KR20140102276A - 광고 효과의 감정 기반 평가 - Google Patents

광고 효과의 감정 기반 평가 Download PDF

Info

Publication number
KR20140102276A
KR20140102276A KR1020147018665A KR20147018665A KR20140102276A KR 20140102276 A KR20140102276 A KR 20140102276A KR 1020147018665 A KR1020147018665 A KR 1020147018665A KR 20147018665 A KR20147018665 A KR 20147018665A KR 20140102276 A KR20140102276 A KR 20140102276A
Authority
KR
South Korea
Prior art keywords
advertisement
effect
psychological state
data
psychological
Prior art date
Application number
KR1020147018665A
Other languages
English (en)
Inventor
라나 엘 칼리오우비
아브릴 잉글랜드
로살린드 롸이트 피칼드
브렌트 사피로
지홍 젱
Original Assignee
어펙티바,아이엔씨.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 어펙티바,아이엔씨. filed Critical 어펙티바,아이엔씨.
Publication of KR20140102276A publication Critical patent/KR20140102276A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
    • F04C2270/00—Control; Monitoring or safety arrangements
    • F04C2270/04—Force
    • F04C2270/042—Force radial
    • F04C2270/0421—Controlled or regulated

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Developmental Disabilities (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

광고 효과의 감정-기반 평가에 관계되는 데이터 분석을 가능하게 하기 위해 심리 상태들의 분석이 제공된다. 광고들은 오락, 교육, 의식, 종교, 경이로운 것, 또는 행동에 대한 내적 동인을 포함하는 다양한 목적들을 가질 수 있다. 개인 시청자 또는 그룹의 시청자들에 대해 안면 정보를 포함하는 데이터가 캡처된다. 생리적 정보 또한 시청자 또는 그룹의 시청자들에 대해 수집될 수 있다. 일부 실시예들에서, 인구 통계학 자료 정보가 그래픽 포맷으로 시청자들의 심리 상태들을 렌더링하는 기준으로서 수집되어 사용된다. 일부 실시예들에서, 개인 시청자 또는 그룹의 시청자들로부터 캡처되는 데이터는 광고를 최적화하기 위해 사용된다.

