Software med øje for Starbucks (og Nike og Cola)

Blandt de 40 millioner billeder, som folk poster på Instagram hver dag, er en række solnedgange, hvalpe og – ifølge Deobrat Singh – Starbucks kaffekopper. Han ville vide: han tæller dem.

Singh er administrerende direktør og medstifter af blikMetrix , en startup, der bruger computersyn og maskinlæring til at genkende mærkelogoer i fotos, der deles på sociale medier. Virksomheden er en af ​​flere, der forsøger at analysere billeder til marketing- og reklameformål, hvilket gør det nemmere for virksomheder at spore og promovere deres brands online og måske målrette annoncer mere præcist til forbrugerne.

Efterhånden som billeder bliver en mere og mere populær form for socialt indhold, giver en sådan analyse mening: Det kan være nyttigt at indsamle likes, spore hashtags og udvinde tweets og kommentarer til omtaler af et brand , men billeder viser mere præcist, hvordan folk bruger (og deler) produkter som Nike-løbesko.

En ting, der er helt klar for os, er, at det er en indikator for, hvor synlige disse mærker er i folks liv, siger Singh.

Virksomheder kan bruge gazeMetrix til at se, hvor ofte deres mærkelogoer dukker op på Instagram (og snart også andre tjenester), og til at reagere på de personer, der poster disse billeder. I sidste ende kunne gazeMetrixs informationer føre til indsigt om emner som hvilke andre produkter en virksomheds kunder foretrækker. Det er potentielt nyttigt for dem, der forsøger at målrette annoncer og træffe beslutninger om forretningspartnerskaber. Singh siger, at store virksomheder som Coca-Cola og Nike afprøver tjenesten.

Singh og hans to medstiftere begyndte at eksperimentere med at logge logoer i fotos på sociale medier denne sidste sommer. De brugte billedgenkendelsesteknologi, som de oprindeligt havde udviklet til en tjeneste, der kunne identificere apps på dine venners smartphones og derefter finde dem i applikationsbutikken på dit håndsæt. (Kaldet Bring, det lykkedes ikke at fange.) De analyserede billeder delt på Twitter for at se, hvor mange mennesker der uploadede billeder, der indeholdt Starbucks-logoet, som de formodede ville være let at få øje på og ret almindeligt i betragtning af overvægten af ​​Starbucks kaffebarer og kopbærende pendlere. Det var hurtigt klart, at de var på rette vej: de opdagede mere end 10.000 logoer den første dag.

Jeg troede ikke på det i starten, men vi gravede dybere ned i det og indså, at det var ægte - folk tog en masse billeder af Starbucks-krus, siger Singh.

GazeMetrix blev lanceret i december på Instagram og har siden indsamlet data om 35.000 brands, hvoraf omkring 100 aktivt sporer. Virksomheden har set over 250.000 Starbucks-logoer alene i februar, siger Singh. I de kommende uger planlægger den også at begynde at spore billeder, der er sendt til tjenester, der er populære på Twitter, såsom Twitpic og Yfrog. Men ikke Facebook; Singh siger, at de fleste af de offentligt udsendte billeder på det største sociale netværk ikke er brugergenererede, så det er ikke tiden værd.

GazeMetrix drager fordel af Instagrams applikationsprogrammeringsgrænseflade - som giver tredjepartsprogrammører mulighed for at få adgang til dets data - ved at bruge den som en tapp, der sender dens strøm af billeder til flere servere, hvor en algoritme bestemmer, om der kan være et logo til stede. Hvis der er, bruger gazeMetrix andre algoritmer til at forsøge at matche logoet med et i sin database. Hvis softwaren er yderst sikker på, at den har fundet et match mellem et eksisterende logo og et på et nyt billede, sendes billedet videre til virksomhedens logo-feed. Hvis det er lidt mere tøvende, kan et menneske gennemgå kampen.

Hvad gazeMetrix laver, lyder ikke så kompliceret, siger computervisionseksperter, især da virksomhedens logoer er designet til at skille sig ud. Ikke desto mindre kalder Kevin Bowyer, formand for University of Notre Dames datalogi- og ingeniørafdeling, det en cool og interessant anvendelse af teknologi, der er modnet i løbet af de sidste to årtier. James Hays, en assisterende professor ved Brown Universitys datalogiafdeling, tilføjer: Jeg forventer bestemt at se meget mere af dette.

skjule