Visuell optimalisering: Maskinlæring for forbedret innsikt

Deling:

Vi i Respons Analyse er alltid ute etter nye måter å gi bedre innsikt på til våre kunder. Dette innebærer å ta i bruk flere metoder og datakilder for å bekrefte, utdype eller utfylle funnene i analysene vi utfører. 

Maskinlæring er i denne sammenheng svært relevant. Dette er en gren av kunstig intelligens som baseres på utvikling av algoritmer og modeller som gjør datamaskiner i stand til å lære og forbedre seg selv. Ved å analysere store mengder data og finne mønstre og trender, kan maskinlæring gi innsikt som predikerer fremtidige hendelser eller resultater. 

Visuell optimalisering 

I markedsføring spiller visuelt materiale en avgjørende rolle og brukes for å fange oppmerksomhet, tiltrekke, forklare og overtale forbruker. Det visuelle uttrykket er like viktig i fysiske omgivelser som på digitale flater, og omfatter alt fra reklamefilmer, plakater, annonser, DM-/magasinforsider, produktdesign, emballasje, nettsider, med videre. 

Visuell optimalisering innebærer å avstemme om forbrukernes opplevelse av det visuelle utrykket er i overenstemmelse med intensjonen; Kommer budskapet tydelig frem, blir det formidlet på en god måte, forstås det slik det var tiltenkt, når det frem til riktig målgruppe, gir den ønsket effekt, og får man med seg hvem avsender er? 

Eye-tracking – en nyttig metode ved visuell optimalisering  

For å få mest mulig ut av dine visuelle elementer er Eye-tracking en nyttig metode. Ved hjelp av sensorer spores og analyseres øyebevegelsene mens man eksponeres for visuelt stimuli. Gjennom å analysere disse øyebevegelsene kan vi dokumentere hvordan den som ser materialet navigerer i materialet. Vi kan også måle hvor lenge de ulike delene av materialet holder på oppmerksomheten. Her vil vi altså kunne identifisere hvilke deler av materialet, for eksempel i en annonse, som tiltrekker seg oppmerksomhet og hvilke deler av annonsen som mest sannsynlig blir oversett. 

Dette gjør oss i stand til å definere den best mulige plasseringen av overskrift, bilder, tekst, logo og eventuelt CTA – både når det gjelder stillbilder og video – slik at man kan skape et mer engasjerende og effektivt visuelt materiale.  

Eye-tracking kan gjøres fysisk gjennom å eksponere tilskueren for det konkrete materialet vi ønsker å analysere mens tilskueren har på seg sensorer, og da måles også følelsene slikt materiale utløser. Dette krever imidlertid en del tid og ressurser. Alternativt kan målingen baseres på kunstig intelligens og maskinlæring.  

Eyetracking basert på kunstig intelligens 

Vår samarbeidspartner Neurons har i en årrekke gjennomført større eye-tracking-studier over hele verden (over 20.000 prosjekter som er gjennomført i fysiske laboratorier, i naturlige omgivelser og via briller/kameraer med eye-tracking). Disse studiene danner grunnlag for maskinlæring, slik at kunstig intelligens benyttes til å predikere resultatene på andre visuelle stimuli.  

På bakgrunn av dette kan vi ved hjelp av maskinlæringen predikere med en 95% nøyaktighet hvor oppmerksomheten vil fokuseres på et hvilket som helst fremvist visuelt materiale. Dette gir oss muligheten til å utføre raske og effektive analyser.  

Her er et eksempel på hvordan resultatene av eye-tracking-analysene presenteres – et heatmap av reklamens oppmerksomhet. Analysen genererer bla. heatmap for å indikere områdene som skaper mest oppmerksomhet. Det gir en visuell fremstilling av hvor man forventer at oppmerksomheten vil ligge. 

Hver analyse gir 5 ulike presentasjoner av resultatene. 

Når bør man bruke eye-tracking? 

I Respons Analyse anser vi eye-tracking som særlig verdifull i kombinasjon med andre mer eller mindre tradisjonelle markedsanalyse-teknikker.  

Der spørreundersøkelser, fokusgrupper, dybdeintervju, mobiletnografi og annen form for direkte kundekommunikasjon gir verdifull innsikt i kundenes meninger, holdninger og reaksjoner, gir eye-trackingen en mer objektiv innsikt ved å spore eller predikere kundenes øyebevegelser og analysere hva de ser på, hvor lenge og hva som fanger oppmerksomheten – og hva som overses.  

Metoden gjør oss bedre rustet til å evaluere og sammenligne markedsmateriale slik at kampanjene eller materiellet kan optimaliseres. Du kan enkelt A-B-teste ulikt materiale før du går live eller går på trykk, for å luke bort de viktigste svakhetene. Metoden kan også benyttes til å bygge bedre websider, optimalisere kundeopplevelsen og booste ønsket klikkaktivitet eller til å teste og optimalisere emballasje eller hylleplassering i butikk. 

Metoden er også brukt til å designe mer effektive annonser for sosiale medier, samt avdekke hvor en annonse burde plasseres med hvilket format for å oppnå maksimal effekt. I tillegg har det gitt verdifull innsikt i forbrukeratferd, slik at annonsene kan målrettes til riktig publikum. 

I de tilfellene man ikke har testet materiale før en kampanjelansering eller lignende har vi også brukt eye-tracking på eksisterende materiale for en bedre forståelse for hvorfor kampanjen fungerte eller ikke fungerte som forventet.  

En kombinasjon av subjektive og objektive målinger 

Resultatene fra predikeringen sammen med øvrig markedsanalyse og metodetriangulering gir en mer helhetlig og konkret innsikt som kombinerer subjektive vurderinger og konkrete observasjoner.  

Her kan vi gi deg bredere, dypere og mer nøyaktig informasjon om kundenes reaksjoner og oppfatning av dine produkter og tjenester. Dette gjør oss i stand til å gi deg best mulig beslutningsgrunnlag for å nå dine mål.  

Ta kontakt om du er nysgjerrig på målinger av ditt visuelle materiell! 

Er du nysgjerrig eller har noe du lurer på – ta kontakt! Vi diskuterer gjerne aktuelle løsninger med deg!  

Melding til Camilla Løkting