wersja 0.4
This commit is contained in:
parent
3391400f1f
commit
1e533574ba
5 changed files with 2490 additions and 0 deletions
713
Koncepcja 0.2 .md
Normal file
713
Koncepcja 0.2 .md
Normal file
|
|
@ -0,0 +1,713 @@
|
|||
# AdReactions — Koncepcja platformy v0.2 (rozszerzona)
|
||||
|
||||
> **Status dokumentu:** rozszerzenie i ujednolicenie „Koncepcja 0.1 [KM]".
|
||||
> Łączy w spójną całość źródła projektu i dokłada warstwy, których w wersji 0.1
|
||||
> brakowało: model domenowy, mapowanie *cel biznesowy → metryki → usługi AI*,
|
||||
> wymienialność modeli, propozycję modelu danych oraz jawne rozgraniczenie
|
||||
> **zakresu MVP 1.0 od roadmapy**.
|
||||
>
|
||||
> Miejsca wymagające decyzji właściciela produktu oznaczono znacznikiem **[?]**
|
||||
> i zebrano w osobnym pliku **`Pytania do koncepcji.md`**.
|
||||
|
||||
## Źródła zintegrowane w tym dokumencie
|
||||
|
||||
| Dokument | Co wnosi |
|
||||
|---|---|
|
||||
| `Koncepcja 0.1.md` | Produkt, role, moduły, UX, kreator eksperymentu, use case'y |
|
||||
| `Opis celów analiz kognitywnych.md` | 15 celów biznesowych + mapowanie na metryki ET/FC |
|
||||
| `Specyfikacja-procesu-AI.md` | Logika procesu AI: kontrakty usług, orkiestracja, model danych, roadmapa |
|
||||
| `info.md` | Wymaganie: wymiana modelu AI na inny (np. Gemini, Opus) z poziomu panelu |
|
||||
|
||||
---
|
||||
|
||||
## Spis treści
|
||||
|
||||
1. [Streszczenie wykonawcze](#1-streszczenie-wykonawcze)
|
||||
2. [Wizja produktu i propozycja wartości](#2-wizja-produktu-i-propozycja-wartości)
|
||||
3. [Słownik pojęć (model domenowy)](#3-słownik-pojęć-model-domenowy)
|
||||
4. [Architektura logiczna platformy](#4-architektura-logiczna-platformy)
|
||||
5. [Organizacje, role i uprawnienia](#5-organizacje-role-i-uprawnienia)
|
||||
6. [Moduły platformy](#6-moduły-platformy)
|
||||
7. [Cykl życia eksperymentu (kreator 4 kroków)](#7-cykl-życia-eksperymentu-kreator-4-kroków)
|
||||
8. [Katalog celów analiz kognitywnych](#8-katalog-celów-analiz-kognitywnych)
|
||||
9. [Warstwa AI — proces analizy](#9-warstwa-ai--proces-analizy)
|
||||
10. [Wymienialność modeli AI (Proces ↔ Model)](#10-wymienialność-modeli-ai-proces--model)
|
||||
11. [Struktura i generowanie raportu](#11-struktura-i-generowanie-raportu)
|
||||
12. [Propozycja modelu danych (Supabase)](#12-propozycja-modelu-danych-supabase)
|
||||
13. [Kredyty, subskrypcje, przestrzeń dyskowa](#13-kredyty-subskrypcje-przestrzeń-dyskowa)
|
||||
14. [Logi i audyt](#14-logi-i-audyt)
|
||||
15. [Bezpieczeństwo, prywatność, zgodność](#15-bezpieczeństwo-prywatność-zgodność)
|
||||
16. [Internacjonalizacja](#16-internacjonalizacja)
|
||||
17. [Przepływy użytkownika (use case'y)](#17-przepływy-użytkownika-use-casey)
|
||||
18. [Zakres MVP 1.0 vs roadmapa](#18-zakres-mvp-10-vs-roadmapa)
|
||||
|
||||
---
|
||||
|
||||
## 1. Streszczenie wykonawcze
|
||||
|
||||
**AdReactions** to aplikacja SaaS do **predykcyjnego badania percepcji i emocji** wobec
|
||||
kreacji reklamowych - bez udziału realnych respondentów. Zamiast organizować kosztowne
|
||||
badania eye-trackingowe na ludziach, użytkownik wgrywa kreację (reklamę, baner, opakowanie, ekran UI) i otrzymuje **syntetyczny eye-tracking** oraz **predykcję reakcji emocjonalnej** generowane przez modele AI, w tym autorski model **ASM PNS**.
|
||||
|
||||
Cechą wyróżniającą produkt jest **odwrócenie perspektywy**: użytkownik nie konfiguruje metryk, tylko wybiera **cel biznesowy** („Która kreacja lepiej sprzedaje?", „Czy CTA działa?"), a system samodzielnie dobiera technologię analizy (Eye Tracking / Facial Coding / ET+FC), zestaw metryk i sposób interpretacji wyniku. Raport nie podaje surowych liczb, lecz **rekomendację z uzasadnieniem** („Wariant B lepiej realizuje cel sprzedażowy, ponieważ…").
|
||||
|
||||
**Zakres MVP 1.0:** platforma SaaS (organizacje, projekty, eksperymenty, galeria kreacji, raporty), kreator eksperymentu, panel administracyjny z **wymienialnymi modelami AI**, oraz pipeline AI obejmujący detekcję obiektów i predykcję uwagi wzrokowej (trzy modele saliency z walidacją krzyżową). Facial Coding, wizualizacje czasowe i ścieżki fiksacji są zaplanowane jako kolejne, niezależne gałęzie pipeline'u (patrz §18).
|
||||
|
||||
---
|
||||
|
||||
## 2. Wizja produktu i propozycja wartości
|
||||
|
||||
### 2.1. Problem
|
||||
|
||||
Klasyczne badania eye-trackingu i kodowania mimiki (facial coding) są drogie, czasochłonne
|
||||
i wymagają rekrutacji respondentów oraz sprzętu. Decyzje o wyborze wariantu kreacji
|
||||
zapadają więc często „na wyczucie", już po poniesieniu kosztów produkcji.
|
||||
|
||||
### 2.2. Propozycja wartości
|
||||
|
||||
- **Szybkość i koszt:** predykcja w minutach zamiast tygodni, bez respondentów.
|
||||
- **Decyzyjność:** wynik prowadzi do konkretnej rekomendacji („wybierz B"), a nie tabeli liczb.
|
||||
- **Porównywalność:** test A / AB / ABC pozwala zestawić warianty na jednej osi metryk.
|
||||
- **Segmentacja:** predykcje dla zdefiniowanej grupy docelowej (demografia, profile, neuroatypowość).
|
||||
- **Powtarzalność:** eksperyment można sklonować i zmodyfikować jako bazę kolejnego.
|
||||
|
||||
### 2.3. Kluczowa innowacja: „cel zamiast metryk"
|
||||
|
||||
To centralny mechanizm produktu (rozwinięty w §8). Pięć warstw od wyboru celu do rekomendacji:
|
||||
|
||||
```
|
||||
[1] Użytkownik wybiera CEL BIZNESOWY np. „Która kreacja lepiej sprzedaje?"
|
||||
│
|
||||
[2] System pokazuje OPIS POMOCNICZY „Sprawdź, który wariant prowadzi uwagę do CTA…"
|
||||
│
|
||||
[3] System rekomenduje TYP ANALIZY ET+FC (z możliwością zmiany przez użytkownika)
|
||||
│
|
||||
[4] System dobiera METRYKI „pod spodem" udział uwagi na CTA, Positive Valence, …
|
||||
│
|
||||
[5] Raport zwraca REKOMENDACJĘ Z UZASADNIENIEM „Wariant B…, ponieważ…"
|
||||
```
|
||||
|
||||
### 2.4. Odbiorcy (persony)
|
||||
|
||||
- **Marketer / brand manager** — wybiera wariant kampanii, potrzebuje rekomendacji.
|
||||
- **Agencja kreatywna** — testuje koncepty przed prezentacją klientowi (pitch).
|
||||
- **Projektant UX / CRO** — sprawdza, czy ekran prowadzi użytkownika do celu.
|
||||
- **Super administrator (operator platformy)** — zarządza organizacjami i modelami AI.
|
||||
|
||||
---
|
||||
|
||||
## 3. Słownik pojęć (model domenowy)
|
||||
|
||||
Ujednolicenie nazewnictwa używanego w dalszej części dokumentu.
|
||||
|
||||
| Pojęcie | Definicja |
|
||||
|---|---|
|
||||
| **Organizacja** | Najwyższy kontener klienta. Ma administratora, użytkowników, gości, projekty, pulę kredytów i przestrzeń dyskową. |
|
||||
| **Użytkownik** | Niezależne konto osoby. Może należeć do wielu organizacji [?]. |
|
||||
| **Projekt** | Kontener eksperymentów + galeria kreacji projektu. Typ pochodny: ET / FC / ET+FC. |
|
||||
| **Eksperyment** | Pojedyncza analiza predykcyjna 1–3 kreacji wg zadanego celu, grupy, parametrów. |
|
||||
| **Kreacja** | Materiał graficzny (PNG/JPEG) — reklama, baner, opakowanie, ekran. Jednostka wejściowa analizy. |
|
||||
| **Galeria** | Zbiór kreacji: na poziomie **organizacji** (współdzielona) i **projektu** (podzbiór roboczy). |
|
||||
| **Obiekt** | Rozpoznany element treści obrazu (osoba, butelka, logo…) z ramką (bbox). Źródło: AI lub użytkownik. |
|
||||
| **AOI** (Area of Interest) | Obszar zainteresowania o znaczeniu marketingowym (CTA, Logo, Key Visual…). Źródło: AI lub użytkownik. |
|
||||
| **Metryka** | Mierzalny wskaźnik percepcji/emocji (np. udział uwagi na AOI, Positive Valence). |
|
||||
| **Cel** | Pytanie biznesowe wybrane przez użytkownika; mapuje się na typ analizy i zestaw metryk. |
|
||||
| **Grupa docelowa** | Profil odbiorcy (wiek, płeć, miejsce, wykształcenie, dochód, neuroatypowość / preset). |
|
||||
| **Raport** | Złożenie wizualizacji, metryk i interpretacji kognitywnej dla eksperymentu. |
|
||||
| **Proces AI** | Pojedynczy krok analizy realizowany przez model (np. „detekcja obiektów", „predykcja saliency"). |
|
||||
| **Model AI** | Konkretny silnik realizujący proces (LLaVA, ASM, DeepGaze…), wymienny na inny (§10). |
|
||||
| **Kredyt / coin** | Wewnętrzna jednostka rozliczeniowa (eksperymenty, przestrzeń dyskowa). |
|
||||
|
||||
### Diagram relacji encji (uproszczony)
|
||||
|
||||
```
|
||||
Organizacja 1───* Użytkownik Organizacja 1───* Projekt
|
||||
│ │
|
||||
│ 1 │ 1
|
||||
* *
|
||||
Galeria(org) *───* Kreacja Eksperyment
|
||||
▲ │ * │ 1
|
||||
│ │ ├──* Kreacja (1–3: A/B/C)
|
||||
Galeria(projekt) *────┘ ├──* Obiekt
|
||||
├──* AOI
|
||||
├──1 Cel + Grupa docelowa + Parametry
|
||||
└──1 Raport ──* WynikModelu / Metryka
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 4. Architektura logiczna platformy
|
||||
|
||||
### 4.1. Warstwy
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────────────────────────────────────┐
|
||||
│ FRONTEND — React + shadcn/ui + Tailwind │
|
||||
│ Panele: Administracyjny · Użytkownika · Organizacji │
|
||||
│ Kreator eksperymentu (4 kroki) · Studio (obiekty/AOI) · Raport │
|
||||
└───────────────────────────────┬──────────────────────────────────────┘
|
||||
│ REST / RPC
|
||||
┌───────────────────────────────▼───────────────────────────────────────┐
|
||||
│ BACKEND — Node.js │
|
||||
│ • API platformy (CRUD: org, projekty, eksperymenty, galeria) │
|
||||
│ • Orkiestrator analizy AI (§9) — równoległe wywołania usług │
|
||||
│ • Warstwa metryk (saliency ∩ AOI → wskaźniki) │
|
||||
│ • Warstwa interpretacji kognitywnej (cel + metryki → rekomendacja) │
|
||||
│ • Generator raportu (PDF/XLS/wizualizacje) │
|
||||
│ • Rejestr modeli AI + router „Proces ↔ Model" (§10) │
|
||||
└──────────────┬────────────────────────────────────┬───────────────────┘
|
||||
│ │ HTTP POST (multipart)
|
||||
┌──────────────▼──────────────────┐ ┌─────────────▼──────────────────────┐
|
||||
│ SUPABASE │ │ WARSTWA MODELI AI (mikroserwisy) │
|
||||
│ • PostgreSQL (model danych) │ │ LLaVA · Grounding DINO · DeepGaze │
|
||||
│ • Storage (kreacje, artefakty) │ │ UNISAL · ASM (PNS) · [Gemini/Opus]│
|
||||
│ • Auth (konta, sesje, role) │ │ Wymienne wg konfiguracji procesu │
|
||||
└─────────────────────────────────┘ └────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 4.2. Stack technologiczny (z Koncepcji 0.1)
|
||||
|
||||
- **Front-end:** React / shadcn/ui + Tailwind
|
||||
- **Back-end:** Node.js
|
||||
- **Baza, Storage, Auth:** Supabase
|
||||
- **Warstwa AI:** mikroserwisy modelowe za REST API, orkiestrowane przez backend Node.js (§9).
|
||||
|
||||
### 4.3. Uwaga o orkiestracji
|
||||
|
||||
Logika procesu AI jest opisana **niezależnie od narzędzia orkiestrującego**
|
||||
(`Specyfikacja-procesu-AI.md`) i przeznaczona do implementacji jako komponent backendu
|
||||
Node.js: równoległe wywołania usług modelowych, agregacja wyników i obsługa błędów (§9).
|
||||
Pojedyncze modele (detekcja, saliency) pozostają niezależnymi mikroserwisami za REST API.
|
||||
|
||||
---
|
||||
|
||||
## 5. Organizacje, role i uprawnienia
|
||||
|
||||
### 5.1. Hierarchia
|
||||
|
||||
- **Super administrator** — operator platformy. Dostęp do panelu administracyjnego;
|
||||
zarządza organizacjami, użytkownikami i modelami AI. Może „wejść" w dowolną organizację
|
||||
i poruszać się w niej jak administrator. Ma dostęp do logów systemowych i logów eksperymentu.
|
||||
- **Administrator organizacji** — powstaje przy rejestracji organizacji; prawa zbywalne na
|
||||
innego użytkownika. Pełny dostęp do projektów, rozliczeń, planów i ustawień organizacji.
|
||||
- **Użytkownik** — niezależne konto; uprawnienia nadawane na poziomie organizacji i/lub projektu.
|
||||
- **Gość** — wymieniony w strukturze organizacji; zakres uprawnień do doprecyzowania **[?]**
|
||||
(proponowane: dostęp tylko do udostępnionych raportów, bez tworzenia treści).
|
||||
|
||||
### 5.2. Macierz uprawnień (propozycja ujednolicająca)
|
||||
|
||||
Uprawnienia działają na dwóch poziomach: **organizacji** i **konkretnego projektu**.
|
||||
|
||||
| Uprawnienie | Super Admin | Admin org. | Użytkownik (org.) | Użytkownik (projekt) | Gość |
|
||||
|---|:--:|:--:|:--:|:--:|:--:|
|
||||
| Panel administracyjny | ✓ | — | — | — | — |
|
||||
| Zarządzanie modelami AI | ✓ | — | — | — | — |
|
||||
| Tworzenie projektów | ✓ | ✓ | wg uprawnień | — | — |
|
||||
| Przeglądanie wszystkich projektów | ✓ | ✓ | wg uprawnień | — | — |
|
||||
| Edycja wszystkich projektów | ✓ | ✓ | wg uprawnień | — | — |
|
||||
| Usuwanie projektów | ✓ | ✓ | wg uprawnień | — | — |
|
||||
| Zapraszanie do projektów | ✓ | ✓ | wg uprawnień | wg roli projekt. | — |
|
||||
| Rozliczenia / plany / kredyty | ✓ | ✓ | — | — | — |
|
||||
| Tworzenie / konfiguracja eksperymentu | ✓ | ✓ | ✓ | Editor | — |
|
||||
| Podgląd raportu | ✓ | ✓ | ✓ | Editor / Viewer | Viewer (udostępniony) |
|
||||
|
||||
**Role w obrębie projektu** (przy udostępnianiu): **Editor** (edycja + zapraszanie) /
|
||||
**Viewer** (tylko podgląd). W Koncepcji 0.1 pojawia się też wariant „usuwanie, edycja i
|
||||
zapraszanie" — ujednolicić do 2–3 ról projektowych **[?]**.
|
||||
|
||||
---
|
||||
|
||||
## 6. Moduły platformy
|
||||
|
||||
### 6.1. Panel administracyjny (tylko Super Administrator)
|
||||
|
||||
**Sitebar:** Dashboard · Organizacje · Użytkownicy · Proces i modele AI · Logi.
|
||||
|
||||
- **Dashboard** — KPI z dynamiką 30 dni (graficznie + liczbowo): liczba organizacji,
|
||||
użytkowników, kreacji, przeprowadzonych eksperymentów.
|
||||
- **Organizacje** — lista + wyszukiwarka; wejście w organizację pozwala zarządzać danymi,
|
||||
użytkownikami, **kredytami** (globalnymi i miesięcznymi), aktywować / dezaktywować /
|
||||
archiwizować organizację.
|
||||
- **Użytkownicy** — lista + wyszukiwarka (dane podstawowe).
|
||||
- **Proces i modele AI** — **zamknięta lista procesów** realizowanych w eksperymentach
|
||||
oraz przypisany do każdego model AI. To miejsce wymiany modelu na inny (szczegóły §10).
|
||||
- **Logi** — logi całego systemu z filtrowaniem (użytkownik, organizacja, zakres dat, typ operacji).
|
||||
|
||||
### 6.2. Panel użytkownika (po zalogowaniu)
|
||||
|
||||
Z tego miejsca użytkownik może: przejść do wybranej organizacji, dodać nową organizację
|
||||
(limit: jedna nowa organizacja **[?]** — doprecyzować, czy dotyczy zakładania, czy członkostwa),
|
||||
zmienić dane, e-mail, hasło.
|
||||
|
||||
### 6.3. Panel organizacji (Administrator + użytkownicy)
|
||||
|
||||
**Sitebar:** Dashboard · Projekty · Galeria.
|
||||
**Topbar:** wybór organizacji · wyszukiwarka (projekty, kreacje, eksperymenty).
|
||||
**Sitebar** chowa się na mobile; **Workspace** to obszar roboczy.
|
||||
|
||||
- **Dashboard** — KPI: liczba kreacji w Galerii, liczba projektów, liczba eksperymentów.
|
||||
Przyciski szybkich akcji: *Dodaj kreację do Galerii* · *Utwórz nowy Projekt* ·
|
||||
*Przejdź do ostatniego eksperymentu*. Poniżej: lista projektów z wejściem.
|
||||
- **Galeria** — zarządzanie kreacjami organizacji: upload, kafelki ostatnio dodanych,
|
||||
pełna galeria (slider). Klik w kreację → **drawer** po prawej: powiększenie + lista
|
||||
eksperymentów/projektów, w których użyto kreacji (z przejściem do nich).
|
||||
- **Projekty** — lista projektów (nazwa, typ ET/FC/ET+FC), przycisk *Nowy projekt*.
|
||||
- **Panel projektu** — zarządzanie: przegląd, weryfikacja konfiguracji eksperymentów,
|
||||
usuwanie projektu/eksperymentów, udostępnianie projektu.
|
||||
- **Galeria projektu** — kreacje dodane do projektu (z Galerii organizacji lub własne projektu).
|
||||
W jednym eksperymencie maks. **3 kreacje (A, B, C)**. Liczba materiałów ograniczona
|
||||
przestrzenią dyskową subskrypcji (rozszerzalną za kredyty — §13).
|
||||
- **Galeria eksperymentów** — wszystkie eksperymenty projektu z kluczowymi parametrami
|
||||
(technologia ET/FC/ET+FC, typ testu, autor).
|
||||
|
||||
---
|
||||
|
||||
## 7. Cykl życia eksperymentu (kreator 4 kroków)
|
||||
|
||||
Każdy eksperyment przechodzi przez czterostopniowy kreator. Poniżej rozszerzenie z dopiętym
|
||||
mapowaniem na warstwę AI (§9) i metryki (§8).
|
||||
|
||||
### 7.1. Krok 1 — Cel i grupa docelowa
|
||||
|
||||
- **Cel** — wybór ze słownika 15 celów (§8) lub opis własny. Cel determinuje rekomendowany
|
||||
typ analizy i zestaw metryk.
|
||||
- **Grupa docelowa** — cechy metryczkowe lub gotowe presety:
|
||||
|
||||
| Kategoria | Wartości |
|
||||
|---|---|
|
||||
| **Wiek** | Młodzież (do 25) · Dorośli (26–64) · Seniorzy (65+) *(ujednolicić próg — patrz [?])* |
|
||||
| **Płeć** | Kobieta · Mężczyzna |
|
||||
| **Miejsce zamieszkania** | do 19 tys. · 20–50 tys. · 50–100 tys. · 100–500 tys. · >500 tys. |
|
||||
| **Wykształcenie** | Podstawowe · Zasadnicze zawodowe · Średnie · Wyższe · Wyższe / tytuł naukowy |
|
||||
| **Dochód** | Niski (≤MK) · Średni (MK–ŚK) · Wysoki (>ŚK) |
|
||||
| **Neuroatypowość** | Brak / Neurotypowy · ASD · ADHD · Zaburzenia depresyjne |
|
||||
| **Profile opisowe (presety)** | NT (Neurotypowy) · DE (Wykluczony cyfrowo) · SE (Silver Economy) · GZ (Gen-Z / Digital Native) |
|
||||
|
||||
> **Powiązanie z AI — kluczowa uwaga:** obecny pipeline (§9) **nie przyjmuje** parametrów
|
||||
> demograficznych na wejściu. Model ASM PNS ma docelowo generować predykcje różnicowane
|
||||
> dla grup, jednak mechanizm warunkowania (np. przez `prompt` ASM lub osobne wagi modelu)
|
||||
> wymaga decyzji. **[?]** — patrz §9.5 i `Pytania do koncepcji.md`.
|
||||
|
||||
### 7.2. Krok 2 — Parametry
|
||||
|
||||
- **Rodzaj analizy:** Eye Tracking · Facial Coding · ET+FC *(rekomendowany przez cel,
|
||||
edytowalny przez użytkownika)*.
|
||||
- **Rodzaj testu:** A (1 kreacja) · AB / AC / BC (2 kreacje) · ABC (3 kreacje).