Description

광고 효과의 감정 기반 평가{AFFECT BASED EVALUATION OF ADVERTISEMENT EFFECTIVENESS}
관련출원
본 출원은 “광고에 대한 심리 상태 평가 학습”이라는 명칭으로 2011년 12월 7일자로 출원된 일련 번호 제 61/568,130호 및 “광고 효과의 감정 기반 평가”라는 명칭으로 2011년 12월 30일자로 출원된 일련 번호 제 61/581,913호의 미국 가출원들의 우선권을 주장한다. 전술한 출원들은 이로써 허용 가능한 권한의 범위들 내에서 그 전체가 참조로 포함된다.
본 출원은 일반적으로 심리 상태들의 분석에 관한 것으로, 보다 상세하게는 광고 효과의 감정-기반 평가에 관한 것이다.
심리 상태들의 평가는 사람들 및 그들이 그들 주변의 세상에 반응하는 방식을 이해하는 실마리이다. 사람들의 심리 상태들은 특히 행복에서 슬픔까지, 만족에서 걱정까지, 및 흥분에서 평온함까지의 넓은 전 범위에 미칠 수 있다. 이러한 심리 상태들은 교통 체증 동안의 불만, 줄 서 있는 동안의 지루함, 그리고 커피를 기다리는 동안의 조급함과 같은 일상적인 일들에 응답하여 종종 경험된다. 개인들 주변의 것들을 향한 개인들의 지각 및 공감은 이러한 주변 사람들의 심리 상태에 대한 그들의 평가 및 이해에 기반하여 증가될 수 있다. 공감할 수 있는 사람은 비교적 용이하게 다른 사람의 근심 또는 기쁨을 지각하고 그에 맞춰 응답할 수 있지만, 심리 상태들의 자동화된 평가는 훨씬 더 어려운 일이다. 다른 사람의 감정 상태를 지각하는 능력은, 사람이 이러한 지각을 할 수 있게 하는 수단과 함께, 요약하거나 관련짓기에 매우 난해할 수 있고, 종종 “직감”으로부터 오는 것으로 지칭되었다.
혼란, 집중, 및 걱정은 개인 또는 그룹의 사람들의 심리 상태들을 이해하는 데 도움이 되도록 다양한 수단에 의해 식별될 수 있다. 예를 들면, 사람들은 예를 들어 참사를 목격한 후의 경우와 같이 두려움 또는 근심으로 집단으로 반응할 수 있다. 마찬가지로, 사람들은 예를 들어 그들의 스포츠 팀이 크게 이길 때 행복한 열광으로 집단으로 반응할 수 있다. 특정 얼굴 표정들 및 머리 몸짓들은 사람 또는 그룹의 사람들이 경험하고 있는 심리 상태를 식별하기 위해 사용될 수 있다. 제한된 자동화는 얼굴 표정들에 기반한 심리 상태들의 평가에서 수행되었다. 특정 생리적 상태들은 사람의 마음의 상태의 징후를 더 알려줄 수 있다. 이러한 생리적 상태들은 현재까지 활용되었지만, 거짓말 탐지기들에 통상적으로 사용되는 장치에서와 같이 조잡한 방식으로만 활용되었다.
본 출원은 심리 상태들의 분석, 구체적으로 광고 효과의 감정-기반 평가를 제공하기 위한 것이다.
시청자 또는 시청자들이 광고 또는 광고들을 시청하는 동안 심리 상태들의 분석이 수행될 수 있다. 시청자들의 심리 상태들의 분석은 시청자들이 광고 및 거기에 설명된 상품 또는 서비스에 호의를 가지는지 또는 가질지를 나타낼 수 있다. 복수의 사람들이 광고를 시청함에 따라 복수의 사람들로부터 안면 데이터를 포함한 심리 상태 데이터를 수집하는 단계; 심리 상태 정보를 생성하기 위해 심리 상태 데이터를 분석하는 단계; 및 심리 상태 정보에 기반하여 광고 효과를 예측하는 단계를 포함하는 광고 평가를 위한 컴퓨터 구현 방법이 개시된다.
방법은 예측되었던 광고 효과를 실제 매출량과 비교하는 단계를 더 포함할 수 있다. 광고 효과는 단기 매출량 변화들의 예측을 나타낼 수 있다. 광고 효과는 광고에의 다수의 노출들에 기반할 수 있다. 광고 효과는 오락, 교육, 의식, 종교, 경이로운 것, 또는 행동에 대한 내적 동인 중 하나 이상을 포함하는 광고 목적에 기반할 수 있다. 광고 효과를 예측하는 단계는 하나 이상의 효과 기술자들(descriptors) 및 효과 분류자를 사용할 수 있다. 광고 효과를 예측하는 단계는 역학 기준선의 평가에 기반할 수 있다. 하나 이상의 효과 기술자들 중 하나는 더 큰 표준 편차를 가질 수 있고 더 큰 표준 편차는 더 높은 광고 효과에 상응한다. 방법은 복수의 광고들에 기반하여 기준들을 개발하는 단계를 더 포함할 수 있고, 여기서 기준들은 예측하는 단계에서 사용된다. 방법은 표현성 점수를 개발하기 위해 복수의 효과 기술자들을 조합하는 단계를 더 포함할 수 있으며, 여기서 더 높은 표현성 점수가 더 높은 광고 효과에 상응한다. 표현성 점수는 복수의 사람들의 안면들에 대한 전체 움직임과 관련될 수 있다. 하나 이상의 효과 기술자들 중 하나에 대한 확률들은 광고의 부분들마다 변화될 수 있다. 확률들은 상표가 드러날 때 광고 내의 세그먼트에서 식별될 수 있다. 방법은 확률들의 히스토그램을 생성하는 단계를 더 포함할 수 있다. 부분들은 광고의 쿼터들을 포함하고 쿼터들은 적어도 제3 쿼터 및 제4 쿼터를 포함할 수 있다. 광고에 대한 제3 쿼터 확률은 광고에 대한 제4 쿼터 확률보다 더 높을 수 있고, 여기서 더 높은 확률을 갖는 제3 쿼터는 더 높은 광고 효과에 상응한다. 광고에 대한 제4 쿼터 확률은 광고에 대한 제3 쿼터 확률보다 더 높을 수 있고, 여기서 더 높은 확률을 갖는 제4 쿼터는 더 높은 광고 효과에 상응한다.
하나 이상의 효과 기술자들 중 하나는 AU12 또는 유발성을 포함할 수 있다. 확률들은 광고의 다수의 시청들로 증가될 수 있다. 증가되는 확률들은 광고 동안의 시간상 더 이른 지점들로 이동될 수 있다. 방법은 하나 이상의 효과 기술자들에 대한 기준선을 수립하는 단계를 더 포함할 수 있다. 방법은 효과 확률을 구축하는 단계를 더 포함할 수 있고, 여기서 더 높은 효과 확률은 광고가 효과적일 더 높은 가능성과 상호 관련된다. 방법은 복수의 사람들로부터의 심리 상태 데이터를 상호 관련시키는 단계를 더 포함할 수 있다. 방법은 사람들이 복수의 다수의 광고들을 시청함에 따라 사람들로부터 심리 상태 데이터를 수집하는 단계를 더 포함할 수 있다. 방법은 예측된 효과에 기반하여 다수의 광고들을 군집화하는 단계를 더 포함할 수 있다. 방법은 광고에 대한 바이럴리티(virality)를 예측하는 단계를 더 포함할 수 있다. 방법은 예측하는 단계에서 사용되는 집계된 심리 상태 분석으로 심리 상태 정보를 집계하는 단계를 더 포함할 수 있다. 방법은 예측하고 있었던 광고 효과에 기반하여 광고를 최적화하는 단계를 더 포함할 수 있다. 심리 상태 데이터는 또한 생리적 데이터 및 액티그래피(actigraphy) 데이터 중 하나 이상을 포함할 수 있다. 웹캠은 안면 데이터 및 생리적 데이터 중 하나 이상을 캡처하기 위해 사용될 수 있다. 방법은 수집되었던 심리 상태 데이터에 기반하여 광고에 대한 심리 상태들을 추정하는 단계를 더 포함할 수 있으며, 여기서 심리 상태들은 불만, 혼란, 실망, 망설임, 인지적 과부하, 집중, 관여, 주목, 지루함, 탐구, 확신, 신뢰, 기쁨, 혐오, 회의, 의심, 만족, 흥분, 웃음, 평온, 스트레스, 및 호기심 중 하나 이상을 포함한다. 혼란은 더 낮은 수준의 광고 효과에 상응할 수 있다. 방법은 시각화로 심리 상태 정보의 서브세트를 제공하는 단계를 더 포함할 수 있다. 시각화는 전자 디스플레이 상에서 제공될 수 있다. 시각화는 광고에 기반한 렌더링을 더 포함할 수 있다.
실시예들에서, 광고 평가를 위한 컴퓨터 판독 가능 매체에 구현되는 컴퓨터 프로그램 제품은: 복수의 사람들이 광고를 시청함에 따라 복수의 사람들로부터 안면 데이터를 포함한 심리 상태 데이터를 수집하기 위한 코드; 심리 상태 정보를 생성하기 위해 심리 상태 데이터를 분석하기 위한 코드; 및 심리 상태 정보에 기반하여 광고 효과를 예측하기 위한 코드를 포함할 수 있다. 일부 실시예들에서, 광고 평가를 위한 컴퓨터 시스템은: 명령어들을 저장하는 메모리; 및 메모리에 결합되는 하나 이상의 프로세서들을 포함하되, 하나 이상의 프로세서들은, 저장되는 명령어들을 실행할 때, 복수의 사람들이 광고를 시청함에 따라 복수의 사람들로부터 안면 데이터를 포함한 심리 상태 데이터를 수집하고, 심리 상태 정보를 생성하기 위해 심리 상태 데이터를 분석하고; 심리 상태 정보에 기반하여 광고 효과를 예측하도록 구성된다.
다양한 실시예들의 다양한 특징들, 양태들, 및 이점들이 이하의 추가의 설명으로부터 보다 분명해질 것이다.
특정 실시예들의 이하의 상세한 설명은 하기의 도면들을 참조함으로써 이해될 수 있다.
도 1은 광고 효과의 감정-기반 평가에 대한 흐름도이다.
도 2는 심리 상태 데이터를 캡처하기 위한 시스템도이다.
도 3은 심리 상태 분석의 그래픽 표현이다.
도 4는 심리 상태 분석에 대한 예시적 대시보드(dashboard) 도면이다.
도 5는 광고에 대한 그래프 및 히스토그램을 도시하는 도면이다.
도 6은 기준들을 포함하는 예시적 렌더링이다.
도 7은 심리 상태들을 평가하기 위한 시스템도이다.
본 명세서는 사람들의 심리 상태들의 분석에 기반한 광고 효과의 감정-기반 평가를 위한 다양한 방법들 및 시스템들의 설명을 제공한다. 시청자들은 광고들을 시청하고 그들의 심리 상태들에 대하여 수집되는 데이터를 가질 수 있다. 한 명의 시청자 또는 복수의 시청자들로부터의 심리 상태 데이터는 집계된 심리 상태 분석을 형성하기 위해 처리될 수 있으며, 이는 결과적으로 광고들의 효과를 투영하는 데에 사용될 수 있다. 광고는 그것의 투영된 효과에 기반하여 최적화될 수 있다. 안면 및/또는 생리적 데이터의 컴퓨터 분석은 시청자들이 다양한 타입들의 광고들을 시청함에 따라 시청자들의 심리 상태들을 판단하기 위해 수행될 수 있다. 심리 상태는 인지 상태, 감정 상태, 또는 그것의 조합일 수 있다. 감정 상태들의 예들은 행복 또는 슬픔을 포함하는 한편, 인지 상태들의 예들은 집중 또는 혼란을 포함한다. 이러한 심리 상태들을 관찰하고, 캡처하고, 분석하는 것은 다양한 자극들에 대한 시청자들의 반응들에 대해 상당한 정보를 가져올 수 있다.
도 1은 광고들을 평가하기 위한 흐름도이다. 흐름(100)은 광고 평가를 위한 컴퓨터-구현 방법을 설명한다. 평가는 시청자들의 심리 상태들의 분석에 기반할 수 있다. 흐름(100)은 복수의 사람들이 광고를 시청함에 따라 사람들로부터 심리 상태 데이터를 수집하는 단계(110)로 시작할 수 있다. 실시예들에서, 심리 상태 데이터는 안면 데이터를 포함한다. 광고는 전자 디스플레이 상에서 시청될 수 있다. 전자 디스플레이는 컴퓨터 디스플레이, 랩톱 스크린, 넷북 스크린, 태블릿 컴퓨터 스크린, 휴대폰 디스플레이, 이동 디바이스 디스플레이, 텔레비젼, 투영 장치 등을 포함하지만 이에 제한되지 않는 임의의 전자 디스플레이일 수 있다. 광고는 상품 광고, 서비스 광고, 오락 광고, 교육 메시지, 사회 의식 광고, 행동에 대한 내적 동인 광고, 정치적 광고 등을 포함할 수 있다. 일부 실시예들에서, 광고는 생방송 이벤트의 일부일 수 있다. 심리 상태 데이터를 수집하는 단계는 광고에 대한 평가 과정의 일부일 수 있다. 시청자로부터 수집되는 심리 상태 데이터(110)는 또한 생리적 데이터 및 액티그래피 데이터를 포함할 수 있다. 생리적 데이터는 사람의 영상 시청들로부터 획득될 수 있다. 예를 들어 심박동수, 심박동수 변동성, 자율 활동, 호흡, 및 발한 작용이 영상 캡처를 통해 관측될 수 있다. 대안적으로, 일부 실시예들에서, 생리적 정보 및 가속도계 판독들을 캡처하기 위해 바이오센서가 사용될 수 있다. 심리 상태 데이터의 수집 이전에 승인이 요청되고 획득될 수 있다. 심리 상태 데이터는 클라이언트 컴퓨터 시스템에 의해 수집될 수 있다. 시청자 또는 복수의 시청자들은 광고 또는 광고들을 동기식으로 또는 비동기식으로 시청할 수 있다. 일부 실시예들에서, 시청자는 광고들에 대한 일련의 질문들을 받을 수 있고, 심리 상태 데이터는 시청자가 질문들에 응답함에 따라 수집될 수 있다.
흐름(100)은 심리 상태 정보를 생성하기 위해 심리 상태 데이터를 분석하는 단계(120)로 계속될 수 있다. 심리 상태 데이터는 심박동수와 같은 원시 데이터일 수 있지만, 심리 상태 정보는 원시 데이터 또는 원시 데이터로부터 파생되는 정보를 포함할 수 있다. 심리 상태 정보는 심리 상태 데이터 또는 그것의 서브세트를 포함할 수 있다. 심리 상태 정보는 유발성 및 각성을 포함할 수 있다. 심리 상태 정보는 시청자 또는 시청자들이 경험하는 심리 상태들에 관한 정보를 포함할 수 있다. 안구 추적은 카메라로 관측될 수 있고 시청자들이 즐거움, 성가심, 재미, 산만함 등을 느낄 수 있는 광고들의 부분들을 식별하기 위해 사용될 수 있다. 실시예들에서, 그러한 분석은 광고를 시청하는 복수의 사람들로부터의 심리 상태 데이터를 처리하는 것에 기반한다. 일부 분석은 그러한 데이터가 업로딩되기 전에 클라이언트 컴퓨터 상에서 수행될 수 있다. 심리 상태 데이터의 분석은 많은 형태들을 취할 수 있고, 한 명의 시청자 또는 복수의 시청자들에 기반할 수 있다. 분석은 주목에 관한 정보를 포함할 수 있다. 주목 점수는 시청자의 머리의 위치뿐만 아니라, 일부 실시예들에서, 시청자의 안구들이 향하는 곳에 기반하여 결정될 수 있다. 이러한 실시예에서, 시청자가 광고를 외면하는 것은 주목 점수가 떨어지는 것을 야기할 것이다. 낮은 주목 점수는 광고에 대한 낮은 수준의 효과에 상응한다. 유사하게, 시청자가 다른 이유로 산만해지면, 광고의 효과 수준은 떨어진다. 의식 지수는 광고하는 상품 또는 서비스의 시청자의 의식을 식별하기 위해 개발될 수 있다.
흐름(100)은 단일 시청자 또는 복수의 시청자들로부터 수집되었던 심리 상태 데이터에 기반하여 광고에 대한 심리 상태들을 추정하는 단계(122)로 계속될 수 있다. 심리 상태 데이터는 불만, 혼란, 실망, 망설임, 인지적 과부하, 집중, 관여, 주목, 지루함, 탐구, 확신, 신뢰, 기쁨, 혐오, 회의, 의심, 만족, 흥분, 웃음, 평온, 스트레스, 및 호기심 중 하나 이상을 포함하는 심리 상태들에 관한 정보를 포함할 수 있다. 추정된 심리 상태들은 광고 효과를 판단하기 위해 사용될 수 있다. 예를 들어, 더 높은 수준의 시청자들의 혼란이 더 낮은 수준의 광고 효과에 상응한다고 추정할 수 있다. 이러한 심리 상태들은 광고 또는 그것의 특정 부분을 시청하는 것에 응하여 검출될 수 있다.
