AI-Serie: Messen Sie den Einfluss Ihrer Influencer mithilfe der Gesichtserkennung

Don't forget to share this post!

blog-post-example-media

Mit dem Aufkommen von bildreichen Plattformen wie Instagram, Snapchat und Pinterest boomt die Anzahl visueller Inhalte, die im Web geteilt werden. Jeden Tag werden Millionen neuer Bilder gepostet, was zu einer Vielzahl von Kommentaren, Interaktionen und Klicks führt.

Für Marken ist die schnelle und genaue Analyse visueller Inhalte von entscheidender Bedeutung, um das Image der Marke erfolgreich zu überwachen.

In den letzten vier Jahren ging es bei der Beobachtung visueller Daten fast ausschließlich darum, Logos in Bildern und Videos zu erkennen. Mit der jüngsten Entwicklung in Richtung influencer-basiertes Marketing wurde jedoch das Erkennen von Gesichtern in visuellen Inhalten zentral für die Überwachung von Marketing Kampagnen-Performance.

In diesem Beitrag sehen wir uns an, wie Marken mithilfe von Bild- und Gesichtserkennung den Erfolg und die Wirkung ihrer Online-Marketingkampagnen im Allgemeinen und insbesondere die Leistung von Influencern messen können.

Beginnen wir mit einem prominenten Beispiel: Ronaldo vs. Messi.

Ronaldo vs. Messi:
Messung des Online-Engagements

Cristiano Ronaldo und Lionel Messi: Die wohl berühmtesten Sportstars der Welt. Wenn es einen Ausgangspunkt für die Messung der Online-Wirkung von zwei öffentlichen Personen gibt, ist es dieser.

Werfen wir einen Blick auf die Online-Aktivitäten rund um die Champions League-Spielrunde im März 2019. Diese Spiele haben nicht nur große Zuschauerzahlen hervorgebracht, sondern waren auch eine großartige Gelegenheit für ihre Sponsoren, Bekanntheit zu erlangen.

Ronaldo wird als Spieler für Juventus Turin von Adidas gesponsert. Messi, der für den FC Barcelona spielt, wird von Nike gesponsert. (Wir sind uns bewusst, dass beide auch von der anderen Marke persönlich gesponsert werden. Für den Zweck dieses Artikels werden wir uns jedoch an die Sponsoren ihres Teams halten, um ein anschauliches Beispiel zu geben.)

Welcher Spieler hatte den größten Einfluss auf die sozialen Medien? Und welche Marke schöpft das Meiste aus den Millionen, die für Sponsoring-Deals ausgegeben wurden?

Sehen wir uns einige Statistiken auf Linkfluence-Search an:

Hier steht die grüne Linie für die Anzahl der Bilder in den sozialen Medien, in denen Ronaldo aufgetaucht ist. Die blaue Linie steht für Messi.

Wenn man sich die Statistiken der Spielwoche ansieht, scheint Ronaldo insgesamt in mehr Bildern als Messi zu erscheinen, mit einem früheren Höhepunkt an seinem Spieltag, dem 12. März.

Um diese Intuition zu bestätigen, zeichnen wir dasselbe Diagramm, wobei die Messi-Kurve um einen Tag nach links verschoben wird— als ob beide Spieler am selben Tag gespielt hätten:

 

Hier können wir sehen, dass Ronaldo (und damit das Adidas-Logo!) während der Woche mehr als Messi auftrat. Adidas gewinnt diese Runde!

Für Fußballfans sollte dies keine Überraschung sein, da Ronaldo Atletico Madrid in seinem Spiel komplett dominierte, alle drei Tore seiner Mannschaft erzielte und Juventus im Alleingang ins Viertelfinale schickte.

Auch wenn Sie in Bezug auf das Spiel nicht auf dem Laufenden sind steht fest, dass Ronaldo eine beeindruckende Menge an Online-Engagement vorantreibt.

Wie haben wir diese Analyse genau durchgeführt? Mit Algorithmen.

Verwenden von Algorithmen zum Identifizieren und Analysieren von Bildern

Bei Linkfluence haben wir viele AI-gestützte Algorithmen zur Analyse von Bildern entwickelt. Mit diesen Algorithmen können wir Logos sowie eine Vielzahl von Objekten vom Handy bis zum Auto erkennen. Mit dieser Technologie können wir auch das Geschlecht von Menschen in Bildern analysieren.

Aber was bringt uns die KI, um zwischen Ronaldo und Messi zu unterscheiden?

Der schwierige Teil bei der Erkennung von Prominenten ist, dass wir nicht nur einen Algorithmus erstellen können, der als Einheitslösung verwendet werden kann. Stattdessen müssen wir jeden Tag neue Prominente hinzufügen können, damit Kunden das Erscheinungsbild ihrer Bilder online verfolgen und überwachen können.

Hier bieten sich vorgefertigte Algorithmen an.

Die Grundidee zuvor geübter Algorithmen ist beim maschinellen Lernen Standard. Erstens speisen wir eine große Anzahl von Gesichtsbildern (ungefähr 5 Millionen!) Durch ein riesiges neuronales Netzwerk, sodass das Netzwerk die Eigenschaften eines Gesichts extrahieren und daraus lernen kann.

Dies umfasst Elemente wie:

  • Welche Farbe haben die Augen
  • Wie groß ist die Nase?
  • Wie ist die Form des Mundes?

Dies gibt uns den zuvor geübten Algorithmus. Sobald wir diesen Algorithmus haben, benötigen wir nur eine Reihe von Bildern des Gesichts eines Prominenten, um zu erfahren, wie das „durchschnittliche“ Gesicht dieser Person aussieht, sodass die Software es in jedem Bild erkennen kann.

