广告创意测试:关注整则广告,还是关注品牌?
在一份历史档案中,按整则广告受关注程度选出的广告,往往不同于按品牌受关注程度选出的广告。我们的分析展示了指标改变时,参考广告的入选名单会发生多大变化。
对已发布的 AdGaze-3500 测量数据进行的原创分析。数据来自历史上的荷兰桌面屏幕观看任务;确切采集日期不详。
摘要
在这份历史档案中,按整则广告关注度筛选与按品牌关注度筛选,得到的参考名单明显不同。我们在包含 2,601 个广告与情境示例的 59 个分组内,分别按两项指标选取前 20%,并保留截止位的所有并列项。整则广告名单中,平均有 34.5% 也出现在品牌名单中。这是各组等权计算的平均值,不是将所有广告合并后计算的百分比。[1]
源数据记录了荷兰研究机构内桌面屏幕上静态杂志广告的平均注视时长,并未测量当前社交信息流的表现。这项结果为创意团队提供了一个具体理由:收集参考广告前,应先写明关注度指标,因为指标的选择可能大幅改变最终进入创作简报的示例。下文提供预先确定的比较、一个虚构的演算示例,以及可直接使用的审核简报。
一位创作者和一位营销经理各带着一组“吸引注意力”的广告来参加审核。前者收藏的是构图醒目的作品,后者想找的是能让品牌保持可见的示例。两人都完成了任务,却可能在为两场不同的讨论做准备。
这种模糊之处可能延续到下一份创作简报中。“做得更像这个”只传递了一张图片,却没有说明值得借鉴的是什么。独特的场景、容易找到的品牌和容易理解的优惠信息,都是保留参考素材的不同理由。笼统地说“吸引注意力”,无法替团队作出选择。
我们用已发布的测量数据,而非个人审美,检验了这个名单筛选问题。在每个分组内,我们分别考察:按整则广告的注视时长筛选,会选出哪些示例;按品牌区域的注视时长筛选,又会选出哪些示例。这项结果适合在制作开始前使用:先就参考素材要展示的特点达成共识。
整则广告与品牌区域,测量范围不同

- 对整则广告的关注
- 对品牌区域的关注
指标变了,入选名单也会变
我们按数据发布时的产品类别标签及页面版式分组,版式分为左页、右页或整页。59 个符合条件的分组中,每组至少有 20 个示例。这样,在计入并列项之前,前 1/5 的名单至少有 4 个名额。这并不意味着该档案能代表所有广告主。[2]
我们为每个分组制作了两份名单。第一份按整则广告的平均注视时长筛选,第二份按品牌名称或标识等品牌区域内的平均注视时长筛选。截止位上如有并列,就保留所有并列示例,因此一份名单可能超过该组的 20%。
以整则广告名单为起点,平均重合比例为 34.5%。反过来看,整则广告名单覆盖了品牌名单的 33.9%。两项百分比不同,是因为并列项可能使两份名单的大小不同。两项数值都对各分组赋予相同权重。
各分组的名单重合比例平均约为 1/3
在 59 个类别与版式分组内选取前 20%,保留截止位的所有并列项。这些分组包含 2,601 个示例。
| 比较项 | 各组平均重合比例(%) | 分组数 | 广告与情境示例数 |
|---|---|---|---|
| 整则广告名单中也入选品牌名单的示例 | 34.5% | 59 | 2,601 |
| 品牌名单中也入选整则广告名单的示例 | 33.9% | 59 | 2,601 |
让各组权重相同,可以避免档案中规模最大的类别主导这一汇总结果。这是我们有意选择的分组观察方式,并非对顾客日常所见广告的平均情况作出估计。方法部分也报告了合并计算的结果,便于读者看出权重选择如何影响结果。
各组情况并不一致。按整则广告关注度入选的示例中,同时按品牌关注度入选的比例从 0 到 66.7% 不等,中位数为 33.3%。完整分布见下载文件;平均值无法描述每个类别。
品牌注视时长是整则广告注视时长的一部分,并非无关的活动。即便如此,总时长较高也不能说明人们具体看了广告内的哪个位置。我们比较的是各区域的绝对秒数,没有用品牌注视秒数除以整则广告注视秒数,也没有声称换用这一指标后,领先的仍会是同一批示例。
审核参考素材时,有用的区别在于两个筛选问题:“哪些示例让人把注意力停留在广告的某个位置?”以及“哪些示例让人把注意力停留在品牌上?”它们可能带来不同的参考素材。任何一份名单都不能因此成为通用的“最佳广告”名单。
记录中的品牌关注度相差多大?
