Veel contentproducenten delen misschien een soortgelijke nachtmerrie: Ongeordende stapels afbeeldingen en video’s verspreid over bedrijfsschijven, of… durven we te zeggen…zipbestanden in een e-mailketen?!
We hopen zeker dat uw contentmanagement niet zo angstaanjagend is als het doorzoeken van zipbestanden naar de afbeelding die u nodig heeft. Desalniettemin kan elk bestandsbeheersysteem dat het u niet gemakkelijk maakt om te vinden wat u zoekt, eindeloos frustrerend zijn, en een enorme verspilling van tijd.
Vooral naarmate uw digitale bibliotheek groeit, zijn eenvoudige bestandsopvraging en contentconsistentie op uw site(s) afhankelijk van hoe grondig u alles kunt organiseren. Maar het organiseren van al uw video’s, afbeeldingen en meer op een manier die ieders leven gemakkelijker maakt… presenteert een nieuw soort onoverkomelijke uitdaging: Wie heeft daar tijd voor?
Dat is waar een Digital Asset Management platform met slimme tagmogelijkheden in beeld komt!
Wat is een Digital Asset Management platform?
Simpel gezegd, een Digital Asset Management platform of Digital Asset Manager (DAM) is een oplossing die is ontworpen om de verschillende bestanden van het bedrijf georganiseerd en gemakkelijk toegankelijk te houden voor uw teams.
Deze bestanden kunnen alles zijn wat u gebruikt om een uniforme gebruikerservaring op uw site te bieden, inclusief afbeeldingen, video’s, animaties en documenten.
Waarom DAM implementeren?
DAM’s worden wijd en zijd gebruikt door merken met grote digitale portfolio’s, en ze zijn essentieel voor het waarborgen van consistentie over content.
Merken met bijzonder veeleisende bestandsbibliotheken hebben één enkele bron van waarheid nodig waarnaar al hun teams kunnen verwijzen bij het maken van nieuwe content, pagina’s of sites. En een goed georganiseerd DAM, geïntegreerd in het CMS van een merk, vervult deze behoefte!
Assets taggen binnen DAM
Om uw team afbeeldingen, video’s en meer te laten vinden in uw DAM-platform, moet u tags opnemen in de metadata voor elk activum. Deze tags zijn trefwoorden die helpen het bestand te beschrijven, en ze zorgen ervoor dat het verschijnt wanneer teams naar die trefwoorden zoeken.
Stel bijvoorbeeld dat uw bedrijf een afbeelding bezit van een vrouw die spaghetti eet. Relevante tags voor zo’n afbeelding zouden kunnen zijn: vrouw, eten, spaghetti, voedsel. Het zou kunnen verschijnen wanneer uw team zoekt naar “vrouw die eet,” of simpelweg “spaghetti.”
Onvermijdelijk kunt u content (optimaal) niet beheren zonder deze tags—maar wat als u miljoenen bestanden heeft die getagd moeten worden?
Gelukkig komt een DAM met slimme tagging-mogelijkheden dan goed van pas.
AEM Assets: Een Geavanceerde DAM-Oplossing
Er zijn veel DAM-oplossingen die vergelijkbare doelen bereiken—dat wil zeggen, ze creëren een gecentraliseerde hub om al uw digitale eigendommen op te slaan en te organiseren zoals u dat wenst.
Adobe Experience Manager (AEM) Assets is echter een geavanceerd DAM dat een stap boven de status quo uitstijgt, voor bedrijven met complexere behoeften op het gebied van bestandsbeheer.
AEM Assets opent deuren naar nog meer tools en mogelijkheden. Hier zijn slechts enkele van de vele voordelen:
- Eenvoudige creatie van nieuwe contentversies met behulp van Photoshop, Lightroom of zelfs AI.
- Diepgaande analyses van de prestaties van elk activum bij uw klanten.
- De mogelijkheid om te definiëren welke teams welke bestanden mogen gebruiken en in welke mate.
Een van de meest nuttige tools (veruit) die AEM Assets biedt, is het gebruik van Adobe Sensei’s AI om auto-tags toe te passen op nieuwe en bestaande bestanden binnen uw DAM.
Dit stelt u in staat om miljoenen afbeeldingen, video’s en tekstgebaseerde assets in een mum van tijd doorzoekbaar te maken voor al uw teams met relevante tags. En dat is zeker veel beter dan talloze uren te besteden aan het beoordelen van deze digitale eigendommen en tags één voor één toe te passen.
Hoewel dit een ongelooflijk krachtige functie is, is deze niet direct klaar voor gebruik. Laten we dieper ingaan op wat u kunt verwachten van het installatieproces!
