![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2019\/12\/pascal-google-square.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>NOTICIAS \/ TECNOLOG\u00cdA AI<\/p>\n<\/div>
19 de noviembre de 2019
\nPascal Coggia, Artefact del Reino Unido, Managing Partner de Data y Consultor\u00eda, explica c\u00f3mo las marcas pueden utilizar la IA y la data para prever la popularidad de sus productos e informar su marketing y operaciones.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
De la pista a los resultados en 20 minutos.<\/span><\/strong><\/h3>\nEl 19 de noviembre de 2019, el Managing Partner de Artefact y Consultor\u00eda del Reino Unido, Pascal Coggia, habl\u00f3 en Google Cloud Next como parte del panel de socios. Habl\u00f3 de c\u00f3mo las marcas pueden <\/span>utilizan la IA para prever la popularidad de sus productos y, a continuaci\u00f3n, utilizan esa data para informar a sus departamentos de marketing y operaciones.<\/span><\/p>\nComo socio global de Google certificado tanto en GCP como en GMP, se nos invit\u00f3 a participar en su panel especializado para socios. El panel se dise\u00f1\u00f3 para mostrar los usos m\u00e1s creativos de la suite de Google y demostrar c\u00f3mo los socios pueden hacer uso de la pila de Google para crear nuevas soluciones para los clientes, tanto para satisfacer las necesidades empresariales como para obtener resultados tangibles.\u00a0<\/span><\/p>\nPascal fue invitado a hablar sobre un caso pr\u00e1ctico en el que hab\u00edamos utilizado la pila de Google de una forma nueva, incorporando el aprendizaje autom\u00e1tico para un cliente. Como agencia, la IA y el ML son la columna vertebral de todo lo que hacemos, utilizando data para informar nuestro marketing y mejorar los negocios de nuestros clientes.\u00a0<\/span><\/p>\nAl contar con un gran n\u00famero de clientes que utilizan productos de Google, sab\u00edamos que pod\u00edamos estar a la altura del desaf\u00edo y compartir un proyecto innovador con el p\u00fablico de Google Cloud Next. Nuestro objetivo era demostrar c\u00f3mo el ML y la IA pueden impulsar un impacto empresarial real, no s\u00f3lo dentro del marketing, sino beneficiando a muchas partes de una empresa.\u00a0<\/span><\/p>\nA medida que el data y el cloud se generalizan, muchas empresas utilizan la enorme cantidad de data que tienen a su alcance. Sin embargo, hist\u00f3ricamente hay una industria que no lo ha hecho: la moda y el lujo. Sin embargo, las marcas de moda se fijan cada vez m\u00e1s en cu\u00e1l ser\u00e1 la pr\u00f3xima tendencia. Esto repercute en todo, desde la planificaci\u00f3n de ventas y operaciones, las existencias y los presupuestos hasta la estrategia de surtido.<\/span><\/p>\nPara demostrar c\u00f3mo la moda de lujo puede abarcar tanto la creatividad como data, Pascal present\u00f3 un proyecto en el que Artefact trabaj\u00f3 recientemente para la casa de moda de lujo, <\/span>Lanvin<\/i><\/b>.\u00a0<\/span><\/p>\nDesaf\u00edo<\/span><\/strong><\/h3>\nLanvin se dio cuenta de que estaba luchando por destacar dentro del competitivo mercado del lujo. Recientemente hab\u00edan relanzado su marca, lo que inclu\u00eda la contrataci\u00f3n de un nuevo director creativo, la creaci\u00f3n de nuevos valores y el reposicionamiento de su marca. A ra\u00edz de ello, quer\u00edan entender c\u00f3mo era recibida por el p\u00fablico y la industria en general y, en \u00faltima instancia, comprender qu\u00e9 piezas hab\u00edan sido las m\u00e1s populares.\u00a0<\/span><\/p>\nHaciendo nuestro proyecto a\u00fan m\u00e1s desafiante: Lanvin necesitaba esta informaci\u00f3n con rapidez, a m\u00e1s tardar 5 d\u00edas despu\u00e9s del desfile para tomar decisiones estrat\u00e9gicas.