흐름(100)은 심리 상태 분석과 관련되는 점수를 개발하기 위해 복수의 효과 기술자들을 조합하는 단계(130)로 계속될 수 있다. 점수는 합성 점수일 수 있고 표현성 점수를 포함할 수 있다. 실시예들에서, 더 높은 표현성 점수는 더 높은 수준의 광고 효과에 상응한다. 일부 실시예들에서, 표현성 점수는 복수의 사람들의 안면들에 대한 전체 움직임과 관련된다. 전체 움직임은 식별되는 안면 AU(action units)에 기반할 수 있다. 대안적으로, 전체 움직임은 안면 변화들의 기계 인식, 안면 표식들의 움직임 등에 기반할 수 있다.
흐름(100)은 예측하는 단계에서 사용되는 집계된 심리 상태 분석으로 심리 상태 정보를 집계하는 단계(140)로 계속될 수 있다. 집계되는 정보는 광고를 시청하는 복수의 시청자들로부터의 심리 상태 정보에 기반한다. 집계된 심리 상태 정보는 하나 이상의 효과 기술자들에 대한 확률을 포함할 수 있다. 일부 실시예들에서, 효과 기술자들은 광고 목적에 기반하여 선택될 수 있다. 효과 기술자 또는 복수의 효과 기술자들의 확률들은 광고를 시청하는 동안 시간에 따라 변화될 수 있다. 다양한 효과 기술자들이 고려될 수 있고 유발성, AU4(action unit 4), AU12(action unit 12) 등 중 하나 이상을 포함할 수 있다. 집계된 심리 상태 정보는 복수의 시청자들의 집단 심리 상태의 평가를 허용할 수 있다. 하나의 표현으로, 광고의 “n명의” 시청자들이 있을 수 있고 효과 기술자 xk가 사용될 수 있다. 효과 기술자는 이하와 같이 “n명의” 시청자들을 통해 집계될 수 있다:
Figure pct00001
심리 상태 데이터는 복수의 사람들, 즉, 특정 광고를 시청했던 시청자들로부터 집계될 수 있다(140). 집계된 정보는 시청자 그룹의 심리 상태들을 추정하기 위해 사용될 수 있다. 시청자 그룹은 남성, 여성, 18세와 30세의 사이의 나이의 사람들뿐만 아니라, 다른 인구 통계학 그룹들과 같은 특정 인구 통계학적 속성에 상응할 수 있다. 집계는 모집단, 인구 통계학 그룹들 등의 부문들에 기반할 수 있다. 인구 통계 자료가 시청자들에 대해 수집될 수 있고 수집된 인구 통계학 정보는 광고 분석의 일부로서 사용될 수 있다. 특정 인구 통계 자료 내의 상이한 그룹들은 분석을 위해 별도로 집계될 수 있다. 흐름(100)은 복수의 사람들로부터의 심리 상태 데이터를 상호 관련시키는 단계(142)를 더 포함할 수 있다. 흐름(100)은 복수의 사람들이 다수의 광고들을 시청함에 따라 사람들로부터 심리 상태 데이터를 수집하는 단계를 포함할 수 있고, 예측된 효과에 기반하여 다수의 광고들을 군집화하는 단계를 더 포함할 수 있다.
흐름(100)은 하나 이상의 효과 기술자들에 대한 기준선을 수립하는 단계(150)로 계속될 수 있다. 기준선은 개인 또는 복수의 개인들에 대해 수립될 수 있다. 이러한 방식으로, 다양한 효과 기술자들에 관한 기준선 데이터가 해당 시청자에 대해 수립될 수 있다. 유사하게, 기준선은 또한 복수의 시청자들에 대해 수립될 수 있다. 기준선은 집계된 심리 상태 분석에서 사용될 수 있고, 최소 효과 기술자값, 평균치 효과값, 평균 효과값 등 중 하나를 포함할 수 있다. 기준선은 하기와 같이 효과 기술자로부터 제거될 수 있다:
Figure pct00002
흐름(100)은 효과 확률을 구축하는 단계(160)로 계속될 수 있다. 더 높은 효과 확률은 광고가 효과적일 더 높은 가능성과 상호 관련된다. 효과 확률은 다수의 효과 기술자들의 조합일 수 있다. 효과 확률에 대한 값들은 광고에 대한 시청자들, 광고의 부분들, 등 중 하나 이상에 대해 생성될 수 있다. 효과 확률은 효과 기술자들의 조합에 기반한 격렬함 수준을 제공할 수 있다. 실시예들에서, 효과 확률은 더 높은 또는 더 낮은 확률 값들을 제공함으로써 광고의 효과를 나타내는 숫자를 제공한다.
흐름(100)은 확률들의 히스토그램을 생성하는 단계(170)로 계속될 수 있다. 확률들은 효과 기술자, 다수의 효과 기술자들, 효과 확률 등과 관련될 수 있다. 예를 들어, 히스토그램은 효과 기술자들의 그룹에 대해 시간에 따른 확률을 나타낼 수 있다. 히스토그램은 광고의 부분들에 대한 간략한 확률을 포함할 수 있다. 예를 들어, 부분들은 광고의 쿼터들; 적어도 제3 쿼터 및 제4 쿼터를 포함할 수 있다. 게다가, 광고에 대한 제3 쿼터 확률은 광고에 대한 제4 쿼터 확률보다 더 높을 수 있다. 제3 쿼터의 더 높은 확률은 더 높은 광고 효과에 상응할 수 있다. 광고에 대한 제4 쿼터 확률은 광고에 대한 제3 쿼터 확률보다 더 높을 수 있고 더 높은 확률을 갖는 제4 쿼터는 더 높은 광고 효과에 상응할 수 있다. 다른 경우에서, 확률들은 상표가 드러날 때의 광고 내의 세그먼트에서 식별된다. 상표가 드러남에 따라, 많은 경우들에서, 주목은 통상적으로 높고 유발성은 통상적으로 상응하는 확률들과 함께 긍정적이다. 실시예들에서, 히스토그램은 효과 기술자 또는 복수의 효과 기술자들의 확률, 시간에 따른 확률들의 변화들 등을 보여줄 수 있다. 확률들은 다양한 계층들에 기반한 초평면을 따른 거리에 기반하여 평가될 수 있다. 거리는 확률 점수에 매핑될 수 있다.
흐름(100)은 심리 상태 정보에 기반하여 광고 효과를 예측하는 단계(180)로 계속될 수 있다. 광고 효과를 예측하는 단계는 하나 이상의 효과 기술자들 및 효과 분류자를 사용할 수 있다. 효과 기술자들 중 하나 이상은 더 큰 표준 편차를 가질 수 있고 더 큰 표준 편차는 더 높은 광고 효과에 상응할 수 있다.
흐름(100)은 투영된 광고 효과를 실제 매출량과 비교하는 단계(182)로 계속될 수 있다. 매출량 작용은 어떤 상품 또는 상품들을 시청자가 구매하거나 구매하지 않았는지를 포함할 수 있지만 이에 제한되지 않는다. 본 발명의 실시예들은 심리 상태들과 매출량 작용 사이의 상관 관계들을 결정할 수 있다. 광고의 시청자들로부터 수집되는 심리 상태 데이터로부터 추정되는 확률들 및 다른 통계 자료들에 기반하여, 광고는 효과적이거나 효과적이지 않는 것으로 투영될 수 있다. 광고 효과는 오락, 교육, 종교, 경이로운 것, 또는 행동에 대한 내적 동인과 같은 광고 목적에 기반할 수 있다. 사용자 또는 복수의 사용자들로부터 수집되는 심리 상태 정보의 분석이 광고 목적들 중 하나 이상이 만족되었음을 나타낸다면, 광고는 더 효과적인 것으로 간주될 수 있다. 많은 경우들에서, 효과적인 것으로 정확하게 투영되는 광고는 더 많은 상품 또는 서비스 매출량을 야기할 것이다. 광고 효과는 단기 매출량 변화들의 예측을 나타낼 수 있다.
실시예들에서, 미소, 유발성, 표현성, 혼란, 등과 같은 다양한 안면 지표들뿐만 아니라 다수의 파생물 지표들이 컴퓨팅될 수 있다. 예를 들어, 각각의 지표에 대한 평균값은 전체 광고뿐만 아니라 응답자 수준 변동성, 곡선 도표들의 높고 낮은 백분위수들, 및 제1 노출 및 제2 노출 사이의 차이들을 통해 컴퓨팅될 수 있다. 예를 들어 파생물 변수들에의 주요 성분 분석을 사용하는 변수 또는 특징 선택 알고리즘이 적용될 수 있다. 이러한 분석은 매출량 데이터와 최고 상관 관계를 갖는 지표들의 최상위 코호트(cohort)를 부여할 수 있다. 최상위 파생물 지표들의 조합된 점수는 선형값들 및 매출량 지수와의 등급 상관 관계들을 컴퓨팅하기 위해 사용될 수 있다. 예측 노력들은 하나의 애드 아웃(ad out)이 분석으로부터 제거되는 (또한 교차 타당화로 알려진) 리브 원 아웃(leave-one-out) 방법을 포함할 수 있다. 조합된 점수 예측은 그 다음 제거되었던 광고의 매출량 효과를 평가하는데 사용될 수 있다. 각각의 광고가 데이터베이스이므로 과정은 반복될 수 있다. 광고 효과는 광고에 대한 다수의 노출들에 기반할 수 있다.
흐름(100)은 복수의 광고들에 기반하여 기준들을 개발하는 단계(184)로 계속될 수 있다. 개발된 기준들은 예측하는 단계에서 사용될 수 있다. 기준은 광고에 대한 또는 광고들의 기대값일 수 있다. 예로서, 즐거움을 주는 광고는 AU12와 같은 특정 기술자에 대한 예상된 기준을 가질 수 있다. 예를 들어, 개발자들이 긍정적 AU12 응답을 만들어 내지 않는 즐거움을 주도록 디자인된 광고를 만들어 낸다면, 광고는 효과적이지 않은 것으로 간주될 수 있다. 마찬가지로, 오락을 위해 디자인된 광고는 긍정적 유발성을 제공해야 한다. 광고 효과는 역학 기준선의 평가에 기반할 수 있다. 역학 기준선은 사람 또는 그룹의 사람들에 대해 기본적인 심리 상태 표현의 수준의 평가를 포함할 수 있다. 역학 기준선은 특정 타입의 매체 프리젠테이션 또는 광고에 적절할 수 있다.
흐름(100)은 투영된 광고 효과에 기반하여 광고를 최적화하는 단계(186)로 계속될 수 있다. 부가 광고들은 사람 코더들, 실제 매출량 등에 의해 제공되는 데이터에 기반하여 효과적이거나 효과적이지 않은 것으로 라벨링되었을 수 있다. 심리 상태 데이터가 이러한 부가 광고들에 대하여 수집됨에 따라, 심리 상태 데이터는 상술된 바와 같이 분석되고 효과 분류자에 대하여 테스트될 수 있다. 광고는 그 다음 예를 들어, 매출량을 최대화하기 위해 최적화될 수 있다. 흐름(100)은 심리 상태 정보의 서브세트를 시각화로 제공하는 단계(188)를 포함할 수 있다. 시각화는 전자 디스플레이 상에 제공될 수 있다. 시각화는 광고에 기반한 렌더링을 더 포함할 수 있다.
흐름(100)은 광고에 대한 바이럴리티를 예측하는 단계(190)로 계속될 수 있다. 일부 광고들은 그것들이 특히 즐거움을 주고, 유머러스하고, 교육적이고, 의식 향상적이고, 사고 유발적이고, 설득적이고, 경이롭고, 파격적이고, 동기 부여하는 것 등으로 시청자들이 간주할 수 있으므로, 인터넷 센세이션을 창출할 수 있다. 광고는 인터넷 상에서 시청자들의 친구들 및 팔로워(follower)들과 그들의 시청 경험들을 공유하기를 원하는 시청자들에 기반하여 인터넷 센세이션이 될 수 있다. 그러한 공유는 Twitter™, Facebook™, Google+™, Digg™, Tumblr™, YouTube™ 등과 같은 다양한 사회적 매체들을 통해 일어날 수 있다. 시청자 또는 시청자들에 의한 공유는 넓은 범위의 대중적 사회적 매체 플랫폼들을 통해 일어날 수 있다. 따라서, 더 높은 예측된 바이럴리티값은 광고가 입소문이 나고, 따라서 인터넷 센세이션이 될 더 높은 가능성을 나타낼 수 있다. 흐름(100)에서의 다양한 단계들은 개시된 발명의 개념들로부터 벗어나지 않는 범위 내에서 순서가 변경되거나, 반복되거나, 생략되거나, 등일 수 있다.
도 2는 광고(210)에 응하는 심리 상태 데이터를 캡처하기 위한 시스템도이다. 시청자(220)는 디스플레이(212)로의 가시선(222)을 둔다. 한 명의 시청자가 도시되었지만, 실제 사용에서, 본 발명의 실시예들은 수십 명의, 수백 명의, 또는 수천 명 이상의 사람들로 구성된 그룹들을 분석할 수 있다. 각각의 시청자는 디스플레이(212) 상에 렌더링되는 광고(210)로의 가시선(222)을 둔다. 광고(210)는 정치적 광고, 교육적 광고, 상품 광고, 서비스 광고 등일 수 있다.
디스플레이(212)는 텔레비젼 모니터, 투영기, (랩톱 스크린, 태블릿 스크린, 넷북 스크린 등을 포함하는) 컴퓨터 모니터, 투영 장치, 휴대폰 디스플레이, 이동 디바이스, 또는 다른 전자 디스플레이일 수 있다. 웹캠(230)은 시청자(220)로의 가시선(232)을 갖도록 구성되고 배치된다. 일 실시예에서, 웹캠(230)은 시청자(220)의 안면 및 가능하게는 또한 시청자(220)의 신체의 스틸 이미지 및/또는 동영상들을 찍을 수 있는 네트워크화된 디지털 카메라이다. 웹캠(230)은 안면 데이터 및 생리적 데이터 중 하나 이상을 캡처하기 위해 사용될 수 있다.
웹캠(230)은 웹캠, (랩톱, 넷북, 태블릿 등과 같은) 컴퓨터 상의 카메라, 영상 카메라, 스틸 카메라, 휴대폰 카메라, (전향적 카메라를 포함하지만 이에 제한되는 않는) 이동 디바이스 카메라, 열 영상기, CCD 디바이스, 3 차원 카메라, 깊이 카메라, 시청자들의 다른 시청들을 보여주기 위해 사용되는 다수의 웹캠들 또는 캡처되는 이미지 데이터가 전자 시스템에서 사용되는 것을 허용할 수 있는 임의의 다른 타입의 이미지 캡처 장치를 포함하는 임의의 카메라를 지칭할 수 있다. 웹캠(230)으로부터의 안면 데이터는 H.264, MPEG-2 등과 같은 압축 포맷에서 원시 포맷으로 영상을 풀 수 있는 영상 캡처 모듈(240)에 의해 수신된다. 안면 데이터는 동작 단위들, 머리 몸짓들, 미소들, 이마 주름들, 곁눈질들, 내려간 눈썹들, 올라간 눈썹들, 주목 등에 대한 정보를 포함할 수 있다.
원시 영상 데이터는 그 다음 안면 데이터, 동작 단위들, 몸짓들, 및 심리 상태들의 분석(242)을 위해 처리될 수 있다. 안면 데이터는 머리 몸짓들을 더 포함할 수 있다. 안면 데이터 그 자체는 동작 단위들, 머리 몸짓들, 미소들, 이마 주름들, 곁눈질들, 내려간 눈썹들, 올라간 눈썹들, 주목 등 중 하나 이상의 정보를 포함할 수 있다. 동작 단위들은 미소들, 찡그림들, 및 심리 상태들의 다른 안면 지표들을 식별하기 위해 사용될 수 있다. 몸짓들은 측부로 머리를 기울이는 것, 앞으로 숙이는 것, 미소, 찡그림뿐만 아니라 많은 다른 몸짓들을 포함할 수 있다. 생리적 데이터가 분석될 수 있고(244) 안구들이 추적될 수 있다(246). 생리적 데이터는 개인과 접촉하지 않고 웹캠(230)을 통해 획득될 수 있다. 호흡, 심박동수, 심박동수 변동성, 발한 작용, 온도, 및 심리 상태의 다른 생리적 지표들은 이미지들을 분석함으로써 결정될 수 있다. 생리적 데이터는 또한 피부 전기 센서들, 온도 센서들, 및 심박동수 센서들과 같은 다양한 센서들에 의해 획득될 수 있다. 생리적 데이터는 피부 전기 활동도, 심박동수, 심박동수 변동성, 호흡 등으로 이루어진 그룹 중 하나를 포함할 수 있다.
시청자 또는 복수의 시청자들의 안구 추적(246)이 수행될 수 있다. 안구 추적은 시청자가 집중하는 광고의 부분을 식별하기 위해 사용될 수 있다. 게다가, 일부 실시예들에서, 과정은 렌더링에서의 시청자의 안구 유지 시간을 기록하는 단계 및 안구 유지 시간에 관한 정보를 렌더링 및 심리 상태들과 연관시키는 단계를 포함할 수 있다. 안구 유지 시간은 특정 렌더링들 또는 렌더링들의 부분들에서 시청자의 관심도를 나타내기 위해 심리 상태 정보를 증대시키기 위해 사용될 수 있다. 웹캠 관측들은 안구들에 대한 깜박임 비율을 포함할 수 있다. 예를 들어, 감소된 깜박임 비율은 시청되고 있는 것에 상당한 관여를 나타낼 수 있다.
