Сервис AIQ сканирует вещи в офлайне и открывает сайты производителей. Технологией заинтересовалась ВКонтакте
Нейросеть может распознавать даже объекты на видео в режиме реального времени.
Сингапурский стартап AIQ развивает одноименное приложение, которое умеет распознавать любые объекты - одежду, продукты на полках магазинов, билборды, видео на мониторах, а затем автоматически переходить на сайты производителей и интернет-магазинов.
Гендиректор компании Маркус Тан отмечает, что ритейлеры смогут использовать технологию для привлечения клиентов в свои магазины, медиа - чтобы сделать интерактивными печатные журналы и ТВ-передачи, организаторы мероприятий - чтобы научить стенды общаться с посетителями.
Чтобы отсканировать предмет, его изображения должны быть залиты в базу изображений AIQ, которую компания активно пополняет. Для этого стартапу не обязательно фотографировать каждую вещь или продукт. «Например, у всех крупных ритейлеров есть интернет-магазины, для которых они сами делают все фото товаров. В этом случае в систему просто загружается база изображений магазина», - объясняет Тан.
Пилотные интеграции с компаниями
Технологию AIQ можно встраивать и в приложения, разработанные самими компаниями-клиентами. К примеру, нейросеть испытывали в проекте для азиатских зрителей телешоу America's Got Talent. Наводя камеру смартфона на экран, телезрители могли узнать, во что одеты участники, и купить понравившиеся вещи. Виджет для сканирования был встроен в специальное приложение шоу, которое предлагалось загрузить для получения дополнительной информации об участниках и конкурсах с призами. В результате?44% всех сканирований сделали с целью узнать стоимость образа звезды.
Еще одну акцию AIQ провела совместно с сингапурским обувным брендом Charles and Keith: посетители магазина сканировали дисплеи, показывающие рекламные ролики, чтобы попасть на страницу с образами поклонников компании. Все пользователи могли делиться страницей в Фейсбуке и получать электронные купоны на скидку. По итогам недельной акции 11,9 тысяч посетителей просканировали дисплеи, 2,9 тысяч из них поделились образом в соцсети.
Похожие тесты AIQ провела с бумажным журналом Elle: наводя камеру на фото, читатели переходили на сайты производителей одежды. А просканировав собственные волосы, пользователи приложения могли получить рекомендацию конкретного шампуня от Clear Shampoo.
Благодаря пилотным проектам нейросеть улучшила точность визуального распознавания, а руководство проекта поняло, как коммерциализировать продукт. С мая 2018 года компания работает по модели SaaS (Service as a Software): AIQ берет небольшую плату за установку и ежемесячную комиссию в зависимости от количества совершенных сканирований. Сейчас у AIQ есть несколько соглашений с компаниями из Сингапура, Индонезии, Таиланда и Малайзии. Средний ежемесячный оборот, по словам Тана, составляет около 50 тысяч $.
AIQ внедрят в онлайн-викторину «Клевер» во ВКонтакте
Тем временем среди российских компаний AIQ заинтересовалась Mail.Ru Group. В планах холдинга - внедрить нейросеть в онлайн-викторину «Клевер», запущенную во ВКонтакте.
По словам директора по рекламному продукту и рекламной монетизации ВКонтакте Ирины Румянцевой, вместе с AIQ соцсеть работает над интерактивной механикой для спонсоров и партнеров «Клевера». В рамках спецпроектов пользователи смогут распознавать товары и акции брендов на рекламных материалах и в магазинах с помощью смартфонов и получать бонусы. «Это поможет рекламодателям создавать нестандартные мероприятия, которые вовлекают клиентов и во время игры в „Клевер", и во время похода в магазин», - отмечает Румянцева.
На рынке нет успешных решений, которые могли бы распознавать все
РБК отмечает, что сегодня на визуальном распознавании зарабатывают десятки компаний по всему миру. В России тоже есть своя нейросеть для распознавания одежды на фотографиях и подбора аналогов - сервис Sarafan, привлекший в 2017 году более 13 млн? инвестиций.
Тем временем успешных универсальных решений, способных распознавать не только одежду, а вообще любые предметы, на рынке пока не так много. В России этим занимается компания Kuznech. Однако нейросеть не умеет распознавать товары на видео.
Ранее мы писали о визуальном поиске от Снэпчата - функция позволяет фотографировать предмет или штрихкод, а затем находить нужный товар на Амазоне.
«Мы будем обучаться заново как брендировать продукцию»
Тан прогнозирует, что технологии визуального распознавания изменят привычный вид магазинных полок - на них станет меньше товаров, зато на стенах появятся плакаты, сканируя которые покупатели будут выбирать, что им нужно.?Трансформируется и брендинг: ставка будет делаться на визуальные отличия упаковки, элементы, которые могут быть распознаны машинами. «Мы будем обучаться заново как брендировать продукцию», - говорит гендиректор AIQ.
Эксперты скептически относятся к успеху AIQ
Директор по работе с портфельными компаниями ФРИИ Сергей Негодяев скептически относится к «технологии распознавания всего» от AIQ: «Если компания фокусируется на распознавании чеков, она хорошо распознает чеки, если фокусируется на чае - хорошо распознает эмблемы на коробках с чаем. Если говорят, что на базе одного технического решения хорошо распознается все с максимальным качеством, - это лукавство».
Также Негодяев считает, что технология может быть не востребована в России: «То, что работает в Сингапуре, не всегда работает у нас. Например, чтобы формат сканирования работал эффективно, должен быть паттерн подобного применения. Мы с вами пользуемся приложением Шазам для распознавания песен. При этом сканирование, например манекенов в магазинах или тех же QR-кодов, - не самый популярный паттерн. Формирование этой привычки - дорогой и долгий процесс».
Сооснователь сервиса визуального распознавания Sarafan Андрей Корхов рассказал: «Мы начинали в 2014 году с приложения, которое по фотографии находит что-то похожее. Эта возможность оказалась не нужна пользователям. После нас такое делал Яндекс: с помощью сервиса „Снимите одежду" они вели трафик с главных страниц сайтов в приложении. Но вскоре они тоже поняли, что это никому не нужно». Он считает, что подобные приложения обычно хранятся у пользователей в папке «Пригодится» и в итоге никогда не пригождаются.
Кроме того, Корхов согласен с Негодяевым - «скорее всего, у них очень плохое качество распознавания»: «Сделать одну нейросеть, которая будет распознавать еду, одежду, котов, этикетки, памятники, аудиотехнику, - это задача, которая не под силу пока даже Майкрософту и Гуглу».
Фото на тизере: Marten Newhall.
