Singh es director general y cofundador de gazeMetrix, una empresa que utiliza la visión por ordenador y el aprendizaje de máquinas para reconocer logotipos de marcas en las fotos compartidas en sitios de medios sociales. La compañía es una entre varias dedicadas a analizar imágenes para fines de marketing y publicidad, facilitando a las empresas realizar un seguimiento de sus marcas y promocionarlas, para tal vez dirigir con mayor precisión los anuncios a los consumidores.
Puesto que las imágenes son una forma cada vez más popular de contenido social, este tipo de análisis tiene sentido: coleccionar "me gusta", hacer un seguimiento de hashtags y extraer tuits y comentarios de las menciones de una marca puede ser de ayuda, pero las imágenes muestran con mayor precisión cómo se utilizan (e intercambian) productos como los zapatos deportivos Nike.
"Una cosa que tenemos absolutamente clara es que es un indicador del grado de visibilidad de las marcas en la vida de la gente", asegura Singh.
Las empresas pueden utilizar gazeMetrix para ver con qué frecuencia aparecen sus logotipos en Instagram (y pronto también en otros servicios), y para responder a las personas que publican estas imágenes. Con el tiempo, la información de gazeMetrix podría aportar conocimientos sobre temas como, por ejemplo, qué otros productos de una empresa prefieren los clientes. Eso resulta potencialmente útil para quienes traten de dirigir anuncios y tomar decisiones acerca de asociaciones empresariales. Singh señala que grandes compañías como Coca-Cola y Nike están probando el servicio.
Singh y sus dos cofundadores comenzaron a experimentar con la búsqueda de logos en fotos de medios sociales este verano pasado. Utilizaron un tipo de tecnología de reconocimiento de imágenes que habían desarrollado originalmente para un servicio capaz de identificar aplicaciones en teléfonos inteligentes de nuestros amigos y luego encontrarlas en la tienda de aplicaciones de nuestro teléfono. (El servicio, llamado Bring, no logró hacerse popular). Analizaron imágenes compartidas en Twitter para ver cuánta gente subía imágenes con el logotipo de Starbucks, algo que presumían sería fácil de encontrar y bastante común, dada la preponderancia de tiendas Starbucks y el número de personas que van por ahí con tazas para llevar. Rápidamente se dieron cuenta de que iban por el camino correcto: el primer día vieron más de 10.000 logos.
"Yo no me lo creía al principio, pero fuimos más allá y nos dimos cuenta de que era real: la gente estaba tomando muchísimas fotos de tazas de Starbucks", indica Singh.
GazeMetrix fue lanzada en diciembre en Instagram y desde entonces ha recopilado datos sobre 35.000 marcas. Está haciendo un seguimiento activo de unas 100 de ellas. La compañía vio más de 250.000 logos de Starbucks solo en el mes de febrero, señala Singh. Durante las próximas semanas, también planea comenzar a hacer un seguimiento de fotos publicadas en servicios populares en Twitter, como Twitpic y Yfrog. Pero no en Facebook. Singh afirma que la mayoría de las fotos publicadas públicamente en la mayor red social no son generadas por el usuario, por lo que el esfuerzo no vale la pena.
GazeMetrix aprovecha la interfaz de programación de aplicaciones de Instagram, que permite a otros programadores acceder a sus datos, utilizándola para enviar su flujo de imágenes a varios servidores donde un algoritmo determina si un logo podría estar presente. De ser así, gazeMetrix utiliza otros algoritmos para tratar de igualar el logo con uno en su base de datos. Si el software está extremadamente seguro de haber encontrado una coincidencia entre un logotipo existente y otro en una nueva foto, la imagen se envía al feed de logos de la compañía. Si existen más dudas, puede ser revisado por un ser humano.
Los expertos en visión por ordenador señalan que lo que hace gazeMetrix no suena complicado, sobre todo puesto que los logos corporativos están diseñados para destacar. Sin embargo, Kevin Bowyer, presidente del departamento de ciencias informáticas e ingeniería de la Universidad de Notre Dame, se refiere a ello como "una buena e interesante aplicación de una tecnología que ha madurado durante los últimos veinte años". James Hays, profesor asistente en el departamento de ciencias informáticas de la Universidad Brown, añade: "Definitivamente creo que van a surgir muchas cosas de todo esto".