"Un'immagine vale più di mille parole"
È un detto che tutti abbiamo già sentito e dal contenuto del nostro newsfeed, è facile capire quanto sia vero. Mentre scorriamo, siamo bombardati da immagini con poco o nessun testo su di esse.
Nell'evoluzione delle piattaforme di social media più popolari, siamo passati da Facebook, dove i post scritti erano la marmellata, a Instagram, dove le immagini non sono solo il punto focale della piattaforma, ma la loro qualità estetica dovrebbe essere eccellente. Le funzionalità di riproduzione automatica su queste piattaforme hanno reso i video onnipresenti e vitali e, infatti, vediamo folle più giovani spostarsi su TikTok, una piattaforma interamente basata su contenuti video. Ma cosa sono i video se non una serie di immagini? Il visual è al centro del nostro mondo online ed è sulla base di questa osservazione che cerchiamo di indagare cosa può dirci una ricerca di immagini sul crowdlending.
Ok Google, cosa vedi?
La nostra metodologia non è molto diversa da quella che potrebbe essere chiunque cerchi crowdlending: abbiamo aperto Google e cercato “crowdlending” nelle sue immagini (con l'aiuto di python). Abbiamo scaricato le prime 300 immagini* e poi le cose si sono fatte più interessanti, dal punto di vista della scienza dei dati.
*Una breve nota: abbiamo eseguito questo comando il 21 febbraio 2020 e sul computer di Cédric, il nostro stagista di data science. A questo punto, alcune delle immagini risultanti dalla stessa query potrebbero essere diverse. Nella figura successiva, mostriamo tutte le immagini raccolte.
Avremmo potuto chiedere a esperti visivi e designer di fare qualche analisi per noi, ma poiché volevamo utilizzare tecniche di apprendimento automatico su dati alternativi, immagini, abbiamo chiesto all'API Google Cloud Vision.
Il primo passo per l'API è stato identificare i componenti delle nostre immagini, eseguire il rilevamento degli oggetti su ciascuna immagine del campione e classificare gli oggetti rilevati dal più al meno presente. L'API ha permesso di raccogliere le tre principali “annotazioni” identificate nelle immagini per ciascuna delle 300 immagini (900 annotazioni in totale). La figura successiva mostra l'occorrenza delle 14 annotazioni più presenti.
Le tre annotazioni più identificate sono: testo, font e linea. L'annotazione "testo" ci dice che c'è del testo nell'immagine, l'annotazione "font" ci dice che nell'immagine è identificato un font chiaro e l'annotazione "line" ci dice che una parte importante dell'immagine è o un grafico, una figura o un diagramma.
Qui presentiamo lo stesso output ma questa volta in termini di percentuale.
Abbiamo deciso di fare un'analisi delle immagini eppure, 32% delle nostre immagini contengono testo... Deluso o no, questo ci dice ancora molto sul modo in cui il crowdlending è visto online: le immagini di crowdlending sono create per essere illustrazioni descrittive.
E Google è d'accordo con noi: 7% delle immagini sono identificate come illustrazioni, 2% come design, 2% come graphic design, 4% come diagramma e 2% come cartoon. È ovvio che la maggior parte di queste immagini includerebbe del testo, il che spiega l'elevata presenza di testo, font e righe nelle nostre annotazioni.
È interessante notare che 5% delle immagini sono loghi di società di crowdlending.
Testo, ma cos'altro?
Come ci si potrebbe aspettare, la "folla" in "crowdlending" viene rappresentata visivamente, "persone" e "gruppo sociale" (riquadri rossi) sono nell'elenco delle annotazioni. Troviamo anche “drum” e “bowling equipment” (telai verdi), che non sono le prime cose che vengono in mente quando si pensa al crowdlending.
Un'annotazione interessante per la sua assenza è “volto umano”. Nella nostra raccolta di immagini non ci sono individui specifici, solo gruppi di essi. Questo è molto diverso dalle immagini del settore bancario. Le banche spesso ritraggono singoli volti umani per rappresentare un consulente, per mostrare i servizi su misura forniti o per presentare un top manager dell'azienda. Per le piattaforme P2P l'accento è posto più sul potere collettivo del gruppo o della folla e, di conseguenza, non è stato rilevato un singolo volto umano nel campione.
Guardiamo oltre le annotazioni
Quando si scartano le varie sfumature di grigio e marrone che dominano la maggior parte delle fotografie, l'API di Google ci dice che i colori più dominanti nelle nostre immagini sono il verde (5% dell'epoca) e il blu (4% dell'epoca). Queste percentuali possono non sembrare molto alte, ma sono comunque informative.