<\/span><\/p>\nAc\u00e9rquese a<\/span><\/strong><\/h3>\nPropusimos una soluci\u00f3n de aprendizaje autom\u00e1tico que pudiera detectar la deseabilidad y los correspondientes impactos operativos (como los niveles de existencias necesarios globalmente por tienda), el mismo d\u00eda del desfile de moda. Para ello nos basamos en una amplia gama de puntos data, incluidas redes sociales como Instagram, Facebook, WeChat, adem\u00e1s de blogs de asistentes relevantes y creadores de tendencias.<\/span><\/p>\nNuestra soluci\u00f3n ser\u00eda capaz de identificar los looks del desfile y encontrar im\u00e1genes relevantes que incluyeran los productos de Lanvin. A partir de cientos de im\u00e1genes del desfile, muchas de las cuales no inclu\u00edan la l\u00ednea en absoluto, fue capaz de extraer el sentimiento de las publicaciones relevantes. El objetivo era no s\u00f3lo reconocer los looks dentro de im\u00e1genes individuales, sino poder profundizar e identificar los productos individuales dentro de cada foto. <\/span><\/p>\nM\u00e9todo<\/span><\/strong><\/h3>\nPara crear este nivel de aprendizaje autom\u00e1tico a medida necesit\u00e1bamos utilizar varios tipos de IA. Combinando el ML \"off the shelf\" con un programa a medida, pudimos crear algo capaz de satisfacer exactamente las necesidades de Lanvin.\u00a0<\/span><\/p>\nInicialmente, entrenamos el ML off-the-shelf con im\u00e1genes de bancos de c\u00f3digo abierto de looks y productos de moda, y despu\u00e9s combinamos este data con nuestro propio ML creado espec\u00edficamente para entrenarlo de nuevo inmediatamente despu\u00e9s de que hubiera tenido lugar el desfile con el v\u00eddeo de Lanvin. Como el tiempo no estaba de nuestra parte, utilizamos esta combinaci\u00f3n h\u00edbrida, que nos permiti\u00f3 configurar el modelo en s\u00f3lo 20 minutos para aprender qu\u00e9 im\u00e1genes buscar.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nNuestro modelo tom\u00f3 toda la informaci\u00f3n y evalu\u00f3 qu\u00e9 piezas estaban creando m\u00e1s buzz. A continuaci\u00f3n, este data nos permiti\u00f3 prever qu\u00e9 art\u00edculos ser\u00edan los m\u00e1s populares en todo el mundo por pa\u00edses. Pudimos revisar la popularidad de los art\u00edculos por pa\u00edses y grupos demogr\u00e1ficos, lo que permiti\u00f3 a Lanvin comprender mejor qu\u00e9 productos eran populares entre diversos grupos y en distintos pa\u00edses. <\/span><\/p>\nSin embargo, el proceso no estuvo exento de dificultades. Las im\u00e1genes de las plataformas sociales chinas se enviaban como miniaturas en lugar de las im\u00e1genes completas, lo que provocaba una clasificaci\u00f3n err\u00f3nea de las fotos. Anticip\u00e1ndonos a lo imprevisto, utilizamos Google Stackdriver, que envi\u00f3 un correo electr\u00f3nico avisando de que hab\u00eda algo mal, lo que signific\u00f3 que el problema se detect\u00f3 r\u00e1pidamente y se resolvi\u00f3.<\/span><\/p>\nResultados<\/span><\/strong><\/h3>\nEl ML tuvo un <\/span>Precisi\u00f3n 95%<\/b> en la identificaci\u00f3n de los looks del desfile de Lanvin en todas las publicaciones de las redes sociales, incluso cuando las im\u00e1genes se tomaron desde un \u00e1ngulo poco claro.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nLo que hizo especial este resultado fue c\u00f3mo entrenamos el ML y la velocidad a la que se produjeron los resultados. Ten\u00edamos el algoritmo operativo el <\/span>el mismo d\u00eda<\/b> como el espect\u00e1culo, lo que nos permiti\u00f3 alcanzar el objetivo del cliente de disponer de un an\u00e1lisis completo <\/span>5 d\u00edas <\/b>despu\u00e9s del desfile. Esto inclu\u00eda proporcionarles un an\u00e1lisis completo de la reacci\u00f3n, destacando qu\u00e9 looks estaban generando m\u00e1s expectaci\u00f3n, y una predicci\u00f3n de qu\u00e9 art\u00edculos ser\u00edan los m\u00e1s populares.