Compare commits
2 commits
e9a39910eb
...
1e533574ba
| Author | SHA1 | Date | |
|---|---|---|---|
| 1e533574ba | |||
| 3391400f1f |
6 changed files with 1843 additions and 23 deletions
|
|
@ -51,8 +51,7 @@ badania eye-trackingowe na ludziach, użytkownik wgrywa kreację (reklamę, bane
|
||||||
|
|
||||||
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…").
|
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**,
|
**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).
|
||||||
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).
|
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
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].*
|
||||||
|
|
@ -19,8 +19,7 @@ wyłącznie detekcję obiektów i predykcję uwagi (saliency); **mapa emocji jes
|
||||||
**Pytanie:** Czy MVP 1.0 ma realnie liczyć metryki Facial Coding? Jeśli tak — jaki model/usługa
|
**Pytanie:** Czy MVP 1.0 ma realnie liczyć metryki Facial Coding? Jeśli tak — jaki model/usługa
|
||||||
je dostarczy i kiedy będzie dostępny? Jeśli nie — czy ukrywamy opcje FC/ET+FC, czy pokazujemy je
|
je dostarczy i kiedy będzie dostępny? Jeśli nie — czy ukrywamy opcje FC/ET+FC, czy pokazujemy je
|
||||||
jako „wkrótce"?
|
jako „wkrótce"?
|
||||||
**Propozycja robocza:** MVP dostarcza **ET (saliency statyczna)**; opcje FC oznaczone „wkrótce".
|
**Odp.:** Zostanie to dodane. Uruchomienie ma nastąpić w wersji MVP 1.0
|
||||||
*(§9.4, §9.5, §18)*
|
|
||||||
|
|
||||||
### Q2. Wymiar czasu — „czas obserwacji 1–20s", mapy dynamiczne, scanpath
|
### Q2. Wymiar czasu — „czas obserwacji 1–20s", mapy dynamiczne, scanpath
|
||||||
**Kontekst:** Obecne modele zwracają **jedną, statyczną** mapę uwagi. Raport zakłada
|
**Kontekst:** Obecne modele zwracają **jedną, statyczną** mapę uwagi. Raport zakłada
|
||||||
|
|
@ -28,7 +27,7 @@ jako „wkrótce"?
|
||||||
wszystko to wymaga **saliency czasowej / scanpath**, które są w roadmapie.
|
wszystko to wymaga **saliency czasowej / scanpath**, które są w roadmapie.
|
||||||
**Pytanie:** Czy parametr „czas obserwacji" i wizualizacje czasowe są w zakresie MVP? Jeśli nie —
|
**Pytanie:** Czy parametr „czas obserwacji" i wizualizacje czasowe są w zakresie MVP? Jeśli nie —
|
||||||
czy pokazujemy pojedynczą mapę zagregowaną i ukrywamy oś czasu?
|
czy pokazujemy pojedynczą mapę zagregowaną i ukrywamy oś czasu?
|
||||||
**Propozycja robocza:** MVP = jedna mapa statyczna; oś czasu w roadmapie. *(§7.2, §9.5, §11.1)*
|
**Odp:** Zostanie to dodane do modeli. Uruchomienie ma nastąpić w wersji MVP 1.0
|
||||||
|
|
||||||
### Q3. Predykcje per grupa docelowa — jak technicznie?
|
### Q3. Predykcje per grupa docelowa — jak technicznie?
|
||||||
**Kontekst:** Kreator zbiera bogaty profil grupy (wiek, płeć, miejsce, wykształcenie, dochód,
|
**Kontekst:** Kreator zbiera bogaty profil grupy (wiek, płeć, miejsce, wykształcenie, dochód,
|
||||||
|
|
@ -38,8 +37,8 @@ ma takiego parametru.
|
||||||
**Pytanie:** Jak grupa docelowa ma wpływać na wynik? Opcje: (a) przez `prompt` modelu ASM,
|
**Pytanie:** Jak grupa docelowa ma wpływać na wynik? Opcje: (a) przez `prompt` modelu ASM,
|
||||||
(b) osobne wagi/warianty modelu per segment, (c) w MVP grupa jest tylko **metadanymi raportu**
|
(b) osobne wagi/warianty modelu per segment, (c) w MVP grupa jest tylko **metadanymi raportu**
|
||||||
bez wpływu na predykcję.
