基于大数据分析的图像广告设计吸引力判定方法

夏弘睿，赵 静

(马鞍山师范高等专科学校 艺术设计系，安徽 马鞍山 243000)

大量的网络广告遍布在互联网内，很快就会使用户麻木、厌烦，很多性情急躁的用户甚至直接关闭广告投放界面，不愿意观看广告。这一背景下的广告营销效果较差，导致市场中的广告份额逐渐削减[1-2]。为保证图像广告对观众与消费者的吸引力，广告策划人员很快开始从心理学的角度出发，对广告内容做出了优化处理，并结合大数据技术，将广告依据不同的用户类型，进行了精准投放。这一过程虽然提高了广告对用户的吸引力，但是专业程度不一的广告设计方法使得市场上存在大规模质量不一的广告，影响了广大观众与用户对新媒体广告的观感。为减少低端广告的插入与投放，本文在上述背景下，设计了一种基于大数据分析技术的图像广告设计吸引力判定方法，以评价广告的效果。将点击率以及阅读时间作为评价准则，综合判断该广告在互联网用户方面的竞争力。

1 图像广告设计吸引力判定方法

1.1 图像广告单一属性划分

由于用户群体存在多样性的特点，为保证收集到的数据为有效数据，需要对用户群体及相关的图像广告进行划分。用户群体的需求通常具备多样性、矛盾性等特点，在保证实验结果准确的同时，可以将广告属性从多维特征映射到低维特征中[3]。在收集用户属性数据的过程中，可以将其整理在一个集合中，如式(1)所示。

Fd={f1,f2,…,fd,…,fn}

(1)

式(1)中，Fd表示第d个用户属性，n表示用户属性的总数量。建立用户属性的隶属度函数，如式(2)所示。

(2)

式(2)中，F(x)表示用户属性的隶属度函数值，Gn(f1)表示n个用户属性中第一个用户的概率密度[4-5]。通过隶属度函数可以获取任意的属性集合，同时在正态分布中明确属性集合的排列顺序可以有效减少工作量，帮助下一步的用户类型划分工作。此时可以求取其均值与方差，如式(3)和式(4)所示。

(3)

(4)

式(3)和式(4)中，k表示用户属性的平均值；λij2表示用户属性的方差；kij表示属性集合中独立分布的标准统计值[6]。在满足独立分布的条件下，可以将属性的联合决策系数设置为每一个用户都具备的贡献度，此时可以获得图像广告的单一属性划分结果如图1所示。

图1 图像广告的单一属性划分结果

如图1所示，在将图像广告划分为不同的集成属性之后，可以大致将其划分为广义属性与单一属性两大类。在用户类型划分的样本集中，每一个样本都有自身的属性，这种属性极为单一属性，但是一些样本集合在一起具备一项共同的属性，被称为集成属性[7-8]。此时单一属性的权重与集成属性的权重可以表示为wkj和wli。在给定的聚类中，通过聚类参数可以保证算法的实现效果，并基于此划分图像广告的属性类别。

1.2 基于大数据分析技术计算图像广告吸引力指标

在本文的图像广告吸引力判定中，将注视时效作为判定的指标。当用户浏览广告页面时，如果广告没能吸引观众的注意力，则观众就会直接关闭广告。在基于大数据分析方法计算关联规则算法内的用户点击行为分析的支持度与置信度时，将置信度当作解释某一确定时间在另一段时间内的频繁程度，可以对该时间进行关联规则挖掘[9-10]。在多频子路的用户浏览行为中，将通过搜索得到的互联网页面布局格式作为不同的矩阵样式。其中，获取的矩阵样式如式(5)所示，矩阵元素取值为4。

(5)

式(5)中，Ms为浏览模式内页面布局的矩阵，其行和列皆由12个元素值组成，即n=12。在多个子路的矩阵内，将每一个浏览矩阵的行和列均计算在内，可以得到用户浏览矩阵的处理准则[11-12]。令阈值保持恒定，则其元素值的平均值，如式(6)所示。

(6)

