أبحاث جديدة تقترح إعلانات مخصصة حقًا

في إعادة تعريف للعبارة “الترويج الذاتي”، طريقة جديدة تستخرج من النقرات التي يقوم بها المستخدم لإنشاء إعلانات مخصصة على شبكة الإنترنت بناءً على تاريخه الخاص.

على الرغم من أن وكالات الإعلان حريصة على دحض فكرة أن هناك قنوات إعلانية يمكنها تقديم إعلانات بناءً على ما تتحدث عنه في منزلك، إلا أن مدى “التخصيص” الذي أظهرته الإعلانات على المواقع الإلكترونية وتطبيقات الوسائط الاجتماعية قد حصل على عناوين رئيسية في السنوات الأخيرة.

كان السيناريو المثالي للمعلن دائمًا أن يكون الإعلان المقدم “متطابقًا بشكل دقيق” مع المشاهد. في حدود الرد العام حول تتبع الإنترنت، والتدابير الوقائية التي قد ي安装ها المستخدم ضد هذا التتبع، فإن الذكاء الاصطناعي التوليدي (مع جانب الخوف حول إعلانات LLM في عالم ما بعد البحث) قادر على إنتاج صور إعلانية ونصوص بسرعة كافية للنشر في الوقت الفعلي.

然而، كان المحور الرئيسي للبحث والتنفيذ حتى الآن يعتمد على إحصاءات الاستخدام الجماعي، بحيث يكون أي إعلان تم إنشاؤه للمشاهد يعتمد على مجموعة المجموعة المحسوبة للمشاهد بدلاً من تاريخه الفريد.

الآن، تقدم сотрудασία بحثية جديدة بين الصين والولايات المتحدة نظامًا لإنشاء صور إعلانية ونصوص مخصصة للمستخدمين الفرديين من خلال التعلم من نقراتهم السابقة عند تسجيل الدخول إلى الموقع، متجاوزًا افتراضات المجموعة التي حكمت معظم أبحاث الإعلانات المخصصة حتى الآن:

أمثلة على توليد إعلانات مخصصة. بالطبع، بدون سياق تاريخ المستخدم، يمكن فقط تخيل التأثير الكامل. المصدر

على عكس ذلك، ترفض المناهج الجديدة نموذج Diffusion- dựa على نموذج التوليد الذاتي.

لدعم نموذج التوليد الجديد، طور المؤلفون ما يُدعى بأنه أول مجموعة بيانات كبيرة النطاق للصور والنصوص للإعلانات المخصصة، بالإضافة إلى مقياس جديد مصمم لتقييم هذه المهمة المحددة.

حديقة محاطة

يُذكر هنا نطاق العمل المقترح، الذي لا يقدم للمعلنين طريقة لتجاوز التدابير الجديدة ضد التتبع من طرف ثالث، بل يعطي تاجرًا كبيرًا достаточно القدرة على ملء زبون مسجل بإعلانات تخصه بشكل مباشر.

هذا لا يقتصر على العملاء الذين يتصفحون موقع التاجر حاليًا، بل يمكن أن يتم تقديم إعلاناتهم في أي موقع آخر يشارك في مزادات الإعلانات التي يستخدمها التاجر نفسه.

ينتشر هذا النوع من الإعلانات عادةً إلى محطات كبيرة الحجم مثل أمازون، في الغرب (ونلاحظ أن بائعًا صينيًا مماثلًا قد شارك في العمل الجديد – انظر أدناه)، ويمكن لأي شركة أخرى مماثلة الحجم (مثل منصة وسائط اجتماعية شائعة) توليد إطار توليدي مماثل.

المقال البحثي الجديد بعنوان صمم إعلانك: توليد إعلانات مخصصة للصور والنصوص باستخدام نماذج التوليد الذاتي الموحدة، ويأتي من 18 مؤلفًا من جامعة صن يات سين في قوانغتشو، وجامعة نورث إيسترن، والتاجر الصيني الأكبر JD.com (الذي لديه الوصول إلى تاريخ وأعراف المشترين).

البيانات والمنهج

المجموعة البيانية التي تم بناؤها للمشروع بعنوان صور ونصوص إعلانات مخصصة (PAd1M)، وتمت تغذيتها ببيانات من مساهم المشروع JD.com. يذكر المؤلفون:

‘تُقدم كل منتج عادة أكثر من عشرة صور ونصوص مرشحة، مما يضمن اكتشاف تفضيلات متنوعة بشكل كامل. لتوفير نمذجة تفضيلات موثوقة، نجمع تاريخًا كاملًا لنقرات المستخدم على الصور والنصوص، ونتصفى المستخدمين الذين لديهم نشاط غير كافٍ لتقليل الضوضاء.’

‘هذا ينتج مجموعة بيانات تضم 1,145,371 مستخدمًا، مع 18,923,555 صورة و نص مقروء، بمتوسط أكثر من ستة عشر سلوك متعدد الحواس لكل مستخدم.’

