iMotions把创意预检搬进浏览器：AI预测不能替代真人反应

iMotions刊载于PRWeb的发布稿 载明，公司于2026年9月1日以创意测试平台的定位发布浏览器端iMotions Online，面向广告、创意和洞察团队，把AI预测、真人广告测试与远程多模态研究纳入同一产品体系。

StreetInsider的同日新闻稿目录 也收录了这次发布，但该页面属于新闻稿信息流，并非独立产品评测。现有公开材料能够核实平台的发布时间与功能分层，却没有提供AI预测分数与实际销售、购买率或广告转化率之间的本次验证结果。

三层测试对应创意成熟度和决策风险

iMotions Online的三种模式不是同一套研究的快慢版本，而是使用不同的数据来源。官方研究配置表 列出：Predictive AI Benchmarking把视频交给预测引擎，不要求真人受试者；Media Analytics和Behavioral Research Online则通过分享链接采集真人数据。

三层都支持视频，适合从动画样片、粗剪到成片逐步推进。图片和网站测试只列在Behavioral Research Online中；Media Analytics集中于视频广告及基准比较；Predictive AI Benchmarking的输入也是视频，而不是一次完整的受众研究。

因此，选择层级首先取决于创意处于哪个阶段，以及错误判断的代价。故事板、动画样片或粗剪阶段需要的是方向筛选；接近成片时，问题转为目标受众实际注意了什么、何时产生表情变化；旗舰发布、跨市场项目或高预算投放前，则可能需要更完整的刺激流程、分组和原始信号分析。

AI预测适合筛方向，但没有观察本次受众

Predictive AI Benchmarking输出Attention、Expressiveness和Valence分数，并附带AI摘要和市场或品类基准。它不需要招募受试者，适合比较多个早期版本，回答“哪一版更值得进入下一轮”或“哪些片段可能需要继续调整”。

这类结果的边界来自数据生成方式：平台评估的是模型预计的受众反应，而不是一组目标消费者观看该素材时产生的摄像头记录。即使模型建立在历史真人数据之上，当次项目仍没有新的真人样本，也无法观察特定受众、设备环境或市场语境带来的差异。

注意力高不等于转化高。注意、表达度和效价描述的是预测维度，平台列出的这一层输出并不包含实际曝光后的销量、购买率或转化率。团队可以把分数用于早期排序，却不能仅凭分数断言某个版本会卖得更多，也不能把AI摘要改写成消费者已经表达的态度。

真人广告基准测试用于比较成片反应

Media Analytics要求真人参与，受试者在浏览器中观看视频，研究可结合免校准眼动、面部表情和问卷。输出包括随视频变化的情绪表达轨迹、汇总指标，以及按市场、品类或地域组织的广告基准。

这使它更适合比较接近成片的剪辑、节奏或表达版本。它能回答受试者在哪些时点出现注意或表情变化、多个版本在统一指标下如何排序，以及结果相对既有广告基准处于什么位置；这些都是无受试者预测无法直接提供的当次观察。

不过，“使用真人”并不自动等于结论可以代表全部消费者。测试能够支持多强的判断，仍取决于样本来自哪里、是否覆盖目标市场、受试设备与观看环境如何，以及问卷和刺激顺序是否与研究问题匹配。行为信号增加了观察维度，但不会消除抽样和研究设计的限制。

多模态研究用于解释高风险决策

Behavioral Research Online把范围扩展到图片、网站、视频和多刺激流程，可组合眼动、面部表情、呼吸及问卷。研究人员还可以设置随机化、顺序平衡和条件逻辑，并使用分组分析、标注、原始信号检查及完整数据导出。

这一层适合问题不止于“哪版分数更高”的项目。例如，研究需要区分受众是否看见品牌元素、反应发生在哪个片段、不同人群是否呈现不同模式，或者口头回答与非语言反应是否一致时，单一预测分数不足以承担决策。

多模态也不是自动生成因果结论的机器。眼动记录注视位置和时间，面部分析描述表达变化，呼吸反映生理节律，问卷记录受试者能够陈述的判断；这些信号需要在合适的样本、对照和刺激设计下共同解释，任何一个指标都不能单独证明购买行为由某个创意片段造成。

发布留下的空白是价格与商业验证

此次变化的实际意义，是创意团队可以在一个浏览器端产品体系内，从无受试者的方向筛选逐步升级到真人广告基准和定制多模态研究。平台缩短了远程研究的部署路径，但没有抹平预测数据、观察数据和商业结果之间的证据等级。

截至此次发布，公开资料没有列出统一价格、不同配置的最低样本量，也没有披露本次产品分层中AI预测与后续销售或转化之间的具体校准结果。已经明确的是三种研究模式的输入、真人要求和输出边界；仍待实际项目决定的是样本设计、预算配置，以及哪些行为指标能够与品牌自己的投放和销售数据建立可靠联系。