل تعلم من 2e-6 ، مما يتطلب تدريبًا هائلاً استمر خمس أيام على кластер من ثمانية NVIDIA H100 ، كل منها مع 80GB من VRAM.

تم تدريب GRM من خلال إعادة بناء GAIP مع أزواج من صور المنتج المطابقة ، ثم تم 초기ته بنفس الأوزان مثل G-MLLM. خلال مرحلة Group-DPO النهائية ، تم تجميد GRM ، وتم تعديل G-MLLM باستخدام LoRA لمدة ثلاث دورات – مرة أخرى ، بمعدل تعلم من 2e-5 ، على نفس кластер NVIDIA.

تم استخدام مقاييس مثل NDCG@5 و AUROC للمقارنة الأولى. قاس NDCG@5 كيف يختلف ترتيب كل مجموعة لنفس مجموعة الصور الإعلانية ، مع قيم أقل تشير إلى فصل واضح في التفضيلات؛ وتم استخدام AUROC لتقييم كيف يفرق كل نموذج بين المحتوى المضغوط وغير المضغوط.

تم حساب جميع المقاييس على نتائج التجميع من 1,000 منتج ، بما مجموعه حوالي 100,000 عينة ، وتم استخدامها لمقارنة PAAG ضد ثلاثة أنظمة سابقة: CACS؛ WIYD؛ و JAC：

نتائج نمذجة التفضيل مقارنة بالأساليب السابقة.

من هذه النتائج ، يعلق المؤلفون:

‘[طريقةنا] تحقق أداءً متفوقًا على كلا المقاييس. بشكل ملموس ، يحصل PAAG على أدنى NDCG@5 (0.3066) ، متغلبًا على أفضل خط أساس (CACS) ، مما يشير إلى أنماط تفضيل بين المجموعات أكثر تميزًا لإنشاء إعلانات مخصصة للمجموعة.

‘إضافة إلى ذلك ، يحصل PAAG على أعلى AUROC (0.6372) ، مما يحسن من أفضل خط أساس (WIYD) بمقدار 0.0159.’

تم إجراء جولة اختبار ثانية للتحقق من ما إذا كان النظام يمكن أن يطابق الإعلانات بشكل أفضل مع المجموعات الصحيحة للمستخدم:

مقارنة معدل النقر عبر الإنترنت تظهر أن التوليد المخصص للمجموعة (‘النا’) يتفوق على جميع الأسس.

في هذا السياق ، أظهر PCIG معدلات نقر أقوى من نماذج أقدم مثل CAIG و G-MLLM ، مع تحسين بنسبة 5.5٪. كما تم اختبار GRM بشكل غير متصل عن طريق التحقق من ما إذا كان يمكنه اختيار الإعلان الأفضل في زوج ، بناءً على تفضيلات المجموعة. تفوق على جميع الأسس ، بما في ذلك النماذج العامة ، مع مكسب بنسبة 4.7٪ على CAIG.

تم إجراء اختبار نوعي نهائي لتقييم ما إذا كان PCIG يمكن أن يعكس تفضيلات المجموعة على مستوى الشكل في صوره المولدة. كما هو موضح في الشكل أدناه ، تم تقديم نفس المنتج بشكل مختلف لكل مجموعة ، مع تغييرات في اللوحة واللون والتركيبة البصرية:

نتائج كاملة للاختبارات النوعية.

تماشى هذه الاختلافات ، وفقًا للمؤلفين ، مع تفضيلات النقر المستنباتة لكل مجموعة ، مما يدل على أن PCIG يمكن أن ينتج مخرجات متباينة بشكل استيلي بينما يحافظ على الصلة والجاذبية. يصرح المؤلفون:

‘[PCIG] يضمن الصور متباينة بشكل استيلي لتلبية تفضيلات النقر للمجموعات المختلفة ، وبالتالي يظهر قدرته القوية على تعديل التوليد لتلبية احتياجات المستخدمين غير المتجانسة واكتشاف اختلافات دقيقة في التفضيلات عبر مجموعات المستخدمين المختلفة ، مما يبرز إمكاناته لإنشاء إعلانات مخصصة للمجموعة على نطاق واسع.’

الاستنتاج

ربما يكون الجانب الأكثر إثارة للاهتمام في هذا المشروع هو العلاقة غير المعروفة بين أساليب الإخراج عبر صور الإعلانات الموجهة للمجموعة لنفس المنتج (وهناك عدة صفحات من الأمثلة في المواد الإضافية للورقة أكثر مما يمكننا إعادة إنتاجه هنا).

هل يمكننا افتراض أن الخلفيات الحضرية لها علاقة بالعمر ، أي مع الخريجين الذين يبدأون ، وأن البيئات الريفية تهدف إلى أنواع أكثر رخاء من جيل إكس الذين يعتبرون الطريق المفتوح نوعًا من “الحرية النهائية”? يمكنك تفسير هذه النتائج الاختبارية طوال اليوم.

يعتمد إمكانية مثل هذه الأنظمة على عاملين: رؤية ووقت الاستجابة. تعتمد الرؤية على ما إذا كانت أنظمة التتبع الناشئة لا تزال قادرة على استخراج المعلومات المهمة من المستخدمين لدعم الإعلانات الموجهة للمجموعة ، مع وضع الأساس أيضًا لإعلانات أكثر دقة وموجهة بشكل فردي في المستقبل.

يطرح الوقت الاستجابة تحديًا أكبر ، حيث يجب إنشاء هذه الصور الإعلانية المخصصة وتسليمها تقريبًا في الوقت الفعلي؛ على الرغم من أن بعض نماذج الصورة إلى النص الحديثة يمكن أن تنتج نتائج في بضعة ثوان ، فإن هذا التأخير قد يكون طويلًا جدًا لعمليات المزاد الإعلاني في الوقت الفعلي.

إحدى الحلول الممكنة هي إنتاج الصور محليًا ، على GPU المتصفح ، وتجنب جولات الشبكة؛ أو إنشاء مجموعة من الصور بشكل استباقي ، مسبقًا في العميل.

** تم حذف هذا الجانب في الورقة الجديدة ، تمامًا مثل كيفية استخدام الإطارات الجديدة للذكاء الاصطناعي للاستفادة من صور الإعلانات الشخصية ، بدلاً من استخدام شخصيات الحيوانات اللطيفة (بدلاً من الإعلانات الجنسية التي تم إنشاؤها بواسطة الذكاء الاصطناعي) في الدراسات الجديدة. ومع ذلك ، فإن نوع الصور الموجودة في العمل يمثل المعلنين على أفضل سلوكهم ، بدلاً من إظهار كيف يمكن أن تصبح الإعلانات البصرية الشخصية في النهاية ، مع تجميع أساليب استهداف المستهلك مع الذكاء الاصطناعي السريع الاستجابة.

** لا أستطيع تحديد هذه المؤسسة المذكورة ، لأن ‘UCAS’ عادة ما يُحَل إلى وكالة قبول جامعة المملكة المتحدة الشهيرة. أرحب بالتوضيح.

^† الذي وعد الباحثون بنشره في المستودع المرتبط على GitHub.

نشر لأول مرة يوم الخميس ، 5 فبراير 2026