Découvrez mon « Capstone Project » issu de ma formation pour cadre de l’Université Berkeley ExecEd de Californie :
« Artificial Intelligence: Business Strategies and Applications »
Découvrez mon « Capstone Project » issu de ma formation pour cadre de l’Université Berkeley ExecEd de Californie.
One step 👣 ahead
from an Eternal Learner
Ma veille sur le Digital m’a naturellement conduit à étudier les progrès phénoménaux réalisés par les sciences mathématiques et informatiques. L’avènement de l’intelligence artificielle dans tous les domaines est devenu une réalité et celle-ci n’échappe pas non plus au marketing, mon cœur de métier.
Depuis plus de 18 mois je m’intéresse à ce déjà vieux sujet, en témoigne mon mur sur Twitter, ainsi que ce magnifique blog ia4marketing.fr qui a accueilli plus de 12 000 visiteurs uniques en 2021.
Alors, pour aller plus loin dans l’apprentissage et aussi mieux structurer ma réflexion, je me suis inscrit à la formation Artificial Intelligence: Business Strategies and Application de l’Université Berkeley ExecEd de Californie. J’en suis désormais diplômé et voici mon projet de fin d’étude, le Capstone Business Challenge Project, portant sur le contrôle et l’amélioration en continue de l’expérience client… L’objectif principal de ce projet réside dans le monitoring précis du ZMOT client (Zero Moment of True) lorsque celui-ci essaye des montures de vue grâce à l’essayage virtuel en ligne. Il permet de mieux comprendre ce qui se passe pendant ce moment de vérité et permet dès lors une meilleure prise de décision pour l’équipe marketing.
Evidemment, je partage bien volontiers tous mes travaux, alors bonne lecture! 😉
UC Berkeley : « Artificial Intelligence: Business Strategies and Applications »
Elle s’adresse aux dirigeants, y compris les cadres supérieurs, qui supervisent l’intégration de l’IA dans la stratégie commerciale de leur organisation.
Module 9: Capstone Business Challenge Project / Projet de fin d’étude que je présente ci-après 👇👇👇
Au cours des huit modules, vous développerez et affinerez un projet ou une initiative lié à l’IA pour votre propre organisation.
Le projet aboutit à une analyse de rentabilité et à un plan qui utilise l’IA pour transformer au moins un aspect de l’entreprise.
Le plan peut être mis en œuvre après que des éléments ont été testés tout au long du programme.
Janvier 2019
En janvier, mon équipe et moi-même avons mis en place une nouvelle solution avancée d’essai virtuel (VTO – Virtual Try-On) sur le site afflelou.com. Cette solution fournie par Fittingbox permet aux internautes disposant d’un ordinateur de bureau ou d’un appareil mobile (tout appareil connecté doté d’une caméra) de tester une expérience de lunetterie immersive et interactive qui fera toute la différence. En effet, vous pouvez essayer virtuellement la plupart des montures du portefeuille pour mieux choisir celle qui vous convient le mieux. Le rendu de la monture semble réel, il est facile de s’imaginer porter les lunettes.
Mars 2019
La première chose que nous avons pu vérifier les jours qui ont suivi le lancement a été les statistiques montrant que 30% des utilisateurs l’ont essayé en ligne. Ensuite, avec une promotion plus poussée, nous avons atteint un taux de conversion de 40%, alors que nous nous attendions à un taux d’environ 20%, donc nos résultats ont dépassé nos attentes et le marché actuel. C’est un succès pour Afflelou et un résultat exceptionnel par rapport à la concurrence. Il a été suivi d’un témoignage client disponible en ligne sur le site de Fittingbox.
Trouver LA bonne paire de lunettes peut prendre du temps. Rondes, ovales, rectangulaires ? Noires, en écaille, roses ou dorées ? A-t-on déjà réussi à trouver tout de suite la paire de lunettes parfaite ? La recherche d’une nouvelle monture doit aussi être un plaisir utile pour préparer à l’avance son expérience d’achat en magasin.
Janvier 2022
Aujourd’hui, si j’occupais toujours le même poste au sein du Groupe Afflelou (ou si l’on me propose l’équivalent ailleurs, avis aux recruteurs), je m’appuierais sur l’IA pour mesurer les sentiments des clients qui utilisent l’essayage virtuel en ligne.
Sont-ils satisfaits, impassibles ou mécontents d’une monture ? Ajouter cette dimension de l’expérience client aide l’entreprise à gérer le portefeuille de produits.
En effet, aujourd’hui, nous pouvons utiliser l’analytique pour comprendre le temps passé sur chaque monture. Mais ce n’est pas suffisant pour faire correspondre les sentiments des clients avec les produits. L’IA et le computer vision que je vais décrire ci-dessous peuvent fournir des informations au Category Manager qui gère les produits ainsi qu’à la direction commerciale.
Avec la reconnaissance faciale déjà utilisée pour porter virtuellement les lunettes, nous ajouterons une IA pour détecter le sentiment exprimé visuellement pendant le port de la monture. Le sentiment principal alimentera les analyses web avec de nouveaux événements spécifiques liés à chaque monture. Ces données aideront le Category Manager et l’entreprise à prendre de meilleures décisions en matière de cycle de vie du produit.
