Proyecto de Data Science. Customizando con Machine Learning

Una de las preguntas más frecuentes cuando vas a comprar algo en tiendas online es “¿cómo sé que esto está hecho para mí?, ¿me quedará bien?, ¿será mi talla y el modelo que mejor me sienta?”

Ante estas dudas, el usuario suele desplazarse a una tienda física donde pueda probarse el producto. Esta acción supone una traba para los e-commerce, ya que retrasa la toma de decisión de adquirir el producto, y además obliga a las empresas a disponer de sus productos en algún lugar físico, con los costes de distribución o gastos fijos que esto supone.

¿Cómo acelerar el proceso de compra gracias al Data Science?

En este proyecto desarrollado por Gonzalo Saravia Martínez, antiguo alumno del Data Science Bootcamp de Madrid, se propuso acelerar el proceso de toma de decisión en las tiendas online de gafas de sol mediante la customización, utilizando el Machine Learning para poder ofrecer un servicio más personalizado.

La idea reside en que cuando entres a la página web de venta de gafas, el algoritmo te devuelve sugerencias de las gafas que mejor te quedan teniendo en cuenta el estilo de la gafa y la forma de tu cara. 

Para lograr esta customización, se empezó clasificando los distintos tipos de cara a través de un esquema que funcionaría como guía para poder entrenar a la máquina con las variables: tipo de cara y tipo de gafas.

Reconocimiento facial y Machine Learning. Fases del proyecto 

Para lograr crear un algoritmo que permitiese identificar, desde una determinada página web, el tipo de gafas que corresponde a cada tipo de cara, se llevaron a cabo los siguientes pasos:

1. Análisis de la información 
   Se identificaron las herramientas necesarias para desarrollar un reconocimiento facial del contorno del rostro. Se analizaron páginas web para determinar cuáles contenían los datos necesarios para obtener información mediante Web Scraping. Además, se contó con un banco de imágenes para el entrenamiento del algoritmo.
2. Reconocimiento facial
   A partir del banco de imágenes y utilizando la librería Cv2, se realizó un reconocimiento del contorno de los rostros. Se utilizaron capas y filtros con el fin de encontrar los puntos en los rostros que nos indican qué tipo de cara tiene cada individuo. A continuación se observa un ejemplo del filtro de imagen con los puntos importantes marcados:
   
   
3. Generación de un nuevo dataset
   Considerando los rostros que dieron mejor resultado se generó un dataset con imágenes para poder entrenar al modelo.
4. Entrenamiento del dataset
   Se utilizaron varias herramientas como XGBoost y Random forest para entrenar el modelo y poder predecir el tipo de cara.
5. Web Scraping
   A partir de las tiendas identificadas en la fase de análisis de información, se tomó como referencia una tienda online de gafas de sol para obtener información de los distintos tipos de gafas.
6. Creación de la función
   En esta etapa, se enlazó la función creada en Python para vincular los tipos de caras con los tipos de gafas que mejor se adecúan a las mismas.

Conclusiones

Con el objetivo de acelerar el proceso de decisión de compra en tiendas online, se aplicaron las tecnologías mencionadas a la función de segmentar, según el tipo de rostro, las gafas ideales para el cliente. 

A futuro, mediante la incorporación de nuevas tecnologías, se podría mejorar el modelo de reconocimiento facial. También es posible potenciar y extender el modelo a otros productos y servicios. 

La ampliación del modelo de optimización de tiempos de decisión permite potenciar las ventas de las empresas y ahorrarle tiempo a los consumidores.

Como podemos ver, la Ciencia de Datos abarca una gran amplitud de campos y puede ayudar en diferentes tomas de decisiones. En este caso, Gonzalo utilizó su experiencia y la perspectiva del Marketing para potenciar los procesos de compra en los e-commerce y además mejorar la experiencia del usuario.

Si tú también quieres desarrollar proyectos como este basándote en la información que proporcionan los datos, no lo pienses más, infórmate sobre nuestros Data Science Bootcamp, ¡te esperamos!