De mai bine de 5 ani, tehnologia de image recognition duce campaniile digitale la un nivel de interactivitate superior. Image recognition este capabilitatea unui soft de a identifica obiecte, locuri, persoane, texte și acțiuni în imagine. Sunt utilizate camera foto și softuri de inteligență artificială pentru a reuși identificarea. În timp ce creierul uman recunoaște obiectele cu ușurință, pentru computere există necesitatea unor mecanisme complexe pentru a reuși să funcționeze ca o rețea neuronală.
Algoritmii de image recognition pot funcționa prin compararea unor modele 3D, imagini captate din diferite unghiuri folosind detectarea marginilor sau a componentelor. Algoritmii sunt testați, de regulă, pe milioane de fotografii pentru a stabili pattern-urile de recunoaștere a imaginilor. Cam așa arată o mică parte din explicația “minunilor” făcute de aplicațiile care scanează ținutele direct de pe stradă și le aduc pe mobil. Ba mai mult, arată și cât costă, și permit și achiziția. Fără să mai întrebi purtătoarea/purtătorul de unde și-a cumpărat bluza X si cu mai puțin outfit envy.
1. Tommy Hilfiger - Snap Shop App
Este prima aplicație de retail online construită în jurul folosirii camerei dispozitivului și a căutării vizuale.
Aplicația le permite participanților la eveniment să vadă toate fotografiile de la eveniment, inclusiv întreaga ținută a modelelor. Toate hainele pot fi comandate direct din aplicație. Userii pot scana direct de pe catwalk ținutele modelelor și le pot verifica prețul și disponibilitatea în magazinul online. Totodată, dacă anumite ținute semnate Tommy Hilfiger sunt postate de prietenii de pe Instagram, aplicația permite social shopping - adică hainele purtate în fotografia distribuită pot fi și ele căutate în shop-ul online.
Recomandare mecanism campanie
Sunt folosite neural networks, adica sisteme de inteligență artificială, pentru a reuși identificarea ținutelor din mediul offline și accesarea lor online.
Cum se procedează?
“De cele mai multe ori se apelează la un serviciu - de exemplu Watson by IBM. Se poate antrena cu un set de date sau imagini. Procesul se numește simplu “training” și în cadrul lui se creează asocieri, similar unei rețele neuronale umane. De aici denumirea de neural network.
Când antrenezi un AI, scopul este să se ajungă la concluzii proprii ale programului. Sunt anumite puncte cheie, calculate ca parametri esențiali - contrast, culoare, margini, forme.”, George Ariton, Web Developer Land of Web
Cine își permite să dezvolte un astfel de serviciu de image recognition?
Licența pentru Watson este foarte costisitoare, dar serviciul este închiriat pentru a-l antrena. Antrenamentul definește întreaga aplicație, astfel încât programul ajunge să facă predicții în momentul scanării imaginii, bazându-se pe parametrii esențiali precum diferențe cromatice, intensitate și formă.
Unde s-ar mai putea aplica acest mecanism de campanie? Cu siguranță pentru orice fashion retailer bine dezvoltat online, oferind posibilitatea de instant gratification - cumpărare pe loc, la doar un scan distanță. De ce nu și pentru industria auto? Scanezi mașina din fața ta și afli anul de fabricație și sugestiile de cost.
2. Style Eyes App
Atunci când a fost lansată, în 2013, Style Eyes App a fost supranumită Shazam-ul modei. În linii mari, te ajută să îți găsești drumul spre magazin atunci când vezi pe stradă ținuta dorită, dar nu îndrăznești să întrebi și mai degrabă decizi să scoți telefonul și să faci un scan al hainelor purtate de trecător. Discret, da?
Recomandare mecanism de campanie
Este folosit tot un sistem de visual recognition. Atât timp cât recunoaște conceptul de outfit, asocierile pot fi create între pozele deja existente și baza de date.
“Se trimite un set întreg de date cu toate produsele existente și apoi se face extrapolarea în sistem. Primul pas este identificarea categoriei de produs. Antrenamentul de detaliu se poate face printr-o bază de date cu fotografii și denumirile produselor. Interogarea o face Watson by IBM - care trimite numele produsului din baza de date.” Teodor Loghin, CTO Land of Web
3. Maybelline și Blippar
Este probabil cel mai ușor de executat exemplu din ce am vazut până acum cu visual recognition. Atunci când aplicația este deschisă, userul își poziționează telefonul în dreptul print-ului pentru a activa porțiunea digitală. Odată ce aplicația recunoaște imaginea, pe ecran apare întreaga paletă de culori de ojă din portofoliul Maybelline.
Utilizatorii sunt îndemnați să încerce culorile și să facă astfel o fotografie a mâinii. Trebuie să încadreze mâna în chenarul de pe ecran. Pot fi alese până la 40 de culori diferite, iar unghiile virtuale sunt scalate până când utilizatorul consideră că sunt cât mai apropiate de realitate ca dimensiuni.
Recomandare mecanism campanie
Spuneam că este facil tocmai pentru că nu mai necesită o identificare separată a parametrilor cromatici și kinetici. Există deja desenată acea zona predefinită pentru selecție unghii. Fiecare unghie e un element separat care se ajustează ulterior. Cum am proceda? Am folosi un canvas pe care desenam obiecte. Obiecte care fac parte dintr-un grup, dar pe care le repoziționăm separat ulterior.
Unde s-ar mai putea aplica mecanismul? Cu siguranță pentru fiecare parte a feței. Fără probleme pentru conturul buzelor și testarea unor culori de ruj. De ce nu, pentru culoarea părului sau pentru a ochilor - probarea virtuală a mai multor lentile de contact.
Campaniile și descrierea recomandarea mecanismelor de implementare se regăsesc și pe platforma Land of Digital, dezvoltată de echipa Land of Web.
Echipa Land of Web a fost implicată în proiecte din întreaga lume. Colaborăm cu peste 20 de agenții digitale din România. Dintre partenerii noștri menționăm: Kinecto, Leo Burnett, Spada, Tempo Advertising, McCann PR, IdeologIQ, Loopaa, The Geeks, The Mansion Advertising, Smite, V8 Interactive, Green Pixel, Chapter 4, Centrade, Pastel, Tribal Worldwide.