도 3은 심리 상태 분석의 그래픽 표현이다. 이러한 그래픽 표현은 광고 분석을 위해 도시될 수 있고 전자 디스플레이 상에 제공될 수 있다. 디스플레이는 텔레비젼 모니터, 투영기, (랩톱 스크린, 태블릿 스크린, 넷북 스크린 등을 포함하는) 컴퓨터 모니터, 휴대폰 디스플레이, 이동 디바이스, 또는 다른 전자 디스플레이일 수 있다. 광고의 렌더링 (310)은 윈도우(300)에서 제공될 수 있다. 연관된 심리 상태 정보와 함께 광고의 렌더링 (310)을 포함하는 예시적 윈도우(300)가 도시된다. 사용자가 광고 1 선택 버튼(320), 광고 2 선택 버튼(322), 광고 3 선택 버튼(324) 등과 같은 다양한 버튼들 및/또는 탭들을 사용하여 복수의 광고들 중에서 선택하는 것이 가능할 수 있다. 다른 수들의 선택들이 다양한 실시예들에서 가능하다. 대안적인 실시예에서, 목록 박스 또는 드롭다운 메뉴가 디스플레이에 광고들의 목록을 제공하기 위해 사용된다. 사용자 인터페이스는 광고에 동기화되는 복수의 파라미터들이 시간에 따라 디스플레이될 수 있도록 한다. 다양한 실시예들은 사용자에 의해 이용 가능한 임의의 수의 선택들을 가질 수 있고 일부는 영상 대신에 다른 타입들의 렌더링일 수 있다. 도시되는 예에서, 섬네일 1(330), 섬네일 2(332), 내지 섬네일 N(336)을 포함하는 선택된 렌더링을 위한 섬네일 이미지들의 세트가 타임라인(338)과 함께 렌더링 아래에 도시될 수 있다. 섬네일들은 광고의 그래픽 “스토리보드”를 보여줄 수 있다. 이러한 스토리보드는 사용자가 광고 내에서의 특정 장면 또는 위치를 식별하는데 도움을 줄 수 있다. 일부 실시예들은 섬네일들을 포함하지 않거나, 렌더링과 연관되는 단일 섬네일을 가질 것이다. 다양한 다른 실시예들은 동등한 길이의 섬네일들을 갖는 반면에 또 다른 실시예들은 다른 길이들의 섬네일들을 갖는다. 일부 실시예들에서, 섬네일들의 시작 부분 및/또는 종료 부분은 렌더링과 연관되는 캡처된 시청자 심리 상태들의 변화들에 기반하여 결정되거나, 광고에서의 관심 있는 특정 지점들에 기반할 수 있다. 한 명 이상의 시청자들의 섬네일들이 타임라인(338)을 따라 도시될 수 있다. 시청자들의 섬네일들은 피크 표현들, 광고의 요점 표현들 등을 포함할 수 있다.
일부 실시예들은 다양한 버튼들 또는 다른 선택 방법들을 사용하여 사용자가 디스플레이를 위한 특정 타입의 심리 상태 정보를 선택하는 능력을 포함할 수 있다. 심리 상태 정보는 하나 이상의 효과 기술자들에 기반할 수 있다. 하나 이상의 효과 기술자들은 AU12, AU4, 및 유발성 중 하나를 포함할 수 있다. 예를 들어, 윈도우(300)에서, 미소 심리 상태 정보는 미소(340) 버튼을 사용자가 액세스함으로써 디스플레이를 위해 이전에 선택되었다. 다른 타입들의 심리 상태 정보가 또한 사용자 선택을 위해 이용 가능할 수 있다. 다양한 실시예들에서, 다른 심리 상태 정보는 내려간 눈썹들 버튼(342), 눈썹 상승 버튼(344), 주목 버튼(346), 유발성 점수 버튼(348) 또는 실시예에 따른 다른 타입들의 심리 상태 정보를 포함한다. 오버뷰 버튼(349)은 사용자가 다수의 타입들의 심리 상태 정보 각각에 대한 그래프들을 동시에 나타내는 것을 허용하도록 이용 가능할 수 있다. 심리 상태 정보는 하나 이상의 효과 기술자들에 대한 확률 정보를 포함할 수 있다. 하나 이상의 효과 기술자들 중 하나에 대한 확률들은 광고의 부분들마다 변화될 수 있다.
미소 선택(340)이 도시된 예에서 선택되었으므로, 심리 상태 데이터가 광고(310)에 대해 수집되었던 복수의 개인들의 집계된 미소 심리 상태 정보를 디스플레이하는 미소 그래프(350)는 기준선(352)에 대하여 도시될 수 있다. 남성 미소 그래프(354) 및 여성 미소 그래프(356)는 시각 표현이 집계된 심리 상태 정보를 디스플레이하도록 도시될 수 있다. 심리 상태 정보는 광고에 반응하는 다양한 인구 통계학 그룹들에 기반할 수 있다. 다양한 인구 통계학 기반 그래프들은 도시된 바와 같이 다양한 선 타입들을 사용하여 표시될 수 있거나 색상 또는 다른 구별 방법을 사용하여 표시될 수 있다. 슬라이더(358)는 사용자가 타임라인의 특정 시간을 선택하는 것을 허용하여 그 특정 시간에 대해 선택된 심리 상태의 값을 표시할 수 있다. 심리 상태들은 광고의 효과를 분석하기 위해 사용될 수 있다. 슬라이더(358)는 값이 표시되는 인구 통계학 그룹과 동일한 또는 다른 선 타입 또는 색상을 표시할 수 있다.
일부 실시예들에서, 다양한 타입들의 인구 통계학-기반 심리 상태 정보는 인구 통계학 버튼(360)을 사용하여 선택될 수 있다. 더 낮은 반응들을 갖는 응답자들에서 더 높은 반응들을 갖는 응답자들로 응답자들을 구분하는 것을 포함하여 그러한 인구 통계학 자료는 성별, 나이, 인종, 소득 수준, 교육, 또는 임의의 다른 타입의 인구 통계학적 구분을 포함할 수 있다. 다양한 인구 통계학 그룹들, 각각의 그룹에 대한 선 타입 또는 색상, 각각의 그룹에 대한 전체 응답자들의 백분율 및/또는 절대 수의 응답자들, 및/또는 인구 통계학 그룹들에 대한 다른 정보를 나타내는 그래프 범례(362)가 디스플레이될 수 있다. 심리 상태 정보는 선택되는 인구 통계학 타입에 따라 집계될 수 있다. 따라서, 심리 상태 정보의 집계는 심리 상태 정보가 일부 실시예들에 대한 인구 통계학 기준에 기반하여 그룹화되도록 인구 통계학 기준 상에서 수행된다.
광고 회사는 특정 인구 통계학 그룹; 예를 들어, 특정 나이 범위 또는 성별의 사람들의 심리 상태를 관찰하는데 관심이 있을 수 있다. 일부 실시예들에서, 수집된 심리 상태 데이터는 시청자 그룹으로부터 획득되는 자체 보고 데이터와 비교될 수 있다. 이러한 방식으로, 분석된 심리 상태들은 2 개의 데이터 세트들이 얼마나 양호하게 상호 관련되는지를 알기 위해 자체 보고 정보와 비교될 수 있다. 일부 경우들에서, 사람들은 그들의 진정한 심리 상태 외의 심리 상태를 자체 보고할 수 있다. 예를 들어, 일부 경우들에서, 사람들은 그들이 특정 심리 상태가 “정확한” 응답인 것으로 느껴지거나, 그들이 그들의 진정한 심리 상태를 보고하는 것이 난처하게 되므로, 특정 심리 상태를 자체 보고할 수 있다. 자체 보고 비교는 분석된 심리 상태가 자체 보고된 심리 상태로부터 벗어난 광고들을 식별하는 역할을 할 수 있다.
도 4는 심리 상태 분석에 대한 예시적 대시보드 도면이다. 대시보드(400)는 전자 디스플레이 상에서 제공되는 시각화일 수 있다. 시각화는 심리 상태 정보의 모두 또는 서브세트뿐만 아니라 광고 또는 광고에 기반한 렌더링을 제공할 수 있다. 이러한 대시보드-타입 표현은 디스플레이 상에서 심리 상태 분석을 렌더링하기 위해 사용될 수 있다. 디스플레이는 텔레비젼 모니터, 투영기, (랩톱 스크린, 태블릿 스크린, 넷북 스크린 등을 포함하는) 컴퓨터 모니터, 투영 장치, 휴대폰 디스플레이, 이동 디바이스, 또는 다른 전자 디스플레이일 수 있다. 대시보드(400)는 영상 광고(410)를 포함할 수 있다. 영상 광고(410)는 영상, 스틸 이미지, 스틸 이미지들의 시퀀스, 섬네일 이미지들의 세트 등일 수 있다. 대시보드(400)는 또한 시청자 또는 복수의 시청자들의 영상을 포함할 수 있다. 예를 들어, 대시보드(400)는 제1 시청자의 영상(420), 제2 시청자의 영상(422) 등을 포함할 수 있다. 시청자에 대한 영상은 영상, 스틸 이미지, 스틸 이미지들의 시퀀스, 섬네일들의 세트 등일 수 있다.
대시보드 디스플레이(400)는 주어진 사용자에 대한 다양한 심리 상태 파라미터들을 나타내는 그래프들의 비교를 허용할 수 있다. 대시보드 디스플레이(400)는 복수의 시청자들에 대한 다양한 심리 상태 파라미터들을 나타내는 그래프들의 비교를 허용할 수 있다. 다양한 동작 단위 그래프들이 디스플레이를 위해 선택될 수 있다. 예를 들어, 특정 그래프(430)는 제1 시청자(420)에 대한 2 개의 파라미터들, AU4(432) 및 AU12(434)의 그래픽 표현일 수 있다. 유사하게, 다른 그래프(440)는 제2 시청자(422)에 대한 2 개의 파라미터들, AU4(442) 및 AU12(444)의 그래픽 표현일 수 있다. 그래프들(430 및 440)은 확률들과 관련될 수 있고, 하나 이상의 효과 기술자들 중 하나에 대한 확률들은 광고의 다른 부분들 사이에서 변화될 수 있다. 다수의 다른 광고 영상들, 영상 클립들, 스틸들 등이 보여질 수 있다.
예를 들어, 광고팀은 광고의 효과를 테스트하는 것을 바랄 수 있다. 광고는 포커스 그룹 설정에서의 복수의 시청자들에게 보여질 수 있다. 광고팀은 곡선 도표들 중 하나 이상에서 미소선과 같은 변곡점을 인지할 수 있다. 광고팀은 그 때 광고, 이러한 예에서는 상품 광고에서의 어느 지점이 시청자들로부터 미소들을 야기했는지를 식별할 수 있다. 따라서, 콘텐츠는 광고팀에 의해 효과적인 것 또는 적어도 긍정적 반응을 끌어내는 것으로 식별될 수 있다. 이러한 방식으로, 시청자 반응이 획득되고 분석될 수 있다.
도 5는 광고에 대한 그래프 및 히스토그램을 도시하는 도면이다. 이러한 예에서, 광고의 일련의 섬네일들: 섬네일 1(540) 내지 섬네일 N(542)을 포함하는 윈도우(500)가 도시될 수 있다. 대안적인 실시예에서, 목록 박스 또는 드롭다운 메뉴가 이미지들의 목록을 제공하기 위해 사용된다. 광고에 대한 연관된 심리 상태 정보(512)가 디스플레이될 수 있다. 특정 섬네일들의 시간과 연관되는 심리 상태 데이터를 선택하는 것을 포함하는 선택들이 다양한 실시예들에서 가능하다. 대안적인 실시예에서, 목록 박스 또는 드롭다운 메뉴는 디스플레이에 대한 시간들의 목록을 제공하기 위해 사용된다. 사용자 인터페이스는 광고에 동기화되는 복수의 파라미터들이 시간, 프레임 번호에 따라 디스플레이되는 것을 허용한다. 제1 윈도우(510)는 효과 기술자에 대한 확률의 예시적 디스플레이를 나타내는 감정의 디스플레이이다. x-축(516)은 광고 내에서의 상대 시간, 프레임 번호 등을 나타낼 수 있다. 이러한 예에서, x-축(516)은 45 초 광고 동안일 수 있다. 확률, 격렬함, 또는 감정의 다른 파라미터가 y-축(514)을 따라 주어질 수 있다. 일부 실시예들에서, 심리 상태 정보 그래프(512) 상의 더 높은 값 또는 지점은 미소의 더 큰 확률을 나타낼 수 있다. 슬라이딩 윈도우(520)는 그래프(510)의 일부를 강조하거나 조사하기 위해 사용될 수 있다. 이러한 예에서, 윈도우(522)는 우측으로 이동되어 윈도우(520)를 형성하였다. 이러한 윈도우들은 광고에 대해 수집된 심리 상태들 내에서의 다른 시간들, 광고 내에서의 다른 기간들, 광고의 다른 쿼터들 등을 조사하기 위해 사용될 수 있다. 일부 실시예들에서, 윈도우(520)는 원하는 바에 따라 확장되거나 축소될 수 있다. 심리 상태 정보는 집계되어 제공될 수 있다; 심리 상태 정보는 평균의, 중간값의, 또는 다른 통계적이거나 계산된 값에 기반할 수 있다. 심리 상태 정보는 개인 또는 그룹의 사람들로부터 수집되는 정보에 기반할 수 있다. 광고 효과 평가는 광고 목적에 기반할 수 있다. 이러한 광고 목적은 오락, 교육, 의식, 종교, 경이로운 것, 및 행동에 대한 내적 동인으로 이루어진 그룹 중 하나 이상을 포함할 수 있다. 다른 광고 목적들이 또한 가능하다.
윈도우(500)는 확률들의 히스토그램(530)을 포함할 수 있다. 히스토그램은 제1 윈도우(510)에서의 확률들의 빈도들을 디스플레이할 수 있다. 히스토그램(530)은 전체 광고에 대한 것일 수 있다. 대안적으로, 히스토그램(530)은 타이밍 윈도우(520)의 위치에 기반하여 그려질 수 있다. 이러한 경우에, 히스토그램(530)은 심리 상태 정보 그래프(512)에서의 확률들의 빈도들을 묘사한다. 히스토그램(530)은 광고에 대한 심리 상태 정보의 부분들마다 생성될 수 있다. 부분들은 광고에 4 개의 시간 기간들이 있는 실시예들에서의 광고의 쿼터들을 포함할 수 있다. 일부 실시예들에서, 심리 상태 정보는 수집되고 광고에 대한 제1, 제2, 및 후속 노출들을 비교하고 대조하기 위해 사용될 수 있다. 히스토그램(530)에 대한 X-축(536)은 확률들을 표시할 수 있다. 이러한 예에서, Y-축(534)은 그러한 확률들의 빈도들을 나타낼 수 있다. 부분들은 광고의 쿼터들을 포함할 수 있고 쿼터들은 적어도 제3 쿼터 및 제4 쿼터를 포함할 수 있다. 일부 실시예들에서, 광고에 대한 제3 쿼터 확률은 광고에 대한 제4 쿼터 확률보다 더 높다. 더 높은 확률을 갖는 제3 쿼터는 더 높은 광고 효과에 상응할 수 있다. 일부 실시예들에서, 확률들은 광고의 다수의 시청에 따라 증가될 수 있다. 광고가 반복적으로 시청될 때, AU12 확률들과 같은 특정 확률들은 증가될 수 있다. 그러한 증가는 광고가 효과적인 것을 나타낼 수 있다. 실시예들에서, 증가되는 확률들은 광고 동안의 시간상 더 이른 지점들로 이동될 수 있다. 예를 들어, 즐거움을 주는 광고는 미소들을 끌어낼 수 있으며, 광고의 제2 및 3 시청시에 이러한 미소들은 광고 내에서의 이전에 접해진 즐거움을 주는 시기를 예상하고 시청자 미소들로서 더 이르게 발생할 수 있다.
도 6은 기준들을 포함하는 예시적 렌더링이다. 표로 나타낸 표현(600)은 회의(620) 및 놀라움(630)에 대한 표로 도시된다. 2 개의 다른 광고들 및 2 개의 분리된 노출들로부터의 표로 나타낸 결과들이 그러한 광고들 각각에 대해 도시된다. 광고 1, 제1 노출 이미지(610)뿐만 아니라 광고 1, 제2 노출 이미지(612)가 도시된다. 광고 2, 제1 노출 이미지(614)뿐만 아니라 광고 2, 제2 노출 이미지(616)가 도시된다. 다양한 이미지들은 그들의 각각의 광고들의 영상으로부터 선택되는 이미지일 수 있다. 제1 대 제2 노출 분석에 기반하여, 광고를 여러 번 보여주는 값에 대한 결정이 이루어질 수 있다. 표에서의 값들은 심리 상태에 대한 지수, 최대값, 최소값, 최소값과 최대값 사이의 차이, 표준 편차, 및 상호 작용을 볼 때 그러한 심리 상태를 표현했던(640) 다수의 시청자들을 포함할 수 있다. 기준들은 그러한 광고에 대해 기대되는 값들 마다 괄호(642) 내에 표시될 수 있다. 값이 그러한 기준으로부터 상당히 벗어났을 때를 표시하는 화살표들(644)이 도시될 수 있다. 기준들은 평균들, 표준 편차들, 사분위수들, 심리 상태 데이터 변화들의 파생물들, 및 다른 것들의 평가를 포함할 수 있다. 많은 다른 타입들의 표로 나타낸 표현이 또한 제공될 수 있다. 게다가, 파생물 지표들은 파생물들 배후의 의미를 제공하고 얼굴 표정에 대한 더 많은 정보를 캡처할 수 있다. 평균값들은 광고들 사이의 차이를 평가하기 위해 사용될 수 있다. 수준 변동성은 광고가 얼마나 편향되게 인지되었는지에 대한 정보를 제공할 수 있다. 심리 상태 데이터에 대한 높고 낮은 백분위수들은 광고 내에서의 이벤트들을 평가하기 위해 사용될 수 있다. 이러한 타입 정보는 어떤 것이 언제 발생했는지를 결정하기 위해 사용될 수 있고 감정이 높거나 낮은 광고의 시기들의 감지를 제공한다. 게다가, 웨어 아웃(wear out) 효과는 광고들에의 반복된 노출들에 기반하여 평가될 수 있다. 그러한 정보 및 다른 것들은 광고 효과의 평가에 도움이 되도록 사용될 수 있다.
