Anastasia Leng, zakladatelka a CEO CreativeX – rozhovor

Anastasia Leng je zakladatelka a CEO CreativeX, společnosti, která poskytuje technologii pro creative excellence pro nejznámější značky. Analyzováním creative obsahu v rozsahu cílí technologie na zlepšení creative vyjádření pomocí jasnosti dat.

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

Marketing v Googlu je daleko od tradičního marketingu. Práce, kterou jsem dělala během svého působení tam od roku 2007 do 2012, byla směsí marketingu, produktu a obchodního rozvoje. Všechna moje práce se soustředila na spuštění, позиování a přesvědčování lidí, aby používali nebo kupovali novou technologii nebo produkt poprvé. Zde jsou tři nejdůležitější poznatky, které si stále nosím s sebou dnes (a které naše marketingový tým někdy nudím):

1. Vždy dáváte uživatelům na první místo: Zdá se to jednoduché, ale je úžasné, kolik marketérů toto bere jako pouhou frázi. Nezasvětec, co chcete, je to, co chtějí vaši uživatelé (chyba, kterou vidím opakovaně). Ve skutečnosti studie Thinkbox z roku 2016 a studie Reach Solutions z roku 2018 srovnávaly přesvědčení marketérů s přesvědčením veřejnosti a zjistily, že my nesprávně přisuzujeme mnoho našich vlastních přesvědčení našim zákazníkům. Výzkumníci popsali to jako „empatickou iluzi“ a skutečně poskytli data, která dokazují, že potřebujeme udělat lepší práci v pochopení našich uživatelů.

2. Vždy se vyhněte žargonu: Google (GOOGL ) udělal skvělou práci v tom, že nám vštípil hodnotu jasné a jednoduché komunikace. Dokonce i jejich podmínky byly napsány tak, aby je někdo bez právního vzdělání mohl pochopit. Jako výsledek mám pavlovskou reakci na termíny jako „thought leadership“ nebo „omnichannel“ a dělám maximum, abychom se vyhnuli použití zkratkovitého jazyka a místo toho používali stručný, lidský a přístupný jazyk.

3. Vždy měřte všechno: Na začátku své kariéry v Googlu jsem udělala začátečnickou chybu, když jsem ospravedlňovala své rozhodnutí tím, že „to děláme takhle v minulosti, takže bychom to měli dělat takhle i tady“. Vybral jsem si pohodlí a známost místo toho, abych skutečně pochopil situaci, a reakce mých kolegů mě dostatečně varovala, abych tuto chybu neopakovala. Je to zřejmé, ale zřídka praktikované: používejte data, aby informovala vaše rozhodnutí.

CreativeX je vlastně vaše druhá start-up, můžete sdílet příběh o jejím vzniku?

Odešla jsem z Googlu v roce 2012, abych založila Hatch, e-commerce společnost, která prodávala přizpůsobitelné životní produkty. Naše teze byla, že typická online nákupní zkušenost je vyčerpávající, protože spotřebitelé musí procházet stránkami a stránkami produktů, které nejsou úplně správné. Malé a střední podniky nesly břemeno předpovědi poptávky spotřebitelů a zůstaly s nevyprodaným zbožím, které se neprodalo. Naše řešení spočívalo ve vytvoření přizpůsobitelné maloobchodní zkušenosti, místa, kde každý produkt mohl být upraven podle specifikací zákazníka, zatímco se snižovalo riziko zásob držených výrobcem.

Zůstává to myšlenka, ve kterou hluboce věřím, ale e-commerce podniky jsou těžké na start, bez významné investice. Zatímco jsme stavěli Hatch, přirozeně jsme strávili spoustu času思考áním o tom, jak přilákat spotřebitele na naši stránku, a byli jsme nuceni soutěžit o pozornost spotřebitelů se všemi obvyklými podezřelými (Googlem, Facebookem atd.), ale s malou částí finančních zdrojů. Vzhledem k tomu, že jsme nemohli přebít velké e-commerce hráče, začali jsme se ptát, jak je můžeme outsmart. Dělali jsme data-informovaná rozhodnutí o všem: naší cílové skupině, čase dne, kdy jsme inzerovali, klíčových slovech atd. Všechno kromě samotného creative. Realizovali jsme, že creative assets byly nejdůležitější částí našeho marketingu, ale část, kterou jsme rozuměli nejméně.

