Αναστασία Λενγκ, Ιδρύτρια & Διευθύντρια της CreativeX – Σειρά Συνεντεύξεων

Η Αναστασία Λενγκ είναι η Ιδρύτρια & Διευθύντρια της CreativeX, μια εταιρεία που παρέχει τεχνολογία για την προώθηση της δημιουργικής αριστείας για τις πιο αγαπημένες μάρκες στον κόσμο. Μέσω της ανάλυσης της δημιουργικής εργασίας σε μεγάλη κλίμακα, η τεχνολογία στοχεύει στην προώθηση της δημιουργικής έκφρασης μέσω της σαφήνειας των δεδομένων.

Μάθατε μάρκετινγκ στο Google και παρέμεινα εκεί για 6 χρόνια. Ποια ήταν τα βασικά συμπεράσματα από αυτή την εμπειρία;

Το μάρκετινγκ στο Google είναι πολύ μακριά από το παραδοσιακό μάρκετινγκ. Η δουλειά που έκανα κατά τη διάρκεια της θητείας μου εκεί από το 2007 έως το 2012 ήταν ένα μείγμα μάρκετινγκ, προϊόντος και ανάπτυξης επιχειρήσεων. Όλη η δουλειά μου εστιάζονταν στην εκκίνηση, τη θέση και την πείθωση των ανθρώπων να χρησιμοποιήσουν ή να αγοράσουν μια νέα τεχνολογία ή προϊόν για πρώτη φορά. Εδώ είναι τα τρία βασικά μαθήματα που ακόμη τα μεταφέρω σήμερα (και ενοχλώ την ομάδα μάρκετινγκ μας):

1. Να τοποθετήσετε πάντα τους χρήστες πρώτοι: Φαίνεται απλό, αλλά είναι αξιοπρεπές πόσοι μάρκετερ το αντιμετωπίζουν ως μια πλατιά έκφραση. Μην υποθέτετε ότι αυτό που θέλετε είναι αυτό που θέλουν οι χρήστες σας (ένα λάθος που βλέπω συνεχώς). Στην πραγματικότητα, μια μελέτη του Thinkbox το 2016 και μια μελέτη του Reach Solutions το 2018 σύγκρινε τις πεποιθήσεις των μάρκετερ με εκείνες του γενικού κοινού και διαπίστωσε ότι εσφαλμένα αποδίδουμε πολλές από τις δικές μας πεποιθήσεις στους πελάτες μας. Οι ερευνητές περιέγραψαν αυτό ως “απατηλή εмпάθεια” και πραγματικά έδωσαν κάποια δεδομένα πίσω από το γεγονός ότι πρέπει να κάνουμε μια καλύτερη δουλειά για την κατανόηση των χρηστών μας.

2. Να αποφεύγετε πάντα την τεχνική ορολογία: Το Google έκανε μια υπέροχη δουλειά εγκαθιστώντας σε μας την αξία της σαφούς και απλής επικοινωνίας. Ακόμη και οι όροι και οι προϋποθέσεις ήταν γραμμένοι με τρόπο που κάποιος χωρίς νομικό πτυχίο είχε την ευκαιρία να τα κατανοήσει. Ως αποτέλεσμα, έχω μια παβλοβιανή αντίδραση στο κρύος για όρους όπως “ηγετική σκέψη” ή “omnichannel” και κάνω το καλύτερό μου για να ωθήσω την ομάδα μας, και τον εαυτό μου, να εκφράσουμε τις απόψεις μας με συντομες, ανθρώπινες, προσιτές γλώσσες.

3. Να μετράτε το mọiTHING: Στην αρχή της καριέρας μου στο Google, έκανα το λάθος του να δικαιολογώ την αιτιολόγησή μου για μια απόφαση λέγοντας ότι “το κάναμε così στο παρελθόν, οπότε πρέπει να το κάνουμε così και εδώ”. Επέλεξα την άνεση και την οικειότητα έναντι της πραγματικής κατανόησης της κατάστασης μπροστά μου, και η απάντηση από τους ομότιμούς μου ήταν αρκετή για να με αποτρέψει από το να κάνω αυτό το λάθος ξανά. Είναι προφανές αλλά σπάνια ασκείται: χρησιμοποιήστε δεδομένα για να ενημερώσετε τις αποφάσεις σας.

