גריגורי מלניק, ראש המוצר, Amperity – סדרת ראיונות

ד”ר גריגורי מלניק הוא מנהל טכנולוגיה מנוסה עם יותר מ-25 שנות ניסיון בניהול חדשנות מוצר וצמיחה בחברות כולל Microsoft, Splunk, MongoDB, Tricentis, ו-Cribl. הוא הוביל הפיכות פלטפורמה, השיק מוצרים מגדירי קטגוריה, והגדיל צוותים בכל שלבי הצמיחה. ד”ר מלניק מחזיק בתואר דוקטור במדעי המחשב מאוניברסיטת קלגרי ומביא ל-Amperity תשוקה למצוינות הנדסית, חדשנות AI, ובניית ארגוני מוצר בעלי השפעה גבוהה.

Amperity היא חברת טכנולוגיה המציעה פלטפורמת Customer Data Cloud מונעת AI, שמיועדת לאחד נתוני לקוחות מפוצלים לפרופילים מהימנים, לזהות הזדמנויות בעלות ערך גבוה, ולהפעיל קמפיינים בכל הערוצים. פתרונותיה מתמקדים בפתרון זהות, בליעת נתונים, ובהפעלה בזמן אמת, מה שמאפשר למותגים לאחד מקורות נתונים מגוונים, לבצע ניתוחים מונעי AI, ולשלוח קהלים ממוקדים למערכות המורידות. החברה מדגישה גמישות על ידי תמיכה בחיבורים ישירים עם פלטפורמות מחסן נתונים מובילות, ושומרת על תאימות עם תקני ביטחון מרכזיים כגון SOC 2, GDPR, ו-HIPAA.

הנהיגתך אסטרטגיית מוצר וטכנולוגיה בחברות כגון Tricentis, MongoDB, ו-Codility, לפני שהצטרפת ל-Amperity. כיצד חוויות אלו עיצבו את גישתך לבנייה והקנה של פלטפורמות מונעות AI כגון Real-Time Profiles?

בטבעי, אני אדם הנהנה מבעיות שטרם נפתרו. ב-Amperity, אנו עושים בדיוק את זה. חוויותיי בארגונים קודמים עיצבו את הדרך בה אני חושב על הקנה של פלטפורמות בעודם מקיימים את צורכי המשתמשים. לקחים אלו כוללים את חשיבות הגמישות, אינטגרציה חסרת חיכוך ברחבי האקוסיסטמות, וניהול נתונים חזק.

אותם לקחים עיצבו במישרין את גישתנו ל-Real-Time Profiles. אנו בנינו את היכולת הזו במטרה לסיים את הפשרה העתיקה ביותר בתעשייה – מהירות נגד דיוק – על ידי איחוד זהות היסטורית עם שידור בזמן אמת בארכיטקטורה מאוחדת ומוסדרת. הבטחנו שהפלטפורמה מפשטת את מודלי הפעולה של הלקוחות, במקום להסבך אותם. הרחבנו את היסוד המונע AI שלנו לאיחוד נתונים בזמן אמת והיסטוריים בתוך ארכיטקטורה אחת, באמצעות גרף זהות אחד, שכבת בקרת גישה אחת, ורצף ואודיטים עקביים.

מהו הפער הספציפי או הביקוש השוקי שהניע את Amperity לפתח את Real-Time Profiles, וכיצד הוא מגדיר מחדש את האיזון בין מהירות הנתונים לדיוק?

רוב הפלטפורמות של Customer Data (CDP) גורמות לצוותים לבחור בין פעולה מהירה על נתונים רדודים וחסרי אירועים, או פעולה מדויקת על פרופילים שהם שעות או ימים מיושנים. Real-Time Profiles של Amperity מורידים את הפשרה הזו על ידי חיבור רציף של אותות חיים עם ההיסטוריה המלאה של הלקוח, כך שמותגים יכולים לזהות פרט בדיוק ברגע המגע ולהגיב עם הקשר. התוצאה היא נתונים שהם שלמים ונוכחיים, מוכנים להניע אישוניות במהלך הפעולה ומסעות המופעלים על ידי אירועים, עם השפעה עסקית אמיתית.

על ידי כך שאנו ממזגים את הנתונים המקוטעים לתוך פרופיל אחד, אנו עוברים מעבר ל-“מהיר אבל חלקי” או “שלם אבל מאוחר”. זהו נתון לקוחות יחיד, המעודכן ברציפות, המאפשר למשווקים וצוותי שירות לתאם פעולות הבאות במהירות הכוונה, בלי לוויתר על דיוק.

האם תוכל להדריך אותנו דרך הבסיס הטכני של איחוד נתונים היסטוריים ונתונים בזמן אמת לתוך פרופיל לקוחות יחיד ומעודכן ברציפות?