도 7은 심리 상태들을 평가하기 위한 시스템도이다. 인터넷(710), 인트라넷, 또는 다른 컴퓨터 네트워크가 다양한 컴퓨터들 사이의 통신을 위해 사용될 수 있다. 광고 기계 또는 클라이언트 컴퓨터(720)는 명령어들을 저장하는 메모리(726), 및 메모리(726)에 결합되는 하나 이상의 프로세서들(724)을 가지며 여기서 하나 이상의 프로세서들(724)은 메모리(726) 내에 저장되는 명령어들을 실행할 수 있다. 메모리(726)는 명령어들을 저장하기 위해, 심리 상태 데이터를 저장하기 위해, 시스템 지원 등을 위해 사용될 수 있다. 클라이언트 컴퓨터(720)는 또한 시청자 심리 상태 정보(730)를 전달하는 인터넷 연결, 및 다양한 광고들을 한 명 이상의 시청자들에게 제공할 수 있는 디스플레이(722)를 가질 수 있다. 디스플레이(722)는 컴퓨터 디스플레이, 랩톱 스크린, 넷북 스크린, 태블릿 스크린, 휴대폰 디스플레이, 이동 디바이스 디스플레이, 디스플레이를 갖는 리모컨, 텔레비젼, 투영기 등을 포함하지만 이에 제한되지 않는 임의의 전자 디스플레이일 수 있다. 클라이언트 컴퓨터(720)는 시청자들이 광고 또는 광고들을 시청함에 따라, 한 명 이상의 시청자들로부터 심리 상태 데이터를 수집하는 것이 가능할 수 있다. 일부 실시예들에서, 시청자들이 광고를 시청함에 따라, 각각이 시청자들로부터 심리 상태 데이터를 수집할 수 있는 다수의 클라이언트 컴퓨터들(720)이 있다. 광고 클라이언트 컴퓨터(720)는 시청자의 영상을 포함하여 광고와의 시청자 상호 작용을 캡처하는 웹캠과 같은 카메라(728)를 구비할 수 있다. 카메라(728)는 웹캠, (랩톱, 넷북, 태블릿 등과 같은) 컴퓨터 상의 카메라, 영상 카메라, 스틸 카메라, 휴대폰 카메라, (전향적 카메라를 포함하지만 이에 제한되지 않는) 이동 디바이스 카메라, 열 영상기, CCD 디바이스, 3 차원 카메라, 깊이 카메라, 및 시청자들의 다른 시청들을 캡처하기 위해 사용되는 다수의 웹캠들 또는 캡처된 이미지 데이터가 전자 시스템에 의해 사용되는 것을 허용할 수 있는 임의의 다른 타입의 이미지 캡처 장치를 지칭할 수 있다.
심리 상태 데이터가 수집되면, 클라이언트 컴퓨터는 광고를 시청하는 복수의 시청자들로부터의 심리 상태 데이터에 기반하여 서버 또는 분석 컴퓨터(750)에 정보를 업로딩할 수 있다. 클라이언트 컴퓨터(720)는 인터넷(710), 인트라넷, 일부 다른 컴퓨터 네트워크를 통해, 또는 2 개의 컴퓨터들 사이의 통신에 적합한 임의의 다른 방법에 의해 분석 서버(750)와 통신할 수 있다. 일부 실시예들에서, 분석 서버(750) 기능성은 클라이언트 컴퓨터에서 구현될 수 있다.
분석 서버(750)는 심리 상태 정보(740)가 분석 서버(750)에 의해 수신될 수 있도록 인터넷(710)에 연결될 수 있다. 게다가, 분석 서버(750)는 명령어들, 데이터, 도움말 정보 등을 저장하는 메모리(757), 및 메모리(756)에 부착되는 하나 이상의 프로세서들(754)을 가질 수 있으며 여기서 하나 이상의 프로세서들(754)은 명령어들을 실행할 수 있다. 메모리(756)는 명령어들을 저장하기 위해, 심리 상태 데이터를 저장하기 위해, 시스템 지원 등을 위해 사용될 수 있다. 분석 컴퓨터는 심리 상태 정보(740)를 획득하기 위해 인터넷 또는 다른 컴퓨터 통신 방법을 사용할 수 있다. 분석 컴퓨터(750)는 클라이언트 컴퓨터 또는 컴퓨터들(720)에서 복수의 시청자들로부터 수집되는 심리 상태 정보를 수신할 수 있고, 광고를 시청하는 복수의 시청자들의 심리 상태 정보를 집계할 수 있다.
분석 컴퓨터(750)는 시청자 또는 복수의 시청자들에 대한 심리 상태 정보를 생성하기 위해 시청자 또는 복수의 시청자들로부터 수집되는 심리 상태 데이터 또는 집계된 심리 상태 데이터를 처리할 수 있다. 일부 실시예들에서, 분석 서버(750)는 광고 클라이언트(720)로부터 심리 상태 정보(730)를 획득할 수 있다. 이러한 경우에서, 광고 클라이언트(720)에 의해 캡처되는 심리 상태 데이터를 광고 클라이언트(720)로 분석하여 업로딩을 위한 심리 상태 정보를 생성하였다.
생성된 심리 상태 정보에 기반하여, 분석 서버는 광고 효과를 투영할 수 있다. 분석 컴퓨터(750)는 또한 집계된 심리 상태 정보를 측정되는 정황에 대한 기준들의 렌더링 및 수집 둘 다와 연관시킬 수 있다.
일부 실시예들에서, 분석 컴퓨터(750)는 광고를 시청하는 복수의 시청자들로부터의 심리 상태 데이터에 기반하여 집계된 심리 상태 정보를 수신할 수 있고 디스플레이(752) 상의 렌더링으로 집계된 심리 상태 정보를 제공할 수 있다. 일부 실시예들에서, 분석 컴퓨터는 실시간 또는 거의 실시간 실시예에서 시청자들이 광고를 시청함에 따라 복수의 시청자들로부터 수집되는 심리 상태 데이터를 수신하기 위해 셋업될 수 있다. 적어도 하나의 실시예에서, 단일 컴퓨터는 클라이언트, 서버 및 분석 기능성을 포함할 수 있다. 시청자 심리 상태 데이터는 광고를 시청하는 시청자 또는 복수의 시청자들의 심리 상태 정보를 형성하기 위해 클라이언트 컴퓨터 또는 컴퓨터들(720)로부터 수집될 수 있다. 시청자 또는 복수의 시청자들의 심리 상태 일자의 분석에서 기인하는 심리 상태 정보는 심리 상태 정보에 기반하여 광고 효과를 투영하기 위해 사용될 수 있다. 시스템(700)은 사람들이 광고를 시청함에 따라 복수의 사람들로부터 안면 데이터를 포함한 심리 상태 데이터를 수집하기 위한 코드, 심리 상태 정보를 생성하기 위해 심리 상태 데이터를 분석하기 위한 코드, 및 심리 상태 정보에 기반하여 광고 효과를 투영하기 위한 코드를 포함하는 광고 평가를 위한 컴퓨터 판독 가능 매체로 구현되는 컴퓨터 프로그램 제품을 포함할 수 있다.
위의 방법들 각각은 하나 이상의 컴퓨터 시스템들 상의 하나 이상의 프로세서들에서 실행될 수 있다. 실시예들은 분산 컴퓨팅, 클라이언트/서버 컴퓨팅, 및 클라우드 기반 컴퓨팅의 다양한 형태들을 포함할 수 있다. 게다가, 본 명세서에서의 각각의 흐름도에 대해, 도시된 단계들 또는 박스들이 단지 예시 및 설명의 목적으로 제공된다는 점이 이해될 것이다. 본 명세서의 범위를 벗어나지 않는 범위 내에서 단계들은 수정되거나, 생략되거나, 재정렬될 수 있고 다른 단계들이 추가될 수 있다. 게다가, 각각의 단계는 하나 이상의 부단계들을 포함할 수 있다. 앞의 도면들 및 설명이 개시된 시스템들의 기능적 양태들을 제시하였지만, 이러한 기능적 양태들을 구현하는 소프트웨어 및/또는 하드웨어의 어떤 특정 배열도 명백히 명시되거나 달리 맥락으로부터 분명하지 않는 한 이러한 설명들로부터 추정되지 않아야 한다. 소프트웨어 및/또는 하드웨어의 모든 그러한 배열들은 본 명세서의 범위 내에 포함되도록 의도된다.
블록도들 및 흐름도 예시들은 방법들, 장치, 시스템들, 및 컴퓨터 프로그램 제품들을 도시한다. 블록도들 및 흐름도 예시들의 각각의 요소뿐만 아니라 블록도들 및 흐름도 예시들의 요소들의 각각의 각 조합은 기능, 방법들의 단계 또는 단계들의 그룹, 장치, 시스템들, 컴퓨터 프로그램 제품들 및/또는 컴퓨터-구현 방법들을 예시한다. 임의의 및 모든 그러한 기능들은 컴퓨터 프로그램 명령어들, 특수 목적 하드웨어 기반 컴퓨터 시스템들, 특수 목적 하드웨어 및 컴퓨터 명령어들의 조합들, 일반 목적 하드웨어 및 컴퓨터 명령어들의 조합들, 컴퓨터 시스템 등에 의해 구현될 수 있다. 그 구현들 중 임의의 것 또는 모두는 본 명세서에 일반적으로 “회로,” “모듈,” 또는 “시스템”으로 지칭될 수 있다.
위에 언급된 컴퓨터 프로그램 제품들 또는 컴퓨터 구현 방법들 중 임의의 것을 실행하는 프로그램 가능 장치는 하나 이상의 프로세서들, 마이크로프로세서들, 마이크로컨트롤러들, 내장형 마이크로컨트롤러들, 프로그램 가능 디지털 신호 프로세서들, 프로그램 가능 디바이스들, 프로그램 가능 게이트 어레이들, 프로그램 가능 어레이 로직, 메모리 디바이스들, 주문형 반도체들 등을 포함할 수 있다. 각각은 예컨대 컴퓨터 프로그램 명령어들을 처리하고, 컴퓨터 로직을 실행하고, 컴퓨터 데이터를 저장하도록 적절하게 채용되거나 구성될 수 있다.
컴퓨터가 컴퓨터-판독 가능 저장 매체로부터의 컴퓨터 프로그램 제품을 포함할 수 있고 이러한 매체가 내장형 또는 외장형이거나, 제거 가능하고 교체 가능하거나, 고정될 수 있다는 점이 이해될 것이다. 또한, 컴퓨터는 본 명세서에서 설명된 소프트웨어 및 하드웨어를 포함하거나, 이들과 인터페이싱하거나, 이들을 지원할 수 있는 BIOS(Basic Input/Output System), 펌웨어, 운영 체제, 데이터베이스 등을 포함할 수 있다.
본 발명의 실시예들은 애플리케이션들을 실행하는 통상적 컴퓨터 프로그램들 또는 프로그램 가능 장치를 포함하는 애플리케이션들에 제한되지 않는다. 예를 들어, 현재 청구된 발명의 실시예들이 광 컴퓨터, 양자 컴퓨터, 아날로그 컴퓨터 등을 포함할 수 있다는 점이 고려된다. 컴퓨터 프로그램은 도시된 기능들 중 임의의 것 그리고 모두를 수행할 수 있는 특정 기계를 생산하기 위해 컴퓨터에 로딩될 수 있다. 이러한 특정 기계는 도시된 기능들 중 임의의 것 그리고 모두를 수행하는 수단을 제공한다.
하나 이상의 컴퓨터 판독 가능 매체의 임의의 조합이 활용될 수 있다. 컴퓨터 판독 가능 매체는 저장을 위한 컴퓨터 판독 가능 매체일 수 있다. 컴퓨터 판독 가능 저장 매체는 전자, 자기, 광, 전자기, 적외선, 반도체, 또는 전술한 것의 임의의 적절한 조합일 수 있다. 게다가, 컴퓨터 판독 가능 저장 매체 예들은 하나 이상의 배선들을 갖는 전기적 연결, 휴대용 컴퓨터 디스켓, 하드 디스크, RAM(random access memory), ROM(read-only memory), EPROM(erasable programmable read-only memory), 플래시, MRAM, FeRAM, 상변화 메모리, 광 섬유, 휴대용 CD-ROM(compact disc read-only memory), 광 저장 디바이스, 자기 저장 디바이스, 또는 전술한 것의 임의의 적절한 조합을 포함할 수 있다. 본 문서의 맥락에서, 컴퓨터 판독 가능 저장 매체는 명령어 실행 시스템, 장치, 또는 디바이스에 의해 사용되거나 이들과 연결되는 프로그램을 포함하거나 저장할 수 있는 임의의 유형의 매체일 수 있다.
컴퓨터 프로그램 명령어들이 컴퓨터 실행 가능 코드를 포함할 수 있다는 점이 이해될 것이다. 컴퓨터 프로그램 명령어들을 표현하는 다양한 언어들은 C, C++, Java, JavaScript™, ActionScript™, 어셈블리 언어, Lisp, 펄, Tcl, 파이썬, 루비, 하드웨어 기술 언어들, 데이터베이스 프로그래밍 언어들, 함수 프로그래밍 언어들, 명령적 프로그래밍 언어들 등을 제한 없이 포함할 수 있다. 실시예들에서, 컴퓨터 프로그램 명령어들은 컴퓨터, 프로그램 가능 데이터 처리 장치, 프로세서들 또는 프로세서 아키텍처들의 이종의 조합 등에서 실행하기 위해 저장되거나 컴파일되거나 해석될 수 있다. 제한 없이, 본 발명의 실시예들은 웹 기반 컴퓨터 소프트웨어의 형태를 취할 수 있으며, 이는 클라이언트/서버 소프트웨어, 서비스로서의 소프트웨어(software-as-a-service), 피어투피어(peer-to-peer) 소프트웨어 등을 포함한다.
실시예들에서, 컴퓨터는 다수의 프로그램들 또는 스레드들을 포함하는 컴퓨터 프로그램 명령어들의 실행을 가능하게 할 수 있다. 다수의 프로그램들 또는 스레드들은 프로세서의 활용을 향상시키고 실질적으로 동시 기능들을 용이하게 하기 위해 거의 동시에 처리될 수 있다. 구현에 의해, 본 명세서에서 설명된 임의의 및 모든 방법들, 프로그램 코드들, 프로그램 명령어들 등은 하나 이상의 스레드로 구현될 수 있다. 각각의 스레드는 다른 스레드들이 생겨나게 할 수 있으며, 이는 그것들 자체가 그것들과 연관되는 우선 순위들을 가질 수 있다. 일부 실시예들에서, 컴퓨터는 우선 순위 또는 다른 순서에 기반하여 이러한 스레드들을 처리할 수 있다.
명백히 명시되거나 달리 맥락으로부터 분명하지 않는 한, 동사들 “실행하다” 및 “처리하다”는 실행하다, 처리하다, 해석하다, 컴파일하다, 조립하다, 연결하다, 로딩하다, 또는 전술한 것의 조합을 나타내기 위해 교환 가능하게 사용될 수 있다. 그러므로, 컴퓨터 프로그램 명령어들, 컴퓨터-실행 가능 코드 등을 실행하거나 처리하는 실시예들은 설명된 방법들 중 임의의 것 및 모두로 명령어들 또는 코드에 따라 행해질 수 있다. 게다가, 도시된 방법 단계들은 단계들을 수행하기 위해 하나 이상의 파티들 또는 엔티티들을 야기하는 임의의 적절한 방법을 포함하도록 의도된다. 단계, 또는 단계의 부분을 수행하는 파티들은, 특정 지리적 위치 또는 국가 경계 내에 위치될 필요는 없다. 예를 들어, 미국 내에 위치되는 엔티티가 방법 단계, 또는 그것의 일부가 미국 외에서 수행되는 것을 야기한다면, 그 때 방법은 단계가 수행되는 것을 야기하는 엔티티에 의해서 미국에서 수행되는 것으로 간주된다.
본 발명이 상세히 도시되고 설명된 바람직한 실시예들과 관련되어 개시되었지만, 그것에 대한 다양한 수정들 및 개선들이 당업자에게 자명할 것이다. 따라서, 본 발명의 사상 및 범위는 전술한 예들에 의해 제한되지 않아야 하고, 법에 의해 허용 가능한 가장 넓은 의미로 이해되어야 한다.

