Anastasia Leng, grundlægger og administrerende direktør for CreativeX – Interview Series

Anastasia Leng er grundlægger og administrerende direktør af CreativeX, en virksomhed, der driver kreativ ekspertise for verdens mest elskede mærker. Ved at analysere kreativt i stor skala sigter teknologien mod at fremme kreativt udtryk gennem dataens klarhed.

Du lærte marketing hos Google og blev i 6 år. Hvad var dine vigtigste ting fra denne oplevelse?

Marketing hos Google er langt fra traditionel markedsføring. Det arbejde, jeg udførte i 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 et nyt produkt for allerførste gang. Her er de tre bedste erfaringer, som jeg stadig har med mig i dag (og irriterer vores marketingteam over):

1. Sæt altid brugerne først: Det virker simpelt nok, men det er forbløffende, hvor mange marketingfolk, der behandler dette som floskler. Gå ikke ud fra, at det, du vil have, er det, dine brugere vil have (en fejl, jeg ser igen og igen). Faktisk sammenlignede en Thinkbox-undersøgelse fra 2016 og en Reach Solutions-undersøgelse fra 2018 marketingfolks overbevisninger med den brede offentlighed for kun at finde ud af, at vi fejlagtigt tilskriver vores kunder mange af vores egne overbevisninger. Forskerne beskrev dette som en "empati vrangforestilling", og det satte virkelig nogle data bag det faktum, at vi skal gøre et bedre stykke arbejde med at forstå vores brugere.

2. Undgå altid jargon: Google gjorde et vidunderligt stykke arbejde at indgyde værdien af ​​klar og enkel kommunikation. Selv deres vilkår og betingelser var skrevet på en måde, som en person uden en juridisk grad havde en chance for at forstå. Som et resultat har jeg en Pavlovsk krybende reaktion på udtryk som "tankeledelse" eller "omnichannel", og jeg gør mit bedste for at presse vores team og mig selv til at formulere vores synspunkter i et kortfattet, menneskeligt, tilgængeligt sprog.

3. Mål alt: Tidligt i min Google-karriere begik jeg den begynderfejl at rationalisere min begrundelse for en beslutning ved at sige, at "vi gjorde det på denne måde tidligere, så vi burde gøre det på denne måde igen her." Jeg valgte komfort og fortrolighed frem for virkelig at forstå, hvad situationen foran mig faktisk berettigede, og svaret fra mine modparter var nok til, at jeg undgik at begå denne fejl igen. Det er indlysende, men sjældent praktiseret: Brug data til at informere dine beslutninger.

CreativeX er faktisk din anden start-up, kunne du dele tilblivelseshistorien bag det?

Jeg forlod Google i 2012 for at starte Hatch, en e-handelsvirksomhed, der solgte tilpassede livsstilsprodukter. Vores tese var, at den typiske online shoppingoplevelse var udmattende, hvor forbrugerne skulle scrolle gennem sider og sider med produkter, der ikke var helt rigtige. Små og mellemstore virksomheder påtog sig byrden med at forudsige forbrugernes efterspørgsel og blev efterladt med restlager, der ikke solgte. Vores løsning var at skabe en tilpasselig detailoplevelse, et sted, hvor hvert produkt kunne tilpasses til at opfylde kundens specifikationer og samtidig reducere lagerrisikoen, som producenten bærer.

Det er stadig en idé, jeg tror dybt på, men e-handelsvirksomheder er svære at komme i gang uden betydelige kapitalinvesteringer. Mens vi byggede Hatch, brugte vi naturligvis meget tid på at tænke på, hvordan vi kunne få forbrugere over til vores side, og vi blev tvunget til at konkurrere om forbrugernes opmærksomhed med alle de sædvanlige mistænkte (Google, Facebook osv.), men med en brøkdel af de økonomiske ressourcer. Da vi ikke kunne overbyde de store e-handelsaktører, begyndte vi at spekulere på, hvordan vi kunne overliste dem. Vi traf data-informerede beslutninger om alt: vores publikum, tidspunktet på dagen, hvor vi annoncerede, søgeordene osv. Alt undtagen selve kreativiteten. Vi indså, at kreative aktiver var den vigtigste del af vores markedsføring, men den del, vi forstod mindst.

Vi begyndte at bygge teknologi til at løse det problem, og det var den teknologi, som oprindeligt var beregnet til vores egne interne analyser, der førte til fødslen af ​​CreativeX. I dag leverer CreativeX teknologi til at hjælpe brands med at nå kreativ ekspertise ved at måle, spore og forbedre kreativ kvalitet, brandkonsistens og indholdsmæssig repræsentation.

Kunne du diskutere de forskellige maskinlæringsteknologier, der bruges hos CreativeX til at opdele billeder og videoer i tusindvis af attributter?

CreativeX behandler hvert enkelt kreativt aktiv, der trækkes ind i vores system (billeder, videoer og GIF'er) og bruger en række forskellige teknologier til at indsamle og skabe et omfattende sæt metadata, der gør os i stand til korrekt at kategorisere disse aktiver på en tilpasset måde.

Vi analyserer fire elementer i hvert kreativt aktiv.

1. Billed- og videofilen: Vi udtrækker almindelige egenskaber fra hver fil, herunder aktivlængdedimensioner, filtype osv.