للمستخدم، تم اختيار زوج صورة ونص مقروء مسبقًا كأمثلة مستهدفة، ثم تم عزل المنتج نفسه من الصورة باستخدام Grounded SAM.

تمت إضافة وصفات وخصائص بيع من قبل البائع إلى السجل، مما خلق مجموعة بيانات تضم كل إعلان مستهدف مصحوبًا بصور منتج شفافة؛ معلومات منتج منظم؛ وتاريخ من التفاعلات السابقة مع الصور والنصوص، nhằm التقاط اهتمامات وأفضليات المستخدم السابقة:

ملف تعريف مستخدم من مجموعة بيانات PAd1M، يظهر إعلانًا مستهدفًا إلى جانب معلومات المنتج المستخدمة لتوليد الإعلان، وتفاعلات الصور والنصوص التاريخية المستخدمة لنمذجة تفضيلات المستخدم.

تتميز مجموعة البيانات بنطاق يزيد على مليون مستخدم، و 19 مليون سجل صورة ونص مقروء، ويذكر المؤلفون أن هذه المجموعة أكبر بكثير من مجموعات البيانات الشخصية السابقة.

بالإضافة إلى ذلك، تجمع البيانات، على عكس هذا النوع من الأبحاث، بين الصور والنص، مما يسمح بتمثيل تفضيلات المستخدم عبر عدة وسائط، بدلاً من مجرد مجال واحد.

تتميز PAd1M أيضًا بتعقب تفضيلات على مستوى الفرد؛ على عكس مجموعات البيانات الإعلانية السابقة، التي تم بناؤها حول معدلات النقر عبر مجموعات كبيرة، ترتبط تفاعلات PAd1M بالمشترين الفرديين من بيانات JD.com.

للمقاييس، إلى جانب الخيارات القياسية من BLEU و ROUGE، طور الباحثون مقياسهم الخاص بعنوان تشابه خلفية المنتج (PBS). يستند PBS إلى مبادرة MoCo-v3 السابقة، وتم تدريبه على 681,123 زوجًا من الصور التي تظهر المنتج نفسه على خلفيات مختلفة، مما يسمح للمقياس بالتركيز على التباين السياقي بدلاً من المنتج نفسه:

يخصص مقياس تشابه خلفية المنتج (PBS) درجات تشابه ملحوظة للاعلانات التي تحتوي على نفس المنتج ولكن توضعه في سياقات بصرية مختلفة، على عكس المقاييس التنافسية التي تنتج فوارق أصغر.

خلال التدريب، تم تجميع كل صورة مع نفسها كأمثلة إيجابية، بينما تم استخدام صورة للمنتج نفسه في موقع مختلف كأمثلة سلبية، وتم تصميم استراتيجية التدريب لزيادة الحساسية للسياق الخلفي.

أظهرت نتائج التقييم، وفقًا للمقال، فروقًا أكبر في التشابه بين الخلفيات المتوافقة والخلفيات غير المتوافقة مقارنةً بمقاييس CLIP و DINO v3 و MoCov3.

كما يُظهر الشكل التالي، يستخدم نموذج توليد الإعلانات الموحد (Uni-AdGen) هيكل رؤية-لغة ذاتي لتوليد نصوص إعلانية وصور، وتوجيه العملية بواسطة تعليمات منظمات تشمل تعريف المهمة ووصف المنتج وخصائص البيع:

نظرة عامة على الطريقة.

تُحدد رموز التمييز الخاصة جزءًا من التسلسل المخصص للنص الإعلاني. بعد توليد النص، يُفعّل رمز الصورة المخصص توليد الصورة، بينما يُشير رمز إغلاق الصورة إلى انتهاء توليد الصورة، ويتم إرسال الرموز المولدة بعد ذلك إلى محوِّل نص وصور منفصل.

للمصورات، يتم استخدام محوِّل VQ-GAN من LlamaGen لتحويل رموز الصور المنفصلة إلى بكسل.

بهذه الطريقة، يُولِّد الهيكل الموحد النصوص والصور في إطار تنبؤ بالرمز التالي، بدلاً من الاعتماد على خطوط أنابيب منفصلة – وهي الطريقة المعتمدة في الأنظمة الإعلانية السابقة ذات النطاق المماثل.

خلال التدريب، يتعلم النموذج كلا الوضعين معًا، مع تنبؤ الرموز النصية بناءً على التسلسل الدخلي والنص المولَّد مسبقًا. يتم تنبؤ الرموز الصورية باستخدام التسلسل الدخلي، والنص المولَّد، والرموز الصورية المولَّدة مسبقًا.

为了 ربط الإعلانات المولَّدة بالمنتج المُعلن عنه، يستخدم Uni-AdGen وحدة إدراك أمامي تعتمد على DINO v2، لإدخال المعلومات من الصور الشفافة للمنتج إلى النموذج الذاتي.

