L’Oréal x Converteo: inteligencia artificial al servicio del análisis y la clasificación de contenidos a gran escala
Contexto
La respuesta de los consumidores de cosméticos se ha fragmentado considerablemente. Ahora pasa por las redes sociales y las plataformas conversacionales, dejando atrás a las marcas de los motores de autobuses tradicionales. Para seguir siendo competitiva, una empresa del sector de la belleza debe dominar el lenguaje de las máquinas.
Como cuarto mayor anunciante del mundo, L’Oréal produce volúmenes ingentes de activos creativos (vídeos de influencers, imágenes para redes sociales y audios), almacenados a escala de petabytes. Esta explosión de contenidos, impulsada por la necesidad de hiperpersonalización, ha generado una necesidad crítica de gobernanza. El reto ya no consiste únicamente en generar contenido, sino también en analizarlo, clasificarlo y comprender su rendimiento para alimentar las futuras estrategias de marketing.
Objetivos
Converteo ha acompañado a los equipos de L’Oréal, en colaboración con Google Cloud, en el diseño y la industrialización de una solución de inteligencia artificial generativa (LLM) que permite:
- Convertir los activos creativos de la marca en una fuente de datos fiable, estructurada e interoperable.
- Desplegar una arquitectura cloud agnóstica y automatizada, capaz de procesar millones de archivos multimedia.
- Resolver el reto de la taxonomía mediante el proyecto Taxofix, asignando automáticamente la franquicia y subfranquicia correctas a cada campaña publicitaria.
- Optimizar los costes de infraestructura (FinOps) adaptando los prompts a la lógica cognitiva de los modelos.
Etapas del proyecto
Definición estratégica y arquitectura cloud
- Elección de la interoperabilidad:
Diseño de una arquitectura abierta (pasarela API y gestión de modelos) para evitar depender de un ecosistema cerrado y mantener el control de la hoja de ruta tecnológica.
Resultado: una base tecnológica sostenible, independiente de las fluctuaciones del mercado de la IA.
- Implementación de un pipeline gestionado:
Despliegue de tareas en contenedores (Cloud Run) activadas por eventos. Cada nuevo activo incorporado a un espacio de almacenamiento desencadena automáticamente un análisis mediante la API de Gemini y alimenta directamente las tablas de BigQuery.
Resultado: autonomía total para los equipos de negocio, que pueden consumir los datos sin tener que dominar la complejidad de la infraestructura subyacente.
El proyecto Taxofix: automatización de la taxonomía mediante deep learning
- Definición de la necesidad de negocio:
Ante la gestión de más de 60.000 campañas digitales, las agencias de medios tenían dificultades para asignar manualmente el producto correcto dentro de un catálogo de referencia compuesto por 3.000 franquicias y 8.000 subfranquicias, lo que dificultaba el cálculo fiable del ROI.
- Análisis multimodal:
El modelo Gemini recibe el vídeo (MP4), la descripción de la publicación en redes sociales y el catálogo de referencia estricto.
Resultado: el modelo puede identificar la marca y la oferta específica, además de justificar el razonamiento que sustenta su predicción.
Optimización cognitiva y enfoque FinOps
- Adaptación del prompt al razonamiento algorítmico:
Análisis de los errores del modelo —que funciona mejor descartando opciones que seleccionando directamente la correcta— para reformular las instrucciones en el «lenguaje» de la máquina.
- Reducción de costes (tokens):
División del flujo de trabajo en claves separadas. Primero, el modelo utiliza el vídeo para identificar la marca y la descripción textual; después, utiliza el mensaje de texto únicamente para identificar el subtítulo, evitando continuar con el vídeo de su vehículo.
Resultado: reducción del 50 % en el consumo de tokens con el mismo nivel de rendimiento, gracias a una arquitectura sin servidor facturada exclusivamente para nosotros.
Resultados
- Retorno multiplicado en la clasificación taxonómica: la identificación correcta de la franquicia y la subfranquicia pasa de menos del 50% a más del 90% en los vídeos publicitarios.
- Escalada validada: industrialización completada con 2 millones de vídeos, manteniendo un stock superior al 85%. Se realizan las cargas mínimas posibles con 900.000 actividades simultáneas.
- Ventajas en productividad: un conjunto de datos no estructurados —el legado creativo de la marca— se ha convertido en una base de datos fiable y reutilizable para su uso futuro por parte de agentes y para la optimización de medios.
