Mejorando la calidad de las imágenes en un marketplace inmobiliario

Trabajamos en un marketplace inmobiliario líder en Medio Oriente y nuestro propósito es ayudar a las personas a encontrar el hogar perfecto. Nuestra experiencia de usuario está optimizada para que la gente pueda navegar sin esfuerzo entre una enorme cantidad de opciones de propiedades sin salir de casa. Después de elegir sus opciones favoritas, también ofrecemos maneras sencillas de contactar a los agentes inmobiliarios que pueden darles seguimiento.

Aunque optimizamos y mejoramos continuamente la experiencia de usuario, siempre hay nuevas áreas de oportunidad.

Tenemos buenos mecanismos para recopilar retroalimentación de los usuarios y, si bien la mayoría es positiva, enfocarnos en la negativa es lo que nos permite avanzar.

Un tuit de un usuario

Por favor agreguen también una opción para ocultar todos los anuncios que no tengan fotos decentes de la unidad que están vendiendo.

El tuit anterior deja ver a un usuario insatisfecho con la calidad de algunos de nuestros anuncios. Revisar manualmente más de 100,000 anuncios activos al día no es nada fácil y, aunque repartir la tarea entre muchas personas podría resolverla, no sería eficiente en costos.

Para dar contexto, así es el proceso actual de creación del contenido de una propiedad:

1. El dueño de una propiedad que quiere venderla o rentarla se acerca a un agente.
2. El agente y el dueño firman un contrato que incluye las características de la propiedad, además de otros detalles.
3. Dependiendo de su presupuesto, el agente puede contratar a un fotógrafo profesional para tomar las fotos de la propiedad, tomarlas él o ella mismo con un celular o una cámara, o pedirle las imágenes al dueño de la propiedad.
4. El agente crea un título y una descripción, y transcribe algunas de las características de la propiedad en la aplicación Manager del marketplace, o a través de un sistema de Customer Relationship Management (CRM).
5. El agente envía la información.

Como se menciona en la guía oficial del quality score, el único factor de calidad que se considera para las imágenes es la cantidad de fotos. Si el agente sube diez imágenes, aun cuando estén repetidas, obtiene la calificación perfecta en esa sección. En consecuencia, no existe un incentivo especial para que los agentes suban buenas imágenes.

Objetivos

1. Crear un algoritmo que nos permita detectar de forma cuantitativa las imágenes de baja calidad.
2. Diseñar un conjunto de acciones para mejorar la calidad general de las imágenes del marketplace.

Características de las imágenes en anuncios de baja calidad

Duplicación

Dada la definición actual de calidad de imagen, uno de los casos más comunes de anuncios de baja calidad es la inclusión de una o más imágenes duplicadas. Esto suele pasar porque los agentes no tienen suficientes imágenes para cubrir nuestra cuota de diez fotos. Por ejemplo, propiedades sin amueblar o propiedades sin el espacio suficiente para tomar varias tomas distintas. Imagina tomar diez fotos diferentes de un estudio. Las imágenes duplicadas no le aportan valor al usuario y consumen tiempo valioso de búsqueda.

Imágenes con ruido

Las imágenes con ruido son resultado de que el fotógrafo no enfoca correctamente la toma. Hoy en día, la mayoría de las cámaras incorporan algoritmos de autoenfoque; sin embargo, sigue siendo común encontrar ruido en las imágenes de los anuncios. Los tipos de ruido más comunes en nuestros anuncios son: desenfoque, compresión y malas condiciones de iluminación. Las imágenes con ruido no son deseables porque degradan la experiencia de usuario al ocultar los detalles pequeños, pero esenciales, de los acabados de la propiedad.

Actualmente, parte del ruido en las imágenes lo provoca la forma en que las comprimimos para mejorar el tiempo de carga del sitio. De aquí en adelante, contar con una aproximación de un puntaje de calidad nos ayudará a optimizar el algoritmo de compresión de imágenes sin comprometer el rendimiento del sitio.

