Anastasia Leng, fondatrice et PDG de CreativeX – Série d’entretiens

Anastasia Leng est la fondatrice et la PDG de CreativeX, une entreprise qui permet l’excellence créative pour les marques les plus aimées au monde. En analysant la créativité à grande échelle, la technologie vise à faire progresser l’expression créative grâce à la clarté des données.

Vous avez appris le marketing chez Google (GOOGL ) et y êtes restée pendant 6 ans. Quels ont été vos principaux enseignements tirés de cette expérience ?

Le marketing chez Google est loin d’être un marketing traditionnel. Le travail que j’ai effectué pendant mon séjour là-bas, de 2007 à 2012, était un mélange de marketing, de produit et de développement commercial. Tout mon travail était axé sur le lancement, la positionnement et la conviction des gens pour utiliser ou acheter une nouvelle technologie ou produit pour la première fois. Voici les trois principaux enseignements que je retiens encore aujourd’hui (et qui agacent notre équipe marketing) :

1. Toujours mettre les utilisateurs en premier : Cela peut sembler simple, mais c’est étonnant de voir combien de marketeurs traitent cela comme un lieu commun. Ne supposez pas que ce que vous voulez est ce que vos utilisateurs veulent (une erreur que je vois se répéter sans cesse). En fait, une étude Thinkbox de 2016 et une étude Reach Solutions de 2018 ont comparé les croyances des marketeurs avec celles du grand public, ne serait-ce que pour constater que nous attribuons à tort beaucoup de nos propres croyances à nos clients. Les chercheurs ont décrit cela comme une “illusion d’empathie” et cela a vraiment mis des données derrière le fait que nous devons faire mieux pour comprendre nos utilisateurs.

2. Toujours éviter le jargon : Google a fait un excellent travail pour nous inculquer l’importance de la communication claire et simple. Même leurs conditions générales étaient rédigées de manière à ce que quelqu’un sans diplôme en droit puisse les comprendre. En conséquence, j’ai une réaction de cringe pavlovienne aux termes comme “leadership de pensée” ou “omnicanal” et je fais de mon mieux pour pousser notre équipe, et moi-même, à articuler nos points de vue dans un langage concis, humain et abordable.

3. Mesurer tout : Au début de ma carrière chez Google, j’ai commis l’erreur de justifier ma décision en disant que “nous l’avons fait de cette façon dans le passé, nous devrions donc le faire de la même façon ici”. J’ai choisi le confort et la familiarité plutôt que de vraiment comprendre ce que la situation devant moi exigeait réellement, et la réponse de mes collègues a été suffisante pour que je n’aie pas à répéter cette erreur. C’est évident, mais rarement pratiqué : utilisez les données pour éclairer vos décisions.

CreativeX est en fait votre deuxième start-up, pouvez-vous partager l’histoire de sa création ?

J’ai quitté Google en 2012 pour lancer Hatch, une entreprise de commerce électronique qui vendait des produits de style de vie personnalisables. Notre thèse était que l’expérience d’achat en ligne typique était épuisante, avec des consommateurs qui devaient parcourir des pages et des pages de produits qui n’étaient pas tout à fait adaptés. Les petites et moyennes entreprises ont pris en charge la charge de prédire la demande des consommateurs et se sont retrouvées avec des stocks invendus qui ne se sont pas vendus. Notre solution était de créer une expérience de détail personnalisable, un endroit où chaque produit pouvait être modifié pour répondre aux spécifications du client tout en réduisant le risque d’inventaire supporté par le fabricant.

Il s’agit encore d’une idée dans laquelle je crois profondément, mais les entreprises de commerce électronique sont difficiles à lancer sans un investissement financier important. Alors que nous construisions Hatch, nous avons naturellement passé beaucoup de temps à réfléchir à la façon de convaincre les consommateurs de se rendre sur notre site et nous nous sommes retrouvés à concurrencer l’attention des consommateurs avec tous les suspects habituels (Google, Facebook (META ), etc.) mais avec une fraction des ressources financières. Étant donné que nous ne pouvions pas surenchérir sur les grandes entreprises de commerce électronique, nous avons commencé à nous demander comment nous pouvions les surpasser. Nous prenions des décisions éclairées par les données sur tout : notre public, le moment de la journée où nous faisions de la publicité, les mots clés, etc. Tout, sauf la créativité elle-même. Nous nous sommes rendu compte que les actifs créatifs étaient la partie la plus importante de notre marketing, mais celle que nous comprenions le moins.

Nous avons commencé à construire une technologie pour résoudre ce problème, et c’est cette technologie, initialement destinée à nos propres analyses internes, qui a donné naissance à CreativeX. Aujourd’hui, CreativeX fournit une technologie pour aider les marques à atteindre l’excellence créative en mesurant, en suivant et en améliorant la qualité créative, la cohérence de la marque et la représentation dans le contenu.

Pouvez-vous discuter des différentes technologies d’apprentissage automatique utilisées par CreativeX pour décomposer les images et les vidéos en milliers d’attributs ?

CreativeX traite chaque actif créatif extrait de notre système (images, vidéos et GIF) et utilise diverses technologies pour collecter et créer un ensemble complet de métadonnées qui nous permettent de catégoriser correctement ces actifs de manière personnalisée.

Nous analysons quatre éléments de chaque actif créatif.

1. Le fichier d’image et de vidéo : Nous extrayons les propriétés communes de chaque fichier, y compris les dimensions de l’actif, le type de fichier, etc.

2. Le contenu de l’image et de la vidéo : Nous utilisons deux types de technologies pour comprendre le contenu à l’intérieur de chaque image et vidéo.