|
bez wpływu na predykcję.
|
||||||
**Propozycja robocza:** w MVP (c) — grupa opisuje kontekst i interpretację, nie zmienia mapy
|
**Odp:** Mogą następić zmiany, które spowodują, że dane profilowe będą brane pod uwagę.
|
||||||
uwagi; różnicowanie per segment → roadmapa. *(§7.1, §9.4, §9.5)*
|
Przykładowo model zewnętrzny działający na Gemini może korzystać z danych profilowych a wewnętrzne nie.
|
||||||
|
|
||||||
### Q4. „Analiza kognitywna" (rekomendacja z uzasadnieniem) — kto/co ją generuje?
|
### Q4. „Analiza kognitywna" (rekomendacja z uzasadnieniem) — kto/co ją generuje?
|
||||||
**Kontekst:** Rdzeń wartości produktu to zdanie typu „Wariant B wygrywa, ponieważ…". To **nowy
|
**Kontekst:** Rdzeń wartości produktu to zdanie typu „Wariant B wygrywa, ponieważ…". To **nowy
|
||||||
|
|
@ -47,14 +46,13 @@ komponent** (warstwa interpretacji LLM nad metrykami) — nie istnieje w pipelin
|
||||||
**Pytanie:** Czy budujemy tę warstwę w MVP? Jaki model ją realizuje (ASM? publiczny LLM?), na
|
**Pytanie:** Czy budujemy tę warstwę w MVP? Jaki model ją realizuje (ASM? publiczny LLM?), na
|
||||||
jakich danych wejściowych (metryki + cel + grupa), z jakimi zabezpieczeniami przed „halucynacją"
|
jakich danych wejściowych (metryki + cel + grupa), z jakimi zabezpieczeniami przed „halucynacją"
|
||||||
rekomendacji?
|
rekomendacji?
|
||||||
**Propozycja robocza:** TAK, to priorytet MVP; realizacja przez LLM z **ustrukturyzowanym
|
**Odp:** Wyniki z poszczególnych modeli mają określone wyniki. Model (prywatny lub publiczny) będzie mógł przeanalizować wyniki i na podstawie celu klienta wybrać jaka kreacja będzie lepsza.
|
||||||
wejściem** (policzone metryki), nie przez „opowieść" o obrazie. *(§9.4, §11.1, §18)*
|
|
||||||
|
|
||||||
### Q5. Zakres celów w MVP
|
### Q5. Zakres celów w MVP
|
||||||
**Kontekst:** 15 celów; większość rekomenduje **ET+FC**. Bez FC i wymiaru czasu część celów
|
**Kontekst:** 15 celów; większość rekomenduje **ET+FC**. Bez FC i wymiaru czasu część celów
|
||||||
nie jest w pełni wykonalna (§9.5).
|
nie jest w pełni wykonalna (§9.5).
|
||||||
**Pytanie:** Które z 15 celów udostępniamy w MVP 1.0?
|
**Pytanie:** Które z 15 celów udostępniamy w MVP 1.0?
|
||||||
**Propozycja robocza:** start od celów silnie ET (#2, #7, #1, #3), reszta „wkrótce". *(§8, §18)*
|
**Odp:** FC należy zrealizwać jako model publiczny nawet jeśli nie będzie dostępny jako model prywatny.
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
|
|
@ -65,32 +63,32 @@ nie jest w pełni wykonalna (§9.5).
|
||||||
AOI** — to komponent backendu, a nie wynik zwracany przez modele (modele dostarczają mapy uwagi).
|
AOI** — to komponent backendu, a nie wynik zwracany przez modele (modele dostarczają mapy uwagi).
|
||||||
**Pytanie:** Potwierdzamy, że backend liczy metryki z map saliency (saliency ∩ AOI), a modele
|
**Pytanie:** Potwierdzamy, że backend liczy metryki z map saliency (saliency ∩ AOI), a modele
|
||||||
dostarczają wyłącznie mapy? Jaka jest dokładna lista wskaźników w MVP?
|
dostarczają wyłącznie mapy? Jaka jest dokładna lista wskaźników w MVP?
