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 voranzutreiben.

Sie haben Marketing bei Google gelernt und sind 6 Jahre geblieben. Was waren Ihre wichtigsten Erkenntnisse aus dieser Erfahrung?

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 Technologie- oder Produkt zum ersten Mal zu verwenden oder zu kaufen. Hier sind die drei wichtigsten Erkenntnisse, die ich noch heute mit mir trage (und unser Marketing-Team damit nerven):

1. Stellen Sie die Benutzer immer an erste Stelle: Es scheint einfach genug, aber es ist erstaunlich, wie viele Marketer dies als Platitude 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 viele unserer eigenen Überzeugungen fälschlicherweise unseren Kunden zuschreiben. Die Forscher bezeichneten dies als “Empathie-Täuschung” und es gibt tatsächlich Daten, die beweisen, 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 bemühe mich, unser Team und mich selbst dazu zu bringen, unsere Ansichten in präziser, menschlicher, zugänglicher Sprache auszudrücken.

3. Messen Sie alles: Zu Beginn meiner Google-Karriere 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 einem echten 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 praktiziert: Verwenden Sie Daten, um Ihre Entscheidungen zu informieren.

CreativeX ist tatsächlich Ihr zweites Start-up, können Sie die Genesis-Geschichte hinter ihm teilen?

Ich verließ Google im Jahr 2012, um Hatch zu gründen, ein E-Commerce-Unternehmen, das personalisierbare Lifestyle-Produkte verkaufte. Unsere These war, dass das typische Online-Shopping-Erlebnis erschöpfend war, da Verbraucher durch Seiten und Seiten von Produkten scrollen mussten, die nicht ganz richtig waren. Kleine und mittelständische Unternehmen trugen die Last, die Nachfrage der Verbraucher vorherzusagen, und blieben mit nicht verkauften Lagerbeständen zurück, 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 das Lagerbestandsrisiko für den Hersteller reduziert wurde.

Es bleibt eine Idee, an die ich tief glaube, aber E-Commerce-Unternehmen sind ohne erhebliche Kapitalinvestitionen schwer zu starten. Als wir Hatch aufbauten, verbrachten wir natürlich viel Zeit damit, überlegen, wie wir Verbraucher auf unsere Website bringen konnten, und wir mussten um die Aufmerksamkeit der Verbraucher mit all den üblichen Verdächtigen (Google, Facebook usw.) konkurrieren, aber mit einem Bruchteil der finanziellen Ressourcen. Da wir die großen E-Commerce-Spieler nicht ausbieten konnten, fragten wir uns, wie wir sie ausstechen konnten. Wir nahmen 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 bei der Erreichung kreativer Exzellenz zu helfen, indem sie die kreative Qualität, Markenkonstanz und Inhalt-Darstellung messen, verfolgen und verbessern.

Können Sie die verschiedenen maschinellen Lernalgorithmen 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 eingezogen wird (Bilder, Videos und GIFs), und verwendet eine Vielzahl von Technologien, um eine umfassende Menge von Metadaten zu sammeln und zu erstellen, die es uns ermöglicht, diese Assets auf maßgeschneiderte Weise zu kategorisieren.

Wir analysieren vier Elemente jedes kreativen Assets.

1. Die Bild- und Video-Datei: 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 die Daten werden als Dutzende, manchmal Hunderte von Tags für jedes kreative Asset zurückgegeben.
• Optical-Character-Recognition: Dies ermöglicht es uns, alle Wörter zu erkennen, die innerhalb des kreativen Inhalts verwendet werden. Die Technologie bestimmt nicht nur die Menge an Text, der verwendet wird, sondern auch alle textbezogenen Marken-Anforderungen (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 sowohl für die Anwesenheit von Objekten als auch für Konzepte, die Marketer messen möchten, skalierbar und genau zu analysieren.

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

Die Fähigkeit, das zu verfolgen, was für jede Marke angepasst wird, ist kritisch. 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 Marketer schwer zu verwenden ist. Dies ist das Problem, mit dem wir in den frühen Tagen von Hatch kämpften: 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 abzubilden, was für diese Marke, ihre Branche und ihre Herausforderungen einzigartig ist. Dazu gehört oft die Erstellung von Erkennung, die die Marken-Richtlinien oder die Stimme der Marke widerspiegelt, wie sie auf dem Markt positioniert ist, wie sie sich von ihren Wettbewerbern unterscheidet und letztendlich zum Kern der großen kreativen Fragen kommt, über die die Marketer in diesem Team diskutieren.

Welche handhabbaren Erkenntnisse können aus dieser Anwendung gewonnen werden?

Die Technologie von CreativeX kann Ihnen Erkenntnisse über die kreative Qualität, Markenkonstanz, Compliance und Darstellung aller Ihrer Bild- und Videoinhalte liefern. Mit diesen Informationen können Marketer bestimmen, wie viel von ihrem Inhalt ihren Mindeststandard an Qualität erfüllt und für den Erfolg auf jedem Plattform aufgestellt ist und wie viel Geld sie (und ihre Agenturen) für die Förderung und Produktion von Inhalten ausgeben, die diesen Standards entsprechen (und nicht entsprechen). Sie können messen, wie konsistent ihre Marken-Teams über die Marke kommunizieren (marschieren sie im Gleichschritt? Verwenden sie konsistent die gleichen einzigartigen Marken-Assets?) und wie repräsentativ ihre Besetzungsentscheidungen waren. All dies kann Marketer dazu bringen, die Kontrolle über ihren kreativen Inhalt zurückzugewinnen, um 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 viel besprochenen Themen der Repräsentation die Realität der inklusiven Repräsentation noch viel Arbeit erfordert. Unsere Analyse der rassischen Vielfalt zeigte beispielsweise, dass Schwarze eher in Anzeigen besetzt werden, in denen Sport oder Übung ein Thema sind, und weniger wahrscheinlich in Führungsrollen besetzt werden. Als wir die geschlechtsspezifische Repräsentation untersuchten, fanden wir heraus, dass Marken immer noch negative Geschlechterstereotype aufrechterhalten: Männer dominieren berufliche Rollen und Frauen sind eher in bestimmten häuslichen Aktivitäten wie Putzen zu sehen. Selbst mit weniger Auftritten auf der Leinwand sind Männer in mehr Sprechrollen zu sehen, 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 in den nächsten 5 Jahren eine tiefere (oder in einigen Fällen tatsächliche) Anwendung von maschinellem Lernen in der Werbung sehen werden, um die Grundlagen, die die Branche bereits tut, zu verbessern: Vorhersage der Verbraucher-Neigung zum Klicken und Kaufen (Targeting), Erstellung von kreativen Variationen auf der Grundlage von Verbraucherdaten (dynamische Anzeigen-Kreation), Parsen von mehr Daten, um Erkenntnisse zu generieren (Berichterstattung).

Maschinelles Lernen wird wahrscheinlich auf den Fall angesetzt, herauszufinden, welche anderen Signale den Verlust von Drittanbieter-Cookies auf Chrome und IDFA auf iOS ersetzen können und wie wir personalisierte Werbung trotz des Verlusts dieser Informationen fortsetzen 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 CreativeX besuchen.