Da eine große, schwierige Trainingsphase nur einmal durchgeführt werden muss, ist es dann einfach, neue Prominente mit wenigen Daten zu identifizieren und zu analysieren.

Bleiben wir beim Beispiel von Ronaldo:

 

Zuerst bestimmen wir die Gesichtsmerkmale einer bestimmten Berühmtheit, indem wir einige Bilder dieser Person analysieren.

 

Dann vergleichen wir jedes neue Bild aus sozialen Medien mit den durchschnittlichen Gesichtselementen von Prominenten in unserer Datenbank.

Auf diese Weise können wir die durchschnittlichen Gesichtsmerkmale einer bestimmten Berühmtheit bestimmen. Sobald wir den Algorithmus vorab trainiert haben, können unsere Kunden mit unserer Software soziale Medien (und das Internet im Allgemeinen) nach Bildern dieser Person durchsuchen - ganz gleich, um wen es sich handelt.

Diese Technologie erleichtert die Messung des Influencer-Engagements erheblich.

Messung des Influencer-Engagements

Für Marken, die Influencer an Marketingkampagnen beteiligen (oder diese leiten), ist die Gesichtserkennungstechnologie ein entscheidendes Messinstrument.

Angenommen, Sie sind Hersteller von Boutique-Yogamatten. Sie planen eine Erweiterung Ihres Sortiments und suchen nach potenziellen Influencern, die Sie bei der Bewerbung Ihrer Produkte unterstützen.

So kann unsere Gesichtserkennungstechnologie Ihnen auf einige praktische Arten helfen:

  1. Erst einmal können Sie herausfinden, wie häufig Ihre Bilder geteilt werden, auf welchen Plattformen sie am beliebtesten sind und wie die demografischen Daten der Benutzer sozialer Medien sind, die Ihre Bilder teilen. Diese Informationen könnten Ihnen helfen, eine Rangfolge der Influencer zusammenzustellen, von den meisten Online-Engagements bis hin zu den wenigsten.
  2. Zweitens können Sie nach dem Start der Kampagne das Volumen und die Art des Engagements des Influencers verfolgen - auch wenn sein Name (oder Ihre Marke) nicht erwähnt wird. So können Sie den Erfolg der Kampagne an Ihren Zielen messen.

Mit dieser Technologie sparen Sie nicht nur Zeit, sondern können auch soziale Medien genauer scannen und Informationen zu anderen Produkten und Marken zusammenführen, die im Feed eines Influencers enthalten sind.

Das sind also die Grundlagen, wenn es um den Einsatz der Technologie geht.

Nun, für die eingefleischten KI-Fans da draußen, geben wir Ihnen eine detailliertere Beschreibung der Funktionsweise. Holen Sie Ihr Millimeterpapier heraus und lassen Sie uns beginnen.

Technische Details:
Wie funktioniert die Pipeline?

Um unseren vortrainierten Algorithmus aufzubauen, trainieren wir ein Convolutional Neural Network (CNN) mit 5 Millionen Bildern, um über 600.000 Menschen als normale Klassifizierungsaufgabe zu identifizieren.

 Eine CNN besteht normalerweise aus:

  • Einem Merkmalsextraktionsteil (mit Verschlingungen, maximalem Pooling und Unterabtastung)
  • Einem Klassifizierungsteil (mit vollständig verbundenen und Softmax-Schichten).

Das folgende Diagramm hilft dabei, alles zusammenzufassen:

 

Nach dem Training entfernen wir den Klassifizierungsteil, sodass das Netzwerk einen Charakterisierungsvektor von 512 Zahlen ausgibt. Diese Zusammenfassung enthält alle Informationen eines menschlichen Gesichts.

Und ja, es ist seltsam zu denken, dass Gesichtsmerkmale wie Mundgröße und Augenbrauenfarbe, alle in nur 512 Zahlen gespeichert werden können!

Mit diesem Feature-Extraktor können wir eine Datenbank mit bestimmten Feature-Vektoren verschiedener Prominenter erstellen. Dann suchen wir für jedes neue Gesicht, das wir in Social-Media-Bildern erkennen, den nächstgelegenen Prominentenvektor mithilfe von K-nächstgelegenen Nachbarn.

Wenn das neue Gesicht nahe genug an einem der mittleren Prominentenvektoren liegt, können wir daraus schließen, dass es ein Bild derselben Person ist! Tadaa!

 Sparen Sie Zeit und Mühe mit der Bilderkennungstechnologie

Im Laufe der Zeit haben sich soziale Medien (und die Online-Umgebung im Allgemeinen) zunehmend auf bildreiche Inhalte konzentriert. Wir haben uns von der anfänglichen Konzentration auf Microblogging entfernt und uns auf die gemeinsame Nutzung von Bildern mit Freunden, Verwandten und Netzwerken konzentriert. 

Angesichts der Menge an Bildern, die von Social Media-Nutzern geteilt werden, benötigen Marken und Unternehmen eine schnelle und problemlose Möglichkeit, Bilder online zu verfolgen, einschließlich Fotos von Prominenten oder Influencern.

Unsere Bilderkennungstechnologie bietet hier eine großartige Lösung.

Durch die Verwendung von vorgefertigten Algorithmen und KI, können unsere Kunden, Social Media für Posts und den Austausch bestimmter Gesichter, genau analysieren. Auf diese Weise können sie den Erfolg von Influencer-Marketingkampagnen messen, angefangen bei Größen wie Ronaldo und Messi bis hin zu bescheidenen Yoga-Bloggern.

Wenn Sie daran interessiert sind, was diese Technologie für Sie und Ihr Unternehmen bedeuten könnte, setzen Sie sich mit uns in Verbindung - wir würden uns gerne mit Ihnen unterhalten!

 

 

Don't forget to share this post!