|
||||
*Uwaga: Koncepcja 0.1 w jednym miejscu podaje A/AB/ABC, a w innym A/AB/AC/BC/ABC —
|
||||
ujednolicić.* **[?]**
|
||||
- **Czas obserwacji:** 1s · 3s · 5s · 10s · 15s · 20s.
|
||||
> Parametr nabiera pełnego znaczenia dopiero z **mapami czasowymi** (roadmapa). Przy
|
||||
> obecnej, statycznej saliency służy do wyboru klatek wizualizacji statycznej. **[?]**
|
||||
- **Zakres raportu:** wybór komponentów raportu (lista w §11).
|
||||
|
||||
### 7.3. Krok 3 — Studio
|
||||
|
||||
Edycja warstwy semantycznej obrazu przed analizą:
|
||||
|
||||
- **Obiekty** — użytkownik zaznacza obszary i nazywa je **lub** korzysta z **identyfikacji
|
||||
AI** (LLaVA → Grounding DINO), a następnie koryguje/usuwa. Słownik kategorii: Architektura,
|
||||
Celebryci, Chemia, Edukacja, Elektronika, Finanse, Handel, Kosmetyki, Logistyka, Militaria,
|
||||
Motoryzacja, Osoby, Przemysł, Przyroda, Sport, Ubrania, Zwierzęta, Żywność, Inne…
|
||||
- **AOI** — analogicznie: ręcznie lub AI, z korektą. Słownik AOI: CTA, Dowód społeczny,
|
||||
Key Visual, Kod QR, Kolorystyka, Kontakt, Korzyści, Kupon, Layout, Logo, Mapa, Nagłówek,
|
||||
Narracja, Numer katalogowy, Regulaminy, Slogan, Ton komunikacji, Treść, Typografia, Tło…
|
||||
|
||||
> **Obiekt vs AOI:** obiekty to *co jest na obrazie* (detekcja treści), AOI to *obszary o
|
||||
> znaczeniu marketingowym* (jednostka analizy uwagi). Pipeline pewnie wykrywa **obiekty**;
|
||||
> **AOI semantyczne** wymagają albo wskazania przez użytkownika, albo dodatkowego mapowania
|
||||
> obiekt→AOI. **[?]**
|
||||
|
||||
### 7.4. Krok 4 — Raport
|
||||
|
||||
Generowanie i prezentacja wyników — szczegóły w §11.
|
||||
|
||||
### 7.5. Logi eksperymentu
|
||||
|
||||
Super administrator po wejściu w eksperyment widzi pełne logi: wszystkie działania i
|
||||
ustawienia użytkownika oraz **wszystkie dane wysłane do i odebrane z modeli AI** (audyt
|
||||
predykcji — istotne przy wymianie modeli, §10).
|
||||
|
||||
---
|
||||
|
||||
## 8. Katalog celów analiz kognitywnych
|
||||
|
||||
Mechanizm „cel zamiast metryk" (§2.3). Pełne opisy 15 celów znajdują się w
|
||||
`Opis celów analiz kognitywnych.md`; poniżej **tabela zbiorcza** jako referencja
|
||||
konfiguracyjna (źródło prawdy dla domyślnego doboru typu analizy i metryk).
|
||||
|
||||
| # | Cel (nazwa UI) | Rekom. analiza | Sygnał kluczowy |
|
||||
|---|---|:--:|---|
|
||||
| 1 | Która kreacja lepiej sprzedaje? | ET+FC | uwaga na produkt/benefit/CTA + niskie napięcie |
|
||||
| 2 | Czy odbiorca widzi najważniejszy przekaz? | ET (opc. ET+FC) | zauważalność i czas dotarcia do komunikatu |
|
||||
| 3 | Czy CTA działa? | ET+FC | widoczność CTA + brak oporu emocjonalnego |
|
||||
| 4 | Która kreacja zostaje w pamięci? | ET+FC | uwaga + pobudzenie (High Arousal) |
|
||||
| 5 | Która kreacja najlepiej buduje markę? | ET+FC | uwaga na logo + pozytywna walencja |
|
||||
| 6 | Czy kreacja budzi negatywne reakcje? | FC (opc. ET+FC) | Negative Valence + High Arousal na elemencie |
|
||||
| 7 | Czy przekaz jest zrozumiały? | ET (opc. ET+FC) | logiczna ścieżka, brak chaosu/powrotów |
|
||||
| 8 | Czy kreacja działa od pierwszych sekund? | ET+FC | pierwsza fiksacja + impuls emocjonalny 1–3s |
|
||||
| 9 | Czy kreacja angażuje, czy jest obojętna? | FC (opc. ET+FC) | aktywacja vs Low Arousal / Neutral |
|
||||
| 10 | Który styl komunikacji działa lepiej? | ET+FC | rozkład uwagi tekst/obraz + profil emocji |
|
||||
| 11 | Które opakowanie lepiej przyciąga klienta? | ET+FC | marka/wariant/benefit + atrakcyjność |
|
||||
| 12 | Czy ekran prowadzi użytkownika do celu? | ET+FC | ścieżka do akcji + komfort/frustracja |
|
||||
| 13 | Która kreacja najlepiej pasuje do grupy docelowej? | ET+FC | różnice między segmentami |
|
||||
| 14 | Która kreacja jest najbezpieczniejsza? | ET+FC | niska negatywność/ambiwalencja, czytelność |
|
||||
| 15 | Która kreacja najbardziej się wyróżnia? | ET+FC | siła pierwszej fiksacji + aktywacja |
|
||||
|
||||
**Zasada interpretacji wspólna dla wszystkich celów:** raport rozróżnia warianty
|
||||
**pozytywne / neutralne / ryzykowne** (np. „wyróżnialność pozytywna" vs „ryzykowna"),
|
||||
a rekomendacja zależy od **kontekstu kampanii** (performance vs wizerunek) i **grupy docelowej**.
|
||||
|
||||
---
|
||||
|
||||
## 9. Warstwa AI — proces analizy
|
||||
|
||||
Sekcja opiera się na `Specyfikacja-procesu-AI.md` — opisie logiki procesu niezależnym od
|
||||
narzędzia orkiestrującego. Proces jest **bezstanowy**: jedno wejście (obraz) → jeden komplet wyników.
|
||||
|
||||
### 9.1. Pipeline i usługi
|
||||
|
||||
```
|
||||
Wejście: obraz (PNG/JPEG)
|
||||
│ preprocessing → bytes + base64 + mime + (w,h)
|
||||
┌──────────────┼───────────────┬───────────────┬───────────────┐
|
||||
▼ (łańcuch A, sekwencyjny) ▼ (B) ▼ (C) ▼ (D)
|
||||
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐
|
||||
│ LLaVA │ etykiety │ DeepGaze │ │ UNISAL │ │ ASM (PNS) │
|
||||
│ (VLM) │───┐ │(saliency)│ │(saliency)│ │ 2× saliency │
|
||||
└──────────┘ ▼ └────┬─────┘ └────┬─────┘ └──────┬───────┘
|
||||
┌─────────────┐ │ │ │
|
||||
│ Grounding │ └──────────────┴────────────────┘
|
||||
│ DINO (boxy) │ │ agregacja saliency
|
||||
└─────┬───────┘ ▼
|
||||
▼ ┌─────────────────────────────┐
|
||||
detekcja obiektów │ Artefakty: overlay boxów · │
|
||||
│ nakładka heatmapy (suwak) · │
|
||||
│ porównanie 2×2 (walid. krzyż)│
|
||||
└─────────────────────────────┘
|
||||
```
|
||||
|
||||
**Pięć modeli / procesów (wg specyfikacji procesu AI):**
|
||||
|
||||
| # | Model | Proces | Endpoint (wzorzec) | Auth |
|
||||
|---|---|---|---|---|
|
||||
| 1 | **LLaVA** | ekstrakcja typów obiektów (open-vocabulary) | `/llava-api/v1/get-object-types` | Bearer |
|
||||
| 2 | **Grounding DINO** | detekcja / bounding boxy | `/grounding-dino-api/v1/get-objects-bboxes` | Bearer |
|
||||
| 3 | **DeepGaze** | predykcja saliency | `/v1/predict-heatmap` | Bearer |
|
||||
| 4 | **UNISAL** | predykcja saliency (porównawcza) | `/unisal/process-image?as_base64=true` | X-API-Key |
|
||||
| 5 | **ASM (PNS)** | 2× saliency, warunkowane promptem marketingowym | `/asmModel/process-image?prompt=…` | X-API-Key |
|
||||
|
||||
**Zależności i równoległość:**
|
||||
- Łańcuch A jest **sekwencyjny** (Grounding DINO potrzebuje etykiet z LLaVA).
|
||||
- Gałęzie A, B, C, D są **niezależne** → wykonywane **równolegle**; czas ≈ najwolniejsza gałąź.
|
||||
- **Odporność:** awaria jednej gałęzi nie przerywa całości — degradacja stopniowa
|
||||
(`return_exceptions` / per-task `try/except`); pozostałe artefakty powstają normalnie.
|
||||
|
||||
### 9.2. Model danych wyników (z §4 specyfikacji)
|
||||
|
||||
```
|
||||
AnalysisResult {
|
||||
image : ImageInput { bytes, base64, mime, width, height }
|
||||
detection : DetectionResult { objects: [{ object_type, bbox_xyxy, score }] }
|
||||
saliency : SaliencyMap[] // deepgaze, unisal, asm_detailed, asm_general
|
||||
}
|
||||
```
|
||||
|
||||
### 9.3. Artefakty wizualizacyjne (warstwa prezentacji)
|
||||
|
||||
1. **Overlay detekcji** — ramki per obiekt, kolor per typ, podpis `typ + score%`,
|
||||
pozycje w procentach wymiarów (responsywność).
|
||||
2. **Nakładka heatmapy** — pojedyncza mapa uwagi + suwak przezroczystości 0–100%.
|
||||
3. **Porównanie 2×2** — DeepGaze / UNISAL / ASM detailed / ASM general; wspólny suwak,
|
||||
technika „inwersji" (blend luminancji: biel = wysoka uwaga → efekt reflektora).
|
||||
|
||||
### 9.4. Mapowanie: technologie badawcze (produkt) ↔ usługi AI (pipeline)
|
||||
|
||||
| Warstwa produktu | Realizacja w AI | Status |
|
||||
|---|---|:--:|
|
||||
| **Eye Tracking** — mapy uwagi, udział uwagi na AOI | DeepGaze · UNISAL · ASM (saliency statyczna) | ✅ jest |
|
||||
| Rozumienie treści — obiekty, opis | LLaVA + Grounding DINO | ✅ jest |
|
||||
| **ET czasowy** — mapy dynamiczne 1–20s | saliency w interwałach czasu | 🟡 roadmapa |
|
||||
| **ET** — ścieżki fiksacji (scanpath) | model scanpath | 🟡 roadmapa |
|
||||
| **Facial Coding** — walencja, pobudzenie, frustracja… | mapa emocji | 🟡 roadmapa |
|
||||
| **Analiza kognitywna** — rekomendacja z uzasadnieniem | warstwa interpretacji (LLM nad metrykami) | 🔵 do zbudowania |
|
||||
| **Predykcje per grupa docelowa** | warunkowanie modelu demografią | 🟡 do zaprojektowania |
|
||||
|
||||
> Legenda: ✅ objęte specyfikacją procesu (modele dostępne) · 🟡 roadmapa (§11 specyfikacji) · 🔵 nowy komponent.
|
||||
|
||||
### 9.5. Macierz wykonalności metryk w MVP (najważniejsza sekcja inżynierska)
|
||||
|
||||
Większość metryk z `Opis celów…` wymaga komponentów, których **nie ma** w obecnym
|
||||
pipeline. To rozgraniczenie jest krytyczne dla zakresu MVP.
|
||||
|
||||
| Metryka (z celów) | Czego wymaga | Wykonalne w MVP? |
|
||||
|---|---|:--:|
|
||||
| Udział uwagi na AOI (%) | saliency statyczna ∩ AOI | ✅ tak |
|
||||
| Ranking AOI wg uwagi | saliency ∩ AOI | ✅ tak |
|
||||
| Mapa cieplna statyczna | saliency | ✅ tak |
|
||||
| Porównanie kreacji wg uwagi | saliency × N kreacji | ✅ tak |
|
||||
| Czas do pierwszej fiksacji | scanpath (wymiar czasu) | ❌ roadmapa |
|
||||
| Kolejność kontaktu z AOI / „ścieżka AOI" | scanpath | ❌ roadmapa* |
|
||||
| Liczba powrotów wzroku | scanpath | ❌ roadmapa |
|
||||
| Mapy dynamiczne 1–20s | saliency czasowa | ❌ roadmapa |
|
||||
| Ścieżki fiksacji | model scanpath | ❌ roadmapa |
|
||||
| Positive/Negative Valence, Arousal, Frustration, Ambivalence, Comfort… | model emocji (FC) | ❌ roadmapa |
|
||||
| Różnice metryk między segmentami | warunkowanie demografią | ❌ do zaprojektowania |
|
||||
|
||||
\* „Ścieżkę AOI" można w MVP **przybliżyć** rankingiem AOI wg intensywności saliency
|
||||
(kolejność „od najsilniejszego"), zaznaczając, że to heurystyka, a nie prawdziwa sekwencja
|
||||
fiksacji. **[?]**
|
||||
|
||||
**Wniosek:** w MVP z obecnym pipeline'em wiarygodnie policzymy metryki **udziału uwagi na
|
||||
AOI** i ich **porównanie między wariantami** (cele silnie ET, np. #2, #7, częściowo #1, #3).
|
||||
Cele oparte na **emocjach** (#6, #9) i **wymiarze czasu** (#8) wymagają roadmapowych modeli
|
||||
FC / saliency czasowej, albo świadomego **ograniczenia zakresu MVP**. → decyzja właściciela
|
||||
produktu (`Pytania do koncepcji.md`).
|
||||
|
||||
---
|
||||
|
||||
## 10. Wymienialność modeli AI (Proces ↔ Model)
|
||||
|
||||
Wymaganie z `info.md`: w MVP 1.0 musi istnieć możliwość **zmiany modelu realizującego dany
|
||||
proces** na inny (np. publiczny **Gemini**, **Opus**), z poziomu panelu administracyjnego.
|
||||
|
||||
### 10.1. Zasada: rozdzielenie procesu od modelu
|
||||
|
||||
```
|
||||
PROCES (stały, zamknięta lista) MODEL (wymienny) USŁUGA (endpoint)
|
||||
───────────────────────────── ───────────────── ─────────────────
|
||||
Ekstrakcja typów obiektów ──► LLaVA ──► http://{LLaVA}/llava-api/...
|
||||
╲─► [Gemini Vision] ──► adapter → API Gemini
|
||||
Detekcja obiektów (boxy) ──► Grounding DINO ──► .../get-objects-bboxes
|
||||
Predykcja saliency #1 ──► DeepGaze ──► /v1/predict-heatmap
|
||||
Predykcja saliency #2 ──► UNISAL ──► /unisal/process-image
|
||||
Predykcja saliency (centralna) ──► ASM (PNS) ──► /asmModel/process-image
|
||||
[Mapa emocji — roadmapa] ──► [FC model] ──► …
|
||||
```
|
||||
|
||||
Każdy **proces** ma zdefiniowany **kontrakt** (wejście: obraz [+ parametry]; wyjście:
|
||||
ustandaryzowany typ — `labels[]`, `bboxes[]`, `SaliencyMap`). Model jest podpięty przez
|
||||
**adapter** tłumaczący kontrakt procesu na konkretne API. Dzięki temu podmiana
|
||||
LLaVA→Gemini nie zmienia reszty pipeline'u.
|
||||
|
||||
### 10.2. Wzorzec adaptera
|
||||
|
||||
Aby podpiąć nowy model (np. Gemini/Opus) trzeba dostarczyć **adapter** = kod realizujący:
|
||||
1. **mapowanie wejścia** procesu → format żądania modelu (multipart / JSON, prompt, parametry),
|
||||
2. **wywołanie** (URL, schemat auth: Bearer vs X-API-Key vs klucz dostawcy),
|
||||
3. **mapowanie wyjścia** modelu → ustandaryzowany typ procesu (np. `labels[]`).
|
||||
|
||||
To realizuje zdanie z `info.md`: „powinien być dodany kod, który realizuje usługę".
|
||||
Każdy proces = interfejs; każdy model = jego implementacja (adapter).
|
||||
|
||||
### 10.3. Panel „Proces i modele AI" (rozszerzenie)
|
||||
|
||||
Ekran administracyjny prezentuje **zamkniętą listę procesów** i pozwala dla każdego:
|
||||
|
||||
- wybrać **aktywny model** (z listy zarejestrowanych adapterów),
|
||||
- skonfigurować **endpoint / klucze / parametry** (host, token, prompt ASM, `max_objects`,
|
||||
`temperature`…) — przechowywane jako sekrety (Supabase / vault), nie w kodzie,
|
||||
- wykonać **test połączenia** (health-check) i podgląd przykładowego wyniku,
|
||||
- (zalecane) **wersjonować** przypisanie model↔proces, aby logi eksperymentu wskazywały,
|
||||
którym modelem policzono dany raport (powtarzalność, audyt — §7.5).
|
||||
|
||||
> W MVP konfiguracja modeli (adresy URL, token/klucz, parametry) jest zarządzana z panelu
|
||||
> administracyjnego i przechowywana w magazynie sekretów (Supabase / vault), nie w kodzie.
|
||||
|
||||
### 10.4. Modele własne vs publiczne
|
||||
|
||||
- **Własne (mikroserwisy):** LLaVA, Grounding DINO, DeepGaze, UNISAL, ASM (PNS) — pełna
|
||||
kontrola, model ASM jest rdzeniem przewagi produktu.
|
||||
- **Publiczne (API dostawców):** Gemini, Opus (Anthropic) i inne — przydatne dla procesów
|
||||
„rozumienia treści" (opis kreacji, lista obiektów) jako alternatywa/fallback dla LLaVA.
|
||||
**Uwaga:** modele saliency (predykcja uwagi) i FC są wyspecjalizowane — publiczne LLM-y
|
||||
ogólnego przeznaczenia ich **nie zastąpią 1:1**; wymienialność ma największy sens dla
|
||||
procesów językowo-wizualnych (etykiety, opis), a nie dla rdzennej predykcji uwagi. **[?]**
|
||||
|
||||
---
|
||||
|
||||
## 11. Struktura i generowanie raportu
|
||||
|
||||
### 11.1. Komponenty raportu i ich źródła (macierz śledzenia)
|
||||
|
||||
| Komponent raportu | Źródło danych (proces/model) | Status MVP |
|
||||
|---|---|:--:|
|
||||
| Opis ogólny kreacji | LLaVA / opis (ew. ASM prompt) | ✅ |
|
||||
| Lista obiektów | LLaVA + Grounding DINO | ✅ |
|
||||
| Lista i opis AOI | użytkownik (Studio) ± mapowanie z obiektów | 🟡 częściowo |
|
||||
| Mapy cieplne — statyczne (1/3/5/10/15/20s) | DeepGaze/UNISAL/ASM (1 mapa = 1 klatka) | ✅ (jedna klatka)* |
|
||||
| Mapy cieplne — dynamiczne 1–20s | saliency czasowa | 🟡 roadmapa |
|
||||
| Ścieżki fiksacji — statyczne/dynamiczne | model scanpath | 🟡 roadmapa |
|
||||
| Ścieżka AOI | scanpath (lub przybliżenie rankingiem) | 🟡 / heurystyka |
|
||||
| Analiza kognitywna (rekomendacja) | warstwa interpretacji (cel + metryki → tekst) | 🔵 do zbudowania |
|
||||
| Tabela porównawcza z metrykami | warstwa metryk (saliency ∩ AOI) | ✅ (zakres ET-static) |
|
||||
|
||||
\* obecne modele zwracają **jedną** mapę saliency; „statyczne 1/3/5/10/15/20s" są realne
|
||||
dopiero z saliency czasową — w MVP można pokazać jedną mapę zagregowaną. **[?]**
|
||||
|
||||
### 11.2. Warianty A / AB / ABC
|
||||
|
||||
- Komponenty raportu powielają się per kreacja: **AB** → 2 kreacje, **ABC** → 3 kreacje.
|
||||
- Sednem jest **zestawienie porównawcze** i rekomendacja „który wariant wygrywa i dlaczego",
|
||||
z rozbiciem na zwycięzcę ogólnego i zwycięzcę dla grupy docelowej (cel #13).
|
||||
|
||||
### 11.3. Eksport i udostępnianie
|
||||
|
||||
- **Eksport:** PDF (raport). Use case 2 dodaje **XLS** (tabele metryk) i **AVI** (dynamiczne
|
||||
mapy/ścieżki) — zależne od roadmapy czasowej. **[?]**
|
||||
- **Udostępnianie:** wg uprawnień projektu; **link do eksperymentu** (Editor / Viewer).
|
||||
Doprecyzować: link publiczny czy wymaga konta. **[?]**
|
||||
- **Klonowanie:** „Zmień ten eksperyment" / „Edytuj" → prośba o nową nazwę → przekierowanie
|
||||
do Kroku 1 z prekonfiguracją z eksperymentu bazowego (wersjonowanie — §12, [?]).
|
||||
|
||||
---
|
||||
|
||||
## 12. Propozycja modelu danych (Supabase)
|
||||
|
||||
Szkic encji do walidacji (nazwy robocze). Klucze obce uproszczone.
|
||||
|
||||
```
|
||||
organizations(id, name, status[active|inactive|archived], credits_balance,
|
||||
storage_quota_mb, created_at)
|
||||
users(id, email, display_name, locale, created_at)
|
||||
memberships(id, org_id, user_id, role[admin|member|guest]) // M:N user↔org
|
||||
projects(id, org_id, name, type[ET|FC|ET_FC], created_by, created_at)
|
||||
project_permissions(id, project_id, user_id, role[editor|viewer])
|
||||
creatives(id, org_id, project_id?, storage_path, mime, width, height, created_by)
|
||||
experiments(id, project_id, name, goal_id, test_type[A|AB|AC|BC|ABC],
|
||||
analysis_type[ET|FC|ET_FC], observation_time_s, report_scope jsonb,
|
||||
target_group jsonb, base_experiment_id?, status, created_by, created_at)
|
||||
experiment_creatives(id, experiment_id, creative_id, slot[A|B|C])
|
||||
aois(id, experiment_id, creative_id, name, category, polygon jsonb, source[ai|user])
|
||||
objects(id, experiment_id, creative_id, object_type, bbox_xyxy jsonb, score, source)
|
||||
ai_runs(id, experiment_id, process_key, model_key, request jsonb, response_ref,
|
||||
status, duration_ms, created_at) // audyt: który model, jaki wynik
|
||||
saliency_maps(id, ai_run_id, source[deepgaze|unisal|asm_detailed|asm_general],
|
||||
storage_path, mime)
|
||||
metrics(id, experiment_id, creative_id, aoi_id?, key, value) // policzone wskaźniki
|
||||
reports(id, experiment_id, pdf_path?, xls_path?, generated_at)
|
||||
ai_processes(key, name, contract) // zamknięta lista procesów
|
||||
ai_models(key, name, kind[own|public], adapter, config_ref) // rejestr modeli
|
||||
process_model_binding(process_key, model_key, active, version) // Proces ↔ Model (§10)
|
||||
audit_logs(id, org_id?, user_id?, action, target, payload jsonb, created_at)
|
||||
```
|
||||
|
||||
Kluczowe dla wymagań:
|
||||
- `ai_runs` + `process_model_binding` → realizują **wymienialność modeli** i **audyt
|
||||
predykcji** (logi eksperymentu, §7.5).