Enfoque

Antes que nada, queríamos seleccionar un algoritmo que recibiera una imagen como entrada y devolviera un puntaje de 0 a 100. Existen varios algoritmos conocidos que atacan el problema, entre ellos DIIVINE, BLIINDS2 y BRISQUE. Son algoritmos híbridos que se apoyan en la distribución de las estadísticas de escenas naturales (NSS, por sus siglas en inglés). En teoría, la distribución de las NSS en imágenes distorsionadas (de mala calidad) es distinta a la de las imágenes de buena calidad. Primero se calculan las características NSS de cada imagen; después, esas características se mapean al puntaje de calidad correspondiente usando algoritmos de machine learning.

Los métodos más avanzados se apoyan en deep learning para mapear características aprendidas a los puntajes relativos. Su principal desventaja es que requieren una gran cantidad de muestras para funcionar con precisión.

Al final elegimos BRISQUE porque es eficiente (para los detalles del método haz clic en el enlace de abajo) y, según la bibliografía, tiene un buen desempeño. En promedio tarda 0.2 segundos en procesar una imagen y la correlación entre el algoritmo y el puntaje de calidad relativo es mayor a 0.92 en benchmarks como LIVE IQA y TID2008.

Automatic Image Quality Assessment in Python

Resultados

Ejecutamos el algoritmo de evaluación de calidad sobre todas las fotos de nuestro sitio y tomamos el promedio por anuncio para calcular un puntaje de calidad de imagen. El algoritmo de evaluación de calidad no es perfecto; sin embargo, al aplicarlo al conjunto completo de imágenes de un anuncio, funcionó bien para separar los anuncios con buenas imágenes de los que tenían imágenes deficientes. La diferencia de exactitud entre nuestra base de datos y los benchmarks fue un poco decepcionante, aunque ya lo esperábamos porque los benchmarks se construyeron con ruido sintético.

La distribución del puntaje de calidad de imagen presenta un sesgo hacia la izquierda, lo que significa que la dispersión de las imágenes de baja calidad es mucho mayor que la de las de buena calidad. La mayoría de las fotos son de calidad regular.

En la Fig 8, abajo, se puede ver que el puntaje promedio de calidad de imagen en nuestro sitio es más bajo que antes. Por eso es urgente tomar acciones y empezar a premiar a los agentes que hacen un excelente trabajo con la calidad de las imágenes que suben.

Impacto de la calidad de imagen en las vistas y los leads de los anuncios

Realizamos algunos experimentos para predecir el efecto del puntaje de calidad de imagen en las vistas y los leads de los anuncios, incluyendo algunas variables de control (precio de la propiedad, ubicación, tipo de oferta, tiempo publicado, entre otras) para aislarlo. Los anuncios con un puntaje de calidad regular (de 85 a 95), comparados con los de puntaje bajo (0 a 60), tuvieron 20% más vistas, y los anuncios con un puntaje de calidad excelente (95 a 100) mostraron 30.85% más vistas.

Además, los anuncios con un puntaje de calidad regular tuvieron 24.43% más leads que los de baja calidad, y los anuncios con un puntaje de calidad de imagen excelente tuvieron 49.62% más leads que los anuncios con puntaje bajo.

Siguientes pasos

El siguiente paso es incluir el puntaje de calidad de los anuncios dentro de nuestro algoritmo de ranking, para motivar a brokers y agentes a mejorar la calidad de su contenido.

Conclusiones

Escuchamos continuamente a nuestros usuarios, y una de las quejas más frecuentes es la calidad de las imágenes de nuestros anuncios. Dependemos de que los agentes sean cuidadosos y creativos al crear su contenido. Sin embargo, en las condiciones actuales falta un incentivo para que los agentes proporcionen las mejores imágenes, y por eso estamos invirtiendo en esta área. El algoritmo BRISQUE demostró ser una solución más que satisfactoria para descubrir el efecto de la calidad de imagen en las vistas y los clics de los anuncios. Además, nos permite mantener una comunicación constante con los agentes para ayudarlos a mejorar su contenido.