Тестирование рекламных креативов: внимание к рекламе или к бренду?

В историческом архиве реклама, отобранная по вниманию ко всему объявлению, часто отличалась от рекламы, отобранной по вниманию к бренду. Наш анализ показывает, насколько меняется список референсов при смене показателя.

Оригинальный анализ опубликованных измерений AdGaze-3500. Исторические данные просмотра на компьютерах в Нидерландах; точные даты сбора неизвестны.

Аннотация

В этом историческом архиве отбор рекламы по вниманию ко всему объявлению и по вниманию к бренду дал существенно разные списки референсов. В 59 подборках, включавших 2 601 пример объявления в контексте, мы отобрали верхние 20% по каждому показателю, сохранив все примеры с равными значениями на границе отбора. В среднем 34,5% списка по вниманию ко всему объявлению также вошли в список по вниманию к бренду. Это среднее с равным весом каждой подборки, а не доля, рассчитанная по всем объявлениям вместе. [1]

Источник содержит среднее время рассматривания статичной журнальной рекламы, показанной на экранах компьютеров в исследовательских центрах Нидерландов. Он не измеряет текущую эффективность рекламы в социальных лентах. Результат даёт креативным командам конкретную причину определить показатель внимания до сбора рекламных референсов: выбор показателя может заметно изменить набор примеров в брифе. Ниже приведены заранее заданные сравнения, вымышленный пример с расчётами и шаблон брифа для обсуждения.

Автор контента и менеджер по маркетингу приходят на обсуждение с папкой рекламы, которая «привлекает внимание». Один сохранил выразительные композиции. Другому нужны примеры, в которых бренд остаётся заметным. Оба выполнили задание, но, возможно, подготовились к разным разговорам.

Эта неоднозначность может перейти и в следующий бриф. Фраза «сделайте больше похоже на это» передаёт изображение, но не объясняет, какое его качество стоит заимствовать. Необычная сцена, легко различимый бренд и понятное предложение — разные причины сохранить референс. Общая метка «внимание» не решает, что выбрать.

Мы проверили проблему отбора референсов с помощью опубликованных измерений, а не собственного вкуса. В каждой подборке мы определили, какие примеры будут выбраны по времени рассматривания всего объявления, а какие — по времени рассматривания области бренда. Результат полезен до начала производства: договоритесь, что именно должен показывать референс.

Всё объявление и область бренда — разные области анализа

Большая тёмно-синяя рамка охватывает абстрактную композицию из бирюзовой бумаги. Меньшая тёмно-синяя рамка выделяет охристый квадрат у её правого верхнего угла.
  • Внимание ко всему объявлению
  • Внимание к области бренда
Схематичная иллюстрация 2 областей, к которым может относиться измерение. Это не архивное объявление, не карта взгляда и не измеренный результат.

При смене показателя меняется список

Мы сгруппировали примеры по опубликованной категории товара и расположению на странице: слева, справа или на всю страницу. Каждая из 59 подходящих подборок содержала не менее 20 примеров. Поэтому список верхних 20% включал как минимум 4 места до учёта равных значений. Это не делает архив репрезентативным для всех рекламодателей. [2]

Для каждой подборки мы составили 2 списка. Первый — по среднему времени рассматривания всего объявления. Второй — по среднему времени рассматривания области бренда, например его названия или знака. При равенстве значений на границе отбора сохранялись все такие примеры, поэтому список мог включать более 20% подборки.

Если брать за основу список по всему объявлению, среднее пересечение составило 34,5%. В обратном направлении список по всему объявлению охватывал 33,9% списка по бренду. Проценты различаются, поскольку из-за равных значений списки могут иметь разный размер. В обоих показателях каждая подборка имеет одинаковый вес.

В среднем по подборкам пересечение списков составляет около трети

Отбор верхних 20% внутри 59 подборок по категории и расположению с сохранением всех равных значений на границе. Подборки содержат 2 601 пример.

Посмотреть все значения графика
СравнениеСреднее пересечение по подборкам (%)ПодборкиПримеры объявления в контексте
Примеры, отобранные по всему объявлению и также по вниманию к бренду34,5 %592 601
Примеры, отобранные по бренду и также по вниманию ко всему объявлению33,9 %592 601
Каждый процент — среднее доли пересечения с равным весом подборок. Первый рассчитан от списка по всему объявлению, второй — от списка по бренду. Это не доли всех примеров вместе и не показатели эффективности кампании.