|
||||||
**Propozycja robocza:** tak; MVP liczy udział uwagi na AOI, ranking AOI i porównanie wariantów
|
**Nie rozumiem. Wyjaśnij dokładniej**
|
||||||
(zakres ET-static). *(§9.5, §11.1)*
|
|
||||||
|
|
||||||
### Q7. Zakres wymienialności modeli (info.md)
|
### Q7. Zakres wymienialności modeli (info.md)
|
||||||
**Kontekst:** Wymóg: zmiana modelu na inny (Gemini, Opus). Modele saliency/FC są jednak
|
**Kontekst:** Wymóg: zmiana modelu na inny (Gemini, Opus). Modele saliency/FC są jednak
|
||||||
wyspecjalizowane — publiczny LLM nie zastąpi ich 1:1.
|
wyspecjalizowane — publiczny LLM nie zastąpi ich 1:1.
|
||||||
**Pytanie:** Które procesy mają być wymienialne w MVP? Tylko „rozumienie treści” (etykiety/opis:
|
**Pytanie:** Które procesy mają być wymienialne w MVP? Tylko „rozumienie treści” (etykiety/opis:
|
||||||
LLaVA↔Gemini/Opus), czy też predykcja uwagi (co wymaga modeli saliency innego dostawcy)?
|
LLaVA↔Gemini/Opus), czy też predykcja uwagi (co wymaga modeli saliency innego dostawcy)?
|
||||||
**Propozycja robocza:** wymienialność w MVP dla procesów językowo-wizualnych; predykcja uwagi
|
**Odp:** W każdym zakresie można wymienić model. Przy wymianie modelu trzeba również wymianić kod jaki relizuje dany krok, tak aby wymiana zachowała spójność poszczególnych kroków procesu. Możliwe, że sam kod dla modeli publicznych powinien być jako plugin w oprogramowaniu.
|
||||||
pozostaje na modelach własnych (ASM jako rdzeń). *(§10.1, §10.4)*
|
Przykładowo:
|
||||||
|
- Nasz mode prywatny dostępny przez API (bez pluginu)
|
||||||
|
- Model publiczny Gemini (plugin dla wskazania obiektów dla modeli publicznych)
|
||||||
|
- Model publiczny Opus (plugin dla wskazania obiektów dla modeli publicznych)
|
||||||
|
|
||||||
### Q8. Konfiguracja modeli — gdzie i jak zarządzana?
|
### Q8. Konfiguracja modeli — gdzie i jak zarządzana?
|
||||||
**Kontekst:** Konfiguracja modeli (hosty, token/klucz, parametry) nie powinna być zaszyta w
|
**Kontekst:** Konfiguracja modeli (hosty, token/klucz, parametry) nie powinna być zaszyta w
|
||||||
kodzie ani w konfiguracji testowej — w MVP zarządzana z panelu administracyjnego.
|
kodzie ani w konfiguracji testowej — w MVP zarządzana z panelu administracyjnego.
|
||||||
**Pytanie:** Czy akceptujemy model „Proces ↔ Model" z adapterami, konfiguracją sekretów w panelu,
|
**Pytanie:** Czy akceptujemy model „Proces ↔ Model" z adapterami, konfiguracją sekretów w panelu,
|
||||||
testem połączenia i wersjonowaniem przypisania (dla audytu, który model policzył raport)?
|
testem połączenia i wersjonowaniem przypisania (dla audytu, który model policzył raport)?
|
||||||
**Propozycja robocza:** TAK (§10.2–10.3, encje `ai_processes` / `ai_models` /
|
**Nie rozumiem. Wyjaśnij dokładniej**
|
||||||
`process_model_binding` w §12). *(§10, §12)*
|
|
||||||
|
|
||||||
### Q9. Obiekty vs AOI — skąd biorą się AOI semantyczne?
|
### Q9. Obiekty vs AOI — skąd biorą się AOI semantyczne?
|
||||||
**Kontekst:** Pipeline wykrywa **obiekty** (LLaVA+DINO). AOI to **obszary marketingowe**
|
**Kontekst:** Pipeline wykrywa **obiekty** (LLaVA+DINO). AOI to **obszary marketingowe**
|
||||||
(CTA, Logo…). To inna kategoria niż „osoba/butelka".
|
(CTA, Logo…). To inna kategoria niż „osoba/butelka".
|
||||||
**Pytanie:** AOI w MVP są: (a) wyłącznie ręczne (Studio), (b) AI sugeruje AOI osobnym modelem,
|
**Pytanie:** AOI w MVP są: (a) wyłącznie ręczne (Studio), (b) AI sugeruje AOI osobnym modelem,
|
||||||
(c) mapowane heurystycznie z wykrytych obiektów?
