Anastasia Leng, zakladatelka a CEO CreativeX – rozhovor

Anastasia Leng je zakladatelka a CEO CreativeX, společnosti, která umožňujecreative excelenci pro nejoblíbenější značky na světě. Analýzou kreativních prvků v rozsahu se technologii snaží pokročit v creative vyjádření prostřednictvím jasnosti dat.

Vy jste se naučila marketing v Google a zůstala tam 6 let. Jaké byly vaše klíčové poznatky z této zkušenosti?

Marketing v Google je daleko od tradičního marketingu. Práce, kterou jsem dělala během svého pobytu tam od roku 2007 do 2012, byla směsí marketingu, produktu a obchodního rozvoje. Všechna moje práce se soustředila na spuštění, umístění a přesvědčení lidí, aby používali nebo kupovali novou technologii nebo produkt poprvé. Zde jsou tři hlavní poznatky, které jsem si odnesla a které stále nosím s sebou dnes (a které můj marketingový tým trochu znervózňují):

1. Vždy dáváte uživatelům na první místo: Zdá se to jednoduché, ale je úžasné, kolik marketérů se k tomu chová jako k pouhému plátu. Nezasvěte se k tomu, co chcete, je to stejné, co chtějí vaši uživatelé (chyba, kterou vidím pořád dokola). Ve skutečnosti studie Thinkbox z roku 2016 a studie Reach Solutions z roku 2018 porovnaly víra marketérů s vírou veřejnosti a zjistily, že my marketéři mylně přisuzujeme mnoho svých vlastních vír našim zákazníkům. Výzkumníci to popsali jako “empatickou iluzi” a opravdu to dalo nějaké údaje o tom, že potřebujeme udělat lepší práci při pochopení našich uživatelů.

2. Vždy se vyvarujte jargónu: Google udělal skvělou práci při vštěpování nám hodnoty jasné a jednoduché komunikace. I jejich podmínky byly napsány způsobem, který mohl někdo bez právního vzdělání pochopit. Jako výsledek, mám pavlovskou reakci na termíny jako “thought leadership” nebo “omnichannel” a dělám vše, co je v mých silách, aby můj tým a já sami sebe tlačili k tomu, abychom vyjádřili své názory v stručném, lidském, přístupném jazyce.

3. Všechno měřte: Na začátku své kariéry v Google jsem udělala začátečnickou chybu, když jsem ospravedlňovala své rozhodnutí tím, že “my jsme to dělali dříve, takže bychom to měli dělat znovu”. Vybral jsem si pohodlí a známost místo skutečného pochopení situace, která byla před mnou, a reakce mých protějšků byla dostatečná, aby mě odradila od opakování této chyby. Je to zjevné, ale zřídka praktikované: používejte data k informování svých rozhodnutí.

CreativeX je ve skutečnosti vaše druhá start-up, můžete sdílet příběh o vzniku?

Odešla jsem z Google v roce 2012, abych založila Hatch, e-commerce společnost, která prodávala přizpůsobitelné životní produkty. Naše teze byla, že typický online nákupní zážitek byl vyčerpávající, spotřebitelé museli procházet stránkami a stránkami produktů, které nebyly úplně správné. Malé a střední podniky nesly břemeno předpovědi poptávky spotřebitelů a zůstaly s neprodaným zbožím, které se neprodalo. Naše řešení bylo vytvořit přizpůsobitelný maloobchodní zážitek, místo, kde každý produkt mohl být upraven podle specifikací zákazníka, zatímco snížení rizika zásob nesli výrobci.

Zůstává to myšlenka, ve kterou hluboce věřím, ale e-commerce podniky jsou těžké na start bez významné kapitálové investice. Zatímco jsme stavěli Hatch, přirozeně jsme strávili hodně času思考ením o tom, jak dostat spotřebitele na naše stránky, a byli jsme nuceni soutěžit o spotřebitelskou pozornost se všemi běžnými podezřelými (Google, Facebook atd.), ale s částí finančních zdrojů. Vzhledem k tomu, že jsme nemohli přebít hlavní e-commerce hráče, začali jsme se ptát, jak můžeme být chytřejší. Byli jsme činili data-informovaná rozhodnutí o všem: naší audienci, čase dne, kdy jsme inzerovali, klíčových slovech atd. Všechno kromě samotné kreativity. Zjistili jsme, že kreativní prvky byly nejdůležitější částí našeho marketingu, ale část, kterou jsme rozuměli nejméně.

Začali jsme stavět technologii, aby řešila tento problém, a byla to technologie, původně určená pro naši vlastní interní analýzu, která vedla k narození CreativeX. Dnes CreativeX poskytuje technologii, aby pomohla značkám dosáhnout kreativní excelence měřením, sledováním a zlepšováním kvality kreativity, konzistence značky a reprezentace v obsahu.

Můžete diskutovat o různých technologiích strojového učení, které se používají v CreativeX k rozdělení obrazů a videí na tisíce atributů?

CreativeX zpracovává každý kreativní prvek, který je stažen do našeho systému (obrázky, videa a GIFy), a používá řadu technologií k získání a vytvoření komplexního souboru metadat, které nám umožňují správně kategorizovat tyto prvky přizpůsobeným způsobem.

Analyzujeme čtyři prvky každého kreativního prvku.

