AI-generered reklamebilleder, der rammer din demografi – Og, til sidst, dig?

Reklameudbydere sigter mod at tilpasse reklamer til enkelte seere for at fremme klik, og selvom brugergenererede reklamer til hver enkelt person for tiden er uvirkelige, antyder nyt forskning, at AI-genererede billeder kan snart målrettes effektivt mod bestemte demografier.

Den personlige reklame, der er fremhævet i Steven Spielbergs sci-fi-actionfilm fra 2002, Minority Report, har efterladt en varig, endda hjemsøgende indtryk på kulturen, med dens levende skildring af proaktive reklameplakater, der genkender mennesker i menneskemængder og råber reklamebudskaber direkte til dem.

Mange forbrugergrupper kan betragte dette niveau af brugergenkendelse som en mareridt, og selvom fremgangen mod dette blev langsommere på grund af afsløringen af Cambridge Analytica- skandalen, forbliver idealet om direkte, højttilegnende engagement et efterstræbt mål i reklamebranchen.

I virkeligheden er systemer, der kan bore ned i karakteristika af en bestemt bruger under udvikling – selvom corporate-forskning i sådanne tilfælde må tage skridt for at respektere love om personligt identificerbare oplysninger (PII); love, der er blevet styrket i Europa over de sidste ti år, med disse forbedrede beskyttelser spredt andre steder via Bruxelles-effekten.

Hej, du!

Nu hvor AI-genererede reklamer og marketingindhold er på vej op, må reklameudbydere alligevel konfrontere den potentielle omkostning ved AI-reklamer, der er målrettede mod bestemte personer, hvor billederne og teksten opstår på grund af muligheder og i realtid.

For eksempel, selvom et brugergenereret billede kunne genereres meget hurtigt, ville omkostningerne på større skala være betydelige. Desuden opererer automatiske online reklameauktioner på kritiske, millisekund-lange tidsrammer, hvilket gør det vanskeligt at generere brugertilpasset billedindhold, og videoindhold er endnu mere fjern.

Men de tekniske hindringer, der er involveret i at henvende sig til højere niveau demografiske kohortgrupper i en netbaseret publikum (via laptops, mobiltelefoner, smart-tv’er osv.) er ikke så alvorlige – og et nyt internationalt akademisk/industrielt samarbejde foreslår en måde at oprette separate reklamebilleder for forskellige demografier, herunder faktorer som alder og placering:

Fra det nye arbejde: eksempler på personlig reklamegenerering, hvor et enkelt produkt vises i forskellige stilarter for forskellige seergrupper. Kilde

Det nye rammeværk – titlen One Size, Many Fits (OSMF) – sigter mod at brokke gapet mellem bredt målrettet reklame og uvirkeligt detaljeret tilpasning, ved at generere forskellige reklamebilleder for automatisk opdagede seergrupper, ved hjælp af produktbevidst gruppering til at tilpasse visuelt indhold med klikpræferencer for forskellige demografier

Forfatterne skriver:

‘[Vi] præsenterer [en] samlet ramme, der tilpasser forskellige gruppevise klikpræferencer i storstilet reklamebilledegenerering.

‘OSMF starter med produktbevidst adaptiv gruppering, der dynamisk organiserer brugere baseret på deres attributter og produktkarakteristika, og repræsenterer hver gruppe med rige kollektive præferencer.’

Testet mod sammenlignelige rammeværker, hævder forfatterne state-of-the-art-resultater.

Selvom arbejdet identificerer forskellige kohortgrupper, er papiret ikke specifikt om, hvilke demografiske karakteristika, der er repræsenteret af hver G-gruppering, selvom disse sandsynligvis kan tilknyttes traditionelle markedssegmenteringsgrupper.

Derfor er det ikke let at se, baseret på de forskellige eksempler givet i hovedpapiret og bilaget, hvorfor bestemte baggrunde eller lys ville appellere mere til en kohort end en anden, da vi ikke kender karakteristika for nogen kohort:

Der er ingen konsistente ‘blå for drenge, pink for piger’ osv. stilarter på tværs af kohortspecifikke billedstilarter, der kunne afsløre, hvilken type person der tilhører hvilken gruppe – definitionerne, som det fremgår af den eksisterende litteratur, er langt mere komplekse og subtile.

