CONTENT DECISION LAB
คนเดียวเดินผ่าน 5 กล้อง
แต่ละจอจะเลือกอะไร?
1 เลือกรูปคน → 2 เดินผ่านกล้อง → 3 ดู content และเหตุผล
1 / เลือกคนจำลอง
10 โปรไฟล์ตัวอย่างสำหรับเทียบ overlap ไม่ใช่ cluster จากรายงาน · อายุ เพศ และเสื้อผ้ากำหนดไว้ล่วงหน้า ไม่ได้วิเคราะห์จากภาพ · ทุกคนมาคนเดียว
เทียบคนสองแบบ — อะไรเหมือน อะไรต่าง?
| Campaign | เพศที่ต้องตรง | เงื่อนไขเพิ่มเติม | คนที่ 1 | คนที่ 2 |
|---|
ตารางนี้เปรียบเทียบ Full target เท่านั้น ไม่ใช้โหมด Partial ราคา งบ หรือ cache · เพศต้องตรง และจึงตรวจเงื่อนไขอายุ/เสื้อผ้า ANY/ALL · กดรูปเพื่อเริ่มเส้นทางคนนั้นใหม่
2 / พาคนนี้เดินผ่านกล้อง
เปลี่ยนกติกาแล้วเริ่มเส้นทางและงบใหม่ · 8 แคมเปญแข่งขันต่อกล้อง · คะแนนไม่ใช่จำนวนโหวตจากคน และไม่ใช่โอกาสสุ่มชนะ
ใน Lab รู้ว่าเป็นคนเดิมจาก Person ID ที่กำหนดเอง ระบบจริงยังต้องเชื่อม track ข้ามกล้องจึงจะนับไม่ซ้ำได้ · สมมติ 1 กล้องต่อ 1 จอ · การเลือกคนใหม่จะเริ่มเส้นทางและงบใหม่
3 / ผลของแต่ละจอ
รูป content เตรียมไว้ในเว็บ ไม่ stream · ความพร้อมของไฟล์ที่จอเป็นสถานะจำลอง · พบคนไม่ได้แปลว่ามองโฆษณา และไม่คิดเงินจนเล่นจบ · ปุ่มจบคลิปควบคุมเวลา playback แยกจากเวลาเดิน
4 / ทำไมเลือก content นี้?
| Content / เจ้าของ | กลุ่มเป้าหมาย | Match | ราคาเสนอ | คะแนน / อันดับ | ขั้นต่ำพื้นที่ | งบก่อนตัดสิน | ไฟล์ที่จอ | ผล |
|---|
สูตรการประมูลที่ใช้กับตารางนี้
M = จำนวนเงื่อนไขอายุ/เสื้อผ้าที่ตรง ÷ จำนวนเงื่อนไขที่ขอ
ALL: นับแต่ละข้อเท่ากัน เช่น อายุ + เสื้อ + กางเกง ตรง 2/3 → M = 66.7% · ANY: เป็นกลุ่มทางเลือกเดียว ตรงข้อใดข้อหนึ่ง → M = 100% (ไม่ต้องใส่เดรสและกระโปรงพร้อมกัน)
Full: M = 1 · Partial: 0 < M < 1 · No match: M = 0 · เพศและข้อยกเว้นเป็นเงื่อนไขบังคับ ไม่รวมในตัวหารและใช้ราคาแลกไม่ได้
ผู้มีสิทธิ์ = มีผู้ชม × เพศผ่าน × ไม่ถูกยกเว้น × M ผ่านเกณฑ์ × พื้นที่ผ่าน × ไฟล์พร้อม × Bid ≥ Floor × งบคงเหลือ ≥ Bid × กติกาข้ามจอผ่าน
ผู้ชนะ = ผู้มีสิทธิ์ที่คะแนนสูงสุด
คะแนนเท่ากัน → M สูงกว่า → Bid สูงกว่า → Campaign ID ตามลำดับ · ไม่ปัดเศษก่อนจัดอันดับ
เงินที่กันไว้ = Bid ผู้ชนะ; เงินที่จ่ายเมื่อเล่นจบ = Bid ผู้ชนะ
คะแนนไม่ใช่ราคาเรียกเก็บ · เป็น first-price ต่อ slot 15 วินาที ไม่มีผู้ผ่านให้แสดงข้อความต้อนรับฟรี
สูตรทดลองของ Lab ไม่ใช่สูตรที่กู้คืนจากรายงานปี 2025 · ตารางเก็บ snapshot ตอนกล้องพบคน · เงินเก็บเป็นสตางค์ ส่วนคะแนนใช้ราคาเป็นบาท · ตัวอย่างนี้มีคนเดียวต่อกล้อง ไม่ใช่สูตรรวมคะแนนฝูงชน
ดูข้อมูล content, งบ, เหตุการณ์ และการจัดสรรข้ามจอ
เปลี่ยนโหมดแล้วเริ่มเส้นทางและงบใหม่ · ไม่ใช่ frequency cap ต่อคน
Content เตรียมไว้ล่วงหน้า
งบจำลอง
| Campaign | เริ่มต้น | กันไว้ | จ่ายแล้ว | เหลือใช้ |
|---|
เหตุการณ์ตรวจพบ (ไม่ใช่จำนวนคน)
| Event | เวลาจำลอง | Person ID | กล้อง → จอ |
|---|
ประวัติ
ขอบเขต segment จากรายงาน
| มิติ | รายงานโครงงาน 2564 | บทความปี 2025 | Lab นี้ |
|---|---|---|---|
| ช่วงอายุ | 0–2, 4–6, 8–12, 15–20, 25–32, 38–43, 48–53, 60–100 | 15–19, 20–59, 60–99 | แสดงทั้งสองระบบ ไม่เติมช่วงที่รายงานเว้นไว้ · ใช้ช่วงปี 2025 ในกติกา |
| เพศตาม label งานเดิม | Male / Female | Male / Female | กำหนดให้ตัวละคร ไม่ทายจากใบหน้า · ใช้เป็นเงื่อนไขบังคับร่วมกับอายุ/เสื้อผ้า หรือเลือกทุกเพศ |
| สถานะกลุ่ม | alone / friend / lover / family | ไม่ได้ใช้หมวดความสัมพันธ์แบบงานเดิม | alone ตามโจทย์คนเดียว · ไม่อนุมานเพื่อน คู่รัก หรือครอบครัวจากภาพ |
| เสื้อผ้า | ไม่ใช่ 3 มิติหลักของ scope | dress, jacket, long sleeves, short pants, skirt, t-shirt, top, trousers | ใช้ label เสื้อผ้าที่กำหนดไว้ใน 10 โปรไฟล์ |
| การมองจอ | ตรวจการจ้องมอง | head pose / การหันหน้าหาจอ | ยังไม่จำลองการมอง · ไม่เท่ากับความสนใจหรือรับชมยืนยัน |
| Clustering | — | 3 กลุ่มจากข้อมูลทดลอง | 10 รูปนี้ไม่ใช่ cluster ที่กู้คืนมา |
อ้างอิง: โครงงาน “การกำหนดกลุ่มเป้าหมายระยะใกล้ด้วยระบบการรับรู้ประชากรศาสตร์เชิงลึก” §1.3, §3.4.1 (หน้าเนื้อหา 2, 14); Analysis of Deep Demographics for Advertisement Recommendation §3.4, §4 (หน้า 458, 460) · บทสรุปรายงานแรกเขียนว่า 7 กลุ่ม แต่รายการจริงมี 8 ช่วง