xBerry Case studies Digital Touch-Up

Digital Touch-Up

automatyczne ulepszanie zdjęć dla dealerów samochodowych

Zobacz video

Współczesne czasy pokazały nam, że pojedynczy obraz potrafi skutecznie przekazać przekaz o wiele silniejszy niż długie wyjaśnienia. Jak jakość wizualna przekłada się na lepsze wyniki sprzedaży? I w jaki sposób możemy zautomatyzować ten proces dla osób, które nie są profesjonalnymi forografami? Razem z naszym klientem*, opracowaliśmy rozwiązanie dla tego wyzwania.

Scroll pageg icon

Wyzwanie

Szukasz samochodu? Bez względu na to, czy planujesz zakup nowego, czy używanego auta, na pewno będziesz chciał przyjrzeć mu się z bliska. Z pomocą przychodzą zdjęcia na oficjalnych stronach internetowych, następnie porównanie kolorów i modeli, by na końcu dokładnie przyjrzeć się aucie w salonie lub u sprzedawcy. Analiza wizualna jest tu zawsze kluczem do sukcesu sprzedaży.

 

Z tymi czynnikami na uwadze, nasz partner zaproponował nam unikalny pomysł biznesowy. Ich celem było zwiększenie efektywności, prostoty i skuteczności procesu sprzedaży samochodów dla użytkowników ich platformy sprzedażowej poprzez wprowadzenie innowacyjnych technologii automatyzacji.

 

Jako firma myśląca przyszłościowo i specjalizująca się w automatyzacji skomplikowanych procesów, w xBerry zawsze angażujemy się w pełni, by jak najefektywniej wspomagać sukces naszych klientów. Jak najprędzej rozpoczęliśmy więc rozwój nowych funkcji dla aplikacji klienta, które miały na celu automatyzację wyboru filtrów w celu optymalizacji jakości wizualnej zdjęć samochodów przesyłanych przez użytkowników w ich ofertach sprzedażowych.

Cele

Naszym celem było wzbogacenie aplikacji naszego klienta o funkcję umożliwiającą użytkownikom optymalizację jakości wizualnej zdjęć samochodów dodawanych do ich ofert sprzedażowych poprzez automatyczny wybór filtrów.

 

Początkowy koncept polegający na ręcznym przetwarzaniu tych zdjęć przez dedykowany zespół okazał się niewystarczający w dobie automatyzacji i efektywności.

 

W odpowiedzi na to chcieliśmy stworzyć rozwiązanie, które automatycznie analizuje każde dodane przez użytkowników zdjęcie, prezentując trzy zoptymalizowane opcje uwzględniające kolor, oświetlenie i jakość obrazu. Użytkownik może następnie wybrać najlepszą opcję według swoich preferencji i dodać ostateczne zdjęcie do swojej oferty sprzedażowej.

 

Co więcej, w xBerry przeszkoliliśmy model uczenia maszynowego, aby identyfikował najbardziej preferowane estetycznie wersje na podstawie wyborów użytkowników, ciągle doskonaląc dalsze rekomendacje filtrów, aby lepiej odpowiadały gustom użytkowników aplikacji.

Rozwiązanie

  • Wybór Pythona jako głównego języka do tworzenia backendu był podyktowany jego kompatybilnością z algorytmami uczenia maszynowego, co umożliwiło efektywne implementowanie i integrację potrzebnych funkcjonalności.

  • Wybór AWS jako dostawcy infrastruktury w formie IaaS dla środowiska produkcyjnego wynikał głównie z jego dostępności oraz prostoty implementacji i utrzymania.

  • Do tworzenia interfejsu użytkownika, który będzie intuicyjny i przyjazny, zdecydowaliśmy się na użycie React.

  • Aby stworzyć model uczenia maszynowego, wykorzystaliśmy TensorFlow w celu usprawnienia procesu tworzenia, umożliwiając efektywne szkolenie i wdrożenie modelu.

Rezultat

Integracja udanej automatycznej obróbki zdjęć okazała się rozwiązaniem oszczędzającym koszty i czas dla naszego klienta. Wykorzystanie uczenia maszynowego ciągle polepsza zdolność aplikacji do wyboru optymalnej edycji zdjęć, co przekłada się na zwiększoną satysfakcję użytkowników i wzrost sprzedaży.

 

Proces edycji zdjęć został zoptymalizowany i teraz zajmuje nie dłużej niż 30 minut. Do dziś aplikacja przetworzyła ponad 2 miliony zdjęć (a liczba ta ciągle rośnie!).

 

*Szczegóły i nazwa projektu są poufne i chronione przez NDA.

Tech Stack

Python
Flask
PyTorch
Docker
Jupiter
React
AWS
TensorFlow

Planujesz nowy projekt?

Porozmawiajmy Arrow icon