visual recognition | features | 7 min read

Quand l'identification de célébrités vous aide à évaluer l'impact de votre influenceur

Don't forget to share this post!

blog-post-example-media

L'émergence de plateformes conçues pour le partage d’image telles qu'Instagram, Snapchat et Pinterest a décuplé le volume de contenu visuel partagé en ligne. Chaque jour, ce sont des millions de nouvelles images qui sont publiées, et entraînant dans leur foulée un grand nombre de commentaires, d'échanges et de clics.


Ces quatre dernières années, le suivi des données visuelles a principalement reposé sur la détection des logos dans les images et les vidéos. Mais le marketing s'est depuis tourné vers les influenceurs et la reconnaissance des visages dans les contenus visuels joue désormais un rôle central à toute observation des performances d'une campagne marketing.

Voyons ensemble comment l'identification des célébrités et la technologie de détection d'image est en mesure d'aider les marques à évaluer non seulement le succès global de leurs campagnes marketing mais aussi les performances de leurs influenceurs.

Et pour ce faire, nous nous appuierons sur un duo très médiatique : Ronaldo vs. Messi.

Ronaldo vs. Messi: mesure d’engagement en ligne

Cristiano Ronaldo et Lionel Messi : le duel qui alimente la médiasphère sportive - et au-delà- depuis déjà plus de 10 ans. Et le point de départ idéal à toute mesure de l'impact en ligne de deux personnalités publiques.

Penchons-nous sur l'activité en ligne qui a entouré les matchs de la Ligue des Champions en mars 2019. Non contents d'enregistrer des chiffres d'audience colossaux, ces matchs ont également constitué pour leurs sponsors des opportunités uniques de se faire connaître.

Ronaldo, joueur pour la Juventus de Turin, porte une tunique Adidas, sponsor de son club ; tandis que Messi, qui joue pour Barcelone, se pare du sponsor Nike pour jouer avec la formation catalane.

Lequel des deux a eu le plus d'impact sur les médias sociaux ? Et quelle marque profite le plus des millions dépensés dans les contrats de sponsoring ?

Voici ce que nous indiquent les statistiques de Linkfluence Search :

Dans ce cas-ci, la ligne verte indique le nombre d'images représentant Ronaldo apparues dans les médias sociaux. La ligne bleue est pour Messi.

D'après ces statistiques de la semaine de matchs, il apparaît que Ronaldo est globalement apparu dans davantage d'images que Messi, avec un premier pic le jour de son match, le 12 mars.

Afin de confirmer cette intuition, dessinons le même graphique mais en déplaçant la courbe de Messi d'une journée vers la gauche, comme si les deux joueurs avaient joué le même jour :

Alors nous constatons que Ronaldo (et par conséquent le logo Adidas !) est apparu plus souvent que Messi au cours de la semaine. Adidas remporte cette manche !

Rien de bien surprenant là-dedans pour les amateurs de football, Ronaldo ayant produit une prestation hors-norme pour sortir l'Atlético de Madrid de la compétition, en inscrivant les trois buts de son équipe pour propulser la Juventus en quarts de finale.

L’engagement que ce joueur suscite en ligne dépasse même le cadre des passionnés de football, et celui du match en question.

Comment avons-nous alors procédé à notre analyse ? À l’aide d’algorithmes.

 

Des algorithmes pour identifier et analyser les images

Chez Linkfluence, nous avons développé différents algorithmes destinés à analyser les images. Ceci nous permet notamment de repérer des logos parmi une large gamme d'objets -du téléphone portable à la voiture- et pour analyser le genre des personnes présentes sur les images.

Malgré tout, pourquoi avoir recours à l'IA pour faire la différence entre Ronaldo et Messi ?

À vrai dire, l'identification des célébrités peut s'avérer délicate car il est impossible de ne concevoir qu'un algorithme pour une réponse qui se prête à toutes les situations. Nous devons au contraire être en mesure d'ajouter quotidiennement de nouvelles célébrités afin de permettre aux marques de suivre et de contrôler la présence de leurs images en ligne.

C'est ici que les algorithmes pré-entraînés se révèlent utiles.

D'une façon générale, l'idée des algorithmes pré-entraînés, c'est la norme du machine learning. Il s'agit d'abord de rassembler un grand nombre d'images faciales (environ 5 millions !) par le biais d'un gigantesque réseau neuronal capable d'extraire les caractéristiques d'un visage et d'en tirer des enseignements.

Cela comprend des éléments tels que :

  • Quelle est la couleur des yeux?
  • Quelle est la taille du nez?
  • Quelle est la forme de la bouche?

C'est ainsi que se crée l’algorithme « pré-entraîné». Dès lors, il nous suffit d'une série d'images du visage d'une personnalité pour en comprendre les lignes « globales » et permettre au logiciel de les reconnaître sur n'importe quelle image.

Parce que cette délicate phase d'apprentissage n'a besoin d'être effectuée qu'une seule fois, il est ensuite plus simple d'identifier et d'analyser de nouvelles célébrités avec peu de données.

