广告创意的多样性 ： 性别 ， 年龄 ， 种族和种族基准

广告创意的多样性性别、年龄、种族和种族基准2019 年 1 月 2022 年 10 月 ContentsIntroduction3ExecutiveSummary4Methodology10性别详图14年龄详图19种族与民族详图21What 'sNext28© 2022 Extreme Reach Inc. 所有权利reserved.2 Introduction营销人员通过如何在品牌故事中描绘人物和情况 ， 在影响文化规范方面发挥着巨大的力量。自广告诞生以来 ， 谁被 “扮演 ” 消费者 ， 我们听到谁说话 ， 围绕美丽 ， 性别角色 ， 谁做出购买决策等设定了标准。对北美部署的 100 万个视频创意资产的分析为广告业提供了有史以来第一个大规模的多样性和可访问性基准。这项公开研究源于我们与个人客户一起做的不断扩大的专有工作。为了建立这个基本的基线 ， 我们利用了经过验证的人工智能和机器学习模型来分析品牌故事。此外 ， 对于样本验证 ， 尤其是低置信度技术返回的数据 ， 我们采用了人工审查。我们的目标是双重的。首先 ， 为整个行业提供不断发展的基准跟踪 ， 该基准跟踪具有强大的规模 ， 以确保数据完整性。但是基准的真正力量在营销人员级别发挥作用 ， 使每个独特的企业都能够设定目标 ， 并了解他们在品牌故事中的代表性和可访问性实践采用方面的具体努力。这仅仅是个开始。我们将在未来几个月开始为更多地区推出基准。此外 ， 我们的 2023 年路线图包括对新领域的探索 ， 如分析主要的多样性演员与临时演员 ， 并准确报告其他特征 ， 如体型和残疾人的存在。营销是说服和共鸣的艺术。讲故事的魔力远非公式化。但是魔术的一部分包含了多样性的奇迹和它所带来的机会。消费者看到了什么今天听到了吗 ？ 在过去的 4 年中 ， 这种情况发生了什么变化 ？ 根据这些基线数据 ， 您独特的品牌故事看起来和声音如何 ？We present this data for the industry to explain with regard to set future goals. We are proud to move marketing forward in this critical area.我们始终欢迎外联 ， 并期待发言。梅林达 · 麦克劳克林首席营销官 melinda. mclaughlin @ extremereach. com安德鲁 · 布莱克产品总监、分析和 AI andrew. blake @ extremereach. com© 2022 Extreme Reach Inc. 所有权利reserved.3 执行摘要这种分析4 年 100 万创意资产（ 2019 年 1 月至 2022 年 10 月 ）照耀着当今北美品牌故事的肤色 ， 并从逐年趋势的角度来看。应该认识到 ， 这种分析仅报告可识别特征的视觉和音频检测。我们承认 ， 我们无法分析 ， 因此也不会试图报告个人如何以不同于视觉和听觉检测的方式进行识别。这是我们所看到的。 性别年龄我们在广告中看到谁和听到谁的男性 / 女性组成 ： 2022 年至今人口为 50.5% 女性 / 49.5% 男性。2022 年,男性演员人数超过女性视觉。The男性歪斜在分析我们听到的声音时更明显在广告中。屏幕上演员年龄范围的组成 ： 2022 年至今2022 年 ，广告中 20 - 39 岁年龄段的构成是美国人口的近 3 倍.© 2022 Extreme Reach Inc. 所有权利reserved.577.7%% 人口 （ 美国人口普查 ）广告中视觉识别的百分比24.8%26.7%25.1%23.4%8.8%11.8%1.7%女性 34.8%女性 26.6%视觉音频男性 65.2%男性 73.4% 种族与民族2022 年,北美的广告更白2022 年广告中白人表演者的构成占所有可识别面孔的 72.5%, 比美国人口普查的白人人口 (61.2%) 高出 18% 。黑人演员的百分比从 2021 年开始下降尽管为 14.3% ， 但这一部分的患病率高于人口 (12.7%)西班牙裔或拉丁裔人数下降了近一半从 2021 年到 2022 年 ， 在广告创意中的代表性不足 ， 而这一细分市场的人口百分比The亚洲演员的组成保持相当稳定过去4 年为 8.0 - 8.5% ， 超过了他们在总人口中的发病率。虽然人口普查包括下面列出的其他部分 ， 但我们没有将它们包括在这里 ， 因为不幸的是 ， 人工智能技术还不能以足够高的信心检测视觉信息中的这些细微差别。这些人口普查部分是 “美洲印第安人和阿拉斯加原住民 ” ，“ 夏威夷原住民或其他太平洋岛民 ” ， “2 + 种族 ” 和“ 其他种族 ” 。We are reporting only the measured race / ethnicity segments and re - expressing the percenties to reflect this, and total 100%. See additional details on page 21.© 2022 Extreme Reach Inc. 所有权利reserved.6% 可识别种族 / 族裔组成202220212020白色(61.2% 流行)黑色（ 12.7% Pop ）亚洲(6.3% Pop)西班牙裔（ 19.8% Pop ）2019025%50%75%100%Note:为了为广告与人口的肤色提供背景 ， 我们将能够报告的数据与美国人口普查局的数据进行匹配。6.2%8.0%12.3%73.6%11.7%8.5%13.0%66.8%9.6%8.4%16.5%65.6%5.0%8.3%14.3%72.5% 按年龄组划分的调查结果2022 年 ， 性别组合和种族 / 民族的百分比组成因年龄组而异。年龄较大的人群扭曲了更多的男性比广告整体。