كما تم استخدام التحسين بالتعليمات (تدريب النموذج على اتباع تعليمات التوليد المحددة للمنتج، المشتقة من الوصف وخصائص البيع) لتحسين الالتزام بالوصف والخصائص المحددة من قبل البائع، مع استخدام GPT-4o لتصفية الأمثلة غير المناسبة للتدريب.

اعتمد التخصيص على وحدة فهم التفضيلات من خلاً إلى دقيق، حيث تمت معالجة التفاعلات التاريخية أولاً من خلال خط أنابيب عينة تشابه المنتج (PSS) لصالح المنتجات الشبيهة بالعنصر المستهدف. ثم تمت معالجة السجلات المتبقية بواسطة مرحلة استخراج تفضيلات متعددة الحواس، المصممة لتحديد العناصر البصرية والنصية الأكثر احتمالاً لتعكس اهتمامات المستخدم – مع إدخال هذه التفضيلات في التوليد، لتوجيهه.

الاختبارات

يذكر المؤلفون أن نهجهم في الاختبار مُشتق من Janus-Pro 7B من DeepSeek.

تم تدريب النموذج بขนาด.batch من 4، تحت خوارزمية AdamW بمعدل تعلم 5e-5. تم تحسين النموذج الأساسي بواسطة LoRA، مع تحسين وحدات الإدراك الأمامي والتفضيلات المتعددة الحواس بشكل كامل.

تم تشغيل جميع الاختبارات على وحدة معالجة رسومات NVIDIA B200 مع 192GB من ذاكرة الوصول العشوائي. لجودة الصورة، تم استخدام PickScore و ImageReward و ASE لقياس الجودة البصرية، بينما تم استخدام m-BLEU و m-ROUGE لتقدير نص الإعلان.

تم تقييم مدى واقعية الصور وتنسيقها من قبل المُحكِّمين البشريين، إلى جانب دقة النص وسيوله، مع جميع المقاييس المحسوبة عبر 500 منتج.

لجودة الصورة، تم استخدام Qwen2.5-VL و PosterMaker و Flux-Fill كأساس للمقارنة. تم تزويد Flux-Kontext بشبكة من الصور التاريخية للمستخدم إلى جانب صورة المنتج المستهدف، مما يسمح للتفضيلات السابقة بالتأثير على التوليد.

由于 أن Pigeon لا يدعم وضع المنتج بشكل أصلي، تم دمج وحدة الإدراك الأمامي التي تم تطويرها ل Uni-AdGen للحفاظ على توافق المنتج.

تم استخدام Qwen3 و DeepSeek-R1 لتحليل النص، مع إدراج وصفات المنتج التاريخية مباشرة في قوالب التعليمات الخاصة بهم لتوفير سياق مستخدم محدد:

نتائج توليد الإعلانات المخصصة. يتفوق Uni-AdGen على Flux-Kontext و Pigeon و Qwen3 و DeepSeek-R1 في جميع مقاييس التخصيص المُبلغ عنها، بينما يشير دراسة الحذف إلى أن البيانات التاريخية للمستخدم و PSS والاستخراج المتعدد الحواس كلها ساهمت في مكاسب قابلة للقياس.

يُشير المؤلفون إلى أن النتائج المُvisualized تُظهر أن Flux-Kontext يفشل في فهم تفضيلات المستخدم ويتأثر بالضوضاء على مستوى العينة، مما يؤدي إلى انحراف كبير عن الحقيقة، مثل العناصر غير ذات الصلة في صورة الدراجة النارية.

أمثلة على توليد إعلانات مخصصة. بالمقارنة مع Flux-Kontext و Pigeon و Qwen3 و DeepSeek-R1، أنتج Uni-AdGen صورًا تتوافق بشكل أوثق مع أسلوب وسياق الإعلانات التي نقر عليها المستخدمون، مع توليد نص يلتقط نسبة أكبر من سمات المنتج وخصائص البيع الموجودة في الأمثلة الحقيقية. يتم تhighlight Highlighting المصطلحات المتوافقة باللون الأخضر.

الاستنتاج

يعتمد فائدة هذا المشروع كليًا على موافقة المستخدم، وتمديد نطاق هذا النظام التنبؤي إلى ما وراء نطاق المجال الذي يتحكم في تاريخ المستخدم – في هذه الحالة، JD.com – يتطلب موافقة مستخدم أكثر استرخاء.

然而، يعتمد النظام على نوع التأثير الشبكي الضخم الذي يعمل في مثل هذا السيناريو، وعلى فكرة أن المستخدمين سيجدون نظام التوصية هذا مفيدًا وليس غازًا، على الأقل داخل سياق حديقة محاطة لشركة تجارية ضخمة.

نُشر هذا المقال لأول مرة يوم الثلاثاء، 2 يونيو 2026. تم تعديله في 18:21 بتوقيت شرق أوروبا لتصحيح الكلمة “wall” إلى “walled” في الفقرة الأخيرة.