Hvad der måske er mere bekymrende for dem, der er bekymrede over reklame-målretning, er muligheden for at udnytte bruger-specifikke indsigt i genereringen af specifikke billeder i reklamer**.

Den nye artikel er titlen One Size, Many Fits: Aligning Diverse Group-Wise Click Preferences in Large-Scale Advertising Image Generation, og kommer fra 17 forskere på tværs af National Laboratory of Pattern Recognition i Beijing; ‘School of AI at UCAS’; det kinesiske e-handelsfirma JINGDONG; Hong Kong University of Science and Technology i Guangzhou; og Pattern Recognition Lab på Nanjing University of Science and Technology.

Metode

Systemet bruger adaptiv gruppering (en metode, der finder naturlige grupper ved at kombinere brugerattributter med, hvordan de reagerer på forskellige produkter) til at gruppere brugere, baseret på, hvordan deres attributter former visuelle præferencer i en given produktkontekst. Forfatternes implementering af denne tilgang kaldes Produktbevidst Adaptiv Gruppering (PAAG).

Disse grupper er ikke faste på forhånd, men opdages fra mønstre i data.

En betinget billedgenerator, titlen Præferens-betinget Billedegenerering (PCIG), bruger derefter hver gruppes profil til at generere reklamebilleder, der matcher gruppenes sandsynlige smag:

OSMF grupperer brugere efter, hvordan deres attributter former produktpræferencer, og bruger derefter disse gruppeprofiler til at generere reklamebilleder, der matcher hver gruppes smag. PAAG håndterer grupperingen, og PCIG genererer billederne ved hjælp af prompts og feedback, der er tilpasset hver gruppe.

Billedgeneratoren anvender en uspecificeret version af Stable Diffusion, sammen med en passende ControlNet-suite (sidstnævnte for at hjælpe med at opretholde konsistens blandt de forskellige kohortgenerationer).

I arbejdsgangen kodificerer PAAG først forholdet mellem brugerattributter og både tekst- og billedaspekter af produktet, ved hjælp af en sæt af dedikerede kodificeringsprogrammer og en krydssigtig mekanisme til at kombinere dem i en samlet præferens-indlejring, der afspejler hvor sandsynligt det er, at en bruger klikker på en bestemt reklame.

PAAG modellerer derefter, hvordan forskellige kombinationer af brugerattributter interagerer med både produkttitler og produktbilleder. Tekst- og billedkarakteristika udtrækkes ved hjælp af CLIP og ResNet-baserede kodificeringsprogrammer, og brugerattributter som køn, placering, alder eller enhed sendes gennem en MLP, der muliggør krydssigt over produkttekst- og billedkarakteristika.

Den resulterende indlejring repræsenterer hver brugers klik-sandsynlighed for et bestemt produkt i en specifik visuel kontekst. Når disse bruger-produktpræferens-indlejringe er opnået, bruger PAAG K-means-klynge til at gruppere brugere, der reagerer lignende på et givet produkt.

PAAG vælger det bedste antal brugergrupper for hvert produkt ved at kontrollere, hvor godt klyngerne adskiller sig. I stedet for at bruge kun ét gennemsnitspunkt per gruppe, sampler den flere på forskellige afstande for at fange en bredere række af præferencer.

Disse gruppeprofiler sendes derefter som tokens til gruppebevidst multimodal stor sprogmodel (G-MLLM), der bruger dem til at generere reklamebilleder tilpasset hver gruppe.

Billedegenerering baseret på brugerpræferencer

På brugersiden lærer G-MLLM at forudsige, hvilke gruppemedlemmer der er sandsynligt at klikke næste, og hvordan man beskriver fælles karakteristika i naturlig sprog. På produktets side lærer den at sammenfatte produktet, der vises i et billede, og at generere reklame-stil-kaptajler, der matcher både produktet og gruppen.

For at afspejle virkelig brugeradfærd udvides modellen til en gruppebevidst belønningsmodel (GRM). GRM trænes på forskernes eget Gruppebevidst Reklamebilledepræferens (GAIP)-dataset^† (se nedenfor) for at sammenligne par af billeder for samme produkt og identificere, hvilket der fungerer bedst med en given gruppe, ved hjælp af virkelig klik-data.