|
(c) mapowane heurystycznie z wykrytych obiektów?
|
||||||
**Propozycja robocza:** MVP — AOI ręczne + ewentualne podpowiedzi z obiektów; pełna „AI-detekcja
|
**Odp:** MVP - automatycznie i ręcznie. Użytkownik na początku otrzymuje w Studio automatycznie wskzane AOI. Może je ręcznie zmienić AOI, wprowadzić nowe AOI.
|
||||||
AOI” to osobny model. *(§7.3, §11.1)*
|
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
|
|
@ -101,30 +99,53 @@ AOI” to osobny model. *(§7.3, §11.1)*
|
||||||
pojawia się **A/AB/AC/BC/ABC**.
|
pojawia się **A/AB/AC/BC/ABC**.
|
||||||
**Pytanie:** Który zestaw obowiązuje? Czy potrzebne są wszystkie pary (AC, BC), czy slot A/B/C
|
**Pytanie:** Który zestaw obowiązuje? Czy potrzebne są wszystkie pary (AC, BC), czy slot A/B/C
|
||||||
jest stały?
|
jest stały?
|
||||||
**Propozycja robocza:** pełny zestaw A/AB/AC/BC/ABC (większa elastyczność porównań). *(§7.2)*
|
**Odp:** Testy A, AB, A/AB/ABC
|
||||||
|
|
||||||
### Q11. Próg wieku „Seniorzy"
|
### Q11. Próg wieku „Seniorzy"
|
||||||
**Kontekst:** W jednym miejscu „Seniorzy (66 i więcej)”, opis grup mówi „Dorośli 26–64” →
|
**Kontekst:** W jednym miejscu „Seniorzy (66 i więcej)”, opis grup mówi „Dorośli 26–64” →
|
||||||
luka 65 lat.
|
luka 65 lat.
|
||||||
**Pytanie:** Ustalić progi bez luki (proponowane: Senior **65+**). *(§7.1)*
|
**Odp:** Seniorzy (65 i więcej)
|
||||||
|
|
||||||
### Q12. Limit „jednej nowej organizacji" na użytkownika
|
### Q12. Limit „jednej nowej organizacji" na użytkownika
|
||||||
**Kontekst:** „może dodać tylko jedną nową organizację”.
|
**Kontekst:** „może dodać tylko jedną nową organizację”.
|
||||||
**Pytanie:** Czy to limit **zakładanych** organizacji (1 własna), czy łącznej **przynależności**?
|
**Pytanie:** Czy to limit **zakładanych** organizacji (1 własna), czy łącznej **przynależności**?
|
||||||
Czy użytkownik może należeć do wielu organizacji przez zaproszenia?
|
Czy użytkownik może należeć do wielu organizacji przez zaproszenia?
|
||||||
**Propozycja robocza:** użytkownik zakłada max 1 organizację, ale może być członkiem wielu przez
|
**Odp:** Użytkownik zakłada max 1 organizację, ale może być członkiem wielu przez
|
||||||
zaproszenia. *(§3, §5, §6.2)*
|
zaproszenia.
|
||||||
|
|
||||||
### Q13. Rola „Gość" — zakres
|
### Q13. Rola „Gość" — zakres
|
||||||
**Kontekst:** Gość wymieniony w strukturze, bez zdefiniowanych uprawnień.
|
**Kontekst:** Gość wymieniony w strukturze, bez zdefiniowanych uprawnień.
|
||||||
**Pytanie:** Co może gość? Propozycja: tylko podgląd udostępnionych raportów, bez tworzenia treści
|
**Pytanie:** Co może gość? Propozycja: tylko podgląd udostępnionych raportów, bez tworzenia treści
|
||||||
i bez dostępu do rozliczeń. *(§5.1, §5.2)*
|
i bez dostępu do rozliczeń.
|
||||||
|
**Odp:** Rezygnujemy z gościa. Będzie to użytkownik.
|
||||||
|
|
||||||
### Q14. Role projektowe — ujednolicenie
|
### Q14. Role projektowe — ujednolicenie
|
||||||
**Kontekst:** Koncepcja wymienia różne warianty („Editor/Viewer” oraz „usuwanie/edycja/
|
**Kontekst:** Koncepcja wymienia różne warianty („Editor/Viewer” oraz „usuwanie/edycja/
|
||||||
zapraszanie / edycja/zapraszanie / przeglądanie”).
