Predictive Eye Tracking in 2024: Hoe Accuraat Is Het?

In de wereld van digitale marketing en reclame is het cruciaal om te begrijpen waar consumenten naar kijken en wat hun aandacht trekt. Predictive eye tracking technologie biedt de mogelijkheid om te voorspellen waar consumenten waarschijnlijk naar zullen kijken in statische beelden en video’s. Maar hoe nauwkeurig is deze technologie anno 2024? 

Trouwens, laatst gaven we een - gratis - lunch-webinar precies hierover. Hoe wordt AI en Machine Learning gebruikt in neuromarketing?

Aangezien je dit blog leest, dachten we dat je deze webinar helemaal mooi zal vinden! Terugkijken kan heel simpel via deze link. Ik ben benieuwd wat je ervan vond!

Predictive eye tracking vs. Real Eye Tracking: Kan AI de Test Doorstaan?

Recente ontwikkelingen in machine learning en AI hebben aangetoond dat het mogelijk is om een AI-model te trainen om te voorspellen waar consumenten naar zullen kijken in een afbeelding. Maar hoe zit het als we video’s in de mix gooien? Video’s zijn niet slechts een reeks opvolgende afbeeldingen; ze bevatten ook een verhaal en context. Kunnen predictieve eye tracking modellen standhouden tegen echte eye tracking data?

AI: Nauwkeurig in Focuspunten

Predictive eye tracking blijkt in een kleine 70% van de gevallen kijkersfocuspunten nauwkeurig te voorspellen. Dit is vooral indrukwekkend in contexten zoals tv-commercials, waar het (be)grijpen van aandacht cruciaal is. Het model volgt gezichten en objecten binnen video’s nauwkeurig, zoals weergegeven in Figuur 1. Deze mate van nauwkeurigheid is significant en helpt marketeers beter te begrijpen waar kijkers hun aandacht op richten.

 

Figuur 1: Predictieve eye-tracking voorspelt nauwkeurig oogbewegingen, met focus op actie en gezichten (vs. reguliere eye-tracking).

Reactiesnelheid van Predictieve Eye Tracking

Een opmerkelijke uitdaging is de reactiesnelheid van het model op scènewisselingen. Vaak richt het model zich direct op gezichten wanneer een nieuwe scène begint, zoals te zien in Figuur 2. In werkelijkheid besteden kijkers aanvankelijk aandacht aan andere objecten in een scène voordat ze hun focus verleggen naar gezichten. Dit verschil benadrukt een tekortkoming van het model om de natuurlijke vertraging en progressie van menselijke aandacht in dynamische omgevingen na te bootsen.

 

Figuur 2: Predictive AI richt zich te snel direct op gezichten.

---

Gratis Webinar: Machine Learning en AI Tools in Neuromarketing

Hoe goed kun je aandacht voorspellen door middel van machine learning algoritmen? Op welke manieren wordt AI ingezet om de inzichten van neuromarketing-onderzoek betrouwbaarder en concreter te maken? En hoe kun je de impact van je reclames en andere communicatie versterken met AI tools?

👉 Aandacht voorspellen. Hoe kun je AI tools gebruiken om de aandacht voor een reclame, verpakking en andere designs automatisch te voorspellen? 
👉 AI in analyses
👉 Ontdek AdVisor Onze tool om razendsnel je reclame-uitingen te testen op de bewezen best practices uit neuromarketing

De 60 minuten durende webinar is nu terug te kijken!

Bekijk de webinar via deze link <

---

Nuances van de Scène

Daarnaast mist predictive eye tracking soms de subtiliteiten van een scène. Het kan bijvoorbeeld logo's negeren na hun continue aanwezigheid of niet nauwkeurig de hoofdactie volgen, zoals het inschenken van melk. In plaats daarvan kan het model zich te veel richten op statische elementen zoals handen en blenders, zoals weergegeven in Figuur 3. Deze nuances zijn cruciaal voor een volledige contextbegrip van de scène.

 

Figuur 3: Predictive AI richt zich op statische objecten in plaats van de hoofdactie.

Conclusie: Voorspelbare Problemen Snel Identificeren

AI, en in het bijzonder predictieve eye tracking, is een krachtig hulpmiddel om snelle, voorspelbare problemen te identificeren. Bij Unravel Research gebruiken we deze technologie vooral voor onze tool AdVisor. Hiermee kunnen we snel controleren of de brand assets (waarschijnlijk) worden gezien of niet. Het is echter belangrijk dat deze brand assets ook daadwerkelijk waardevol voor het merk zijn, anders is er nog veel werk aan de winkel.

Brand assets kunnen niet door AI worden voorspeld omdat het afhangt van hoe actief ze momenteel zijn in het brein van de consument. Daarvoor is dus nog steeds goed Brand Asset onderzoek voor nodig. 

De nuances en context van een scène kunnen soms verloren gaan bij het gebruik van AI, waardoor het cruciaal is om echte eye tracking data te blijven gebruiken om een volledig beeld te krijgen van kijkgedrag.

Predictive eye tracking technologie kan een waardevolle aanvulling zijn op traditionele methoden, vooral voor snelle iteraties van videocontent. Door de sterke punten van AI te combineren met echte neuro-onderzoek, kunnen marketeers effectiever inspelen op de aandacht en betrokkenheid van hun doelgroep.