Dette belønnings-signal bruges derefter til at fine-tune G-MLLM med Group-DPO, en metode, der lærer den at favorisere prompts, der fører til bedre gruppeniveau-engagement.

Data og tests

Udvikling af GAIP

Med henvisning til en historisk mangel på datasæt relateret til gruppebaserede reklamepræferencer, og at tidligere samlinger som Personlige Suppe og CG4CTR enten er for små eller for dårligt specificerede, udviklede forskerne deres egen samling, den ovennævnte GAIP, afledt fra ‘industrielle reklamelogs’ fra et uspecificeret e-handelsplatform.

Logfilerne blev indsamlet over en tre-ugers periode, med hver post, der optager produktbilledet og titlen, seerens profil (herunder alder, udgiftsniveau og følsomhed over for tilbud), og om reklamen blev klikket.

Datasættet indeholder over 40 millioner brugere, 2 millioner produkter og næsten 10 millioner reklamebilleder, med høj visuel variation på tværs af produkter.

Brugere blev grupperet af PAAG i distinkte klynger for hvert produkt, og klik-raten (CTR) blev beregnet pr. billede inden for hver gruppe:

Fra den nye artikels supplerende materiale, et lille glimt af nogle af de definerende kriterier for GAIT.

GAIP dannes derefter som en samling af tupler (reklamebillede, produkttitel, gruppe-indlejring, gruppe-specifik CTR) parre hvert billede og titel med dets CTR og indlejringen af gruppen, der så det.

For at sikre pålidelighed beholdes kun produkter med tilstrækkelig eksponering, hvilket resulterer i en datasæt på 610.172 gruppeniveau-prøver.

GAIP er væsentligt større end tidligere datasæt: mens de fleste tidligere benchmarks involverer færre end ti brugergrupper, indeholder GAIP næsten 600.000 virkelige gruppevise præferensoptegnelser, hvilket giver dybere indsigt i gruppeniveau-præferencer.

Tests

For at træne PCIG-pipeline udtrukkes billed- og tekstkarakteristika ved hjælp af ResNet og CLIP-tekstkodificeringsprogrammet, derefter kortet til 128-dimensionelle indlejringe gennem lærbare lineære lag. For at opretholde effektivitet blev PAAG begrænset til fem brugergrupper per produkt.

Gruppe-indlejringerne blev konstrueret ved hjælp af en percentil-baseret sampling-strategi, der trak multiple punkter fra 15., 55. og 95. percentiler for at fange både kerne- og periferi-præferencer.

LLaVA blev brugt som ryggraden for G-MLLM, og fortræning blev udført over ti epoch med en cosinus-lærings plan med en læringsrate på 2e-6, hvilket krævede en imponerende five dage træning på en cluster af otte NVIDIA H100 GPU’er, hver med 80GB VRAM.

GRM blev trænet ved at genskabe GAIP med matchede produktbilledepar, derefter initialiseret med samme vægte som G-MLLM. Under den endelige Group-DPO-etape blev GRM frosset, og G-MLLM finjusteret ved hjælp af LoRA i tre epoch, igen med en læringsrate på 2e-5, på samme NVIDIA-cluster.

Målinger, der blev brugt til den første evaluering, var NDCG@5 og AUROC. NDCG@5 målte, hvor forskelligt hver gruppe rangerede samme sæt af reklamebilleder, med lavere værdier, der indikerede klarere adskillelse i præferencer; og AUROC blev brugt til at evaluere, hvor godt hver model skelnede mellem klikkede og ikke-klikkede indhold.

Alle målinger blev beregnet på klynge-resultater fra 1.000 produkter, i alt omkring 100.000 prøver, og blev brugt til at sammenligne PAAG med tre tidligere systemer: CACS; WIYD; og JAC:

Præferensmodellering-resultater sammenlignet med tidligere metoder. Lavere NDCG@5 og højere AUROC indikerer bedre præstation. Bedste resultater er i fed, næstbedste understreget.