La classification des expressions faciales à l’aide de l’intelligence artificielle existe déjà dans des solutions open-source et peut être exploitée en utilisant l’apprentissage par transfert.
Une telle approche requiert un faible investissement pour construire, entraîner et maintenir le modèle à cette fin.
Cet avantage concurrentiel unique et de premier plan permet de mieux comprendre les préférences des utilisateurs en matière de montures. Jusqu’à aujourd’hui, le seul indicateur disponible était le temps passé. Demain, il sera possible de
connaître les raisons pour lesquelles une monture est portée en s’appuyant sur l’analyse des émotions exprimés devant la caméra.
Tous les essayages virtuels en ligne font l’objet d’un suivi de mesure dans Google Analytics. On ajoute automatiquement un nouvel événement à chaque VTO avec le nom de la monture et on enregistre le volume des sessions ainsi que le temps passé. Ces données sont accessibles en interne pour analyser le catalogue en ligne et permettre de fournir des rapports de performance ou des tableaux de bord.
Les réseaux neuronaux formés sur un ensemble limité d’émotions fournissent des taux plus élevés de classifications précises. Nous considérerons huit catégories pour classer les comportements des clients, la catégorie « Neutre » et sept émotions universelles : « Joie », « Surprise », « Colère », « Peur », « Tristesse », « Mépris » et « Dégoût ».
Les émotions humaines peuvent être détectées à l’aide des expressions faciales. Cette vision par ordinateur permet de voir, d’observer et de comprendre. Deux technologies essentielles sont utilisées pour y parvenir : un type d’apprentissage automatique appelé apprentissage profond et un réseau neuronal convolutif.
Nul besoin de réinventer la roue ! Des bibliothèques sont accessibles pour trouver des modèles et des mises en œuvre de la reconnaissance des émotions.
Des bases de données d’expressions à code source existent pour éprouver le model. Le contributeur de ce jeu de données a soigneusement étiqueté toutes les images avec les expressions correspondantes. L’objectif important de cette étape est d’éviter tout biais avec une très bonne structure des données.
Nous devons nous assurer que les montures n’affectent pas la reconnaissance des émotions et nous devons demander à l’utilisateur de retirer le masque Covid en utilisant notre VTO. Le test sera effectué par les utilisateurs, le Category Manager et le Product Owner.
200 images provenant d’une base de données d’expressions à source ouverte, labélisées avec huit expressions faciales distinctes.
Pendant l’utilisation de VTO, l’IA détectera le sentiment exprimé visuellement pendant le port de la monture. L’émotion principale sera signalée comme un nouvel événement dans Google Analytics à la fin de la session.
Le responsable de catégorie et le propriétaire du produit pourront extraire des données, créer des rapports radar et élaborer des tableaux de bord Google Data Studio.
Un rapport peut être établi avec les émotions suivies pour chaque cadre où le VTO est effectué. Le même rapport peut être construit pour une référence unique ou une gamme de produits globale afin de comprendre le succès à tous les niveaux.
Cette solution permet au Category Manager de décider du meilleur produit à promouvoir sur le web ou en magasin. Le suivi de l’expérience client de cette manière fournit deux résultats : à la fois des mesures quantitatives (nombre de sessions par monture, temps passé) et qualitatives (liées aux émotions).
♺ Les VTO ne sont pas enregistrées et stockées dans des serveurs. Toutes les données sont collectées de manière anonyme afin de garantir un comportement éthique envers les clients.
L’équipe Web et produits numériques est déjà disponible. Mais il y a un manque de connaissances sur l’expertise en IA. Il faudrait une ressource dédiée pour développer cette fonctionnalité, et travailler en étroite collaboration avec le Product Owner.
Il s’agit d’un pas en avant vers une organisation centrée sur les données clients. La clé réside dans l’alignement de toutes les parties prenantes (Equipes Retail, Marketing et Digital…) afin de contribuer à la meilleure connaissance et développer une expérience utilisateur best in class.
L’application AI sera hébergée dans un environnement de test. Plusieurs appareils seront utilisés par différentes personnes pour tester VTO : Mobile (iOS et Android), Desktop (Windows et Mac), et Tablette. La première itération sera une émotion neutre, suivie des sept autres types d’émotions. Les utilisateurs et le responsable des produits seront impliqués. Sur chaque émotion testée, la valeur de l’émotion sera affichée à l’écran pour valider la concordance de la réalité et la remontée de donnée dans les analytiques.
La liste des VTO effectuées avec différentes montures sera suivie et comparée aux enregistrements disponibles dans Google Analytics. S’il y a concordance, l’application d’IA sera déployée en production. Ensuite, d’autres tests seront effectués pour vérifier que les sorties de données sont toujours exactes. Enfin, des rapports de métriques et des tableaux de bord peuvent être élaborés pour les analyses des ventes. Le Category Manager obtient des informations supplémentaires pour prendre ses décisions.
(*) Source 1 : GlobalData’s latest report, ‘Computer Vision – Thematic Research’
(*) Source 2 : GlobalData’s latest report, ‘Computer Vision – Thematic Research’
(*) Source 3 : Eyewear virtual try-on: Afflelou Group.
OUI, je souhaite SVP recevoir les thèses par email
(*)Uniquement collecté pour cet envoi