Grigori Melnik, Chief Product Officer, Amperity – Intervieuserie

Dr. Grigori Melnik er en erfaren teknologiuddannelsesleder med mere end 25 års erfaring med at drive produktinnovation og vækst i virksomheder som Microsoft (MSFT ), Splunk, MongoDB (MDB ), Tricentis og Cribl. Han har ledet platformstransformationer, lanceret kategori-definerende produkter og skaleret hold på alle vækststadier. Dr. Melnik har en ph.d. i datalogi fra University of Calgary og bringer til Amperity en passion for ingeniørarbejde, AI-innovation og opbygning af højimpaktproduktorganisationer.

Amperity er et teknologiselskab, der tilbyder en AI-drevet Customer Data Cloud-platform designet til at samle fragmenterede kundedata i tillidsværdige profiler, identificere højværdi muligheder og aktivere kampagner på tværs af alle kanaler. Deres løsninger fokuserer på identitetsløsning, dataindtagelse og realtidsaktivering, der giver mulighed for mærker at integrere forskellige datakilder, udføre AI-drevne analyser og sende målrettede publikum til downstream-systemer. Selskabet lægger vægt på fleksibilitet ved at understøtte direkte forbindelser med større datawarehouse-platforme og opretholder overholdelse af nøgle sikkerhedsstandarder såsom SOC 2, GDPR og HIPAA.

Du har ledet produkt- og teknologistrategi i virksomheder som Tricentis, MongoDB og Codility, før du tiltrådte Amperity. Hvordan har disse erfaringer formet din tilgang til opbygning og skalering af AI-drevne platforme som Real-Time Profiles?

Som udgangspunkt er jeg en entusiast for uløste problemer. Hos Amperity gør vi netop det. Mine erfaringer i tidligere organisationer har formet, hvordan jeg tænker om skaleringsplatforme, mens jeg møder brugernes behov. Disse lektioner omfatter vigtigheden af fleksibilitet, friktionsløs integration på tværs af økosystemer og stærk datastyring.

Disse lektioner har direkte formet vores tilgang til Real-Time Profiles. Vi har specialbygget kapaciteten til at afslutte branchens ældste kompromis – hastighed vs. nøjagtighed – ved at samle historisk identitet med under-sekund streaming i en enkelt, styret arkitektur. Vi har sikret, at platformen forenkler kundernes driftsmodeller, snarere end at gøre dem mere komplekse. Vi har udvidet vores AI-drevne identitetsgrundlag til at samle realtids- og historisk data inden for en enkelt arkitektur, ved hjælp af ét identitetsdiagram, ét adgangskontrollag og konsekvent linje og revision.

Hvilken specifik lukning eller markedsefterspørgsel motiverede Amperity til at udvikle Real-Time Profiles, og hvordan ændrer det balancen mellem datas hastighed og nøjagtighed?

De fleste Customer Data Platforms (CDP’er) tvinger hold til at vælge mellem at handle hurtigt på overfladisk, begivenhedsbaseret data eller handle nøjagtigt på profiler, der er timer eller dage forældede. Amperitys Real-Time Profiles fjerner dette kompromis ved at fortsætte med at kombinere live-signaler med den fulde kunde historie, så mærker kan genkende en person på det præcise øjeblik for engagement og reagere med kontekst. Resultatet er data, der er komplet og aktuel, klar til at drive in-session personalisering og begivenhedsudløste rejser med reel forretningsimpact.

Ved at sammenflette batch og streaming i ét profil, bevæger vi os ud over “hurtig men delvist” eller “komplet men forsinket”. Det er en enkelt, kontinuerligt opdateret kundevisning, der giver mulighed for markedsførings- og serviceteams at orkestrere næste bedste handlinger på hastigheden af hensigten uden at ofre nøjagtighed.

Kan du føre os igennem de tekniske underliggende principper for at samle historisk og streaming data i ét kontinuerligt opdateret kundeprofil?