Il verde è un colore considerato stabilizzante nel design grafico e nella maggior parte delle culture occidentali è associato alla rappresentazione della crescita, della calma e dell'abbondanza. In un'analisi più ad hoc, possiamo vedere che le immagini di crowdlending utilizzano il verde per evidenziare la crescita del mercato P2P e per enfatizzarne la stabilità.
Allo stesso modo, il colore blu è associato a responsabilità, forza e affidabilità. Non sorprende che venga rilevato principalmente all'interno delle immagini del logo, il che suggerisce che le società di crowdlending lo stiano utilizzando per esprimere la propria affidabilità nei confronti di potenziali investitori o mutuatari.
Il blu e il verde sono molto diffusi online (si pensi alla piattaforma Facebook), ma ancora di più nelle immagini di comunicazione esterna fornite da banche e altri istituti finanziari. Che si tratti di una società bancaria tradizionale o di una neonata piattaforma di crowdlending, entrambe esercitano all'interno del settore finanziario dove l'affidabilità e la fiducia sono i driver principali di qualsiasi transazione.
Ma guardiamo più a fondo
Abbiamo fatto alcune delle nostre analisi generalizzando ogni immagine fino al suo colore più dominante. Il risultato è un mix unico di colori primari, vale a dire rosso, verde e blu. Gli output possono essere visualizzati nei grafici radar nella figura successiva. Per ogni colore dominante raccolto abbiamo quindi estratto la quantità di rosso, verde e blu e li abbiamo sommati. Abbiamo anche utilizzato lo stesso approccio, ma questa volta abbiamo aggiunto ogni valore di colore distinto moltiplicato per il suo peso o proporzione all'interno dell'immagine.
Osservando il primo grafico radar si possono fare diverse osservazioni. Supporta i rilevamenti dell'API Google Cloud Vision: il verde è stato precedentemente rilevato come il più presente nelle immagini di crowdlending, seguito dal blu e quindi dal rosso. Basandoci esclusivamente sui valori dei pixel otteniamo lo stesso ordine.
Tuttavia, sul secondo grafico radar, quando si tiene conto del peso all'interno dell'immagine corretta, i pixel rossi prendono il comando, seguiti dal verde e infine dal blu. Poiché l'unica cosa che è cambiata è la considerazione del peso all'interno dell'immagine, devono essere la ragione per cui, secondo questa analisi, il rosso è il colore più ricorrente. Infatti il valore dei pixel rossi non cambia, quindi per essere davanti sia al verde che al blu, i pixel rossi devono essere associati a pesi elevati all'interno dell'immagine. Ciò significa che quando dominano i pixel rossi, non condividono l'immagine con molti altri colori; mentre anche quando dominano i pixel verdi e blu, l'immagine contiene molti altri colori.
Ciò può essere spiegato dalle linee guida del design: il rosso è generalmente visto come un colore così prepotente che viene combinato solo con sfondi bianchi o grigi.
Il lato positivo…
Facciamo un passo indietro e osserviamo più in generale le immagini, sono chiare o scure?
Per condurre un'analisi chiaro/scuro, abbiamo nuovamente ridotto ciascuna immagine al suo colore dominante. Quindi, per ogni colore primario, abbiamo determinato se fosse sullo spettro chiaro o scuro.
Dalla figura sopra, possiamo osservare che la stragrande maggioranza dei colori dominanti è composta da colori primari chiari. Sulla base di questi risultati deduciamo che la maggior parte delle immagini di crowdlending ha un colore dominante chiaro. Possiamo presumere che l'immagine media del crowdlending sia principalmente leggera.
Questa intuizione favorisce l'atmosfera positiva che il verde e il blu infondono nelle immagini. I toni chiari sono associati al giorno e alla trasparenza, promuovendo il messaggio che il crowdlending è un'attività positiva e affidabile.
Disegno composito di Final Crowdlending:
La nostra analisi ci ha dato un'idea abbastanza chiara di come appare l'immagine media del crowdlending. È informativo e generalmente include testo e una figura, a volte un gruppo di persone. Ispira positività e affidabilità utilizzando un mix di colori in cui il verde e il blu sono dominanti. È spesso accompagnato da un logo e da un'attrezzatura da bowling... aspetta, cosa?
Ecco il nostro tentativo di adattarsi al meglio alla descrizione:
*Un ringraziamento speciale va a Cedric Higel, il nostro stagista data scientist che ha svolto un ruolo importante nella produzione e nella stesura di questo articolo. Lo stesso vale per Benedetta Pusateri, che ha svolto un ottimo lavoro di montaggio.