Claims (99)

  1. 광고 평가를 위한 컴퓨터 구현 방법으로서:
    복수의 사람들이 광고를 시청함에 따라 복수의 사람들로부터 안면 데이터를 포함한 심리 상태 데이터를 수집하는 단계;
    심리 상태 정보를 생성하기 위해 상기 심리 상태 데이터를 분석하는 단계; 및
    상기 심리 상태 정보에 기반하여 광고 효과를 예측하는 단계를 포함하는, 방법.
  2. 제1항에 있어서,
    상기 예측되었던 광고 효과를 실제 매출량과 비교하는 단계를 더 포함하는, 방법.
  3. 제1항에 있어서,
    상기 광고 효과는 단기 매출량 변화들의 예측을 나타내는, 방법.
  4. 제1항에 있어서,
    상기 광고 효과는 상기 광고에의 다수의 노출들에 기반하는, 방법.
  5. 제1항에 있어서,
    상기 광고 효과는 오락, 교육, 의식, 종교, 경이로운 것, 또는 행동에 대한 내적 동인 중 하나 이상을 포함하는 광고 목적에 기반하는, 방법.
  6. 제1항에 있어서,
    상기 광고 효과를 예측하는 단계는 하나 이상의 효과 기술자들 및 효과 분류자를 사용하는, 방법.
  7. 제6항에 있어서,
    상기 광고 효과를 예측하는 단계는 역학 기준선의 평가에 기반하는, 방법.
  8. 제6항에 있어서,
    상기 하나 이상의 효과 기술자들 중 하나는 더 큰 표준 편차를 갖고 상기 더 큰 표준 편차는 더 높은 광고 효과에 상응하는, 방법.
  9. 제8항에 있어서,
    복수의 광고들에 기반하여 기준들을 개발하는 단계를 더 포함하고, 상기 기준들은 상기 예측하는 단계에서 사용되는, 방법.
  10. 제6항에 있어서,
    표현성 점수를 개발하기 위해 복수의 효과 기술자들을 조합하는 단계를 더 포함하며, 더 높은 표현성 점수가 더 높은 광고 효과에 상응하는, 방법.
  11. 제10항에 있어서,
    상기 표현성 점수는 상기 복수의 사람들의 안면들에 대한 전체 움직임과 관련되는, 방법.
  12. 제6항에 있어서,
    하나 이상의 효과 기술자들 중 하나에 대한 확률들은 상기 광고의 부분들마다 변화되는, 방법.
  13. 제12항에 있어서,
    상기 확률들은 상표가 드러날 때 상기 광고 내의 세그먼트에서 식별되는, 방법.
  14. 제12항에 있어서,
    상기 확률들의 히스토그램을 생성하는 단계를 더 포함하는, 방법.
  15. 제12항에 있어서,
    상기 부분들은 상기 광고의 쿼터들을 포함하고 상기 쿼터들은 적어도 제3 쿼터 및 제4 쿼터를 포함하는, 방법.
  16. 제15항에 있어서,
    상기 광고에 대한 제3 쿼터 확률은 상기 광고에 대한 제4 쿼터 확률보다 더 높고, 상기 더 높은 확률을 갖는 제3 쿼터는 더 높은 광고 효과에 상응하는, 방법.
  17. 제15항에 있어서,
    상기 광고에 대한 제4 쿼터 확률은 상기 광고에 대한 제3 쿼터 확률보다 더 높고, 상기 더 높은 확률을 갖는 제4 쿼터는 더 높은 광고 효과에 상응하는, 방법.
  18. 제17항에 있어서,
    상기 하나 이상의 효과 기술자들 중 상기 하나는 AU12 또는 유발성을 포함하는, 방법.
  19. 제12항에 있어서,
    상기 확률들은 상기 광고의 다수의 시청들로 증가되는, 방법.
  20. 제19항에 있어서,
    상기 증가되는 확률들은 상기 광고 동안의 시간상 더 이른 지점들로 이동되는, 방법.
  21. 제6항에 있어서,
    상기 하나 이상의 효과 기술자들에 대한 기준선을 수립하는 단계를 더 포함하는, 방법.
  22. 제6항에 있어서,
    효과 확률을 구축하는 단계를 더 포함하고, 더 높은 효과 확률이 상기 광고가 효과적일 더 높은 가능성과 상호 관련되는, 방법.
  23. 제1항에 있어서,
    상기 복수의 사람들로부터의 상기 심리 상태 데이터를 상호 관련시키는 단계를 더 포함하는, 방법.
  24. 제1항에 있어서,
    상기 복수의 사람들이 다수의 광고들을 시청함에 따라 상기 복수의 사람들로부터 심리 상태 데이터를 수집하는 단계를 더 포함하는, 방법.
  25. 제24항에 있어서,
    예측된 효과에 기반하여 상기 다수의 광고들을 군집화하는 단계를 더 포함하는, 방법.
  26. 제1항에 있어서,
    상기 광고에 대한 바이럴리티를 예측하는 단계를 더 포함하는, 방법.
  27. 제1항에 있어서,
    상기 예측하는 단계에서 사용되는 집계된 심리 상태 분석으로 상기 심리 상태 정보를 집계하는 단계를 더 포함하는, 방법.
  28. 제1항에 있어서,
    상기 예측하고 있었던 광고 효과에 기반하여 상기 광고를 최적화하는 단계를 더 포함하는, 방법.
  29. 제1항에 있어서,
    상기 심리 상태 데이터는 또한 생리적 데이터 및 액티그래피 데이터 중 하나 이상을 포함하는, 방법.
  30. 제29항에 있어서,
    웹캠이 상기 안면 데이터 및 상기 생리적 데이터 중 하나 이상을 캡처하기 위해 사용되는, 방법.
  31. 제1항에 있어서,
    상기 수집되었던 심리 상태 데이터에 기반하여 상기 광고에 대한 심리 상태들을 추정하는 단계를 더 포함하며, 상기 심리 상태들은 불만, 혼란, 실망, 망설임, 인지적 과부하, 집중, 관여, 주목, 지루함, 탐구, 확신, 신뢰, 기쁨, 혐오, 회의, 의심, 만족, 흥분, 웃음, 평온, 스트레스, 및 호기심 중 하나 이상을 포함하는, 방법.
  32. 제31항에 있어서,
    혼란은 더 낮은 수준의 광고 효과에 상응하는, 방법.
  33. 제1항에 있어서,
    시각화로 상기 심리 상태 정보의 서브세트를 제공하는 단계를 더 포함하는, 방법.
  34. 제33항에 있어서,
    상기 시각화는 전자 디스플레이 상에서 제공되는, 방법.
  35. 제34항에 있어서,
    상기 시각화는 상기 광고에 기반한 렌더링을 더 포함하는, 방법.
  36. 광고 평가를 위한 컴퓨터 판독 가능 매체로 구현되는 컴퓨터 프로그램 제품으로서:
    복수의 사람들이 광고를 시청함에 따라 복수의 사람들로부터 안면 데이터를 포함한 심리 상태 데이터를 수집하기 위한 코드;
    심리 상태 정보를 생성하기 위해 상기 심리 상태 데이터를 분석하기 위한 코드; 및
    상기 심리 상태 정보에 기반하여 광고 효과를 예측하기 위한 코드를 포함하는, 프로그램 제품.
  37. 제36항에 있어서,
    상기 예측되었던 광고 효과를 실제 매출량과 비교하기 위한 코드를 더 포함하는, 프로그램 제품.
  38. 제36항에 있어서,
    상기 광고 효과는 단기 매출량 변화들의 예측을 나타내는, 프로그램 제품.
  39. 제36항에 있어서,
    상기 광고 효과는 상기 광고에의 다수의 노출들에 기반하는, 프로그램 제품.
  40. 제36항에 있어서,
    상기 광고 효과는 오락, 교육, 의식, 종교, 경이로운 것, 또는 행동에 대한 내적 동인 중 하나 이상을 포함하는 광고 목적에 기반하는, 프로그램 제품.
  41. 제36항에 있어서,
    상기 광고 효과를 예측하는 것은 하나 이상의 효과 기술자들 및 효과 분류자를 사용하는, 프로그램 제품.
  42. 제41항에 있어서,
    상기 광고 효과를 예측하는 것은 역학 기준선의 평가에 기반하는, 프로그램 제품.
  43. 제41항에 있어서,
    상기 하나 이상의 효과 기술자들 중 하나는 더 큰 표준 편차를 갖고 상기 더 큰 표준 편차는 더 높은 광고 효과에 상응하는, 프로그램 제품.
  44. 제43항에 있어서,
    복수의 광고들에 기반하여 기준들을 개발하기 위한 코드를 더 포함하고, 상기 기준들은 상기 예측에 사용되는, 프로그램 제품.
  45. 제41항에 있어서,
    표현성 점수를 개발하기 위해 복수의 효과 기술자들을 조합하기 위한 코드를 더 포함하며, 더 높은 표현성 점수가 더 높은 광고 효과에 상응하는, 프로그램 제품.
  46. 제45항에 있어서,
    상기 표현성 점수는 상기 복수의 사람들의 안면들에 대한 전체 움직임과 관련되는, 프로그램 제품.
  47. 제41항에 있어서,
    하나 이상의 효과 기술자들 중 하나에 대한 확률들은 상기 광고의 부분들마다 변화되는, 프로그램 제품.
  48. 제47항에 있어서,
    상기 확률들은 상표가 드러날 때 상기 광고 내의 세그먼트에서 식별되는, 프로그램 제품.
  49. 제47항에 있어서,
    상기 확률들의 히스토그램을 생성하는 것을 더 포함하는, 프로그램 제품.
  50. 제47항에 있어서,
    상기 부분들은 상기 광고의 쿼터들을 포함하고 상기 쿼터들은 적어도 제3 쿼터 및 제4 쿼터를 포함하는, 프로그램 제품.
  51. 제47항에 있어서,
    상기 확률들은 상기 광고의 다수의 시청들로 증가되는, 프로그램 제품.
  52. 제51항에 있어서,
    상기 증가되는 확률들은 상기 광고 동안의 시간상 더 이른 지점들로 이동되는, 프로그램 제품.
  53. 제41항에 있어서,
    상기 하나 이상의 효과 기술자들에 대한 기준선을 수립하기 위한 코드를 더 포함하는, 프로그램 제품.
  54. 제41항에 있어서,
    효과 확률을 구축하기 위한 코드를 더 포함하고, 더 높은 효과 확률이 상기 광고가 효과적일 더 높은 가능성과 상호 관련되는, 프로그램 제품.
  55. 제36항에 있어서,
    상기 복수의 사람들로부터의 상기 심리 상태 데이터를 상호 관련시키기 위한 코드를 더 포함하는, 프로그램 제품.
  56. 제36항에 있어서,
    상기 복수의 사람들이 다수의 광고들을 시청함에 따라 상기 복수의 사람들로부터 심리 상태 데이터를 수집하기 위한 코드를 더 포함하는, 프로그램 제품.
  57. 제56항에 있어서,
    예측된 효과에 기반하여 상기 다수의 광고들을 군집화하기 위한 코드를 더 포함하는, 프로그램 제품.
  58. 제36항에 있어서,
    상기 광고에 대한 바이럴리티를 예측하기 위한 코드를 더 포함하는, 프로그램 제품.
  59. 제36항에 있어서,
    상기 예측에 사용되는 집계된 심리 상태 분석으로 상기 심리 상태 정보를 집계하기 위한 코드를 더 포함하는, 프로그램 제품.
  60. 제36항에 있어서,
    상기 예측하고 있었던 광고 효과에 기반하여 상기 광고를 최적화하기 위한 코드를 더 포함하는, 프로그램 제품.
  61. 제36항에 있어서,