בנינו זרימת נתונים מאוחדת עם שלוש שכבות מתואמות: בליעת אירועים JSON גולמיים מכל מקור, עיבוד רציף במנוע זרימת נתונים מבוזר, ואחסון פרופיל חי התומך בחיפושים בזמן מילישניות דרך API הפרופיל שלנו. כל לחיצה חדשה, הזמנה, או שינוי בתוכנית הנאמנות, מתואמים נגד אותו גרף זהות מונע AI, שמנחה את צנריות הבטץ’, מה שאומר אין מודל זהות נפרד, אין תחזוקה כפולה, ואין החלקה של סכמה.

באופן קריטי, “זהות בתנועה” קושרת כל אירוע לפרופיל המאורגן והתפור, ברגע הגעתו. זה מאפשר את העשרת התכונות, סגמנטציה רציפה, והפעלה המופעלת על ידי אירועים, באמצעות מסעות או API, תוך שמירה על רצף, בקרת גישה, ואודיטים, בעומסים אנליטיים ותפעוליים.

רבות מהחברות הגדולות מתקשות להפעיל אישוניות בזמן אמת. מהן האתגרים הגדולים ביותר שאתה רואה מותגים פונים אליהם, וכיצד Amperity פותרת אותם?

הצרכנים צפויים כיום כי כל אינטראקציה עם המותג תשקף הבנה בזמן אמת של כוונתם, העדפותיהם, והיסטוריה שלהם, באופן מיידי. עם זאת, רוב הארגונים מוגבלים על ידי מערכות נתונים מפוצלות ותובנות מעוכבות, מה שהופך אותם לתגובה ברגע. התוצאה היא לעיתים קרובות אישוניות שמרגישה גנרית או מחוץ לסינכרון עם צורכי הלקוח.

גישור על הפער הזה דורש יותר מאשר טכנולוגיה מהירה; הוא דורש גישה מאוחדת לנתונים וקבלת החלטות. ב-Amperity, התמקדנו בפתרון הבעיה הסיסטמית הזו, על ידי אפשרות למותגים לאחד ידע היסטורי עם הקשר חי, כך שכל אינטראקציה יכולה להיות מיידית, רלוונטית, ומחוברת למסע הלקוח המלא. עם Real-Time Profiles, מותגים יכולים להניע אישוניות במהלך הפעולה ומסעות המופעלים על ידי אירועים, מאותו מקור אמת מוסדר, מה שהופך רגעים כגון נטישת עגלה, שינויים ברמות נאמנות, או בדיקת מערכות, לפעולות מיידיות ורלוונטיות.

כיצד האינטגרציה של AI ולמידת מכונה משפרת את הדיוק או היכולות החיזוייות של Real-Time Profiles?

AI היא העמוד השדרה של יכולות הפתרון הזהות שלנו, מה שאומר שאירועים חיים מקושרים לאדם הנכון עם ההקשר הנכון, כגון ערך לכל החיים, הסכמה, ונאמנות, בתוך מילישניות. החיבור המדויק הזה מעלה כל החלטה לאחר מכן: סגמנטים מחושבים מחדש כאשר הנתונים משתנים, תכונות הפרופיל מעשירות באופן מיידי, ומסעות נעים על פי הלקוח השלם, ולא אירועים בודדים.

הסתכלות הלאה, Real-Time Profiles מהוות את הבסיס לסוכנים AI לפעול עם הקשר חי, על ידי היגיון מעל פרופילים משתנים, העלאת תובנות, והפעלה אוטונומית של פעולות הבאות ברחבי הסטק. שילוב הזהות המוסדרת AI וההקשר בזמן אמת הוא מה שמנעל אישוניות אמיתית אחד-ל-אחד, בקנה מידה.

מנקודת מבטך, כיצד תקנות פרטיות וניהול נתונים משפיעים על בניית מערכות אישוניות בזמן אמת?

על ידי הרחבת Customer Data Cloud הקיימת שלנו לשידור, אנו שומרים על אחסון פרופיל מוסדר אחד לשימושים אנליטיים ותפעוליים. התאימות הזו עוזרת להבטיח תאימות ואודיטים, בעודה מאפשרת הפעלה בזמן מילישניות.

באופן חשוב, Real-Time Profiles מאפשרים למותגים לסמוך על נתונים ראשוניים משלהם כיסוד אמין לאישוניות. כל אות חי קשור לנתוני לקוח מאומתים ומבוססי הסכמה, כך שמותגים יכולים לפעול בביטחון שתובנותיהם והפעלותיהם עולים בקנה אחד עם ציפיות פרטיות ותקנים רגולטוריים.