Hoe AEM Smart Content Service werkt
AEM Smart Content Service is een functie binnen AEM Assets, die Adobe Sensei AI gebruikt om te leren en te reproduceren hoe u uw digitale eigendommen wilt taggen. Het vertrouwt op intelligentie voor beeldherkenning om uw assets te evalueren en te beslissen hoe u deze het beste kunt taggen.
Hier is een overzicht van het proces, om u een beter idee te geven van waar u mee zult werken:
- U uploadt uw afbeeldingen, video’s of tekstgebaseerde bestanden naar Adobe Assets, waar de AI van Smart Content Service deze direct automatisch zal taggen.
- Nu, wanneer u de assetconsole van het DAM-platform opent, kunt u een trefwoord typen dat het type bestand beschrijft dat u nodig heeft. De console toont u dan alle afbeeldingen, video’s, enzovoort die dat trefwoord in hun slimme tags hebben.
- Als u vervolgens merkt dat sommige zoekopdrachten bestanden opleveren die niet overeenkomen met de zoekopdracht, kunt u de slimme tags van die afbeelding bewerken en de tags verwijderen die niet nauwkeurig lijken.
Training van AEM Smart Content Service
De waarheid is dat zelfs functies die als “slim” worden beschouwd, nog enige training nodig hebben. Hoewel Smart Content Service toegang heeft tot een krachtige AI voor beeldherkenning, zal het niet weten hoe u uw digitale eigendommen getagd wilt hebben als u het niet leert.
Uw bedrijfsclassificatie
Elk bedrijf heeft een vrij unieke taxonomie—wat betekent dat elk bedrijf specifieke taal, beschrijvingen en classificaties gebruikt om de inhoud in hun bestanden te beschrijven.
Een ongetrainde Smart Content Service kan bijvoorbeeld een BMW-motorfiets alleen herkennen als een motorfiets. Onnodig te zeggen dat wanneer u alleen motorfietsen verkoopt… dit geen handige tag is voor uw team.
Vanuit zakelijk oogpunt zou BMW weten dat wanneer hun teams bestanden openen om content te ontwerpen, ze waarschijnlijk zouden zoeken naar afbeeldingen van specifieke modellen.
In dit geval zou uw zakelijke taxonomie de modelnamen zijn die u gebruikt om verschillende motorfietsen te beschrijven. En de Smart Content Service zou dit niet uit zichzelf weten zonder eerst uw specifieke zakelijke taxonomie te leren.
AI genereert AEM slimme tags rond uw zakelijke taxonomie
Het trainen van de AI om uw zakelijke taxonomie te herkennen kan in theorie vrij eenvoudig zijn – u presenteert de AI een map met afbeeldingen die allemaal dezelfde tags gebruiken, met enige variatie tussen visueel vergelijkbare afbeeldingen.
Dit wordt gedaan zodat de AI kan leren identificeren waarom dezelfde tag van toepassing is op verschillende afbeeldingen. Wanneer de Smart Content Service na training andere activa evalueert, zal deze kennis helpen om dezelfde identificatoren op te merken en dezelfde AEM-tags toe te passen.
Om een trainingsproces met uw afbeeldingen effectief uit te voeren, heeft u een paar dingen nodig:
- Minimaal 30 afbeeldingen voor elke tag.
- De visuele gelijkenis tussen afbeeldingen die dezelfde tag delen. (Bijvoorbeeld, hetzelfde model draagt hetzelfde soort shirt in dezelfde pose.)
- Variatie tussen de afbeeldingen die dezelfde tag delen. (Bijvoorbeeld, hetzelfde model in dezelfde pose draagt hetzelfde soort shirt, maar in veel verschillende kleuren.)
- Afbeeldingen met weinig tot geen storende elementen, zoals complexe achtergronden.
- Afbeeldingen volledig getagd met elke tag die relevant is voor hen in uw taxonomie.
Trainingsprocessen kunnen zo vaak als nodig worden uitgevoerd om uw Smart Content Service een complexer begrip te geven van uw behoeften voor AEM slimme tags naarmate deze evolueren.
Echter, zodra u een trainingsproces heeft uitgevoerd, kan de AI niet afleren wat het in dat specifieke proces heeft geleerd. Zorg er dus voor dat, voordat u een trainingsproces uitvoert, de tags en afbeeldingen die u aanlevert nauwkeurig weergeven hoe u wilt dat vergelijkbare assets in de toekomst slim getagd worden.
Assets en AEM tag betrouwbaarheidsscores
Zelfs goed getrainde AI’s zijn niet perfect. Dus, bij het evalueren van afbeeldingen, video’s of tekstbestanden voor slimme tagging in AEM, zal het AI-framework ook een betrouwbaarheidsscore toewijzen aan elke tag.