|
zapraszanie / edycja/zapraszanie / przeglądanie”).
|
||||||
**Pytanie:** Ile ról projektowych i jakie dokładnie uprawnienia? Propozycja: **Editor** /
|
**Pytanie:** Ile ról projektowych i jakie dokładnie uprawnienia? Propozycja: **Editor** /
|
||||||
**Viewer** (+ ewentualnie **Manager** z prawem usuwania i zarządzania dostępem). *(§5.2)*
|
**Viewer** (+ ewentualnie **Manager** z prawem usuwania i zarządzania dostępem). *(§5.2)*
|
||||||
|
**Odp:** Rezygunjemy z Editor/Viewer, zostawiamy tylko te ustalenia:
|
||||||
|
- Organizacja:
|
||||||
|
- Posiada Administratora
|
||||||
|
- Posiada Użytkowników
|
||||||
|
- Posiada Gości
|
||||||
|
- Posiada Projekty
|
||||||
|
- Role
|
||||||
|
- Super administrator - posiada dostęp do panelu administracyjnego, w którym może zarządzać organizacjami, użytkownikami, modelami AI. Super administrator może przejść do każdej z organizacji w systemie. Jeśli Super administrator wchodzi do organizacji to może w niej poruszać się tak jak Administrator.
|
||||||
|
- Administrator - Administrator organizacji powstaje podczas rejestracji Organizacji. Prawa administratora mogą zostać przekazane do innego użytkownika przez administratora.
|
||||||
|
- Użytkownik - Każdy użytkownik w platformie posiada własne niezależne konto.
|
||||||
|
- Uprawnienia
|
||||||
|
- Administrator - Posiada uprawnienia do każdego projektu, rozliczeń, planów i ustawień. Może tworzyć nowe projekty i eksperymenty bez ograniczeń.
|
||||||
|
- Użytkownik - może posiadać uprawnienia:
|
||||||
|
- Tworzenia nowych projektów
|
||||||
|
- Przeglądania wszystkich projektów
|
||||||
|
- Edytowania wszystkich projektów
|
||||||
|
- Usuwania wszystkich projektów
|
||||||
|
- Zapraszanie użytkowników do wszystkich projektów
|
||||||
|
- Użytkownik może również otrzymać uprawnienia w ramach projektu takie jak:
|
||||||
|
- Usuwanie, edycja i zapraszanie użytkowników
|
||||||
|
- Edycja i zapraszanie użytkowników
|
||||||
|
- Przeglądanie
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
|
|
@ -134,31 +155,50 @@ zapraszanie / edycja/zapraszanie / przeglądanie”).
|
||||||
**Pytanie:** Cennik eksperymentu (zależny od ET/FC/ET+FC i liczby kreacji?), zasady kredytów
|
**Pytanie:** Cennik eksperymentu (zależny od ET/FC/ET+FC i liczby kreacji?), zasady kredytów
|
||||||
miesięcznych vs globalnych, wygasanie, zachowanie przy przekroczeniu limitu, fakturowanie.
|
miesięcznych vs globalnych, wygasanie, zachowanie przy przekroczeniu limitu, fakturowanie.
|
||||||
Brak danych w źródłach. *(§13)*
|
Brak danych w źródłach. *(§13)*
|
||||||
|
**Odp:** Super administrator w panelu może zdefiniować plany. Plan może zawiera takie dane jak:
|
||||||
|
- Nazwa
|
||||||
|
- Opis
|
||||||
|
- Liczbę kredytów na start
|
||||||
|
- Liczbę kredytów miesięcznie
|
||||||
|
- Miejsce na dysku
|
||||||
|
|
||||||
|
Plan jest dla całej organizacji.
