Anastasia Leng, Gründerin & CEO von CreativeX – Interview-Serie

Anastasia Leng ist die Gründerin und CEO von CreativeX, einem Unternehmen, das kreative Exzellenz für die weltweit beliebtesten Marken ermöglicht. Durch die Analyse von kreativen Inhalten im großen Maßstab zielt die Technologie darauf ab, kreative Ausdrucksformen durch die Klarheit von Daten zu verbessern.

Sie haben Marketing bei Google (GOOGL ) gelernt und sind 6 Jahre geblieben. Was waren Ihre wichtigsten Erfahrungen während dieser Zeit?

Marketing bei Google ist weit entfernt von traditionellem Marketing. Die Arbeit, die ich während meiner Zeit dort von 2007 bis 2012 geleistet habe, war eine Mischung aus Marketing, Produkt und Geschäftsentwicklung. All meine Arbeit konzentrierte sich auf das Launchen, Positionieren und Überzeugen von Menschen, ein neues Produkt oder eine neue Technologie zum ersten Mal zu verwenden oder zu kaufen. Hier sind die drei wichtigsten Erfahrungen, die ich noch heute mit mir trage (und unser Marketing-Team damit nerven):

1. Stellen Sie die Benutzer immer an erste Stelle: Es mag einfach genug erscheinen, aber es ist erstaunlich, wie viele Marketingfachleute dies als eine Plattitüde behandeln. Nehmen Sie nicht an, dass das, was Sie wollen, das ist, was Ihre Benutzer wollen (ein Fehler, den ich immer wieder sehe). Tatsächlich ergab eine Studie von Thinkbox aus dem Jahr 2016 und eine Studie von Reach Solutions aus dem Jahr 2018, dass wir oft unsere eigenen Überzeugungen unseren Kunden zuschreiben, was die Forscher als “Einfühlungsdelusion” bezeichneten und was wirklich einige Daten hinter die Tatsache brachte, dass wir eine bessere Arbeit bei der Verständnis unserer Benutzer leisten müssen.

2. Vermeiden Sie immer Fachjargon: Google hat uns die Wichtigkeit klarer und einfacher Kommunikation eingeimpft. Selbst ihre Allgemeinen Geschäftsbedingungen waren so formuliert, dass jemand ohne juristischen Abschluss sie verstehen konnte. Als Ergebnis habe ich eine pavlovianische Reaktion auf Begriffe wie “Thought Leadership” oder “Omnichannel” und ich versuche, unser Team und mich selbst dazu zu bringen, unsere Ansichten in präziser, menschlicher, zugänglicher Sprache auszudrücken.

3. Messen Sie alles: Zu Beginn meiner Karriere bei Google machte ich den Anfängerfehler, meine Rechtfertigung für eine Entscheidung damit zu begründen, dass “wir es in der Vergangenheit so gemacht haben, also sollten wir es auch hier so machen”. Ich wählte Komfort und Vertrautheit anstelle von wirklichem Verständnis der Situation vor mir und die Reaktion meiner Kollegen war ausreichend, um mich davon abzuhalten, diesen Fehler noch einmal zu machen. Es ist offensichtlich, aber selten geübt: Verwenden Sie Daten, um Ihre Entscheidungen zu treffen.

CreativeX ist tatsächlich Ihr zweites Start-up. Könnten Sie die Entstehungsgeschichte hinter ihm teilen?

Ich verließ Google 2012, um Hatch zu gründen, ein E-Commerce-Unternehmen, das personalisierbare Lifestyle-Produkte verkaufte. Unsere These war, dass das typische Online-Shopping-Erlebnis erschöpfend ist, da Verbraucher durch Seiten und Seiten von Produkten scrollen müssen, die nicht ganz richtig sind. Kleine und mittelständische Unternehmen trugen die Last, den Bedarf der Verbraucher vorherzusagen, und wurden mit übrig gebliebenen Lagerbeständen zurückgelassen, die nicht verkauft wurden. Unsere Lösung bestand darin, ein personalisierbares Einzelhandelserlebnis zu schaffen, einen Ort, an dem jedes Produkt den Spezifikationen des Kunden angepasst werden konnte, während gleichzeitig das Lagerbestandsrisiko für den Hersteller reduziert wurde.