Začali jsme stavět technologii, aby vyřešili tento problém, a byla to tato technologie, původně určená pro naši vlastní interní analytiku, která vedla ke vzniku CreativeX. Dnes CreativeX poskytuje technologii, aby pomohla značkám dosáhnout creative excelence měřením, sledováním a zlepšováním creative kvality, brand konzistence 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 creative asset, který je přetažen do našeho systému (obrázky, videa a GIFy), a používá řadu technologií, aby shromáždil a vytvořil komplexní sadu metadat, která nám umožňují správně kategorizovat tyto assets přizpůsobeným způsobem.

Analyzujeme čtyři prvky každého creative assetu.

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, aby pochopit obsah uvnitř každého obrazu a videa.

• Computer Vision: To nám umožňuje pochopit obsah libovolného vizuálu v rozsahu a data jsou vrácena zpět jako desítky, někdy stovky tagů pro každý creative asset.
• Optical-Character Recognition: To nám umožňuje zachytit jakékoli slovo uvnitř creative. Technologie určuje nejen množství textu, které se používá, ale také jakékoli textově specifické požadavky na značku (tj. slogany, pozice, jazyk atd.)

3. Kopie doprovázející každý vizuál: Pokud je creative živý, také přetahujeme doprovodný textový popis.

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

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

Jak důležité je přizpůsobit vizuální signály a prvky, které se měří?

Schopnost přizpůsobit, co měříme pro každou značku, je kritická. Data jsou pouze tak silná, jako je jejich schopnost poskytnout jasnost něčeho, co je relevantní pro vaši organizaci, což je důvod, proč jeden-size-fits-all počítačové vidění může být pro marketéry obtížné použít přímo. To je problém, se kterým jsme se potýkali v raných dnech Hatch: můžeme 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, abychom mohli přizpůsobit typ detekce, který poskytujeme, abychom mohli mapovat to, co je jedinečné pro každou značku, její průmysl a její výzvy. To často zahrnuje stavbu detekce, která odráží pokyny značky nebo hlas, jak je pozicována na trhu, jak se odlišuje od konkurentů a nakonec se dostává k srdci velkých creative otázek, o kterých marketéři na tomto týmu diskutují.

Jaké akční poznatky lze získat z této aplikace?

Technologie CreativeX může pomoci vám získat poznatky o creative kvalitě, brand konzistenci, dodržování předpisů a reprezentaci všech vašich obrazových a videí. 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 brand týmy komunikují o značce (zda jdou ve stejném rytmu? Používají konzistentně stejné distinktivní brand assets?) a jak reprezentativní jsou jejich castingové rozhodnutí. To vše může pomoci marketérům získat zpět kontrolu nad svým creative obsahem, aby skutečně pochopili a měřili, v rozsahu, zdraví a zarovnání svých creative rozhodnutí.

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

Analýzovali jsme 2 378 FMCG (fast moving consumer goods) reklam v USA a zjistili, že navzdory velké pozornosti, která byla věnována tématu reprezentace, realita inkluzivní reprezentace stále vyžaduje mnoho práce. Naše analýza rasové rozmanitosti, například, ukázala, že černí lidé jsou častěji obsazeni v reklamách, kde je sport nebo cvičení tématem, a méně často jsou obsazeni v leadership 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 domácích aktivitách, jako je čištění. I s méně vystoupeními na obrazovce muži vystupují v více mluvících rolích, ale vidíme nějaký pokrok s rostoucí reprezentací žen v leadership rolích.

Jaké další způsoby 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, mají stroje a učení, ale není vždy jasné, zda to jsou stroje, které se učí.

Můj názor je, že uvidíme hlubší (nebo v některých případech skutečné) aplikace strojového učení v reklamě, aby se zlepšily základní věci, které toto odvětví již dělá: předpovídání spotřebitelské ochoty kliknout a koupit (cílení), generování creative variací na základě spotřebitelských dat (dynamické reklamní kreativy), analýza více dat pro generování poznatků (reporting).

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

Je něco jiného, co byste chtěli sdílet o CreativeX?

Trochu drzé, ale… jsme najímají! Pokud jste došli až na konec tohoto článku a máte zájem o to, jak lépe spojit data a creative vyjádření, rádi bychom si s vámi promluvili!

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