รูปภาพโฆษณาที่สร้างโดย AI ที่มุ่งเป้าไปที่กลุ่มเป้าหมายของคุณ – และในที่สุดคือคุณ?

ผู้ลงโฆษณาต้องการปรับโฆษณาให้เหมาะสมกับผู้ชมแต่ละคนเพื่อเพิ่มจำนวนคลิก และแม้ว่าการสร้างโฆษณาที่มีเอกลักษณ์สำหรับแต่ละคนจะไม่ใช่เรื่องที่เป็นไปได้ในขณะนี้ แต่การวิจัยใหม่ๆ เสนอว่าโฆษณาที่สร้างโดย AI อาจมุ่งเป้าไปที่กลุ่มเป้าหมายได้อย่างมีประสิทธิภาพ

โฆษณาที่มีการปรับให้เหมาะสมในภาพยนตร์เรื่อง Minority Report ของ Steven Spielberg ในปี 2002 ได้ทิ้งรอยความประทับใจที่ยังคงอยู่ในวัฒนธรรม โดยมีการพรรณนาถึงป้ายโฆษณาที่สามารถรับรู้ผู้คนในฝูงชนและร้องเรียนข้อความโฆษณาโดยตรงให้กับพวกเขา

หลายกลุ่มผู้บริโภคอาจมองว่าการรับรู้ผู้ชมในระดับนี้เป็นเรื่องร้ายแรง และแม้ว่าการพัฒนาที่มุ่งไปสู่สิ่งนี้จะชะลอ下来เนื่องจากเรื่องอื้อฉาวของ Cambridge Analytica แต่ความฝันที่จะสามารถมีปฏิสัมพันธ์โดยตรงและเป็นเป้าหมายยังคงเป็นเป้าหมายที่สำคัญในด้านโฆษณา

ในความเป็นจริง ระบบที่สามารถเจาะจงลงไปถึงลักษณะของผู้ชมแต่ละคนยังคงอยู่ในการพัฒนาเสมอ – แม้ว่าในกรณีนี้การวิจัยขององค์กรจะต้องดำเนินการตามขั้นตอนที่จะเคารพกฎหมายที่เกี่ยวข้องกับข้อมูลส่วนบุคคล (PII) ซึ่งได้รับการเสริมสร้างในยุโรปในช่วงสิบปีที่ผ่านมา และได้แพร่กระจายไปยังที่อื่นๆ ผ่านผลกระทบของบรัสเซลส์

สวัสดี!

เมื่อโฆษณาและเนื้อหาการตลาดที่สร้างโดย AI กำลังเพิ่มขึ้น ผู้ลงโฆษณาต้องเผชิญกับต้นทุนของโฆษณาที่มุ่งเป้าไปที่บุคคลโดยเฉพาะ โดยที่รูปภาพและข้อความถูกสร้างขึ้นโดยอาศัยโอกาสและในขณะนั้น

ตัวอย่างเช่น แม้ว่ารูปภาพที่มีเอกลักษณ์สามารถสร้างขึ้นได้อย่างรวดเร็ว แต่ต้นทุนในระดับที่มากจะสูงมาก นอกจากนี้ กระบวนการประมูลโฆษณาออนไลน์อัตโนมัติทำงานในระดับเวลาที่สำคัญ ซึ่งทำให้เนื้อหาส่วนตัวที่มุ่งเป้าหมายเป็นเรื่องที่ท้าทาย และเนื้อหาวิดีโอยิ่งไปกว่านั้น

อย่างไรก็ตาม อุปสรรคทางเทคนิคที่เกี่ยวข้องกับการจัดการกลุ่มประชากรในระดับสูงในกลุ่มผู้ชมบนอินเทอร์เน็ต (ผ่านแล็ปท็อป โทรศัพท์ สมาร์ททีวี ฯลฯ) ไม่รุนแรงมากนัก – และการทำงานร่วมกันระหว่างประเทศใหม่ระหว่างวิชาการและอุตสาหกรรมกำลังเสนอวิธีการสร้างรูปภาพโฆษณาที่แยกจากกันสำหรับกลุ่มประชากรที่แตกต่างกัน รวมถึงปัจจัยดังกล่าว เช่น อายุและที่ตั้ง