|
||||
- `base_experiment_id` → realizuje **klonowanie** eksperymentu.
|
||||
- `target_group jsonb` → przechowuje profil grupy (wejście dla przyszłego warunkowania).
|
||||
|
||||
---
|
||||
|
||||
## 13. Kredyty, subskrypcje, przestrzeń dyskowa
|
||||
|
||||
Z Koncepcji 0.1 wynika istnienie **kredytów/coinów** (globalnych i miesięcznych) oraz
|
||||
**przestrzeni dyskowej** zależnej od subskrypcji i rozszerzalnej za punkty. Wymaga to
|
||||
doprecyzowania modelu rozliczeń — propozycja ramowa (do potwierdzenia, **[?]**):
|
||||
|
||||
| Element | Propozycja |
|
||||
|---|---|
|
||||
| Naliczanie za eksperyment | koszt zależny od typu analizy (ET < FC < ET+FC) i liczby kreacji (A/AB/ABC) |
|
||||
| Kredyty miesięczne | pula odnawialna w cyklu rozliczeniowym (zarządzana przez Super Admina) |
|
||||
| Kredyty globalne | pula dokupiona, nieodnawialna |
|
||||
| Przestrzeń dyskowa | limit z planu; rozszerzenie za kredyty wg cennika przestrzeni |
|
||||
| Plany subskrypcji | **niezdefiniowane w źródłach** — wymagają osobnej specyfikacji |
|
||||
|
||||
Decyzje otwarte: cennik (ile kredytów za co), polityka wygasania kredytów, obsługa
|
||||
przekroczenia limitów, fakturowanie. → `Pytania do koncepcji.md`.
|
||||
|
||||
---
|
||||
|
||||
## 14. Logi i audyt
|
||||
|
||||
Dwa poziomy:
|
||||
- **Logi systemowe** (panel administracyjny) — filtrowanie po użytkowniku, organizacji,
|
||||
zakresie dat, typie operacji.
|
||||
- **Logi eksperymentu** (Super Admin) — pełen ślad: działania i ustawienia użytkownika +
|
||||
**wszystkie dane wysłane/odebrane z modeli AI**. Powiązane z `ai_runs` (§12): każda
|
||||
predykcja zapisuje proces, model, żądanie i referencję odpowiedzi → audyt i powtarzalność,
|
||||
szczególnie po podmianie modelu (§10).
|
||||
|
||||
---
|
||||
|
||||
## 15. Bezpieczeństwo, prywatność, zgodność
|
||||
|
||||
- **Brak danych respondentów:** produkt generuje **predykcje AI**, nie zbiera danych od
|
||||
realnych osób — to istotnie obniża ryzyko RODO względem klasycznego eye-trackingu.
|
||||
Dane osobowe ograniczają się do **kont użytkowników** (auth Supabase).
|
||||
- **Własność treści:** kreacje klientów to materiały chronione — kontrola dostępu na poziomie
|
||||
organizacji/projektu; izolacja danych między organizacjami (RLS w Supabase — zalecane).
|
||||
- **Sekrety:** klucze i hosty modeli poza kodem (vault / zmienne środowiskowe), nie w repo.
|
||||
- **Dane wysyłane do modeli publicznych:** przy podmianie na Gemini/Opus kreacje opuszczają
|
||||
infrastrukturę własną → wymagana zgoda klienta i zapis w politykach. **[?]**
|
||||
- **Profile wrażliwe:** kategoria **neuroatypowość** (ASD/ADHD/depresja) to dane wrażliwe
|
||||
w warstwie *konfiguracji predykcji* (nie dotyczą realnych osób), ale komunikacja wyników
|
||||
powinna unikać sugestii diagnostycznych. **[?]**
|
||||
|
||||
---
|
||||
|
||||
## 16. Internacjonalizacja
|
||||
|
||||
- **Języki UI w MVP 1.0:** polski, angielski (kolejne w następnych wersjach).
|
||||
- **Język raportu / interpretacji kognitywnej:** powinien podążać za locale użytkownika —
|
||||
warstwa interpretacji (LLM) generuje tekst w wybranym języku. **[?]**
|
||||
- **Prompt ASM:** obecnie po angielsku (`"Describe the image in the style of a polished
|
||||
marketing ad."`) — traktowany jako **parametr konfigurowalny** (nie stała), niezależny od
|
||||
języka UI.
|
||||
|
||||
---
|
||||
|
||||
## 17. Przepływy użytkownika (use case'y)
|
||||
|
||||
### UC1 — Eksperyment ABC bez zmian w Studio (obiekty/AOI z AI)
|
||||
|
||||
1. Rejestracja → 2. Logowanie → 3. Utworzenie organizacji → 4. Dodanie kreacji do Galerii →
|
||||
5. Nowy projekt → eksperyment: cel + grupa docelowa, typ **ABC** + 3 kreacje, parametry,
|
||||
**bez** zmian w Studio → 6. Generowanie raportu → 7. Eksport **PDF** → 8. Udostępnienie
|
||||
(Editor/Viewer) → 9. „Zmień ten eksperyment" → nowa nazwa → Krok 1 z prekonfiguracją.
|
||||
|
||||
### UC2 — Eksperyment ABC ze zmianami w Studio + segment
|
||||
|
||||
Jak UC1, z konkretną grupą docelową (np. Młodzież / Kobieta / miasto do 19 tys. / wyższe /
|
||||
dochód średni / neurotypowy), celem „Która kreacja lepiej sprzedaje?", **ET+FC**, 3 kreacje,
|
||||
obiekty/AOI wskazane przez AI (z możliwą korektą), eksport **PDF + XLS + AVI**, udostępnienie
|
||||
1× Editor i 1× Viewer, oraz „Edytuj" jako baza kolejnego eksperymentu.
|
||||
|
||||
> UC2 uruchamia komponenty roadmapowe (FC, XLS metryk, AVI dynamiczne) — w MVP zrealizowany
|
||||
> w zakresie dostępnych metryk ET-static, z resztą oznaczoną jako „wkrótce". **[?]**
|
||||
|
||||
---
|
||||
|
||||
## 18. Zakres MVP 1.0 vs roadmapa
|
||||
|
||||
### ✅ W zakresie MVP 1.0
|
||||
|
||||
- Platforma SaaS: organizacje, role/uprawnienia, projekty, galeria (org + projekt), eksperymenty.
|
||||
- Kreator eksperymentu (4 kroki), słowniki celów / obiektów / AOI / grup docelowych.
|
||||
- Studio: ręczne i AI-wspomagane obiekty/AOI (LLaVA + Grounding DINO).
|
||||
- Pipeline AI: detekcja obiektów + **saliency statyczna z 3 modeli** (DeepGaze, UNISAL, ASM)
|
||||
z walidacją krzyżową i wizualizacjami (overlay, nakładka, porównanie 2×2).
|
||||
- Metryki **udziału uwagi na AOI** i porównanie wariantów; raport + eksport PDF.
|
||||
- Panel administracyjny: organizacje, użytkownicy, **wymiana modeli AI (Proces ↔ Model)**, logi.
|
||||
- Warstwa interpretacji kognitywnej (rekomendacja z uzasadnieniem) — **do zbudowania**, ale
|
||||
należy do rdzenia wartości MVP (bez niej raport jest zbiorem liczb). **[?] priorytet.**
|
||||
|
||||
### 🟡 Roadmapa (kolejne wersje — §11 specyfikacji procesu AI)
|
||||
|
||||
- **Facial Coding / mapa emocji** (walencja, pobudzenie, frustracja, ambiwalencja, komfort…).
|
||||
- **Mapy cieplne dynamiczne 1–20s** (saliency w interwałach czasu).
|
||||
- **Ścieżki fiksacji (scanpath)** i pełna **„ścieżka AOI"** z sekwencją czasową.
|
||||
- **Predykcje różnicowane per grupa docelowa** (warunkowanie modelu demografią).
|
||||
- Eksporty **XLS / AVI**, kolejne języki UI.
|
||||
|
||||
### 🔑 Rekomendacja zakresowa
|
||||
|
||||
MVP powinno **dowieźć pętlę wartości** dla podzbioru celów silnie ET (np. #2 „Czy odbiorca
|
||||
widzi przekaz?", #7 „Czy przekaz jest zrozumiały?", częściowo #1/#3) — tam obecny pipeline
|
||||
daje wiarygodne metryki. Cele zależne od emocji i czasu zaprezentować jako „wkrótce", aby nie
|
||||
obiecywać wyników, których pipeline jeszcze nie liczy. Ostateczna lista celów MVP →
|
||||
decyzja właściciela produktu.
|
||||
|
||||
---
|
||||
|
||||
*Dokument roboczy v0.2. Miejsca [?] wymagają decyzji — zebrane w `Pytania do koncepcji.md`.*
|
||||
798
Koncepcja 0.3.md
Normal file
798
Koncepcja 0.3.md
Normal file
|
|
@ -0,0 +1,798 @@
|
|||
# AdReactions - Koncepcja platformy v0.3
|
||||
|
||||
> Status dokumentu: robocza koncepcja produktu. Spina w jedną całość model domenowy,
|
||||
> mapowanie cel biznesowy -> metryki -> usługi AI, zasady wymienialności modeli,
|
||||
> propozycję modelu danych oraz zakres MVP 1.0.
|
||||
>
|
||||
> Nieliczne kwestie pozostają otwarte. Oznaczono je w tekście jako **[do doprecyzowania]**
|
||||
> i zebrano w pliku `Pytania do koncepcji - uzupełnienie.md`.
|
||||
|
||||
---
|
||||
|
||||
## Spis treści
|
||||
|
||||
1. [Streszczenie wykonawcze](#1-streszczenie-wykonawcze)
|
||||
2. [Wizja produktu i propozycja wartości](#2-wizja-produktu-i-propozycja-wartości)
|
||||
3. [Słownik pojęć (model domenowy)](#3-słownik-pojęć-model-domenowy)
|
||||
4. [Architektura logiczna platformy](#4-architektura-logiczna-platformy)
|
||||
5. [Organizacje, role i uprawnienia](#5-organizacje-role-i-uprawnienia)
|
||||
6. [Moduły platformy](#6-moduły-platformy)
|
||||
7. [Cykl życia eksperymentu (kreator 4 kroków)](#7-cykl-życia-eksperymentu-kreator-4-kroków)
|
||||
8. [Katalog celów analiz kognitywnych](#8-katalog-celów-analiz-kognitywnych)
|
||||
9. [Warstwa AI - proces analizy](#9-warstwa-ai---proces-analizy)
|
||||
10. [Wymienialność modeli AI (Proces <-> Model)](#10-wymienialność-modeli-ai-proces---model)
|
||||
11. [Struktura i generowanie raportu](#11-struktura-i-generowanie-raportu)
|
||||
12. [Propozycja modelu danych (Supabase)](#12-propozycja-modelu-danych-supabase)
|
||||
13. [Kredyty, plany, przestrzeń dyskowa](#13-kredyty-plany-przestrzeń-dyskowa)
|
||||
14. [Logi i audyt](#14-logi-i-audyt)
|
||||
15. [Bezpieczeństwo, prywatność, zgodność](#15-bezpieczeństwo-prywatność-zgodność)
|
||||
16. [Internacjonalizacja](#16-internacjonalizacja)
|
||||
17. [Przepływy użytkownika (use case'y)](#17-przepływy-użytkownika-use-casey)
|
||||
18. [Zakres MVP 1.0 vs roadmapa](#18-zakres-mvp-10-vs-roadmapa)
|
||||
|
||||
---
|
||||
|
||||
## 1. Streszczenie wykonawcze
|
||||
|
||||
**AdReactions** to aplikacja SaaS do predykcyjnego badania percepcji i emocji wobec kreacji
|
||||
reklamowych, bez udziału realnych respondentów. Zamiast organizować kosztowne badania
|
||||
eye-trackingowe na ludziach, użytkownik wgrywa kreację (reklamę, baner, opakowanie, ekran UI)
|
||||
i otrzymuje syntetyczny eye-tracking oraz predykcję reakcji emocjonalnej generowane przez
|
||||
modele AI, w tym autorski model **ASM PNS**.
|
||||
|
||||
Cechą wyróżniającą produkt jest odwrócenie perspektywy. Użytkownik nie konfiguruje metryk,
|
||||
tylko wybiera **cel biznesowy** ("Która kreacja lepiej sprzedaje?", "Czy CTA działa?"),
|
||||
a system sam dobiera technologię analizy (Eye Tracking, Facial Coding, ET+FC), zestaw metryk
|
||||
i sposób interpretacji wyniku. Raport nie podaje surowych liczb, lecz **rekomendację
|
||||
z uzasadnieniem** ("Wariant B lepiej realizuje cel sprzedażowy, ponieważ...").
|
||||
|
||||
**Zakres MVP 1.0** obejmuje pełną platformę SaaS (organizacje, projekty, eksperymenty,
|
||||
galeria kreacji, raporty), kreator eksperymentu, panel administracyjny z wymienialnymi
|
||||
modelami AI oraz pipeline analizy złożony z:
|
||||
|
||||
- detekcji obiektów i predykcji uwagi wzrokowej (saliency statyczna z trzech modeli
|
||||
z walidacją krzyżową),
|
||||
- wizualizacji czasowych i map dynamicznych 1-20 s,
|
||||
- ścieżek fiksacji (scanpath),
|
||||
- Facial Coding (mapa emocji),
|
||||
- predykcji różnicowanych dla grupy docelowej,
|
||||
- warstwy interpretacji kognitywnej, która zamienia metryki w rekomendację.
|
||||
|
||||
Część modeli (saliency czasowa, scanpath, Facial Coding, warunkowanie demografią) jest
|
||||
w trakcie przygotowania. Ich uruchomienie planowane jest w MVP 1.0, a wykonalność zależy
|
||||
od dostarczenia tych modeli i ich dokumentacji.
|
||||
|
||||
---
|
||||
|
||||
## 2. Wizja produktu i propozycja wartości
|
||||
|
||||
### 2.1. Problem
|
||||
|
||||
Klasyczne badania eye-trackingu i kodowania mimiki są drogie, czasochłonne i wymagają
|
||||
rekrutacji respondentów oraz sprzętu. Decyzje o wyborze wariantu kreacji zapadają więc
|
||||
często "na wyczucie", już po poniesieniu kosztów produkcji.
|
||||
|
||||
### 2.2. Propozycja wartości
|
||||
|
||||
- **Szybkość i koszt** - predykcja w minutach zamiast tygodni, bez respondentów.
|
||||
- **Decyzyjność** - wynik prowadzi do konkretnej rekomendacji ("wybierz B"), a nie do tabeli liczb.
|
||||
- **Porównywalność** - test A / AB / ABC zestawia warianty na jednej osi metryk.
|
||||
- **Segmentacja** - predykcje dla zdefiniowanej grupy docelowej (demografia, profile).
|
||||
- **Powtarzalność** - eksperyment można sklonować i zmodyfikować jako bazę kolejnego.
|
||||
|
||||
### 2.3. Kluczowa innowacja: cel zamiast metryk
|
||||
|
||||
To centralny mechanizm produktu, rozwinięty w sekcji 8. Pięć warstw prowadzi od wyboru celu
|
||||
do rekomendacji:
|
||||
|
||||
```
|
||||
[1] Użytkownik wybiera CEL BIZNESOWY np. "Która kreacja lepiej sprzedaje?"
|
||||
|
|
||||
[2] System pokazuje OPIS POMOCNICZY "Sprawdź, który wariant prowadzi uwagę do CTA..."
|
||||
|
|
||||
[3] System rekomenduje TYP ANALIZY ET+FC (z możliwością zmiany przez użytkownika)
|
||||
|
|
||||
[4] System dobiera METRYKI "pod spodem" udział uwagi na CTA, walencja pozytywna, ...
|
||||
|
|
||||
[5] Raport zwraca REKOMENDACJĘ Z UZASADNIENIEM "Wariant B..., ponieważ..."
|
||||
```
|
||||
|
||||
### 2.4. Odbiorcy (persony)
|
||||
|
||||
- **Marketer / brand manager** - wybiera wariant kampanii, potrzebuje rekomendacji.
|
||||
- **Agencja kreatywna** - testuje koncepty przed prezentacją klientowi.
|
||||
- **Projektant UX / CRO** - sprawdza, czy ekran prowadzi użytkownika do celu.
|
||||
- **Super administrator (operator platformy)** - zarządza organizacjami, planami i modelami AI.
|
||||
|
||||
---
|
||||
|
||||
## 3. Słownik pojęć (model domenowy)
|
||||
|
||||
| Pojęcie | Definicja |
|
||||
|---|---|
|
||||
| **Organizacja** | Najwyższy kontener klienta. Ma administratora, użytkowników, projekty, plan, pulę kredytów i przestrzeń dyskową. |
|
||||
| **Użytkownik** | Niezależne konto osoby. Zakłada maksymalnie jedną własną organizację, ale przez zaproszenia może należeć do wielu. |
|
||||
| **Projekt** | Kontener eksperymentów wraz z galerią kreacji projektu. Typ pochodny: ET / FC / ET+FC. |
|
||||
| **Eksperyment** | Pojedyncza analiza predykcyjna 1-3 kreacji wg zadanego celu, grupy i parametrów. |
|
||||
| **Kreacja** | Materiał graficzny (PNG/JPEG): reklama, baner, opakowanie, ekran. Jednostka wejściowa analizy. |
|
||||
| **Galeria** | Zbiór kreacji na poziomie organizacji (współdzielona) i projektu (podzbiór roboczy). |
|
||||
| **Obiekt** | Rozpoznany element treści obrazu (osoba, butelka, logo) z ramką (bbox). Źródło: AI lub użytkownik. |
|
||||
| **AOI** (Area of Interest) | Obszar o znaczeniu marketingowym (CTA, Logo, Key Visual). Źródło: AI (sugestia) lub użytkownik. |
|
||||
| **Metryka** | Mierzalny wskaźnik percepcji lub emocji (np. udział uwagi na AOI, walencja pozytywna). |
|
||||
| **Cel** | Pytanie biznesowe wybrane przez użytkownika. Mapuje się na typ analizy i zestaw metryk. |
|
||||
| **Grupa docelowa** | Profil odbiorcy (wiek, płeć, miejsce, wykształcenie, dochód, neuroatypowość, preset). |
|
||||
| **Raport** | Złożenie wizualizacji, metryk i interpretacji kognitywnej dla eksperymentu. |
|
||||
| **Proces AI** | Pojedynczy krok analizy (np. detekcja obiektów, predykcja saliency, Facial Coding). |
|
||||
| **Model AI** | Silnik realizujący proces (LLaVA, ASM, DeepGaze, Gemini, Opus), wymienny na inny (sekcja 10). |
|
||||
| **Plugin / adapter** | Kod, który podpina dany model pod proces i tłumaczy kontrakt procesu na API modelu. |
|
||||
| **Plan** | Pakiet przypisany organizacji: kredyty startowe, kredyty miesięczne, przestrzeń dyskowa. |
|
||||
| **Kredyt / coin** | Wewnętrzna jednostka rozliczeniowa pobierana za eksperymenty i rozszerzenie dysku. |
|
||||
|
||||
### Diagram relacji encji (uproszczony)
|
||||
|
||||
```
|
||||
Organizacja 1───* Użytkownik Organizacja 1───* Projekt
|
||||
│ │
|
||||
│ 1 │ 1
|
||||
* *
|
||||
Galeria(org) *───* Kreacja Eksperyment
|
||||
▲ │ * │ 1
|
||||
│ │ ├──* Kreacja (1-3: A/B/C)
|
||||
Galeria(projekt) *────┘ ├──* Obiekt
|
||||
├──* AOI
|
||||
├──1 Cel + Grupa docelowa + Parametry
|
||||
└──1 Raport ──* WynikModelu / Metryka
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 4. Architektura logiczna platformy
|
||||
|
||||
### 4.1. Warstwy
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────────────────────────────────────┐
|
||||
│ FRONTEND - React + shadcn/ui + Tailwind │
|
||||
│ Panele: Administracyjny · Użytkownika · Organizacji │
|
||||
│ Kreator eksperymentu (4 kroki) · Studio (obiekty/AOI) · Raport │
|
||||
└───────────────────────────────┬──────────────────────────────────────┘
|
||||
│ REST / RPC
|
||||
┌───────────────────────────────▼───────────────────────────────────────┐
|
||||
│ BACKEND - Node.js │
|
||||
│ • API platformy (CRUD: org, projekty, eksperymenty, galeria) │
|
||||
│ • Orkiestrator analizy AI (sekcja 9) - równoległe wywołania usług │
|
||||
│ • Warstwa metryk (saliency ∩ AOI -> wskaźniki) │
|
||||
│ • Warstwa interpretacji kognitywnej (cel + metryki -> rekomendacja) │
|
||||
│ • Generator raportu (PDF + wizualizacje) │
|
||||
│ • Rejestr modeli AI + router "Proces <-> Model" + pluginy (sekcja 10)│
|
||||
└──────────────┬────────────────────────────────────┬───────────────────┘
|
||||
│ │ HTTP POST (multipart)
|
||||
┌──────────────▼──────────────────┐ ┌─────────────▼──────────────────────┐
|
||||
│ SUPABASE │ │ WARSTWA MODELI AI │
|
||||
│ • PostgreSQL (model danych) │ │ Własne (API): LLaVA · Gr. DINO · │
|
||||
│ • Storage (kreacje, artefakty) │ │ DeepGaze · UNISAL · ASM (PNS) │
|
||||
│ • Auth (konta, sesje, role) │ │ Publiczne (plugin): Gemini · Opus │
|
||||
└─────────────────────────────────┘ └────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 4.2. Stack technologiczny
|
||||
|
||||
- **Front-end:** React, shadcn/ui, Tailwind.
|
||||
- **Back-end:** Node.js.
|
||||
- **Baza, Storage, Auth:** Supabase.
|
||||
- **Warstwa AI:** modele własne wystawione za REST API oraz modele publiczne podpięte przez
|
||||
pluginy, orkiestrowane przez backend Node.js (sekcja 9).
