Como o Retina funciona
Em palavras simples: você sobe uma peça (imagem ou filme) e o Retina devolve uma leitura em camadas, para onde o olho vai, que emoção ela desperta, o que ela evoca no mundo lá fora, e como o cérebro provavelmente reage. Esta página explica, sem pressa e sem jargão, o que cada parte faz, como ela chega no resultado, e onde estão os limites.
O que é
O Retina é um instrumento de leitura, não um juiz. Ele não dá nota nem diz se a peça é boa. Ele revela como a peça é percebida e ajuda o time a discutir o porquê. Pense num par de óculos que mostra coisas que o olho desarmado não vê de imediato: onde a atenção se concentra, se a marca está no lugar certo, o tom emocional, o momento cultural.
É de uso interno e educativo. Roda sobre modelos e bases de código aberto e de pesquisa, mais a IA de visão do Google (Gemini). Cada número é uma pista sobre uma camada da percepção, e a maioria já é prevista por modelos testados contra avaliações de pessoas reais. Nunca é promessa de venda.
Como ler os números
Para não confundir, quase tudo no Retina usa a mesma régua: uma nota de 0 a 100. Quanto mais alto, mais forte é aquela qualidade na peça (mais atenção concentrada, mais clareza, mais energia, e assim por diante). É uma leitura direcional, ela aponta para onde a percepção tende a ir, não é uma previsão de quantas pessoas vão comprar nem uma nota de qualidade.
O que a nota diz
Alto e baixo são relativos à própria leitura, não a uma meta. Ex.: atenção 80 = a peça tem um ponto que concentra bem o olhar; atenção 30 = o olhar se espalha. No Clima, 50 é neutro (nem agradável, nem desagradável).
O que a nota NÃO diz
Não diz se a peça é boa ou ruim, não promete venda nem lembrança garantida, e não é porcentagem de gente. Uma nota baixa pode ser uma escolha criativa de propósito. O Retina informa, quem decide é você.
A ideia central: cada camada diz de onde ela vem
O ponto mais importante: nem toda métrica tem o mesmo peso de verdade. O Retina é honesto sobre isso e marca cada camada com a sua natureza:
- Validado testado em gente modelo comparado com avaliações de pessoas reais, com o acerto medido e mostrado. É o terreno mais firme: atenção, marca, afeto e memória. A clareza usa métrica publicada (aproximação, sem coeficiente aferido aqui), a emoção (em publicidade) e parte do neural são direcionais, ver abaixo.
- Contexto mundo em volta dados reais de fora (busca no Google), pra situar a peça no momento.
- Prévia na hora contas rápidas feitas no seu navegador que aparecem antes da análise completa. Servem de aquecimento até o modelo validado entrar no lugar.
Sempre que ler um número, olhe a etiqueta da camada: ela diz se aquilo foi testado contra gente real, se é contexto do mundo lá fora, ou só uma prévia rápida.
Como o Retina lê uma peça, passo a passo
Quando você clica em Analisar, várias leituras rodam em paralelo. Nenhuma é caixa-preta: aqui está o que acontece, em ordem, e de onde vem cada resultado.
Imagem (JPG/PNG) ou vídeo (MP4/MOV). Num filme, o Retina amostra quadros ao longo do tempo. A peça é processada na hora.
Você arrasta um retângulo sobre o logo ou a mensagem-chave. É o que permite medir se a marca cai onde a atenção está.
O modelo DeepGaze prevê o mapa do olhar humano. Vira a nota de Atenção e alimenta os modos saliência, heatmap e fog.validado
O Retina soma a atenção (do mesmo mapa validado) que cai dentro da sua caixa e compara com o total da peça.validado
O Subband Entropy mede a poluição visual (quanta coisa disputa o olhar). Menos poluição, mais Clareza.métrica publicada
Energia e Clima vêm de um modelo ajustado às notas humanas do OASIS; a Emoção dominante (entre 8) vem do EmoSet.validado: energia/climadirecional: emoção
O ResMem, modelo de memorabilidade, estima o quanto a peça tende a ser lembrada.validado
Um encoder ajustado a exames de fMRI (NSD) prevê a resposta por região do córtex visual: faces, corpos, lugares, texto.validado: faces, corpos, lugaresprévia: texto, V1 a V4
A IA extrai os temas que a peça evoca e o Google Trends diz se estão em alta ou em queda no Brasil.contexto
A IA (Gemini) escreve a leitura usando todos os números acima, sobretudo os validados, como lente. Interpreta, não repete o número.