Af disse resultater kommenterer forfatterne:

‘[Vores] metode opnår overlegen præstation på begge målinger. Konkret opnår PAAG den lavest NDCG@5 (0,3066), overgående den bedste baseline (CACS), hvilket indikerer mere distinkte inter-gruppe præferensmønstre for effektiv gruppevis reklamegenerering.

‘Desuden opnår PAAG den højeste AUROC (0,6372), forbedret over den stærkeste baseline (WIYD) med 0,0159.’

En anden runde tests kontrollerede, om systemet kunne bedre tilpasse reklamer til de rigtige brugergrupper:

Online CTR-sammenligning, der viser, at gruppe-personlig generering (‘Ours’) overgår alle baselines, herunder CAIG og fortrænet G-MLLM.

Her viste PCIG stærkere klik-rater end ældre modeller som CAIG og G-MLLM, med en 5,5% forbedring. GRM blev også testet offline ved at kontrollere, om den kunne korrekt vælge det bedre reklamebillede i et par, baseret på gruppepræferencer. Den overgik alle baselines, herunder generelle formål-modeller, med en 4,7% gevinst over CAIG.

En sidste kvalitativ test blev udført for at evaluere, om PCIG kunne afspejle gruppeniveau-præferencer i stilen af dens genererede billeder. Som vist i figuren nedenfor, blev samme produkt renderet forskelligt for hver gruppe, med ændringer i palet, tone og visuel komposition:

Fulde resultater for de kvalitative tests, forhåndsvisning tidligere i artiklen.

Disse variationer stemte overens, hævder forfatterne, med antagede klik-præferencer for hver gruppe, og viste, at PCIG kunne producere stilistisk forskellige outputs, mens den bevarede relevans og appel. Forfatterne skriver:

‘[PCIG] sikrer stilistisk forskellige billeder til at imødekomme klik-præferencer for forskellige brugergrupper, og demonstrerer derved sin stærke evne til at tilpasse generering til heterogene brugerkrav og fange subtile, finmærkede præferensforskelle på tværs af forskellige brugergrupper, og fremhæver derved sin potentiale for gruppebevidst reklamebilledegenerering i stor skala.’

Konklusion

Måske det mest interessante aspekt af dette projekt er den ukendte korrelation mellem output-stilarter på tværs af gruppe-målrettede billeder for samme produkt (der er flere sider med eksempler i papirets supplerende materiale end vi kan gengive her).

Kan vi antage, at urbane baggrunde er relaterede til alder, dvs. til studerende, der starter ud, og at landlige miljøer er rettet mod mere velstående Generation X-typer, der identificerer den åbne vej som en slags ‘sidste frihed’? Man kan Rorschach disse test-outputs hele dagen.

Potentialet for sådanne systemer hviler på to faktorer: indsigt og latency. Indsigt afhænger af, om fremvoksende sporingssystemer stadig kan udtrække nok meningsfuld information fra brugere til at understøtte effektiv kohort-baseret reklame, samt lægge grundlag for mere præcise, individuelt målrettede reklamer i fremtiden.

Latency udgør en større udfordring, da disse bruger-tilpassede reklamebilleder skal genereres og leveres næsten øjeblikkeligt; selvom nogle nyere tekst-til-billede-modeller kan producere resultater på få sekunder, kan selv denne forsinkelse være for lang til realtid-reklameauktioner.

En mulig løsning er at producere billederne lokalt, på browserens GPU, og undgå netværksrundture; eller at oprette en række billeder på forhånd, forhåndsgemt på klienten.

** Dette aspekt er udeladt i den nye artikel, ligesom nye AI-rammeværks potentiale for deepfake-misbrug ofte blødes af ved at bruge søde dyrefigurer (i stedet for AI-porno) i nye studier. Alligevel repræsenterer den type billede, der vises i arbejdet, reklameudbydere på deres bedste opførsel, snarere end at vise, hvor personlige visuelle reklamer kan blive, når forbruger-målretning metoder samarbejder med hurtig-respons generativ AI.

** Jeg kan ikke identificere denne navngivne institution, da ‘UCAS’ generelt opløser til en velkendt britisk universitetsansøgningsklaringshus. Jeg velkommer opklaring.

^† Hvilket forskerne lover at udgive på den tilhørende GitHub-repo.

Først udgivet torsdag, 5. februar 2026