Crystalloids

Digital Asset Management vernieuwd

    Het beheren, ordenen en vindbaar maken van digitale bestanden als beeld en video.

    Een vernieuwd systeem voor digitale bestanden: beter beheer, betere zoekfunctie en machine learning voor ordening en aanbevelingen.

    25.000

    bestanden

    250.000+

    voorspelbare URL's

    <50ms

    doorverwijzing

    Het doel

    Een overzichtelijker, efficiënter en beter toegankelijk DAM-systeem, gebouwd met cloud-native oplossingen op Google Cloud Platform (GCP).

    De uitdaging

    De klant liep vast met het bestaande systeem voor Digital Asset Management (DAM). Het beheer van ruim 25.000 digitale bestanden leunde zwaar op handmatig benoemen van bestanden, wat leidde tot inconsistenties, fouten en omslachtig werk, en uiteindelijk het werk zelf in de weg zat. De klant wilde het systeem vernieuwen om efficiënter te werken, menselijke fouten terug te dringen en beter te kunnen meegroeien.

    Over onze klant

    Een wereldwijd merk in luxe huis- en lichaamsverzorging, dat door de jaren heen internationaal is gegroeid en winkels heeft in meerdere landen. Het verkoopt zowel fysiek als online, met als doel klanten te helpen zich beter te voelen.

    Begin je eigen succesverhaal met Crystalloids

    Werk samen met Crystalloids en Google Cloud om je project tot leven te brengen.

    Neem contact op →

    De oplossing

    Voorspelbare URL's voor betere vindbaarheid

    We voerden voorspelbare URL's in, zodat bestanden consistent en eenvoudig te bereiken zijn. Traditioneel waren die URL's op bestandsnamen gebaseerd, met alle risico's van dien: afwijkende namen, typefouten of hoofdletters op de verkeerde plek. Dat losten we op door labels in Adobe Experience Manager (AEM) te gebruiken voor virtuele URL's die gestructureerd, zoekmachinevriendelijk en consistent gelabeld zijn. Interne teams weten daardoor altijd waar ze iets vinden.

    Inmiddels zijn er ruim 250.000 virtuele URL's aangemaakt, waarbij elk bestand via ongeveer tien voorspelbare adressen te bereiken is. Het systeem verwerkt een doorverwijzing in minder dan 50 milliseconden.

    Dubbele beelden herkennen met machine learning

    Daarmee verving een gestructureerd, geautomatiseerd proces het handmatige bestandsbeheer, wat veel uitzoekwerk rond bestandsnamen scheelde en het werk voor interne teams prettiger maakte.

    De vernieuwing bracht ook nieuwe manieren om gelijkende bestanden te herkennen, wat dubbel materiaal in de collectie terugdringt. Eerst gebeurde dat met perceptual hashing, dat een visuele vingerafdruk van een afbeelding berekent en zo dubbelingen herkent, ook bij een ander formaat, een andere maat of andere kleuren.

    Daarop voortbouwend stapten we over op herkenning met machine learning, via de Vector Index van BigQuery. Met machine learning-modellen berekenden we per afbeelding kenmerkvectoren die vastleggen waar het beeld visueel over gaat. Die vectoren staan geïndexeerd in de Vector Index van BigQuery, waarmee de hele collectie snel op gelijkenis te doorzoeken is.

    Deze aanpak pikt ook subtiele verschillen op, zoals textuur, kleurpatroon en context. Daardoor kan het DAM-systeem verwante bestanden voorstellen, wat creatieve en marketingteams helpt snel het juiste beeld te vinden.

    Diezelfde herkenning maakte het bovendien mogelijk om een aanbevelingsfunctie te bouwen die verwante producten voorstelt op basis van visuele gelijkenis, wat de klantervaring verbetert.

    Elastic Search voor betere zoekopdrachten

    We namen Elastic Search op in de GCP-omgeving van de klant om alle metagegevens te indexeren, als vervanging van traditionele RESTful services. Daarmee werd het zoeken naar bestanden sneller, flexibeler en efficiënter, met de cloud-native mogelijkheden van GCP.

    Een schaalbare cloudarchitectuur

    Het nieuwe DAM-systeem leunt op GCP-diensten, met schaal en snelheid als uitgangspunt. Google Cloud Run draagt de API's in containers, waaronder de API voor voorspelbare URL's, zodat alles snel kan meeschalen.

    Dankzij een event-gedreven opzet met Google Cloud Pub/Sub worden bestanden automatisch verwerkt zodra er iets wordt toegevoegd of bijgewerkt.

    Het ontwerp op hoofdlijnen

    Het ontwerp van het DAM-systeem is modulair, schaalbaar en bestand tegen uitval:

    • Google Cloud Datastore en BigQuery: voor het bewaren van metagegevens en het verwerken van grote hoeveelheden, met snelle toegang en ruimte om te groeien.
    • Google Cloud Run: draagt de API's in containers voor de voorspelbare URL's en schaalt snel mee.
    • BigQuery Vector Index: maakt herkenning van gelijkende bestanden met machine learning mogelijk over de hele collectie.
    • Elastic Search op GCP: geeft een krachtige manier om metagegevens te doorzoeken, snel en flexibel.
    • Perceptual hashing: herkent gelijkenis tussen bestanden en zet daarmee updates in gang van de metagegevens in BigQuery en Cloud Datastore. De event-gedreven verwerking zorgt dat elke toevoeging, wijziging of verwijdering automatisch de juiste stappen in gang zet, zoals het bijwerken van metagegevens, het berekenen van de hash en het bepalen van kenmerken. Daardoor worden alle bestanden op dezelfde manier verwerkt en zijn ze via consistente, voorspelbare URL's te bereiken.

    Het resultaat

    Met deze vernieuwingen staat het Digital Asset Management van de klant er heel anders voor. Voorspelbare URL's geven consistentie en gemak, herkenning met machine learning beperkt dubbel materiaal en maakt slimmere aanbevelingen mogelijk, en Elastic Search maakt het zoeken sneller.

    Met cloud-native ontwerpprincipes op GCP, machine learning en een modulaire opzet is de DAM-infrastructuur van de klant gemoderniseerd.

    Dat geeft ruimte aan creativiteit en vernieuwing, en scheelt tijd die eerder opging aan het rechttrekken van inconsistenties.