![](\"https:\/\/www.artefact.com\/wp-content\/uploads\/2019\/12\/pascal-google-square.jpg\" "\\"data-driven\\"")
<\/span><\/div><\/div><\/div>ACTUALIT\u00c9S \/ TECHNOLOGIE DE L'AI<\/p>\n<\/div>
19 novembre 2019
\nPascal Coggia, Artefact UK's Managing Partner of Data and Consulting, explique comment les marques peuvent utiliser l'IA et data pour pr\u00e9voir la popularit\u00e9 de leurs produits et informer leur marketing et leurs op\u00e9rations.<\/p>\n<\/div><\/div><\/div><\/div><\/div>
De la piste aux r\u00e9sultats en 20 minutes.<\/span><\/strong><\/h3>\nLe 19 novembre 2019, le Managing Partner de Data et Consulting de Artefact UK, Pascal Coggia, est intervenu \u00e0 Google Cloud Next dans le cadre du panel des partenaires. Il a discut\u00e9 de la fa\u00e7on dont les marques peuvent <\/span>utilisent l'IA pour pr\u00e9voir la popularit\u00e9 de leurs produits, puis utilisent cette data pour informer leur marketing et leurs op\u00e9rations.<\/span><\/p>\nEn tant que partenaire mondial de Google certifi\u00e9 GCP et GMP, nous avons \u00e9t\u00e9 invit\u00e9s \u00e0 participer \u00e0 leur panel sp\u00e9cialis\u00e9 de partenaires. Ce panel avait pour but de pr\u00e9senter les utilisations les plus cr\u00e9atives de la suite Google et de d\u00e9montrer comment les partenaires peuvent utiliser la pile Google pour cr\u00e9er de nouvelles solutions pour leurs clients, en r\u00e9pondant aux besoins des entreprises et en aboutissant \u00e0 des r\u00e9sultats tangibles.\u00a0<\/span><\/p>\nPascal a \u00e9t\u00e9 invit\u00e9 \u00e0 parler d'une \u00e9tude de cas dans laquelle nous avons utilis\u00e9 la pile Google d'une nouvelle mani\u00e8re - en incorporant l'apprentissage automatique pour un client. En tant qu'agence, l'IA et l'apprentissage automatique sont au c\u0153ur de tout ce que nous faisons, en utilisant data pour informer notre marketing et am\u00e9liorer les activit\u00e9s de nos clients.\u00a0<\/span><\/p>\nAyant de nombreux clients qui utilisent les produits Google, nous savions que nous pouvions relever le d\u00e9fi et partager un projet innovant avec la foule de Google Cloud Next. Notre objectif \u00e9tait de d\u00e9montrer comment la ML et l'IA peuvent avoir un impact r\u00e9el sur l'activit\u00e9, non seulement dans le domaine du marketing, mais aussi dans de nombreux secteurs de l'entreprise.\u00a0<\/span><\/p>\nAvec la g\u00e9n\u00e9ralisation du data et du cloud, de nombreuses entreprises utilisent l'\u00e9norme quantit\u00e9 de data qu'elles ont \u00e0 port\u00e9e de main. Cependant, historiquement, il y a une industrie qui ne l'a pas fait - la mode et le luxe. Pourtant, les marques de mode s'int\u00e9ressent de plus en plus \u00e0 ce qui sera la prochaine tendance. Cela a un impact sur tout, de la planification des ventes et des op\u00e9rations \u00e0 la strat\u00e9gie d'assortiment, en passant par les stocks et les budgets.<\/span><\/p>\nPour montrer comment la mode de luxe peut embrasser \u00e0 la fois la cr\u00e9ativit\u00e9 et data, Pascal a pr\u00e9sent\u00e9 un projet sur lequel Artefact a r\u00e9cemment travaill\u00e9 pour la maison de couture de luxe, <\/span>Lanvin<\/i><\/b>.\u00a0<\/span><\/p>\nD\u00e9fi<\/span><\/strong><\/h3>\nLanvin a constat\u00e9 qu'elle avait du mal \u00e0 se d\u00e9marquer sur le march\u00e9 concurrentiel du luxe. Elle a r\u00e9cemment relanc\u00e9 sa marque en engageant un nouveau directeur de la cr\u00e9ation, en cr\u00e9ant de nouvelles valeurs et en repositionnant sa marque. Elle souhaitait ensuite comprendre comment elle \u00e9tait accueillie par le public et l'industrie au sens large et, enfin, savoir quelles pi\u00e8ces avaient \u00e9t\u00e9 les plus populaires.\u00a0<\/span><\/p>\nCe qui a rendu notre projet encore plus difficile : Lanvin avait besoin de ces informations rapidement - au plus tard 5 jours apr\u00e8s le salon pour prendre des d\u00e9cisions strat\u00e9giques.