Vi har bygget en samlet dataflow med tre koordinerede lag: indtagelse af rå JSON-begivenheder fra enhver kilde, kontinuerlig behandling i en distribueret dataflow-motor og en live profilbutik, der understøtter millisekund-søgninger via vores Profil-API. Hver ny klik, booking eller loyalitetsændring er forsonet mod den samme AI-drevne identitetsgraf, der styrer vores batch-rørledninger, hvilket betyder ingen separat identitetsmodel, ingen dobbelt vedligeholdelse, ingen skema-drift.

Kritisk set binder “identitet i bevægelse” hvert begivenhed til den varige, syet profil, så snart den ankommer. Dette giver mulighed for instant berigelse af attributter, kontinuerlig segmentering og begivenhedsudløst aktivering ved hjælp af rejser eller API’er, samtidig med at det bevarer linje, adgangskontrol og revision på tværs af både analytiske og operationelle arbejdslast.

Mange virksomheder kæmper med at operationalisere realtids-personalisering. Hvad er de største udfordringer, du ser mærker står over for, og hvordan løser Amperity dem?

Forbrugere forventer nu, at hver mærkeinteraktion afspejler en realtidsforståelse af deres hensigt, præferencer og historie, øjeblikkeligt. Dog er de fleste organisationer begrænsede af fragmenterede datasystemer og forsinkede indsigt, hvilket gør det svært for dem at reagere i øjeblikket. Resultatet er ofte personalisering, der føles generisk eller ude af sync med kundens behov.

At brokke denne lukning kræver mere end hurtigere teknologi; det kræver en samlet tilgang til data og beslutning. Hos Amperity har vi fokuseret på at løse dette systemiske problem ved at give mærker mulighed for at samle historisk viden og live-kontekst, så hver interaktion kan være rettidig, relevant og forbundet til kundens fulde rejse. Med Real-Time Profiles kan mærker drive in-session personalisering og begivenhedsudløste rejser fra den samme styrede sandhedskilde, og omdanne øjeblikke som vognafgang, loyalitetsniveauforandring eller på-ejendomscheck-in til rettidige, relevante handlinger.

Hvordan forbedrer integrationen af AI og maskinlæring præcisionen eller de predictive evner af Real-Time Profiles?

AI er rygmarven af vores identitetsløsningskapaciteter, hvilket betyder, at live-begivenheder er forbundet med den rette person med den rette kontekst, såsom livstidsværdi, samtykke og loyalitet, inden for millisekunder. Den præcise syning hæver hver efterfølgende beslutning: segmenter beregnes, når data ændres, profilattributter beriges øjeblikkeligt, og rejser udløses baseret på den komplette kunde, ikke isolerede begivenheder.

I fremtiden lægger Real-Time Profiles grundlaget for AI-agenter til at operere med live-kontekst ved at begrunde over udviklende profiler, fremhæve indsigt og autonomt udløse næste bedste handlinger på tværs af stakken. Kombinationen af AI-identitet og streaming-kontekst er, hvad der låser sand en-til-en-personalisering i skala.

Set fra dit perspektiv, hvordan spiller privatlivsreguleringer og datastyring en rolle i opbygning af realtids-personaliseringssystemer?

Ved at udvide vores eksisterende Customer Data Cloud til streaming, opretholder vi en styret profilbutik til både analytiske og operationelle brugsområder. Denne koherens hjælper med at sikre overholdelse og revision, samtidig med at det giver mulighed for under-sekund aktivering.

Lige så vigtigt giver Real-Time Profiles mærker mulighed for at stole på deres egen første-partsdata som den tillidsværdige grundlag for personalisering. Hver realtids-signal er forbundet med verificeret, samtykkebaseret kundedata, så mærker kan handle med tillid til, at deres indsigt og aktivering er i overensstemmelse med privatlivsforventninger og regulatoriske standarder. De samme politikker og kontroller, der styrer historiske profiler, styrer live-opdateringer, og giver mærker øjeblikkelighed, samtidig med at det bevarer tilliden og den stærke sikkerhedsstilling, der er nødvendig for meningsfuld, overholdende personalisering.

