Attention Heatmaps für Ad Creatives lesen

Zwei Statics kommen aus dem Design zurück. Variante A: großes Lifestyle-Foto, ein Model lächelt in die Kamera, dein Angebot klein in der Ecke. Variante B ist nüchterner: Produkt, Claim, Preis. Du jagst beide durch ein Heatmap-Tool. Variante A leuchtet knallrot, genau auf dem Gesicht. Sieht nach einem Sieger aus.

Nur liegt von dem Rot nichts auf deinem Angebot. Das Gesicht hat den ersten Blick gewonnen und behalten. Und das Element, für das du CPMs bezahlst, sitzt in einer eisblauen Ecke. Die Heatmap hat dir nicht verraten, welche Anzeige konvertiert. Sie hat dir etwas Schmaleres gezeigt, das trotzdem zählt: Bei Variante A kommt der Blick nie dort an, wo verkauft wird.

Ich lasse in meiner eigenen Pipeline jedes Static durch so einen Saliency-Check laufen. Entsprechend klare Meinungen habe ich dazu, wo diese Heatmaps helfen und wo die Anbieter übertreiben.

Das Wichtigste

• Niemand hat auf dein Creative geschaut. Eine Attention Heatmap ist die Vorhersage eines Saliency-Modells (bei mir DeepGazeIIE), trainiert auf Eye-Tracking-Datensätzen mit echten Menschen. Dieser Unterschied entscheidet, wie viel Gewicht das Ergebnis verdient.
• Die 90 bis 96 Prozent Genauigkeit aus den Anbieter-Claims beziehen sich auf Blickpunkte. Ein Modell kann beim ersten Blick richtig liegen und dir trotzdem nichts über Conversions sagen.
• Drei Checks lohnen sich bei Statics: Hook-Element in der heißen Zone, Blickreihenfolge bis zum CTA, Aufmerksamkeits-Anteil der Angebotsfläche. Video ist ein anderes Problem. Ein Standbild-Modell hat dort nichts verloren.

Was misst eine Attention Heatmap bei einer Anzeige?

Streng genommen: nichts. Eine prädiktive Attention Heatmap kommt aus einem Saliency-Modell. Das ist ein neuronales Netz, trainiert auf Aufzeichnungen aus echten Eye-Tracking-Studien. Es schätzt Pixel für Pixel, wo der erste Blick auf ein neues Bild am wahrscheinlichsten landet. Die roten Zonen sind hohe vorhergesagte Fixationswahrscheinlichkeit. Kein Mensch hat dein Creative gesehen.

Damit gehört sie in eine andere Schublade als zwei Dinge, mit denen sie oft verwechselt wird. Echtes Eye Tracking misst reale Probanden mit Kameras, kostet mehr und dauert Tage pro Runde. Klick- und Scroll-Heatmaps (die Hotjar-Sorte) zeichnen auf, was Besucher auf einer Live-Seite tun, brauchen also Traffic, den du noch gar nicht bezahlt hast. Die Saliency-Vorhersage braucht weder Probanden noch Spend. Genau das ist ihr Reiz: Du bekommst die Einschätzung, bevor der erste Euro das Konto verlässt.

Der Preis dafür: Du liest die Schätzung eines Modells über die ersten Sekunden vorbewusster Aufmerksamkeit. Neurons, einer der Anbieter, beschreibt seine Start-Attention-Maps als die ersten zwei Sekunden Kontakt. Über dieses Fenster reden diese Modelle.

Wie genau sind KI-Attention-Heatmaps?

Genau genug für die schmale Aufgabe, die sie haben. Attention Insight vergleicht seine Vorhersagen mit echten Eye-Tracking-Studien und gibt für kommerzielle Saliency-Modelle 90 bis 96 Prozent Genauigkeit an. Akademische Modelle liegen auf öffentlichen Benchmarks etwas darüber. DeepGazeIIE, das Modell in meiner Pipeline, stammt aus dieser akademischen Linie und führte die gängigen Saliency-Benchmarks für statische Bilder an.