<\/span><\/p>\nApproche<\/span><\/strong><\/h3>\nNous avons propos\u00e9 une solution d'apprentissage automatique capable de d\u00e9tecter la d\u00e9sirabilit\u00e9 et les impacts op\u00e9rationnels correspondants (comme les niveaux de stock n\u00e9cessaires \u00e0 l'\u00e9chelle mondiale par magasin), le jour m\u00eame du d\u00e9fil\u00e9 de mode. Cette solution \u00e9tait bas\u00e9e sur une vaste gamme de points data, y compris les r\u00e9seaux sociaux comme Instagram, Facebook, WeChat, ainsi que les blogs des participants et des cr\u00e9ateurs de tendances concern\u00e9s.<\/span><\/p>\nNotre solution devait \u00eatre capable d'identifier les looks du d\u00e9fil\u00e9 et de trouver des images pertinentes incluant les produits Lanvin. En utilisant des centaines d'images du d\u00e9fil\u00e9, dont beaucoup n'incluaient pas du tout la ligne, il a ensuite \u00e9t\u00e9 possible d'extraire le sentiment des messages pertinents. L'objectif \u00e9tait non seulement de reconna\u00eetre les looks dans les images individuelles, mais aussi d'aller plus loin et d'identifier les produits individuels dans chaque photo. <\/span><\/p>\nM\u00e9thode<\/span><\/strong><\/h3>\nPour cr\u00e9er ce niveau d'apprentissage automatique sur mesure, nous avons d\u00fb utiliser plusieurs types d'IA. En combinant l'intelligence artificielle disponible sur le march\u00e9 avec un programme sur mesure, nous avons pu cr\u00e9er quelque chose qui r\u00e9pondrait exactement aux besoins de Lanvin.\u00a0<\/span><\/p>\nDans un premier temps, nous avons entra\u00een\u00e9 le ML pr\u00eat \u00e0 l'emploi avec des images provenant de banques ouvertes de looks et de produits de mode, puis nous avons combin\u00e9 ce data avec notre propre ML sp\u00e9cialement cr\u00e9\u00e9 pour l'entra\u00eener \u00e0 nouveau imm\u00e9diatement apr\u00e8s le d\u00e9fil\u00e9 avec la vid\u00e9o de Lanvin. Le temps ne jouant pas en notre faveur, nous avons utilis\u00e9 cette combinaison hybride, qui nous a permis de configurer le mod\u00e8le en seulement 20 minutes pour apprendre quelles images rechercher.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nNotre mod\u00e8le a pris en compte toutes ces informations et a \u00e9valu\u00e9 les pi\u00e8ces qui suscitaient le plus d'int\u00e9r\u00eat. Cela nous a ensuite permis de pr\u00e9voir quels articles seraient les plus populaires dans le monde, par pays. Nous avons pu examiner la popularit\u00e9 des articles par pays et par groupe d\u00e9mographique, ce qui a permis \u00e0 Lanvin de mieux comprendre quels produits \u00e9taient populaires aupr\u00e8s de diff\u00e9rents groupes et dans diff\u00e9rents pays. <\/span><\/p>\nToutefois, le processus n'a pas \u00e9t\u00e9 exempt de difficult\u00e9s. Les images provenant des plateformes sociales chinoises \u00e9taient envoy\u00e9es sous forme de vignettes plut\u00f4t que sous forme d'images compl\u00e8tes, ce qui entra\u00eenait une mauvaise classification des photos. Anticipant l'impr\u00e9vu, nous avons utilis\u00e9 Google Stackdriver, qui a envoy\u00e9 un e-mail de r\u00e9chauffement indiquant que quelque chose n'allait pas, ce qui a permis de d\u00e9tecter et de r\u00e9soudre rapidement le probl\u00e8me.<\/span><\/p>\nR\u00e9sultats<\/span><\/strong><\/h3>\nLe ML a b\u00e9n\u00e9fici\u00e9 d'une <\/span>95% pr\u00e9cision<\/b> en identifiant les looks du d\u00e9fil\u00e9 Lanvin dans tous les posts des m\u00e9dias sociaux, m\u00eame lorsque les images \u00e9taient prises sous un angle obscur.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nLa particularit\u00e9 de ce r\u00e9sultat r\u00e9side dans la mani\u00e8re dont nous avons form\u00e9 le ML et dans la rapidit\u00e9 avec laquelle les r\u00e9sultats ont \u00e9t\u00e9 obtenus. Nous avions l'algorithme op\u00e9rationnel du <\/span>le m\u00eame jour<\/b> comme l'\u00e9mission, ce qui nous a permis d'atteindre l'objectif fix\u00e9 par le client, \u00e0 savoir une analyse compl\u00e8te de la situation. <\/span>5 jours <\/b>apr\u00e8s le d\u00e9fil\u00e9. Il s'agissait notamment de leur fournir une analyse compl\u00e8te des r\u00e9actions, de mettre en \u00e9vidence les looks qui suscitaient le plus d'int\u00e9r\u00eat et de pr\u00e9dire quels articles seraient les plus populaires.