MindMem: Multimodal for Predicting Advertisement Memorability Using LLMs and Deep Learning

要約

広告の競争力のある状況では、成功は、消費者、広告主、広告プラットフォーム間の複雑な相互作用を効果的にナビゲートし、活用することにかかっています。
これらの多面的な相互作用により、広告主は消費者の行動をモデル化し、ブランドリコールを強化し、広告コンテンツを調整するための戦略を最適化するように強いられます。
これらの課題に対処するために、広告の記憶性のためのマルチモーダル予測モデルであるMindMemを提示します。
テキスト、視覚、および聴覚データを統合することにより、MindMemは最先端のパフォーマンスを実現し、Lambdaで0.631、MementO10Kデータセットで0.731のスピアマンの相関係数を備えており、既存の方法を一貫して超えています。
さらに、私たちの分析では、ビデオペーシング、シーンの複雑さ、感情的な共鳴など、広告の記憶性に影響を与える重要な要因が特定されました。
これを拡大すると、MindMem-Read（MindMem駆動の再生成広告）を導入しました。これは、広告コンテンツと配置を最適化するために大規模な言語モデルベースのシミュレーションを採用して、広告の記憶性の最大74.12％の改善をもたらしました。
私たちの結果は、広告における人工知能の変革の可能性を強調し、広告主にエンゲージメントを促進し、競争力を高め、急速に進化する市場での影響を最大化するための堅牢なツールを提供します。

要約(オリジナル)

In the competitive landscape of advertising, success hinges on effectively navigating and leveraging complex interactions among consumers, advertisers, and advertisement platforms. These multifaceted interactions compel advertisers to optimize strategies for modeling consumer behavior, enhancing brand recall, and tailoring advertisement content. To address these challenges, we present MindMem, a multimodal predictive model for advertisement memorability. By integrating textual, visual, and auditory data, MindMem achieves state-of-the-art performance, with a Spearman’s correlation coefficient of 0.631 on the LAMBDA and 0.731 on the Memento10K dataset, consistently surpassing existing methods. Furthermore, our analysis identified key factors influencing advertisement memorability, such as video pacing, scene complexity, and emotional resonance. Expanding on this, we introduced MindMem-ReAd (MindMem-Driven Re-generated Advertisement), which employs Large Language Model-based simulations to optimize advertisement content and placement, resulting in up to a 74.12% improvement in advertisement memorability. Our results highlight the transformative potential of Artificial Intelligence in advertising, offering advertisers a robust tool to drive engagement, enhance competitiveness, and maximize impact in a rapidly evolving market.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google