Monitorar o que os usuários estão falando sobre a sua marca tem sido um requisito estratégico básico há quase uma década, mas o monitoramento de mídias sociais sempre utilizou textos e metadados como base para a análise. Atualmente, com milhões de imagens sendo publicadas diariamente em diferentes plataformas, atualizar técnicas de monitoramento e pesquisa ao conteúdo imagético é um trunfo que, muito em breve, será essencial para qualquer empresa.
A Computação Visual consiste de técnicas para descoberta de marcas, objetos, entidades, conceitos e padrões em conjunto de imagens. Com o apoio do aprendizado da inteligência artificial e aprendizado de máquina (machine learning) é possível estudar milhares e milhares de imagens. Os recursos da Computação Visual são importantes aliados dos pesquisadores permitindo seguir nos métodos mistos de análise quanti e quali de comportamento e grupos.
Para mostrar como pode ser aplicado para uma marca, fizemos uma análise da hashtag #croasonho no Instagram com coleta feita com a Netlytic. Trata-se de um produto único, que une o melhor da culinária francesa com aspectos peculiares dos pratos brasileiros, que virou um negócio extremamente lucrativo de franquias por todo o Brasil nos últimos anos. O produto em si é um grande atrativo visual, o que leva os consumidores a costumeiramente – também estimulados pela marca – a fotografarem seus pratos.
Utilizamos como comparativo duas bases de dados: uma somente com publicações (imagens) de contas oficias da empresa e outra somente com publicações de usuários (user-generated content). Através da computação visual analisamos mais de 2.000 fotos para cada um desses dois grupos a fim de averiguar as similaridades e diferenças entre a produção de conteúdo “oficial” e a produção de conteúdo espontânea dos usuários consumidores do produto e da marca como um tudo.
O que mais chama a atenção na análise de imagens das contas oficiais (além da repetição de imagens, o que indica recompartilhamento em diferentes contas) é o fato de que o produto é o principal personagem. Seja em fotografias “reais” ou em artes elaboradas digitalmente, o Croasonho é o principal – possivelmente o único – personagem das imagens publicadas pelas contas oficiais. As pessoas que aparecem são modelos em datas comemorativas ou ações/campanhas específicas.
Com a paleta de cores também esmiuçada na análise, é possível perceber que não há uma preocupação de produção de conteúdo mais “adaptada” à internet ou especificamente ao Instagram, o que pode passar uma ideia de panfletagem – ou seja, são imagens-padrão que são distribuídas em diferentes canais sociais (que possuem diferentes públicos, dinâmica e propósitos).
A computação visual também consegue separar bem os produtos (saladas, cafés, etc.), além dos próprios Croasonhos, mesmo sendo extremamente semelhantes em imagem, são agrupados de acordo com os ingredientes (doces e salgados). O algoritmo de rede pode ser interessante colocado em comparação com o número de engajamento, para que pudéssemos avaliar qual grupo recebe maior atenção dos seguidores.
Já na análise aplicada às imagens publicadas por usuários consumidores, a primeira diferença notável é a composição da rede – que vai muito além do produto. Embora haja um grupo popular com fotos de Croasonho, chama a atenção imediatamente a presença de fotos de pessoas (selfies/em grupo). Essa é uma diferença simples, mas que reflete uma tendência comportamental relevante para a empresa: os clientes costumam enxergar a marca como um serviço a ser usufruído em grupo – talvez haja oportunidades de negócios ao pensar em alternativas mais “individuais”?
Nesse grande grupo de pessoas, há também duas segmentações de imagens a partir de diferentes perspectivas de enquadramentos: em cima, fotos com foco (o recorte mesmo) em pessoas; e, mais abaixo, fotos de grupo em cenários de “ceia”. Ainda que também seja uma diferença simples, é importante ratificar a acurácia da computação visual na análise de imagens de fotos supostamente bem semelhantes – aspecto que poderia ser considerado muito “similar” para o olho humano.
Para além do resultado visual da imagem plotada, a aplicação de inteligência artificial também nos permite explorar com mais afinco os dados através de outras perspectivas. As imagens abaixo, por exemplo, apresentam os 25 conceitos/objetos mais identificados em cada uma da base de dados e uma nuvem de palavras completa com todos os termos processados. Analisando esses dados, percebemos que a base de dados de conteúdo gerado por usuários rendeu cerca de 25% mais “etiquetas” do que a base oficial – o que indica maior complexidade (e pluralidade) dos dados, devido à criação espontânea de fotografias pelos consumidores em diferença às padronizadas das contas oficiais.
Ainda no campo das possibilidades a identificação de textos nas imagens é um grande trunfo para compreender como a marca está sendo exposta. No caso do Croasonho, a embalagem do produto é o principal alvo deste atributo, embora – devido à base de dados não muito robusta – não haja uma concentração evidente na rede. No mais, o agrupamento do produto (doces x salgados) é semelhante tanto na base das publicações oficiais quanto na base de user generated content.
Os exemplos acima são a pontinha do iceberg das aplicações da análise de imagens. Entre em contato conosco para mostrar como podemos ajudar sua empresa ou agência a explorar tudo o que pode ser feito!