式(6)中，ΔMij表示阈值恒定条件下元素值的平均值，Mij表示用户浏览矩阵的多频路径数量，Mi表示元素值的阈值参数[13]。在隐马尔可夫的观察序列中，可以通过图2表示图像广告对随机互联网用户的吸引力观察模型。

图2 图像广告对用户的吸引力观察模型

如图2所示，该图像广告在T1-T5的时段内共被5个用户吸引，其中f1-f5分别表示5个互联网内观看到图像广告的用户，线段的长短代表用户被图像广告吸引到的时间长短。在图2中，f4观看图像广告的时间最长，f5观看图像广告的时间最短。因此想要判断一个广告是否具备吸引力，需要以注视时效为基本指标。在定义用户类型每一个区域的注视时效时，可以在任意区域内完成注视时间的计算，如式(7)所示。

(7)

式(7)中，Tki表示某类型的用户在第i片区域内注视的时间，Ftime表示用户在图像广告上注视的总时间，Fhi表示用户在跳过该图像广告后重新观看的次数，Fzsi表示该图像广告被观看的总次数[14]。对于任何一个区域，其注视时效均可以表示为：

(8)

式(8)中，ε表示任何一个区域的注视时效。由于大数据分析技术使用过程中会频繁提取每一个时间节点的独特数值，因此在将性质组合成原始问题后，该技术的特定操作会自动寻找频繁的模式序列进行时序点击[15]。具体过程为：在完整的信息流中，通过有序表进行合理拓展的序列集合G={k1,k2,…,kn}，选取满足条件的频繁项集，其中kn表示每一个被用户观测的图像广告属性。根据选取结果，实现图像广告设计吸引力判定。

2 实验测试与结果分析

本文设计了一种基于大数据分析的图像广告设计吸引力判定方法，为测试该判定方法的有效性与准确性，设计如下实验。

2.1 图像广告素材收集与实验测试步骤

在测试的过程中，需要收集大量的图像广告信息，为保证广告信息具备概括性以及代表性，将其划分为五类，分别为：高对比度广告与低对比度广告、动态广告与静态广告、有互动性广告与无互动性广告、有人物广告与无人物广告、有相关文本广告与无相关文本广告。在测试了以上五类广告图像对用户的吸引力后，就能够获得该大数据分析方法的有效性。为保证实验结果的准确性，将以上五类具备对比性的广告类型分别收集10组。

在实验中，选择20人作为实际的图像广告设计吸引力判定的实际测试人员，其中10人为男性，10人为女性。这些实际测试人员的年龄均在20～40岁之间，没有明显的色盲或色弱倾向，且保证视力正常或者佩戴与近视度数相同的眼镜。测试人员均需要能够有效利用计算机，拥有丰富的网络经验，理解互联网内图像广告的关闭方法。将实际测试人员带入到固定的测试环境内，该环境需要尽量排除噪声干扰，同时以纯色为主，不具备影响实际测试人员注意力的图案与物品。对实际测试人员进行实验说明，开始实验计时。

在计算机屏幕中间会不断出现上述收集到的图像广告，实际测试人员需要依据自身的意愿阅读或跳过这些广告。广告的内容以图像为主，间接夹杂一些文字叙述。如果图像广告中的图像内容吸引了实际测试人员的注意力，则实际测试人员需要观看该图像，但是若图像广告中的内容不受测试人员的喜欢，测试者也可以选择跳过该广告内容，继续观看下一个广告。计算机会自动记录每一个广告被20名测试者分别观看的时间，广告的注视时间越长，表明该广告设计的吸引力越强。使用MATLAB对所得到的数据进行整理与分析，并对其进行描述性统计与可视化处理。

在得到了实际被测人员在这10组图像广告内的数据后，将其与本文基于大数据分析的图像广告设计吸引力判定方法所得到的图像广告注视时间进行对比，综合判断其有效性。

2.2 实验数据统计分析

2.2.1 图像广告对比度对吸引力的影响

以图像广告网页颜色的对比度作为变量，以10幅图像广告作为实验素材，调整其对比度，分别设置高对比度与低对比度的度数为75%和45%。测试这10组图像广告在实际测试以及大数据分析方法下的注视时间，结果如图3所示。