Você compara a peça com seu acervo ou com o que o canal pede, e cruza com o público sintético do Espelho™.
Dica de leitura: comece pela Leitura geral (o resumo em uma frase, sem jargão), depois desça para as camadas e a leitura detalhada.
As camadas, uma a uma
Atenção validado
Para onde o olho é puxado nos primeiros instantes. O Retina mostra um mapa de saliência: cada ponto da imagem recebe uma nota de "quão chamativo" é. Os desenhos sobre a peça são uma prévia na hora; ao clicar em Analisar, o número vem do DeepGaze IIE, um modelo validado que prevê o olhar humano (acerta ~0,88 de AUC em bases públicas de eye-tracking).
- como mede
- prévia: contraste central-periférico na imagem, no navegador. Na análise: mapa do DeepGaze IIE, modelo validado contra eye-tracking de gente real.
- como ler
- nota alta = um foco claro; nota baixa = olhar disperso. Os três modos de visualização ajudam: saliência (brilho âmbar onde chama), heatmap (mapa de calor frio→quente) e fog (o que o olho pega fica nítido, o resto some na névoa).
- limite
- prevê para onde o olhar tende a ir, não garante o que a pessoa vai pensar. Roda numa versão reduzida da peça (por velocidade), abaixo da resolução em que o modelo foi medido, e foi validado em fotos naturais: em peça com muito texto e grafismo, leia como direção. O número exibido é um índice de concentração desse mapa, não o AUC.
Destaque da marca validado
A marca está onde a atenção está? O Retina soma a atenção que cai dentro do retângulo que você desenhou e compara com o total da peça, usando o mesmo mapa validado do DeepGaze.
- como mede
- fração do mapa de saliência (DeepGaze, validado) contida na caixa da marca.
- como ler
- alto = a marca é vista cedo e bem; baixo = ela se perde, mesmo numa peça bonita. É a métrica mais prática para separar "peça bonita" de "peça que comunica".
- limite
- depende de você posicionar a caixa certa.
Clareza métrica publicada
Quão fácil é processar a peça num relance. Mede a poluição visual: quanta informação compete pela atenção. Menos poluição, mais clareza. Ao Analisar, usa uma medida de poluição visual inspirada no Subband Entropy (Rosenholtz et al., 2007), métrica de clutter publicada. Usamos uma aproximação dela, então é direcional: não tem um coeficiente de acerto aferido nesta ferramenta.
- como mede
- prévia: índice rápido de bordas e cor no navegador. Na análise: Subband Entropy, métrica publicada de poluição visual, invertida.
- como ler
- alta clareza = leitura rápida, poucos focos disputando; baixa = a peça cansa o olho.
- limite
- clareza não é qualidade. Uma peça densa pode ser uma escolha proposital.
Afeto validado
Como a peça provavelmente faz sentir, em dois eixos. A Energia (na psicologia, "arousal"): o quanto a peça é agitada ou calma. E o Clima (na psicologia, "valência"): se o tom puxa pro agradável ou pro desagradável. Um modelo prevê os dois a partir da imagem, treinado e validado contra as notas de gente real do OASIS (Kurdi et al. 2017; 900 imagens, ~100 avaliações por imagem). O acerto medido por validação cruzada é r=0,80 no Clima e r=0,67 na Energia. Esse r mede a ordem das peças (qual é mais agradável ou mais agitada que qual), e é forte pra comparar; a nota absoluta tem R² baixo (cerca de 0,10 a 0,14), então use pra ordenar, não como valor cravado. Dos dois sai uma "motivação" como índice derivado.
- como mede
- a imagem vira características visuais (CLIP), mapeadas para Energia e Clima a partir das notas humanas do OASIS.
- como ler
- direção do clima emocional, ancorada em gente real. 50 no Clima é neutro.
- limite
- base internacional, não brasileira: a direção é robusta, a calibração cultural é aproximada.
Emoção direcional
Enquanto o afeto dá dois eixos (energia e clima), esta camada nomeia qual emoção a peça mais desperta, entre oito: diversão, deslumbre, contentamento, empolgação (as quatro positivas), raiva, nojo, medo e tristeza (as quatro negativas). Um classificador foi treinado e testado num subconjunto de ~12 mil imagens do EmoSet (Yang et al. 2023), base de 118 mil fotos comuns rotuladas por pessoas, onde acerta a emoção exata em 80% dos casos. Mas o ponto importante: peça publicitária (com texto, produto, design gráfico) está fora do domínio em que ele foi treinado, então aqui ele erra com frequência. Por isso a camada é direcional, não validada: o rótulo é pista, não verdade.