    상기 심리 상태 데이터는 또한 생리적 데이터 및 액티그래피 데이터 중 하나 이상을 포함하는, 프로그램 제품.
  62. 제61항에 있어서,
    웹캠이 상기 안면 데이터 및 상기 생리적 데이터 중 하나 이상을 캡처하기 위해 사용되는, 프로그램 제품.
  63. 제36항에 있어서,
    상기 수집되었던 심리 상태 데이터에 기반하여 상기 광고에 대한 심리 상태들을 추정하기 위한 코드를 더 포함하며, 상기 심리 상태들은 불만, 혼란, 실망, 망설임, 인지적 과부하, 집중, 관여, 주목, 지루함, 탐구, 확신, 신뢰, 기쁨, 혐오, 회의, 의심, 만족, 흥분, 웃음, 평온, 스트레스, 및 호기심 중 하나 이상을 포함하는, 프로그램 제품.
  64. 제63항에 있어서,
    혼란은 더 낮은 수준의 광고 효과에 상응하는, 프로그램 제품.
  65. 제36항에 있어서,
    시각화로 상기 심리 상태 정보의 서브세트를 제공하기 위한 코드를 더 포함하는, 프로그램 제품.
  66. 제65항에 있어서,
    상기 시각화는 전자 디스플레이 상에서 제공되는, 프로그램 제품.
  67. 제66항에 있어서,
    상기 시각화는 상기 광고에 기반한 렌더링을 더 포함하는, 프로그램 제품.
  68. 명령어들을 저장하는 메모리; 및
    메모리에 결합되는 하나 이상의 프로세서들을 포함하되,
    상기 하나 이상의 프로세서들은:
    복수의 사람들이 광고를 시청함에 따라 복수의 사람들로부터 안면 데이터를 포함한 심리 상태 데이터를 수집하고;
    심리 상태 정보를 생성하기 위해 상기 심리 상태 데이터를 분석하고;
    상기 심리 상태 정보에 기반하여 광고 효과를 예측하도록 구성되는, 광고 평가를 위한 컴퓨터 시스템.
  69. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 예측되었던 광고 효과를 실제 매출량과 비교하도록 구성되는, 시스템.
  70. 제68항에 있어서,
    상기 광고 효과는 단기 매출량 변화들의 예측을 나타내는, 시스템.
  71. 제68항에 있어서,
    상기 광고 효과는 상기 광고에의 다수의 노출들에 기반하는, 시스템.
  72. 제68항에 있어서,
    상기 광고 효과는 오락, 교육, 의식, 종교, 경이로운 것, 또는 행동에 대한 내적 동인 중 하나 이상을 포함하는 광고 목적에 기반하는, 시스템.
  73. 제68항에 있어서,
    상기 광고 효과를 예측하는 것은 하나 이상의 효과 기술자들 및 효과 분류자를 사용하는, 시스템.
  74. 제73항에 있어서,
    상기 광고 효과를 예측하는 것은 역학 기준선의 평가에 기반하는, 시스템.
  75. 제73항에 있어서,
    상기 하나 이상의 효과 기술자들 중 하나는 더 큰 표준 편차를 갖고 상기 더 큰 표준 편차는 더 높은 광고 효과에 상응하는, 시스템.
  76. 제75항에 있어서,
    상기 하나 이상의 프로세서들은 또한 복수의 광고들에 기반하여 기준들을 개발하도록 구성되고, 상기 기준들은 상기 예측에 사용되는, 시스템.
  77. 제73항에 있어서,
    상기 하나 이상의 프로세서들은 또한 표현성 점수를 개발하기 위해 복수의 효과 기술자들을 조합하도록 구성되며, 더 높은 표현성 점수가 더 높은 광고 효과에 상응하는, 시스템.
  78. 제77항에 있어서,
    상기 표현성 점수는 상기 복수의 사람들의 안면들에 대한 전체 움직임과 관련되는, 시스템.
  79. 제73항에 있어서,
    하나 이상의 효과 기술자들 중 하나에 대한 확률들은 상기 광고의 부분들마다 변화되는, 시스템.
  80. 제79항에 있어서,
    상기 확률들은 상표가 드러날 때 상기 광고 내의 세그먼트에서 식별되는, 시스템.
  81. 제79항에 있어서,
    상기 확률들의 히스토그램을 생성하는 것을 더 포함하는, 시스템.
  82. 제79항에 있어서,
    상기 부분들은 상기 광고의 쿼터들을 포함하고 상기 쿼터들은 적어도 제3 쿼터 및 제4 쿼터를 포함하는, 시스템.
  83. 제79항에 있어서,
    상기 확률들은 상기 광고의 다수의 시청들로 증가되는, 시스템.
  84. 제83항에 있어서,
    상기 증가되는 확률들은 상기 광고 동안의 시간상 더 이른 지점들로 이동되는, 시스템.
  85. 제73항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 하나 이상의 효과 기술자들에 대한 기준선을 수립하도록 구성되는, 시스템.
  86. 제73항에 있어서,
    상기 하나 이상의 프로세서들은 또한 효과 확률을 구축하도록 구성되고, 더 높은 효과 확률이 상기 광고가 효과적일 더 높은 가능성과 상호 관련되는, 시스템.
  87. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 복수의 사람들로부터의 상기 심리 상태 데이터를 상호 관련시키도록 구성되는, 시스템.
  88. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 복수의 사람들이 다수의 광고들을 시청함에 따라 상기 복수의 사람들로부터 심리 상태 데이터를 수집하도록 구성되는, 시스템.
  89. 제88항에 있어서,
    상기 하나 이상의 프로세서들은 또한 예측된 효과에 기반하여 상기 다수의 광고들을 군집화하도록 구성되는, 시스템.
  90. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 광고에 대한 바이럴리티를 예측하도록 구성되는, 시스템.
  91. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 예측에 사용되는 집계된 심리 상태 분석으로 상기 심리 상태 정보를 집계하도록 구성되는, 시스템.
  92. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 예측하고 있었던 광고 효과에 기반하여 상기 광고를 최적화하도록 구성되는, 시스템.
  93. 제68항에 있어서,
    상기 심리 상태 데이터는 또한 생리적 데이터 및 액티그래피 데이터 중 하나 이상을 포함하는, 시스템.
  94. 제93항에 있어서,
    웹캠이 상기 안면 데이터 및 상기 생리적 데이터 중 하나 이상을 캡처하기 위해 사용되는, 시스템.
  95. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 상기 수집되었던 심리 상태 데이터에 기반하여 상기 광고에 대한 심리 상태들을 추정하도록 구성되며, 상기 심리 상태들은 불만, 혼란, 실망, 망설임, 인지적 과부하, 집중, 관여, 주목, 지루함, 탐구, 확신, 신뢰, 기쁨, 혐오, 회의, 의심, 만족, 흥분, 웃음, 평온, 스트레스, 및 호기심 중 하나 이상을 포함하는, 시스템.
  96. 제95항에 있어서,
    혼란은 더 낮은 수준의 광고 효과에 상응하는, 시스템.
  97. 제68항에 있어서,
    상기 하나 이상의 프로세서들은 또한 시각화로 상기 심리 상태 정보의 서브세트를 제공하도록 구성되는, 시스템.
  98. 제97항에 있어서,
    상기 시각화는 전자 디스플레이 상에서 제공되는, 시스템.
  99. 제98항에 있어서,
    상기 시각화는 상기 광고에 기반한 렌더링을 더 포함하는, 시스템.
KR1020147018665A 2011-12-07 2012-12-07 광고 효과의 감정 기반 평가 KR20140102276A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161568130P 2011-12-07 2011-12-07
US61/568,130 2011-12-07
US201161581913P 2011-12-30 2011-12-30
US61/581,913 2011-12-30
PCT/US2012/068496 WO2013086357A2 (en) 2011-12-07 2012-12-07 Affect based evaluation of advertisement effectiveness