我们还在固定入选数量的情况下,比较了两份名单中记录的品牌注视时长。截止位上有并列时,就由并列示例平分剩余名额,以免人工挑选有利的并列项。[3]
对 59 个分组等权平均后,整则广告名单中记录的品牌注视时长为 0.536 秒,品牌名单则为 0.822 秒。差值为 0.286 秒,各组差值的中位数为 0.266 秒。单组差值从 0.068 到 0.898 秒不等。
差值的方向由计算方式本身决定。从同一批记录中选出品牌数值最高的示例,得到的品牌平均值必然不会低于另一份同样大小的名单。实际数据提供的信息在于差值的大小、分布,以及入选成员的变化。这并不能证明新的筛选策略会改善营销活动的表现。
要了解某种筛选方法是否有助于团队面向实际受众达成目标,还需要另行评估。眼下有用的问题是:选择这份参考素材的理由,是否正是创作简报要求它展示的特点。视觉上引人注目的示例仍可能有价值,前提是选它的理由足够明确。
在创作简报中保留单位。这里的数值是特定观看任务中的注视秒数,不是记住的品牌名称、购买意愿、点击或销售。团队若关心其中某项结果,就需要真正测量该结果的证据。
扩大入选范围后,差异依然存在
在查看名单结果之前,我们预先确定了另外两个截止比例。选取前 10% 时,整则广告名单中也入选品牌名单的平均比例为 25.4%;扩大到前 30% 时,这一比例升至 42.2%。对应的品牌注视时长差值分别为 0.371 和 0.219 秒。范围扩大后,共同入选的示例更多,但两种目标得到的名单仍不能互换。
我们还按数据发布时相同的品牌标签与版式另行分组,只保留至少有 10 个示例的分组。这 48 个分组共含 685 个示例,选取前 20% 时,平均重合比例为 40.5%,品牌注视时长的平均差值为 0.150 秒。部分分组的入选名单完全相同。[4]
预定筛选规则下,结果如何变化
类别比较使用相同的 59 个分组。次要分组按已发布的相同品牌标签与版式划分,共 48 组。
| 比较项 | 整则广告名单中也进入品牌名单的平均比例(%) | 品牌名单中也进入整则广告名单的平均比例(%) | 记录中的品牌注视时长平均差值(秒) | 分组数 | 广告与情境示例数 |
|---|---|---|---|---|---|
| 类别与版式:前 10% | 25.4% | 24.8% | 0.371 | 59 | 2,601 |
| 类别与版式:前 20% | 34.5% | 33.9% | 0.286 | 59 | 2,601 |
| 类别与版式:前 30% | 42.2% | 41.8% | 0.219 | 59 | 2,601 |
| 已发布的相同品牌标签与版式:前 20% | 40.5% | 39.0% | 0.150 | 48 | 685 |
第二种分组的范围更窄,但并非在已核实的同一营销活动或公司内部作比较。我们原样使用已发布的标签,其中一些标签描述的可能是广告页面,而非品牌所有者。它的作用是展示另一种预先确定的分组方式会如何改变结果,而不是悄悄清理标签,让结论更好看。
类别分组的结果也随版式而异:左页分组中,整则广告名单中也入选品牌名单的平均比例为 39.7%,右页为 30.1%,整页为 32.9%。这些数值描述的是档案中不同的示例,并非移动广告位置产生的效果,不能据此提出投放位置建议。
小幅调整分数后,大多数名单差异依然存在
已发布的注视时长精确到 0.01 秒。因此,我们特意测试了一种很小的数值变化:允许每个整则广告分数和品牌分数独立上下变动最多 0.01 秒,但不低于 0,再重新计算入选截止值。[5]
在原始比较中,348 个示例只按整则广告关注度入选;在上述允许的所有变化下,其中 318 个仍保证只进入整则广告名单。359 个只按品牌关注度入选的示例中,有 306 个仍保证只进入品牌名单。这里的数量是将 59 个分组合并后的计数,与上文各组等权计算的百分比不同。
小幅调整分数后,许多示例仍只进入一份名单
59 个类别与版式分组中选取前 20% 的主分析名单。每个分数可独立上下变动最多 0.01 秒,入选截止值随之重新计算。
| 比较项 | 始终仅进入一份名单的示例数 | 最初仅进入一份名单的示例数 |
|---|---|---|
| 仅按整则广告关注度入选 | 318 | 348 |
| 仅按品牌关注度入选 | 306 | 359 |
这项检查考察的是记录值距离入选截止值有多近,并未重新模拟新的观看者,也没有估计抽样误差。发布数据缺少个体观看记录,无法据此确定在统计上可区分的排名。这些文件中稳定的数值差异,仍只是历史数据的描述性差异,不能保证另一批受众会给广告排出相同顺序。
