Fotolia
AI : Unilever utilise l'informatique cognitive pour ses campagnes marketing
En utilisant les services de Google Cloud – dont les API Vision, Translate et de NLP – Unilever a réussi à créer des campagnes marketing innovantes et personnalisées sur les réseaux sociaux.
Unilever, la multinationale de biens de consommation aux milliards de dollars de chiffre d’affaires, fait beaucoup de publicité. Propriétaire de plus de 400 marques (Dove, Lipton, Axe, Ben et Jerry’s, etc.), elle traite régulièrement d’énormes quantités de données issues des réseaux sociaux pour créer des campagnes marketing personnalisées. Pour ce faire, Unilever s’est tournée vers Google Cloud, et ses outils de traitement du langage naturel (NLP) et d’Intelligence Artificielle.
Reconnaissance visuelle et compréhension du langage naturel
« Nous disposons d’une gamme très vaste », résume Alex Owens, vice-président et responsable mondial des données et de l’analytique. « Mon travail consiste à bien connaître les gens pour m’assurer que nous fournissons les produits qui répondent le mieux à leurs besoins. Mon travail c’est aussi de recueillir les données (…) nécessaires pour alimenter des actions marketing en temps réel ».
En raison de la taille énorme de l’entreprise, Unilever a pu nouer un partenariat privilégié avec Google. Elle bénéficie d’un support premium et d’un accès en avant-première à de nombreux services Google.
Un des ces services qu’Unilever utilise massivement s’appelle Google Cloud Vision API : des modèles Machine Learning préentraînés, assez facilement modifiables par le client, et qui peuvent analyser des objets, des images, des photos, voire des textes.
« Cela nous permet de déchiffrer ce qu’il y a dans les images qui ont été likées sur Instagram », illustre Alex Owens. Surtout, cela permet à Unilever de collecter d’énormes quantités de métadonnées à partir de posts sur tous les médias sociaux.
Par exemple, à l’occasion de la Saint-Valentin, Unilever a lancé en Asie du Sud-Est une campagne publicitaire pour une de ses marques de dentifrice en ciblant les jeunes.
À l’aide de l’API Cloud Vision, l’entreprise a analysé les hashtags et le contenu des réseaux sociaux dans la région. « Nous avons réalisé que la deuxième chose la plus populaire autour de la Saint-Valentin là-bas, c’était d’apprendre à embrasser. Alors, évidemment, nous avons développé une campagne autour de l’art du baiser », raconte Alex Owens. Les courtes vidéos publiées par Unilever sur le sujet ont été vues par des millions de personnes sur Instagram, Facebook et YouTube.
Analyse des réseaux sociaux
Unilever utilise également le service Cloud Natural Language pour s’assurer que ses actions marketing sont en adéquation avec les nombreuses normes très diverses des pays dans lesquels ses publicités sont diffusées.
Concrètement, l’API Vision décode tous les contenus générés par les utilisateurs sur les réseaux sociaux, tandis que l’API Natural Language analyse les commentaires.
Selon Google, le service Natural Language analyse et annote des textes pour faire de l’analyse de sentiments (décoder les émotions), de l’analyse d’entités (discerner à quoi le texte fait référence) et de l’analyse syntaxique (déterminer la composition d’une phrase).
Ensemble, les deux API « permettent de résumer les sentiments et les thèmes abordés par les gens qui parlent de notre publicité en temps réel » synthétise Alex Owens. Ce qui, au final, permet à Unilever de déterminer l’efficacité d’une campagne et d’y apporter rapidement des changements si besoin.
Dans un autre cas d’usage, Unilever a utilisé ces deux API pour identifier un produit défectueux à partir des commentaires des utilisateurs et pour lui apporter les modifications nécessaires au produit.
Petits problèmes au démarrage
Alex Owens admet que – bien que les outils de Google fonctionnent et que la relation avec le géant de la technologie soit bonne – il a eu quelques difficultés au début du projet pour faire fonctionner les API comme il le voulait.
Par exemple, il a fallu un certain temps pour entraîner correctement les modèles de Cloud Vision. « Nous avons beaucoup travaillé avec Google qui nous a aidés à affiner l’algorithme », se souvient-il. « C’est comme n’importe quel outil d’IA… mais cela nous a quand même pris du temps ».
Unilever a également dû relever quelques défis pour la traduction. Il y a des années, Google Translate n’était en effet pas aussi précis qu’aujourd’hui, constate Alex Owens. Ses équipes internes ont dû peaufiner la traduction et adapter les outils à leurs besoins. « Ils ne couvraient pas toutes les langues que nous voulions, ou du moins nous n’avions pas la couverture linguistique nécessaire pour traduire ce dont nous avions besoin dans ces langues ».
En parallèle, Unilever utilise les outils marketing d’Adobe qui, toujours selon Alex Owens, s’harmonisent bien avec les services de Google.
Sur le sujet
Machine Learning, Deep Learning, AI, Informatique cognitive : quelles différences ?
Machine Learning : ce que peuvent vraiment faire les entreprises avec ces algorithmes
Machine Learning vs. Deep Learning ? La même différence qu’entre un ULM et un Airbus A380
Stella McCartney se lance dans le Machine Learning pour devenir encore plus responsable et durable