|
||||
|
||||
### 4.3. Orkiestracja
|
||||
|
||||
Logika procesu AI jest opisana niezależnie od narzędzia orkiestrującego i przeznaczona
|
||||
do implementacji jako komponent backendu Node.js: równoległe wywołania usług modelowych,
|
||||
agregacja wyników i obsługa błędów (sekcja 9). Pojedyncze modele pozostają niezależnymi
|
||||
usługami za REST API, a modele publiczne są podpinane przez pluginy (sekcja 10).
|
||||
|
||||
---
|
||||
|
||||
## 5. Organizacje, role i uprawnienia
|
||||
|
||||
### 5.1. Hierarchia
|
||||
|
||||
Organizacja ma administratora, użytkowników i projekty. Role w systemie:
|
||||
|
||||
- **Super administrator** - operator platformy. Ma dostęp do panelu administracyjnego,
|
||||
w którym zarządza organizacjami, użytkownikami, modelami AI oraz planami. Może wejść
|
||||
w dowolną organizację i poruszać się w niej tak jak administrator. Ma dostęp do logów
|
||||
systemowych i logów eksperymentu.
|
||||
- **Administrator organizacji** - powstaje podczas rejestracji organizacji. Może przekazać
|
||||
swoje prawa innemu użytkownikowi. Ma uprawnienia do każdego projektu, rozliczeń, planów
|
||||
i ustawień organizacji. Tworzy projekty i eksperymenty bez ograniczeń.
|
||||
- **Użytkownik** - każdy użytkownik ma własne, niezależne konto. Uprawnienia otrzymuje
|
||||
na poziomie organizacji oraz na poziomie konkretnego projektu.
|
||||
|
||||
### 5.2. Uprawnienia użytkownika
|
||||
|
||||
Uprawnienia działają na dwóch poziomach.
|
||||
|
||||
**Poziom organizacji** - administrator może nadać użytkownikowi prawa:
|
||||
|
||||
- tworzenia nowych projektów,
|
||||
- przeglądania wszystkich projektów,
|
||||
- edytowania wszystkich projektów,
|
||||
- usuwania wszystkich projektów,
|
||||
- zapraszania użytkowników do wszystkich projektów.
|
||||
|
||||
**Poziom projektu** - użytkownik może też dostać uprawnienia w obrębie pojedynczego projektu:
|
||||
|
||||
| Poziom w projekcie | Zakres |
|
||||
|---|---|
|
||||
| Zarządzanie | usuwanie, edycja i zapraszanie użytkowników |
|
||||
| Edycja | edycja i zapraszanie użytkowników |
|
||||
| Przeglądanie | tylko podgląd |
|
||||
|
||||
### 5.3. Macierz uprawnień
|
||||
|
||||
| Uprawnienie | Super Admin | Administrator | Użytkownik |
|
||||
|---|:--:|:--:|:--:|
|
||||
| Panel administracyjny | ✓ | - | - |
|
||||
| Zarządzanie organizacjami, użytkownikami, modelami, planami | ✓ | - | - |
|
||||
| Wejście w dowolną organizację (jak administrator) | ✓ | - | - |
|
||||
| Rozliczenia, plany, kredyty, ustawienia organizacji | ✓ | ✓ | - |
|
||||
| Tworzenie projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Przeglądanie wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Edycja wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Usuwanie wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Zapraszanie do wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Uprawnienia w obrębie pojedynczego projektu | ✓ | ✓ | wg roli w projekcie |
|
||||
|
||||
---
|
||||
|
||||
## 6. Moduły platformy
|
||||
|
||||
### 6.1. Panel administracyjny (tylko Super Administrator)
|
||||
|
||||
**Sitebar:** Dashboard · Organizacje · Użytkownicy · Plany · Proces i modele AI · Logi.
|
||||
|
||||
- **Dashboard** - KPI z dynamiką 30 dni (graficznie i liczbowo): liczba organizacji,
|
||||
użytkowników, kreacji i przeprowadzonych eksperymentów.
|
||||
- **Organizacje** - lista z wyszukiwarką. Wejście w organizację pozwala zarządzać jej danymi,
|
||||
użytkownikami, kredytami (startowymi i miesięcznymi), aktywować, dezaktywować
|
||||
i archiwizować organizację.
|
||||
- **Użytkownicy** - lista z wyszukiwarką (dane podstawowe).
|
||||
- **Plany** - definiowanie planów subskrypcji: nazwa, opis, liczba kredytów na start,
|
||||
liczba kredytów miesięcznie, przestrzeń dyskowa. Plan przypisuje się do organizacji
|
||||
(szczegóły w sekcji 13).
|
||||
- **Proces i modele AI** - zamknięta lista procesów realizowanych w eksperymentach
|
||||
i przypisany do każdego z nich model AI. To miejsce wymiany modelu na inny (sekcja 10).
|
||||
- **Logi** - logi całego systemu z filtrowaniem (użytkownik, organizacja, zakres dat, typ operacji).
|
||||
|
||||
### 6.2. Panel użytkownika (po zalogowaniu)
|
||||
|
||||
Z tego miejsca użytkownik przechodzi do wybranej organizacji, zakłada nową organizację
|
||||
(maksymalnie jedną własną) oraz zmienia swoje dane, e-mail i hasło. Do pozostałych
|
||||
organizacji dołącza przez zaproszenia.
|
||||
|
||||
### 6.3. Panel organizacji (Administrator i użytkownicy)
|
||||
|
||||
**Sitebar:** Dashboard · Projekty · Galeria.
|
||||
**Topbar:** wybór organizacji · wyszukiwarka (projekty, kreacje, eksperymenty).
|
||||
Sitebar chowa się na urządzeniach mobilnych, a obszarem roboczym jest Workspace.
|
||||
|
||||
- **Dashboard** - KPI: liczba kreacji w galerii, liczba projektów, liczba eksperymentów.
|
||||
Przyciski szybkich akcji: *Dodaj kreację do galerii*, *Utwórz nowy projekt*,
|
||||
*Przejdź do ostatniego eksperymentu*. Niżej lista projektów z wejściem.
|
||||
- **Galeria** - zarządzanie kreacjami organizacji: upload, kafelki ostatnio dodanych,
|
||||
pełna galeria (slider). Klik w kreację otwiera drawer po prawej: powiększenie oraz lista
|
||||
eksperymentów i projektów, w których użyto kreacji, z przejściem do nich.
|
||||
- **Projekty** - lista projektów (nazwa, typ ET/FC/ET+FC) i przycisk *Nowy projekt*.
|
||||
- **Panel projektu** - przegląd, weryfikacja konfiguracji eksperymentów, usuwanie
|
||||
projektu i eksperymentów, udostępnianie projektu.
|
||||
- **Galeria projektu** - kreacje dodane do projektu (z galerii organizacji lub własne
|
||||
projektu). W jednym eksperymencie maksymalnie **3 kreacje (A, B, C)**. Liczbę
|
||||
materiałów ogranicza przestrzeń dyskowa planu, rozszerzalna za kredyty (sekcja 13).
|
||||
- **Galeria eksperymentów** - wszystkie eksperymenty projektu z kluczowymi parametrami
|
||||
(technologia ET/FC/ET+FC, typ testu, autor).
|
||||
|
||||
---
|
||||
|
||||
## 7. Cykl życia eksperymentu (kreator 4 kroków)
|
||||
|
||||
Każdy eksperyment przechodzi przez czterostopniowy kreator. Poniżej rozszerzenie
|
||||
z mapowaniem na warstwę AI (sekcja 9) i metryki (sekcja 8).
|
||||
|
||||
### 7.1. Krok 1 - Cel i grupa docelowa
|
||||
|
||||
- **Cel** - wybór ze słownika 15 celów (sekcja 8) lub opis własny. Cel determinuje
|
||||
rekomendowany typ analizy i zestaw metryk.
|
||||
- **Grupa docelowa** - cechy metryczkowe lub gotowe presety:
|
||||
|
||||
| Kategoria | Wartości |
|
||||
|---|---|
|
||||
| **Wiek** | Młodzież (do 25) · Dorośli (26-64) · Seniorzy (65 i więcej) |
|
||||
| **Płeć** | Kobieta · Mężczyzna |
|
||||
| **Miejsce zamieszkania** | do 19 tys. · 20-50 tys. · 50-100 tys. · 100-500 tys. · >500 tys. |
|
||||
| **Wykształcenie** | Podstawowe · Zasadnicze zawodowe · Średnie · Wyższe · Wyższe / tytuł naukowy |
|
||||
| **Dochód** | Niski (≤MK) · Średni (MK-ŚK) · Wysoki (>ŚK) |
|
||||
| **Neuroatypowość** | Brak / Neurotypowy · ASD · ADHD · Zaburzenia depresyjne |
|
||||
| **Profile opisowe (presety)** | NT (Neurotypowy) · DE (Wykluczony cyfrowo) · SE (Silver Economy) · GZ (Gen-Z / Digital Native) |
|
||||
|
||||
Profil grupy docelowej wpływa na predykcję. Dane profilowe wykorzystują modele zewnętrzne
|
||||
podpięte przez plugin (np. Gemini), które przyjmują je jako część promptu. Modele wewnętrzne
|
||||
(saliency) nie różnicują wyniku po demografii. Kategoria neuroatypowości pozostaje
|
||||
w profilu jako metadana, ale w MVP nie różnicuje predykcji i nie służy do sugerowania
|
||||
diagnozy (sekcja 15).
|
||||
|
||||
### 7.2. Krok 2 - Parametry
|
||||
|
||||
- **Rodzaj analizy:** Eye Tracking · Facial Coding · ET+FC. Typ jest rekomendowany przez
|
||||
cel i edytowalny przez użytkownika.
|
||||
- **Rodzaj testu:** A (1 kreacja) · AB (2 kreacje) · ABC (3 kreacje).
|
||||
- **Czas obserwacji:** 1 s · 3 s · 5 s · 10 s · 15 s · 20 s. Parametr steruje mapami
|
||||
czasowymi i klatkami wizualizacji (saliency czasowa, sekcja 9).
|
||||
- **Zakres raportu:** wybór komponentów raportu (lista w sekcji 11).
|
||||
|
||||
### 7.3. Krok 3 - Studio
|
||||
|
||||
Edycja warstwy semantycznej obrazu przed analizą.
|
||||
|
||||
- **Obiekty** - użytkownik korzysta z identyfikacji AI (LLaVA -> Grounding DINO), a następnie
|
||||
koryguje lub usuwa wskazania, albo zaznacza i nazywa obszary ręcznie. Słownik kategorii:
|
||||
Architektura, Celebryci, Chemia, Edukacja, Elektronika, Finanse, Handel, Kosmetyki,
|
||||
Logistyka, Militaria, Motoryzacja, Osoby, Przemysł, Przyroda, Sport, Ubrania, Zwierzęta,
|
||||
Żywność, Inne.
|
||||
- **AOI** - na wejściu użytkownik dostaje AOI wskazane automatycznie przez AI. Może je
|
||||
zmienić, usunąć lub dodać własne. Słownik AOI: CTA, Dowód społeczny, Key Visual, Kod QR,
|
||||
Kolorystyka, Kontakt, Korzyści, Kupon, Layout, Logo, Mapa, Nagłówek, Narracja, Numer
|
||||
katalogowy, Regulaminy, Slogan, Ton komunikacji, Treść, Typografia, Tło.
|
||||
|
||||
> **Obiekt vs AOI:** obiekt to *co jest na obrazie* (detekcja treści), a AOI to *obszar
|
||||
> o znaczeniu marketingowym* (jednostka analizy uwagi). Automatyczne AOI powstają z osobnego
|
||||
> procesu sugestii (sekcja 9), a użytkownik zatwierdza je lub zmienia w Studio.
|
||||
|
||||
### 7.4. Krok 4 - Raport
|
||||
|
||||
Generowanie i prezentacja wyników, szczegóły w sekcji 11.
|
||||
|
||||
### 7.5. Logi eksperymentu
|
||||
|
||||
Super administrator po wejściu w eksperyment widzi pełne logi: wszystkie działania
|
||||
i ustawienia użytkownika oraz wszystkie dane wysłane do modeli AI i od nich odebrane.
|
||||
To audyt predykcji, istotny przy wymianie modeli (sekcja 10).
|
||||
|
||||
---
|
||||
|
||||
## 8. Katalog celów analiz kognitywnych
|
||||
|
||||
Mechanizm "cel zamiast metryk" (sekcja 2.3). Pełne opisy 15 celów znajdują się w dokumencie
|
||||
celów analiz kognitywnych. Poniżej tabela zbiorcza jako referencja konfiguracyjna (źródło
|
||||
prawdy dla domyślnego doboru typu analizy i metryk).
|
||||
|
||||
| # | Cel (nazwa UI) | Rekom. analiza | Sygnał kluczowy |
|
||||
|---|---|:--:|---|
|
||||
| 1 | Która kreacja lepiej sprzedaje? | ET+FC | uwaga na produkt/benefit/CTA + niskie napięcie |
|
||||
| 2 | Czy odbiorca widzi najważniejszy przekaz? | ET (opc. ET+FC) | zauważalność i czas dotarcia do komunikatu |
|
||||
| 3 | Czy CTA działa? | ET+FC | widoczność CTA + brak oporu emocjonalnego |
|
||||
| 4 | Która kreacja zostaje w pamięci? | ET+FC | uwaga + pobudzenie (high arousal) |
|
||||
| 5 | Która kreacja najlepiej buduje markę? | ET+FC | uwaga na logo + pozytywna walencja |
|
||||
| 6 | Czy kreacja budzi negatywne reakcje? | FC (opc. ET+FC) | walencja negatywna + high arousal na elemencie |
|
||||
| 7 | Czy przekaz jest zrozumiały? | ET (opc. ET+FC) | logiczna ścieżka, brak chaosu i powrotów |
|
||||
| 8 | Czy kreacja działa od pierwszych sekund? | ET+FC | pierwsza fiksacja + impuls emocjonalny 1-3 s |
|
||||
| 9 | Czy kreacja angażuje, czy jest obojętna? | FC (opc. ET+FC) | aktywacja vs low arousal / neutral |
|
||||
| 10 | Który styl komunikacji działa lepiej? | ET+FC | rozkład uwagi tekst/obraz + profil emocji |
|
||||
| 11 | Które opakowanie lepiej przyciąga klienta? | ET+FC | marka/wariant/benefit + atrakcyjność |
|
||||
| 12 | Czy ekran prowadzi użytkownika do celu? | ET+FC | ścieżka do akcji + komfort/frustracja |
|
||||
| 13 | Która kreacja najlepiej pasuje do grupy docelowej? | ET+FC | różnice między segmentami |
|
||||
| 14 | Która kreacja jest najbezpieczniejsza? | ET+FC | niska negatywność i ambiwalencja, czytelność |
|
||||
| 15 | Która kreacja najbardziej się wyróżnia? | ET+FC | siła pierwszej fiksacji + aktywacja |
|
||||
|
||||
W MVP 1.0 dostępnych jest wszystkie 15 celów. Cele oparte na emocjach (np. 6, 9) korzystają
|
||||
z Facial Coding, a cele wrażliwe na kolejność i czas (np. 7, 8) z map czasowych i scanpath.
|
||||
Komponenty te są w przygotowaniu, więc dostępność pełnego zestawu metryk dla danego celu
|
||||
zależy od dostarczenia odpowiednich modeli (sekcja 9).
|
||||
|
||||
**Zasada interpretacji wspólna dla wszystkich celów:** raport rozróżnia warianty pozytywne,
|
||||
neutralne i ryzykowne (np. "wyróżnialność pozytywna" vs "ryzykowna"), a rekomendacja zależy
|
||||
od kontekstu kampanii (performance vs wizerunek) i grupy docelowej.
|
||||
|
||||
---
|
||||
|
||||
## 9. Warstwa AI - proces analizy
|
||||
|
||||
Proces jest bezstanowy: jedno wejście (obraz) daje jeden komplet wyników.
|
||||
|
||||
### 9.1. Pipeline i procesy
|
||||
|
||||
```
|
||||
Wejście: obraz (PNG/JPEG)
|
||||
│ preprocessing -> bytes + base64 + mime + (w,h)
|
||||
┌──────────────┼───────────────┬───────────────┬───────────────┐
|
||||
▼ (łańcuch A, sekwencyjny) ▼ (B) ▼ (C) ▼ (D)
|
||||
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐
|
||||
│ LLaVA │ etykiety │ DeepGaze │ │ UNISAL │ │ ASM (PNS) │
|
||||
│ (VLM) │───┐ │(saliency)│ │(saliency)│ │ 2× saliency │
|
||||
└──────────┘ ▼ └────┬─────┘ └────┬─────┘ └──────┬───────┘
|
||||
┌─────────────┐ │ │ │
|
||||
│ Grounding │ └──────────────┴────────────────┘
|
||||
│ DINO (boxy) │ │ agregacja saliency
|
||||
└─────┬───────┘ ▼
|
||||
▼ ┌──────────────────────────────┐
|
||||
detekcja obiektów │ Artefakty: overlay boxów · │
|
||||
│ │ nakładka heatmapy (suwak) · │
|
||||
▼ │ porównanie 2×2 (walid. krzyż)│
|
||||
sugestia AOI └──────────────┬───────────────┘
|
||||
▼
|
||||
┌────────────────────────────────────────┐
|
||||
│ Procesy w przygotowaniu (MVP 1.0): │
|
||||
│ saliency czasowa 1-20 s · scanpath · │
|
||||
│ Facial Coding (mapa emocji) · │
|
||||
│ warunkowanie demografią │
|
||||
└────────────────────┬───────────────────┘
|
||||
▼
|
||||
┌────────────────────────────────────────┐
|
||||
│ Warstwa metryk (backend): │
|
||||
│ saliency ∩ AOI -> wskaźniki │
|
||||
└────────────────────┬───────────────────┘
|
||||
▼
|
||||
┌─────────────────────────────────────────┐
|
||||
│ Analiza kognitywna (model + cel): │
|
||||
│ metryki -> rekomendacja z uzasadnieniem │
|
||||
└─────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
**Zamknięta lista procesów:**
|
||||
|
||||
| # | Proces | Model (domyślny) | Status |
|
||||
|---|---|---|:--:|
|
||||
| 1 | Ekstrakcja typów obiektów | LLaVA (lub publiczny przez plugin) | ✅ dostępne |
|
||||
| 2 | Detekcja obiektów (bboxy) | Grounding DINO | ✅ dostępne |
|
||||
| 3 | Predykcja saliency #1 | DeepGaze | ✅ dostępne |
|
||||
| 4 | Predykcja saliency #2 | UNISAL | ✅ dostępne |
|
||||
| 5 | Predykcja saliency centralna | ASM (PNS) | ✅ dostępne |
|
||||
| 6 | Sugestia AOI | model lub mapowanie z obiektów | 🟡 do dostarczenia |
|
||||
| 7 | Saliency czasowa (mapy dynamiczne 1-20 s) | model czasowy | 🟡 w przygotowaniu |
|
||||
| 8 | Scanpath (ścieżka fiksacji) | model scanpath | 🟡 w przygotowaniu |
|
||||
| 9 | Facial Coding (mapa emocji) | model publiczny przez plugin | 🟡 w przygotowaniu |
|
||||
| 10 | Warunkowanie predykcji demografią | model zewnętrzny (prompt + profil) | 🟡 w przygotowaniu |
|
||||
| 11 | Analiza kognitywna (rekomendacja) | model prywatny lub publiczny | 🟡 do zbudowania |
|
||||
|
||||
> Legenda: ✅ dostępne dziś · 🟡 zaplanowane w MVP 1.0, zależne od dostarczenia modelu.
|
||||
|
||||
**Zależności i równoległość:**
|
||||
|
||||
- Łańcuch A jest sekwencyjny (Grounding DINO potrzebuje etykiet z LLaVA).
|
||||
- Gałęzie A, B, C, D są niezależne i wykonują się równolegle. Czas to czas najwolniejszej gałęzi.
|
||||
- Awaria jednej gałęzi nie przerywa całości. Degradacja jest stopniowa (per-task try/except),
|
||||
a pozostałe artefakty powstają normalnie.
|
||||
- Warstwa metryk i analiza kognitywna działają po zebraniu wyników saliency, FC i scanpath.
|
||||
|
||||
### 9.2. Model danych wyników
|
||||
|
||||
```
|
||||
AnalysisResult {
|
||||
image : ImageInput { bytes, base64, mime, width, height }
|
||||
detection : DetectionResult { objects: [{ object_type, bbox_xyxy, score }] }
|
||||
saliency : SaliencyMap[] // deepgaze, unisal, asm_detailed, asm_general
|
||||
temporal : SaliencyFrame[] // mapy dla kolejnych przedziałów czasu (w przygotowaniu)
|
||||
scanpath : ScanpathPoint[] // sekwencja fiksacji (w przygotowaniu)
|
||||
emotion : EmotionMap // walencja, pobudzenie, frustracja... (FC, w przygotowaniu)
|
||||
}
|
||||
```
|
||||
|
||||
### 9.3. Artefakty wizualizacyjne
|
||||
|
||||
1. **Overlay detekcji** - ramki per obiekt, kolor per typ, podpis `typ + score%`,
|
||||
pozycje w procentach wymiarów (responsywność).
|
||||
2. **Nakładka heatmapy** - mapa uwagi z suwakiem przezroczystości 0-100%.
|
||||
3. **Porównanie 2×2** - DeepGaze / UNISAL / ASM detailed / ASM general; wspólny suwak,
|
||||
technika inwersji (blend luminancji: biel = wysoka uwaga, efekt reflektora).
|
||||
4. **Mapy dynamiczne 1-20 s** - sekwencja klatek saliency w czasie.
|
||||
5. **Scanpath** - ścieżka fiksacji z kolejnością kontaktu z AOI.
|
||||
6. **Mapa emocji** - wizualizacja metryk Facial Coding na kreacji.
|
||||
|
||||
### 9.4. Mapowanie: technologie badawcze (produkt) <-> procesy AI (pipeline)
|
||||
|
||||
| Warstwa produktu | Realizacja w AI | Status |
|
||||
|---|---|:--:|
|
||||
| **Eye Tracking** - mapy uwagi, udział uwagi na AOI | DeepGaze · UNISAL · ASM | ✅ dostępne |
|
||||
| Rozumienie treści - obiekty, opis | LLaVA + Grounding DINO | ✅ dostępne |
|
||||
| **ET czasowy** - mapy dynamiczne 1-20 s | saliency w interwałach czasu | 🟡 w przygotowaniu |
|
||||
| **ET** - ścieżki fiksacji (scanpath) | model scanpath | 🟡 w przygotowaniu |
|
||||
| **Facial Coding** - walencja, pobudzenie, frustracja | model emocji (publiczny przez plugin) | 🟡 w przygotowaniu |
|
||||
| **Analiza kognitywna** - rekomendacja z uzasadnieniem | warstwa interpretacji nad metrykami | 🟡 do zbudowania |
|
||||
| **Predykcje per grupa docelowa** | warunkowanie modelu demografią | 🟡 w przygotowaniu |
|
||||
|
||||
### 9.5. Warstwa metryk i lista wskaźników
|
||||
|
||||
Modele saliency zwracają **mapy uwagi**, a nie liczby. Wskaźniki liczbowe powstają w backendzie
|
||||
przez przecięcie mapy saliency z obszarami AOI (saliency ∩ AOI). Dzięki temu model dostarcza
|
||||
predykcję uwagi, a backend zamienia ją w porównywalne metryki dla wskazanych obszarów.
