NOTÍCIAS / TECNOLOGIA AI

19 de novembro de 2019
Pascal Coggia, Artefact of Data and Consulting do Reino Unido, explica como as marcas podem usar IA e data para prever a popularidade de seus produtos e informar seu marketing e operações.

Da pista aos resultados em 20 minutos.

Em 19 de novembro de 2019, Pascal Coggia, Artefact da Data e Consultoria do Reino Unido, falou no Google Cloud Next como parte do painel de parceiros. Ele discutiu como as marcas podem usam IA para prever a popularidade de seus produtos e, em seguida, usam esse data para informar seu marketing e suas operações.

Como um parceiro global do Google certificado em GCP e GMP, fomos convidados a participar do Painel Especializado para Parceiros. O painel foi projetado para apresentar os usos mais criativos do pacote Google e demonstrar como os parceiros podem usar a pilha do Google para criar novas soluções para os clientes, atendendo às necessidades de negócios e levando a resultados tangíveis. 

Pascal foi convidado a falar sobre um estudo de caso em que utilizamos a pilha do Google de uma nova maneira, incorporando o aprendizado de máquina para um cliente. Como agência, a IA e o ML são a espinha dorsal de tudo o que fazemos, usando o data para informar nosso marketing e melhorar os negócios de nossos clientes. 

Como temos muitos clientes que usam os produtos do Google, sabíamos que poderíamos enfrentar o desafio e compartilhar um projeto inovador com o público do Google Cloud Next. Nosso objetivo era demonstrar como o ML e a IA podem gerar um impacto real nos negócios, não apenas no marketing, mas beneficiando muitas partes de uma empresa. 

À medida que o data e o cloud se tornam mais comuns, muitas empresas estão utilizando a enorme quantidade de data na ponta dos dedos. No entanto, historicamente, há um setor que não tem feito isso: o de moda e luxo. No entanto, as marcas de moda estão analisando cada vez mais intensamente qual será a próxima tendência. Isso afeta tudo, desde o planejamento de vendas e operações, estoques e orçamentos até a estratégia de sortimento.

Para demonstrar como a moda de luxo pode abraçar tanto a criatividade quanto o data, Pascal apresentou um projeto no qual o Artefact trabalhou recentemente para a casa de moda de luxo, Lanvin. 

Desafio

A Lanvin descobriu que estava tendo dificuldades para se destacar no competitivo mercado de luxo. Recentemente, a marca foi relançada, incluindo a contratação de um novo diretor de criação, a criação de novos valores e o reposicionamento da marca. Depois disso, eles queriam entender como a marca foi recebida pelo público e pelo setor em geral e, por fim, entender quais peças foram mais populares. 

Isso tornou nosso projeto ainda mais desafiador: A Lanvin precisava dessas informações rapidamente, no máximo 5 dias após o desfile, para tomar decisões estratégicas.

Abordagem

Propusemos uma solução de aprendizado de máquina que pudesse detectar a conveniência e os impactos operacionais correspondentes (como os níveis de estoque necessários globalmente por loja), no mesmo dia do desfile de moda. Isso se baseou em uma ampla gama de pontos de data, incluindo redes sociais como Instagram, Facebook, WeChat, além de blogs de participantes e criadores de tendências relevantes.

Nossa solução seria capaz de identificar os looks do desfile e encontrar imagens relevantes que incluíssem os produtos da Lanvin. Usando centenas de imagens do desfile, muitas das quais não incluíam a linha, foi possível extrair o sentimento das postagens relevantes. O objetivo era não apenas reconhecer os looks em imagens individuais, mas também ser capaz de ir mais fundo e identificar os produtos individuais em cada foto.

Método

Para criar esse nível de aprendizado de máquina sob medida, precisávamos utilizar vários tipos de IA. Combinando ML de prateleira com um programa sob medida, conseguimos criar algo capaz de atender exatamente às necessidades da Lanvin. 

Inicialmente, treinamos o ML pronto para uso com imagens de bancos de código aberto de looks e produtos de moda e, em seguida, combinamos esse data com nosso próprio ML criado especificamente para treiná-lo novamente imediatamente após o desfile com o vídeo da Lanvin. Como o tempo não estava do nosso lado, usamos essa combinação híbrida, o que nos permitiu configurar o modelo em apenas 20 minutos para aprender quais imagens procurar. 

 

Nosso modelo reuniu todas as informações e avaliou quais peças estavam causando mais repercussão. Esse data nos permitiu prever quais itens seriam os mais populares em todo o mundo, por país. Pudemos analisar a popularidade dos itens por país e grupo demográfico, dando à Lanvin uma compreensão maior de quais produtos eram populares entre vários grupos e em diferentes países.

No entanto, o processo não foi isento de desafios. As imagens das plataformas sociais chinesas estavam sendo enviadas como miniaturas, e não como imagens completas, o que causou a classificação incorreta das fotos. Prevendo o imprevisto, usamos o Google Stackdriver, que enviou um e-mail avisando que havia algo errado, o que significou que o problema foi detectado rapidamente e resolvido.

Resultados

O ML teve um desempenho excepcional Precisão 95% em identificar os looks do desfile da Lanvin em todas as publicações de mídia social, mesmo quando as imagens foram tiradas de um ângulo obscuro. 

 

O que tornou esse resultado especial foi a forma como treinamos o ML e a velocidade com que os resultados foram produzidos. Tínhamos o algoritmo operacional do no mesmo dia como o show, o que nos permitiu atingir a meta do cliente de ter uma análise completa 5 dias após o desfile. Isso incluiu fornecer a eles uma análise completa da reação, destacando os looks que estavam gerando mais repercussão e uma previsão de quais itens seriam mais populares. 

 

O impacto real nos negócios foi produzido por Stackdriver do Google, O senhor pode ter sido o primeiro a analisar todas as imagens das mídias sociais e, em particular, reconhecer que as imagens das plataformas sociais chinesas não estavam sendo transmitidas corretamente. 

 

Ter esse data permite que nosso cliente perceba com precisão o sucesso de seu relançamento. Ele fornece um resultado concreto, em vez de basear o sucesso em intuições e rumores. Nossa análise de seu share of voice em comparação com outras marcas na semana de moda de Paris permitiu que eles vissem claramente quanta atenção receberam em comparação com outras casas de moda presentes. 

 

Essa percepção da reação do cliente na feira também pode ser levada um passo adiante e usada para informar vários aspectos de seus negócios, desde os produtos a serem incluídos no marketing para vários países até os níveis de produção e estoque de cada visual.