|
||||||
|
|
||||||
|
Kredyty są pobierane za poszczególne eksprymenty. Przykładowo:
|
||||||
|
- Eskeryment A dla krecji graicznej - 5 kredytów
|
||||||
|
- Eskeryment AB dla krecji graicznej - 10 kredytów
|
||||||
|
- Eskeryment ABC dla krecji graicznej - 15 kredytów
|
||||||
|
|
||||||
### Q16. Plany subskrypcji i przestrzeń dyskowa
|
### Q16. Plany subskrypcji i przestrzeń dyskowa
|
||||||
**Pytanie:** Jakie plany (nazwy, limity, ceny)? Cennik rozszerzenia dysku w kredytach? *(§13)*
|
**Pytanie:** Jakie plany (nazwy, limity, ceny)? Cennik rozszerzenia dysku w kredytach? *(§13)*
|
||||||
|
**Odp:** jw.
|
||||||
|
|
||||||
### Q17. Eksport XLS / AVI
|
### Q17. Eksport XLS / AVI
|
||||||
**Kontekst:** Use case 2 wymaga XLS (tabele metryk) i AVI (dynamiczne mapy/ścieżki).
|
**Kontekst:** Use case 2 wymaga XLS (tabele metryk) i AVI (dynamiczne mapy/ścieżki).
|
||||||
**Pytanie:** Czy w MVP? AVI zależy od wizualizacji czasowych (Q2). Propozycja: PDF w MVP;
|
**Pytanie:** Czy w MVP? AVI zależy od wizualizacji czasowych (Q2). Propozycja: PDF w MVP;
|
||||||
XLS gdy są metryki tabelaryczne; AVI z roadmapą czasową. *(§11.3)*
|
XLS gdy są metryki tabelaryczne; AVI z roadmapą czasową. *(§11.3)*
|
||||||
|
**Odp:** Ignorujemy eksport XLS / AVI
|
||||||
|
|
||||||
### Q18. Udostępnianie raportu linkiem — publiczne czy z logowaniem?
|
### Q18. Udostępnianie raportu linkiem — publiczne czy z logowaniem?
|
||||||
**Pytanie:** „Link do eksperymentu” to dostęp publiczny (każdy z linkiem), czy wymaga konta i
|
**Pytanie:** „Link do eksperymentu” to dostęp publiczny (każdy z linkiem), czy wymaga konta i
|
||||||
nadanej roli (Editor/Viewer)? Implikacje dla bezpieczeństwa treści klienta. *(§11.3, §15)*
|
nadanej roli (Editor/Viewer)? Implikacje dla bezpieczeństwa treści klienta. *(§11.3, §15)*
|
||||||
|
**Odp:** Można utworzyć link publiczny. Bez wymogu logowania.
|
||||||
|
|
||||||
### Q19. Dane wysyłane do modeli publicznych (Gemini/Opus)
|
### Q19. Dane wysyłane do modeli publicznych (Gemini/Opus)
|
||||||
**Kontekst:** Podmiana na publiczny model = kreacje opuszczają infrastrukturę własną.
|
**Kontekst:** Podmiana na publiczny model = kreacje opuszczają infrastrukturę własną.
|
||||||
**Pytanie:** Czy wymagana zgoda klienta / oznaczenie w organizacji, że dany proces korzysta z
|
**Pytanie:** Czy wymagana zgoda klienta / oznaczenie w organizacji, że dany proces korzysta z
|
||||||
modelu zewnętrznego? *(§10.4, §15)*
|
modelu zewnętrznego? *(§10.4, §15)*
|
||||||
|
**Odp:** Nie, klient nie decyduje na jakim modelu pracuje. To Super administrator decyduje jakie model i plugin jest stosowany dla danego procesu.
|
||||||
|
|
||||||
### Q20. Kategoria „neuroatypowość” — komunikacja i zgodność
|
### Q20. Kategoria „neuroatypowość” — komunikacja i zgodność
|
||||||
**Pytanie:** Jak prezentować wyniki dla profili ASD/ADHD/depresja, by nie sugerować diagnozy?
|
**Pytanie:** Jak prezentować wyniki dla profili ASD/ADHD/depresja, by nie sugerować diagnozy?
|
||||||
Czy model w ogóle różnicuje predykcje wg neuroatypowości (powiązane z Q3)? *(§7.1, §15)*
|
Czy model w ogóle różnicuje predykcje wg neuroatypowości (powiązane z Q3)? *(§7.1, §15)*