|
||||
|
||||
Lista wskaźników w MVP:
|
||||
|
||||
| Metryka | Źródło | Status |
|
||||
|---|---|:--:|
|
||||
| Udział uwagi na AOI (%) | saliency ∩ AOI | ✅ dostępne |
|
||||
| Ranking AOI wg uwagi | saliency ∩ AOI | ✅ dostępne |
|
||||
| Mapa cieplna statyczna | saliency | ✅ dostępne |
|
||||
| Porównanie kreacji wg uwagi | saliency × N kreacji | ✅ dostępne |
|
||||
| Czas do pierwszej fiksacji | scanpath | 🟡 w przygotowaniu |
|
||||
| Kolejność kontaktu z AOI (ścieżka AOI) | scanpath | 🟡 w przygotowaniu |
|
||||
| Liczba powrotów wzroku | scanpath | 🟡 w przygotowaniu |
|
||||
| Mapy dynamiczne 1-20 s | saliency czasowa | 🟡 w przygotowaniu |
|
||||
| Walencja, pobudzenie, frustracja, ambiwalencja, komfort | model emocji (FC) | 🟡 w przygotowaniu |
|
||||
| Różnice metryk między segmentami | warunkowanie demografią | 🟡 w przygotowaniu |
|
||||
|
||||
Do czasu dostarczenia modelu scanpath "ścieżkę AOI" można przybliżyć rankingiem AOI wg
|
||||
intensywności saliency (kolejność od najsilniejszego), z wyraźną adnotacją, że to heurystyka,
|
||||
a nie prawdziwa sekwencja fiksacji **[do doprecyzowania]**.
|
||||
|
||||
---
|
||||
|
||||
## 10. Wymienialność modeli AI (Proces <-> Model)
|
||||
|
||||
W MVP 1.0 musi istnieć możliwość zmiany modelu realizującego dany proces na inny (np. publiczny
|
||||
Gemini lub Opus) z poziomu panelu administracyjnego.
|
||||
|
||||
### 10.1. Zasada: rozdzielenie procesu od modelu
|
||||
|
||||
```
|
||||
PROCES (stały, zamknięta lista) MODEL (wymienny) USŁUGA
|
||||
───────────────────────────── ───────────────── ─────────────────
|
||||
Ekstrakcja typów obiektów ──► LLaVA ──► API LLaVA (bez pluginu)
|
||||
╲─► Gemini Vision ──► plugin -> API Gemini
|
||||
Detekcja obiektów (boxy) ──► Grounding DINO ──► API (bez pluginu)
|
||||
Predykcja saliency ──► DeepGaze/UNISAL ──► API (bez pluginu)
|
||||
Predykcja saliency centralna ──► ASM (PNS) ──► API (bez pluginu)
|
||||
Facial Coding ──► model publiczny ──► plugin -> API dostawcy
|
||||
Analiza kognitywna ──► prywatny/publiczny──► API lub plugin
|
||||
```
|
||||
|
||||
Każdy proces ma zdefiniowany kontrakt (wejście: obraz i parametry; wyjście: ustandaryzowany
|
||||
typ, np. `labels[]`, `bboxes[]`, `SaliencyMap`, `EmotionMap`). Model jest podpięty przez kod
|
||||
realizujący ten kontrakt, więc podmiana modelu nie zmienia reszty pipeline'u.
|
||||
|
||||
### 10.2. Wymiana modelu wymaga wymiany kodu kroku
|
||||
|
||||
Wymienić można model dla każdego procesu. Wymiana modelu pociąga jednak za sobą wymianę kodu,
|
||||
który realizuje dany krok, tak aby zachować spójność całego procesu. Dla modeli publicznych
|
||||
ten kod ma postać **pluginu**:
|
||||
|
||||
- **Model prywatny** dostępny przez API - bez pluginu (np. ASM, DeepGaze, UNISAL, Grounding
|
||||
DINO, LLaVA).
|
||||
- **Model publiczny Gemini** - plugin (np. wskazanie obiektów dla modeli publicznych, FC,
|
||||
analiza kognitywna).
|
||||
- **Model publiczny Opus** - plugin (analogicznie).
|
||||
|
||||
Plugin realizuje trzy rzeczy:
|
||||
|
||||
1. mapowanie wejścia procesu na format żądania modelu (multipart / JSON, prompt, parametry),
|
||||
2. wywołanie (URL, schemat auth: Bearer, X-API-Key lub klucz dostawcy),
|
||||
3. mapowanie wyjścia modelu na ustandaryzowany typ procesu.
|
||||
|
||||
### 10.3. Panel "Proces i modele AI"
|
||||
|
||||
Ekran administracyjny prezentuje zamkniętą listę procesów i dla każdego pozwala:
|
||||
|
||||
- wybrać aktywny model z listy zarejestrowanych modeli i pluginów,
|
||||
- skonfigurować endpoint, klucze i parametry (host, token, prompt ASM, `max_objects`,
|
||||
`temperature`), przechowywane jako sekrety (Supabase / vault), nie w kodzie,
|
||||
- wykonać test połączenia (health-check) i podejrzeć przykładowy wynik,
|
||||
- wersjonować przypisanie model <-> proces, aby logi eksperymentu wskazywały, którym modelem
|
||||
policzono dany raport (powtarzalność, audyt, sekcja 7.5).
|
||||
|
||||
Konfiguracja modeli (adresy, klucze, parametry) jest zarządzana z panelu administracyjnego
|
||||
i nie jest zaszyta w kodzie ani w konfiguracji testowej.
|
||||
|
||||
### 10.4. Modele własne vs publiczne
|
||||
|
||||
- **Własne (mikroserwisy za API):** LLaVA, Grounding DINO, DeepGaze, UNISAL, ASM (PNS).
|
||||
ASM jest rdzeniem przewagi produktu.
|
||||
- **Publiczne (przez plugin):** Gemini, Opus i inne. Używane do procesów rozumienia treści
|
||||
(opis kreacji, lista obiektów), Facial Coding, analizy kognitywnej oraz warunkowania
|
||||
predykcji demografią. W MVP Facial Coding realizujemy jako model publiczny, nawet jeśli
|
||||
model prywatny nie będzie jeszcze dostępny.
|
||||
|
||||
O tym, jaki model i plugin obsługuje dany proces, decyduje Super administrator. Klient nie
|
||||
wybiera modelu, na którym pracuje jego eksperyment (sekcja 15).
|
||||
|
||||
---
|
||||
|
||||
## 11. Struktura i generowanie raportu
|
||||
|
||||
### 11.1. Komponenty raportu i ich źródła
|
||||
|
||||
| Komponent raportu | Źródło danych (proces/model) | Status MVP |
|
||||
|---|---|:--:|
|
||||
| Opis ogólny kreacji | LLaVA / opis (ew. prompt ASM) | ✅ |
|
||||
| Lista obiektów | LLaVA + Grounding DINO | ✅ |
|
||||
| Lista i opis AOI | sugestia AI + korekta użytkownika (Studio) | ✅ |
|
||||
| Mapy cieplne statyczne | DeepGaze / UNISAL / ASM | ✅ |
|
||||
| Mapy cieplne dynamiczne 1-20 s | saliency czasowa | 🟡 w przygotowaniu |
|
||||
| Ścieżki fiksacji (scanpath) | model scanpath | 🟡 w przygotowaniu |
|
||||
| Ścieżka AOI | scanpath (lub przybliżenie rankingiem) | 🟡 / heurystyka |
|
||||
| Mapa emocji (Facial Coding) | model emocji (publiczny przez plugin) | 🟡 w przygotowaniu |
|
||||
| Analiza kognitywna (rekomendacja) | warstwa interpretacji (cel + metryki -> tekst) | 🟡 do zbudowania |
|
||||
| Tabela porównawcza z metrykami | warstwa metryk (saliency ∩ AOI) | ✅ |
|
||||
|
||||
### 11.2. Warianty A / AB / ABC
|
||||
|
||||
- Komponenty raportu powielają się per kreacja: AB to 2 kreacje, ABC to 3 kreacje.
|
||||
- Sednem jest zestawienie porównawcze i rekomendacja "który wariant wygrywa i dlaczego",
|
||||
z rozbiciem na zwycięzcę ogólnego i zwycięzcę dla grupy docelowej (cel 13).
|
||||
|
||||
### 11.3. Eksport i udostępnianie
|
||||
|
||||
- **Eksport:** PDF (raport).
|
||||
- **Udostępnianie:** raport można udostępnić linkiem publicznym, bez wymogu logowania.
|
||||
Niezależnie działa udostępnianie wewnątrz organizacji wg uprawnień projektu (sekcja 5).
|
||||
- **Klonowanie:** "Zmień ten eksperyment" lub "Edytuj" prowadzi do prośby o nową nazwę
|
||||
i przekierowania do Kroku 1 z prekonfiguracją z eksperymentu bazowego (sekcja 12).
|
||||
|
||||
---
|
||||
|
||||
## 12. Propozycja modelu danych (Supabase)
|
||||
|
||||
Szkic encji do walidacji (nazwy robocze). Klucze obce uproszczone.
|
||||
|
||||
```
|
||||
plans(id, name, description, start_credits, monthly_credits, storage_quota_mb, created_by)
|
||||
organizations(id, name, status[active|inactive|archived], plan_id, credits_balance,
|
||||
storage_quota_mb, created_at)
|
||||
users(id, email, display_name, locale, created_at)
|
||||
memberships(id, org_id, user_id, role[admin|member],
|
||||
org_permissions jsonb) // create/view_all/edit_all/delete_all/invite_all
|
||||
projects(id, org_id, name, type[ET|FC|ET_FC], created_by, created_at)
|
||||
project_permissions(id, project_id, user_id, level[manage|edit|view])
|
||||
creatives(id, org_id, project_id?, storage_path, mime, width, height, created_by)
|
||||
experiments(id, project_id, name, goal_id, test_type[A|AB|ABC],
|
||||
analysis_type[ET|FC|ET_FC], observation_time_s, report_scope jsonb,
|
||||
target_group jsonb, base_experiment_id?, status, credits_cost, created_by, created_at)
|
||||
experiment_creatives(id, experiment_id, creative_id, slot[A|B|C])
|
||||
aois(id, experiment_id, creative_id, name, category, polygon jsonb, source[ai|user])
|
||||
objects(id, experiment_id, creative_id, object_type, bbox_xyxy jsonb, score, source)
|
||||
ai_runs(id, experiment_id, process_key, model_key, request jsonb, response_ref,
|
||||
status, duration_ms, created_at) // audyt: który model, jaki wynik
|
||||
saliency_maps(id, ai_run_id, source[deepgaze|unisal|asm_detailed|asm_general],
|
||||
storage_path, mime)
|
||||
temporal_maps(id, ai_run_id, creative_id, t_from_ms, t_to_ms, storage_path)
|
||||
scanpaths(id, ai_run_id, creative_id, points jsonb)
|
||||
emotion_maps(id, ai_run_id, creative_id, valence, arousal, frustration,
|
||||
ambivalence, comfort, storage_path?)
|
||||
metrics(id, experiment_id, creative_id, aoi_id?, key, value) // policzone wskaźniki
|
||||
reports(id, experiment_id, pdf_path?, generated_at)
|
||||
public_links(id, experiment_id, token, created_by, created_at, revoked_at?)
|
||||
ai_processes(key, name, contract) // zamknięta lista procesów
|
||||
ai_models(key, name, kind[own|public], adapter, config_ref) // rejestr modeli + pluginy
|
||||
process_model_binding(process_key, model_key, active, version) // Proces <-> Model (sekcja 10)
|
||||
credit_pricing(id, test_type, analysis_type, cost_credits) // koszt eksperymentu
|
||||
audit_logs(id, org_id?, user_id?, action, target, payload jsonb, created_at)
|
||||
```
|
||||
|
||||
Kluczowe dla wymagań:
|
||||
|
||||
- `ai_runs` i `process_model_binding` realizują wymienialność modeli oraz audyt predykcji
|
||||
(logi eksperymentu, sekcja 7.5).
|
||||
- `base_experiment_id` realizuje klonowanie eksperymentu.
|
||||
- `target_group jsonb` przechowuje profil grupy, który modele zewnętrzne biorą pod uwagę
|
||||
przy warunkowaniu predykcji.
|
||||
- `plans`, `credit_pricing` i `credits_balance` realizują rozliczenia (sekcja 13).
|
||||
|
||||
---
|
||||
|
||||
## 13. Kredyty, plany, przestrzeń dyskowa
|
||||
|
||||
Super administrator definiuje w panelu plany subskrypcji. Plan obejmuje:
|
||||
|
||||
- nazwę,
|
||||
- opis,
|
||||
- liczbę kredytów na start,
|
||||
- liczbę kredytów miesięcznie,
|
||||
- przestrzeń dyskową.
|
||||
|
||||
Plan przypisuje się do całej organizacji. Kredyty są pobierane za poszczególne eksperymenty,
|
||||
a koszt zależy od typu testu (i docelowo od typu analizy). Przykładowe stawki dla kreacji
|
||||
graficznej:
|
||||
|
||||
| Eksperyment | Koszt |
|
||||
|---|---|
|
||||
| A | 5 kredytów |
|
||||
| AB | 10 kredytów |
|
||||
| ABC | 15 kredytów |
|
||||
|
||||
Przestrzeń dyskowa wynika z planu i jest rozszerzalna za kredyty. Pula kredytów miesięcznych
|
||||
odnawia się w cyklu rozliczeniowym, a kredyty dokupione zasilają pulę globalną.
|
||||
|
||||
---
|
||||
|
||||
## 14. Logi i audyt
|
||||
|
||||
Dwa poziomy:
|
||||
|
||||
- **Logi systemowe** (panel administracyjny) - filtrowanie po użytkowniku, organizacji,
|
||||
zakresie dat i typie operacji.
|
||||
- **Logi eksperymentu** (Super Administrator) - pełen ślad: działania i ustawienia
|
||||
użytkownika oraz wszystkie dane wysłane do modeli AI i od nich odebrane. Powiązane
|
||||
z `ai_runs` (sekcja 12): każda predykcja zapisuje proces, model, żądanie i referencję
|
||||
odpowiedzi. To podstawa audytu i powtarzalności, szczególnie po podmianie modelu (sekcja 10).
|
||||
|
||||
---
|
||||
|
||||
## 15. Bezpieczeństwo, prywatność, zgodność
|
||||
|
||||
- **Brak danych respondentów:** produkt generuje predykcje AI, nie zbiera danych od realnych
|
||||
osób. To istotnie obniża ryzyko RODO względem klasycznego eye-trackingu. Dane osobowe
|
||||
ograniczają się do kont użytkowników (auth Supabase).
|
||||
- **Własność treści:** kreacje klientów to materiały chronione. Kontrola dostępu działa
|
||||
na poziomie organizacji i projektu, z izolacją danych między organizacjami (RLS w Supabase).
|
||||
- **Sekrety:** klucze i hosty modeli poza kodem (vault / zmienne środowiskowe), nie w repo.
|
||||
- **Modele publiczne:** o tym, który proces korzysta z modelu publicznego, decyduje Super
|
||||
administrator przez konfigurację procesu i pluginu. Klient nie wybiera modelu. Część analiz
|
||||
(Facial Coding, analiza kognitywna, warunkowanie demografią) korzysta z modeli publicznych,
|
||||
więc dla tych procesów kreacje opuszczają infrastrukturę własną na czas predykcji.
|
||||
- **Neuroatypowość:** w MVP predykcje nie różnicują się po neuroatypowości, a komunikacja
|
||||
wyników nie sugeruje diagnozy.
|
||||
|
||||
---
|
||||
|
||||
## 16. Internacjonalizacja
|
||||
|
||||
- **Języki UI w MVP 1.0:** polski i angielski (kolejne w następnych wersjach).
|
||||
- **Język raportu i interpretacji kognitywnej:** podąża za językiem wybranym przez
|
||||
użytkownika. Warstwa interpretacji generuje tekst w tym języku.
|
||||
- **Prompt ASM:** traktowany jako parametr konfigurowalny (nie stała), niezależny od języka UI.
|
||||
|
||||
---
|
||||
|
||||
## 17. Przepływy użytkownika (use case'y)
|
||||
|
||||
### UC1 - Eksperyment ABC bez zmian w Studio (obiekty i AOI z AI)
|
||||
|
||||
1. Rejestracja. 2. Logowanie. 3. Utworzenie organizacji. 4. Dodanie kreacji do galerii.
|
||||
5. Nowy projekt i eksperyment: cel, grupa docelowa, typ ABC z 3 kreacjami, parametry,
|
||||
bez zmian w Studio. 6. Generowanie raportu. 7. Eksport PDF. 8. Udostępnienie linkiem
|
||||
publicznym lub zaproszeniem z uprawnieniami projektu. 9. "Zmień ten eksperyment", nowa nazwa,
|
||||
Krok 1 z prekonfiguracją.
|
||||
|
||||
### UC2 - Eksperyment ABC ze zmianami w Studio i segmentem
|
||||
|
||||
Jak UC1, z konkretną grupą docelową (np. Młodzież / Kobieta / miasto do 19 tys. / wyższe /
|
||||
dochód średni / neurotypowy), celem "Która kreacja lepiej sprzedaje?", analizą ET+FC,
|
||||
3 kreacjami, obiektami i AOI wskazanymi przez AI z korektą w Studio, eksportem PDF,
|
||||
udostępnieniem (link publiczny lub zaproszenie) oraz "Edytuj" jako bazą kolejnego eksperymentu.
|
||||
|
||||
Pełny zakres metryk ET+FC dla UC2 zależy od dostarczenia modeli saliency czasowej, scanpath
|
||||
i Facial Coding (sekcja 9).
|
||||
|
||||
---
|
||||
|
||||
## 18. Zakres MVP 1.0 vs roadmapa
|
||||
|
||||
### W zakresie MVP 1.0
|
||||
|
||||
- Platforma SaaS: organizacje, role i uprawnienia, projekty, galeria (org + projekt), eksperymenty.
|
||||
- Kreator eksperymentu (4 kroki), słowniki celów, obiektów, AOI i grup docelowych.
|
||||
- Studio: automatyczne i ręczne obiekty oraz AOI (LLaVA + Grounding DINO + sugestia AOI).
|
||||
- Pipeline AI: detekcja obiektów oraz saliency statyczna z 3 modeli (DeepGaze, UNISAL, ASM)
|
||||
z walidacją krzyżową i wizualizacjami (overlay, nakładka, porównanie 2×2).
|
||||
- Saliency czasowa i mapy dynamiczne 1-20 s.
|
||||
- Ścieżki fiksacji (scanpath) i ścieżka AOI.
|
||||
- Facial Coding (mapa emocji) realizowany jako model publiczny.
|
||||
- Predykcje różnicowane dla grupy docelowej (przez modele zewnętrzne).
|
||||
- Warstwa interpretacji kognitywnej (rekomendacja z uzasadnieniem).
|
||||
- Metryki udziału uwagi na AOI i porównanie wariantów. Raport i eksport PDF.
|
||||
- Udostępnianie raportu linkiem publicznym.
|
||||
- Panel administracyjny: organizacje, użytkownicy, plany, wymiana modeli AI
|
||||
(Proces <-> Model) i logi.
|
||||
|
||||
Wszystkie 15 celów jest objęte zakresem MVP. Część z nich zależy od dostarczenia modeli
|
||||
saliency czasowej, scanpath i Facial Coding oraz ich dokumentacji.
|
||||
|
||||
### Roadmapa (kolejne wersje)
|
||||
|
||||
- Facial Coding jako model prywatny (zamiast publicznego).
|
||||
- Eksporty XLS i AVI.
|
||||
- Kolejne języki UI.
|
||||
- Dalsza rozbudowa warunkowania predykcji demografią po stronie modeli własnych.
|
||||
|
||||
---
|
||||
|
||||
*Dokument roboczy v0.3. Otwarte kwestie oznaczone [do doprecyzowania] zebrano w pliku
|
||||
`Pytania do koncepcji - uzupełnienie.md`.*
|
||||
813
Koncepcja 0.4.md
Normal file
813
Koncepcja 0.4.md
Normal file
|
|
@ -0,0 +1,813 @@
|
|||
# AdReactions - Koncepcja platformy v0.4
|
||||
|
||||
> Status dokumentu: robocza koncepcja produktu. Spina w jedną całość model domenowy,
|
||||
> mapowanie cel biznesowy -> metryki -> usługi AI, zasady wymienialności modeli,
|
||||
> propozycję modelu danych oraz zakres MVP 1.0.
|
||||
|
||||
---
|
||||
|
||||
## Spis treści
|
||||
|
||||
1. [Streszczenie wykonawcze](#1-streszczenie-wykonawcze)
|
||||
2. [Wizja produktu i propozycja wartości](#2-wizja-produktu-i-propozycja-wartości)
|
||||
3. [Słownik pojęć (model domenowy)](#3-słownik-pojęć-model-domenowy)
|
||||
4. [Architektura logiczna platformy](#4-architektura-logiczna-platformy)
|
||||
5. [Organizacje, role i uprawnienia](#5-organizacje-role-i-uprawnienia)
|
||||
6. [Moduły platformy](#6-moduły-platformy)
|
||||
7. [Cykl życia eksperymentu (kreator 4 kroków)](#7-cykl-życia-eksperymentu-kreator-4-kroków)
|
||||
8. [Katalog celów analiz kognitywnych](#8-katalog-celów-analiz-kognitywnych)
|
||||
9. [Warstwa AI - proces analizy](#9-warstwa-ai---proces-analizy)
|
||||
10. [Wymienialność modeli AI (Proces <-> Model)](#10-wymienialność-modeli-ai-proces---model)
|
||||
11. [Struktura i generowanie raportu](#11-struktura-i-generowanie-raportu)
|
||||
12. [Propozycja modelu danych (Supabase)](#12-propozycja-modelu-danych-supabase)
|
||||
13. [Kredyty, plany, przestrzeń dyskowa](#13-kredyty-plany-przestrzeń-dyskowa)
|
||||
14. [Logi i audyt](#14-logi-i-audyt)
|
||||
15. [Bezpieczeństwo, prywatność, zgodność](#15-bezpieczeństwo-prywatność-zgodność)
|
||||
16. [Internacjonalizacja](#16-internacjonalizacja)
|
||||
17. [Przepływy użytkownika (use case'y)](#17-przepływy-użytkownika-use-casey)
|
||||
18. [Zakres MVP 1.0 vs roadmapa](#18-zakres-mvp-10-vs-roadmapa)
|
||||
|
||||
---
|
||||
|
||||
## 1. Streszczenie wykonawcze
|
||||
|
||||
**AdReactions** to aplikacja SaaS do predykcyjnego badania percepcji i emocji wobec kreacji
|
||||
reklamowych, bez udziału realnych respondentów. Zamiast organizować kosztowne badania
|
||||
eye-trackingowe na ludziach, użytkownik wgrywa kreację (reklamę, baner, opakowanie, ekran UI)
|
||||
i otrzymuje syntetyczny eye-tracking oraz predykcję reakcji emocjonalnej generowane przez
|
||||
modele AI, w tym autorski model **ASM PNS**.