用 5 则参考广告演示的虚构审核场景
设想一家小型家居品牌委托创作者介绍一款新灯。团队只打算保留 2 份主要参考素材。这个示例中的数字是为解释选择过程而虚构的;它们既不是档案中的 5 则广告,也不是对这款灯营销活动的预测。
假设 5 张参考卡片的整则广告与品牌注视时长分别为:A,4.0 和 0.2 秒;B,3.5 和 0.8;C,3.0 和 1.0;D,2.0 和 0.4;E,1.0 和 0.1。按整则广告数值选取最高的 2 个,会选出 A 和 B;按品牌数值选取最高的 2 个,则会选出 C 和 B。
只有 B 同时出现在两份名单中,因此无论从哪个方向计算,重合比例都是 50%。第一组的平均品牌注视时长为 0.5 秒,第二组为 0.9 秒。0.4 秒的差值来自这些虚构输入,并非对调整真实营销活动所能带来收益的估计。
限选 2 份也很重要。经理可以把两组合并成 A、B 和 C,但这样只是扩大了审核范围,没有解决原先只能选 2 份参考素材的问题。明确保留数量上限,才能把取舍说清楚。团队可以选定目标,也可以有意增加参考名额,而不是把两份不同的名单当作同一个问题的答案。
有用的讨论应围绕任务本身展开。如果参考素材要展示品牌如何出现在构图中,团队可以针对这一目的研究 B 和 C。如果出于其他原因保留 A,创作简报应写明原因,而不是把 A 称为综合赢家。
创作者仍可能在 A 中找到值得借鉴的手法。这项研究并不要求放大标志,也没有规定某种视觉风格。它支持的是把筛选目标写清楚,避免将有趣的构图误当作品牌关注度的证据。对未经测量的参考素材,可以写:“因构图入选;品牌关注度未知。”
可用于下一个项目的审核简报
把选择理由带进创作简报

写明目标
说明参考素材应帮助团队作出什么决定。
选择可比较的示例
写明指标、候选范围和并列处理规则。
说明借鉴之处
附上具体理由和下一次审核要检查的内容。
先写决定:“我们选择参考广告,是为了帮助决定______。”整理最终文件夹之前,先补完这句话。用于参考构图、用于参考产品展示方式,以及具有品牌关注度测量数据的素材,不一定是同一张图片。
注明依据:“选择这份参考素材,是因为______。支持这一选择的指标或观察是______。”写清理由来自测量过的受众行为、营销活动结果,还是团队的视觉判断。区分这些依据;一条被收藏的热门帖子,不会因为被放进参考文件夹,就自动有了眼动追踪证据。
约定比较方式:“候选范围是______;我们将保留______个示例;并列项按______处理。”排序前,先就可比较的形式和情境达成共识。档案分析中的 20% 规则是我们的研究选择,并非营销预算建议,也不是通用的入选名单规模。
解释每份保留素材:“借鉴______;不要假定______。”这能为创作者提供可用的方向。在虚构的灯具简报中,备注可以请创作者研究产品和品牌如何融入构图,同时不对营销活动实际获得的关注度或销售结果作出声称。
列出未知项:“我们没有关于______的证据。”如果示例来自公开广告库或创作者的作品集,团队可能看得到设计,却看不到受众的注意力。记录可用的来源和选择理由,这样既能保留参考素材的启发价值,也不必为它编造测量结果。
指定下次检查:“______将在______之前审核______。”如果团队计划开展受众测试,应另行定义结果指标和测试条件。如果只审核设计,就将其称为设计审核。让筛选参考素材的证据随简报一同流转,避免后续交接把有限的观察变成没有依据的效果声称。
方法、来源与可复现文件
源数据来自固定版本的 AdGaze-3500。它包含 3,531 个广告与情境示例,整则广告和品牌的平均注视时长均为有限非负值。主分析保留了 59 个类别与版式分组中的 2,601 个示例,每组至少有 20 个。未入选的 930 个示例并非分数缺失,而是不符合预先确定的分组规模规则。[1] [2]
观看任务在荷兰研究机构中进行,桌面屏幕上展示的是静态杂志广告及周围的编辑内容,参与者按自己的节奏浏览页面。确切采集日期未提供;部分原始材料曾出现在 2004 年发表的研究中。因此,不能把 2026 年发布的数据集理解为对 2026 年受众或 Meta 广告的研究。[6]
在包含 n 个示例的每个分组内,截止名次等于所选比例乘以 n 后向上取整。比较入选成员时,该名次上的所有并列项均计入。我们先在各组内计算两个方向的重合比例,再按各组相同权重求平均。如果改为合并主分析名单计算,则 555 个整则广告入选示例中有 207 个共同入选,即 37.3%;566 个品牌入选示例中有 207 个共同入选,即 36.6%。这与标题结果采用的权重口径不同。