图3 图像广告对比度

通过图3的数据结果可知，在实际测量与大数据分析方法的对比中，二者的线条十分接近，相差最大的区域之间的差值也不超过1s。图像广告网页背景以及颜色的对比度会对注视时间产生影响。在10组图像广告中，高对比度图像广告的注视时间一般在4～7s，而低对比度图像广告的注视时间则在0～5s，由此可见高对比度的图像广告可以增加图像的注视时间，提高图像广告对用户的吸引力。

2.2.2 图像广告是否为动态对吸引力的影响

在实验中选择动态图像与静态图像作为判断图像广告吸引力的变量，选择10幅动态图像，并将这10幅动态图像的其中一个页面作为静态图像。获取实际测试以及大数据分析方法下这10组图像的注视时间，结果如图4所示。

图4 动态广告与静态广告

图4为动态图像广告与静态图像广告在实际测试与大数据分析方法下的注视时间测试结果。相比于对比度的调节，动态图像广告明显对用户更有吸引力。在动态图像广告中，两种测试结果的注视时间约为3～9s，其在静态图像广告中的注视时间则为0～3s。由于静态图像广告只是在动态图像广告中截出的某一帧图像，二者的运行轨迹基本相同。且实际测试与大数据分析两种方法在同一序号的广告下注视时间十分相近，二者之间最大不超过0.9s。

2.3.3 图像广告有无互动性对吸引力的影响

选择10幅图像广告，并在其中加入互动性的设计，将其与未加入互动性的图像广告相对比，结合实际测试与大数据分析的方法，分析其对用户的吸引力，如图5所示。

图5 图像广告有无互动性

由图5可知，加入互动性的设计后，图像广告的吸引力有明显增长，其在10组图像广告内的受注视时间约为14～19s，无互动性的图像广告受注视时间则约为1～3s，由此可见，在图像广告中加入互动性，是一种能够有效增加对用户的吸引力的方法。而在有互动性和无互动性的测试中，实际测试效果与大数据分析结果之间的数据无大幅度差值，其中差距最大的是在第3组有互动性的图像广告内，二者的受注视时间相差约1.2s。

2.3.4 图像广告有无人物对吸引力的影响

在图像广告内添加人物也是一种可以增加图像广告设计吸引力的方法，在10组无人物的图像广告内添加人物图像，对比两类图像在实际测试以及大数据分析中的受注视时间，如图6所示。

图6 图像广告有无人物

在图6的数据中，实际测试结果与大数据分析结果在两类图像广告内的注视时间基本相同，差距最大的为第5组有人物的图像广告图像，约为0.8s。对比有人物的图像广告与无人物的图像广告，二者之间注视时间的差距较为明显，其中有人物的图像广告注视时间一般在4～9s，而无人物的图像广告注视时间一般在0～3s。

2.3.5 图像广告内有无相关文本对吸引力的影响

在图像广告内添加文本，可以令一部分人阅读，以此提高受注视时间，对比有相关文本与无相关文本的图像广告，其注视时间如图7所示。

图7 图像广告内有无相关文本

当图像广告内有相关文本存在时，本文方法可以提高图像广告的受注视时间，其在有文本存在时，时间约为4～9s，而无文本存在时的受注视时间则约为0～2s。与前四组实验相似，实际测试与大数据分析方法在这两类图像广告内的注视时间相差不大。

结合以上五组实验可知，图像对比度的高低、动态与静态图像、有无互动性、有无人物、有无相关文本均可以对图像广告设计的吸引力造成较大影响。且实际测试结果与大数据分析结果的注视时间明显十分相近，这证明大数据分析方法所得到的吸引力判定方法与实际结果相似，其精度较高，具备有效性。

结语

本文基于大数据分析技术设计了一种图像广告设计吸引力的判定方法。在该判定方法内，应用数据分析技术将互联网数据库内的数据整理成不同的集合，并获取了对广告的评价模型。通过实验验证了该判定方法的有效性，对比五种不同类型图像广告的吸引力指标，可知该方法具备可行性。