จากงานใหม่: ตัวอย่างการสร้างโฆษณาที่มีเอกลักษณ์สำหรับกลุ่มผู้ชมที่แตกต่างกัน โดยที่ผลิตภัณฑ์เดียวกันถูกแสดงในรูปแบบที่แตกต่างกันสำหรับกลุ่มผู้ชมที่แตกต่างกัน

เฟรมเวิร์กใหม่นี้ซึ่งมีชื่อว่า One Size, Many Fits (OSMF) มีเป้าหมายที่จะขยายช่องว่างระหว่างโฆษณาที่มุ่งเป้าหมายทั่วไปและโฆษณาที่มีเอกลักษณ์โดยเฉพาะ โดยการสร้างรูปภาพโฆษณาที่แตกต่างกันสำหรับกลุ่มผู้ชมที่ถูกค้นพบโดยอัตโนมัติ โดยใช้เทคนิคการแบ่งกลุ่มผลิตภัณฑ์ (product-aware clustering) เพื่อจัดแนวเนื้อหาทางภาพกับความชอบในการคลิกของกลุ่มผู้ชมที่แตกต่างกัน

ผู้เขียนระบุว่า:

‘[เรา] เสนอเฟรมเวิร์กที่รวมกลุ่มความชอบในการคลิกของกลุ่มผู้ชมที่แตกต่างกันในกระบวนการสร้างรูปภาพโฆษณาในระดับใหญ่’

‘OSMF เริ่มต้นด้วยการแบ่งกลุ่มผลิตภัณฑ์ที่มีการปรับให้เหมาะสม ซึ่งจัดระเบียบผู้ใช้ตามคุณลักษณะและคุณสมบัติผลิตภัณฑ์ และแสดงถึงกลุ่มที่มีคุณสมบัติความชอบที่มีค่า’

การทดสอบพบว่าเฟรมเวิร์กนี้ให้ผลลัพธ์ที่ดีที่สุด

แม้ว่างานนี้จะระบุกลุ่มผู้ชมที่แตกต่างกัน แต่ไม่ได้ระบุลักษณะประชากรที่แท้จริงของกลุ่มเหล่านี้ ซึ่งดูเหมือนว่าจะสอดคล้องกับกลุ่มการตลาดแบบดั้งเดิม

ดังนั้น จึงไม่ใช่เรื่องที่ง่ายที่จะบอกว่าทำไมรูปภาพหรือแสงจึงดึงดูดกลุ่มผู้ชมหนึ่งมากกว่าอีกกลุ่มหนึ่ง เนื่องจากเราไม่รู้จักคุณลักษณะของกลุ่มเหล่านั้น

ไม่มีรูปแบบที่สอดคล้องกันสำหรับกลุ่มผู้ชมที่แตกต่างกัน

สิ่งที่อาจเป็นเรื่องที่น่ากังวลสำหรับผู้ที่ไม่ชอบการโฆษณาที่มุ่งเป้าหมายคือความเป็นไปได้ที่จะใช้ข้อมูลผู้ใช้เพื่อสร้างรูปภาพโฆษณาที่เฉพาะเจาะจง

งานวิจัยใหม่นี้มีชื่อว่า One Size, Many Fits: Aligning Diverse Group-Wise Click Preferences in Large-Scale Advertising Image Generation และเป็นผลงานของนักวิจัย 17 คนจาก National Laboratory of Pattern Recognition ที่ Beijing, School of AI at UCAS, JINGDONG, Hong Kong University of Science and Technology at Guangzhou และ Pattern Recognition Lab ที่ Nanjing University of Science and Technology

วิธีการ

ระบบนี้ใช้การแบ่งกลุ่มแบบปรับให้เหมาะสม (adaptive clustering) ซึ่งเป็นวิธีการที่ค้นหากลุ่มตามคุณลักษณะของผู้ใช้และวิธีการตอบสนองต่อผลิตภัณฑ์ที่แตกต่างกัน

การแบ่งกลุ่มนี้ไม่ได้ถูกกำหนดไว้ล่วงหน้า แต่ถูกค้นพบจากข้อมูล

เครื่องสร้างรูปภาพโฆษณาที่มีเงื่อนไข (Preference-Conditioned Image Generation) ใช้โปรไฟล์ของกลุ่มเพื่อสร้างรูปภาพโฆษณาที่ตรงกับความชอบของกลุ่ม

