Anastasia Leng, Pendiri & CEO CreativeX – Seri Wawancara

Anastasia Leng adalah Pendiri & CEO CreativeX, sebuah perusahaan yang memungkinkan keunggulan kreatif untuk merek-merek paling dicintai di dunia. Dengan menganalisis kreatif secara besar-besaran, teknologi ini bertujuan untuk meningkatkan ekspresi kreatif melalui kejelasan data.

Anda belajar pemasaran di Google (GOOGL ) dan bekerja di sana selama 6 tahun. Apa yang Anda pelajari dari pengalaman ini?

Pemasaran di Google jauh dari pemasaran tradisional. Pekerjaan yang saya lakukan selama saya bekerja di sana dari tahun 2007-2012 adalah campuran dari pemasaran, produk, dan pengembangan bisnis. Semua pekerjaan saya fokus pada meluncurkan, memposisikan, dan meyakinkan orang untuk menggunakan atau membeli teknologi atau produk baru untuk pertama kalinya. Berikut adalah tiga pelajaran utama yang masih saya bawa hingga hari ini (dan membuat tim pemasaran kami frustrasi):

1. Selalu letakkan pengguna di atas segalanya: Ini tampaknya sederhana, tetapi mengejutkan betapa banyak pemasar yang memperlakukan ini sebagai kalimat yang kosong. Jangan menganggap bahwa apa yang Anda inginkan adalah apa yang diinginkan oleh pengguna Anda (kesalahan yang saya lihat berulang kali). Sebenarnya, sebuah studi Thinkbox pada tahun 2016 dan studi Reach Solutions pada tahun 2018 membandingkan keyakinan pemasar dengan keyakinan masyarakat umum dan menemukan bahwa kita salah mengatribusikan banyak keyakinan kita sendiri kepada pelanggan kita. Peneliti menyebut ini sebagai “kesalahpahaman empati” dan ini benar-benar memberikan data di balik fakta bahwa kita perlu melakukan pekerjaan yang lebih baik dalam memahami pengguna kita.

2. Selalu hindari jargon: Google melakukan pekerjaan yang luar biasa dalam mengajarkan kita nilai dari komunikasi yang jelas dan sederhana. Bahkan syarat dan ketentuan mereka ditulis dengan cara yang membuat seseorang tanpa gelar hukum memiliki kesempatan untuk memahami. Sebagai hasilnya, saya memiliki respons Pavlovian terhadap istilah seperti “pemimpin pikiran” atau “omnichannel” dan saya melakukan yang terbaik untuk mendorong tim kami, dan diri saya sendiri, untuk mengartikulasikan pandangan kita dengan bahasa yang ringkas, manusiawi, dan dapat diakses.

3. Ukur semua hal: Pada awal karir saya di Google, saya membuat kesalahan pemula dengan merasionalisasi justifikasi saya untuk sebuah keputusan dengan mengatakan bahwa “kita melakukan ini dengan cara ini di masa lalu, jadi kita harus melakukan ini dengan cara yang sama di sini.” Saya memilih kenyamanan dan kesamaan daripada benar-benar memahami apa yang dibutuhkan situasi di depan saya, dan respons dari rekan saya cukup untuk membuat saya tidak melakukan kesalahan ini lagi. Ini jelas tetapi jarang dipraktekan: gunakan data untuk memandu keputusan Anda.

CreativeX sebenarnya adalah start-up kedua Anda, bisa Anda berbagi cerita tentang bagaimana CreativeX dimulai?

Saya meninggalkan Google pada tahun 2012 untuk memulai Hatch, sebuah perusahaan e-commerce yang menjual produk gaya hidup yang dapat disesuaikan. Tesinya adalah bahwa pengalaman belanja online yang biasa sangat melelahkan, dengan konsumen harus menggulir halaman demi halaman produk yang tidak tepat. Bisnis kecil hingga menengah mengambil beban untuk memprediksi permintaan konsumen dan akhirnya memegang inventori yang tidak terjual. Solusi kami adalah menciptakan pengalaman ritel yang dapat disesuaikan, tempat di mana setiap produk dapat disesuaikan untuk memenuhi spesifikasi pelanggan sambil mengurangi risiko inventori yang dipegang oleh pembuatnya.