Равный вес каждой подборки не даёт крупнейшим архивным категориям определять итог. Это намеренно выбранный способ описать подборки, а не оценка среднего объявления, которое видит покупатель. Альтернативный расчёт по объединённым спискам приведён в разделе о методе, чтобы читатель мог увидеть, как выбор весов меняет результат.

Результат различался между подборками. Доля примеров из списка по всему объявлению, также отобранных по вниманию к бренду, варьировалась от 0 до 66,7%, а медиана составила 33,3%. Полное распределение доступно для скачивания; среднее не описывает каждую категорию.

Время рассматривания бренда входит во время рассматривания всего объявления, а не относится к отдельной деятельности. Тем не менее высокое общее значение не показывает, куда именно внутри объявления смотрели люди. Мы сравниваем абсолютное число секунд для каждой области. Мы не делим время рассматривания бренда на время рассматривания всего объявления и не утверждаем, что по такому иному показателю лидировали бы те же примеры.

При обсуждении референсов полезно различать 2 вопроса отбора. «Какие примеры удерживали внимание где-либо в объявлении?» и «Какие примеры удерживали внимание на бренде?» могут привести к обсуждению разного материала. Ни один список не становится общим списком лучшей рекламы.

Насколько различалось зафиксированное внимание к бренду?

Мы также сравнили зафиксированное время рассматривания бренда в 2 списках, сохранив одинаковое число отобранных примеров. При равенстве значений на границе отбора оставшиеся места делились поровну между такими примерами. Это исключает ручной выбор выгодного примера среди равных. [3]

При равном усреднении по 59 подборкам в примерах, отобранных по всему объявлению, зафиксированное внимание к бренду составило 0,536 секунды, а в отобранных по бренду — 0,822 секунды. Разница составила 0,286 секунды; медиана разницы внутри отдельных подборок — 0,266 секунды. Разницы в отдельных подборках составляли от 0,068 до 0,898 секунды.

Направление этой разницы задано самим расчётом. Отбор наибольших значений по бренду из тех же записей обязательно даёт среднее по бренду не ниже, чем другой отбор того же размера. Эмпирическая информация здесь — величина и разброс разницы, а также изменение состава списков. Это не доказательство того, что новая стратегия отбора улучшит кампанию.

Чтобы узнать, помогает ли метод отбора достичь реальной цели команды на её аудитории, потребовалась бы отдельная проверка. Пока полезно спросить, выбран ли референс за то качество, которое он должен показать по брифу. Визуально выразительный пример тоже может быть ценным, если причина его выбора понятна.

Сохраните единицы измерения в брифе. Здесь речь о секундах рассматривания в конкретном задании. Это не запомнившиеся названия брендов, намерения купить, клики или продажи. Если команду интересует один из этих результатов, нужны данные, которые измеряют именно его.

Разница сохраняется при расширении списка

До изучения результатов отбора мы задали 2 альтернативные границы. При отборе верхних 10% среднее пересечение списка по всему объявлению со списком по бренду составило 25,4%. Расширение до верхних 30% увеличило его до 42,2%. Соответствующие разницы зафиксированного времени рассматривания бренда составили 0,371 и 0,219 секунды. Более широкий отбор дал больше общих примеров, но списки для 2 целей всё равно не стали взаимозаменяемыми.

Отдельно мы сгруппировали примеры с одинаковой опубликованной меткой бренда и расположением, оставив подборки не менее чем из 10 примеров. В этих 48 подборках с 685 примерами пересечение верхних 20% в среднем составило 40,5%, а разница времени рассматривания бренда — 0,150 секунды. В некоторых подборках состав отобранных примеров совпадал. [4]

Что меняется при заранее заданных правилах отбора

Сравнения по категориям используют те же 59 подборок. Дополнительная группировка использует 48 подборок с одинаковой опубликованной меткой бренда и расположением.

Посмотреть все значения графика
СравнениеОтбор по всему объявлению, также вошедший в отбор по бренду: среднее (%)Отбор по бренду, также вошедший в отбор по всему объявлению: среднее (%)Средняя разница зафиксированного времени рассматривания бренда (секунды)ПодборкиПримеры объявления в контексте
Категория и расположение: верхние 10%25,4 %24,8 %0,371592 601
Категория и расположение: верхние 20%34,5 %33,9 %0,286592 601
Категория и расположение: верхние 30%42,2 %41,8 %0,219592 601
Одинаковая опубликованная метка бренда и расположение: верхние 20%40,5 %39,0 %0,15048685
В столбцах пересечения указаны средние проценты с равным весом подборок и сохранением равных граничных значений. Разница времени рассматривания бренда рассчитана с дробными весами равных примеров для точного размера и усреднена с равным весом подборок. Её неотрицательное направление гарантировано отбором по тем же зафиксированным значениям для бренда; величина описывает данные, а не улучшение эффективности.