1. Soubor obrazu a videa: Extrahujeme běžné vlastnosti z každého souboru, včetně rozměrů, typu souboru atd.

2. Obsah obrazu a videa: Používáme dva typy technologií k pochopení obsahu uvnitř každého obrazu a videa.

• Počítačové vidění: To nám umožňuje pochopit obsah každého vizuálu v rozsahu a data jsou vrácena jako desítky, někdy stovky tagů pro každý kreativní prvek.
• Optické rozpoznávání znaků: To nám umožňuje rozpoznat jakékoli slovo použité uvnitř kreativity. Technologie určuje nejen množství textu, které se používá, ale také jakékoli textové požadavky na značku (tj. slogany, позиcionирование, jazyk atd.)

3. Kopie doprovázející každý vizuál: Pokud je kreativita živá, také stahujeme jakékoli doprovodné textové popisy.

4. Zvukový soubor pro video: Každý audio soubor je přeložen do parseable textu, který umožňuje nastavení audio pravidel pro každou značku.

Byli jsme postavili nástroje, aby kombinovat všechna tato data chytrým způsobem, aby analyzovaly a obsahovaly jak přítomnost objektů, tak koncepty, které marketéři chtějí měřit.

Jak důležité je přizpůsobení vizuálních signálů a prvků, které se měří?

Schopnost přizpůsobit, co měříme pro každou značku, je kritická. Data jsou pouze tak silná, jako je jejich schopnost poskytnout jasnost o něčem, co je relevantní pro vaši organizaci, což je důvod, proč jeden-rozměr-fits-všechny počítačové vidění rozpoznávání může být pro marketéry těžké používat přímo z krabice. To je problém, se kterým jsme se potýkali v raných dnech Hatch: mohli bychom detekovat přítomnost šatů a pochopit, jak často je používáme, ale pokud jste automobilová společnost, tato informace je irelevantní. Proto jsme investovali大量 času do toho, aby jsme mohli přizpůsobit typ detekce, který poskytujeme, aby jsme mohli mapovat to, co je jedinečné pro tuto značku, její průmysl a její výzvy. To často zahrnuje budování detekce, která odráží pokyny této značky nebo její hlas, jak je позиcionирована na trhu, jak se liší od svých konkurentů, a to nakonec vede k srdci velkých kreativních otázek, které marketéři na tomto týmu debatují.

Jaké typy akčních poznatků lze získat z této aplikace?

Technologie CreativeX může pomoci vám získat poznatky o kvalitě kreativity, konzistenci značky, shodě a reprezentaci veškerého vašeho obrazového a videového obsahu. S touto informací mohou marketéři určit, kolik jejich obsahu splňuje jejich minimální standard kvality a je nastaveno pro úspěch na základě jedinečných parametrů, které jsou vyžadovány na každé platformě, a kolik peněz (& jejich agentur) tráví na propagaci a produkci obsahu, který splňuje (a nesplňuje) tyto standardy. Mohou měřit, jak konzistentně jejich týmy značky komunikují o značce (zda jdou všichni ve stejném rytmu? Používají konzistentně stejné charakteristické prvky značky?) a jak reprezentativní jsou jejich rozhodnutí o obsazení. To vše může pomoci marketérům získat zpět kontrolu nad svým kreativním obsahem, aby skutečně pochopili a měřili, v rozsahu, zdraví a zarovnání svých kreativních rozhodnutí.

CreativeX provedla jak rasovou, tak genderovou analýzu tisíců reklam, jaké byly některé výsledky z této analýzy?

Analyzovali jsme 2 378 FMCG (rychle se pohybující spotřební zboží) reklam v USA a zjistili, že navzdory velké pozornosti věnované tématu reprezentace, realita inkluzivní reprezentace stále vyžaduje mnoho práce. Naše analýza rasové diverzity, například, ukázala, že černí lidé jsou častěji obsazováni v reklamách, kde je téma sport nebo cvičení, a méně často obsazováni v vedoucích rolích. Když jsme se podívali na gender reprezentaci, zjistili jsme, že značky stále podporují negativní genderové stereotypy: Muži dominují profesionálním rolím a ženy jsou častěji zobrazovány při výkonu určitých domácích činností, jako je čištění. I s menším počtem vystoupení na obrazovce mají muži více mluvících rolí, ale vidíme some pokrok s rostoucím počtem žen v vedoucích rolích.

Jaké jsou některé další způsoby, kterými můžete vidět, že strojové učení zlepšuje reklamní krajину v příštích 5 letech?

Jeden z našich investorů říkal, že mnoho odvětví, která tvrdí, že používají strojové učení, má stroje a učení, ale není vždy jasné, zda jsou to stroje, které se učí.

Můj názor je, že uvidíme hlubší (nebo v některých případech skutečné) použití strojového učení v reklamě, aby se pokračovalo v zlepšování základních věcí, které toto odvětví již dělá: předpovídání spotřebitelské ochoty kliknout a koupit (cílení), generování kreativních variací na základě spotřebitelských dat (dynamické reklamní kreativity), procházení více dat k získání poznatků (reporting).

Strojové učení se pravděpodobně použije k vyřešení problému, jaký další signály mohou nahradit ztrátu třetích souborů cookie na Chrome a IDFA na iOS a jak můžeme pokračovat v personalizaci reklamy navzdory ztrátě této informace.

Je něco jiného, co byste rádi sdíleli o CreativeX?

Trochu drzé, ale… jsme najímají! Pokud jste došli až na konec tohoto článku a jste intéressovaní o tom, jak lépe spojit data a kreativní vyjádření, rádi bychom s vámi mluvili!

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit CreativeX.