עם עליית ה-AI היצרני, כיצד Amperity מתכוננת לעתיד שבו תוכן מאושן יוכל להיות מיוצר ומסופק בזמן אמת?

AI יצרני הוא רק טוב כמו הנתונים שמניעים אותו. Real-Time Profiles מספקים את ההקשר החי, המאוחד, הדרוש, כך שמערכות יצרניות יכולות להתאים תוכן למי שהלקוח הוא ומה הוא עושה כרגע. הארכיטקטורה שלנו מציבה סוכני AI להיגיון מעל פרופילים משתנים, ולהפעלת פעולות הבאות, מגשרים ב间 היגיון להפעלה, באופן אוטומטי.

ככל שייצור תוכן הופך לאוטונומי יותר, הגורם המגביל יעבור מ-“האם אנו יכולים ליצור אותו?” ל-“האם עלינו ליצור אותו עכשיו, עבור לקוח זה, נוכח היסטוריה וכוונתו הנוכחית?” פרופילים החיים והמאוחדים שלנו עונים על כך בדיוק, תוך שמירה על רצף, בקרת גישה, ואודיטים, מאפשרים חוויות בטוחות, רלוונטיות, וניתנות למדידה.

אילו ענפים או תחומים אתה רואה מרוויחים ביותר מטכנולוגיה זו בטווח הקרוב, ומדוע?

בעוד שכל מותגי הצרכנים יכולים להרוויח מאישוניות בזמן אמת, תחומי התיירות, חברות התעופה, הקמעונאות, והשירותים הפיננסיים רואים רווחים מיידיים, שכן חלונות הכוונה קצרים, וההקשר משנה. חשבו על שדרוגים בעת הרשמה, מחירים מחודשים עבור הזנקות נטושות, סדר וחבילות מאושנים, או הצעות כרטיסים המקבילות להתנהגות באתר.

תחומים אלו כבר פועלים במסעות אומניפרסנטיים, עם יתרונות גבוהים לזמן, רלוונטיות, ומהירות שירות. על ידי איחוד זהות היסטורית עם אותות חיים, הם הופכים רגעים חולפים להמרה ונאמנות, הופכים אינטראקציה להמרה, בזמן אמת.

כראש המוצר, כיצד אתה מודד את הצלחת שחרור כגון Real-Time Profiles, מעבר לביצועים טכניים – במונחים של אימוץ משתמש או השפעה עסקית?

אנו מודדים הצלחה על פי תוצאות הלקוח, כולל זמן קצר יותר לאישוניות במהלך הפעולה, שיעורי המרה ומעורבות גבוהים יותר, ושיפור במדדי שירות בכל נקודות המגע. לקוחותינו השיגו תוצאות כגון המרה כפולה מהירה יותר ממסעות מאושנים, מיליוני לקוחות חדשים בעלי ערך גבוה שזוהו מחוץ לתוכניות נאמנות, וחוויות שירות מהירות ואישיות יותר.

מבחינה מעשית, אני גם מחפש סימנים של פשטות, כגון פחות כלים לתחזוקה, והתאמה קרובה יותר בין צוותי השיווק, הנתונים, והשירות. כאשר אותו פרופיל מניע הן אנליטיקה והן הפעלה, בלי צורך באינטגרציות כפולות או צנריות נתונים, אתה רואה אימוץ עמיד ותשואה מרובעת.

לבסוף, כיצד אתה רואה את תפקיד ה-CPO מתפתח כאשר AI הופך למרכזי לאינטראקציה עם הלקוח ואסטרטגיות צמיחה של החברה?

ה-CPO המודרני חייב להיות המאחד של מוצר, נתונים, ותוצאות שוק – בעליו של המה והלמה של המוצר, שהופך אותות לערך. בעולם של AI, ה-CPO חייב גם לבעליו את האיך – איך האינטליגנציה משולבת לתוך כל זרימת עבודה, אינטראקציה, והחלטה. זה דורש גם עיצוב לזהות, ניהול, ופעולה בזמן אמת, בפתרון קוהרנטי, כך שצוותים יכולים לספק חוויות בזמן אמת.

זה משמעותו לשלב ניהול ייצור עם מדע נתונים, תשתית, שיווק, הצלחת לקוח, וממשל AI אתי, כדי לוודא שהבדלה של החברה לא באה רק מתכונות, אלא ממערכות למידה, שממשיכות להסתגל למשתמשים ולשווקים. אנו עוברים מתוכניות דרך ללולאות תגובה – הצלחתנו לא רק על בסיס שחרורים, אלא על בסיס מחזורים מהירים של ניסוי, למידה, ושיפור, שחוזקים הן את המוצר והן את יחסי הלקוח.

תודה על הראיון הנפלא, קוראים שרוצים ללמוד יותר צריכים לבקר ב-Amperity.