|
||||||
|
**Odp:** Nie robimy takiego rozróżnienia
|
||||||
|
|
||||||
### Q21. Język raportu i interpretacji
|
### Q21. Język raportu i interpretacji
|
||||||
**Pytanie:** Czy tekst rekomendacji (warstwa kognitywna) podąża za locale użytkownika (PL/EN)?
|
**Pytanie:** Czy tekst rekomendacji (warstwa kognitywna) podąża za locale użytkownika (PL/EN)?
|
||||||
Czy prompt ASM zależy od języka, czy pozostaje stały (obecnie EN)? *(§16)*
|
Czy prompt ASM zależy od języka, czy pozostaje stały (obecnie EN)? *(§16)*
|
||||||
|
**Odp:** Tak, jest dopasowana do języka w jaki wybrał użytkownik
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
|
|
@ -168,19 +208,23 @@ Czy prompt ASM zależy od języka, czy pozostaje stały (obecnie EN)? *(§16)*
|
||||||
W `Specyfikacja-procesu-AI.md` kształty odpowiedzi oznaczono „(wnioskowane)”. **Pytanie:** Czy
|
W `Specyfikacja-procesu-AI.md` kształty odpowiedzi oznaczono „(wnioskowane)”. **Pytanie:** Czy
|
||||||
istnieje dokumentacja/realne odpowiedzi usług (LLaVA, DINO, DeepGaze, UNISAL, ASM) do
|
istnieje dokumentacja/realne odpowiedzi usług (LLaVA, DINO, DeepGaze, UNISAL, ASM) do
|
||||||
potwierdzenia pól (`labels`, `objects_bboxes`, `heatmap_b64`, `data`, `image_detailed/general`)?
|
potwierdzenia pól (`labels`, `objects_bboxes`, `heatmap_b64`, `data`, `image_detailed/general`)?
|
||||||
|
**Odp:** Zostanie dostarczona
|
||||||
|
|
||||||
### Q23. Model ASM PNS — faktyczny zakres
|
### Q23. Model ASM PNS — faktyczny zakres
|
||||||
**Kontekst:** ASM zwraca **2 mapy uwagi** (detailed/general), ale `Opis celów…` przypisuje mu też
|
**Kontekst:** ASM zwraca **2 mapy uwagi** (detailed/general), ale `Opis celów…` przypisuje mu też
|
||||||
predykcję **pobudzenia emocjonalnego / zapamiętywalności**. **Pytanie:** Co dokładnie ASM PNS
|
predykcję **pobudzenia emocjonalnego / zapamiętywalności**. **Pytanie:** Co dokładnie ASM PNS
|
||||||
potrafi dziś, a co jest planem? Czy „detailed/general” odpowiadają jakimś pojęciom produktowym?
|
potrafi dziś, a co jest planem? Czy „detailed/general” odpowiadają jakimś pojęciom produktowym?
|
||||||
|
**Odp:** Zostanie dostrczony osobna dokumentacja modelu i ich możliwości
|
||||||
|
|
||||||
### Q24. Hosting i dostępność modeli
|
### Q24. Hosting i dostępność modeli
|
||||||
**Kontekst:** UNISAL i ASM współdzielą jeden host (`1.208.108.242:58951`).
|
**Kontekst:** UNISAL i ASM współdzielą jeden host (`1.208.108.242:58951`).
|
||||||
**Pytanie:** Jaka jest docelowa infrastruktura produkcyjna (SLA, skalowanie, lokalizacja danych)?
|
**Pytanie:** Jaka jest docelowa infrastruktura produkcyjna (SLA, skalowanie, lokalizacja danych)?
|
||||||
|
**Odp:** jw
|
||||||
|
|
||||||
### Q25. „Ścieżka AOI” w MVP — przybliżenie czy nic?
|
### Q25. „Ścieżka AOI” w MVP — przybliżenie czy nic?
|
||||||
**Pytanie:** Czy akceptujemy przybliżenie „ścieżki AOI” rankingiem AOI wg intensywności saliency
|
**Pytanie:** Czy akceptujemy przybliżenie „ścieżki AOI” rankingiem AOI wg intensywności saliency
|
||||||
(z adnotacją, że to nie jest prawdziwy scanpath), czy komponent czeka na model scanpath? *(§9.5)*
|
(z adnotacją, że to nie jest prawdziwy scanpath), czy komponent czeka na model scanpath? *(§9.5)*
|
||||||
|
**Wyjaśnij dokładniej**
|
||||||
|
|
||||||
---
|
---
|
||||||
|
|
||||||
|
|
|
||||||
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