De opkomst van visuele sociale media zoals TikTok en Instagram zorgt voor een eindeloze stroom aan foto’s en video’s. Consumenten uploaden dagelijks een grote hoeveelheid content om te laten zien wat ze meemaken, en hierin komen regelmatig ook merken voor. Dit soort merk-gerelateerde User Generated Content (UGC) kan voor marketeers belangrijke merkinzichten opleveren, maar handmatige analyse van zulke grote hoeveelheden content is nagenoeg onmogelijk. Gelukkig biedt computer vision uitkomst. Deze geautomatiseerde analysetechniek wordt nu nog weinig gebruikt voor marketingdoeleinden, maar daar komt binnenkort verandering in. Deze blog gaat over wat computer vision voor jouw merk kan betekenen.
Computer vision in het kort
Computer vision is een geautomatiseerde analysetechniek waarmee een computer de inhoud van afbeeldingen en filmpjes kan “zien”. In tegenstelling tot mensen gebruikt de computer geen ogen, maar geavanceerde algoritmes om te bepalen wat er op de foto staat. De techniek is nog in ontwikkeling, maar kan nu al veel verschillende soorten informatie uit een foto of video halen. Denk aan objecten (bijv. auto, fiets), een omgeving (bijv. binnen of buiten), gezichtsuitdrukkingen (bijv. blijdschap), of merklogo’s.
In onderstaande video wordt de techniek achter computer vision uitgelegd
Next level webcare
Te midden van de grote stromen online content is het cruciaal om goed te monitoren wat er over je merk wordt ‘gezegd’. Tekstuele content wordt reeds op grote schaal, onder meer met behulp van sentiment analyse, gemonitord. Computer vision maakt het mogelijk om ook visuele content te monitoren. Bijvoorbeeld door sociale mediakanalen te scannen op foto’s die jouw merk bevatten of door een computer vision model te trainen voor het herkennen van bepaalde objecten of situaties. Zo zou een pechhulpservice een computer vision model kunnen trainen in het opsporen van foto’s met kapotte auto’s om snel hulp te kunnen bieden, of kan een restaurant een model trainen dat boos kijkende klanten signaleert. Computer vision is dus een handige tool om te monitoren, maar ook om snel in te kunnen spelen op klachten.
Merkambassadeurs binnen handbereik
Met computer vision kan ook positieve UGC op sociale media snel worden opgespoord. Door als merk positieve UGC effectief op te sporen en in te zetten (bijvoorbeeld door het te delen op de eigen social media pagina’s), kan optimaal gebruik worden gemaakt van de stem van de consument. Consumenten hebben veel vertrouwen in de meningen en ervaringen van andere consumenten. De invloed van UGC is daardoor vaak groter dan content gemaakt door merken zelf. Door het effectief identificeren van UGC zijn merkambassadeurs dichterbij dan ooit.
Continu zicht op je merk
Computer vision kan ook gebruikt worden om merkinzichten te verkrijgen op een breder niveau. Door grote hoeveelheden content te analyseren worden namelijk bepaalde patronen of trends zichtbaar. Denk aan informatie over wie je product gebruikt, wat populaire gebruiksmomenten zijn, of hoe jouw merk zich onderscheidt van andere merken (zie Afbeelding 1). Niet alleen op één specifiek moment, maar continu, waardoor veranderingen snel zichtbaar worden. Deze informatie kan vervolgens ingezet worden om (social media) marketingstrategieën zo goed mogelijk af te stemmen op de doelgroep. Een voorbeeld dat zich goed leent voor computer vision is de recente trend rondom “Dalgona koffie”. Deze koffievariatie bestaande uit oploskoffie, suiker, en melk, wordt vaak gedeeld op social media. Oploskoffieproducent Nescafé heeft hier vervolgens op ingespeeld door te adverteren met het feit dat hun koffie zeer geschikt is voor het maken van Dalgona koffie (zie Afbeelding 2).
Afbeelding 1. Bovenstaande termen komen uit een computer vision analyse van Instagramfoto’s waarin de merken Moët & Chandon, Gordon’s Gin of Heineken zijn getagd.
Afbeelding 2. Nescafé speelt in op de Dalgona koffie trend
Zelf aan de slag
Enthousiast geworden? Bedrijven als Google, Amazon, Clarifai en Microsoft bieden laagdrempelige computer vision modellen. Deze modellen zijn klaar om te gebruiken en kunnen je bijvoorbeeld informatie geven over welke voorwerpen of merken er op de foto staan. Wie het serieuzer aan wil pakken kan de modellen ook zelf bijtrainen voor specifieke taken. Natuurlijk kun je het ook uitbesteden aan bedrijven die gespecialiseerd zijn in het verkrijgen van merkinzichten met computer vision.