在线广告中监控观众注意力

当今，视频广告通过众多在线平台传播，吸引了数百万观众的观看。大品牌通过分析在线招募的观众（在家或工作场所观看广告）的面部反应来衡量其新广告的受欢迎程度和购买意图。尽管这种方法捕获了自然化的反应，但容易受到参与者环境中固有的分心因素的影响，例如电视上的电影、同事的交谈或手机通知。在attention不足的参与者应被标记并排除，以避免扭曲广告测试过程。本文提出一种用于监控在线广告中观众注意力的架构。利用两款行为分析工具 AFFDEX 2.0 和 SmartEye SDK，我们提取包含面部表情、头部姿态和注视方向的低层面 facial features。随后将这些特征组合以提取高层面特征，包括屏幕上估计的注视、打哈欠、说话等——这使我们能够识别四类主要干扰因素：屏幕外注视、嗜sleep、说话以及未关注屏幕。我们的架构根据设备类型（桌面或移动）调整注视设置。我们首先在为特定干扰因素标注的数据集上验证该架构，然后在具有多种干扰因素的真实世界广告测试数据集上进行测试。该提议架构在桌面和移动设备上均能有效检测分心。