OSMF จัดกลุ่มผู้ใช้ตามคุณลักษณะและคุณสมบัติผลิตภัณฑ์

เครื่องสร้างรูปภาพใช้ Stable Diffusion และ ControlNet suite เพื่อรักษาความสอดคล้องระหว่างรูปภาพโฆษณาที่สร้างขึ้น

ในกระบวนการ PAAG จะเข้ารหัสความสัมพันธ์ระหว่างคุณลักษณะผู้ใช้และคุณสมบัติผลิตภัณฑ์โดยใช้เครื่องมือเข้ารหัสที่เฉพาะเจาะจงและกลไกการรวมข้าม (cross-attention) เพื่อรวมเข้าด้วยกันเป็นแบบจัดกลุ่มที่สะท้อนถึงความน่าจะเป็นที่ผู้ใช้จะคลิกโฆษณา

PAAG จะสร้างแบบจำลองวิธีการที่คุณลักษณะผู้ใช้ต่างๆ สัมพันธ์กับคุณสมบัติผลิตภัณฑ์

การเข้ารหัสที่ได้จะแสดงถึงความน่าจะเป็นที่ผู้ใช้จะคลิกโฆษณาในบริบทที่เฉพาะเจาะจง

เมื่อได้รับการเข้ารหัสเหล่านี้ PAAG จะใช้การแบ่งกลุ่ม K-means เพื่อจัดกลุ่มผู้ใช้ที่มีลักษณะคล้ายคลึงกัน

กลุ่มเหล่านี้จะถูกส่งเป็นโทเค็นไปยังโมเดลภาษาขนาดใหญ่ (G-MLLM) ซึ่งจะใช้เพื่อสร้างรูปภาพโฆษณาที่เหมาะสมกับกลุ่ม

การสร้างรูปภาพตามความชอบของผู้ใช้

ด้านผู้ใช้ G-MLLM จะเรียนรู้เพื่อคาดการณ์ว่าสมาชิกกลุ่มใดจะคลิกถัดไปและวิธีการอธิบายลักษณะทั่วไปในภาษาธรรมชาติ

ด้านผลิตภัณฑ์ G-MLLM จะเรียนรู้เพื่อสรุปผลิตภัณฑ์ที่แสดงในรูปภาพและสร้างคำบรรยายโฆษณาที่ตรงกับผลิตภัณฑ์และกลุ่ม

เพื่อสะท้อนพฤติกรรมของผู้ใช้จริง โมเดลนี้จะถูกขยายให้เป็นโมเดลรางวัลที่มีการรับรู้กลุ่ม (Group-Aware Reward Model) ซึ่งจะถูกฝึกฝนบนชุดข้อมูล Grouped Advertising Image Preference (GAIP) เพื่อเปรียบเทียบรูปภาพโฆษณาที่แตกต่างกันสำหรับผลิตภัณฑ์เดียวกัน

ข้อมูลและการทดสอบ

การสร้าง GAIP

เนื่องจากไม่มีชุดข้อมูลที่เกี่ยวข้องกับความชอบในการโฆษณาของกลุ่ม ผู้วิจัยจึงสร้างชุดข้อมูลของตนเองซึ่งเรียกว่า GAIP โดยใช้บันทึกโฆษณาจากแพลตฟอร์มอีคอมเมิร์ซที่ไม่ระบุชื่อ

ชุดข้อมูลนี้ประกอบด้วยผู้ใช้มากกว่า 40 ล้านคน ผลิตภัณฑ์มากกว่า 2 ล้านรายการ และรูปภาพโฆษณาเกือบ 10 ล้านรูป โดยมีความหลากหลายทางภาพที่สูงมาก

ผู้ใช้ถูกจัดกลุ่มโดย PAAG สำหรับผลิตภัณฑ์แต่ละรายการ และอัตราการคลิกถูกคำนวณสำหรับแต่ละรูปภาพในกลุ่ม

ตัวอย่างคุณลักษณะของผู้ใช้จากชุดข้อมูล GAIP

GAIP ถูกสร้างขึ้นเป็นชุดของตัวประกอบที่ประกอบด้วยรูปภาพโฆษณา ชื่อผลิตภัณฑ์ การเข้ารหัสกลุ่ม และอัตราการคลิกสำหรับกลุ่ม