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nEl impacto empresarial real se produjo <\/span>Stackdriver de Google<\/b>, analizando todas las im\u00e1genes de las redes sociales y, en particular, reconociendo que las im\u00e1genes de las plataformas sociales chinas no se estaban transmitiendo correctamente.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nDisponer de este data permite a nuestro cliente percibir con precisi\u00f3n el \u00e9xito de su relanzamiento. Les proporciona un resultado concreto, en lugar de basar el \u00e9xito en intuiciones y rumores. Nuestro an\u00e1lisis de su cuota de voz en comparaci\u00f3n con otras marcas en la semana de la moda de Par\u00eds les permiti\u00f3 ver claramente cu\u00e1nta atenci\u00f3n recibieron en comparaci\u00f3n con otras casas de moda presentes.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nEste conocimiento de la reacci\u00f3n de los clientes a partir del sal\u00f3n tambi\u00e9n puede llevarse un paso m\u00e1s all\u00e1 y utilizarse para informar sobre diversos aspectos de su negocio, desde qu\u00e9 productos incluir en el marketing para diversos pa\u00edses, hasta la producci\u00f3n y los niveles de existencias de cada look.<\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":"19 de noviembre de 2019
\nPascal Coggia, Artefact del Reino Unido, Managing Partner de Data y Consultor\u00eda, explica c\u00f3mo las marcas pueden utilizar la IA y la data para prever la popularidad de sus productos e informar su marketing y operaciones.<\/p>","protected":false},"featured_media":5397,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995,21938],"blog-language":[2991],"class_list":["post-5393","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-category-luxury","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/5393","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/5397"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=5393"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=5393"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=5393"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Como socio global de Google certificado tanto en GCP como en GMP, se nos invit\u00f3 a participar en su panel especializado para socios. El panel se dise\u00f1\u00f3 para mostrar los usos m\u00e1s creativos de la suite de Google y demostrar c\u00f3mo los socios pueden hacer uso de la pila de Google para crear nuevas soluciones para los clientes, tanto para satisfacer las necesidades empresariales como para obtener resultados tangibles.\u00a0<\/span><\/p>\n Pascal fue invitado a hablar sobre un caso pr\u00e1ctico en el que hab\u00edamos utilizado la pila de Google de una forma nueva, incorporando el aprendizaje autom\u00e1tico para un cliente. Como agencia, la IA y el ML son la columna vertebral de todo lo que hacemos, utilizando data para informar nuestro marketing y mejorar los negocios de nuestros clientes.\u00a0<\/span><\/p>\n Al contar con un gran n\u00famero de clientes que utilizan productos de Google, sab\u00edamos que pod\u00edamos estar a la altura del desaf\u00edo y compartir un proyecto innovador con el p\u00fablico de Google Cloud Next. Nuestro objetivo era demostrar c\u00f3mo el ML y la IA pueden impulsar un impacto empresarial real, no s\u00f3lo dentro del marketing, sino beneficiando a muchas partes de una empresa.