Masih menjadi ide yang saya percayai secara mendalam, tetapi bisnis e-commerce sulit untuk dimulai tanpa investasi modal yang signifikan. Ketika kami membangun Hatch, kami secara alami menghabiskan banyak waktu untuk memikirkan bagaimana cara mendapatkan perhatian konsumen ke situs kami dan kami terpaksa bersaing dengan perhatian konsumen dengan semua pemain e-commerce biasa (Google, Facebook (META ), dll.) tetapi dengan sebagian kecil dari sumber daya keuangan. Karena kami tidak bisa mengalahkan pemain e-commerce besar, kami mulai bertanya-tanya bagaimana kami bisa mengalahkan mereka. Kami membuat keputusan yang dipandu oleh data tentang semua hal: audiens kami, waktu hari kami beriklan, kata kunci, dll. Semua kecuali aset kreatif itu sendiri. Kami menyadari bahwa aset kreatif adalah bagian paling penting dari pemasaran kami tetapi bagian yang kami pahami paling sedikit.

Kami mulai membangun teknologi untuk menyelesaikan masalah ini, dan itu adalah teknologi yang awalnya dimaksudkan untuk analisis internal kami yang akhirnya memimpin kelahiran CreativeX. Hari ini, CreativeX menyediakan teknologi untuk membantu merek mencapai keunggulan kreatif dengan mengukur, melacak, dan meningkatkan kualitas kreatif, konsistensi merek, dan representasi dalam konten.

Bisakah Anda membahas teknologi pembelajaran mesin yang digunakan di CreativeX untuk memecah gambar dan video menjadi ribuan atribut?

CreativeX memproses setiap aset kreatif yang ditarik ke dalam sistem kami (gambar, video, dan GIF) dan menggunakan berbagai teknologi untuk mengumpulkan dan membuat set metadata yang komprehensif yang memungkinkan kami untuk mengkategorikan aset tersebut dengan cara yang disesuaikan.

Kami menganalisis empat elemen dari setiap aset kreatif.

1. File gambar dan video: Kami mengekstrak properti umum dari setiap file, termasuk dimensi aset, jenis file, dll.

2. Konten gambar dan video: Kami menggunakan dua jenis teknologi untuk memahami konten di dalam setiap gambar dan video.

• Penglihatan Komputer: Ini memungkinkan kami untuk memahami konten visual pada skala besar dan data dikembalikan sebagai lusinan, terkadang ratusan tag untuk setiap aset kreatif.
• Pengenalan Karakter Optik: Ini memungkinkan kami untuk mendeteksi kata-kata yang digunakan di dalam kreatif. Teknologi ini menentukan tidak hanya jumlah teks yang digunakan, tetapi juga persyaratan merek khusus teks (misalnya, slogan, posisi, bahasa, dll.)

3. Salinan yang menyertainya untuk setiap visual: Jika kreatif itu hidup, kami juga menarik teks deskripsi yang menyertainya.

4. File suara untuk video: Setiap file audio diterjemahkan ke dalam teks yang dapat diparse untuk mengatur aturan audio untuk setiap merek.

Kami telah membangun alat untuk menggabungkan semua data ini dengan cara yang cerdas untuk menganalisis dan mengukur konten secara besar-besaran dan akurat untuk kehadiran objek serta konsep yang diinginkan pemasar.

Seberapa pentingnya menyesuaikan petunjuk visual dan elemen yang diukur?

Kemampuan untuk menyesuaikan apa yang kami lacak untuk setiap merek sangat kritis. Data hanya sekuat kemampuannya untuk memberikan kejelasan tentang sesuatu yang topikal untuk organisasi Anda, yang mengapa pengenalan komputer yang satu ukuran tidak selalu mudah digunakan oleh pemasar. Ini adalah masalah yang kami hadapi di awal Hatch: kami mungkin mendeteksi kehadiran gaun dan memahami seberapa sering kami menggunakannya, tetapi jika Anda adalah perusahaan mobil, wawasan itu tidak relevan. Yang mengapa kami telah menginvestasikan waktu yang luar biasa untuk dapat menyesuaikan jenis deteksi yang kami berikan sehingga kami dapat memetakan ke apa yang unik tentang merek itu, industri, dan tantangannya. Yang sering kali termasuk membangun deteksi yang mencerminkan pedoman merek atau suara, bagaimana merek tersebut diposisikan di pasar, bagaimana merek tersebut membedakan diri dari pesaingnya, dan yang akhirnya mencapai inti dari pertanyaan kreatif besar yang diperdebatkan oleh pemasar di tim itu.

