Anastasia Leng, CreativeX:n perustaja ja toimitusjohtaja – Haastattelusarja

Anastasia Leng on CreativeX:n perustaja ja toimitusjohtaja, yhtiö joka mahdollistaa luovan erinomaisuuden maailman rakastetuimmille brändeille. Analysoimalla luovaa sisältöä laajassa mittakaavassa, teknologia pyrkii edistämään luovaa ilmaisua datan selkeyden kautta.

Opitit markkinoinnin Googlella ja olit siellä 6 vuotta. Mitkä olivat avainopitukset tästä kokemuksesta?

Markkinointi Googlella on kaukana perinteisestä markkinoinnista. Työ, jota tein siellä vuosina 2007-2012, oli sekoitus markkinointia, tuotekehitystä ja liiketoimintakehitystä. Kaikki työni keskittyi uuden teknologian tai tuotteen lanseeraamiseen, asemoitumiseen ja myyntiin. Tässä ovat kolme tärkeintä opetusta, jotka kannan mukanani edelleen tänään (ja ärsytän markkinointitiimiäni niillä):

1. Aseta aina käyttäjät ensin: Vaikka se kuulostaa yksinkertaiselta, on hämmästyttävää, kuinka moni markkinoitsija kohtelee tätä platitudeina. Älä oleta, että mitä haluat, on samaa mitä käyttäjät haluavat (virhe, jonka näen toistuvasti). Itse asiassa 2016 Thinkbox-tutkimus ja 2018 Reach Solutions -tutkimus vertasivat markkinoitsijoiden käsityksiä yleisön kanssa ja totesivat, että meillä on virheellinen käsitys monista omista uskomuksistamme. Tutkijat kuvasivat tämän “empatiavirheeksi” ja se antoi todisteita siitä, että meidän on tehtävä parempi työ ymmärtääksemme käyttäjiämme.

2. Vältä aina jargonia: Google (GOOGL ) teki loistavan työn meille opettaen selkeän ja yksinkertaisen viestinnän arvoa. Jopa heidän ehdot olivat kirjoitettu tavalla, jotta joku ilman lakitutkintoa pystyi ymmärtämään ne. Sen seurauksena minulla on pavlovilainen reaktio termejä kuten “ajattelun johtajuus” tai “omnichannel” ja pyrin parhaani mukaan kannustamaan tiimiäni ja itseäni ilmaisemaan näkemyksemme tiiviissä, inhimillisessä ja lähestyttävässä kielellä.

3. Mittaa kaikkea: Urani alussa Googlella tein alokkaan virheen, jossa perustin päätökseni sanoen, että “teimme sen tällä tavalla aiemmin, joten meidän pitäisi tehdä se samalla tavalla tässä”. Valitsin mukavuuden ja tuttuuden ymmärtämisen sijaan tilanteen, ja vastaus kollegoilta oli tarpeeksi minulle, jotta en toistaisi tätä virhettä uudelleen. On selvää, mutta harvoin käytännössä: käytä dataa päätöksentekoon.

CreativeX on tosiasiassa toinen startup-yhtiösi, voitko kertoa tarinan sen syntymästä?

Lähdin Googlelta vuonna 2012 perustamaan Hatchia, verkkokauppaa, joka myi mukautettavia elämäntapa-tuotteita. Meidän teesimme oli, että tyypillinen verkkokauppa oli uuvuttava, jossa kuluttajien piti selata sivuja ja sivuja tuotteita, jotka eivät olleet aivan oikein. Pienet ja keskisuuret yritykset ottivat vastuun kuluttajien kysynnän ennustamisesta ja joutuivat pitämään ylijäämävarastoa, jota ei myyty. Ratkaisumme oli luoda mukautettu verkkokauppa, paikka, jossa jokainen tuote voitiin muokata vastaamaan asiakkaan vaatimuksia vähentäen valmistajan varastoriskiä.

Se on edelleen ajatus, johon uskon syvästi, mutta verkkokauppayritykset ovat vaikeita käynnistää ilman merkittävää pääomalinvestointia. Rakennettaessa Hatchia, vietimme luonnollisesti paljon aikaa miettimällä, miten saada kuluttajat sivuillemme, ja joudumme kilpailemaan kuluttajien huomion saamiseksi kaikkien tuttujen susiddikkaiden (Google, Facebook (META ) jne.) kanssa, mutta vain murto-osa rahoituksesta. Koska emme voineet kilpailla suurten verkkokauppayritysten kanssa, aloimme miettimään, miten voimme ylittää heidät. Teimme data-perustaisia päätöksiä kaiken suhteen: kohderyhmämme, mainonta-aika, avainsanat jne. Kaikki paitsi itse luova sisältö. Totesimme, että luovia varoja oli tärkein osa markkinointiamme, mutta se oli myös se, mitä ymmärrämme vähiten.

Aloimme rakentaa teknologiaa, joka ratkaisisi tämän ongelman, ja se teknologia, joka alun perin oli tarkoitettu vain sisäiseen analytiikkaamme, johti CreativeX:n syntymään. Nykyään CreativeX tarjoaa teknologiaa, joka auttaa brändejä saavuttamaan luovan erinomaisuuden mittaamalla, seuraamalla ja parantamalla luovan laadun, brändin johdonmukaisuuden ja sisällön edustuksen.

Voitko keskustella erilaisista koneoppimisen teknologioista, jotka CreativeX:ssä käytetään murtamaan kuvia ja videoita tuhansiin attribuutteihin?

CreativeX prosessoi jokaisen luovan varan, joka tuodaan järjestelmäämme (kuvat, videot ja GIFit), ja käyttää erilaisia teknologioita kerätäkseen ja luodakseen kattavan metadata-joukon, joka mahdollistaa niiden oikean luokittelun mukautetulla tavalla.

Analysoimme jokaisen luovan varan neljää elementtiä.

1. Kuvatiedosto ja videotiedosto: Poistamme yleisiä ominaisuuksia kustakin tiedostosta, mukaan lukien tiedoston pituus, leveys, tiedostotyyppi jne.

2. Kuvan ja videon sisältö: Käytämme kahta teknologiaa ymmärtääksemme visuaalisen sisällön.

• Tietokoneen näkö: Se mahdollistaa visuaalisen sisällön ymmärtämisen laajassa mittakaavassa ja data palautetaan takaisin kymmenien, joskus satojen tagien muodossa jokaiselle luovalle varalle.
• Optinen merkkien tunnistus: Se mahdollistaa merkkien ja tekstien havaitsemisen luovassa sisällössä. Teknologia määrittää tekstin määrän ja minkä tahansa tekstikohtaisen brändäysvaatimuksen (esim. sloganeja, asemointia, kieltä jne.)

3. Kuvan ja videon kohdalla oleva teksti: Jos luova sisältö on live, poistamme myös mukaan sen kohdalla olevan tekstin.

4. Äänitiedosto videolle: Jokainen äänitiedosto muunnetaan parseableksi tekstimuodoksi, joka mahdollistaa äänisääntöjen asettamisen kullekin brändille.

Olemme kehittäneet työkaluja yhdistää kaikki nämä tiedot älykkäästi skaalautuvasti ja tarkasti analysoimaan sisältöä sekä objekteja että käsitteitä, joita markkinoijat haluavat mitata.

Kuinka tärkeää on mukauttaa visuaalisten vihjeiden ja elementtien mittausta?

Mahdollisuus mukauttaa se, mitä seuraamme kullekin brändille, on kriittinen. Data on voimakasta vain silloin, kun se tarjoaa selkeyttä asiasta, joka on merkittävä organisaatiollesi, joten yksi kokoinen tietokoneen näköhavainnonteknologia voi olla haasteellista markkinoijille käyttää valmiina. Tämä on ongelma, jonka kamppailimme Hatchin alkuvaiheissa: voimme havaita meidän käyttämämme pukujen läsnäolon ja ymmärtää, kuinka usein käytämme niitä, mutta jos olet autoyhtiö, tämä tieto on merkityksetön. Joten olemme panostaneet valtavasti aikaa kehittääksemme havaintojamme, jotta voimme kartoittaa sen brändin ainutlaatuisiin ominaisuuksiin, sen teollisuuteen ja haasteisiin. Se sisältää usein havaintojen luomisen, jotka heijastavat brändin ohjeita tai ääntä, sen asemointia markkinoilla, sen erottuvuutta kilpailijoista ja lopulta pääsemme suurten luovien kysymysten ytimeen, joita markkinoijat tiimissä pohtivat.