Вторая группировка более узкая, но это не сравнение внутри подтверждённых кампаний или компаний. Мы использовали исходные метки как опубликовано, включая те, которые могут описывать рекламную страницу, а не владельца бренда. Их роль — показать изменение результата при другой заранее заданной группировке, не подправляя молча метки ради более убедительного рассказа.

Подборки по категориям различались и по расположению: среднее пересечение списка по всему объявлению со списком по бренду составило 39,7% для левой страницы, 30,1% для правой и 32,9% для полной страницы. Это описание разных архивных примеров, а не эффект перемещения объявления. Оно не даёт оснований рекомендовать место размещения.

Большинство различий между списками сохраняется при малых изменениях значений

Опубликованное время рассматривания записано в секундах с 2 десятичными знаками. Поэтому мы проверили намеренно малое численное изменение: позволили каждому значению для всего объявления и бренда независимо изменяться в пределах 0,01 секунды, не опускаясь ниже 0, и заново рассчитали границы отбора. [5]

Из 348 примеров, изначально выбранных только по вниманию ко всему объявлению, 318 гарантированно оставались только в этом списке при всех допустимых изменениях. Из 359 примеров, выбранных только по вниманию к бренду, 306 гарантированно оставались только в списке по бренду. Это количества, суммированные по 59 подборкам, в отличие от приведённых выше процентов с равным весом подборок.

Многие примеры, выбранные только в 1 список, остаются в нём при малых изменениях значений

Основные списки верхних 20% по 59 подборкам категории и расположения. Каждое значение может независимо меняться в пределах 0,01 секунды с пересчётом границ отбора.

Посмотреть все значения графика
СравнениеУстойчивые примеры только в 1 спискеИзначально наблюдавшиеся примеры только в 1 списке
Отобраны только по вниманию ко всему объявлению318348
Отобраны только по вниманию к бренду306359
Наблюдаемые количества показывают примеры, изначально отобранные только в 1 список. Устойчивые количества гарантированно остаются в этом списке и не могут попасть в другой при любом допустимом численном изменении. Количества суммированы по подборкам. Это численная проверка чувствительности, а не доверительный интервал по зрителям.

Эта проверка касается близости к зафиксированным границам отбора. Она не воссоздаёт новых зрителей и не оценивает ошибку выборки. В публикации нет индивидуальных записей просмотра, необходимых для статистически обоснованного различения мест в рейтинге. Устойчивая численная разница в этих файлах остаётся историческим описательным различием, а не обещанием, что другая аудитория расположила бы объявления в том же порядке.

Вымышленное обсуждение 5 рекламных референсов

Представьте небольшой бренд товаров для дома, который поручает автору контента представить новую лампу. У команды есть место для 2 основных референсов. Числа в этом примере придуманы для объяснения решения; это не 5 объявлений из архива и не прогноз для кампании лампы.

Допустим, на 5 карточках референсов указано следующее время рассматривания всего объявления и бренда: A — 4,0 и 0,2 секунды; B — 3,5 и 0,8; C — 3,0 и 1,0; D — 2,0 и 0,4; E — 1,0 и 0,1. Отбор 2 наибольших значений для всего объявления даёт A и B. Отбор 2 наибольших значений для бренда даёт C и B.

Только B входит в оба списка, поэтому пересечение в любом направлении составляет 50%. В первой паре среднее время рассматривания бренда — 0,5 секунды, во второй — 0,9 секунды. Разница в 0,4 секунды следует из вымышленных исходных данных. Это не оценка пользы от изменения реальной кампании.

Ограничение 2 местами тоже важно. Менеджер мог бы объединить пары в A, B и C, но это расширило бы обсуждение, а не решило исходную задачу выбора 2 референсов. Явное ограничение делает компромисс понятным. Команда может выбрать цель или сознательно выделить место для большего числа примеров, вместо того чтобы обращаться с 2 разными списками как с ответом на 1 вопрос.

Полезно обсудить само задание. Если референсы должны показать, как бренд представлен в композиции, команда может рассмотреть B и C именно с этой целью. Если A оставляют по другой причине, её нужно указать в брифе, а не называть A общим победителем.

При этом автор контента может найти в A приём, который стоит адаптировать. Исследование не предписывает увеличивать логотип или выбирать определённый визуальный стиль. Оно поддерживает явное обозначение цели отбора, чтобы интересную композицию не принимали за данные о внимании к бренду. Для референса без измерений напишите: «Выбран за композицию; внимание к бренду неизвестно».

