NOTÍCIAS / TECNOLOGIA AI
19 de novembro de 2019
Pascal Coggia, sócio-gerente da Artefact UK da Data and Consulting, explica como as marcas podem usar AI 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, o sócio-gerente de Data e consultoria da Artefact UK, Pascal Coggia, falou no Google Cloud Next como parte do painel de parceiros. Ele discutiu como as marcas podem usar AI para prever a popularidade de seus produtos e, em seguida, usar esses data para informar seu marketing e suas operações.
Como um parceiro global do Google certificado em GCP e GMP, fomos convidados a participar de seu Painel Especializado para Parceiros. O painel foi projetado para mostrar 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, AI e ML são a espinha dorsal de tudo o que fazemos, usando data para informar nosso marketing e melhorar os negócios de nossos clientes.
Com uma grande quantidade de 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 AI podem gerar um impacto real nos negócios, não apenas no marketing, mas beneficiando muitas partes de uma empresa.
À medida que data e 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 abranger tanto a criatividade quanto a data, Pascal apresentou um projeto no qual a 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, o que incluiu 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 grande variedade de pontos 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, precisamos utilizar vários tipos de AI. Combinando o aprendizado de máquina pronto para uso com um programa sob medida, conseguimos criar algo que atendesse 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 gerando 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, o que proporcionou 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 uma excepcional 95% de precisão na identificação dos 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. O algoritmo ficou operacional no no mesmo dia do show, o que nos permitiu atingir a meta do cliente de ter uma análise completa 5 dias após o show. Isso incluiu o fornecimento de 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 Googledo Google, analisando todas as imagens da mídia social e, em particular, reconhecendo que as imagens das plataformas sociais chinesas não estavam sendo transmitidas corretamente.
O site data permite que nosso cliente perceba com precisão o sucesso de seu relançamento. Isso lhes dá um resultado concreto, em vez de basear o sucesso em intuição e boatos. Nossa análise de seu share of voice em comparação com outras marcas na semana de moda de Paris permitiu que ele visse claramente quanta atenção recebeu 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.
