Anastasia Leng, CreativeX:n perustaja ja toimitusjohtaja – Haastattelu

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.

Opitko markkinoinnin Googlella ja jäit sinne 6 vuodeksi. Mitkä olivat avainopitukset tästä kokemuksesta?

Markkinointi Googlella on kaukana perinteisestä markkinoinnista. Työ, jota tein siellä vuosina 2007-2012, oli sekoitus markkinointia, tuotantoa ja liiketoimintakehittämistä. Kaikki työni keskittyi uuden teknologian tai tuotteen lanseeraamiseen, asemaan ja vakuuttamiseen ihmisiä käyttämään tai ostamaan sitä ensimmäistä kertaa. Tässä ovat kolme tärkeintä oppia, jotka kannan mukanani edelleen tänään (ja ärsytän markkinointitiimiäni):

1. Aseta aina käyttäjät ensin: Vaikka näyttää yksinkertaiselta, on hämmästyttävää, kuinka moni markkinoitsija kohtelee tätä platitudeina. Älä oleta, että se, mitä haluat, on sama, mitä käyttäjät haluavat (virhe, jonka näen toistuvasti). Itse asiassa 2016 Thinkbox-tutkimus ja 2018 Reach Solutions -tutkimus vertasivat markkinoitsijoiden uskomuksia yleisön kanssa ja totesivat, että meillä on “empaattinen harhaluulo” ja se todella antoi joitain tietoja siitä, että meidän on tehtävä parempi työ ymmärtääksemme käyttäjiämme.

2. Vältä aina jargonia: Google teki erinomaisen työn istuttamalla meihin selkeän ja yksinkertaisen viestinnän arvon. Jopa heidän ehdot ovat kirjoitettu tavalla, jotta joku ilman lakitutkintoa voi ymmärtää sen. Tämän seurauksena minulla on pavlovilainen kauhistusvaste termejä kuten “ajattelijohtajuus” tai “omnichannel” ja teen parhaani painostaa tiimiäni ja itseäni ilmaisemaan näkemyksemme tiiviissä, inhimillisessä, lähestymiskelpoisessa kielellä.

3. Mitatkaa kaikki: Urani alussa Googlella tein alokkaan virheen, jossa perustelin päätökseni sanomalla, että “teimme sen tällä tavalla aiemmin, joten meidän pitäisi tehdä se tällä tavalla täällä”. Valitsin mukavuuden ja tuttuuden ymmärtääksemme tilanteen eteeni, ja vastaus kollegoilta oli tarpeeksi minulle välttääkseni tämän virheen uudelleen. On selvää, mutta harvoin käytännössä: käytä tietoja päätöksienne perustana.

CreativeX on itse asiassa toinen startup-yhtiösi, voitko jakaa sen synnyn tarinan?

Lähdin Googlelta vuonna 2012 perustamaan Hatchin, verkkokauppayhtiön, joka myi mukautettavia elämäntapa-tuotteita. Meidän teesimme oli, että tyypillinen verkkokauppa oli uuvuttava, kun kuluttajien piti selata sivuja ja sivuja tuotteita, jotka eivät olleet ihan oikein. Pienet ja keskisuuret yritykset ottivat kuluttajien kysynnän ennustamisen taakan ja jäivät käyttämättömän varastoon, jota ei myyty. Ratkaisumme oli luoda mukautettu verkkokauppa, paikka, jossa jokainen tuote voitiin muokata vastaamaan asiakkaan vaatimuksia vähentäen valmistajan varastoriskiä.

Se on edelleen idea, johon uskon syvästi, mutta verkkokauppayritykset ovat vaikeita aloittaa ilman merkittävää pääomaa. Rakennettaessa Hatchia, vietimme luonnollisesti paljon aikaa miettimällä, miten saada kuluttajat sivuillemme, ja joudumme kilpailemaan kuluttajien huomion saamiseksi kaikkien tuttujen yritysten (Google, Facebook jne.) kanssa, mutta vain murto-osa heidän rahoituksestaan. Koska emme voineet kilpailla pääomalla suurten verkkokauppayritysten kanssa, aloimme miettimään, miten voimme olla heistä älykkäämpi. Teimme data-perustaisia päätöksiä kaikista: yleisöstämme, mainonta-aikaamme, avainsanoistamme jne. Kaikista muista paitsi itse luovasta sisällöstä. Totesimme, että luovia varoja oli tärkein osa markkinointiamme, mutta se osa, jota ymmärrämme vähiten.

Aloimme rakentaa teknologiaa tämän ongelman ratkaisemiseksi, 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 eri koneoppimisen teknologioiden käytöstä CreativeX:ssä, joilla kuvia ja videoita voidaan jakaa tuhansiin attribuutteihin?

CreativeX prosessoi jokaisen luovan varan, joka tuodaan järjestelmäämme (kuvat, videot ja GIFit), ja käyttää erilaisia teknologioita keräämään ja luomaan kattavan metadata-joukon, joka mahdollistaa meille oikean luokittelun näille varoille mukautetulla tavalla.

Analysoimme jokaisen luovan varan neljää elementtiä.

1. Kuvan ja videon tiedosto: Poimimme yleiset ominaisuudet kustakin tiedostosta, mukaan lukien varan pituus, mitat, tiedostotyyppi jne.