|
||||
|
||||
Cechą wyróżniającą produkt jest odwrócenie perspektywy. Użytkownik nie konfiguruje metryk,
|
||||
tylko wybiera **cel biznesowy** ("Która kreacja lepiej sprzedaje?", "Czy CTA działa?"),
|
||||
a system sam dobiera technologię analizy (Eye Tracking, Facial Coding, ET+FC), zestaw metryk
|
||||
i sposób interpretacji wyniku. Raport nie podaje surowych liczb, lecz **rekomendację
|
||||
z uzasadnieniem** ("Wariant B lepiej realizuje cel sprzedażowy, ponieważ...").
|
||||
|
||||
**Zakres MVP 1.0** obejmuje pełną platformę SaaS (organizacje, projekty, eksperymenty,
|
||||
galeria kreacji, raporty), kreator eksperymentu, panel administracyjny z wymienialnymi
|
||||
modelami AI oraz pipeline analizy złożony z:
|
||||
|
||||
- detekcji obiektów i predykcji uwagi wzrokowej (saliency statyczna z trzech modeli
|
||||
z walidacją krzyżową),
|
||||
- wizualizacji czasowych i map dynamicznych 1-20 s,
|
||||
- ścieżek fiksacji (scanpath),
|
||||
- Facial Coding (mapa emocji),
|
||||
- predykcji różnicowanych dla grupy docelowej,
|
||||
- warstwy interpretacji kognitywnej, która zamienia metryki w rekomendację.
|
||||
|
||||
Procesy, dla których model własny nie jest jeszcze gotowy (saliency czasowa, scanpath,
|
||||
Facial Coding, warunkowanie demografią, analiza kognitywna), startują na modelach publicznych
|
||||
podpiętych przez plugin. Modele własne zastępują je w kolejnym kroku, w najbliższym czasie.
|
||||
Dzięki temu pełen zakres MVP działa od startu, a jakość predykcji rośnie wraz z wdrażaniem
|
||||
modeli własnych.
|
||||
|
||||
---
|
||||
|
||||
## 2. Wizja produktu i propozycja wartości
|
||||
|
||||
### 2.1. Problem
|
||||
|
||||
Klasyczne badania eye-trackingu i kodowania mimiki są drogie, czasochłonne i wymagają
|
||||
rekrutacji respondentów oraz sprzętu. Decyzje o wyborze wariantu kreacji zapadają więc
|
||||
często "na wyczucie", już po poniesieniu kosztów produkcji.
|
||||
|
||||
### 2.2. Propozycja wartości
|
||||
|
||||
- **Szybkość i koszt** - predykcja w minutach zamiast tygodni, bez respondentów.
|
||||
- **Decyzyjność** - wynik prowadzi do konkretnej rekomendacji ("wybierz B"), a nie do tabeli liczb.
|
||||
- **Porównywalność** - test A / AB / ABC zestawia warianty na jednej osi metryk.
|
||||
- **Segmentacja** - predykcje dla zdefiniowanej grupy docelowej (demografia, profile).
|
||||
- **Powtarzalność** - eksperyment można sklonować i zmodyfikować jako bazę kolejnego.
|
||||
|
||||
### 2.3. Kluczowa innowacja: cel zamiast metryk
|
||||
|
||||
To centralny mechanizm produktu, rozwinięty w sekcji 8. Pięć warstw prowadzi od wyboru celu
|
||||
do rekomendacji:
|
||||
|
||||
```
|
||||
[1] Użytkownik wybiera CEL BIZNESOWY np. "Która kreacja lepiej sprzedaje?"
|
||||
|
|
||||
[2] System pokazuje OPIS POMOCNICZY "Sprawdź, który wariant prowadzi uwagę do CTA..."
|
||||
|
|
||||
[3] System rekomenduje TYP ANALIZY ET+FC (z możliwością zmiany przez użytkownika)
|
||||
|
|
||||
[4] System dobiera METRYKI "pod spodem" udział uwagi na CTA, walencja pozytywna, ...
|
||||
|
|
||||
[5] Raport zwraca REKOMENDACJĘ Z UZASADNIENIEM "Wariant B..., ponieważ..."
|
||||
```
|
||||
|
||||
### 2.4. Odbiorcy (persony)
|
||||
|
||||
- **Marketer / brand manager** - wybiera wariant kampanii, potrzebuje rekomendacji.
|
||||
- **Agencja kreatywna** - testuje koncepty przed prezentacją klientowi.
|
||||
- **Projektant UX / CRO** - sprawdza, czy ekran prowadzi użytkownika do celu.
|
||||
- **Super administrator (operator platformy)** - zarządza organizacjami, planami i modelami AI.
|
||||
|
||||
---
|
||||
|
||||
## 3. Słownik pojęć (model domenowy)
|
||||
|
||||
| Pojęcie | Definicja |
|
||||
|---|---|
|
||||
| **Organizacja** | Najwyższy kontener klienta. Ma administratora, użytkowników, projekty, plan, pulę kredytów i przestrzeń dyskową. |
|
||||
| **Użytkownik** | Niezależne konto osoby. Zakłada maksymalnie jedną własną organizację, ale przez zaproszenia może należeć do wielu. |
|
||||
| **Projekt** | Kontener eksperymentów wraz z galerią kreacji projektu. Typ pochodny: ET / FC / ET+FC. |
|
||||
| **Eksperyment** | Pojedyncza analiza predykcyjna 1-3 kreacji wg zadanego celu, grupy i parametrów. |
|
||||
| **Kreacja** | Materiał graficzny (PNG/JPEG): reklama, baner, opakowanie, ekran. Jednostka wejściowa analizy. |
|
||||
| **Galeria** | Zbiór kreacji na poziomie organizacji (współdzielona) i projektu (podzbiór roboczy). |
|
||||
| **Obiekt** | Rozpoznany element treści obrazu (osoba, butelka, logo) z ramką (bbox). Źródło: AI lub użytkownik. |
|
||||
| **AOI** (Area of Interest) | Obszar o znaczeniu marketingowym (CTA, Logo, Key Visual). Źródło: AI (sugestia) lub użytkownik. |
|
||||
| **Metryka** | Mierzalny wskaźnik percepcji lub emocji (np. udział uwagi na AOI, walencja pozytywna). |
|
||||
| **Cel** | Pytanie biznesowe wybrane przez użytkownika. Mapuje się na typ analizy i zestaw metryk. |
|
||||
| **Grupa docelowa** | Profil odbiorcy (wiek, płeć, miejsce, wykształcenie, dochód, neuroatypowość, preset). |
|
||||
| **Raport** | Złożenie wizualizacji, metryk i interpretacji kognitywnej dla eksperymentu. |
|
||||
| **Proces AI** | Pojedynczy krok analizy (np. detekcja obiektów, predykcja saliency, Facial Coding). |
|
||||
| **Model AI** | Silnik realizujący proces (LLaVA, ASM, DeepGaze, Gemini, Opus), wymienny na inny (sekcja 10). |
|
||||
| **Plugin / adapter** | Kod, który podpina dany model pod proces i tłumaczy kontrakt procesu na API modelu. |
|
||||
| **Plan** | Pakiet przypisany organizacji: kredyty startowe, kredyty miesięczne, przestrzeń dyskowa. |
|
||||
| **Kredyt / coin** | Wewnętrzna jednostka rozliczeniowa pobierana za eksperymenty i rozszerzenie dysku. |
|
||||
|
||||
### Diagram relacji encji (uproszczony)
|
||||
|
||||
```
|
||||
Organizacja 1───* Użytkownik Organizacja 1───* Projekt
|
||||
│ │
|
||||
│ 1 │ 1
|
||||
* *
|
||||
Galeria(org) *───* Kreacja Eksperyment
|
||||
▲ │ * │ 1
|
||||
│ │ ├──* Kreacja (1-3: A/B/C)
|
||||
Galeria(projekt) *────┘ ├──* Obiekt
|
||||
├──* AOI
|
||||
├──1 Cel + Grupa docelowa + Parametry
|
||||
└──1 Raport ──* WynikModelu / Metryka
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 4. Architektura logiczna platformy
|
||||
|
||||
### 4.1. Warstwy
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────────────────────────────────────┐
|
||||
│ FRONTEND - React + shadcn/ui + Tailwind │
|
||||
│ Panele: Administracyjny · Użytkownika · Organizacji │
|
||||
│ Kreator eksperymentu (4 kroki) · Studio (obiekty/AOI) · Raport │
|
||||
└───────────────────────────────┬──────────────────────────────────────┘
|
||||
│ REST / RPC
|
||||
┌───────────────────────────────▼───────────────────────────────────────┐
|
||||
│ BACKEND - Node.js │
|
||||
│ • API platformy (CRUD: org, projekty, eksperymenty, galeria) │
|
||||
│ • Orkiestrator analizy AI (sekcja 9) - równoległe wywołania usług │
|
||||
│ • Warstwa metryk (dane modeli + AOI -> wskaźniki) │
|
||||
│ • Warstwa interpretacji kognitywnej (cel + metryki -> rekomendacja) │
|
||||
│ • Generator raportu (PDF + wizualizacje) │
|
||||
│ • Rejestr modeli AI + router "Proces <-> Model" + pluginy (sekcja 10)│
|
||||
└──────────────┬────────────────────────────────────┬───────────────────┘
|
||||
│ │ HTTP POST (multipart)
|
||||
┌──────────────▼──────────────────┐ ┌─────────────▼──────────────────────┐
|
||||
│ SUPABASE │ │ WARSTWA MODELI AI │
|
||||
│ • PostgreSQL (model danych) │ │ Własne (API): LLaVA · Gr. DINO · │
|
||||
│ • Storage (kreacje, artefakty) │ │ DeepGaze · UNISAL · ASM (PNS) │
|
||||
│ • Auth (konta, sesje, role) │ │ Publiczne (plugin): Gemini · Opus │
|
||||
└─────────────────────────────────┘ └────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 4.2. Stack technologiczny
|
||||
|
||||
- **Front-end:** React, shadcn/ui, Tailwind.
|
||||
- **Back-end:** Node.js.
|
||||
- **Baza, Storage, Auth:** Supabase.
|
||||
- **Warstwa AI:** modele własne wystawione za REST API oraz modele publiczne podpięte przez
|
||||
pluginy, orkiestrowane przez backend Node.js (sekcja 9).
|
||||
|
||||
### 4.3. Orkiestracja
|
||||
|
||||
Logika procesu AI jest opisana niezależnie od narzędzia orkiestrującego i przeznaczona
|
||||
do implementacji jako komponent backendu Node.js: równoległe wywołania usług modelowych,
|
||||
agregacja wyników i obsługa błędów (sekcja 9). Pojedyncze modele pozostają niezależnymi
|
||||
usługami za REST API, a modele publiczne są podpinane przez pluginy (sekcja 10).
|
||||
|
||||
---
|
||||
|
||||
## 5. Organizacje, role i uprawnienia
|
||||
|
||||
### 5.1. Hierarchia
|
||||
|
||||
Organizacja ma administratora, użytkowników i projekty. Role w systemie:
|
||||
|
||||
- **Super administrator** - operator platformy. Ma dostęp do panelu administracyjnego,
|
||||
w którym zarządza organizacjami, użytkownikami, modelami AI oraz planami. Może wejść
|
||||
w dowolną organizację i poruszać się w niej tak jak administrator. Ma dostęp do logów
|
||||
systemowych i logów eksperymentu.
|
||||
- **Administrator organizacji** - powstaje podczas rejestracji organizacji. Może przekazać
|
||||
swoje prawa innemu użytkownikowi. Ma uprawnienia do każdego projektu, rozliczeń, planów
|
||||
i ustawień organizacji. Tworzy projekty i eksperymenty bez ograniczeń.
|
||||
- **Użytkownik** - każdy użytkownik ma własne, niezależne konto. Uprawnienia otrzymuje
|
||||
na poziomie organizacji oraz na poziomie konkretnego projektu.
|
||||
|
||||
### 5.2. Uprawnienia użytkownika
|
||||
|
||||
Uprawnienia działają na dwóch poziomach.
|
||||
|
||||
**Poziom organizacji** - administrator może nadać użytkownikowi prawa:
|
||||
|
||||
- tworzenia nowych projektów,
|
||||
- przeglądania wszystkich projektów,
|
||||
- edytowania wszystkich projektów,
|
||||
- usuwania wszystkich projektów,
|
||||
- zapraszania użytkowników do wszystkich projektów.
|
||||
|
||||
**Poziom projektu** - użytkownik może też dostać uprawnienia w obrębie pojedynczego projektu:
|
||||
|
||||
| Poziom w projekcie | Zakres |
|
||||
|---|---|
|
||||
| Zarządzanie | usuwanie, edycja i zapraszanie użytkowników |
|
||||
| Edycja | edycja i zapraszanie użytkowników |
|
||||
| Przeglądanie | tylko podgląd |
|
||||
|
||||
### 5.3. Macierz uprawnień
|
||||
|
||||
| Uprawnienie | Super Admin | Administrator | Użytkownik |
|
||||
|---|:--:|:--:|:--:|
|
||||
| Panel administracyjny | ✓ | - | - |
|
||||
| Zarządzanie organizacjami, użytkownikami, modelami, planami | ✓ | - | - |
|
||||
| Wejście w dowolną organizację (jak administrator) | ✓ | - | - |
|
||||
| Rozliczenia, plany, kredyty, ustawienia organizacji | ✓ | ✓ | - |
|
||||
| Tworzenie projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Przeglądanie wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Edycja wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Usuwanie wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Zapraszanie do wszystkich projektów | ✓ | ✓ | wg nadanych uprawnień |
|
||||
| Uprawnienia w obrębie pojedynczego projektu | ✓ | ✓ | wg roli w projekcie |
|
||||
|
||||
---
|
||||
|
||||
## 6. Moduły platformy
|
||||
|
||||
### 6.1. Panel administracyjny (tylko Super Administrator)
|
||||
|
||||
**Sitebar:** Dashboard · Organizacje · Użytkownicy · Plany · Proces i modele AI · Logi.
|
||||
|
||||
- **Dashboard** - KPI z dynamiką 30 dni (graficznie i liczbowo): liczba organizacji,
|
||||
użytkowników, kreacji i przeprowadzonych eksperymentów.
|
||||
- **Organizacje** - lista z wyszukiwarką. Wejście w organizację pozwala zarządzać jej danymi,
|
||||
użytkownikami, kredytami (startowymi i miesięcznymi), aktywować, dezaktywować
|
||||
i archiwizować organizację.
|
||||
- **Użytkownicy** - lista z wyszukiwarką (dane podstawowe).
|
||||
- **Plany** - definiowanie planów subskrypcji: nazwa, opis, liczba kredytów na start,
|
||||
liczba kredytów miesięcznie, przestrzeń dyskowa. Plan przypisuje się do organizacji
|
||||
(szczegóły w sekcji 13).
|
||||
- **Proces i modele AI** - zamknięta lista procesów realizowanych w eksperymentach
|
||||
i przypisany do każdego z nich model AI. To miejsce wymiany modelu na inny (sekcja 10).
|
||||
- **Logi** - logi całego systemu z filtrowaniem (użytkownik, organizacja, zakres dat, typ operacji).
|
||||
|
||||
### 6.2. Panel użytkownika (po zalogowaniu)
|
||||
|
||||
Z tego miejsca użytkownik przechodzi do wybranej organizacji, zakłada nową organizację
|
||||
(maksymalnie jedną własną) oraz zmienia swoje dane, e-mail i hasło. Do pozostałych
|
||||
organizacji dołącza przez zaproszenia.
|
||||
|
||||
### 6.3. Panel organizacji (Administrator i użytkownicy)
|
||||
|
||||
**Sitebar:** Dashboard · Projekty · Galeria.
|
||||
**Topbar:** wybór organizacji · wyszukiwarka (projekty, kreacje, eksperymenty).
|
||||
Sitebar chowa się na urządzeniach mobilnych, a obszarem roboczym jest Workspace.
|
||||
|
||||
- **Dashboard** - KPI: liczba kreacji w galerii, liczba projektów, liczba eksperymentów.
|
||||
Przyciski szybkich akcji: *Dodaj kreację do galerii*, *Utwórz nowy projekt*,
|
||||
*Przejdź do ostatniego eksperymentu*. Niżej lista projektów z wejściem.
|
||||
- **Galeria** - zarządzanie kreacjami organizacji: upload, kafelki ostatnio dodanych,
|
||||
pełna galeria (slider). Klik w kreację otwiera drawer po prawej: powiększenie oraz lista
|
||||
eksperymentów i projektów, w których użyto kreacji, z przejściem do nich.
|
||||
- **Projekty** - lista projektów (nazwa, typ ET/FC/ET+FC) i przycisk *Nowy projekt*.
|
||||
- **Panel projektu** - przegląd, weryfikacja konfiguracji eksperymentów, usuwanie
|
||||
projektu i eksperymentów, udostępnianie projektu.
|
||||
- **Galeria projektu** - kreacje dodane do projektu (z galerii organizacji lub własne
|
||||
projektu). W jednym eksperymencie maksymalnie **3 kreacje (A, B, C)**. Liczbę
|
||||
materiałów ogranicza przestrzeń dyskowa planu, rozszerzalna za kredyty (sekcja 13).
|
||||
- **Galeria eksperymentów** - wszystkie eksperymenty projektu z kluczowymi parametrami
|
||||
(technologia ET/FC/ET+FC, typ testu, autor).
|
||||
|
||||
---
|
||||
|
||||
## 7. Cykl życia eksperymentu (kreator 4 kroków)
|
||||
|
||||
Każdy eksperyment przechodzi przez czterostopniowy kreator. Poniżej rozszerzenie
|
||||
z mapowaniem na warstwę AI (sekcja 9) i metryki (sekcja 8).
|
||||
|
||||
### 7.1. Krok 1 - Cel i grupa docelowa
|
||||
|
||||
- **Cel** - wybór ze słownika 15 celów (sekcja 8) lub opis własny. Cel determinuje
|
||||
rekomendowany typ analizy i zestaw metryk.
|
||||
- **Grupa docelowa** - cechy metryczkowe lub gotowe presety:
|
||||
|
||||
| Kategoria | Wartości |
|
||||
|---|---|
|
||||
| **Wiek** | Młodzież (do 25) · Dorośli (26-64) · Seniorzy (65 i więcej) |
|
||||
| **Płeć** | Kobieta · Mężczyzna |
|
||||
| **Miejsce zamieszkania** | do 19 tys. · 20-50 tys. · 50-100 tys. · 100-500 tys. · >500 tys. |
|
||||
| **Wykształcenie** | Podstawowe · Zasadnicze zawodowe · Średnie · Wyższe · Wyższe / tytuł naukowy |
|
||||
| **Dochód** | Niski (≤MK) · Średni (MK-ŚK) · Wysoki (>ŚK) |
|
||||
| **Neuroatypowość** | Brak / Neurotypowy · ASD · ADHD · Zaburzenia depresyjne |
|
||||
| **Profile opisowe (presety)** | NT (Neurotypowy) · DE (Wykluczony cyfrowo) · SE (Silver Economy) · GZ (Gen-Z / Digital Native) |
|
||||
|
||||
Profil grupy docelowej wpływa na predykcję. Dane profilowe wykorzystują modele zewnętrzne
|
||||
podpięte przez plugin (np. Gemini), które przyjmują je jako część promptu. Modele wewnętrzne
|
||||
(saliency) nie różnicują wyniku po demografii. Kategoria neuroatypowości pozostaje
|
||||
w profilu jako metadana, ale w MVP nie różnicuje predykcji i nie służy do sugerowania
|
||||
diagnozy (sekcja 15).
|
||||
|
||||
### 7.2. Krok 2 - Parametry
|
||||
|
||||
- **Rodzaj analizy:** Eye Tracking · Facial Coding · ET+FC. Typ jest rekomendowany przez
|
||||
cel i edytowalny przez użytkownika.
|
||||
- **Rodzaj testu:** A (1 kreacja) · AB (2 kreacje) · ABC (3 kreacje).
|
||||
- **Czas obserwacji:** 1 s · 3 s · 5 s · 10 s · 15 s · 20 s. Parametr steruje mapami
|
||||
czasowymi i klatkami wizualizacji (saliency czasowa, sekcja 9).
|
||||
- **Zakres raportu:** wybór komponentów raportu (lista w sekcji 11).
|
||||
|
||||
### 7.3. Krok 3 - Studio
|
||||
|
||||
Edycja warstwy semantycznej obrazu przed analizą.
|
||||
|
||||
- **Obiekty** - użytkownik korzysta z identyfikacji AI (LLaVA -> Grounding DINO), a następnie
|
||||
koryguje lub usuwa wskazania, albo zaznacza i nazywa obszary ręcznie. Słownik kategorii:
|
||||
Architektura, Celebryci, Chemia, Edukacja, Elektronika, Finanse, Handel, Kosmetyki,
|
||||
Logistyka, Militaria, Motoryzacja, Osoby, Przemysł, Przyroda, Sport, Ubrania, Zwierzęta,
|
||||
Żywność, Inne.
|
||||
- **AOI** - na wejściu użytkownik dostaje AOI wskazane automatycznie przez AI. Może je
|
||||
zmienić, usunąć lub dodać własne. Słownik AOI: CTA, Dowód społeczny, Key Visual, Kod QR,
|
||||
Kolorystyka, Kontakt, Korzyści, Kupon, Layout, Logo, Mapa, Nagłówek, Narracja, Numer
|
||||
katalogowy, Regulaminy, Slogan, Ton komunikacji, Treść, Typografia, Tło.
|
||||
|
||||
> **Obiekt vs AOI:** obiekt to *co jest na obrazie* (detekcja treści), a AOI to *obszar
|
||||
> o znaczeniu marketingowym* (jednostka analizy uwagi). Automatyczne AOI powstają z osobnego
|
||||
> procesu sugestii (sekcja 9), a użytkownik zatwierdza je lub zmienia w Studio.