• Vision par ordinateur : Cela nous permet de comprendre le contenu de toute visualisation à grande échelle et les données sont renvoyées sous forme de dizaines, parfois de centaines de balises pour chaque actif créatif.
• Reconnaissance optique des caractères : Cela nous permet de détecter les mots utilisés à l’intérieur de la créativité. La technologie détermine non seulement la quantité de texte utilisée, mais également les exigences de marquage spécifiques au texte (par exemple, les slogans, le positionnement, la langue, etc.)

3. La copie qui accompagne chaque visualisation : Si la créativité est en direct, nous extrayons également tout texte de description accompagnant.

4. Le fichier audio pour la vidéo : Chaque fichier audio est traduit en texte analysable qui permet la configuration de règles audio pour chaque marque.

Nous avons construit des outils pour combiner toutes ces données de manière intelligente pour analyser et contenter de manière scalable et précise à la fois la présence d’objets et les concepts que les marketeurs veulent mesurer.

Combien est-il important de personnaliser les signaux visuels et les éléments qui sont mesurés ?

La capacité à personnaliser ce que nous suivons pour chaque marque est critique. Les données ne sont puissantes que dans la mesure où elles peuvent fournir des informations claires sur quelque chose qui est d’actualité pour votre organisation, c’est pourquoi la reconnaissance de la vision par ordinateur générique peut être difficile à utiliser pour les marketeurs. C’est le problème que nous avons rencontré dans les premiers jours de Hatch : nous pouvions détecter la présence de robes et comprendre à quelle fréquence nous les utilisions, mais si vous êtes une entreprise automobile, ces informations sont sans intérêt. C’est pourquoi nous avons investi beaucoup de temps pour être en mesure de personnaliser le type de détection que nous fournissons afin que nous puissions la cartographier à ce qui est unique pour cette marque, son industrie et ses défis. Cela inclut souvent la construction d’une détection qui reflète les directives de la marque ou sa voix, la façon dont elle est positionnée sur le marché, la façon dont elle se différencie de ses concurrents, et qui finalement va au cœur des grandes questions créatives que les marketeurs de cette équipe débattent.

Quels sont les types d’informations exploitables qui peuvent être obtenus à partir de cette application ?

La technologie CreativeX peut vous aider à obtenir des informations sur la qualité créative, la cohérence de la marque, la conformité et la représentation de tout votre contenu d’image et de vidéo. Avec ces informations, les marketeurs peuvent déterminer combien de leur contenu répond à leur norme de qualité minimale et est configuré pour le succès en fonction des paramètres uniques requis sur chaque plateforme et combien d’argent ils (et leurs agences) dépensent pour promouvoir et produire du contenu qui correspond (ou non) à ces normes. Ils peuvent mesurer à quel point leurs équipes de marque communiquent de manière cohérente sur la marque (marchent-elles au rythme de la même batterie ? Utilisent-elles de manière cohérente les mêmes actifs de marque distinctifs ?) et à quel point leurs décisions de casting ont été représentatives. Tout cela peut aider les marketeurs à reprendre le contrôle de leur contenu créatif pour vraiment comprendre et mesurer, à grande échelle, la santé et l’alignement de leurs décisions créatives.

CreativeX a effectué à la fois une analyse raciale et de genre de milliers de publicités, quels ont été les résultats de cette analyse ?

Nous avons analysé 2 378 publicités de biens de consommation courante (FMCG) aux États-Unis et avons constaté que, malgré l’attention accordée au sujet de la représentation, la réalité de la représentation inclusive nécessite encore beaucoup de travail. Notre analyse de la diversité raciale, par exemple, a montré que les personnes noires sont plus susceptibles d’être mises en scène dans des publicités où le sport ou l’exercice est un thème et moins susceptibles d’être mises en scène dans des rôles de leadership. Lorsque nous avons examiné la représentation des genres, nous avons constaté que les marques perpétuent encore des stéréotypes de genre négatifs : les hommes dominent les rôles professionnels et les femmes sont plus susceptibles de figurer en train de réaliser certaines activités ménagères comme le nettoyage. Même avec moins d’apparitions à l’écran, les hommes occupent plus de rôles parlants, mais nous voyons quelques progrès avec une représentation accrue des femmes dans les rôles de leadership.

Quels sont les autres moyens par lesquels vous pouvez voir l’apprentissage automatique améliorer le paysage publicitaire au cours des 5 prochaines années ?

L’un de nos investisseurs disait que de nombreuses industries qui prétendent utiliser l’apprentissage automatique ont des machines et de l’apprentissage, mais il n’est pas toujours clair que ce sont les machines qui apprennent.

Mon point de vue est que nous allons voir une application plus approfondie (ou, dans certains cas, réelle) de l’apprentissage automatique dans la publicité pour continuer à améliorer les choses de base que l’industrie fait déjà : prédire la propension des consommateurs à cliquer et à acheter (ciblage), générer des variations créatives basées sur les données des consommateurs (créative dynamique), analyser davantage de données pour générer des informations (rapports).

L’apprentissage automatique est susceptible d’être utilisé pour résoudre le problème de savoir quels autres signaux peuvent remplacer la perte de cookies tiers sur Chrome et IDFA sur iOS et comment nous pouvons continuer à personnaliser la publicité malgré la perte de ces informations.

Y a-t-il autre chose que vous aimeriez partager sur CreativeX ?

Un peu malin, mais… nous embauchons ! Si vous avez atteint le bas de cet article et que vous êtes intéressé par la façon de mieux unir les données et l’expression créative, nous aimerions discuter !

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter CreativeX.