长期广告记忆度：理解与生成令人难忘的广告

尽管长期记忆在营销和品牌建设中的重要性，迄今为止尚无关于广告记忆度的大规模研究。以往所有记忆度研究都是针对动作视频等特定内容类型的短期回忆进行的。另一方面，长期记忆度对广告行业至关重要，而广告几乎总是高度多模态的。因此，我们发布了首个记忆度数据集 LAMBDA，包含 1749 名参与者和覆盖 276 个品牌的 2205 条广告。对不同参与者子群体和广告类型进行统计检验后，我们发现了许多关于是什么使广告令人难忘的有趣洞见，例如，快节奏广告比慢场景广告更令人难忘；使用广告拦截器的人比不使用者记住的广告数量更少。接下来，我们提出一个模型 Henry 来预测内容的记忆度。Henry 在所有著名文献记忆度数据集上达到了最先进性能。它展现出强大的泛化性能，在未见数据集上的 0-shot 结果更优。最后，出于生成令人难忘广告的意图，我们提出一种可扩展方法，通过利用自动标注数据来构建高质量的令人难忘广告生成模型。我们的方法 SEED（Self rEwarding mEmorability Modeling）以在 LAMBDA 上训练的语言模型作为种子数据，逐步训练一个 LLM 以生成更令人难忘的广告。我们表明生成的广告比原始广告的记忆度分数高 44%。我们发布了这一大规模广告数据集 UltraLAMBDA，包含 500 万条广告。我们的代码和数据集 LAMBDA 与 UltraLAMBDA 已在 https://behavior-in-the-wild.github.io/memorability 开源。