Бриф для обсуждения, который можно перенести в следующий проект

Перенесите причину отбора в бриф

3 композиции без надписей: абстрактная карточка в рамке, 3 карточки в лотке и раскрытая папка для сравнения с небольшими рамками вокруг разных деталей.
  1. Назовите цель

    Скажите, какое решение референс должен помочь принять команде.

  2. Отберите сопоставимые примеры

    Явно укажите показатель, набор кандидатов и правило обработки равных значений.

  3. Объясните, что заимствовать

    Добавьте конкретную причину и следующую проверку при обсуждении.

Иллюстрация для планирования. Шаги описывают предлагаемый процесс обсуждения, а не наблюдавшийся путь или результат эксперимента.

Начните с решения: «Мы отбираем рекламные референсы, чтобы решить ______». Завершите фразу до сборки окончательной папки. Референс для композиции, референс для показа товара и референс с измеренным вниманием к бренду не обязательно будут одним изображением.

Укажите основание: «Этот референс выбран, потому что ______. Подтверждающий показатель или наблюдение — ______». Запишите, основана ли причина на измеренном поведении зрителей, результате кампании или визуальной оценке команды. Различайте эти описания: популярная сохранённая публикация не приобретает данные отслеживания взгляда оттого, что оказалась в папке.

Опишите сравнение: «Набор кандидатов — ______; мы оставим ______ примеров; равные значения будут обрабатываться так: ______». До ранжирования договоритесь о сопоставимых формате и контексте. Правило 20% для архива — наш исследовательский выбор, а не рекомендованный бюджет кампании или универсальный размер списка.

Поясните каждый оставленный пример: «Заимствовать ______; не предполагать ______». Здесь автор контента получает конкретное направление работы. Для вымышленного брифа о лампе можно предложить изучить, как товар и бренд вписаны в композицию, не заявляя при этом реальных результатов кампании по вниманию и продажам.

Явно обозначьте неизвестное: «У нас нет данных о ______». Если пример взят из публичной библиотеки рекламы или портфолио автора, его дизайн может быть виден, а внимание аудитории — нет. Запишите доступный источник и причину выбора. Это позволяет использовать вдохновляющий референс, не приписывая ему вымышленных измерений.

Назначьте следующую проверку: «______ проверит ______ до ______». Если команда собирается тестировать материал на аудитории, отдельно определите результат и условия теста. Если она будет лишь обсуждать дизайн, так это и назовите. Прикрепите основания отбора референсов к брифу, чтобы при дальнейшей передаче узкое наблюдение не превратилось в неподтверждённое заявление об эффективности.

Метод, источник и файлы для воспроизведения

Источник — закреплённая версия AdGaze-3500. Она содержит 3 531 пример объявления в контексте с конечными неотрицательными средними значениями времени рассматривания всего объявления и бренда. Основной анализ включает 2 601 пример в 59 подборках по категории и расположению, не менее 20 примеров в каждой. Неотобранные 930 примеров не считались примерами с отсутствующими значениями: они не отвечали заранее заданному правилу размера подборки. [1] [2]

В задании использовалась статичная журнальная реклама с окружающими редакционными материалами на экранах компьютеров в исследовательских центрах Нидерландов. Участники просматривали страницы в своём темпе. Точные даты сбора не указаны; часть исходного материала использовалась в исследовании, опубликованном в 2004 году. Поэтому публикацию набора данных в 2026 году не следует считать исследованием аудитории 2026 года или рекламы Meta. [6]

В каждой подборке из n примеров граничный ранг равен произведению доли отбора на n с округлением вверх. Сравнение состава включает все примеры с равными значениями на этом ранге. Мы рассчитываем пересечение в обоих направлениях внутри каждой подборки, затем усредняем доли с равными весами подборок. При объединении основных списков получается 207 общих примеров из 555 отобранных по всему объявлению, или 37,3%, и 207 из 566 отобранных по бренду, или 36,6%. Эти значения отвечают на другой вопрос о взвешивании, чем основной результат.