Apa jenis wawasan yang dapat diperoleh dari aplikasi ini?

Teknologi CreativeX dapat membantu Anda mendapatkan wawasan tentang kualitas kreatif, konsistensi merek, kepatuhan, dan representasi dari semua konten gambar dan video Anda. Dengan informasi ini, pemasar dapat menentukan seberapa banyak konten mereka yang memenuhi standar kualitas minimum dan disiapkan untuk sukses berdasarkan parameter unik yang diperlukan pada setiap platform dan seberapa banyak uang yang mereka (dan agensi mereka) habiskan untuk mempromosikan dan memproduksi konten yang memenuhi (dan tidak memenuhi) standar ini. Mereka dapat mengukur seberapa konsisten tim merek mereka berkomunikasi tentang merek (apakah mereka berjalan dengan irama yang sama? Menggunakan aset merek yang sama secara konsisten?) dan seberapa representatif keputusan pemilihan mereka. Semua ini dapat membantu pemasar mengambil kontrol atas konten kreatif mereka untuk benar-benar memahami dan mengukur, pada skala besar, kesehatan dan keselarasan keputusan kreatif mereka.

CreativeX telah melakukan analisis rasial dan gender dari ribuan iklan, apa hasilnya dari analisis ini?

Kami menganalisis 2.378 iklan FMCG (barang konsumsi yang bergerak cepat) di AS dan menemukan bahwa meskipun banyak perhatian yang diberikan pada topik representasi, kenyataan dari representasi yang inklusif masih memerlukan banyak pekerjaan. Analisis kami tentang keberagaman rasial, misalnya, menunjukkan bahwa orang kulit hitam lebih mungkin ditampilkan dalam iklan di mana olahraga atau latihan adalah tema dan kurang mungkin ditampilkan dalam peran kepemimpinan. Ketika kami melihat representasi gender, kami menemukan bahwa merek masih mempertahankan stereotip gender negatif: Pria mendominasi peran profesional dan wanita lebih mungkin ditampilkan melakukan kegiatan domestik tertentu seperti membersihkan. Bahkan dengan penampilan yang lebih sedikit, pria ditampilkan dalam peran berbicara lebih banyak tetapi kami melihat kemajuan dengan peningkatan penggambaran wanita dalam peran kepemimpinan.

Apa jenis lain yang dapat Anda lihat teknologi pembelajaran mesin memperbaiki lanskap periklanan dalam 5 tahun ke depan?

Salah satu investor kami pernah mengatakan bahwa banyak industri yang mengklaim menggunakan pembelajaran mesin memiliki mesin, dan mereka memiliki pembelajaran, tetapi tidak selalu jelas bahwa itu adalah mesin yang belajar.

Pandangan saya adalah bahwa kita akan melihat aplikasi yang lebih dalam (atau dalam beberapa kasus, aplikasi yang sebenarnya) dari pembelajaran mesin dalam periklanan untuk terus memperbaiki hal-hal dasar yang sudah dilakukan industri: memprediksi kemungkinan konsumen untuk mengklik dan membeli (targeting), menghasilkan variasi kreatif berdasarkan data konsumen (kreatif dinamis), memarsing lebih banyak data untuk menghasilkan wawasan (pelaporan).

Pembelajaran mesin kemungkinan akan diterapkan pada kasus mengatasi sinyal lain yang dapat menggantikan kehilangan cookie pihak ketiga di Chrome dan IDFA di iOS dan bagaimana kita dapat terus mempersonalisasi periklanan meskipun kehilangan informasi tersebut.

Apakah ada yang lain yang ingin Anda bagikan tentang CreativeX?

Sedikit nakal tetapi… kami sedang merekrut! Jika Anda telah mencapai bagian bawah artikel ini dan tertarik dengan cara untuk lebih baik menyatukan data dan ekspresi kreatif, kami ingin berbicara dengan Anda!

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi CreativeX.