Reprenons l'exemple de Ronaldo :

En premier lieu, il faut définir les caractéristiques faciales d'une célébrité donnée en étudiant quelques images.

Ensuite, s’entame une phase de comparaison de chaque nouvelle image apparue sur les médias sociaux avec les éléments faciaux généraux des célébrités de notre base de données.

À la fin, nous sommes en mesure de déterminer les caractéristiques moyennes du visage d'une célébrité spécifique. Une fois l'algorithme entraîné, nos clients ont la possibilité d'utiliser notre logiciel pour parcourir les médias sociaux (et le web de façon générale) à la recherche d'images de cette personne, qui que ce soit.

Cette technologie facilite la mesure de l'engagement suscité par les influenceurs.

Mesurer l'engagement de chaque influenceur

Les marques cherchant des influenceurs pour collaborer (ou diriger) leurs campagnes marketing, la détection faciale se révèle cruciale.

Imaginons par exemple que vous fabriquiez des tapis de yoga. Vous prévoyez le lancement de votre nouvelle collection et vous êtes à la recherche d'influenceurs potentiels pour vous aider à promouvoir vos produits.

Notre technologie de détection faciale peut dès lors vous être utile à deux égards :

  1. D'abord, elle vous permet de découvrir à quelle fréquence leurs photos sont partagées, sur quelles plateformes elles remportent le plus de succès et les caractéristiques socio- démographiques des utilisateurs qui les partagent. De quoi classer les influenceurs, des plus fédérateurs aux moins populaires.
  2. Ensuite, une fois la campagne lancée, vous auriez la possibilité de suivre le volume et toutes les formes de mobilisation suscitées par l'influenceur, même là où son nom (ou celui de votre marque) n'est pas mentionné. Cela vous permet d'évaluer la réussite de votre campagne par rapport aux objectifs fixés.

Utiliser cette technologie constitue non seulement un gain de temps mais également l'opportunité de parcourir les médias sociaux avec davantage de précision et de rassembler des informations sur d'autres produits et d'autres marques, d'après le feed d'un influenceur.

Plongeons désormais au coeur de cette technologie si particulière.

Si des amateurs d'IA nous lisent, quelques détails en plus devraient les tenir en haleine.

Spécificités techniques : comment tout cela fonctionne ?

Pour construire notre algorithme pré-entraîné, nous avons formé un réseau neuronal convolutif à partir de 5 millions d'images permettant d'identifier plus de 600 000 personnes de façon simplifiée.

Un RNC, c'est généralement :

  • une partie « extraction de caractéristiques » (avec des convolutions, des regroupements massifs et des sous-échantillons) ;
  • une partie « classification » (avec des couches softmax pleinement connectées).

Le diagramme ci-dessous devrait vous aider à y voir plus clair :

Après l’entraînement, nous éliminons la partie « classification » de façon à ce que le réseau nous délivre un vecteur de caractérisation de 512 nombres. Une synthèse qui renferme toutes les informations d'un visage humain.

Alors oui, il peut paraître étrange de penser que les caractéristiques faciales telles que la taille de la bouche et la couleur des sourcils puissent toutes être contenues dans 512 nombres seulement, mais pourtant...

À partir de cet extracteur de caractéristiques, il est possible de concevoir une base de données des vecteurs de caractéristiques spécifiques de différentes célébrités. Alors, à chaque nouveau visage, nous recherchons le vecteur de célébrités le plus proche, par le biais de la Méthode des k plus proches voisins.

Si le nouveau visage se rapproche suffisamment de l'un des vecteurs de célébrités impliqués, alors nous pouvons en conclure qu'il s'agit d'une image de la même personne. Hourra !

Économisez votre temps et vos efforts grâce à notre technologie de détection d'image

Avec le temps, les médias sociaux (et l'environnement en ligne dans sa globalité) se sont focalisés davantage sur des contenus riches en images. Nous sommes passés des microblogs primitifs au partage de nos photos avec nos amis, nos proches et nos réseaux, parmi lesquels les photos de chat se sont fait une place de choix.

Avec le volume d'images partagées par les utilisateurs de médias sociaux, les marques et les entreprises ont désormais besoin de moyens rapides et simples de suivre les images en ligne, y compris les clichés de célébrités et d'influenceurs.

Notre technologie de détection d'image vous offre une vraie solution.

En faisant usage de nos algorithmes pré-entraînés et de l'IA, nos clients sont en mesure d'analyser les médias sociaux avec précision, à la recherche de publications et d'échanges présentant certains visages particuliers. Ainsi peuvent-ils évaluer le succès de leurs campagnes marketing impliquant des influenceurs, des poids lourds tels que Ronaldo et Messi aux plus modestes blogueurs yoga.

Si cette technologie et ses possibilités vous intéressent, n'hésitez pas à nous contacter, nous serions ravis d'en discuter !

 Social data intelligence - demande de démo

 

Don't forget to share this post!