\u00a0<\/span><\/p>\n A medida que el data y el cloud se generalizan, muchas empresas utilizan la enorme cantidad de data que tienen a su alcance. Sin embargo, hist\u00f3ricamente hay una industria que no lo ha hecho: la moda y el lujo. Sin embargo, las marcas de moda se fijan cada vez m\u00e1s en cu\u00e1l ser\u00e1 la pr\u00f3xima tendencia. Esto repercute en todo, desde la planificaci\u00f3n de ventas y operaciones, las existencias y los presupuestos hasta la estrategia de surtido.<\/span><\/p>\n Para demostrar c\u00f3mo la moda de lujo puede abarcar tanto la creatividad como data, Pascal present\u00f3 un proyecto en el que Artefact trabaj\u00f3 recientemente para la casa de moda de lujo, <\/span>Lanvin<\/i><\/b>.\u00a0<\/span><\/p>\n Lanvin se dio cuenta de que estaba luchando por destacar dentro del competitivo mercado del lujo. Recientemente hab\u00edan relanzado su marca, lo que inclu\u00eda la contrataci\u00f3n de un nuevo director creativo, la creaci\u00f3n de nuevos valores y el reposicionamiento de su marca. A ra\u00edz de ello, quer\u00edan entender c\u00f3mo era recibida por el p\u00fablico y la industria en general y, en \u00faltima instancia, comprender qu\u00e9 piezas hab\u00edan sido las m\u00e1s populares.\u00a0<\/span><\/p>\n Haciendo nuestro proyecto a\u00fan m\u00e1s desafiante: Lanvin necesitaba esta informaci\u00f3n con rapidez, a m\u00e1s tardar 5 d\u00edas despu\u00e9s del desfile para tomar decisiones estrat\u00e9gicas.<\/span><\/p>\n Propusimos una soluci\u00f3n de aprendizaje autom\u00e1tico que pudiera detectar la deseabilidad y los correspondientes impactos operativos (como los niveles de existencias necesarios globalmente por tienda), el mismo d\u00eda del desfile de moda. Para ello nos basamos en una amplia gama de puntos data, incluidas redes sociales como Instagram, Facebook, WeChat, adem\u00e1s de blogs de asistentes relevantes y creadores de tendencias.<\/span><\/p>\n Nuestra soluci\u00f3n ser\u00eda capaz de identificar los looks del desfile y encontrar im\u00e1genes relevantes que incluyeran los productos de Lanvin. A partir de cientos de im\u00e1genes del desfile, muchas de las cuales no inclu\u00edan la l\u00ednea en absoluto, fue capaz de extraer el sentimiento de las publicaciones relevantes. El objetivo era no s\u00f3lo reconocer los looks dentro de im\u00e1genes individuales, sino poder profundizar e identificar los productos individuales dentro de cada foto. <\/span><\/p>\n Para crear este nivel de aprendizaje autom\u00e1tico a medida necesit\u00e1bamos utilizar varios tipos de IA. Combinando el ML \"off the shelf\" con un programa a medida, pudimos crear algo capaz de satisfacer exactamente las necesidades de Lanvin.\u00a0<\/span><\/p>\n Inicialmente, entrenamos el ML off-the-shelf con im\u00e1genes de bancos de c\u00f3digo abierto de looks y productos de moda, y despu\u00e9s combinamos este data con nuestro propio ML creado espec\u00edficamente para entrenarlo de nuevo inmediatamente despu\u00e9s de que hubiera tenido lugar el desfile con el v\u00eddeo de Lanvin. Como el tiempo no estaba de nuestra parte, utilizamos esta combinaci\u00f3n h\u00edbrida, que nos permiti\u00f3 configurar el modelo en s\u00f3lo 20 minutos para aprender qu\u00e9 im\u00e1genes buscar.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n Nuestro modelo tom\u00f3 toda la informaci\u00f3n y evalu\u00f3 qu\u00e9 piezas estaban creando m\u00e1s buzz. A continuaci\u00f3n, este data nos permiti\u00f3 prever qu\u00e9 art\u00edculos ser\u00edan los m\u00e1s populares en todo el mundo por pa\u00edses. Pudimos revisar la popularidad de los art\u00edculos por pa\u00edses y grupos demogr\u00e1ficos, lo que permiti\u00f3 a Lanvin comprender mejor qu\u00e9 productos eran populares entre diversos grupos y en distintos pa\u00edses. <\/span><\/p>\n Sin embargo, el proceso no estuvo exento de dificultades. Las im\u00e1genes de las plataformas sociales chinas se enviaban como miniaturas en lugar de las im\u00e1genes completas, lo que provocaba una clasificaci\u00f3n err\u00f3nea de las fotos. Anticip\u00e1ndonos a lo imprevisto, utilizamos Google Stackdriver, que envi\u00f3 un correo electr\u00f3nico avisando de que hab\u00eda algo mal, lo que signific\u00f3 que el problema se detect\u00f3 r\u00e1pidamente y se resolvi\u00f3.