Publications (1)

Publication Number Publication Date
KR20140102276A true KR20140102276A (ko) 2014-08-21

Family

ID=48572886

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147018665A KR20140102276A (ko) 2011-12-07 2012-12-07 광고 효과의 감정 기반 평가

Country Status (6)

Country Link
US (1) US20130151333A1 (ko)
EP (1) EP2788943A4 (ko)
JP (1) JP2015505087A (ko)
KR (1) KR20140102276A (ko)
CN (1) CN104054099A (ko)
WO (1) WO2013086357A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102020036B1 (ko) * 2018-07-05 2019-09-24 주식회사딜루션 사용자들의 감정 정보를 기반으로 하는 관람 평가 정보를 제공하는 어플리케이션을 운용하는 장치 및 그 방법

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9401937B1 (en) 2008-11-24 2016-07-26 Shindig, Inc. Systems and methods for facilitating communications amongst multiple users
US8405702B1 (en) 2008-11-24 2013-03-26 Shindig, Inc. Multiparty communications systems and methods that utilize multiple modes of communication
WO2013086357A2 (en) 2011-12-07 2013-06-13 Affectiva, Inc. Affect based evaluation of advertisement effectiveness
EP2833308A1 (en) * 2013-07-31 2015-02-04 Cogisen SRL System and method for estimating views on display areas using eye tracking
WO2015056742A1 (ja) * 2013-10-17 2015-04-23 光一 菊池 視認対象効果度測定装置
US10271010B2 (en) 2013-10-31 2019-04-23 Shindig, Inc. Systems and methods for controlling the display of content
US9584859B2 (en) * 2013-11-05 2017-02-28 Lee S. Weinblatt Testing effectiveness of TV commercials to account for second screen distractions
US10503794B2 (en) 2014-04-17 2019-12-10 Diginary Software, Llc Video content optimization system and method for content and advertisement placement improvement on a third party media content platform
JP6498900B2 (ja) * 2014-09-29 2019-04-10 株式会社日立システムズ 広告評価システム、広告評価方法
US9734410B2 (en) 2015-01-23 2017-08-15 Shindig, Inc. Systems and methods for analyzing facial expressions within an online classroom to gauge participant attentiveness
WO2016149069A1 (en) 2015-03-13 2016-09-22 Pcms Holdings, Inc. Systems and methods for measuring mobile advertisement effectiveness
KR20160111175A (ko) 2015-03-16 2016-09-26 한국전자통신연구원 광고 효과 분석 장치 및 광고 효과 분석 방법
US9756370B2 (en) 2015-06-01 2017-09-05 At&T Intellectual Property I, L.P. Predicting content popularity
US10142702B2 (en) * 2015-11-30 2018-11-27 International Business Machines Corporation System and method for dynamic advertisements driven by real-time user reaction based AB testing and consequent video branching
PL3442972T3 (pl) 2016-04-15 2020-07-27 Abbvie Inc. Inhibitory bromodomeny
US10133916B2 (en) 2016-09-07 2018-11-20 Steven M. Gottlieb Image and identity validation in video chat events
CN106803975B (zh) * 2017-03-31 2019-09-10 微梦创科网络科技（中国）有限公司 广告测试方法和装置、测试平台
JP6632586B2 (ja) * 2017-09-25 2020-01-22 株式会社電通 広告配信システム、広告配信装置、広告配信方法及び広告配信プログラム
JP6434177B1 (ja) * 2018-03-26 2018-12-05 株式会社アルム 広告効果測定システム、および広告効果測定装置
GB201809388D0 (en) * 2018-06-07 2018-07-25 Realeyes Oue Computer-Implemented System And Method For Determining Attentiveness of User
JP7084887B2 (ja) * 2019-02-28 2022-06-15 Kddi株式会社 広告成果評価方法、装置およびプログラム
CN110432915B (zh) * 2019-08-02 2022-03-25 秒针信息技术有限公司 一种评估信息流创意的方法及装置
JP7248309B2 (ja) * 2020-06-03 2023-03-29 フルライフコンサルティング株式会社 情報処理装置及びプログラム
US11656681B2 (en) * 2020-08-31 2023-05-23 Hypear, Inc. System and method for determining user interactions with visual content presented in a mixed reality environment
CN112036966A (zh) * 2020-11-04 2020-12-04 支付宝(杭州)信息技术有限公司 评估系统、内容投放系统、评估方法以及计算机可读存储介质

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7120880B1 (en) * 1999-02-25 2006-10-10 International Business Machines Corporation Method and system for real-time determination of a subject's interest level to media content
US6572562B2 (en) * 2001-03-06 2003-06-03 Eyetracking, Inc. Methods for monitoring affective brain function
US7921036B1 (en) * 2002-04-30 2011-04-05 Videomining Corporation Method and system for dynamically targeting content based on automatic demographics and behavior analysis
US7949561B2 (en) * 2004-08-20 2011-05-24 Marketing Evolution Method for determining advertising effectiveness
US8775252B2 (en) * 2006-05-04 2014-07-08 National Ict Australia Limited Electronic media system
US7930199B1 (en) * 2006-07-21 2011-04-19 Sensory Logic, Inc. Method and report assessing consumer reaction to a stimulus by matching eye position with facial coding
US20100004977A1 (en) * 2006-09-05 2010-01-07 Innerscope Research Llc Method and System For Measuring User Experience For Interactive Activities
WO2008030493A2 (en) 2006-09-05 2008-03-13 Innerscope Research, Llc Method and system for determining audience response to a sensory stimulus
US9514436B2 (en) * 2006-09-05 2016-12-06 The Nielsen Company (Us), Llc Method and system for predicting audience viewing behavior
US20080243614A1 (en) * 2007-03-30 2008-10-02 General Electric Company Adaptive advertising and marketing system and method
US20090150919A1 (en) * 2007-11-30 2009-06-11 Lee Michael J Correlating Media Instance Information With Physiological Responses From Participating Subjects
US8356004B2 (en) * 2007-12-13 2013-01-15 Searete Llc Methods and systems for comparing media content
KR20100021702A (ko) * 2008-08-18 2010-02-26 이필규 효율적인 모바일/온라인 광고효과 측정을 위하여 시선추적,다중센서 정보를 이용하는 방법, 단말기 및 시스템
US8401248B1 (en) * 2008-12-30 2013-03-19 Videomining Corporation Method and system for measuring emotional and attentional response to dynamic digital media content
US8326002B2 (en) 2009-08-13 2012-12-04 Sensory Logic, Inc. Methods of facial coding scoring for optimally identifying consumers' responses to arrive at effective, incisive, actionable conclusions
KR20110047718A (ko) * 2009-10-30 2011-05-09 주식회사 조은시큐리티 맞춤형 티브이 광고장치 및 광고방법
US8392252B2 (en) * 2010-03-03 2013-03-05 Scientific Targeting Llc Scientific targeting for advertisement and content selection, distribution, and creation
JP2013537435A (ja) * 2010-06-07 2013-10-03 アフェクティヴァ，インコーポレイテッド ウェブサービスを用いた心理状態分析
US9247903B2 (en) 2010-06-07 2016-02-02 Affectiva, Inc. Using affect within a gaming context
JP2014501967A (ja) 2010-11-17 2014-01-23 アフェクティヴァ，インコーポレイテッド ソーシャルネットワーク上での感情共有
US20120130800A1 (en) * 2010-11-24 2012-05-24 Anantha Pradeep Systems and methods for assessing advertising effectiveness using neurological data
WO2013086357A2 (en) 2011-12-07 2013-06-13 Affectiva, Inc. Affect based evaluation of advertisement effectiveness

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102020036B1 (ko) * 2018-07-05 2019-09-24 주식회사딜루션 사용자들의 감정 정보를 기반으로 하는 관람 평가 정보를 제공하는 어플리케이션을 운용하는 장치 및 그 방법

Also Published As

Publication number Publication date
US20130151333A1 (en) 2013-06-13
EP2788943A4 (en) 2015-04-08
WO2013086357A2 (en) 2013-06-13
CN104054099A (zh) 2014-09-17
JP2015505087A (ja) 2015-02-16
EP2788943A2 (en) 2014-10-15
WO2013086357A3 (en) 2013-08-01

Similar Documents

Publication Publication Date Title
KR20140102276A (ko) 광고 효과의 감정 기반 평가
US11430260B2 (en) Electronic display viewing verification
US11064257B2 (en) System and method for segment relevance detection for digital content
US9503786B2 (en) Video recommendation using affect
US10289898B2 (en) Video recommendation via affect
US11056225B2 (en) Analytics for livestreaming based on image analysis within a shared digital environment
US20190034706A1 (en) Facial tracking with classifiers for query evaluation
US10517521B2 (en) Mental state mood analysis using heart rate collection based on video imagery
US20200228359A1 (en) Live streaming analytics within a shared digital environment
US10111611B2 (en) Personal emotional profile generation
US10799168B2 (en) Individual data sharing across a social network
US9959549B2 (en) Mental state analysis for norm generation
US20130102854A1 (en) Mental state evaluation learning for advertising
US9106958B2 (en) Video recommendation based on affect
US20160191995A1 (en) Image analysis for attendance query evaluation
US20130115582A1 (en) Affect based concept testing
US20170238859A1 (en) Mental state data tagging and mood analysis for data collected from multiple sources
US20170095192A1 (en) Mental state analysis using web servers
US20140200463A1 (en) Mental state well being monitoring
US20140058828A1 (en) Optimizing media based on mental state analysis
US20160379505A1 (en) Mental state event signature usage
US20130238394A1 (en) Sales projections based on mental states
US20130218663A1 (en) Affect based political advertisement analysis
US11430561B2 (en) Remote computing analysis for cognitive state data metrics
US20170105668A1 (en) Image analysis for data collected from a remote computing device

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid