日本コカ・コーラ株式会社

Nippon Coca-Cola Corporation

Cloud Vision API dapat menganalisis SNS yang memposting gambar dan memperoleh "drinking moment " yang sejauh ini diabaikan.

Survei tren pemakai SNS (Social Networking Service, seperti Facebook, Twitter dan lain-lain) menjadi kegiatan umum saat ini. Sepertinya pendekatan Japan tentang Coca-Cola Inc. yang diperkenalkan kali ini akan membawanya ke dalam dimensi baru. Melalui inovasi ini dan bagaimana Google Cloud Platform digunakan untuk mewujudkan ide inovatif ini. Bersama dengan dua orang staf dari Kantor Pusat Strategi Perusahaan yang memimpin proyek ini, kami bertanya kepada penanggung jawab BrainPad Co., Ltd. yang mendukung dari aspek teknis teknologi.

Nippon Coca-Cola Corporation adalah anak perusahaan Jepang dari Coca-Cola Company yang merencanakan produk untuk minuman ringan, penelitian dan pengembangan, produksi solusi murni, iklan dan pemasaran, dan lain-lainnya . Jumlah karyawan sekitar 487 orang (per 31 Maret 2017). Selain memiliki merek dagang minuman berkarbonasi "Coca-Cola", perusahaan ini memiliki banyak merek dagang besar lainnya seperti "Georgia" dan "Souken Bicha".

Nippon Coca-Cola Co, Ltd telah melakukan riset pasar menyeluruh sebagai salah satu pangkalan penting The Coca-Cola Company di seluruh dunia, dan bagaimana berbagai produk dikonsumsi oleh mereka sendiri. Berdasarkan itu, kami telah mengembangkan banyak produk menarik. Namun, tampaknya ada batas tertentu untuk mengetahui apakah metode survei tersebut mampu benar-benar mengetahui perasaan konsumen yang sesungguhnya (Honne/ customer’s true feelings).

"Salah satu metode survei khas yang telah dilakukan untuk waktu yang cukup lama adalah penggunaan kuesioner yang disiapkan dan didistribusikan kepada konsumen dan mereka akan menjawab kuesioner tersebut. Hal ini menyebabkan saya tidak dapat memahami perilaku pembelian secara langsung. Oleh karena itu, dalam beberapa tahun terakhir, saya juga melakukan analisis konsumen yang menargetkan data SNS, dan proyek kali ini juga berasal dari situasi tersebut. " (Pak Kobayashi)

"Sejauh ini, penelitian SNS berbasis teks, tetapi dalam beberapa tahun terakhir, penelitian SNS yang berbasis foto, seperti Instagram, telah mendapatkan popularitas besar, dan memiliki tujuan yang sangat jelas di dalamnya. Seperti yang saya dengar bahwa otak merespon lebih baik secara visual daripada kata-kata sehingga saya berpikir bahwa jika saya dapat menemukan "makna" dari foto, saya dapat memperoleh wawasan konsumen yang lebih kuat. Namun, hal ini tidak realistis dilakukan secara manual. Jadi saya berfikir apakah saya bisa menggunakan AI.

Kami mendirikan Dana Inovasi (innovation Fund) di departemen pengembangan wawasan kami untuk mempromosikan pendekatan pemahaman konsumen baru dan inisiatif perusahaan baru. Manajer Pengetahuan & Wawasan (knowledge& insight managers) bekerja untuk memanfaatkan dana dengan mengajukan ide-ide mereka berdasarkan masalah dan minat bisnis, dan untuk terus menantang pengembangan wawasan baru. Akibatnya, jika Anda gagal, fokus utama Anda adalah pada pembelajaran, dan proyek AI ini adalah bagian dari rencana besar itu. (Pak Moriguchi)

Untuk merealisasikan ide ini, Kobayashi dan rekannya mengunjungi Google, yang sudah mengadakan pertukaran secara global sekitar setahun yang lalu. Kami memiliki sesi untuk saling berbagi hasil penelitian kami. Ternyata pendekatan ini merupakan terobosan yang belum pernah dilakukan sebelumnya.

"Selain memiliki hubungan secara global, kami telah melakukan hal-hal seperti lokakarya wawasan sejak sesi tahun lalu. Pada saat itu, kami memperkenalkan fitur-fitur seperti tren Google dan survei Google, bukan AI. Dalam hal itu, saya merasa bahwa saya ingin bekerja sama lebih mendalam dan bekerja pada masalah bisnis. " (Pak Kobayashi)

"Google memiliki platform besar untuk smartphone. Pengetahuan serta data yang terkumpul di sana sangat besar. Tidak diragukan lagi bahwa terdapat dokumen data mengenai perasaan dan tindakan berbagai orang. Pada sesi tahun lalu, pertama-tama, saya memperkenalkan studi kasus yang menganalisis sejumlah besar data dengan AI, tetapi pada saat itu sebagian besar kasus berada di bidang produksi dan manajemen, dan tidak ada kasus data penggunaan formal dalam pemasaran realistis.

Oleh karena itu, saya mengusulkan ide untuk menganalisis adegan konsumsi minuman berdasarkan data gambar SNS. Proyek ini mulai bekerja secara serius melalui pengenalan BrainPad, yang memiliki banyak pencapaian dalam pengembangan penggunaan AI. (Bapak Moriguchi)

"Tentu saja, pada saat itu tidak banyak kasus yang mencoba menggunakan AI untuk pemasaran secara realistis. Pemasaran web digunakan untuk mengoptimalkan pengiriman iklan, dan lain-lainnya. Saya belum pernah mendengar tentang kasus ini, jadi ini merupakan tantangan baru juga bagi kami, dan saya merasa hal itu terlihat sangat menarik”.

( Bapak Hayakawa)

"Senang sekali mendengar bahwa Google dan BrainPad tidak pernah memiliki kasus formal seperti itu di masa lalu, tapi itu sebabnya saya lebih termotivasi , katanya".

Menggunakan Cloud Vision API, Analisis gambar pada SNS visualisasi "makna" yang disematkan dalam gambar, yang digambarkan sebagai "tantangan" dengan menggunakan BrainPad sangat terbukti. Jadi bagaimana hal itu direalisasikan? Saya bertanya mengenai mekanisme speifik tentang hal ini kepada Bapak Hayakawa, personel dari BrainPad.

"Secara konkrit, kami berpijak pada tiga langkah. Pertama, kami akan menggunakan platform mendengarkan sosial Platform Crimson Hexagon ForSightTM (Platform Crimson Hexagon Forsight) dari gambar yang diposting di SNS. Kemudian mengambil hanya gambar yang menunjukkan logo Coca-Cola. Selanjutnya, sekitar 100.000 lembar data gambar yang telah diekstraksi diatur menggunakan pembelajaran mesin, dan menghapus gambar yang hanya tercermin logo iklan saja yang ditampilkan di mesin penjual otomatis,layar belakang stadion baseball dan lain-lainnya . Kemudian, kami menggunakan Google Cloud Vision API untuk mengidentifikasi objek yang diproyeksikan bersama. Contohnya seperti dalam foto “ sedang minum Coca-Cola di "Lautan ”, "Laut Lepas " atau "Pinggir Pantai" yang merupakan output, maka tag -tag seperti ini dapat dianalisa. "(Bapak Hayakawa)

Pada saat ini , saya bekerja keras bagaimana mengatur tag output yang tak terhitung banyaknya. Dalam upaya ini, kami akan memanfaatkan sepenuhnya teknik analisis data yang bagus untuk BrainPad. Kata-kata karakteristik diekstraksi, dan metode memvisualisasikan kasus-kasus di mana kata-kata khas ini sering muncul pada saat yang sama digunakan. Hierarchical clustering yaitu data dengan karakteristik berbeda dicampur bersama. Dengan memanfaatkan penuh "cluster" sesuai dengan tingkat kesamaan dan klasifikasi), "makna" dalam data gambar di SNS divisualisasikan. Pada saat ini, saya berjuang dengan cara mengatur berbagai tag keluaran. Dalam prakarsa ini, kami memanfaatkan sepenuhnya teknik analisis data yang menjadi spesialisasi BrainPad. Suatu jaringan kemunculan bersama (metode penggalian kata-kata yang menjadi ciri dokumen dari dokumen dan memvisualisasikan dalam kasus-kasus ini kata-kata khas yang sering muncul secara bersamaan) dan hierarkis pengelompokan (dari karakteristik yang berbeda) dicampur dalam data. Dengan memanfaatkan penuh "cluster" sesuai dengan tingkat kesamaan dan klasifikasi, "makna" dalam data gambar pada SNS divisualisasikan.

"Dari informasi yang muncul, tentu saja, ada banyak hal yang menjadi jelas dalam survei sebelumnya, serta adanya banyak penemuan tak terduga. Misalnya, mengenai kehidupan sehari-hari dengan hewan peliharaan di rumah. Banyak foto logo atau gambar Coca-Cola ditemukan dalam satu bingkai, yang hampir tidak bisa saya lihat dalam survei sebelumnya, dan hubungan baru antara orang-orang dan hewan peliharaan mereka adalah foto baru Coca-Cola yang mungkin sedang menciptakan “ drinking moment”. (Moriguchi-san)

Saat ini, proyek ini akan menuju tahap selanjutnya. Manfaat dari keberhasilan ini adanya inisiatif baru yang mendatangkan lebih banyak wawasan. "Pertama-tama, saya ingin melakukan sesuatu tentang pemerolehan emosi. Dengan menganalisis ekspresi yang tercermin dengan Coca-Cola, saya percaya bahwa saya akan dapat mengetahui lebih banyak tentang maksud yang terdapat di dalam foto-foto tersebut. Namun, ketika saya mencoba hal ini, saya dihadapkan dengan “pembatas” yang ada beberapa foto yang menunjukkan wajah saya di SNS. Bagaimana menafsirkan emosi dari ekspresi wajah juga menjadi masalah besar. Namun, saya pikir mungkin dapat mengambil kesimpulan tentang emosi dan pikiran saat itu dari foto yang dihubungkan ke teks seperti dalam Twitter”. (Bapak Moriguchi)

"Saya juga merasa bahwa ada banyak adegan dimana AI dapat digunakan untuk pemasaran nyata selain dari inisiatif ini. Misalnya, kami memiliki banyak data riset pasar, tetapi tidak perlu diintegrasikan menjadi satu. Ada juga banyak data survei dari masa lalu, dan saya berharap AI dan pembelajaran mesin akan berguna dalam memanfaatkan data tersebut secara efektif”. （Bapak Kobayashi)

"Untuk mewujudkan usaha semacam itu, Google secara aktif menggunakan AI dalam layanannya sendiri, dan juga sangat handal untuk mencerminkan pengetahuannya dalam produk dengan benar. AI masih merupakan teknologi baru, jadi akan ada banyak kesulitan yang Anda tidak mengerti jika tidak menggunakannya. Misalnya, Cloud AutoML, versi beta yang telah dirilis selama ini, adalah salah satu teknologi yang saya pahami. Kami berharap dapat menggunakan fungsi-fungsi terbaru ini untuk memungkinkan analisis gambar yang lebih efisien”. (Bapak Hayakawa)

This is a translation of an article published by Cloud Ace, Inc.

Available online: https://cloud.google.com/blog/ja/topics/customers/cloud-vision-api-cocacola-sns