|
||||
|
||||
### 7.4. Krok 4 - Raport
|
||||
|
||||
Generowanie i prezentacja wyników, szczegóły w sekcji 11.
|
||||
|
||||
### 7.5. Logi eksperymentu
|
||||
|
||||
Super administrator po wejściu w eksperyment widzi pełne logi: wszystkie działania
|
||||
i ustawienia użytkownika oraz wszystkie dane wysłane do modeli AI i od nich odebrane.
|
||||
To audyt predykcji, istotny przy wymianie modeli (sekcja 10).
|
||||
|
||||
---
|
||||
|
||||
## 8. Katalog celów analiz kognitywnych
|
||||
|
||||
Mechanizm "cel zamiast metryk" (sekcja 2.3). Pełne opisy 15 celów znajdują się w dokumencie
|
||||
celów analiz kognitywnych. Poniżej tabela zbiorcza jako referencja konfiguracyjna (źródło
|
||||
prawdy dla domyślnego doboru typu analizy i metryk).
|
||||
|
||||
| # | Cel (nazwa UI) | Rekom. analiza | Sygnał kluczowy |
|
||||
|---|---|:--:|---|
|
||||
| 1 | Która kreacja lepiej sprzedaje? | ET+FC | uwaga na produkt/benefit/CTA + niskie napięcie |
|
||||
| 2 | Czy odbiorca widzi najważniejszy przekaz? | ET (opc. ET+FC) | zauważalność i czas dotarcia do komunikatu |
|
||||
| 3 | Czy CTA działa? | ET+FC | widoczność CTA + brak oporu emocjonalnego |
|
||||
| 4 | Która kreacja zostaje w pamięci? | ET+FC | uwaga + pobudzenie (high arousal) |
|
||||
| 5 | Która kreacja najlepiej buduje markę? | ET+FC | uwaga na logo + pozytywna walencja |
|
||||
| 6 | Czy kreacja budzi negatywne reakcje? | FC (opc. ET+FC) | walencja negatywna + high arousal na elemencie |
|
||||
| 7 | Czy przekaz jest zrozumiały? | ET (opc. ET+FC) | logiczna ścieżka, brak chaosu i powrotów |
|
||||
| 8 | Czy kreacja działa od pierwszych sekund? | ET+FC | pierwsza fiksacja + impuls emocjonalny 1-3 s |
|
||||
| 9 | Czy kreacja angażuje, czy jest obojętna? | FC (opc. ET+FC) | aktywacja vs low arousal / neutral |
|
||||
| 10 | Który styl komunikacji działa lepiej? | ET+FC | rozkład uwagi tekst/obraz + profil emocji |
|
||||
| 11 | Które opakowanie lepiej przyciąga klienta? | ET+FC | marka/wariant/benefit + atrakcyjność |
|
||||
| 12 | Czy ekran prowadzi użytkownika do celu? | ET+FC | ścieżka do akcji + komfort/frustracja |
|
||||
| 13 | Która kreacja najlepiej pasuje do grupy docelowej? | ET+FC | różnice między segmentami |
|
||||
| 14 | Która kreacja jest najbezpieczniejsza? | ET+FC | niska negatywność i ambiwalencja, czytelność |
|
||||
| 15 | Która kreacja najbardziej się wyróżnia? | ET+FC | siła pierwszej fiksacji + aktywacja |
|
||||
|
||||
MVP 1.0 udostępnia wszystkie 15 celów. Cele oparte na emocjach (np. 6, 9) korzystają
|
||||
z Facial Coding, a cele wrażliwe na kolejność i czas (np. 7, 8) z map czasowych i scanpath.
|
||||
Procesy te startują na modelach publicznych przez plugin, a modele własne zastępują je
|
||||
w najbliższym czasie (sekcja 9).
|
||||
|
||||
**Zasada interpretacji wspólna dla wszystkich celów:** raport rozróżnia warianty pozytywne,
|
||||
neutralne i ryzykowne (np. "wyróżnialność pozytywna" vs "ryzykowna"), a rekomendacja zależy
|
||||
od kontekstu kampanii (performance vs wizerunek) i grupy docelowej.
|
||||
|
||||
---
|
||||
|
||||
## 9. Warstwa AI - proces analizy
|
||||
|
||||
Proces jest bezstanowy: jedno wejście (obraz) daje jeden komplet wyników.
|
||||
|
||||
### 9.1. Pipeline i procesy
|
||||
|
||||
```
|
||||
Wejście: obraz (PNG/JPEG)
|
||||
│ preprocessing -> bytes + base64 + mime + (w,h)
|
||||
┌──────────────┼───────────────┬───────────────┬───────────────┐
|
||||
▼ (łańcuch A, sekwencyjny) ▼ (B) ▼ (C) ▼ (D)
|
||||
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────────┐
|
||||
│ LLaVA │ etykiety │ DeepGaze │ │ UNISAL │ │ ASM (PNS) │
|
||||
│ (VLM) │───┐ │(saliency)│ │(saliency)│ │ 2× saliency │
|
||||
└──────────┘ ▼ └────┬─────┘ └────┬─────┘ └──────┬───────┘
|
||||
┌─────────────┐ │ │ │
|
||||
│ Grounding │ └──────────────┴────────────────┘
|
||||
│ DINO (boxy) │ │ agregacja saliency
|
||||
└─────┬───────┘ ▼
|
||||
▼ ┌──────────────────────────────┐
|
||||
detekcja obiektów │ Artefakty: overlay boxów · │
|
||||
│ │ nakładka heatmapy (suwak) · │
|
||||
▼ │ porównanie 2×2 (walid. krzyż)│
|
||||
sugestia AOI └──────────────┬───────────────┘
|
||||
▼
|
||||
┌────────────────────────────────────────┐
|
||||
│ Procesy na pluginie (MVP 1.0): │
|
||||
│ saliency czasowa 1-20 s · scanpath · │
|
||||
│ Facial Coding (mapa emocji) · │
|
||||
│ warunkowanie demografią │
|
||||
└────────────────────┬───────────────────┘
|
||||
▼
|
||||
┌────────────────────────────────────────┐
|
||||
│ Warstwa metryk (backend): │
|
||||
│ dane modeli + AOI -> wskaźniki │
|
||||
└────────────────────┬───────────────────┘
|
||||
▼
|
||||
┌─────────────────────────────────────────┐
|
||||
│ Analiza kognitywna (model + cel): │
|
||||
│ metryki -> rekomendacja z uzasadnieniem │
|
||||
└─────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
**Zamknięta lista procesów:**
|
||||
|
||||
| # | Proces | Model (domyślny) | Status |
|
||||
|---|---|---|:--:|
|
||||
| 1 | Ekstrakcja typów obiektów | LLaVA (lub publiczny przez plugin) | ✅ |
|
||||
| 2 | Detekcja obiektów (bboxy) | Grounding DINO | ✅ |
|
||||
| 3 | Predykcja saliency #1 | DeepGaze | ✅ |
|
||||
| 4 | Predykcja saliency #2 | UNISAL | ✅ |
|
||||
| 5 | Predykcja saliency centralna | ASM (PNS) | ✅ |
|
||||
| 6 | Sugestia AOI | model publiczny / mapowanie z obiektów | 🔁 |
|
||||
| 7 | Saliency czasowa (mapy dynamiczne 1-20 s) | model czasowy | 🔁 |
|
||||
| 8 | Scanpath (ścieżka fiksacji) | model scanpath | 🔁 |
|
||||
| 9 | Facial Coding (mapa emocji) | model publiczny przez plugin | 🔁 |
|
||||
| 10 | Warunkowanie predykcji demografią | model zewnętrzny (prompt + profil) | 🔁 |
|
||||
| 11 | Analiza kognitywna (rekomendacja) | model publiczny lub prywatny | 🔁 |
|
||||
|
||||
> Legenda: ✅ działa na modelu własnym · 🔁 w MVP na modelu publicznym (plugin), model własny
|
||||
> w najbliższym czasie.
|
||||
|
||||
**Zależności i równoległość:**
|
||||
|
||||
- Łańcuch A jest sekwencyjny (Grounding DINO potrzebuje etykiet z LLaVA).
|
||||
- Gałęzie A, B, C, D są niezależne i wykonują się równolegle. Czas to czas najwolniejszej gałęzi.
|
||||
- Awaria jednej gałęzi nie przerywa całości. Degradacja jest stopniowa (per-task try/except),
|
||||
a pozostałe artefakty powstają normalnie.
|
||||
- Warstwa metryk i analiza kognitywna działają po zebraniu wyników saliency, FC i scanpath.
|
||||
|
||||
### 9.2. Model danych wyników
|
||||
|
||||
Modele zwracają dane matematyczne (liczbowe), nie tylko obrazy. Na ich podstawie powstają
|
||||
zarówno wskaźniki, jak i wizualizacje.
|
||||
|
||||
```
|
||||
AnalysisResult {
|
||||
image : ImageInput { bytes, base64, mime, width, height }
|
||||
detection : DetectionResult { objects: [{ object_type, bbox_xyxy, score }] }
|
||||
saliency : SaliencyData[] // intensywność uwagi (liczbowo) + mapa; deepgaze, unisal, asm
|
||||
temporal : SaliencyFrame[] // przedziały czasu: intensywność uwagi w czasie
|
||||
scanpath : ScanpathPoint[] // sekwencja fiksacji: kolejność, czas, intensywność
|
||||
emotion : EmotionData // walencja, pobudzenie, frustracja, ambiwalencja, komfort (wartości)
|
||||
}
|
||||
```
|
||||
|
||||
### 9.3. Artefakty wizualizacyjne
|
||||
|
||||
1. **Overlay detekcji** - ramki per obiekt, kolor per typ, podpis `typ + score%`,
|
||||
pozycje w procentach wymiarów (responsywność).
|
||||
2. **Nakładka heatmapy** - mapa uwagi z suwakiem przezroczystości 0-100%.
|
||||
3. **Porównanie 2×2** - DeepGaze / UNISAL / ASM detailed / ASM general; wspólny suwak,
|
||||
technika inwersji (blend luminancji: biel = wysoka uwaga, efekt reflektora).
|
||||
4. **Mapy dynamiczne 1-20 s** - sekwencja klatek saliency w czasie.
|
||||
5. **Scanpath** - ścieżka fiksacji z kolejnością kontaktu z AOI.
|
||||
6. **Mapa emocji** - wizualizacja metryk Facial Coding na kreacji.
|
||||
|
||||
### 9.4. Mapowanie: technologie badawcze (produkt) <-> procesy AI (pipeline)
|
||||
|
||||
| Warstwa produktu | Realizacja w AI | Status |
|
||||
|---|---|:--:|
|
||||
| **Eye Tracking** - mapy uwagi, udział uwagi na AOI | DeepGaze · UNISAL · ASM | ✅ |
|
||||
| Rozumienie treści - obiekty, opis | LLaVA + Grounding DINO | ✅ |
|
||||
| **ET czasowy** - mapy dynamiczne 1-20 s | saliency w interwałach czasu | 🔁 |
|
||||
| **ET** - ścieżki fiksacji (scanpath) | model scanpath | 🔁 |
|
||||
| **Facial Coding** - walencja, pobudzenie, frustracja | model emocji (publiczny przez plugin) | 🔁 |
|
||||
| **Analiza kognitywna** - rekomendacja z uzasadnieniem | warstwa interpretacji nad metrykami | 🔁 |
|
||||
| **Predykcje per grupa docelowa** | warunkowanie modelu demografią | 🔁 |
|
||||
|
||||
### 9.5. Warstwa metryk i lista wskaźników
|
||||
|
||||
Modele zwracają dane matematyczne: dla uwagi liczbową intensywność w obszarach kreacji,
|
||||
dla scanpath i map czasowych dodatkowo kolejność, czas i intensywność kontaktu, a dla
|
||||
Facial Coding wartości emocji. Wskaźniki produktowe powstają w backendzie przez zestawienie
|
||||
tych danych z obszarami AOI zdefiniowanymi w Studio: dane uwagi w granicach AOI dają udział
|
||||
uwagi, a dane scanpath kolejność i czas kontaktu z AOI. Mapy cieplne i pozostałe wizualizacje
|
||||
renderują się z tych samych danych.
|
||||
|
||||
Lista wskaźników w MVP:
|
||||
|
||||
| Metryka | Źródło | Status |
|
||||
|---|---|:--:|
|
||||
| Udział uwagi na AOI (%) | dane uwagi w granicach AOI | ✅ |
|
||||
| Ranking AOI wg uwagi | dane uwagi w granicach AOI | ✅ |
|
||||
| Mapa cieplna statyczna | dane uwagi | ✅ |
|
||||
| Porównanie kreacji wg uwagi | dane uwagi × N kreacji | ✅ |
|
||||
| Czas do pierwszej fiksacji | scanpath | 🔁 |
|
||||
| Kolejność kontaktu z AOI (ścieżka AOI) | scanpath | 🔁 |
|
||||
| Liczba powrotów wzroku | scanpath | 🔁 |
|
||||
| Mapy dynamiczne 1-20 s | saliency czasowa | 🔁 |
|
||||
| Walencja, pobudzenie, frustracja, ambiwalencja, komfort | model emocji (FC) | 🔁 |
|
||||
| Różnice metryk między segmentami | warunkowanie demografią | 🔁 |
|
||||
|
||||
Ścieżka AOI opiera się na danych scanpath (kolejność, czas, intensywność), a nie na
|
||||
przybliżeniu rankingiem. Procesy oznaczone 🔁 startują na modelach publicznych przez plugin,
|
||||
a po dostarczeniu modeli własnych ich przypisanie zmienia się w panelu bez zmian w reszcie
|
||||
pipeline'u.
|
||||
|
||||
---
|
||||
|
||||
## 10. Wymienialność modeli AI (Proces <-> Model)
|
||||
|
||||
W MVP 1.0 musi istnieć możliwość zmiany modelu realizującego dany proces na inny (np. publiczny
|
||||
Gemini lub Opus) z poziomu panelu administracyjnego.
|
||||
|
||||
### 10.1. Zasada: rozdzielenie procesu od modelu
|
||||
|
||||
```
|
||||
PROCES (stały, zamknięta lista) MODEL (wymienny) USŁUGA
|
||||
───────────────────────────── ───────────────── ─────────────────
|
||||
Ekstrakcja typów obiektów ──► LLaVA ──► API LLaVA (bez pluginu)
|
||||
╲─► Gemini Vision ──► plugin -> API Gemini
|
||||
Detekcja obiektów (boxy) ──► Grounding DINO ──► API (bez pluginu)
|
||||
Predykcja saliency ──► DeepGaze/UNISAL ──► API (bez pluginu)
|
||||
Predykcja saliency centralna ──► ASM (PNS) ──► API (bez pluginu)
|
||||
Facial Coding ──► model publiczny ──► plugin -> API dostawcy
|
||||
Analiza kognitywna ──► prywatny/publiczny──► API lub plugin
|
||||
```
|
||||
|
||||
Każdy proces ma zdefiniowany kontrakt (wejście: obraz i parametry; wyjście: ustandaryzowany
|
||||
typ, np. `labels[]`, `bboxes[]`, `SaliencyData`, `EmotionData`). Model jest podpięty przez kod
|
||||
realizujący ten kontrakt, więc podmiana modelu nie zmienia reszty pipeline'u.
|
||||
|
||||
### 10.2. Wymiana modelu wymaga wymiany kodu kroku
|
||||
|
||||
Wymienić można model dla każdego procesu. Wymiana modelu pociąga jednak za sobą wymianę kodu,
|
||||
który realizuje dany krok, tak aby zachować spójność całego procesu. Dla modeli publicznych
|
||||
ten kod ma postać **pluginu**:
|
||||
|
||||
- **Model prywatny** dostępny przez API - bez pluginu (np. ASM, DeepGaze, UNISAL, Grounding
|
||||
DINO, LLaVA).
|
||||
- **Model publiczny Gemini** - plugin (np. wskazanie obiektów dla modeli publicznych, FC,
|
||||
analiza kognitywna).
|
||||
- **Model publiczny Opus** - plugin (analogicznie).
|
||||
|
||||
Plugin realizuje trzy rzeczy:
|
||||
|
||||
1. mapowanie wejścia procesu na format żądania modelu (multipart / JSON, prompt, parametry),
|
||||
2. wywołanie (URL, schemat auth: Bearer, X-API-Key lub klucz dostawcy),
|
||||
3. mapowanie wyjścia modelu na ustandaryzowany typ procesu.
|
||||
|
||||
### 10.3. Panel "Proces i modele AI"
|
||||
|
||||
Ekran administracyjny prezentuje zamkniętą listę procesów i dla każdego pozwala:
|
||||
|
||||
- wybrać aktywny model z listy zarejestrowanych modeli i pluginów,
|
||||
- skonfigurować endpoint, klucze i parametry (host, token, prompt ASM, `max_objects`,
|
||||
`temperature`), przechowywane jako sekrety (Supabase / vault), nie w kodzie,
|
||||
- wykonać test połączenia (health-check) i podejrzeć przykładowy wynik,
|
||||
- wersjonować przypisanie model <-> proces, aby logi eksperymentu wskazywały, którym modelem
|
||||
policzono dany raport (powtarzalność, audyt, sekcja 7.5).
|
||||
|
||||
Konfiguracja modeli (adresy, klucze, parametry) jest zarządzana z panelu administracyjnego
|
||||
i nie jest zaszyta w kodzie ani w konfiguracji testowej.
|
||||
|
||||
### 10.4. Modele własne vs publiczne
|
||||
|
||||
- **Własne (mikroserwisy za API):** LLaVA, Grounding DINO, DeepGaze, UNISAL, ASM (PNS).
|
||||
ASM jest rdzeniem przewagi produktu.
|
||||
- **Publiczne (przez plugin):** Gemini, Opus i inne. Używane do procesów rozumienia treści
|
||||
(opis kreacji, lista obiektów), Facial Coding, analizy kognitywnej oraz warunkowania
|
||||
predykcji demografią. W MVP Facial Coding realizujemy jako model publiczny, nawet jeśli
|
||||
model prywatny nie będzie jeszcze dostępny.
|
||||
|
||||
Procesy, dla których model własny nie jest jeszcze gotowy (saliency czasowa, scanpath,
|
||||
Facial Coding, warunkowanie demografią, analiza kognitywna), startują na modelach publicznych
|
||||
przez plugin. Po dostarczeniu modeli własnych wystarczy zmienić przypisanie model <-> proces
|
||||
w panelu, bez zmian w pozostałej części pipeline'u. To wprost pokazuje wartość rozdzielenia
|
||||
procesu od modelu.
|
||||
|
||||
O tym, jaki model i plugin obsługuje dany proces, decyduje Super administrator. Klient nie
|
||||
wybiera modelu, na którym pracuje jego eksperyment (sekcja 15).
|
||||
|
||||
---
|
||||
|
||||
## 11. Struktura i generowanie raportu
|
||||
|
||||
### 11.1. Komponenty raportu i ich źródła
|
||||
|
||||
| Komponent raportu | Źródło danych (proces/model) | Status MVP |
|
||||
|---|---|:--:|
|
||||
| Opis ogólny kreacji | LLaVA / opis (ew. prompt ASM) | ✅ |
|
||||
| Lista obiektów | LLaVA + Grounding DINO | ✅ |
|
||||
| Lista i opis AOI | sugestia AI + korekta użytkownika (Studio) | ✅ |
|
||||
| Mapy cieplne statyczne | DeepGaze / UNISAL / ASM | ✅ |
|
||||
| Mapy cieplne dynamiczne 1-20 s | saliency czasowa | 🔁 |
|
||||
| Ścieżki fiksacji (scanpath) | model scanpath | 🔁 |
|
||||
| Ścieżka AOI | scanpath (kolejność, czas, intensywność) | 🔁 |
|
||||
| Mapa emocji (Facial Coding) | model emocji (publiczny przez plugin) | 🔁 |
|
||||
| Analiza kognitywna (rekomendacja) | warstwa interpretacji (cel + metryki -> tekst) | 🔁 |
|
||||
| Tabela porównawcza z metrykami | warstwa metryk (dane modeli + AOI) | ✅ |
|
||||
|
||||
### 11.2. Warianty A / AB / ABC
|
||||
|
||||
- Komponenty raportu powielają się per kreacja: AB to 2 kreacje, ABC to 3 kreacje.
|
||||
- Sednem jest zestawienie porównawcze i rekomendacja "który wariant wygrywa i dlaczego",
|
||||
z rozbiciem na zwycięzcę ogólnego i zwycięzcę dla grupy docelowej (cel 13).
|
||||
- Rekomendacja opiera się wyłącznie na policzonych metrykach i wskazuje metrykę, która ją
|
||||
uzasadnia (np. "B wygrywa, bo udział uwagi na CTA wynosi 38% vs 22% dla A"). Warstwa
|
||||
kognitywna nie formułuje wniosków bez pokrycia w danych.
|
||||
|
||||
### 11.3. Eksport i udostępnianie
|
||||
|
||||
- **Eksport:** PDF (raport).
|
||||
- **Udostępnianie:** raport można udostępnić linkiem publicznym, bez wymogu logowania.
|
||||
Niezależnie działa udostępnianie wewnątrz organizacji wg uprawnień projektu (sekcja 5).
|
||||
- **Klonowanie:** "Zmień ten eksperyment" lub "Edytuj" prowadzi do prośby o nową nazwę
|
||||
i przekierowania do Kroku 1 z prekonfiguracją z eksperymentu bazowego (sekcja 12).
|
||||
|
||||
---
|
||||
|
||||
## 12. Propozycja modelu danych (Supabase)
|
||||
|
||||
Szkic encji do walidacji (nazwy robocze). Klucze obce uproszczone.
|
||||
|
||||
```
|
||||
plans(id, name, description, start_credits, monthly_credits, storage_quota_mb, created_by)
|
||||
organizations(id, name, status[active|inactive|archived], plan_id, credits_balance,
|
||||
storage_quota_mb, created_at)
|
||||
users(id, email, display_name, locale, created_at)
|
||||
memberships(id, org_id, user_id, role[admin|member],
|
||||
org_permissions jsonb) // create/view_all/edit_all/delete_all/invite_all
|
||||
projects(id, org_id, name, type[ET|FC|ET_FC], created_by, created_at)
|
||||
project_permissions(id, project_id, user_id, level[manage|edit|view])
|
||||
creatives(id, org_id, project_id?, storage_path, mime, width, height, created_by)
|
||||
experiments(id, project_id, name, goal_id, test_type[A|AB|ABC],
|
||||
analysis_type[ET|FC|ET_FC], observation_time_s, report_scope jsonb,
|
||||
target_group jsonb, base_experiment_id?, status, credits_cost, created_by, created_at)
|
||||
experiment_creatives(id, experiment_id, creative_id, slot[A|B|C])
|
||||
aois(id, experiment_id, creative_id, name, category, polygon jsonb, source[ai|user])
|
||||
objects(id, experiment_id, creative_id, object_type, bbox_xyxy jsonb, score, source)
|
||||
ai_runs(id, experiment_id, process_key, model_key, request jsonb, response_ref,
|
||||
status, duration_ms, created_at) // audyt: który model, jaki wynik
|
||||
saliency_maps(id, ai_run_id, source[deepgaze|unisal|asm_detailed|asm_general],
|
||||
data jsonb, storage_path, mime) // dane matematyczne + mapa
|
||||
temporal_maps(id, ai_run_id, creative_id, t_from_ms, t_to_ms, data jsonb, storage_path)
|
||||
scanpaths(id, ai_run_id, creative_id, points jsonb) // kolejność, czas, intensywność
|
||||
emotion_maps(id, ai_run_id, creative_id, valence, arousal, frustration,
|
||||
ambivalence, comfort, storage_path?)