在固定名单大小的品牌注视时长比较中,高于截止值的示例获得完整权重,截止位的并列示例平分剩余名额。我们还计算了在这些并列示例中作不同选择时,能够得到的最小和最大差值。对主分析各组取平均后,该范围为 0.285 至 0.288 秒。它描述的是并列项选择的影响,并非置信区间。[3]
已有研究早已区分了对广告的关注与对品牌的关注。AdGazer 论文也报告了两者的关系,并研究了注意力预测和情境分配。我们的贡献是用已发布的观察数据,完成这里明确规定的参考名单比较,包括双向重合比例、固定数量下记录值的差异,以及数值截止值检查。我们并未声称发现了这一区别本身。[7]
源数据提供的是汇总后的观看均值,并非观看者层面的记录,也没有提供每个示例的不确定性。因此,我们只报告描述性结果,不给出置信区间或显著性检验。下载文件保留了所有预先定义的分组结果、源文件哈希值、分组规则和计算说明,也包括未成为主要结论的预定比较。[8]
CSV 包含 8 行图表数据中的 30 个数值,分别列明各数值的指标、单位和分组范围。ZIP 包含全部 225 项分组比较、59 行数值压力测试结果、精确的源文件哈希值和可复现计算,不含观看者记录或广告图片。数值字段使用小数点。
来源与注释
- Ye 及其合著者发布的 AdGaze-3500,固定于发布提交 2b502d7cca8e8c0a747526b8727f53bf812e8735。Influence IQ 的计算使用已发布的 ad-gaze、brand-gaze、category、brand-label 和 layout 数组。分析包记录了精确的文件哈希值和全部输出。
- 主分组将已发布的类别标签与左页、右页或整页版式交叉组合,每组至少有 20 个示例。10%、20% 和 30% 的比较均使用相同的 59 个分组。每个观测值是一个广告与情境刺激示例的均值,不是一个人、一次营销活动或一家独立广告主。
- 固定数量比较使用 k = ceiling(fraction × collection size)。高于截止值的示例权重为 1;每个截止位并列项的权重,等于剩余名额除以并列项数量。可达差值范围通过在整则广告截止位并列项中选择最大或最小的品牌数值计算。对相同品牌数值的并列项作不同选择,不会改变品牌名单的均值。差值方向由同一批记录内的筛选方式保证,并非改善效果的证据。
- 次要比较将已发布的相同品牌字符串与版式交叉组合,每组至少有 10 个示例,共得到 48 个分组、685 个示例。标签未被对应到经营主体的法律身份或营销活动。部分字符串描述的是广告页面特征。没有因结果而删除任何标签。
- 数值压力测试区间在每个已发布分数的上下各延伸 0.01 秒,下限截为 0。入选截止值会重新计算,不固定为原始值。稳定的“仅整则广告入选”示例,必须在所有允许变化下都保证进入整则广告集合,同时不可能进入品牌集合;反向条件定义稳定的“仅品牌入选”示例。这些是入选资格的保证,并非联合重合比例的精确边界或抽样区间。
- Ye 及其合著者的论文 AdGaze-3500: Evaluating Large Multimodal Models’ Ability to Predict Human Attention to Ads,发表于 CVPR Workshops 2026。其第 3.1.2 节描述了荷兰桌面屏幕任务,并说明部分数据曾在早期研究中分析过。参考文献 57 指向 Pieters and Wedel(2004)。发布数据未提供确切的实地采集日期及个体观看记录。
- Ye 及其合著者的论文 AdGazer: Improving Contextual Advertising with Theory-Informed Machine Learning,研究了广告与品牌关注度的关系及情境分配。本分析考察的是已观察到的入选成员和记录均值,而不是预测新的注视结果。
- 数据集专属署名:Ye 及其合著者发布的 AdGaze-3500,许可依固定版本 Hugging Face 数据集所声明的 Apache License 2.0。我们的分析包包含原创分析代码、汇总输出,以及来源和许可说明;不再分发广告图片,也未引入另行授权的 AdGazer 复现代码仓库。
本文的英文版为原始版本。分析针对历史上的荷兰源材料;翻译不会改变研究人群。