Для сравнения времени рассматривания бренда при фиксированном размере примеры выше границы получают полный вес, а оставшиеся места делятся поровну между примерами с равным граничным значением. Мы также рассчитываем наименьшую и наибольшую разницу, достижимую при выборе среди этих примеров. В среднем по основным подборкам диапазон составляет от 0,285 до 0,288 секунды. Он описывает варианты выбора при равенстве, а не доверительный интервал. [3]

Более ранние исследования уже различают внимание к объявлению и к его бренду. Статья AdGazer также описывает их связь и изучает прогнозирование внимания и подбор контекста. Наш вклад — заданное сравнение списков референсов на опубликованных наблюдениях, включая направленное пересечение, зафиксированные разницы при одинаковом размере и численные проверки границ отбора. Мы не претендуем на открытие этого общего различия. [7]

Источник содержит агрегированные средние просмотра, а не записи по отдельным зрителям или неопределённость для каждого примера. Поэтому мы приводим описательные результаты без доверительных интервалов и проверок значимости. Файлы для скачивания сохраняют все заранее заданные групповые результаты, хеши источников, правила группировки и инструкции по расчётам, включая заранее заданные сравнения, которые не вошли в основные выводы. [8]

CSV содержит 30 числовых значений из 8 строк графиков; для каждого значения отдельно указаны показатель, единица измерения и состав подборки. ZIP включает все 225 групповых сравнений, 59 строк численной проверки устойчивости, точные хеши источников и воспроизводимые расчёты. В нём нет записей по зрителям или рекламных изображений. В числовых полях используется десятичная точка.

Источники и примечания

  1. AdGaze-3500, Ye и соавторы; версия закреплена на коммите 2b502d7cca8e8c0a747526b8727f53bf812e8735. Расчёты Influence IQ используют опубликованные массивы ad-gaze, brand-gaze, category, brand-label и layout. Пакет содержит точные хеши файлов и все результаты.
  2. Основная группировка сочетает опубликованную метку категории с расположением слева, справа или на всю страницу и требует не менее 20 примеров. Сравнения для 10%, 20% и 30% используют те же 59 подборок. Каждое наблюдение — среднее для стимула «объявление в контексте», а не человек, кампания или независимый рекламодатель.
  3. Сравнение с точным размером использует k = ceiling(fraction × collection size). Примеры выше границы получают вес 1; каждый пример с равным граничным значением получает оставшиеся места, делённые на число таких примеров. Для диапазона достижимой разницы выбираются наибольшие или наименьшие значения по бренду среди примеров на границе отбора по всему объявлению. Среднее для отбора по бренду не меняется при выборе среди равных значений по бренду. Направление разницы гарантировано отбором по тем же записям, а не свидетельствует об улучшении.
  4. Дополнительное сравнение сочетает одинаковую опубликованную строку бренда с расположением и требует не менее 10 примеров: получается 48 подборок и 685 примеров. Метки не сопоставлялись ни с юридической идентичностью компаний, ни с кампаниями. Некоторые строки описывают особенность рекламной страницы. Ни одна метка не удалялась из-за её результата.
  5. Интервалы численной проверки простираются на 0,01 секунды ниже и выше каждого опубликованного значения, с нижней границей 0. Границы отбора пересчитываются, а не остаются на исходном уровне. Устойчивый пример, выбранный только по всему объявлению, должен гарантированно входить в этот набор и не иметь возможности войти в набор по бренду при всех допустимых изменениях; обратное определяет устойчивый пример только по бренду. Это гарантии состава, а не точные совместные границы пересечения или выборочные интервалы.
  6. Ye и соавторы, AdGaze-3500: Evaluating Large Multimodal Models’ Ability to Predict Human Attention to Ads, CVPR Workshops 2026, раздел 3.1.2, описывают задание на компьютерах в Нидерландах и указывают, что часть данных уже анализировалась в более ранних работах. Ссылка 57 указывает на Pieters and Wedel (2004). Точные даты полевой работы и индивидуальные записи просмотра в публикации не приведены.
  7. Ye и соавторы, AdGazer: Improving Contextual Advertising with Theory-Informed Machine Learning, изучают связь внимания к объявлению и бренду и подбор контекста. Настоящий анализ рассматривает наблюдаемый состав списков и зафиксированные средние, а не прогнозирует новые результаты отслеживания взгляда.
  8. Атрибуция для набора данных: AdGaze-3500, Ye и соавторы, Apache License 2.0 согласно закреплённой версии набора на Hugging Face. Наш пакет содержит оригинальный код анализа и агрегированные результаты, а также инструкции по источнику и лицензии. Он не распространяет рекламные изображения и не импортирует репозиторий воспроизведения AdGazer с отдельной лицензией.

Исходная версия этой статьи — английская. Анализ касается исторических материалов из Нидерландов; перевод не меняет исследуемую совокупность.

Подготовьте бриф и его обсуждение