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nL'impact r\u00e9el sur les entreprises a \u00e9t\u00e9 produit par <\/span>Stackdriver de Google<\/b>, Il s'agit de l'analyse de toutes les images provenant des m\u00e9dias sociaux et, en particulier, de la reconnaissance du fait que les images provenant des plateformes sociales chinoises n'\u00e9taient pas correctement prises en compte.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nLe fait de disposer de ce data permet \u00e0 notre client de percevoir avec pr\u00e9cision le succ\u00e8s de son relancement. Cela lui donne un r\u00e9sultat concret, plut\u00f4t que de baser le succ\u00e8s sur l'intuition et les ou\u00ef-dire. Notre analyse de leur part de voix par rapport \u00e0 d'autres marques lors de la semaine de la mode \u00e0 Paris leur a permis de voir clairement l'attention qu'ils ont re\u00e7ue par rapport aux autres maisons de mode pr\u00e9sentes.\u00a0<\/span><\/p>\n\u00a0<\/span><\/p>\nCette connaissance de la r\u00e9action des clients \u00e0 la suite du salon peut \u00e9galement \u00eatre approfondie et utilis\u00e9e pour informer divers aspects de leur activit\u00e9, qu'il s'agisse des produits \u00e0 inclure dans le marketing pour les diff\u00e9rents pays ou de la production et des niveaux de stock pour chaque look.<\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":"19 novembre 2019
\nPascal Coggia, Artefact UK's Managing Partner of Data and Consulting, explique comment les marques peuvent utiliser l'IA et data pour pr\u00e9voir la popularit\u00e9 de leurs produits et informer leur marketing et leurs op\u00e9rations.<\/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\/fr\/wp-json\/wp\/v2\/blog\/5393","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/5397"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=5393"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=5393"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=5393"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
En tant que partenaire mondial de Google certifi\u00e9 GCP et GMP, nous avons \u00e9t\u00e9 invit\u00e9s \u00e0 participer \u00e0 leur panel sp\u00e9cialis\u00e9 de partenaires. Ce panel avait pour but de pr\u00e9senter les utilisations les plus cr\u00e9atives de la suite Google et de d\u00e9montrer comment les partenaires peuvent utiliser la pile Google pour cr\u00e9er de nouvelles solutions pour leurs clients, en r\u00e9pondant aux besoins des entreprises et en aboutissant \u00e0 des r\u00e9sultats tangibles.\u00a0<\/span><\/p>\n Pascal a \u00e9t\u00e9 invit\u00e9 \u00e0 parler d'une \u00e9tude de cas dans laquelle nous avons utilis\u00e9 la pile Google d'une nouvelle mani\u00e8re - en incorporant l'apprentissage automatique pour un client. En tant qu'agence, l'IA et l'apprentissage automatique sont au c\u0153ur de tout ce que nous faisons, en utilisant data pour informer notre marketing et am\u00e9liorer les activit\u00e9s de nos clients.\u00a0<\/span><\/p>\n Ayant de nombreux clients qui utilisent les produits Google, nous savions que nous pouvions relever le d\u00e9fi et partager un projet innovant avec la foule de Google Cloud Next. Notre objectif \u00e9tait de d\u00e9montrer comment la ML et l'IA peuvent avoir un impact r\u00e9el sur l'activit\u00e9, non seulement dans le domaine du marketing, mais aussi dans de nombreux secteurs de l'entreprise.