เพื่อให้แน่ใจถึงความน่าเชื่อถือ ชุดข้อมูลนี้จะถูกกรองเพื่อให้ได้ผลิตภัณฑ์ที่มีการเปิดเผยเพียงพอ ซึ่งจะส่งผลให้ได้ชุดข้อมูลที่มีตัวอย่างกลุ่มมากกว่า 610,000 รายการ

การทดสอบ

ในการฝึกโมเดล PCIG ผู้วิจัยจะใช้การเข้ารหัส ResNet และ CLIP เพื่อแปลงรูปภาพและข้อความเป็นแบบจัดกลุ่ม 128 มิติ

การเข้ารหัสกลุ่มจะถูกสร้างขึ้นโดยใช้กลยุทธ์การสุ่มตัวอย่างแบบเปอร์เซ็นต์

LLaVA ถูกใช้เป็นโครงสร้างพื้นฐานสำหรับ G-MLLM และการฝึกจะดำเนินไปเป็นเวลา 10 ยุคด้วยอัตราการเรียนรู้ที่ลดลง

GRM ถูกฝึกโดยการสร้างชุดข้อมูล GAIP ใหม่และเปรียบเทียบรูปภาพโฆษณาที่แตกต่างกันสำหรับผลิตภัณฑ์เดียวกัน

การประเมินจะใช้การวัด NDCG@5 และ AUROC เพื่อเปรียบเทียบผลลัพธ์ของ PAAG กับระบบอื่นๆ

ผลลัพธ์ของการประเมิน

ผู้เขียนระบุว่า:

‘[วิธีการของเรา] ให้ผลลัพธ์ที่ดีกว่าในทั้งสองมาตรการ’

‘PAAG ให้ผลลัพธ์ที่ดีที่สุดใน NDCG@5 และ AUROC’

สรุป

ด้านที่น่าสนใจที่สุดของโครงการนี้คือความสัมพันธ์ที่ไม่ทราบระหว่างรูปแบบการผลิตรูปภาพโฆษณาที่มุ่งเป้าหมายไปที่กลุ่มผู้ชมที่แตกต่างกันสำหรับผลิตภัณฑ์เดียวกัน

เราสามารถ假设ได้ว่าพื้นหลังเมืองสัมพันธ์กับอายุ หรือว่าพื้นหลังชนบทสัมพันธ์กับกลุ่มที่มีรายได้สูงกว่าหรือไม่

ศักยภาพของระบบเหล่านี้ขึ้นอยู่กับปัจจัยสองประการ: ข้อมูลเชิงลึกและความหน่วง

ข้อมูลเชิงลึกขึ้นอยู่กับว่าระบบติดตามที่เกิดขึ้นใหม่สามารถ 추출ข้อมูลที่มีความหมายจากผู้ใช้เพื่อสนับสนุนโฆษณาที่มุ่งเป้าหมายไปที่กลุ่มหรือไม่

ความหน่วงเป็นความท้าทายที่ยิ่งใหญ่กว่า เนื่องจากรูปภาพโฆษณาที่ปรับให้เหมาะสมจะต้องถูกสร้างและจัดส่งอย่างรวดเร็ว

วิธีแก้ปัญหาหนึ่งที่เป็นไปได้คือการสร้างรูปภาพเหล่านี้ที่เครื่องบราวเซอร์ของผู้ใช้โดยใช้ GPU ของบราวเซอร์ หรือสร้างรูปภาพเหล่านี้ล่วงหน้าและเก็บไว้ในแคชบนเครื่องของผู้ใช้

** ด้านนี้ถูก省略ในงานวิจัยใหม่นี้ แต่โฆษณาที่มีเอกลักษณ์สามารถมุ่งเป้าหมายไปที่บุคคลโดยเฉพาะได้เมื่อรวมกับ AI ที่มีการตอบสนองอย่างรวดเร็ว

** ไม่สามารถระบุสถาบันที่มีชื่อ UCAS ได้ เนื่องจาก UCAS มักจะหมายถึงหน่วยงานที่เกี่ยวข้องกับการสมัครเข้ามหาวิทยาลัยในสหราชอาณาจักร

^† ซึ่งผู้วิจัยสัญญาว่าจะเผยแพร่บน GitHub

เผยแพร่ครั้งแรกวันพฤหัสบดีที่ 5 กุมภาพันธ์ 2026