- como mede
- a imagem vira características visuais (CLIP) e um classificador aponta a probabilidade de cada uma das 8 emoções.
- como ler
- olhe a mistura inteira, não só o topo. Se o rótulo destoa do óbvio (anúncio alegre saindo "tristeza"), confie no seu olho: é o modelo errando fora do domínio dele.
- limite
- treinado em fotos comuns, não em publicidade; 8 emoções básicas; base internacional. Direção, nunca veredito.
Cultura contexto real
Esta camada não lê a peça, lê o mundo em volta. A IA extrai os temas que a peça evoca (ex: aconchego, festa, tecnologia) e cruza com o Google: aquilo está em alta, estável ou em queda no Brasil?
- como mede
- temas extraídos pela visão, cruzados com o interesse de busca (Google Trends, com apoio da Busca do Google quando o Trends não responde).
- como ler
- ajuda a responder "por que isso ressoa agora". Em alta = a peça pega uma onda; em queda = pode soar datada.
- limite
- tendência é sinal atrasado: serve de contexto, nunca de veredito sobre a peça.
Neural validado: faces, corpos, lugares prévia: texto, V1 a V4
A camada mais ousada, agora com chão embaixo. Um modelo prevê, a partir da imagem, que regiões do córtex visual a peça mais aciona: visão inicial (bordas, contraste), V4 (cor e forma), objetos, faces, lugares, corpos, texto. O modelo foi ajustado a exames de fMRI reais (o NSD, Natural Scenes Dataset, 20 sessões, 7456 imagens), e o acerto de cada região é medido por validação cruzada. Validados de fato: corpos (r≈0,56), lugares (r≈0,45) e faces (r≈0,44). Texto (r≈0,24), objetos e a visão inicial (V1 a V4) ficam como prévia, abaixo do limiar de validação. Tudo isso a partir de 1 pessoa (não brasileira): é direção, não medida.
- como mede
- a peça vira um vetor de características visuais (CLIP), mapeado para a resposta de cada região aprendida a partir do fMRI humano.
- como ler
- onde a peça "fala mais alto" no sistema visual. Ex: muita ativação de faces sugere que rostos dominam a leitura.
- limite
- é previsão a partir do cérebro de 1 pessoa, não brasileira, e a visão inicial (V1 a V4) segue como prévia de baixo nível. Direção robusta, calibração local aproximada.
Camadas de apoio
Aderência por canal
Cada mídia pede coisas diferentes: outdoor vive de 1 a 2 segundos e precisa de atenção, marca e clareza altíssimas; TV e cinema invertem, valorizam arco emocional e memória. O Retina compara o perfil da peça (as seis métricas) com o que cada canal exige e mostra um ranking de encaixe.
É recomendação de contexto, não veredito: baixa aderência num canal pode ser uma escolha criativa deliberada. Os pesos de cada canal são editáveis.
Boas práticas de e-mail, push e WhatsApp
Para peça de e-mail (HTML) ou notificação, o Retina não roda os modelos de percepção: ele confere a peça contra boas práticas de canal. As checagens estruturais (tamanho do HTML, proporção texto e imagem, colunas, largura, CTA, alt, descadastro) saem do código, lendo o HTML sem renderizar; a leitura de comunicação (mensagem no início, escaneável, benefício, CTA) é da IA. As regras vêm das boas práticas da Insider e da lista interna da casa.
É direcional, não veredito. A proporção 60/40 é estimada pelo conteúdo, não pela área renderizada. Citamos a fonte em cada checagem.
Benchmark e acervo
Você salva cada análise num acervo (no seu navegador). O radar compara o perfil da peça atual com uma base: a média do acervo, uma peça específica, ou o que um canal exige. As barras mostram o delta por métrica. É como a peça se sai frente ao conteúdo comparado.
Público sintético (Espelho™)
O Retina conversa com o Espelho™, a plataforma de personas sintéticas da população brasileira. Você descreve o território da peça e vê quais personas mais conversam com ela. Responde "quem ressoa com isso", como direção, nunca como tamanho de audiência.
Vídeo
Para filmes, há dois olhares: o Retina amostra cerca de um frame por segundo e calcula as métricas ao longo do tempo (a curva de atenção, clareza e afeto, com um scrubber para percorrer). E, para a leitura qualitativa, o Gemini assiste ao filme inteiro (com movimento e áudio), lendo o arco, não quadros soltos.