2. Billed- og videoindholdet: Vi bruger to typer teknologier til at forstå indholdet i hvert billede og video.

• Computer Vision: Dette giver os mulighed for at forstå indholdet af enhver visualisering i skala, og data returneres som snesevis, nogle gange hundredvis af tags for hvert kreativt aktiv.
• Optisk karaktergenkendelse: Dette giver os mulighed for at opfange alle ord, der bruges i annoncen. Teknologien bestemmer ikke kun mængden af ​​tekst, der bruges, men alle tekstspecifikke brandingkrav (dvs. taglines, positionering, sprog osv.)

3. Den kopi, der ledsager hver visualisering: Hvis det kreative er live, trækker vi også en eventuel medfølgende tekstbeskrivelse ind.

4. Lydfilen til video: Hver lydfil oversættes til parsebar tekst, der muliggør opsætning af lydregler for hvert mærke.

Vi har bygget værktøjer til at kombinere alle disse data på smarte måder for skalerbart og præcist at analysere og indhold for både tilstedeværelsen af ​​objekter såvel som koncepter, som marketingfolk 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 brand, er afgørende. Data er kun så kraftfuldt som dets evne til at give klarhed om noget, der er aktuelt for din organisation, og derfor kan computersynsgenkendelse i én størrelse være svær at bruge fra hylden for marketingfolk. Dette er det problem, som vi kæmpede med i de tidlige dage af Hatch: Vi opdager måske tilstedeværelsen af ​​kjoler og forstår, hvor ofte vi bruger dem, men hvis du er et bilfirma, er denne indsigt irrelevant. Derfor har vi investeret enormt meget tid i at kunne tilpasse den type detektion, vi leverer, så vi kan kortlægge det til det, der er unikt ved det pågældende brand, dets branche og dets udfordringer. Det inkluderer ofte bygningsdetektion, der afspejler det pågældende brands retningslinjer eller stemme, hvordan det er positioneret på markedet, hvordan det adskiller sig fra dets konkurrenter, og som i sidste ende kommer til kernen af ​​de store kreative spørgsmål, som marketingfolk på det team diskuterer.

Hvilken type handlingsorienteret indsigt kan opnås fra denne applikation?

CreativeX-teknologi kan hjælpe dig med at få indsigt i den kreative kvalitet, brandkonsistens, overholdelse og repræsentation af alt dit billed- og videoindhold. Med disse oplysninger kan marketingfolk bestemme, hvor meget af deres indhold, der opfylder deres minimumsstandard for kvalitet og er sat op til succes baseret på de unikke parametre, der kræves på hver platform, og hvor mange penge de (og deres bureauer) bruger på at promovere og producere indhold, der overholder (og ikke) disse standarder. De kan måle, hvor konsekvent deres brand-teams kommunikerer om brandet (marcherer de i takt med den samme tromme? Konsekvent ved at bruge de samme karakteristiske brandaktiver?), og hvor repræsentative deres casting-beslutninger har været. Alt dette kan hjælpe marketingfolk med at tage kontrollen over deres kreative indhold tilbage for virkelig at forstå og måle, i skala, sundheden og tilpasningen af ​​deres kreative beslutninger.

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

Vi har analyseret 2,378 FMCG-annoncer (fast moving consumer goods) i USA og har fundet ud af, at trods stor opmærksomhed på emnet repræsentation, kræver virkeligheden med inkluderende repræsentation stadig meget arbejde. Vores analyse af racemæssig mangfoldighed, for eksempel viste, at sorte mennesker er mere tilbøjelige til at blive castet i annoncer, hvor sport eller motion er et tema, og mindre tilbøjelige til at blive castet i lederroller. Da vi så på kønsrepræsentation, fandt vi ud af, at brands stadig viderefører negative kønsstereotyper: Mænd dominerer professionelle roller, og kvinder er mere tilbøjelige til at udføre visse huslige aktiviteter såsom rengøring. Selv med færre optrædener på skærmen optræder mænd i flere talende roller, men vi ser nogle fremskridt med øget fremstilling af kvinder i lederroller.

Hvad er nogle andre måder, hvorpå du kan se maskinlæring forbedre reklamelandskabet i de næste 5 år?

En af vores investorer plejede at sige, at mange industrier, der hævder at bruge maskinlæring, har maskiner, og de har læring, men det er ikke altid klart, at det er maskinerne, der lærer.

Min opfattelse er, at vi vil se en dybere (eller i nogle tilfælde faktisk) anvendelse af maskinlæring i reklamer for at fortsætte med at forbedre de brød og smør, som industrien allerede gør: forudsige forbrugernes tilbøjelighed til at klikke og købe (målretning), generere kreative variationer baseret på forbrugerdata (dynamisk annoncemateriale), parsing gennem flere data for at generere indsigt (rapportering).

Maskinlæring vil sandsynligvis blive sat på sagen om at finde ud af, hvilke andre signaler der kan erstatte tabet af tredjepartscookies på Chrome og IDFA på iOS, og hvordan vi kan fortsætte med at tilpasse annoncering på trods af tabet af disse oplysninger.

Er der andet, du gerne vil dele om CreativeX?

Lidt fræk men... vi ansætter! Hvis du er nået til bunden af ​​denne artikel og er interesseret i, hvordan du bedre forener data og kreativt udtryk, vil vi meget gerne snakke!

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