Η CreativeX είναι στην πραγματικότητα η δεύτερη επιχείρησή σας, θα μπορούσατε να μοιραστείτε την ιστορία πίσω από αυτή;

Έφυγα από το Google το 2012 για να ξεκινήσω την Hatch, μια εταιρεία ηλεκτρονικού εμπορίου που πωλούσε προσαρμόσιμα προϊόντα lối ζωής. Η θέση μας ήταν ότι η τυπική εμπειρία αγοράς online ήταν εξαντλητική, με τους καταναλωτές να πρέπει να σερφάρουν σε σελίδες και σελίδες προϊόντων που δεν ήταν ακριβώς σωστά. Οι μικρές έως μεσαίες επιχειρήσεις ανέλαβαν το βάρος της πρόβλεψης της ζήτησης των καταναλωτών και έμειναν με αποθέματα που δεν πωλούσαν. Η λύση μας ήταν να δημιουργήσουμε μια εμπειρία λιανικού εμπορίου, ένα μέρος όπου κάθε προϊόν θα μπορούσε να προσαρμοστεί για να ανταποκριθεί στις προδιαγραφές του πελάτη, μειώνοντας τον κίνδυνο αποθέματος που φέρει ο κατασκευαστής.

Παραμένει μια ιδέα που πιστεύω βαθιά, αλλά οι επιχειρήσεις ηλεκτρονικού εμπορίου είναι δύσκολο να ξεκινήσουν χωρίς σημαντική επένδυση κεφαλαίου. Καθώς χτίζαμε την Hatch, σκεφτήκαμε πολύ για το πώς να φέρουμε τους καταναλωτές στο site μας και αναγκάστηκα να ανταγωνιστούμε για την προσοχή των καταναλωτών με όλους τους συνήθεις υπόπτους (Google, Facebook, κ.λπ.) αλλά με ένα κλάσμα των οικονομικών πόρων. Δεδομένου ότι δεν μπορούσαμε να ξεπεράσουμε τους μεγάλους παίκτες του ηλεκτρονικού εμπορίου, αρχίσαμε να σκεφτόμαστε πώς θα μπορούσαμε να τους ξεπεράσουμε. Κάνουμε λήψεις αποφάσεων με βάση τα δεδομένα για όλα: το κοινό μας, την ώρα της ημέρας που διαφημίζουμε, τις λέξεις-κλειδιά, κ.λπ. Όλα εκτός από την ίδια τη δημιουργική δουλειά. Καταλάβαμε ότι τα δημιουργικά στοιχεία ήταν το πιο σημαντικό μέρος της διαφήμισής μας, αλλά το μέρος που καταλάβαμε λιγότερο.

Ξεκινήσαμε να χτίζουμε τεχνολογία για να αντιμετωπίσουμε αυτό το πρόβλημα, και ήταν αυτή η τεχνολογία, αρχικά προορισμένη για την εσωτερική μας ανάλυση, που οδήγησε στη γέννηση της CreativeX. Σήμερα, η CreativeX παρέχει τεχνολογία για να βοηθήσει τις μάρκες να φτάσουν την δημιουργική αριστεία μετρώντας, παρακολουθώντας και βελτιώνοντας την ποιότητα της δημιουργικής δουλειάς, τη συνεχή παρουσία της μάρκας και την αναπαράσταση του περιεχομένου.

Θα μπορούσατε να συζητήσετε τις διάφορες τεχνολογίες μηχανικής μάθησης που χρησιμοποιούνται στην CreativeX για να αναλύσετε εικόνες και βίντεο σε χιλιάδες ιδιότητες;

Η CreativeX επεξεργάζεται κάθε einzelное δημιουργικό στοιχείο που εισάγεται στο σύστημά μας (εικόνες, βίντεο και GIF) και χρησιμοποιεί eine ποικιλία τεχνολογιών για να συλλέξει και να δημιουργήσει ένα綜合적인 σύνολο μεταδεδομένων που μας επιτρέπουν να κατηγοριοποιήσουμε αυτά τα στοιχεία με τον κατάλληλο τρόπο.

Αναλύουμε τέσσερις στοιχεία κάθε δημιουργικού στοιχείου.

1. Το αρχείο εικόνας και βίντεο: Εξάγουμε κοινές ιδιότητες από κάθε αρχείο, συμπεριλαμβανομένων των διαστάσεων, του τύπου αρχείου, κ.λπ.

2. Το περιεχόμενο της εικόνας και του βίντεο: Χρησιμοποιούμε δύο τύπους τεχνολογιών για να κατανοήσουμε το περιεχόμενο μέσα σε κάθε εικόνα και βίντεο.

• Επιταχυντή όρασης: Αυτό μας επιτρέπει να κατανοήσουμε το περιεχόμενο κάθε οπτικού στοιχείου σε μεγάλη κλίμακα και τα δεδομένα επιστρέφονται πίσω ως δεκάδες, μερικές φορές εκατοντάδες ετικέτες για κάθε δημιουργικό στοιχείο.
• Οπτική αναγνώριση χαρακτήρων: Αυτό μας επιτρέπει να αναγνωρίσουμε οποιαδήποτε λέξεις χρησιμοποιούνται μέσα στο δημιουργικό. Η τεχνολογία καθορίζει όχι μόνο την ποσότητα κειμένου που χρησιμοποιείται, αλλά και οποιαδήποτε κειμενοειδική απαίτηση μάρκας (π.χ. σλόγκαν, θέση, γλώσσα, κ.λπ.)

3. Το κείμενο που συνοδεύει κάθε οπτικό στοιχείο: Αν το δημιουργικό είναι ζωντανό, επίσης συλλέγουμε οποιοδήποτε συνοδευτικό κείμενο περιγραφής.

4. Το αρχείο ήχου για βίντεο: Κάθε αρχείο ήχου μετατρέπεται σε αναγνώσιμη μορφή που μας επιτρέπει να ρυθμίσουμε κανόνες ήχου για κάθε μάρκα.

Έχουμε χτίσει εργαλεία για να συνδυάσουμε όλα αυτά τα δεδομένα με έξυπνο τρόπο για να αναλύσουμε και να μετρήσουμε το περιεχόμενο για cả την παρουσία αντικειμένων και έννοιες που θέλουν να μετρήσουν οι μάρκετερ.

Πόσο σημαντικό είναι να προσαρμόσετε τις οπτικές ενδείξεις και στοιχεία που μετράτε;

Η ικανότητα να προσαρμόσετε αυτό που μετράτε για κάθε μάρκα είναι κρίσιμη. Τα δεδομένα είναι τόσο ισχυρά όσο η ικανότητά τους να παρέχουν σαφήνεια σε κάτι που είναι επίκαιρο για την οργάνωση σας, και αυτό είναι το πρόβλημα που αντιμετωπίζαμε στις πρώτες μέρες της Hatch: ίσως να ανιχνεύσουμε την παρουσία φορεμάτων και να κατανοήσουμε πόσο συχνά τα χρησιμοποιούμε, αλλά αν είστε μια εταιρεία αυτοκινήτων, αυτή η ενημέρωση είναι άσχετη. Αυτός είναι ο λόγος για τον οποίο έχουμε επενδύσει πολύ χρόνο στην ικανότητα να προσαρμόσουμε τον τύπο ανίχνευσης που παρέχουμε, ώστε να το χαρτογραφήσουμε σε αυτό που είναι μοναδικό για αυτή τη μάρκα, την βιομηχανία και τις προκλήσεις της. Αυτό συχνά περιλαμβάνει την κατασκευή ανίχνευσης που αντανακλά τις οδηγίες της μάρκας ή τη φωνή της, πώς είναι τοποθετημένη στην αγορά, πώς διαφοροποιείται από τους ανταγωνιστές της, και αυτό που φτάνει στην καρδιά των μεγάλων δημιουργικών ερωτήσεων που συζητούν οι μάρκετερς σε αυτή την ομάδα.

Τι είδους ενεργές πληροφορίες μπορούν να ληφθούν από αυτή την εφαρμογή;

Η τεχνολογία της CreativeX μπορεί να σας βοηθήσει να λάβετε πληροφορίες σχετικά με την ποιότητα της δημιουργικής δουλειάς, τη συνεχή παρουσία της μάρκας, την συμμόρφωση και την αναπαράσταση όλων των εικόνων και βίντεο. Με αυτές τις πληροφορίες, οι μάρκετερ μπορούν να καθορίσουν πόσο από το περιεχόμενό τους ανταποκρίνεται στο ελάχιστο πρότυπο ποιότητας και είναι ρυθμισμένο για επιτυχία με βάση τις μοναδικές παραμέτρους που απαιτούνται σε κάθε πλατφόρμα και πόσο χρήματα δαπανώνται (& οι एजέντιές τους) για την προώθηση και την παραγωγή περιεχομένου που ανταποκρίνεται (και δεν ανταποκρίνεται) σε αυτά τα πρότυπα. Μπορούν να μετρήσουν πόσο συνεχώς οι ομάδες της μάρκας τους μιλάνε για τη μάρκα (αν πηγαίνουν στο ρυθμό του ίδιου ντράμ; Χρησιμοποιούν συνεχώς τις ίδιες διακεκριμένες στοιχεία μάρκας;) και πόσο αντιπροσωπευτικές είναι οι αποφάσεις κάστινγκ. Όλα αυτά μπορούν να βοηθήσουν τους μάρκετερ να πάρουν πίσω τον έλεγχο του δημιουργικού περιεχομένου τους για να κατανοήσουν πραγματικά και να μετρήσουν, σε μεγάλη κλίμακα, την υγεία και την ευθυγράμμιση των δημιουργικών αποφάσεών τους.

