Programvara med ett öga för Starbucks (och Nike och Cola)

Bland de 40 miljoner bilder som människor lägger upp på Instagram varje dag finns en mängd solnedgångar, valpar och – enligt Deobrat Singh – Starbucks kaffekoppar. Han skulle veta: han räknar dem.

Singh är vd och medgrundare av gazeMetrix , en startup som använder datorseende och maskininlärning för att känna igen varumärkeslogotyper i foton som delas på sociala medier. Företaget är ett av flera som försöker analysera bilder i marknadsförings- och reklamsyfte, vilket gör det lättare för företag att spåra och marknadsföra sina varumärken online och kanske rikta annonser mer exakt mot konsumenter.

I takt med att bilder blir en alltmer populär form av socialt innehåll, är en sådan analys vettig: att samla in likes, spåra hashtags och mining tweets och kommentarer för omnämnanden av ett varumärke kan vara till hjälp , men bilder visar mer exakt hur människor använder (och delar) produkter som Nike löparskor.

En sak som är helt klar för oss är att det är en indikator på hur synliga dessa varumärken är i människors liv, säger Singh.

Företag kan använda gazeMetrix för att se hur ofta deras varumärkeslogotyper dyker upp på Instagram (och snart även andra tjänster), och för att svara på personer som lägger upp dessa bilder. Så småningom kan gazeMetrixs information leda till insikter om ämnen som vilka andra produkter ett företags kunder föredrar. Det är potentiellt användbart för dem som försöker rikta in annonser och fatta beslut om affärspartnerskap. Singh säger att stora företag som Coca-Cola och Nike testar tjänsten.

Singh och hans två medgrundare började experimentera med att logga logotyper i foton på sociala medier i somras. De använde bildigenkänningsteknik som de ursprungligen hade utvecklat för en tjänst som kunde identifiera appar på dina vänners smartphones och sedan hitta dem i appbutiken på din telefon. (Kallas Bring, den lyckades inte fångas.) De analyserade bilder som delas på Twitter för att se hur många personer som laddade upp bilder som inkluderade Starbucks-logotypen, som de antog skulle vara lätt att upptäcka och ganska vanligt, med tanke på övervägandet av Starbucks-kaféer och muggbärande pendlare. Det stod snabbt klart att de var på rätt väg: de såg mer än 10 000 logotyper den första dagen.

Jag trodde inte på det först, men vi grävde djupare i det och insåg att det var verkligt – folk tog många bilder av Starbucks-muggar, säger Singh.

GazeMetrix lanserades i december på Instagram och har sedan dess samlat in data om 35 000 varumärken, varav cirka 100 aktivt spårar. Företaget har sett över 250 000 Starbucks-logotyper bara i februari, säger Singh. Under de kommande veckorna planerar man också att börja spåra bilder som lagts upp på tjänster som är populära på Twitter, som Twitpic och Yfrog. Men inte Facebook; Singh säger att de flesta av de offentligt publicerade bilderna på det största sociala nätverket inte är användargenererade, så det är inte värt tiden.

GazeMetrix drar fördel av Instagrams gränssnitt för applikationsprogrammering – som tillåter tredjepartsprogrammerare att komma åt dess data – genom att använda den som en tapp och skicka sin flod av bilder till flera servrar där en algoritm avgör om det kan finnas en logotyp. Om det finns, använder gazeMetrix andra algoritmer för att försöka matcha logotypen med en i sin databas. Om programvaran är extremt säker på att den har hittat en matchning mellan en befintlig logotyp och en på ett nytt foto, skickas bilden vidare till företagets logotypflöde. Om det är lite mer tveksamt kan en människa recensera matchen.

Vad gazeMetrix gör låter inte så komplicerat, säger datorseendeexperter, särskilt eftersom företagslogotyper är designade för att sticka ut. Icke desto mindre kallar Kevin Bowyer, ordförande för University of Notre Dames datavetenskap och ingenjörsavdelning, det en cool och intressant tillämpning av teknik som har mognat under de senaste två decennierna. James Hays, en biträdande professor vid Brown Universitys datavetenskapsavdelning, tillägger: Jag förväntar mig definitivt att se mycket mer av detta.

Dölj