Med opkomsten af generativ AI, hvordan forbereder Amperity sig på en fremtid, hvor personligt indhold kan genereres og leveres i realtid?

Generativ AI er kun så god som de data, der driver den. Real-Time Profiles giver den nødvendige live, identitetsløste kontekst, så generative systemer kan tilpasse indhold til, hvem kunden er, og hvad de laver lige nu. Vores arkitektur positionerer AI-agenter til at begrunde over kontinuerligt udviklende profiler og udløse næste bedste handlinger, og brokke indsigt til aktivering automatisk.

Som indholdsgenerering bliver mere autonom, vil gatefaktoren skifte fra “kan vi oprette det?” til “skal vi oprette det nu for denne kunde, givet deres historie og nuværende hensigt?” Vores realtids-, identitetsbevidste profiler besvarer dette med præcision og styring, og giver mulighed for sikre, relevante og målbare oplevelser.

Hvilke brancher eller vertikaler ser du som de største fordelere af denne teknologi i den nærmeste fremtid, og hvorfor?

Alle forbruger-mærker kan drage fordel af realtids-personalisering, men rejse-, luftfarts-, detail- og finansielle services ser øjeblikkelige forbedringer, fordi hensigt-vinduer er korte, og kontekst betyder noget. Tænk på opgraderinger ved check-in, omprisning af forladte bookinger, personligt sorteret og bundtet, eller kortsalg tilpasset on-site-adfærd.

Disse vertikaler opererer allerede omnikanals-rejser med høje indsats for timing, relevans og servicenøjagtighed. Ved at samle historisk identitet og live-signaler kan de omdanne flygtige øjeblikke til omsætning og loyalitet, og omdanne engagement til konverteringer i realtid.

Som Chief Product Officer, hvordan måler du succesen af en udgivelse som Real-Time Profiles ud over teknisk præstation – i form af brugeradoption eller forretningsimpact?

Vi måler succes ved kunde-resultater og adoption, herunder hurtigere tid-til-værdi for in-session personalisering, øget konverterings- og engagementshastighed og forbedrede servicemål på tværs af alle touchpoints. Vore kunder har drevet resultater som 2 gange højere konverteringer fra personlige rejser, millioner af nye højværdi-prospects identificeret uden for loyalitetsprogrammer og hurtigere, mere personlige serviceoplevelser.

Operationelt ser jeg også efter forenklingssignaler som færre værktøjer at vedligeholde tættere tilknytning mellem marketing-, data- og serviceteams. Når den samme profil driver både analytiske og operationelle arbejdslast uden at kræve dobbelt integration eller datapipelines, ser du varig adoption og komponent return på kundedata.

Til sidst, hvordan ser du rollen af CPO udvikle sig, når AI bliver central for kundeengagement og virksomheds vækststrategier?

Den moderne CPO må være integratoren af produkt, data og go-to-market-resultater – eje hvad og hvorfor produktet, der omdanner signaler til værdi. I en verden med AI må CPO også eje hvordan – hvordan intelligens er integreret i hver arbejdsgang, interaktion og beslutning. Det kræver også at arkitekturere for identitet, styring og realtids-handling i én koherent løsning, så hold kan levere oplevelser i kundens hastighed.

Dette betyder at blande produktionsstyring med datavidenskab, infrastruktur, marketing, kundesucces og etisk AI-styring for at sikre, at virksomhedens differentiering ikke kun kommer fra funktioner, men fra læringsystemer, der kontinuerligt tilpasser sig brugere og markeder. Vi bevæger os fra roadmaps til forstærkningsløkker – vores succes handler ikke om at udgive udgivelser, men om at accelerere cykler af eksperimenter, læring og forbedring, der styrker både produktet og kunderelationen.

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