<\/span><\/p>\n El ML tuvo un <\/span>Precisi\u00f3n 95%<\/b> en la identificaci\u00f3n de los looks del desfile de Lanvin en todas las publicaciones de las redes sociales, incluso cuando las im\u00e1genes se tomaron desde un \u00e1ngulo poco claro.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n Lo que hizo especial este resultado fue c\u00f3mo entrenamos el ML y la velocidad a la que se produjeron los resultados. Ten\u00edamos el algoritmo operativo el <\/span>el mismo d\u00eda<\/b> como el espect\u00e1culo, lo que nos permiti\u00f3 alcanzar el objetivo del cliente de disponer de un an\u00e1lisis completo <\/span>5 d\u00edas <\/b>despu\u00e9s del desfile. Esto inclu\u00eda proporcionarles un an\u00e1lisis completo de la reacci\u00f3n, destacando qu\u00e9 looks estaban generando m\u00e1s expectaci\u00f3n, y una predicci\u00f3n de qu\u00e9 art\u00edculos ser\u00edan los m\u00e1s populares.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n El impacto empresarial real se produjo <\/span>Stackdriver de Google<\/b>, analizando todas las im\u00e1genes de las redes sociales y, en particular, reconociendo que las im\u00e1genes de las plataformas sociales chinas no se estaban transmitiendo correctamente.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n Disponer de este data permite a nuestro cliente percibir con precisi\u00f3n el \u00e9xito de su relanzamiento. Les proporciona un resultado concreto, en lugar de basar el \u00e9xito en intuiciones y rumores. Nuestro an\u00e1lisis de su cuota de voz en comparaci\u00f3n con otras marcas en la semana de la moda de Par\u00eds les permiti\u00f3 ver claramente cu\u00e1nta atenci\u00f3n recibieron en comparaci\u00f3n con otras casas de moda presentes.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n Este conocimiento de la reacci\u00f3n de los clientes a partir del sal\u00f3n tambi\u00e9n puede llevarse un paso m\u00e1s all\u00e1 y utilizarse para informar sobre diversos aspectos de su negocio, desde qu\u00e9 productos incluir en el marketing para diversos pa\u00edses, hasta la producci\u00f3n y los niveles de existencias de cada look.<\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":" 19 de noviembre de 2019Desaf\u00edo<\/span><\/strong><\/h3>\n
Ac\u00e9rquese a<\/span><\/strong><\/h3>\n
M\u00e9todo<\/span><\/strong><\/h3>\n
Resultados<\/span><\/strong><\/h3>\n
\nPascal Coggia, Artefact del Reino Unido, Managing Partner de Data y Consultor\u00eda, explica c\u00f3mo las marcas pueden utilizar la IA y la data para prever la popularidad de sus productos e informar su marketing y operaciones.<\/p>","protected":false},"featured_media":5397,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995,21938],"blog-language":[2991],"class_list":["post-5393","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-category-luxury","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/5393","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/5397"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=5393"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=5393"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=5393"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}