As leituras em texto
Duas, ambas escritas pela IA com os números como lente: a Leitura geral (um resumo curto, para leigo, do que a peça faz) e a leitura detalhada em seções (síntese, atenção, afeto, cultura, tensões, fechamento). Há ainda um campo para perguntar qualquer coisa sobre a peça. Os textos aparecem em streaming, palavra por palavra.
O motor por trás
- Gemini 2.5 Flash (Google Vertex AI): toda a IA que lê e escreve, afeto, temas, leitura geral, leitura detalhada, perguntas, e a leitura do filme inteiro.
- Computação no navegador: as prévias instantâneas de atenção, destaque da marca, clareza e as curvas do vídeo, em JavaScript, sem modelo de IA.
- DeepGaze, ResMem, OASIS e NSD: os modelos validados que entram ao Analisar (atenção/marca, memória, afeto e neural). A emoção (EmoSet) entra como direcional: foi treinada em fotos comuns, não em publicidade. Rodam num serviço dedicado.
- CLIP: a rede de visão que alimenta as camadas neural, afeto e emoção.
- Google Trends e Busca: a camada de cultura.
- Espelho™: as personas sintéticas para a ponte de público.
Atenção, marca, clareza e o vídeo rodam localmente; o resto é chamada de servidor. Por isso a primeira leitura pode levar alguns segundos.
De onde vêm os dados (e o que foi medido)
Rigor começa por ser honesto sobre o peso de cada número. Nada aqui é caixa-preta: cada camada usa um modelo aberto ou de pesquisa, e quase todos foram testados contra avaliações de pessoas reais. Por que dá pra confiar: mostramos o acerto medido, não uma precisão afirmada sem prova.
Atenção e marca
Mapa do olhar do DeepGaze IIE (Linardos et al., 2021), estado da arte em predição de fixação ocular.
Clareza
Aproximação do Subband Entropy (Rosenholtz et al., 2007), medida de poluição visual publicada.
Afeto · energia e clima
Modelo ajustado às notas humanas do OASIS (Kurdi et al., 2017; 900 imagens, ~100 avaliações cada).
Emoção
Classificador das 8 emoções do EmoSet (Yang et al., 2023; 118 mil fotos comuns rotuladas por gente). Direcional: publicidade está fora do domínio de treino.
Memória
ResMem (Needell & Bainbridge, 2022), modelo de memorabilidade revisado por pares.
Neural
Encoder ajustado a fMRI 7T humano do NSD (Natural Scenes Dataset, 20 sessões), por região do córtex.
Cultura
Interesse de busca do Google Trends (dado real do Brasil); a IA de visão extrai os temas.
Detalhe importante: o número de Atenção e Marca é um índice derivado do mapa validado (concentração da saliência; fração dentro da caixa), transparente, mas não é o AUC em si. No neural, a visão inicial (V1 a V4) segue como prévia de baixo nível.
Como apresentar com segurança
Se for citar o Retina num slide ou pra um cliente, use a linguagem certa: ela protege a leitura e o seu trabalho. Cole o rodapé abaixo e siga o "pode dizer / nunca afirme".
Pode dizer
- "O olhar tende a ir primeiro para X"
- "A peça desperta sobretudo Y" (emoção/afeto validados)
- "A marca cai num ponto de baixa atenção" (oportunidade)
- "Esse tema está em alta no Brasil agora"
Nunca afirme
- "X% das pessoas vão comprar ou lembrar"
- "A peça é boa" ou "é ruim" (o Retina não dá nota)
- Que é exame de cérebro real ou pesquisa com gente
- Omitir que é direcional e de bases não-brasileiras
Limites honestos (leia isto)
O que o Retina é, e o que não é
- Ensina, não julga. Cada saída é a leitura de uma camada da percepção, nunca promessa de venda ou eficácia, nem nota de qualidade.
- Direção, não magnitude. As notas apontam para onde a percepção tende a ir; não são porcentagem de gente nem projeção de audiência.
- Bases não-brasileiras. Os modelos vêm de gente majoritariamente de fora. A validade cultural local é ressalva permanente, não um dado.
- Não substitui pesquisa. Use para orientar decisão e hipótese; valide com gente real quando a aposta for grande. O Retina antecede e enriquece a pesquisa, não a troca.
- Uso interno e não-comercial, respeitando as licenças de pesquisa dos modelos e das bases.