Deze betrouwbaarheidsscore geeft aan hoe zeker de AI is dat deze tag zeer nauwkeurig is voor dit asset, en wordt uitgedrukt als een getal tussen nul en één. U kunt de betrouwbaarheidsscore ook als een percentage zien—bijvoorbeeld, een betrouwbaarheidsscore van 0,5 zou betekenen dat Adobe Sensei 50% zeker is dat deze tag relevant is voor het asset.
Tags met hogere betrouwbaarheidsscores zullen ervoor zorgen dat het getagde bestand prominenter verschijnt in zoekresultaten bij het zoeken naar trefwoorden die in die AEM tag zijn genoemd. Op dezelfde manier is het minder waarschijnlijk dat uw bestanden verschijnen in zoekresultaten voor tags met lagere betrouwbaarheidsscores.
AEM-gebruikers kunnen ook de betrouwbaarheidsscores evalueren die de AI aan tags toewijst, om te bevestigen of de tag nauwkeurig is voor een bepaald bestand. Dit helpt de AI om te blijven leren, zodat het in de toekomst kan voorkomen dat een onnauwkeurige tag op vergelijkbare assets wordt geplaatst.
De uitdagingen en beperkingen van slimme tagging
In de meeste gevallen neemt slimme tagging in AEM een enorme hoeveelheid druk weg bij merken waarvan de digitale bibliotheken nu te groot zijn om handmatige tagging te ondersteunen.
Echter, net als elke functie, hebben slimme tags in AEM wel degelijk hun beperkingen. Deze beperkingen mogen u er niet van weerhouden om te investeren in AEM Assets en Smart Content Service – maar het is belangrijk om u ervan bewust te zijn terwijl u werkt aan een optimale setup voor automatisch taggen. Enkele beperkingen voor slim taggen in AEM as a cloud service en AEM 6.5 zijn als volgt:
- De AI is eerder geneigd om afbeeldingen van lagere kwaliteit onnauwkeurig te taggen.
- De AI kan geen tags toewijzen op basis van abstracte concepten, zoals de geassocieerde emoties van een afbeelding.
- De AI kan afbeeldingen niet nauwkeurig taggen op basis van kleine visuele verschillen, zoals minuscule logo’s op kleding.
- Slimme tags kunnen alleen worden toegepast in de talen die door AEM worden ondersteund.
- Het maximale aantal assets dat u per jaar slim kunt taggen, is twee miljoen.
- Alleen afbeeldingen in JPG- en PNG-formaten kunnen slim worden getagd.
Ook, als uw organisatie redelijk nieuw is met AEM, kan de implementatie, en voorbereiding van uw assets een aanzienlijke technische uitdaging vormen. U zult ervoor willen zorgen dat u de technische documentatie van Adobe begrijpt voor het opzetten van AEM en AEM Assets, en dat u de middelen hebt om dit te realiseren.
Conclusie
Grote merken moeten ervoor zorgen dat al hun digitale eigendommen bruikbaar zijn en dat hun contentteams gemakkelijk relevante afbeeldingen kunnen vinden via een eenvoudige zoekopdracht.
Maar zelfs geavanceerde systemen zoals Smart Content Service worden niet vanzelf gebruiksvriendelijke tools. Het trainen van Adobe Sensei om afbeeldingen, video’s en tekstbestanden nauwkeurig te taggen, is afhankelijk van een zorgvuldige configuratie van AEM slimme tags voor een nauwkeurigere AI-prestatie. Dit proces kan veel tijd en toewijding vergen voordat u de AI al het werk kunt laten doen.
Het goede nieuws is: Jij en je teams hoeven dit niet alleen te overwinnen.
Bij Axamit zorgen we ervoor dat AEM voelt alsof het direct uit de doos klaar was voor gebruik — zonder enige inspanning van jouw kant. Dus, neem contact met ons op om te praten over het wegnemen van de AEM-integratiedruk!
Veelgestelde vragen
Wat is slimme tagging, en hoe verschilt het van handmatige tagging?
Slimme tagging is wanneer een AI assets in je DAM leest en automatisch de meest relevante tags toekent aan elk item. Bij handmatige AEM-tagging is een mens belast met het beoordelen van bestanden en het één voor één toekennen van relevante tags.
Wat is het verschil tussen metadata en tags in AEM?
In AEM is de metadata van een asset een set gegevens die details erover verklaart (bijvoorbeeld het bestandstype). Een tag wordt opgeslagen als een soort metadata voor bestanden in AEM. Tagfunctionaliteit is specifiek gericht op het bevoordelen van gebruikers, door bestanden doorzoekbaar te maken via de trefwoorden die in de tags worden gebruikt.
Kan slimme tagging worden toegepast op bestaande content in AEM, of is het alleen voor nieuwe content?
Ja, slimme tagging kan zowel worden toegepast op bestaande contentmappen in AEM als op nieuwe content.
