Font Vella

Un sistema d'escolta assistit per IA per convertir preguntes, hàbits i contextos de consum en decisions editorials més rellevants

Font Vella conviu amb una categoria quotidiana, transversal i plena de contextos: benestar, esport, família, sostenibilitat, calor, restauració i vida activa. El repte era passar d'una monitorització centrada en mencions a una escolta capaç d'ordenar senyals i explicar per què alguns mereixien una resposta, una peça o una investigació.

Karmina AI Studio va implementar un Social Listener connectat a fonts aprovades, un marc editorial i un circuit de revisió humana. La IA agrupava converses i detectava patrons; l'equip interpretava el context, comprovava les evidències i decidia què havia d'entrar a l'estratègia.

Fitxa resum

• Marca: Font Vella
• Sector: alimentació i begudes
• Repte: convertir converses disperses en oportunitats editorials verificables
• Agent principal: Social Listener
• Agents complementaris: Market Scout · Social Publisher
• Servei: Karmina Always-On Social AI
• Capa d'IA: agent operatiu d'escolta, classificació i detecció de senyals
• Paper humà: interpretar, prioritzar, validar i decidir qualsevol resposta pública

El repte

Ser present en la conversa sense perseguir cada tendència

Una marca de consum massiu pot acumular moltes mencions i, alhora, continuar tenint poca informació útil per decidir. El volum barreja dubtes reals, contingut meteorològic, hàbits de consum, comparacions, incidències, bromes, modes i converses que només contenen una paraula relacionada amb la categoria.

El repte no era escoltar més. Era separar el soroll dels senyals que podien ajudar a entendre millor els moments de consum, les preguntes recurrents i els territoris on la marca tenia autoritat per participar.

Escoltar bé no és reaccionar abans que ningú. És entendre què està passant abans de decidir si la marca hi ha d'entrar.

El punt de partida

La informació podia arribar des de plataformes socials, consultes de cerca, missatges de comunitat, informes de campanya i coneixement de l'equip. Sense un criteri compartit, cada font generava una llista diferent i les decisions depenien massa de qui revisava les dades aquell dia.

Es va definir una taxonomia comuna: tema, origen, moment de consum, públic, territori, risc, grau de verificació i possible ús. Això permetia que la mateixa conversa no fos interpretada com una oportunitat editorial, una incidència o una tendència segons el document on apareixia.

L'enfocament de Karmina AI Studio

El servei combinava tres capes:

1. Escolta governada: fonts i paraules clau aprovades, amb exclusions per reduir falsos positius.
2. Classificació assistida: agrupació de converses, detecció de repeticions i resum amb exemples originals.
3. Comitè editorial humà: revisió del context, contrast de dades i decisió sobre resposta, contingut o descart.

L'agent no calculava una veritat emocional a partir d'un indicador de sentiment. Mostrava evidències, incertesa i canvis perquè l'equip pogués interpretar-los.

Com treballava el Social Listener

1. Recollia continguts de les fonts autoritzades.
2. Eliminava duplicats i classificava els senyals segons la taxonomia.
3. Detectava canvis de volum o preguntes recurrents.
4. Preparava una fitxa amb exemples, enllaços, data i grau de confiança.
5. Proposava tres sortides possibles: observar, investigar o activar.
6. Traslladava només els senyals validats al Social Publisher i al calendari.