|
||||
metrics(id, experiment_id, creative_id, aoi_id?, key, value) // policzone wskaźniki
|
||||
reports(id, experiment_id, pdf_path?, generated_at)
|
||||
public_links(id, experiment_id, token, created_by, created_at, revoked_at?)
|
||||
ai_processes(key, name, contract) // zamknięta lista procesów
|
||||
ai_models(key, name, kind[own|public], adapter, config_ref) // rejestr modeli + pluginy
|
||||
process_model_binding(process_key, model_key, active, version) // Proces <-> Model (sekcja 10)
|
||||
credit_pricing(id, test_type, analysis_type, cost_credits) // koszt eksperymentu
|
||||
audit_logs(id, org_id?, user_id?, action, target, payload jsonb, created_at)
|
||||
```
|
||||
|
||||
Kluczowe dla wymagań:
|
||||
|
||||
- `ai_runs` i `process_model_binding` realizują wymienialność modeli oraz audyt predykcji
|
||||
(logi eksperymentu, sekcja 7.5).
|
||||
- `base_experiment_id` realizuje klonowanie eksperymentu.
|
||||
- `target_group jsonb` przechowuje profil grupy, który modele zewnętrzne biorą pod uwagę
|
||||
przy warunkowaniu predykcji.
|
||||
- `plans`, `credit_pricing` i `credits_balance` realizują rozliczenia (sekcja 13).
|
||||
|
||||
---
|
||||
|
||||
## 13. Kredyty, plany, przestrzeń dyskowa
|
||||
|
||||
Super administrator definiuje w panelu plany subskrypcji. Plan obejmuje:
|
||||
|
||||
- nazwę,
|
||||
- opis,
|
||||
- liczbę kredytów na start,
|
||||
- liczbę kredytów miesięcznie,
|
||||
- przestrzeń dyskową.
|
||||
|
||||
Plan przypisuje się do całej organizacji. Kredyty są pobierane za poszczególne eksperymenty,
|
||||
a koszt zależy od typu testu (i docelowo od typu analizy). Przykładowe stawki dla kreacji
|
||||
graficznej:
|
||||
|
||||
| Eksperyment | Koszt |
|
||||
|---|---|
|
||||
| A | 5 kredytów |
|
||||
| AB | 10 kredytów |
|
||||
| ABC | 15 kredytów |
|
||||
|
||||
Przestrzeń dyskowa wynika z planu i jest rozszerzalna za kredyty. Pula kredytów miesięcznych
|
||||
odnawia się w cyklu rozliczeniowym, a kredyty dokupione zasilają pulę globalną.
|
||||
|
||||
---
|
||||
|
||||
## 14. Logi i audyt
|
||||
|
||||
Dwa poziomy:
|
||||
|
||||
- **Logi systemowe** (panel administracyjny) - filtrowanie po użytkowniku, organizacji,
|
||||
zakresie dat i typie operacji.
|
||||
- **Logi eksperymentu** (Super Administrator) - pełen ślad: działania i ustawienia
|
||||
użytkownika oraz wszystkie dane wysłane do modeli AI i od nich odebrane. Powiązane
|
||||
z `ai_runs` (sekcja 12): każda predykcja zapisuje proces, model, żądanie i referencję
|
||||
odpowiedzi. To podstawa audytu i powtarzalności, szczególnie po podmianie modelu (sekcja 10).
|
||||
|
||||
---
|
||||
|
||||
## 15. Bezpieczeństwo, prywatność, zgodność
|
||||
|
||||
- **Brak danych respondentów:** produkt generuje predykcje AI, nie zbiera danych od realnych
|
||||
osób. To istotnie obniża ryzyko RODO względem klasycznego eye-trackingu. Dane osobowe
|
||||
ograniczają się do kont użytkowników (auth Supabase).
|
||||
- **Własność treści:** kreacje klientów to materiały chronione. Kontrola dostępu działa
|
||||
na poziomie organizacji i projektu, z izolacją danych między organizacjami (RLS w Supabase).
|
||||
- **Sekrety:** klucze i hosty modeli poza kodem (vault / zmienne środowiskowe), nie w repo.
|
||||
- **Modele publiczne:** o tym, który proces korzysta z modelu publicznego, decyduje Super
|
||||
administrator przez konfigurację procesu i pluginu. Klient nie wybiera modelu. Część analiz
|
||||
(Facial Coding, analiza kognitywna, warunkowanie demografią) korzysta z modeli publicznych,
|
||||
więc dla tych procesów kreacje opuszczają infrastrukturę własną na czas predykcji.
|
||||
Korzystanie z dostawców zewnętrznych jest opisane w regulaminie i polityce prywatności.
|
||||
- **Neuroatypowość:** w MVP predykcje nie różnicują się po neuroatypowości, a komunikacja
|
||||
wyników nie sugeruje diagnozy.
|
||||
|
||||
---
|
||||
|
||||
## 16. Internacjonalizacja
|
||||
|
||||
- **Języki UI w MVP 1.0:** polski i angielski (kolejne w następnych wersjach).
|
||||
- **Język raportu i interpretacji kognitywnej:** podąża za językiem wybranym przez
|
||||
użytkownika. Warstwa interpretacji generuje tekst w tym języku.
|
||||
- **Prompt ASM:** traktowany jako parametr konfigurowalny (nie stała), niezależny od języka UI.
|
||||
|
||||
---
|
||||
|
||||
## 17. Przepływy użytkownika (use case'y)
|
||||
|
||||
### UC1 - Eksperyment ABC bez zmian w Studio (obiekty i AOI z AI)
|
||||
|
||||
1. Rejestracja. 2. Logowanie. 3. Utworzenie organizacji. 4. Dodanie kreacji do galerii.
|
||||
5. Nowy projekt i eksperyment: cel, grupa docelowa, typ ABC z 3 kreacjami, parametry,
|
||||
bez zmian w Studio. 6. Generowanie raportu. 7. Eksport PDF. 8. Udostępnienie linkiem
|
||||
publicznym lub zaproszeniem z uprawnieniami projektu. 9. "Zmień ten eksperyment", nowa nazwa,
|
||||
Krok 1 z prekonfiguracją.
|
||||
|
||||
### UC2 - Eksperyment ABC ze zmianami w Studio i segmentem
|
||||
|
||||
Jak UC1, z konkretną grupą docelową (np. Młodzież / Kobieta / miasto do 19 tys. / wyższe /
|
||||
dochód średni / neurotypowy), celem "Która kreacja lepiej sprzedaje?", analizą ET+FC,
|
||||
3 kreacjami, obiektami i AOI wskazanymi przez AI z korektą w Studio, eksportem PDF,
|
||||
udostępnieniem (link publiczny lub zaproszenie) oraz "Edytuj" jako bazą kolejnego eksperymentu.
|
||||
|
||||
W pierwszej iteracji metryki ET+FC dla UC2 liczą modele publiczne podpięte przez plugin,
|
||||
a modele własne zastępują je w najbliższym czasie (sekcja 9).
|
||||
|
||||
---
|
||||
|
||||
## 18. Zakres MVP 1.0 vs roadmapa
|
||||
|
||||
### W zakresie MVP 1.0
|
||||
|
||||
- Platforma SaaS: organizacje, role i uprawnienia, projekty, galeria (org + projekt), eksperymenty.
|
||||
- Kreator eksperymentu (4 kroki), słowniki celów, obiektów, AOI i grup docelowych.
|
||||
- Studio: automatyczne i ręczne obiekty oraz AOI (LLaVA + Grounding DINO + sugestia AOI).
|
||||
- Pipeline AI: detekcja obiektów oraz saliency statyczna z 3 modeli (DeepGaze, UNISAL, ASM)
|
||||
z walidacją krzyżową i wizualizacjami (overlay, nakładka, porównanie 2×2).
|
||||
- Saliency czasowa i mapy dynamiczne 1-20 s.
|
||||
- Ścieżki fiksacji (scanpath) i ścieżka AOI.
|
||||
- Facial Coding (mapa emocji) realizowany jako model publiczny.
|
||||
- Predykcje różnicowane dla grupy docelowej (przez modele zewnętrzne).
|
||||
- Warstwa interpretacji kognitywnej (rekomendacja z uzasadnieniem).
|
||||
- Metryki udziału uwagi na AOI i porównanie wariantów. Raport i eksport PDF.
|
||||
- Udostępnianie raportu linkiem publicznym.
|
||||
- Panel administracyjny: organizacje, użytkownicy, plany, wymiana modeli AI
|
||||
(Proces <-> Model) i logi.
|
||||
|
||||
MVP obejmuje wszystkie 15 celów. Procesy, których modele własne nie są jeszcze gotowe,
|
||||
startują na modelach publicznych przez plugin, a modele własne zastępują je w najbliższym
|
||||
czasie. Wymiana sprowadza się do zmiany przypisania model <-> proces w panelu.
|
||||
|
||||
### Roadmapa (kolejne wersje)
|
||||
|
||||
- Eksporty XLS i AVI.
|
||||
- Kolejne języki UI.
|
||||
|
||||
---
|
||||
|
||||
*Dokument roboczy v0.4.*
|
||||
121
Pytania do koncepcji - uzupełnienie.md
Normal file
121
Pytania do koncepcji - uzupełnienie.md
Normal file
|
|
@ -0,0 +1,121 @@
|
|||
# Uzupełnienie do pytań do koncepcji AdReactions
|
||||
|
||||
> Część pytań z `Pytania do koncepcji.md` wymaga doprecyzowania. Poniżej te same kwestie
|
||||
> opisane prościej, z przykładami i rekomendowaną odpowiedzią do akceptacji lub zmiany.
|
||||
> Na końcu zebrano nowe pytania, które wynikły z udzielonych odpowiedzi.
|
||||
|
||||
---
|
||||
|
||||
## Część 1 - pytania do wyjaśnienia (Q6, Q8, Q25)
|
||||
|
||||
### Q6. Gdzie liczone są wskaźniki liczbowe
|
||||
|
||||
**O co naprawdę pytamy.** Modele uwagi (DeepGaze, UNISAL, ASM) zwracają **obrazek**, czyli
|
||||
mapę cieplną. Pokazuje ona, gdzie skupia się uwaga (jaśniej = większa uwaga). Model **nie
|
||||
zwraca liczby** w stylu "CTA dostaje 35% uwagi".
|
||||
|
||||
**Przykład.** Załóżmy, że na kreacji jest przycisk CTA w prawym dolnym rogu. Model odda mapę
|
||||
z jasną plamą w tym miejscu. Żeby powstała liczba "35%", ktoś musi wziąć zdefiniowany obszar
|
||||
CTA (AOI) i policzyć, ile "jasności" mapy wpada w ten obszar w stosunku do całości. To właśnie
|
||||
przecięcie mapy z obszarem AOI (saliency ∩ AOI).
|
||||
|
||||
**Decyzja do potwierdzenia.**
|
||||
|
||||
1. Czy zgadzamy się, że te wskaźniki liczy **nasz backend**, a modele oddają tylko mapy?
|
||||
2. Czy akceptujemy listę wskaźników w MVP (udział uwagi na AOI, ranking AOI, mapa cieplna,
|
||||
porównanie wariantów, a po dostarczeniu modeli także czas do pierwszej fiksacji, kolejność
|
||||
kontaktu z AOI, liczba powrotów, mapy 1-20 s i metryki Facial Coding)?
|
||||
|
||||
**Odp:**
|
||||
1. Modele będą zwracać dane matematyczne
|
||||
2. Tak
|
||||
|
||||
### Q8. Gdzie i jak zarządzamy konfiguracją modeli
|
||||
|
||||
**O co naprawdę pytamy.** Każdy krok analizy musi wiedzieć: jaki model go wykonuje, pod jakim
|
||||
adresem, z jakim kluczem i z jakimi ustawieniami. Te dane można trzymać na dwa sposoby:
|
||||
zaszyte w kodzie albo edytowalne w panelu administracyjnym.
|
||||
|
||||
**Co proponujemy.** Konfiguracja w panelu (Super administrator). Daje to trzy rzeczy:
|
||||
|
||||
- zmianę modelu bez ruszania kodu aplikacji,
|
||||
- przycisk "test połączenia", który sprawdza, czy model odpowiada,
|
||||
- zapis, który model i w jakiej wersji policzył dany raport (gdy później podmienimy model,
|
||||
nadal wiadomo, co policzyło stary raport).
|
||||
|
||||
Słowo **adapter / plugin** oznacza tu mały fragment kodu, który podpina konkretny model pod
|
||||
dany krok. To ten sam mechanizm, który zaakceptowałeś w odpowiedzi na Q7.
|
||||
|
||||
**Decyzja do potwierdzenia.** Czy akceptujemy całość: konfiguracja w panelu, modele podpinane
|
||||
przez adaptery i pluginy, test połączenia oraz wersjonowanie przypisania model - proces?
|
||||
|
||||
**Odp:** Tak.
|
||||
|
||||
### Q25. Ścieżka AOI w MVP
|
||||
|
||||
**O co naprawdę pytamy.** Prawdziwa ścieżka wzroku (scanpath) pokazuje **kolejność** patrzenia
|
||||
w czasie: najpierw tu, potem tam, potem jeszcze gdzie indziej. Potrzebuje osobnego modelu
|
||||
scanpath. Statyczna mapa cieplna pokazuje tylko, gdzie uwaga skupia się łącznie, bez kolejności.
|
||||
|
||||
"Przybliżenie rankingiem" to ustawienie obszarów AOI od najsilniej do najsłabiej przyciągającego
|
||||
uwagę i pokazanie tego jako niby-kolejności. To uproszczenie, a nie prawdziwa sekwencja. Obszar,
|
||||
który łącznie przyciąga najwięcej uwagi, wcale nie musi być oglądany jako pierwszy.
|
||||
|
||||
**Powiązanie z Q2.** W odpowiedzi na Q2 zdecydowałeś, że scanpath wejdzie do MVP 1.0. Gdy model
|
||||
scanpath zostanie dostarczony, ścieżka AOI będzie prawdziwa. Pytanie zawęża się więc do okresu
|
||||
przejściowego.
|
||||
|
||||
**Decyzja do potwierdzenia.** Zanim model scanpath będzie gotowy, czy pokazujemy przybliżenie
|
||||
rankingiem (z wyraźną adnotacją, że to heurystyka), czy zostawiamy ścieżkę AOI pustą do czasu
|
||||
dostarczenia modelu?
|
||||
|
||||
**Odp:** Modele będą dostarczać dane z informacją na temat kolejności, czasie i intensywności
|
||||
|
||||
---
|
||||
|
||||
## Część 2 - nowe pytania wynikające z odpowiedzi
|
||||
|
||||
### Q26. Sprzeczność przy roli "Gość"
|
||||
|
||||
W Q13 rezygnujesz z gościa ("Będzie to użytkownik"), ale w strukturze organizacji w Q14 nadal
|
||||
jest pozycja "Posiada Gości". Koncepcja v0.3 zakłada **pełną rezygnację z gościa** (zgodnie
|
||||
z Q13): organizacja ma administratora, użytkowników i projekty. Prosimy o potwierdzenie, że
|
||||
to właściwa interpretacja, i że linijkę "Posiada Gości" traktujemy jako nieaktualną.
|
||||
|
||||
**Odp:** potwierdzam rezygnację z gościa.
|
||||
|
||||
### Q27. Dostępność i termin nowych modeli
|
||||
|
||||
Odpowiedzi na Q1, Q2 i Q5 przenoszą do MVP 1.0 Facial Coding, mapy czasowe 1-20 s, scanpath
|
||||
oraz różnicowanie predykcji po grupie docelowej. Tych modeli dziś nie ma w pipeline. Żeby
|
||||
zaplanować MVP i kolejność wdrożenia, potrzebujemy wiedzieć:
|
||||
|
||||
- kiedy będą gotowe modele (FC, scanpath, saliency czasowa, warunkowanie demografią),
|
||||
- kiedy trafi do nas ich dokumentacja i kontrakty odpowiedzi (powiązane z Q22, Q23, Q24).
|
||||
|
||||
**Odp:** W ciągu miesiąca. Do tego czasu można te procesy zrobić z punginami w oparciu na modelach publicznych, tak aby zobaczyć jak to wygląda, poóźniej w trakcie prac będziemy zmieniać / dopracowywać.
|
||||
|
||||
### Q28. Facial Coding na modelu publicznym a dane kreacji
|
||||
|
||||
Skoro w MVP Facial Coding, analiza kognitywna i warunkowanie demografią działają na modelach
|
||||
publicznych (Q3, Q5), to dla tych procesów kreacje opuszczają infrastrukturę własną i trafiają
|
||||
do zewnętrznego dostawcy (np. Gemini, Opus). W Q19 zdecydowałeś, że klient nie wybiera modelu,
|
||||
bo robi to Super administrator. Prosimy o potwierdzenie, że wysyłka kreacji do dostawcy
|
||||
publicznego dla tych procesów jest akceptowalna jako decyzja platformy i zostanie opisana
|
||||
w regulaminie oraz politykach organizacji.
|
||||
|
||||
**Odp:** potwierdzam, z zapisem w regulaminie i polityce prywatności.
|
||||
|
||||
### Q29. Zabezpieczenie rekomendacji w analizie kognitywnej
|
||||
|
||||
Warstwa kognitywna ma wybierać lepszą kreację na podstawie celu i metryk (Q4). Pytanie
|
||||
o zabezpieczenia z Q4 pozostało bez odpowiedzi. Jak chronimy się przed rekomendacją oderwaną
|
||||
od danych? Propozycja: rekomendacja musi opierać się wyłącznie na policzonych metrykach
|
||||
i wskazywać metrykę, która ją uzasadnia (np. "B wygrywa, bo udział uwagi na CTA wynosi 38%
|
||||
vs 22% dla A").
|
||||
|
||||
**Odp:** przyjąć tę zasadę jako wymóg dla warstwy kognitywnej.
|
||||
|
||||
---
|
||||
|
||||
*Po decyzjach: nanieść ustalenia na `Koncepcja 0.3.md` i usunąć znaczniki [do doprecyzowania].*
|
||||
45
wytyczne.md
Normal file
45
wytyczne.md
Normal file
|
|
@ -0,0 +1,45 @@
|
|||
# Wytyczne
|
||||
|
||||
## Kolejny wersja pliku
|
||||
|
||||
1. Jeśli tworzysz nową wersję pliku zachowuj odpowiednie numerowanie wersji i nie dodawaj nic "dodatkowego" do nazwy pliku poza zmianą wersji.
|
||||
2. Jeśli tworzysz nową wersję pliku na podstawie udzielonych odpowiedzi lub innych plików to nie odnoś się do tego, że dana zmiana została wprowadzona na podstawie pliku ... . Pisz nową wersję pliku bez takich odniesień.
|
||||
|
||||
## Pisownia
|
||||
|
||||
Pisz naturalną, współczesną polszczyzną.
|
||||
|
||||
Zasady nadrzędne:
|
||||
- "Opiera się na" a nie "Opiera się o" jest bardziej poprawne.
|
||||
- Zawsze używaj pełnych polskich znaków: ą, ć, ę, ł, ń, ó, ś, ź, ż.
|
||||
- Dbaj o poprawną ortografię, interpunkcję, fleksję i składnię.
|
||||
- Pisz tak, aby tekst brzmiał jak napisany przez inteligentnego człowieka, a nie przez generator treści.
|
||||
- Unikaj stylu nadętego, szkolnego, korporacyjnego i sztucznie eksperckiego.
|
||||
- Unikaj fraz i klisz typowych dla AI, takich jak:
|
||||
„warto zauważyć”, „należy podkreślić”, „w dzisiejszych czasach”,
|
||||
„poniżej przedstawiam”, „kluczowym aspektem jest”, „istotnym elementem jest”.
|
||||
- Unikaj kalk z angielskiego i dosłownych tłumaczeń obcych konstrukcji.
|
||||
- Zamiast ogólników wybieraj konkret.
|
||||
- Używaj naturalnego rytmu zdań: mieszaj zdania krótsze i średnie.
|
||||
- Nie powtarzaj tych samych słów, struktur ani otwarć zdań.
|
||||
- Nie twórz sztucznych wstępów i podsumowań, jeśli nie są potrzebne.
|
||||
- Jeśli temat jest prosty, pisz prosto; jeśli specjalistyczny, pisz jasno, ale bez spłycania.
|
||||
- Stosuj odpowiednio wielkie litery w nagłówkach i treściach, czyli "Ważny nagłówek" a nie "Ważny Nagłówek".
|
||||
- Nie stosuj długiego myślnika (em-dash) ani średniego (en-dash); zamiast nich używaj zwykłego dywizu "-".
|
||||
|
||||
Styl odpowiedzi:
|
||||
- Brzmij naturalnie, spokojnie i pewnie.
|
||||
- Pisz bez egzaltacji i bez marketingowego tonu.
|
||||
- Preferuj prosty szyk zdań.
|
||||
- Unikaj nadmiaru imiesłowów, strony biernej i rzeczowników odczasownikowych.
|
||||
- Nie moralizuj i nie „pouczaj”.
|
||||
- Nie dopisuj ozdobników tylko po to, by tekst brzmiał „ładniej”.
|
||||
|
||||
Autokontrola przed oddaniem odpowiedzi:
|
||||
1. Sprawdź, czy wszędzie są polskie znaki.
|
||||
2. Sprawdź ortografię, interpunkcję i zgodność gramatyczną.
|
||||
3. Usuń powtórzenia i sztuczne frazy.
|
||||
4. Uprość zdania, które brzmią mechanicznie.
|
||||
5. Zachowaj sens, ale popraw naturalność.
|
||||
6. Nie powtarzaj wiedzy, którą już raz podałeś. Opisuj dane zaganienie tylko raz.
|
||||
7. Ważna jest synteza wiedzy i treści. Nie powielaj i nie twórz treści nadmiarowych.
|
||||
Loading…
Reference in a new issue