Captiver le regard avec une mode audacieuse

La curation des données, futur goulet d'étranglement du marketing ?

À la tête d'un catalogue de vêtements audacieux et haut de gamme, Burberrry utilise des milliers d'images provenant d'un large éventail de sources dans ses campagnes marketing. La société doit classer ces précieux assets avec une grande précision pour en faire un usage efficace dans ses campagnes, et ainsi susciter l'action attendue auprès de l'audience ciblée.

« Nous exploitons des ensembles de données non structurées très volumineux pour entraîner nos modèles de détection et de classification d'objets, » explique Harry Collings, Data Science Manager chez Burberry. « Il est tout simplement impossible d'identifier et d'étiqueter toutes ces images à la main. Et comme nos modèles de reconnaissance d'image doivent identifier des produits extrêmement spécifiques, nous en avons conclu qu'il nous fallait une solution spécialisée, capable de travailler avec précision et d'éliminer les étapes manuelles du processus. »

Dans cette optique, Burberry s'est récemment mis en quête d'une solution technologique capable d'améliorer les données pour entraîner ses modèles rapidement et facilement. L'entreprise espérait pouvoir produire des étiquettes pour des milliers d'images et les incorporer de façon transparente à un pipeline de développement de modèle facile à réutiliser. Dans un premier temps, Burberry s'est tourné vers un outil open source conçu pour l'annotation d'image. L'application fonctionnait mais présentait de graves inconvénients.

« Notre outil open source était dépourvu d'une interface capable de lire dans nos sources de données, » se rappelle H. Collings. « Il fallait stocker toutes les images localement sur la machine d'un data scientist, ce qui était loin d'être idéal pour une entreprise de notre taille. Pour étiqueter un millier d'images, il fallait deux heures à un collaborateur – qui ne pouvait enregistrer son travail que dans un fichier JSON. Nous savions qu'il était temps d'opter pour une solution commerciale plus robuste. »

Des décisions marketing plus judicieuses grâce aux insights fournis par Labelbox et Databricks

En évaluant différentes solutions d'annotation d'images, Burberry a privilégié les plateformes capables de s'intégrer à son implémentation de Databricks. L'entreprise connaissait déjà les avantages d'une plateforme d'analytique unifiée, mise à la disposition de toutes ses parties prenantes.

« Quand nous avons lancé notre plateforme lakehouse Databricks, nos data engineers, nos analystes et nos utilisateurs métier se sont mis à collaborer comme jamais, » relate Ben Halsall, Analytics Technology Director chez Burberry. « Les équipes interagissent facilement les unes avec les autres grâce aux notebooks, tout en partageant la propriété des tâches. Avec le lakehouse, nous avons supprimé les limitations des data warehouses traditionnels. Nos analystes peuvent désormais prendre n'importe quel jeu de données, structurées ou non, et en extraire immédiatement de la valeur commerciale. »

Si Burberry s'est penché sur Labelbox, c'est en partie en raison de son étroite intégration à Databricks. La société a rapidement découvert que Labelbox offrait un processus d'achat bien plus centré sur le client que ses concurrents.

« L'équipe de Labelbox s'est immédiatement adressée à nous en employant les termes du prêt-à-porter de luxe, comme si elle avait fait d'importantes recherches en amont, » explique B. Halsall. « Face à une compréhension aussi juste de nos besoins, nous étions très impatients de lancer une preuve de concept. La réactivité et l'appui dont nous avons bénéficié dès le départ ont été très impressionnants. »

Burberry n'a eu aucun mal à prendre Labelbox en main, et la solution a rapidement fait ses preuves. « Nous avons eu une révélation en voyant à quel point il était facile d'importer dans Labelbox les images de notre bucket Amazon S3 via une API, » explique H. Collings.

Une fois que Burberry a officiellement choisi Labelbox, B. Halsall et son équipe ont connecté la solution au cloud privé virtuel central de l'entreprise et à S3. Ils ont ensuite créé une intégration plus réduite qui envoie la majeure partie de leurs assets principaux dans S3. L'équipe traite désormais les images comme n'importe quel autre jeu de données dans sa plateforme lakehouse Databricks. La solution a été opérationnelle en un mois pour les membres de l'équipe Data Science. Suite à des démonstrations en interne, les utilisateurs métier et marketing ont été rapidement intégrés.

« Grâce à Labelbox et Databricks, les membres de toute l'entreprise peuvent envoyer des images et les soumettre à des modèles pré-entraînés qui prédisent l'engagement qu'elles peuvent susciter dans les prochaines campagnes, en s'appuyant sur la modélisation des campagnes précédentes, » détaille H. Collings. « Les utilisateurs peuvent consulter un classement des images déjà envoyées et obtenir des insights qui les aideront à prendre de meilleures décisions pour leur campagne en cours. »

Générer deux mois d'insights en deux heures seulement

Avant d'implémenter Labelbox, il fallait à Burberry deux mois – et beaucoup d'efforts de la part de son équipe Data Science – pour obtenir des insights sur les images. Aujourd'hui, ce processus en self-service ne prend que deux heures. Un gain de temps dont l'impact est visible sur la qualité des décisions.

« Non seulement nous aidons nos collaborateurs à choisir les meilleures images pour leurs campagnes, mais nous obtenons également un suivi des revenus générés par les e-mails qu'ils envoient, » poursuit H. Collings. « Ces informations influencent chaque lot d'images que nous produisons et permettent d'améliorer nos programmes marketing en continu. »

Sans Labelbox, Burberry n'aurait tout simplement pas les ressources disponibles en interne pour créer un produit capable d'annoter un tel volume d'images avec efficacité, tout en identifiant les cas limites permettant d'optimiser la performance des modèles. « Il me faudrait une équipe de 10 personnes, ne serait-ce que pour créer un produit permettant de voir toute notre iconographie. Et je ne parle même pas de générer des insights, » souligne H. Collings. « Dans notre workflow quotidien, Labelbox nous fait gagner un temps fou, tout en produisant une valeur considérable. »

En parallèle, la plateforme lakehouse Databricks de Burberry continue de dépasser ses espérances. Quand l'entreprise a monté le dossier commercial visant à comparer Databricks à sa précédente plateforme cloud, elle attendait en effet des performances comparables. Mais depuis, Databricks a lancé son moteur Photon, les optimisations de clusters et bien d'autres améliorations.

« Quand nous observons les performances sur cinq ans, la longue feuille de route d'innovations technologiques de la plateforme lakehouse Databricks a fait littéralement baisser nos coûts, même si notre communauté d'utilisateurs a augmenté, » se réjouit B. Halsall. « Nous avons atteint la parité dès la première année et réduit le TCO depuis, tout en offrant à nos ingénieurs, nos analystes et nos data scientists une meilleure expérience. Avec Databricks, nous abordons tous les défis d'analyse avec une confiance totale. »

Burberry poursuit l'accélération de ses programmes marketing et importe toujours plus de données, en s'appuyant sur le Unity Catalog Databricks. Cela lui permet de sécuriser ses données et de rester en conformité avec les réglementations sur la protection de la vie privée. Autre aspect très apprécié de Burberry, Databricks et Labelbox alignent le tarif de leurs solutions sur la valeur commerciale.

« Databricks et Labelbox nous facturent en fonction des ressources consommées plutôt que du nombre d'utilisateurs, » explique H. Collings. « Ce modèle est davantage en phase avec la valeur produite par ces solutions. Il offre également une meilleure visibilité au fil de notre croissance. Nous avons une confiance totale dans les partenaires que nous avons choisis pour avancer. »