Aber halt fest, was "genau" hier bedeutet: Übereinstimmung mit echten Blickpunkten in den ersten Momenten auf einem Standbild. Das Modell kennt weder dein Angebot noch deine Zielgruppe noch deinen Preis. Es kann keine Gewinner-Anzeige von einer Verlierer-Anzeige unterscheiden. Zwei Creatives können fast identische Heatmaps produzieren und in der Performance um Faktor 3 auseinanderliegen. Denn die Performance steckt in Botschaft, Angebot und Passung zur Person auf der anderen Seite.

Die ehrliche Stellenbeschreibung ist also klein: Die Heatmap sagt dir, ob die Aufmerksamkeit überhaupt bei den Elementen ankommt, die die Botschaft tragen. Ob diese Elemente überzeugen, liegt außerhalb ihrer Gehaltsklasse. Sie prognostiziert den Blick, nicht die Kaufentscheidung.

Wie setzt du eine Heatmap vor dem Launch ein?

Drei Checks, zwei Minuten pro Creative:

1. Liegt das Hook-Element in der heißen Zone? Was zuerst ankommen muss (der Pattern Interrupt, die Headline, das Produkt), gehört dorthin, wo sich die vorhergesagte Aufmerksamkeit sammelt. Leuchtet stattdessen ein Deko-Element, verbrennt das Layout deinen ersten Blick für Füllmaterial.
2. Erreicht die Blickreihenfolge den CTA? Saliency-Modelle können über die reine Heatmap hinaus die wahrscheinliche Reihenfolge der Fixationen ordnen. Die Wunschfolge: Hook, dann Beweis, dann CTA. Wandert der Pfad nach der zweiten Fixation aus dem Bild, leckt das Layout.
3. Welchen Anteil bekommt die Angebotsfläche? Region-Scoring macht daraus eine Zahl. Ein Claim, der 4 Prozent der vorhergesagten Aufmerksamkeit einsammelt, ist Dekoration. Egal, was im Briefing steht.

Eine Einschränkung zur Geschichte mit Variante A: Ein rot leuchtendes Gesicht ist nicht automatisch schlecht. Gesichter ziehen in so gut wie jedem Saliency-Datensatz Blicke an. Und ein Gesicht, das Richtung Headline schaut, reicht den Blick weiter. Die Lösung heißt selten "Gesicht raus". Sie heißt meistens: Lass das Gesicht dorthin schauen, wo du verkaufst.

Und lass das Urteil beratend bleiben. In meiner Pipeline markiert der Saliency-Check Probleme. Er lehnt nie selbstständig ein Creative ab, weil ein Mensch Kontext sieht, den das Modell nicht kennt. Die Heatmap ist der Check vor dem Start. Der Beweis bleibt der Live-Test, und diesen Test zu lesen, ohne sich selbst zu täuschen, ist eine eigene Disziplin.

Wo Heatmaps leise aussteigen

Nur Statics. Ein Saliency-Modell, das auf Standbildern trainiert wurde, hat zu Video nichts Belastbares zu sagen. Bewegung, Schnitte und Ton schreiben um, wohin Aufmerksamkeit geht. Eine Frame-für-Frame-Heatmap eines Videos ist eine Standbild-Antwort auf eine Bewegtbild-Frage. Genau deshalb laufen in meinem Stack bewusst keine Blickpfad-Vorhersagen auf Video. Wenn dir ein Tool Video-Heatmaps aus einem Statik-Modell verkauft, frag nach, worauf es trainiert wurde.

Dieselbe Zurückhaltung gilt im Creative-Workflow von Adscalr: Jedes generierte Static bekommt einen DeepGazeIIE-Durchlauf mit Pixel-Heatmap, Blickreihenfolge und Region-Scores. Die Hinweise landen neben dem Entwurf, und ein Mensch entscheidet, was live geht. Wie das in den Rest des Creative-Loops passt, steht auf der Produktseite.