Es bleibt eine Idee, an die ich tief glaube, aber E-Commerce-Unternehmen sind schwer zu starten, ohne erhebliche Kapitalinvestitionen. Als wir Hatch aufbauten, verbrachten wir viel Zeit damit, über Möglichkeiten nachzudenken, wie wir Verbraucher auf unsere Website bringen könnten, und wir mussten um die Aufmerksamkeit der Verbraucher mit all den üblichen Verdächtigen (Google, Facebook (META ) usw.) konkurrieren, aber mit einem Bruchteil der finanziellen Ressourcen. Da wir die großen E-Commerce-Spieler nicht ausbieten konnten, begannen wir, uns zu fragen, wie wir sie ausstechen könnten. Wir trafen datenbasierte Entscheidungen über alles: unsere Zielgruppe, die Tageszeit, zu der wir werben, die Schlüsselwörter usw. Alles außer dem kreativen Inhalt selbst. Wir erkannten, dass kreative Assets der wichtigste Teil unseres Marketings waren, aber der Teil, den wir am wenigsten verstanden.

Wir begannen, Technologie zu entwickeln, um dieses Problem zu lösen, und es war diese Technologie, die ursprünglich für unsere interne Analyse bestimmt war, die zur Geburt von CreativeX führte. Heute bietet CreativeX Technologie, um Marken dabei zu helfen, kreative Exzellenz zu erreichen, indem sie die Messung, Verfolgung und Verbesserung der kreativen Qualität, der Markenkonsequenz und der inhaltlichen Repräsentation ermöglicht.

Könnten Sie die verschiedenen maschinellen Lern-Technologien erörtern, die bei CreativeX verwendet werden, um Bilder und Videos in Tausende von Attributen zu zerlegen?

CreativeX verarbeitet jedes einzelne kreative Asset, das in unser System gezogen wird (Bilder, Videos und GIFs), und verwendet verschiedene Technologien, um eine umfassende Menge an Metadaten zu sammeln und zu erstellen, die es uns ermöglichen, diese Assets auf eine maßgeschneiderte Weise zu kategorisieren.

Wir analysieren vier Elemente jedes kreativen Assets.

1. Die Bild- und Videodatei: Wir extrahieren gemeinsame Eigenschaften aus jeder Datei, einschließlich Asset-Länge, Dimensionen, Dateityp usw.

2. Der Bild- und Video-Inhalt: Wir verwenden zwei Arten von Technologien, um den Inhalt innerhalb jedes Bildes und Videos zu verstehen.

• Computer-Vision: Dies ermöglicht es uns, den Inhalt jedes visuellen Elements im großen Maßstab zu verstehen und Daten werden als Dutzende, manchmal Hunderte von Tags für jedes kreative Asset zurückgegeben.
• Optical-Character-Recognition: Dies ermöglicht es uns, Wörter zu erkennen, die innerhalb des kreativen Inhalts verwendet werden. Die Technologie bestimmt nicht nur die Menge an Text, der verwendet wird, sondern auch spezifische Textanforderungen (z. B. Slogans, Positionierung, Sprache usw.)

3. Der Begleittext zu jedem visuellen Element: Wenn das kreative Asset live ist, ziehen wir auch den Begleittext ein.

4. Die Sound-Datei für Videos: Jede Audio-Datei wird in parsebare Texte übersetzt, die die Einrichtung von Audio-Regeln für jede Marke ermöglichen.

Wir haben Tools entwickelt, um all diese Daten auf intelligente Weise zu kombinieren, um kreative Inhalte skalierbar und genau zu analysieren und sowohl die Anwesenheit von Objekten als auch Konzepte zu messen, die Marketingfachleute messen möchten.

Wie wichtig ist es, die visuellen Hinweise und Elemente, die gemessen werden, anzupassen?

Die Fähigkeit, anzupassen, was wir für jede Marke messen, ist entscheidend. Daten sind nur so mächtig wie ihre Fähigkeit, Klarheit über etwas zu geben, das für Ihre Organisation relevant ist, was der Grund ist, warum eine einheitliche Computer-Vision-Erkennung für Marketingfachleute schwer zu verwenden ist. Dies ist das Problem, mit dem wir in den frühen Tagen von Hatch zu kämpfen hatten: Wir könnten die Anwesenheit von Kleidern erkennen und verstehen, wie häufig wir sie verwenden, aber wenn Sie ein Auto-Unternehmen sind, ist diese Erkenntnis irrelevant. Deshalb haben wir viel Zeit damit verbracht, die Art der Erkennung anzupassen, die wir bieten, um sie auf das zu kartieren, was einzigartig für diese Marke, ihre Branche und ihre Herausforderungen ist. Dazu gehört oft die Entwicklung von Erkennung, die die Richtlinien oder die Stimme der Marke widerspiegelt, wie sie auf dem Markt positioniert ist, wie sie sich von ihren Wettbewerbern abhebt und letztendlich zum Kern der großen kreativen Fragen kommt, über die die Marketingfachleute in diesem Team diskutieren.

