SmartGaze: KI-gestützte Codierung für effizientes Eyetracking

Was du siehst, ist was du kaufst — Need for Eye Tracking?

Eye-Tracking ist ein bekanntes Tool für implizit messen Sie, wie Menschen auf verschiedene Produktverpackungen, Werbetexte, Webseitenlayouts, Bannerplatzierungen und mehr reagieren. Es wird angenommen, dass 95% der Kaufentscheidungen im Unterbewusstsein getroffen werden (nennen wir es das Reptiliengehirn). Die Entscheidungen, die das Reptiliengehirn trifft, werden stark von dem beeinflusst, was wir sehen. Wenn wir durch einen Supermarktgang gehen, sehen wir Hunderte von Packungen mit verschiedenen Produkten. Aber dann gibt es einige Produkte, die unsere Aufmerksamkeit erregen. Wenn wir solche Produkte sehen, tritt das Reptilienhirn in Aktion, es richtet seine Aufmerksamkeit auf die Verpackung, die interessant aussieht („ooh glänzend!!!“) und bevor wir uns versehen, beginnen wir ernsthaft damit, über den Kauf dieses Produkts nachzudenken.

Die Durchführung von Eye-Tracking-Studien hat das Potenzial, einen enormen ROI bei Produktverpackungen, Werbemitteln und Platzierungsentscheidungen zu erzielen. Wir (und die Kunden, mit denen wir sprechen) sind jedoch der Ansicht, dass die Branche erst anfängt, an der Oberfläche zu kratzen, wenn es darum geht, diese Technik zur Generierung von Erkenntnissen zu nutzen. Zu den genannten Gründen gehört auch, dass sie teuer, langsam und nicht objektiv ist (da die Teilnehmer durch den Prozess beeinflusst werden). Wir glauben jedoch, dass der Hauptgrund darin besteht, dass die Technologie noch nicht so weit entwickelt ist.

Mit diesem Whitepaper wollen wir zeigen, wie die Einbettung künstlicher Intelligenz (KI) in die aktuellen Eyetracking-Technologien den Prozess der Eyetracking-Analyse wesentlich leistungsfähiger, schneller und kostengünstiger machen kann. Beachten Sie, dass wir davon ausgehen, dass der Leser mit dem Eye-Tracking-Verfahren für physische Umgebungen vertraut ist.

Eye-Tracking auf einen Blick

Im Zusammenhang mit Eyetracking gibt es zwei Hauptmethoden: physisch und online. Beim Physical Eye-Tracking tragen die Forschungsteilnehmer Eyetracking-Geräte (Brillen) und laufen durch einen physischen Raum (normalerweise ein Verkaufsregal), in dem die tatsächlichen Kopien des Forschungsobjekts aufbewahrt werden. In einer virtuellen Umgebung betrachten die Teilnehmer das Forschungsobjekt (in der Regel ein virtuelles Regal, das Layout einer Website, eine Videoanzeige) jedoch über einen Computerbildschirm, und eine Webcam wird verwendet, um die Blickbewegungen zu verfolgen.

Virtuelles Eye-Tracking ist zwar schneller und billiger, hat aber den Nachteil, dass es weniger genau ist (Webcam ist nicht so genau wie Eyetracking-Geräte) und nicht realitätsnah ist (ein virtuelles Regal unterscheidet sich stark von dem, was es im wirklichen Leben aussehen würde). In diesem Whitepaper konzentrieren wir uns speziell auf Physical Eye Tracking, um die visuelle Attraktivität von Produktverpackungen in den Verkaufsregalen zu testen.

Codierung beim physikalischen Eyetracking

Die Haupteinschränkung der Eye-Tracking-Technologie besteht darin, dass sie Ihnen sagen kann, „wohin“ der Kunde schaut, aber nicht, „was“ der Kunde sieht. Die Hardware ermittelt die Richtung und den Ort, auf den der Blick einer Person gerichtet ist. Es weiß jedoch nicht, was genau die Person sieht. Es ist blind dafür, ob die Person auf ein Preisschild schaut, Red Bull kann, Gatorade kann, ihr Handy usw.