Mitkä ovat toimivat näkökulmat, joita voidaan saada tästä sovelluksesta?

CreativeX-teknologia voi auttaa sinua saamaan tietoa luovan sisällön laadusta, brändin johdonmukaisuudesta, vaatimustenmukaisuudesta ja edustuksesta. Tällä tiedolla markkinoijat voivat määrittää, kuinka paljon heidän sisällöstään täyttää heidän vähimmäisvaatimuksensa laadusta ja on asetettu menestykseen perustuen alustakohtaisiin vaatimuksiin ja kuinka paljon he (ja heidän agentuurinsa) käyttävät rahaa mainontaan ja tuotantoon sisällöstä, joka noudattaa (tai ei noudata) näitä vaatimuksia. He voivat mitata, kuinka johdonmukaisesti heidän bränditiiminsä viestivät brändistä (ovatko he marssimassa saman rytmin mukaan? Käyttävätkö he johdonmukaisesti samoja ominaispiirteisiä brändivarastoja?) ja kuinka edustettuja heidän valintansa ovat. Kaikki tämä auttaa markkinoijia ottamaan takaisin hallinnan luovan sisällön yllä ja ymmärtämään ja mitatamalla, laajassa mittakaavassa, luovien päätösten terveyttä ja suuntautumista.

CreativeX on suorittanut sekä rodullisen että sukupuolisen analyysin tuhansista mainoksista, mitkä olivat joitain tuloksia tästä analyysistä?

Analysoimme 2 378 FMCG (nopeasti liikkuva kulutushyödyke) -mainosta Yhdysvalloissa ja olemme havainneet, että vaikka tietoisuus edustuksesta on saanut paljon huomiota, edustuksen todellinen todellisuus vaatii edelleen paljon työtä. Meidän rodullisen monimuotoisuuden analyysi osoitti esimerkiksi, että mustat ihmiset ovat todennäköisemmin mukana mainoksissa, joissa urheilu tai liikunta on teema ja vähemmän todennäköisesti mukana johtajuusrooleissa. Kun tarkastelimme sukupuolten edustusta, totesimme, että brändit edelleen ylläpitävät kielteisiä sukupuolirooleja: Miehet hallitsevat ammatillisia rooleja ja naiset ovat todennäköisemmin mukana tietynlaisissa kotitöissä kuten siivouksessa. Vaikka heillä on vähemmän näyttöaikaa, miehillä on enemmän puhumisia rooleja, mutta näemme joitain edistystä naisten esittämisessä johtajuusrooleissa.

Mitkä ovat muut tavat, joilla koneoppiminen voi parantaa mainonnan maisemaa seuraavien 5 vuoden aikana?

Yksi sijoittajistamme sanoi, että monilla aloilla, jotka väittävät käyttävänsä koneoppimista, on koneita ja oppimista, mutta ei aina ole selvää, ovatko koneet oppimassa.

Näkemykseni mukaan näemme koneoppimisen soveltamisen mainonnassa jatkuessa parantamaan perusasioita, joita ala jo tekee: ennustamaan kuluttajien klikkaus- ja ostopropensioita (kohdennus), generoimaan luovia variaatioita kuluttajadatasta (dynaaminen mainosluominen), parsimoimaan enemmän dataa saadakseen näkemyksiä (raportointi).

Koneoppiminen on todennäköisesti ratkaisemassa muita signaaleja, jotka voivat korvata kolmannen osapuolen evästeiden menetyksen Chromessa ja IDFA: n menetyksen iOS: ssä ja miten voimme jatkaa mainonnan mukauttamista ilman tietojen menetystä.

Onko mitään muuta, mitä haluaisit jakaa CreativeX:stä?

Hivenen keppostelevasti… me palkkaamme! Jos olet päässyt artikkelin alkuun ja olet kiinnostunut siitä, miten yhdistää dataa ja luovaa ilmaisua, haluamme keskustella!

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, kannattaa vierailla CreativeX:ssa.