\u00a0<\/span><\/p>\n Avec la g\u00e9n\u00e9ralisation du data et du cloud, de nombreuses entreprises utilisent l'\u00e9norme quantit\u00e9 de data qu'elles ont \u00e0 port\u00e9e de main. Cependant, historiquement, il y a une industrie qui ne l'a pas fait - la mode et le luxe. Pourtant, les marques de mode s'int\u00e9ressent de plus en plus \u00e0 ce qui sera la prochaine tendance. Cela a un impact sur tout, de la planification des ventes et des op\u00e9rations \u00e0 la strat\u00e9gie d'assortiment, en passant par les stocks et les budgets.<\/span><\/p>\n Pour montrer comment la mode de luxe peut embrasser \u00e0 la fois la cr\u00e9ativit\u00e9 et data, Pascal a pr\u00e9sent\u00e9 un projet sur lequel Artefact a r\u00e9cemment travaill\u00e9 pour la maison de couture de luxe, <\/span>Lanvin<\/i><\/b>.\u00a0<\/span><\/p>\n Lanvin a constat\u00e9 qu'elle avait du mal \u00e0 se d\u00e9marquer sur le march\u00e9 concurrentiel du luxe. Elle a r\u00e9cemment relanc\u00e9 sa marque en engageant un nouveau directeur de la cr\u00e9ation, en cr\u00e9ant de nouvelles valeurs et en repositionnant sa marque. Elle souhaitait ensuite comprendre comment elle \u00e9tait accueillie par le public et l'industrie au sens large et, enfin, savoir quelles pi\u00e8ces avaient \u00e9t\u00e9 les plus populaires.\u00a0<\/span><\/p>\n Ce qui a rendu notre projet encore plus difficile : Lanvin avait besoin de ces informations rapidement - au plus tard 5 jours apr\u00e8s le salon pour prendre des d\u00e9cisions strat\u00e9giques.<\/span><\/p>\n Nous avons propos\u00e9 une solution d'apprentissage automatique capable de d\u00e9tecter la d\u00e9sirabilit\u00e9 et les impacts op\u00e9rationnels correspondants (comme les niveaux de stock n\u00e9cessaires \u00e0 l'\u00e9chelle mondiale par magasin), le jour m\u00eame du d\u00e9fil\u00e9 de mode. Cette solution \u00e9tait bas\u00e9e sur une vaste gamme de points data, y compris les r\u00e9seaux sociaux comme Instagram, Facebook, WeChat, ainsi que les blogs des participants et des cr\u00e9ateurs de tendances concern\u00e9s.<\/span><\/p>\n Notre solution devait \u00eatre capable d'identifier les looks du d\u00e9fil\u00e9 et de trouver des images pertinentes incluant les produits Lanvin. En utilisant des centaines d'images du d\u00e9fil\u00e9, dont beaucoup n'incluaient pas du tout la ligne, il a ensuite \u00e9t\u00e9 possible d'extraire le sentiment des messages pertinents. L'objectif \u00e9tait non seulement de reconna\u00eetre les looks dans les images individuelles, mais aussi d'aller plus loin et d'identifier les produits individuels dans chaque photo. <\/span><\/p>\n Pour cr\u00e9er ce niveau d'apprentissage automatique sur mesure, nous avons d\u00fb utiliser plusieurs types d'IA. En combinant l'intelligence artificielle disponible sur le march\u00e9 avec un programme sur mesure, nous avons pu cr\u00e9er quelque chose qui r\u00e9pondrait exactement aux besoins de Lanvin.\u00a0<\/span><\/p>\n Dans un premier temps, nous avons entra\u00een\u00e9 le ML pr\u00eat \u00e0 l'emploi avec des images provenant de banques ouvertes de looks et de produits de mode, puis nous avons combin\u00e9 ce data avec notre propre ML sp\u00e9cialement cr\u00e9\u00e9 pour l'entra\u00eener \u00e0 nouveau imm\u00e9diatement apr\u00e8s le d\u00e9fil\u00e9 avec la vid\u00e9o de Lanvin. Le temps ne jouant pas en notre faveur, nous avons utilis\u00e9 cette combinaison hybride, qui nous a permis de configurer le mod\u00e8le en seulement 20 minutes pour apprendre quelles images rechercher.