相反 ，最高的女性偏斜发生在 10 - 19 和 20 - 39 段.© 2022 Extreme Reach Inc. 所有权利reserved.7按年龄组划分的广告中视觉男 / 女歪斜 （ 2022 ）所有广告65.2%34.8%儿童(0-9)男性(50.5% Pop)70.4%29.6%Female(49.5% 流行)青少年(10-19)52.9%47.1%9.3%成人 （ 20 - 39 ）61.9%38.1%中老年人(40-59)83.2%16.8%老年人(60+)80.7%19.3%025%50%75%100% 按年龄组分列的调查结果 (续)2022 年 ， 性别组合和种族 / 民族的百分比组成因年龄组而异。的组成白人演员从最年轻到最年长稳步增加年龄组。0 - 9 岁的孩子更有可能是黑人或亚洲人与其他种族 / 民族段。西班牙裔 / 拉丁裔组成在 10 - 19 范围内最高。© 2022 Extreme Reach Inc. 所有权利reserved.8按年龄组划分的种族 / 族裔构成百分比 （ 2022 ）所有广告白色(61.2% 流行)儿童(0-9)黑色（ 12.7% Pop ）亚洲青少年(6.3% Pop)(10-19)成人 （ 20 - 39 ）西班牙裔（ 19.8% Pop ）中老年人(40-59)老年人(60+)025%50%75%100%4.2%6.2%5.6%84%4.2%6.1%13.1%76.7%4.5%8.1%14.6%72.9%11.4%10.9%13.8%64%9.3%14.2%15.2%61.4%5.0%8.3%14.3%72.5% 1200 万人失明或视力低下。 ²美国有 1100 万人只有听力困难或功能性聋。标题33.7%2022 年 ， 只有三分之一的创意资产包括字幕。过去 12 个月字幕广告包括可以打开 / 关闭的隐藏式字幕和开放式字幕 ，总是在屏幕上。无字幕66.3%到 2022 年 ， 占所有百分比的一小部分广告包括音频描述。音频描述可以打开 / 关闭 ， 并且是广告中关键视觉元素的叙述。收入和项目参与调查 （ SIPP ）无障碍实践过去 12 个月 ： 2021 年 11 月 - 2022 年 10 月美国疾病控制与预防中心 （ CDC ）© 2022 Extreme Reach Inc. 所有权利reserved.9 Methodology Methodology拥有超过 5 亿的品牌创意资产 ， Extreme Reach 可以随时访问此分析的主源文件。这使我们能够提供大规模的行业基准 ， 但应该注意的是 ， 我们不会提供低于综合广告垂直水平的数据或细节 ， 因为我们与个人客户的合作是专有的。这项研究分析了 2019 年、 2020 年、 2021 年和 2022 年 10 月部署到美国和加拿大线性和数字目的地的所有视频广告。注意 ： 为了获得最佳准确性 ， ER 使用来自 DeepFace ， FairFace 和 ER 自己的内部 AI 模型的多个 ML 模型的集合 ， 并汇总这些模型中每个模型的结果以及视频每一帧中每个面部的多个观察结果© 2022 Extreme Reach Inc. 所有权利reserved.11分析Process用于改进 ER 内部模型的反馈循环2 x 年龄预测 每个脸使用 2 个 ML 模型 *每 1 秒采样图像帧检测所有图像中的人脸2 x 使用 2 ML 模型对每个面部进行性别预测 *将同一个人的面孔组合在一起骨料年龄,性别 ， 以及 种族 / 种族预测每个人所有线性和数字视频广告Jan2019 - 2022 年 10 月独特的广告检测和重复数据删除使用 3 ML 模型对每个面部进行 3 x 种族 / 种族预测 *审查低置信度结果提取音频和单独的人声转录和 diarize 声乐 ， 以识别语音片段和独特的说话者预测每个语音段的音频性别将同一说话者的语音片段组合在一起每个人的总体性别预测 扬声器 / 语音和统计摘要 数据验证每个广告的平均演员人数大流行背景ER manually reviews low confidence data returned after passing assets through multiple solutions. This approach of developing a balanced dataset across each of the different diversity categories aims to correct在这项研究中 ， 我们独立分析了每个不同的方面 - 性别 ， 年龄 ， 种族 / 种族。我们只报告可通过以下方式识别的每个细分市场的数据正如预期的那样 ， 由于对实时商业制作的限制 ， 我们在 2020 - 2021 年期间看到广告中的演员人数减少。也就是说 ， 我们看到许多品牌续订权利并重新使用 / 适应以前制作的资产 ， 并且在此期间还使用其他创意方法 （ 股票镜头 ， 以前拍摄的 B - roll ， 家庭中的名人自我记录等 ） 。在这一领域的历史单一人工智能模型中看到的一些偏见。在最近的一项针对大型广告客户的研究中 ， 准确率被验证为 96.5 ％ 。每个演员的种族 / 种族由他们的团队对 350 个资产进行手动标记。然后 ， ER 在同一组资产上运行 AI 分析和机器学习模型。ER 使用多种现有解决方案与专有的内部建模相结合 ， 远远超过了任何单个解决方案的平均准确性 （ 与手动审核相比 ， 准确率为 70 - 80 ％ ） 。AI 和机器学习模型有很高的信心。由于每个计算的基础特定于该数据段, 因此这导致对于铸造尺寸的略微不同的发现。例如 ， 对于我们在屏幕上看到的性别 ， 我们查看 AI 可以自信地识别视觉性别的总人数 ， 然后计算演员成员的平均人数。当性别是可识别当年龄是可识别的当种族 / 民族是可识别Year每个资产的平均面额20226.420215.220204.720195.