以下文章来源于THU体育科技评论 ，作者李晨曦
CrowdIQ使用人工智能技术，根据360度摄像头拍摄到的现场画面，以每秒一次的频率进行分析，在不进行面部识别的前提下，了解每个瞬间现场观众的关注点，每场比赛观众的年龄、性别构成，不同时段不同群体对于比赛现场、第二屏幕、赞助广告等各个方面的关注度以及相应行为，让管理者更精准地了解观众的动态，设计更具针对性的观众互动体验，创造全新的赞助形式。
这是在第四节发起的第三次进攻，面对对手的闪电攻势，明尼苏达维京人的四分卫柯克·考辛斯迅速后退，并锁定了眼前一个接球人，而美国银行体育场的所有观众都在注视着球场，看着这个凌厉的回旋球落到了……
等等，别那么快。你所知道的关于美国体育赛事观赛人群的一切行为，可能都是“印象流”，需要在现实数据的帮助下进行修正。
是的，这是有数据的。越来越多的队伍开始使用CrowdIQ，维京人队就是其中之一，CrowdIQ是一家分析公司，使用人工智能（但不是面部识别）来汇总、分析球迷群体的行为，精确到秒。
CrowdIQ在南非开普敦和美国的明尼阿波利斯设有办事处，于3月正式启动，是FanCam的孪生公司。FanCam始于2010年，其理念是为球迷提供照片纪念品，并为球队提供个性化的球迷互动服务。前往现场观赛的人可以查看照片，给自己打上标签并分享，通常还有相关的营销或广告标签。
经过多年对此类图片的观察，FanCam的创始人兼首席执行官提纳斯（Tinus le Roux）发现了观赛人群的大体构成：更年轻的观赛者（其中有更多的女性），还有一部分更关注于比赛本身的观赛者。
但专注比赛也有其限度。
早在2019年，维京人队就发现了这一点。“在任何时候，都只有不到40%的场内观众在注意赛场，”维京人队的商业分析总监肯德尔-彼得斯说。
那些足以影响比赛走势的关键回合，只吸引了40%的眼球。
“我们对此感到震惊。”彼得斯说道。
从某种角度来说，这是有道理的。在智能手机问世之前，体育界曾有过一段黄金时期，当时所有观众的眼睛都在盯着迈克尔·乔丹等球员的每一个动作。而在智能手机出现之后，球迷们甚至看不到那些朝他们飞奔而来的球。即使是现代的体育场馆，也是以“创造一种沉浸式体验”为核心理念，在世界级运动员们实际进行的比赛之外，场馆还为球迷提供了多种可探索的选择。
除了这种大数据之外，还有很多细化的数据可以影响球队与联盟的运作，以及比赛当天的观众体验。彼得斯表示：“观众的行为信息非常丰富，而我们只是抓住了一部分表面，这些数据都有机会开展进一步的测试。”
维京人队发现，在任何特定的时间里，实际观看比赛的平均观众接近30%。影响这个数字的因素很多——就像关于球迷注意力的其它指标一样，从赞助活动到赛场大屏，再到场边球队的制服组们。
CrowdIQ使用与FanCam相同的360度千兆像素拍摄技术，帮助场馆经营方了解谁在参加活动，以及哪些形式的娱乐活动吸引了观众的注意力。该公司现在有13个客户，主要集中在美国，包括NFL的维京人和美洲虎队（迄今为止，CrowdIQ只在维京人队进行了观众注意力跟踪的试点）。
“我们对每个观众的注视点进行每秒一次的分析。如果你把它与大屏幕上显示的东西联系起来，你肯定能知道哪些赞助活动的表现更好或更差，”提纳斯说，“现在我们有了数据，就能用更科学的论据来说服管理层：这就是实际发生的事情，你应该参考这些来构建赛事体验，以达到完美的效果。”
提纳斯和明尼苏达维京队的高管们都强调了一点，CrowdIQ坚持不做面部识别。CrowdIQ数据库中的用户数据不会与人工智能系统进行图像比对，因此没有面部识别所需要的对应关系。相反，CrowdIQ将拍摄到的图像与不同年龄的匿名男性/女性面孔进行比对。提纳斯表示：“我想说明的是，我们不做面部识别，事实上，我们相当反对它。它就像这个系统一样笨拙，这是人工智能的好处之一，你可以让一个系统变得很笨拙。”
虽然移动票务已经让一些球队了解了更多的观众信息，但这些信息永远不会完整。维京人使用CrowdIQ来填补空白或验证他们拥有的数据。彼得斯说：”对于那些坐在座位上的身份不明的观众，知道他们的人口统计学信息、年龄、他们坐在哪里、他们在看哪里，从综合管理的角度来说，掌握这些信息真的很有用。”
这让管理层更好地理解观赛人群的动态：观看中午开赛的人群，与参加晚上七点半的全国直播比赛的人群，以及他们真正落座的时间点，都有着显著的不同。彼得斯指出，关于在晚间黄金时段习惯迟到的观众群体，CrowdIQ的照片提供了这群人的“迟到信息”。
“在一些晚间进行的比赛中，我们看到了人群性别上的变化。”维京人队的商业战略总监吉内特·赛克·阿玛尔说道，“在接下来的几年里，我们能针对这一变化来制定展示内容。这让我们有了更好的洞察力：一场夜间进行的比赛，女性现场观赛者会增多，且年龄会更加年轻，如果单看票务数据，你很难看出这一点的差异。”
“我们以前会参考观众们的季票数据，并决定在比赛中播放老式摇滚，这是传统的方法，”阿玛尔补充说，“后来我们想，这些黄金时段的比赛，观众都是年轻人，我们或许应该换一下场间音乐，或者调整我们现场活动的方向。”
数据分析不仅可以指导宏观层面上的决策——比如音乐——甚至能为细节上的变化提供信息。维京人队考虑使用勒鲁克斯提到的“逐秒分析”来改善赞助投放的效果。”阿玛尔说道：”我们可以将这些数据分享给合作伙伴，让他们在比赛中花钱，以加强宣传效果，让这些推广活动做得更好。
CrowdIQ希望能更进一步，提纳斯提到了视频节目过饱和带来的“大屏幕疲劳”问题。他说，运动队可以利用体育场的超大屏幕，按照时间段进行动态赞助定价。
“我们的工作一直是为了获得数据。我们正处于这样一个阶段，我们希望这个行业能常规化地利用数据。”提纳斯补充道，“在这项技术面世之前，人们根本不会用这种方式来量化人群。现在，它存在了，你可以大规模地做起来了。”
“我们在一场比赛中多次捕捉到它，所以我们可以告诉你：球迷何时进入场馆、在座位上看什么、不看什么，以及所有这些数据。现在一个有趣的机会出现了：体育产业会利用这些数据，去获得更多的赞助商收益。”
—End—声明：本文为THU体育科技评论编译Joe Lemire，中文译者潘志立。未经授权不得转载。
橙光线好课推荐
第一节免费试听！
点击链接进入课程
新兴运动赛事抢鲜知
桨板赛事全球格局深度扫描
https://appysqvewu34081.pc.xiaoe-tech.com/detail/p_5fac9c44e4b0231ba885e2c3/6
