Anastasia Leng, grundlægger og administrerende direktør for CreativeX – Interview-serie

Anastasia Leng er grundlægger og administrerende direktør for CreativeX, et selskab, der driver kreativ excellence for verdens mest elskede mærker. Ved at analysere kreativitet i stor skala sigter teknologien mod at fremme kreativ udtryk gennem dataklarhed.

I lærte marketing på Google (GOOGL ) og var der i 6 år. Hvad var dine vigtigste erfaringer fra denne oplevelse?

Marketing på Google er langt fra traditionel marketing. Arbejdet, jeg udførte under min tid der fra 2007 – 2012, var en blanding af marketing, produkt og forretningsudvikling. Alt mit arbejde fokuserede på at lancere, positionere og overbevise folk om at bruge eller købe en ny teknologi eller produkt for første gang. Her er de tre vigtigste erfaringer, jeg stadig bærer med mig i dag (og generer vores marketingshold med):

1. Sæt altid brugerne først: Det lyder simpelt nok, men det er forbløffende, hvor mange markedsførere behandler dette som en platitude. Antag ikke, at det, du vil, er det, dine brugere vil (en fejl, jeg ser gentaget igen og igen). I virkeligheden fandt en 2016 Thinkbox-undersøgelse og en 2018 Reach Solutions-undersøgelse, at markedsføreres overbevisninger ikke stemmer overens med dem hos den generelle offentlighed, og at vi fejlagtigt tilskriver mange af vores egne overbevisninger til vores kunder. Forskerne beskrev dette som en “empati-illusion” og det satte virkelig nogle data bag det faktum, at vi skal gøre bedre arbejde med at forstå vores brugere.

2. Undgå altid jargon: Google gjorde et fantastisk arbejde med at indpode i os værdien af klar og enkel kommunikation. Selv deres vilkår og betingelser var skrevet på en måde, så nogen uden en juridisk uddannelse havde en chance for at forstå. Som følge heraf har jeg en pavlovsk krænkelsesreaktion overfor termer som “thought leadership” eller “omnichannel” og jeg gør mit bedste for at presse vores team og mig selv til at formulere vores synspunkter på en koncis, menneskelig og tilgængelig måde.

3. Mål altid alt: Tidligt i min Google-karriere gjorde jeg den rookie-fejl at begrundende min begrundelse for en beslutning med at sige, at “vi gjorde det på denne måde i fortiden, så vi bør gøre det på samme måde her”. Jeg valgte komfort og bekendtskab over virkelig at forstå, hvad situationen foran mig faktisk krævede, og svaret fra mine modparter var nok til, at jeg undgik at gentage denne fejl. Det er åbenlyst, men sjældent praktiseret: brug data til at underbygge dine beslutninger.

CreativeX er faktisk dit andet startup, kan du dele historien bag det?

Jeg forlod Google i 2012 for at starte Hatch, et e-handelsfirma, der solgte tilpassede livsstilsprodukter. Vores tesen var, at den typiske online-shoppingsoplevelse var udmattende, med forbrugere, der skulle rulle gennem sider og sider af produkter, der ikke helt var rigtige. Mellemstore virksomheder påtog sig byrden af at forudsige forbrugerkrav og blev efterladt med overskydende lager, der ikke solgte. Vores løsning var at skabe en tilpasset detailoplevelse, et sted, hvor hvert produkt kunne tilpasses til kundens specifikationer og reducere lager-risikoen, der blev båret af producenten.

Det er stadig en idé, jeg dybt tror på, men e-handelsvirksomheder er svære at komme i gang uden betydelig kapitalinvestering. Mens vi byggede Hatch, tilbragte vi naturligvis meget tid på at tænke over, hvordan vi kunne få forbrugere over på vores side, og vi blev tvunget til at konkurrere om forbrugeropmærksomhed med alle de sædvanlige mistænkte (Google, Facebook (META ) osv.), men med en brøkdel af de finansielle ressourcer. Givet, at vi ikke kunne overbud de store e-handelsaktører, begyndte vi at undre os over, hvordan vi kunne overliste dem. Vi tog data-baserede beslutninger om alt: vores publikum, den tid af dagen, vi annoncerede, nøgleord osv. Alt andet end den kreative del selv. Vi indså, at kreative aktiver var den vigtigste del af vores marketing, men også den del, vi forstod mindst.

Vi begyndte at bygge teknologi for at løse dette problem, og det var denne teknologi, der oprindeligt var tiltænkt vores egen interne analyse, der førte til fødslen af CreativeX. I dag tilbyder CreativeX teknologi til at hjælpe mærker med at nå kreativ excellence ved at måle, spore og forbedre kreativ kvalitet, mærke-konsistens og indhold-repræsentation.

Kan du diskutere de forskellige maskinlærings-teknologier, der bruges i CreativeX til at bryde billeder og videoer ned i tusindvis af attributter?

CreativeX behandler hver enkelt kreativ aktiver, der trækkes ind i vores system (billeder, videoer og GIF’er), og bruger en række teknologier til at indsamle og oprette en omfattende samling af metadata, der giver os mulighed for at korrekt kategorisere disse aktiver på en tilpasset måde.

Vi analyserer fire elementer af hver kreativ aktiver.

1. Billede- og video-filen: Vi udtrækker almindelige egenskaber fra hver fil, herunder aktiver-længde-dimensioner, filtype osv.