Manuelles Codieren hat viele Herausforderungen

Die aktuellen Codierungslösungen auf dem Markt für physisches Eye-Tracking bieten keine vollautomatische Codierung von Blickvideos. Sie sind im Wesentlichen eine Annotations-/Tagging-Software, die entwickelt wurde, um die manuelle Codierung effizienter zu gestalten. Die manuelle Codierung führt bei einem typischen physischen Eyetracking-Projekt zu den folgenden Herausforderungen:

• Es ist manuell arbeitsintensiv und nicht auf eine große Anzahl von Videos skalierbar.
• Es ist ein langsamer Prozess, der letztendlich die Bearbeitungszeit einer ganzen Forschungsarbeit in die Höhe treibt (was im heutigen schnelllebigen Geschäftsumfeld ein großes Hindernis darstellt).
• Manuelles Codieren kann auch zu menschlichen Fehlern führen, die die Genauigkeit der endgültigen Analyse beeinträchtigen.
• Die Logistik der Verwaltung einer manuellen Codierungspipeline ist eine Herausforderung
• Manchmal beeinflussen Forscher das Verhalten der Befragten, um das Programmieren zu erleichtern. Dies beeinträchtigt die Übung von der Objektivität

SmartGaze — KI-Lösung für Eye-Tracking-Codierung

Intelligenter Blick verwendet eine auf Deep Neural Networks basierende Architektur zur Analyse von unbearbeiteten Blickvideos. Durch ein gewisses Training versteht der Algorithmus, wie die Schlüsselbereiche von Interesse (AOIs) aussehen. Sobald das erledigt ist, führt er die Codierung automatisch durch. Und das mit einer Genauigkeit, die mit der eines menschlichen Programmierers vergleichbar ist.

Smart Gaze macht das Programmieren für physische Eye-Tracking-Projekte aufgrund der folgenden Vorteile viel effektiver:

• Es ist eine sehr schnelle und menschliche Codierung, die zu schnelleren Erkenntnissen und mehr ROI führt.
• Viel kostengünstiger im Vergleich zur menschlichen Codierung.
• Hochgradig skalierbar dank Automatisierung.
• Beseitigt die Möglichkeit menschlicher Fehler aufgrund von Müdigkeit oder Langeweile.
• Sie müssen sich keine Gedanken über die Codierungslogistik machen — senden Sie die Rohdaten und erhalten Sie die codierten Daten im Gegenzug.
• Das Verhalten der Forschungsteilnehmer muss nicht beeinflusst werden, da das Programmieren kein Problem mehr ist

Wie funktioniert es?

Im Moment ist Smart-Gaze kein eigennütziges Produkt, in das sich ein Forscher einloggen und es verwenden kann. Es handelt sich um eine Lösung, bei der der Forscher unbearbeitete Blickvideos mit einer Eye-Tracking-Brille aufnimmt (jede Marke funktioniert, hier gibt es keine Einschränkungen), uns über die wichtigsten Interessengebiete informiert und wir dann übernehmen. Innerhalb von 3 Tagen trainiert unser Team bei Parallels einen KI-Algorithmus und codiert die Daten gemäß den Bedürfnissen des Kunden.

Die Genauigkeit kann mit einem Visualisierungstool für die Codierung bewertet werden. Zu den weiteren Hauptvorteilen dieses Modells gehören:

• Es gibt keine Markenbeschränkung für Eye-Tracking-Geräte (unser System funktioniert für jede Art von Brille)
• Es ist keine Vorabinvestition in eine Eye-Tracking-Softwarelizenz erforderlich
• Dies ist ein Pay-as-you-go-Modell, bei dem dem Kunden pro Video eine Gebühr berechnet wird
• Der Prozess und die Art der Ausgabe sind vollständig anpassbar

Warum ParallelDots?

Parallele Punkte hat eine der besten angewandten KI-Forschungsgruppen der Welt. Über unsere Forschungsplattform haben wir durch unsere technischen Veröffentlichungen, die von führenden Fachkonferenzen wie NIPS, ICIAR und ISBI ausgezeichnet wurden, einen Beitrag zur KI/Deep-Learning-Forschungsgemeinschaft geleistet. Das Team verfügt über fundierte Kenntnisse im Bereich Verbraucherinformationen und konzentriert sich darauf, KI zu nutzen, um Marktforschung wirtschaftlicher und effektiver zu gestalten.

Möchten Sie wissen, wie Smart Gaze Ihren gesamten Geschäftsumsatz steigert? Klicken Sie hier um eine kostenlose Demo zu vereinbaren.

‍