品牌Logo在转播画面出现几秒，AI怎么判断观众到底有没有注意到？

比赛结束后的第二天，一个运动饮料品牌的市场经理收到了赞助监测报告：本场转播中，品牌Logo累计可见312秒，折算成广告时段价值相当可观。他把报告转给同事，同事回了一句：“我看了整场比赛，完全没注意到你们的广告。”这是一个假设的场景，却点出了曝光统计最常见的漏洞：Logo在画面里出现，不等于观众看见了它；观众扫过一眼，也不等于记住了它。

312秒里，有多少是真正“看得清”的

计算机视觉模型逐帧扫描转播画面，识别出Logo出现的位置、边框和置信度，这一步解决的是 Exposure 的计量问题。但原始秒数里混着大量质量很低的画面。假设在这312秒中，有140秒来自远景镜头下看台边缘的围挡，Logo只占屏幕面积的0.2%；有30秒Logo被球员身体部分遮挡；还有20秒处于快速摇镜造成的运动模糊中。

如果不加区分地把这些秒数相加，赞助方得到的是一个偏大的数字。所以识别之后必须有第二步：对每一帧的“可读性”和“被注意的可能性”打分。

识别本身也有细节要处理。同一个品牌往往有横版、竖版、单色版和简化图标等多种标识，球衣上的Logo会随布料褶皱变形，场边电子屏上的Logo还会滚动播放。皇冠体育在建立识别模型时，会先让赞助方确认全部标识版本，再按合同约定的权益位置分别统计，避免把不属于本合同的画面计入曝光。

位置与大小：视线落在哪里，Logo就在哪里吃亏或占便宜

观众看比赛时，视线主要跟随球和持球球员，集中在画面中央偏下的区域。Position 权重衡量的就是Logo离这个视觉焦点有多远：出现在中央区域的Logo权重高，贴在画面四角的权重低。

Size 则衡量Logo在屏幕上占多大面积。同样在中央，占屏幕3%的球衣胸前Logo和占0.3%的场边小牌子，可读性完全不同。实际计算时，两者通常会结合使用：一个又小又偏的Logo，即使出现时间很长，加权后的贡献也可能接近于零。

对比度和遮挡，决定Logo能不能被“读出来”

Contrast 是容易被忽视的一项。白底Logo放在浅色球衣上，或者红色Logo放在红色看台前，即使尺寸不小，也很难在一瞥之间被辨认。模型会计算Logo区域与周围背景的色彩和亮度差异，同时识别遮挡比例、模糊程度和倾斜角度。

这一项对赞助方很有实际意义：它可以直接反馈到物料设计上。如果分析显示某块场边广告在夜场灯光下对比度持续偏低，下个赛季换一种配色，可能比多买几块广告板更划算。

连续8秒和八次1秒，不是同一种曝光

Duration 不只是累计时长，还要看连续性。人对一个图形形成印象需要一定的停留时间，一闪而过的1秒很可能没有进入意识。假设同样是8秒，一次是庆祝镜头里Logo连续停留8秒，另一次是在攻防转换中八次各出现1秒，前者被记住的可能性明显更高。

因此系统通常会设置一个最短有效时长，比如低于0.5秒的片段只计很低的权重，连续时长越长，单位秒数的权重越高，但到一定时长后增幅会逐渐放缓，避免长时间静止画面被过度计价。

进球回放、庆祝、死球和广告间隙，四种场景四种注意力

Scene 决定了观众当时的情绪和注意力状态。下面是一组示意性的场景权重，仅用于说明思路：

回放和庆祝的权重高，不只是因为观众专注，还因为这些片段会被剪辑成集锦反复传播。把五个因素相乘或组合后，那312秒在这个模拟案例里可能折算成约95个“注意力加权秒”。

注意力之后，还要看观众有没有接着行动

加权秒数仍然是估算。要验证观众是否真的注意到了品牌，还需要 Engagement 层面的信号：比赛进行中和结束后几小时内，品牌名称的搜索量有没有异常抬升，社交平台上有没有出现带品牌名的讨论或截图，品牌官方账号的互动是否增加。

皇冠体育会把这些信号与高权重曝光片段的时间点对齐。如果庆祝近景出现后的半小时内搜索量明显上升，而其他时段平稳，就能在一定程度上说明这段曝光真正被看见了。

把加权结果交到赞助方手里之后

最终交付给赞助方的，不应该只是一个更小的秒数，而是一份可以指导下一步决策的拆解：哪些位置的物料贡献了大部分有效注意力，哪些位置几乎没有价值，哪种配色在夜场表现差，哪类场景下的曝光带来了后续搜索。品牌可以据此调整权益组合和物料设计，俱乐部也可以据此给不同位置重新定价。

更完整的评估框架可以参考体育赞助价值评估栏目，关于曝光次数与赞助价值之间的差距，也可以阅读曝光1000万次为什么仍不能证明赞助值钱。