Les campanyes de màrqueting suposen la inversió de molts diners, temps i recursos humans per aconseguir convèncer el públic de les bonances del teu producte o servei. Amb l’auge del neuromàrqueting des de la dècada dels 90, els professionals cada vegada paren més atenció al cervell i a les emocions del públic per prendre decisions, una tasca per la qual Feeder ha pres la davantera tecnològica a través del reconeixement facial. La start-up barcelonina ha desenvolupat una intel·ligència artificial que és capaç de registrar les microexpressions d’una persona mentre veu un contingut audiovisual i traduir-les a mètriques que facilitin la comprensió als clients. “La idea és poder predir quin serà l’èxit dels continguts de vídeo que es van creant des d’una perspectiva qualitativa”, assenyala el CEO i cofundador de la companyia, Pablo Filomeno.

Definit com un estudi de mercat en línia, Feeder proposa una anàlisi frame a frame de les microexpressions que fan les persones quan veuen un vídeo, classificades dins de les set emocions bàsiques (por, ira, alegria, tristesa, menyspreu, fàstic i sorpresa). Aquesta informació, situada en els moments precisos de la peça, es tradueixen en 11 indicadors qualitatius: atenció, descontentament, admiració, ensurt, remordiment, diversió, rebuig, intriga, nostàlgia, validació i el que anomenen ‘wow’. “Quan estàvem amb la beta vam entendre que, si no ets psicòleg o expert en neuromàrqueting, si jo et dono una analítica d’alegria és difícil que en treguis suc. Així que vam crear un algoritme per traduir les emocions en KPI”, justifica Filomeno. Aquesta informació permet fer una segmentació molt més elevada del públic en funció de les seves reaccions: un dels clients de Feeder va observar que un fragment de dos segons de durada d’una de les seves campanyes generava un fort rebuig entre les dones de 25 a 40 anys, però no en la resta d’audiència. Això els va permetre crear una versió específica per a aquest públic concret, que retirava la secció problemàtica, i així doblar els resultats positius.

Reconeixement facial amb consentiment explícit

La clau de volta del projecte és l’algoritme desenvolupat, que és el que s’encarrega de traduir els termes neurològics en conceptes més comprensibles. Una “democratització dels processos de neuromàrqueting” que va creixent a mesura que incorpora dades, amb la previsió d’afegir nous indicadors qualitatius, com per exemple la melancolia. “El reconeixement facial parametritza les microexpressions dels usuaris que prèviament han acceptat, evidentment, ser analitzats”, deixa clar el cofundador de Feeder, apuntant que, si no fos així, “l’eina seria il·legal”. 

Filomeno: “El reconeixement facial parametritza les microexpressions dels usuaris que prèviament han acceptat, evidentment, ser analitzats”

L’eina està pensada perquè els usuaris la facin servir majoritàriament amb un telèfon mòbil, aprofitant la càmera interior per captar les expressions, però també es pot emprar des de l’ordinador, sempre que l’usuari final disposi de videocàmera. Amb tot, l’equip també té previst fer proves en sales de cinema, més pensades per grups de discussió amb diverses persones amb les quals poder comentar en directe els resultats obtinguts per l’algoritme. De fet, en aquests moments la tecnologia requereix una peça de vídeo amb inici i final per poder dividir-la en frames i funcionar com cal, però en el futur l’equip vol expandir la solució a les emissions en directe, fet que permetria ampliar el mercat a nous tipus de clients.

La idea principal de Feeder és oferir-se al públic amb un model de software as a service (SAAS) amb una quota mensual, ja que consideren que es tracta d’una “eina molt fàcil d’utilitzar”. En l’actualitat, el producte s’ofereix tant en forma de webapp, en què els clients envien un enllaç únic al públic i les dades recaptades s’envien a un centre de control, o bé en forma d’API inserible a altres pàgines web, solució que dona més maniobrabilitat. Sigui com sigui, la companyia encara duu a terme moltes d’aquestes anàlisis en forma de consultoria, ja que “a la gent li tira molt enrere ficar-se amb una eina d’estudi de mercat, per molt senzill que sigui o digerides estiguin les dades”.