2. Kuvan ja videon sisältö: Käytämme kahta tyyppiä teknologioita ymmärtääksemme sisällön jokaisessa kuvassa ja videossa.

• Tietokoneen näkö: Tämä mahdollistaa meidän ymmärtää visuaalisen sisällön sisältöä laajassa mittakaavassa ja data palautetaan takaisin kymmeninä, joskus satoina tagina jokaiselle luovalle varalle.
• Optinen merkintunnistus: Tämä mahdollistaa meidän havaita kaikki sanat, jotka käytetään luovassa sisällössä. Teknologia määrittää ei vain käytetyn tekstin määrän, vaan myös minkä tahansa tekstimääräisen brändäysvaatimuksen (esim. sloganit, asema, kieli jne.)

3. Kuvan ja videon mukana oleva teksti: Jos luova sisältö on live, poimimme myös mukaan kaiken siihen liittyvän tekstin.

4. Äänitiedosto videolle: Jokainen äänitiedosto käännetään parseableksi tekstimuodoksi, joka mahdollistaa jokaisen brändin äänisääntöjen asettamisen.

Olemme rakentaneet työkaluja yhdistää kaikki tämä data älykkäällä tavalla analysoidaksemme ja sisällön sekä esineiden että käsitteiden läsnäolon mittakaavassa.

Kuinka tärkeää on mukauttaa visuaalisia vihjeitä ja elementtejä, joita mitataan?

Mahdollisuus mukauttaa se, mitä seuraamme kunkin brändin kohdalla, on kriittinen. Data on vain niin voimakas kuin sen kyky antaa selkeyttä asiasta, joka on aiheellinen organisaatiollesi, miksi yksi kokoinen ratkaisu saattaa olla vaikea markkinoitsijoille käyttää valmiina.

Tämä on ongelma, jonka kamppailimme Hatchin alkuvaiheissa: voimme havaita pukujen läsnäolon ja ymmärtää, kuinka usein käytämme niitä, mutta jos olet autoyhtiö, tämä oivallus on merkityksetön. Siksi olemme panostaneet paljon aikaa kehittääksemme havaintojamme, jotta voimme kartoittaa ne mihin kunkin brändin ainutlaatuinen, sen teollisuus ja haasteet.

Mitkä toimivat oivallukset voidaan saada tämän sovelluksen avulla?

CreativeX:n teknologia voi auttaa sinua saamaan oivallukset luovan laadun, brändin johdonmukaisuuden, vaatimustenmukaisuuden ja edustuksen kaikista kuvista ja videoista. Tällä tiedolla markkinoitsijat voivat määrittää, kuinka paljon heidän sisällöstään täyttää heidän vähimmäisvaatimuksensa laadusta ja on asetettu menestyksekästi kunkin alustan ainutlaatuisten parametrejen perusteella ja kuinka paljon he (ja heidän agentuurinsa) käyttävät rahaa mainontaan ja sisällön tuottamiseen, joka noudattaa (tai ei noudata) näitä standardeja. He voivat mitata, kuinka johdonmukaisesti heidän bränditiiminsä viestivät brändistä (ovatko he marssimassa saman rytmin mukaan? Käyttävätkö he johdonmukaisesti samoja ominaisia brändivarastoja?) ja kuinka edustava heidän roolijakoa on ollut. Kaikki tämä voi auttaa markkinoitsijoita ottamaan takaisin hallinnan heidän luovasta sisällöstään ja todella ymmärtää ja mitata heidän luovia päätöksiään laajassa mittakaavassa.

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

Analysoimme 2 378 FMCG (nopeasti liikkuva kuluttajatuote) mainosta Yhdysvalloissa ja olemme havainneet, että huolimatta siitä, että paljon huomiota on kiinnitetty edustavuuden aiheeseen, edustavuuden todellisuus vaatii edelleen paljon työtä. Meidän rodullisen monimuotoisuuden analyysi esimerkiksi osoitti, että mustat ihmiset ovat todennäköisemmin mukana mainoksissa, joissa urheilu tai liikunta on teema, ja vähemmän todennäköisesti mukana johtajuustehtävissä. Kun tarkastelimme sukupuolten edustavuutta, löysimme, että brändit edelleen ylläpitävät kielteisiä sukupuolirooleja: Miehet hallitsevat ammatillisia rooleja ja naiset ovat todennäköisemmin mukana tietynlaisissa kotitöissä, kuten siivouksessa. Vaikka heillä on vähemmän näkyvyyttä, miehillä on enemmän puhumisia rooleja, mutta näemme joitain edistystä naisten esittämisessä johtajuustehtävissä.

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

Yksi sijoittajistamme sanoi, että monet teollisuudet, jotka väittävät käyttävänsä koneoppimista, ovat koneita ja oppimista, mutta ei aina selvää, ovatko se koneet, jotka oppivat.

Näkemykseni on, että näemme koneoppimisen soveltamisen mainonnassa syvemmin (tai jossain tapauksissa, todellisesti) parantamaan perusasioita, joita teollisuus jo tekee: ennustamaan kuluttajien klikkaus- ja ostoalttiutta (kohdennus), generoimaan luovia variaatioita kuluttajadatasta (dynaaminen mainosluominen), parsimoista enemmän dataa saadaksemme oivalluksia (raportointi).

Koneoppiminen on todennäköisesti ratkaisemassa, mitkä muut signaalit voivat korvata kolmannen osapuolen evästeiden menetyksen Chrome-selaimessa ja IDFA:n menetyksen iOS: ssä ja miten voimme jatkaa mainonnan henkilökohtaistamista vaikka ilman tietoa.

Onko mitään muuta, mitä haluaisit jakaa CreativeX:stä?

Hieman ilkeä, mutta… me palkkaamme! Jos olet päässyt tämän artikkelin alkuun ja olet kiinnostunut siitä, miten yhdistää dataa ja luovaa ilmaisua, haluamme keskustella!

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