注意力指标（Attention Metrics）

在过去十年的大部分时间里，"可见性（viewability）"一直是程序化买方争夺的质量标准：广告是否以足够的像素、停留足够长的时间渲染在屏幕上，从而被算作一次真实展示？当时一半的展示广告根本没有被看到的公平机会，这个问题确实重要。但可见性这场仗已经赢了——如今大多数优质库存都能轻松达到 IAB 的可见性标准，这意味着可见率已经无法区分优质位置和被浪费的位置。注意力指标，正是行业在这块及格线之上构建更精细质量信号的尝试。

从"有机会被看到"到"真的被注意到"

可见性回答的是一个机械的二元问题：是否有足够像素在屏幕上停留足够久？注意力指标问的是更难的问题：是否真有人把认知精力投向了这条广告？一次展示可以做到 100% 可见，却赢得零注意力——它可能在零点几秒内被划过，在后台标签页里静音播放，或者整段时间都被压在更吸引人的内容下方。

为了大规模估算注意力，厂商结合两层数据。第一层是来自自愿参与样本的眼动追踪真值，摄像头记录人们实际注视的位置。第二层是一个模型，把样本行为映射到每次展示都能获得的信号上：可见时长、广告尺寸与位置、滚动速度、声音开关、设备类型以及创意属性。输出通常是一个注意力分数，或每次展示的预测注意力秒数。它是一个模型，而非逐次展示的测量——这是初学者常忽视的重要区别。

为什么注意力与效果的相关性更好

品牌之所以在意，是因为注意力往往比可见性更紧密地追踪下游结果——记忆度、品牌提升，甚至销售。两次展示可以同样可见，但其中一次赢得三秒的主动注意力，另一次为零。倾向于前者的优化会系统性地买到更多真正产生认知投入的库存，而这正是真正驱动品牌指标的东西。这也是注意力与创意质量相连之处：开头一秒强有力的钩子赢得注意力，方式与它在短视频上拉高钩子率（hook rate）如出一辙，因此注意力评分与创意测试相互强化。

它在购买链路中的位置

注意力评分紧跟在验证之后。厂商先确认一次展示可见且品牌安全——这类工作 DoubleVerify 等验证厂商早已在做——然后在其上叠加注意力预测。买方有两种用法：像设置可见率下限一样为程序化交易设置注意力下限；以及反哺创意决策，因为创意分析工具能关联出哪些格式和钩子赢得最多注意力秒数。运用得当，它能让同样的预算集中到真正被注意到、而非仅仅被投放的展示上。

常见错误

最大的陷阱是把注意力分数当成硬真值。大多数分数是基于样本校准的建模估算，因此带着样本的偏差和模型的假设。第二个陷阱是为了注意力本身去优化，却从未验证多出来的注意力是否带来了真实结果。而且由于每家厂商对注意力的建模方式不同，它们的分数并不在同一套标尺上——把一家的"70"和另一家的"70"相比毫无意义。

如何开始

选定一家厂商，在重新分配任何一分钱预算之前，先用品牌提升或记忆度研究验证其分数，然后才设置交易上的注意力下限。把注意力当作对现有质量控制和你的第一方数据策略的补充，而非对效果衡量的替代。

常见问题

注意力等于可见性吗？ 不等于。可见性是对"是否有足够像素在屏幕上停留足够久"的二元检查。注意力指标则估算是否真有人在看，把样本眼动数据与可规模化信号融合成分数或预测注意力秒数。

注意力分数是测量还是预测？ 对绝大多数展示而言，它是来自模型的预测，模型基于较小的眼动样本校准——并非逐次展示的真实眼动读数。请把它当作方向性的质量信号，而非真值。

能跨厂商比较注意力分数吗？ 不能直接比。每家厂商用各自的样本、信号和标尺建模注意力，数值并不可互换。先用自己的结果验证一家，再标准化采用它。