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n Notre mod\u00e8le a pris en compte toutes ces informations et a \u00e9valu\u00e9 les pi\u00e8ces qui suscitaient le plus d'int\u00e9r\u00eat. Cela nous a ensuite permis de pr\u00e9voir quels articles seraient les plus populaires dans le monde, par pays. Nous avons pu examiner la popularit\u00e9 des articles par pays et par groupe d\u00e9mographique, ce qui a permis \u00e0 Lanvin de mieux comprendre quels produits \u00e9taient populaires aupr\u00e8s de diff\u00e9rents groupes et dans diff\u00e9rents pays. <\/span><\/p>\n Toutefois, le processus n'a pas \u00e9t\u00e9 exempt de difficult\u00e9s. Les images provenant des plateformes sociales chinoises \u00e9taient envoy\u00e9es sous forme de vignettes plut\u00f4t que sous forme d'images compl\u00e8tes, ce qui entra\u00eenait une mauvaise classification des photos. Anticipant l'impr\u00e9vu, nous avons utilis\u00e9 Google Stackdriver, qui a envoy\u00e9 un e-mail de r\u00e9chauffement indiquant que quelque chose n'allait pas, ce qui a permis de d\u00e9tecter et de r\u00e9soudre rapidement le probl\u00e8me.<\/span><\/p>\n Le ML a b\u00e9n\u00e9fici\u00e9 d'une <\/span>95% pr\u00e9cision<\/b> en identifiant les looks du d\u00e9fil\u00e9 Lanvin dans tous les posts des m\u00e9dias sociaux, m\u00eame lorsque les images \u00e9taient prises sous un angle obscur.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n La particularit\u00e9 de ce r\u00e9sultat r\u00e9side dans la mani\u00e8re dont nous avons form\u00e9 le ML et dans la rapidit\u00e9 avec laquelle les r\u00e9sultats ont \u00e9t\u00e9 obtenus. Nous avions l'algorithme op\u00e9rationnel du <\/span>le m\u00eame jour<\/b> comme l'\u00e9mission, ce qui nous a permis d'atteindre l'objectif fix\u00e9 par le client, \u00e0 savoir une analyse compl\u00e8te de la situation. <\/span>5 jours <\/b>apr\u00e8s le d\u00e9fil\u00e9. Il s'agissait notamment de leur fournir une analyse compl\u00e8te des r\u00e9actions, de mettre en \u00e9vidence les looks qui suscitaient le plus d'int\u00e9r\u00eat et de pr\u00e9dire quels articles seraient les plus populaires.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n L'impact r\u00e9el sur les entreprises a \u00e9t\u00e9 produit par <\/span>Stackdriver de Google<\/b>, Il s'agit de l'analyse de toutes les images provenant des m\u00e9dias sociaux et, en particulier, de la reconnaissance du fait que les images provenant des plateformes sociales chinoises n'\u00e9taient pas correctement prises en compte.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n Le fait de disposer de ce data permet \u00e0 notre client de percevoir avec pr\u00e9cision le succ\u00e8s de son relancement. Cela lui donne un r\u00e9sultat concret, plut\u00f4t que de baser le succ\u00e8s sur l'intuition et les ou\u00ef-dire. Notre analyse de leur part de voix par rapport \u00e0 d'autres marques lors de la semaine de la mode \u00e0 Paris leur a permis de voir clairement l'attention qu'ils ont re\u00e7ue par rapport aux autres maisons de mode pr\u00e9sentes.\u00a0<\/span><\/p>\n \u00a0<\/span><\/p>\n Cette connaissance de la r\u00e9action des clients \u00e0 la suite du salon peut \u00e9galement \u00eatre approfondie et utilis\u00e9e pour informer divers aspects de leur activit\u00e9, qu'il s'agisse des produits \u00e0 inclure dans le marketing pour les diff\u00e9rents pays ou de la production et des niveaux de stock pour chaque look.<\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div><\/p>","protected":false},"excerpt":{"rendered":" 19 novembre 2019D\u00e9fi<\/span><\/strong><\/h3>\n
Approche<\/span><\/strong><\/h3>\n
M\u00e9thode<\/span><\/strong><\/h3>\n
R\u00e9sultats<\/span><\/strong><\/h3>\n
\nPascal Coggia, Artefact UK's Managing Partner of Data and Consulting, explique comment les marques peuvent utiliser l'IA et data pour pr\u00e9voir la popularit\u00e9 de leurs produits et informer leur marketing et leurs op\u00e9rations.<\/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\/fr\/wp-json\/wp\/v2\/blog\/5393","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media\/5397"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/media?parent=5393"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-category?post=5393"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/fr\/wp-json\/wp\/v2\/blog-language?post=5393"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}