Η CreativeX έχει εκτελέσει τόσο μια φυλετική όσο και μια ανάλυση φύλου χιλιάδων διαφημίσεων, ποια ήταν κάποια από τα αποτελέσματα από αυτή την ανάλυση;

Αναλύσαμε 2.378 διαφημίσεις FMCG (γρήγορης κίνησης καταναλωτικών αγαθών) στις ΗΠΑ και βρήκαμε ότι παρά την προσοχή που δόθηκε στο θέμα της αναπαράστασης, η πραγματικότητα της εύστοχης αναπαράστασης vẫn απαιτεί πολύ δουλειά. Η ανάλυση της φυλετικής μας ποικιλότητας, για παράδειγμα, έδειξε ότι οι μαύροι άνθρωποι είναι πιο πιθανό να εμφανιστούν σε διαφημίσεις όπου το άθλημα ή η άσκηση είναι ένα θέμα και λιγότερο πιθανό να εμφανιστούν σε ηγετικές θέσεις. Όταν εξετάσαμε την αναπαράσταση φύλου, βρήκαμε ότι οι μάρκες εξακολουθούν να διαιωνίζουν αρνητικά στερεότυπα φύλου: Οι άνδρες κυριαρχούν σε επαγγελματικές θέσεις και οι γυναίκες είναι πιο πιθανό να εμφανιστούν να κάνουν ορισμένες οικιακές δραστηριότητες όπως το καθάρισμα. Ακόμη και με λιγότερες εμφανίσεις στην οθόνη, οι άνδρες εμφανίζονται σε περισσότερους ομιλητές ρόλους, αλλά βλέπουμε κάποια πρόοδο με την αυξημένη απεικόνιση γυναικών σε ηγετικές θέσεις.

Τι άλλες τρόπους μπορείτε να δείτε την μηχανική μάθηση να βελτιώνει το τοπίο της διαφήμισης τα επόμενα 5 χρόνια;

Ένας από τους επενδυτές μας χρησιμοποιούσε να λέει ότι πολλές βιομηχανίες που ισχυρίζονται ότι χρησιμοποιούν μηχανική μάθηση έχουν μηχανές, και έχουν μάθηση, αλλά δεν είναι πάντα σαφές ότι είναι οι μηχανές που μαθαίνουν.

Η άποψή μου είναι ότι θα δούμε μια πιο βαθιά (ή σε ορισμένες περιπτώσεις, πραγματική) εφαρμογή της μηχανικής μάθησης στη διαφήμιση για να συνεχίσει να βελτιώνει τα ψωμιά και το βούτυρο που η βιομηχανία ήδη κάνει: την πρόβλεψη της προκατάληψης του καταναλωτή να κάνετε κλικ και να αγοράσετε (στόχευση), τη δημιουργία δημιουργικών παραλλαγών με βάση τα δεδομένα των καταναλωτών (δυναμική διαφήμιση), την ανάλυση περισσότερων δεδομένων για να παράγει ενημερώσεις (αναφορά).

Η μηχανική μάθηση είναι πιθανό να τοποθετηθεί στην περίπτωση της εύρεσης άλλων σημάτων που μπορούν να αντικαταστήσουν την απώλεια των τρίτων cookie στο Chrome και IDFA στο iOS και πώς θα μπορούμε να συνεχίσουμε να προσωπικοποιούμε τη διαφήμιση παρά την απώλεια αυτής της πληροφορίες.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστεί σχετικά με την CreativeX;

Λίγο cheeky αλλά… είμαστε στην διαδικασία προσλήψεων! Αν έχετε φτάσει στο τέλος του acest άρθρου και ενδιαφέρεστε για το πώς να ενωθείτε τα δεδομένα και την δημιουργική έκφραση, θα θέλαμε να μιλήσουμε!

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα πρέπει να επισκεφθούν CreativeX.