2. Billede- og video-indhold: Vi bruger to typer teknologier til at forstå indholdet inde i hvert billede og video.

• Computer Vision: Dette giver os mulighed for at forstå indholdet af enhver visuel i stor skala, og data returneres tilbage som dusinvis, undertiden hundredvis af tags for hver kreativ aktiver.
• Optical-Character Recognition: Dette giver os mulighed for at opfange enhver tekst, der bruges inde i den kreative aktiver. Teknologien bestemmer ikke kun mængden af tekst, der bruges, men også eventuelle tekst-specifikke branding-krav (f.eks. slogans, positionering, sprog osv.)

3. Den tekst, der ledsager hver visuel: Hvis den kreative aktiver er live, trækker vi også ind den tilhørende tekstbeskrivelse.

4. Lyd-filen for video: Hver lyd-fil oversættes til parsebart tekst, der giver os mulighed for at opsætte lyd-regler for hvert mærke.

Vi har bygget værktøjer til at kombinere alle disse data på smarte måder til at skalabelt og nøjagtigt analysere og indhold for både tilstedeværelse af objekter og koncepter, som markedsførere ønsker at måle.

Hvor vigtigt er det at tilpasse de visuelle signaler og elementer, der måles?

Evnen til at tilpasse, hvad vi sporer for hvert mærke, er kritisk. Data er kun så stærk, som dens evne til at give klarhed om noget, der er relevant for din organisation, hvilket er hvorfor en-mål-til-alle computer-vision-genkendelse kan være svær for markedsførere at bruge af den ene eller den anden årsag. Dette er problemet, vi kæmpede med i de tidlige dage af Hatch: Vi kunne måske registrere tilstedeværelsen af kjoler og forstå, hvor ofte vi bruger dem, men hvis du er et bilfirma, er denne indsigt irrelevant. Det er derfor, vi har investeret en enorm mængde tid i at være i stand til at tilpasse typen af registrering, vi giver, så vi kan kortlægge det til, hvad der er unikt for det mærke, dens industri og dens udfordringer. Det inkluderer ofte bygning af registrering, der afspejler det mærkes retningslinjer eller stemme, hvordan det er positioneret på markedet, hvordan det adskiller sig fra konkurrenterne og det kommer til hjertet af de store kreative spørgsmål, markedsførerne på det hold debatterer.

Hvilke slags handlebare indsigt kan opnås fra denne anvendelse?

CreativeX-teknologi kan hjælpe dig med at få indsigt om kreativ kvalitet, mærke-konsistens, overholdelse og repræsentation af alle dine billed- og video-indhold. Med denne information kan markedsførere bestemme, hvor meget af deres indhold opfylder deres minimumsstandard for kvalitet og er sat op til succes baseret på de unikke parametre, der kræves på hver platform, og hvor meget penge de (og deres agenturer) bruger på at fremme og producere indhold, der gør (og ikke gør) overholdelse af disse standarder. De kan måle, hvor konsekvent deres mærkehold er i kommunikation om mærket (er de marcherende til samme tromme? Bruger de konsekvent de samme distinkte mærke-aktiver?) og hvor repræsentative deres casting-beslutninger har været. Alt dette kan hjælpe markedsførere med at tage kontrol over deres kreative indhold og virkelig forstå og måle, i stor skala, sundheden og tilslutningen af deres kreative beslutninger.

CreativeX har udført både en racial og køns-analyse af tusindvis af annoncer, hvad var nogle af resultaterne fra denne analyse?

Vi analyserede 2.378 FMCG (fast moving consumer goods) annoncer i USA og har fundet, at på trods af den opmærksomhed, der er givet til emnet om repræsentation, kræver virkeligheden af inklusiv repræsentation stadig meget arbejde. Vores analyse af racial diversitet, for eksempel, viste, at sorte mennesker er mere sandsynlige at blive castet i annoncer, hvor sport eller motion er et tema, og mindre sandsynlige at blive castet i ledelsesroller. Når vi så på køns-repræsentation, fandt vi, at mærker stadig fastholder negative køns-stereotyper: Mænd dominerer professionelle roller, og kvinder er mere sandsynlige at være i visse hjemlige aktiviteter som rengøring. Selv med færre skærmbilled-fremtoninger er mænd mere sandsynlige at være i tale-roller, men vi ser nogen fremgang med øget portrættering af kvinder i ledelsesroller.

Hvad er nogle andre måder, du kan se maskinlærings-teknologier forbedre annoncerings-landskabet i de næste 5 år?

En af vores investorer sagde engang, at mange brancher, der påstår at bruge maskinlærings-teknologier, har maskiner og læringsmuligheder, men det er ikke altid klart, om det er maskinerne, der lærer.

Min holdning er, at vi vil se en dybere (eller i nogle tilfælde, en reel) anvendelse af maskinlærings-teknologier i annoncering for at forbedre de grundlæggende ting, branchen allerede gør: forudsigelse af forbruger-tilbøjelighed til at klikke og købe (målretning), generering af kreative variationer baseret på forbrugerdata (dynamisk annonce-kreativitet), parsing igennem mere data for at generere indsigt (rapportering).

Maskinlærings-teknologier er sandsynligvis også til at løse problemet med at finde andre signaler, der kan erstatte tabet af tredjeparts-cookies på Chrome og IDFA på iOS, og hvordan vi kan fortsætte med at personliggøre annoncering, på trods af tabet af denne information.

Er der noget andet, du gerne vil dele om CreativeX?

Lidt frækt, men… vi søger nye medarbejdere! Hvis du har nået bunden af denne artikel og er interesseret i, hvordan man bedre kan forene data og kreativ udtryk, vil vi gerne tale med dig!

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge CreativeX.