Welche handfesten Erkenntnisse können durch diese Anwendung gewonnen werden?

Die Technologie von CreativeX kann Ihnen Erkenntnisse über die kreative Qualität, Markenkonsequenz, Konformität und Repräsentation aller Ihrer Bild- und Videoinhalte liefern. Mit diesen Informationen können Marketingfachleute bestimmen, wie viel von ihrem Inhalt ihren Mindeststandard an Qualität erfüllt und auf Erfolg vorbereitet ist, basierend auf den einzigartigen Parametern, die auf jeder Plattform erforderlich sind, und wie viel Geld sie (und ihre Agenturen) für die Förderung und Produktion von Inhalten ausgeben, die diesen Standards entsprechen (oder nicht). Sie können messen, wie konsequent ihre Marken-Teams über die Marke kommunizieren (marschieren sie im gleichen Rhythmus? Verwenden sie konsequent die gleichen einzigartigen Marken-Assets?) und wie repräsentativ ihre Casting-Entscheidungen waren. All dies kann Marketingfachleute dazu bringen, die Kontrolle über ihren kreativen Inhalt zurückzugewinnen und wirklich zu verstehen und zu messen, im großen Maßstab, die Gesundheit und Ausrichtung ihrer kreativen Entscheidungen.

CreativeX hat sowohl eine rassische als auch eine geschlechtsspezifische Analyse von Tausenden von Anzeigen durchgeführt. Was waren einige der Ergebnisse aus dieser Analyse?

Wir haben 2.378 FMCG-Anzeigen (Fast Moving Consumer Goods) in den USA analysiert und festgestellt, dass trotz der Aufmerksamkeit, die diesem Thema gewidmet wird, die Realität der inklusiven Repräsentation noch viel Arbeit erfordert. Unsere Analyse der rassischen Vielfalt zeigte beispielsweise, dass Schwarze eher in Anzeigen auftauchen, in denen Sport oder Übung das Thema sind, und weniger wahrscheinlich in Führungsrollen auftauchen. Als wir uns die geschlechtsspezifische Repräsentation ansahen, fanden wir heraus, dass Marken immer noch negative Geschlechterstereotype aufrechterhalten: Männer dominieren berufliche Rollen und Frauen sind eher bereit, bestimmte häusliche Aktivitäten wie Putzen auszuführen. Selbst mit weniger Auftritten auf der Leinwand treten Männer in mehr Sprechrollen auf, aber wir sehen einige Fortschritte bei der Darstellung von Frauen in Führungsrollen.

Welche anderen Möglichkeiten sehen Sie, dass maschinelles Lernen die Werbelandschaft in den nächsten 5 Jahren verbessern kann?

Einer unserer Investoren sagte einmal, dass viele Branchen, die behaupten, maschinelles Lernen zu verwenden, Maschinen und Lernen haben, aber es ist nicht immer klar, dass es die Maschinen sind, die lernen.

Meine Meinung ist, dass wir eine tiefere (oder in einigen Fällen tatsächliche) Anwendung von maschinellem Lernen in der Werbung sehen werden, um die Grundlagen zu verbessern, die die Branche bereits tut: Vorhersage der Neigung der Verbraucher, zu klicken und zu kaufen (Zielgruppenansprache), Erstellung von kreativen Variationen auf der Grundlage von Verbraucherdaten (dynamische Anzeigen), Parsen von mehr Daten, um Erkenntnisse zu gewinnen (Berichterstattung).

Das maschinelle Lernen wird wahrscheinlich auf den Fall angesetzt, herauszufinden, welche anderen Signale den Verlust von Third-Party-Cookies auf Chrome und IDFA auf iOS ersetzen können und wie wir die Personalisierung der Werbung trotz des Verlusts dieser Informationen aufrechterhalten können.

Gibt es noch etwas, das Sie über CreativeX teilen möchten?

Ein bisschen frech, aber… wir suchen nach neuen Mitarbeitern! Wenn Sie bis zum Ende dieses Artikels gelangt sind und sich für die Möglichkeit interessieren, Daten und kreativen Ausdruck besser zu verbinden, würden wir uns freuen, mit Ihnen zu sprechen!

Vielen Dank für das großartige Interview. Leser, die mehr über CreativeX erfahren möchten, sollten die Website CreativeX besuchen.