Anastasia Leng, Pendiri & CEO CreativeX – Seri Wawancara

Anastasia Leng adalah Pendiri & CEO CreativeX, sebuah perusahaan yang memungkinkan keunggulan kreatif untuk merek-merek yang 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 dan tinggal di sana selama 6 tahun. Apa yang menjadi pengambilan utama dari pengalaman ini?

Pemasaran di Google jauh dari pemasaran tradisional. Pekerjaan yang saya lakukan selama saya 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 mengganggu tim pemasaran kami):

1. Selalu letakkan pengguna di atas: Ini tampaknya sederhana, tetapi itu sangat mengherankan bagaimana banyak pemasar memperlakukan ini sebagai platitude. Jangan menganggap bahwa apa yang Anda inginkan adalah apa yang pengguna inginkan (kesalahan yang saya lihat berulang kali). Sebenarnya, sebuah studi Thinkbox tahun 2016 dan studi Reach Solutions tahun 2018 membandingkan keyakinan pemasar dengan keyakinan masyarakat umum hanya untuk menemukan bahwa kita salah mengatribusikan banyak keyakinan kita sendiri kepada pelanggan kita. Peneliti menjelaskan ini sebagai “ilusi empati” dan itu 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 menginstal nilai komunikasi yang jelas dan sederhana di dalam kami. Bahkan syarat dan ketentuan mereka ditulis dengan cara yang membuat seseorang tanpa gelar hukum memiliki kesempatan untuk memahami. Sebagai hasilnya, saya memiliki respons krisis Pavlovian terhadap istilah seperti “pemimpin pikiran” atau “omnichannel” dan saya melakukan yang terbaik untuk mendorong tim kami, dan diri saya sendiri, untuk mengartikulasikan pandangan kami dalam bahasa yang ringkas, manusiawi, dan dapat diakses.

3. Ukur semuanya: Awal dalam karir Google saya, saya membuat kesalahan pemula dengan membenarkan justifikasi saya untuk sebuah keputusan dengan mengatakan bahwa “kita melakukan ini dengan cara ini di masa lalu, sehingga kita harus melakukan ini dengan cara ini lagi di sini.” Saya memilih kenyamanan dan kesamaan daripada benar-benar memahami apa yang sebenarnya diperlukan dalam situasi di depan saya, dan respons dari rekan saya cukup untuk membuat saya menghindari membuat 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 di baliknya?

Saya meninggalkan Google pada tahun 2012 untuk memulai Hatch, sebuah perusahaan e-commerce yang menjual produk gaya hidup yang dapat disesuaikan. Tesis kami adalah bahwa pengalaman belanja online yang biasa sangat melelahkan, dengan konsumen harus menggulir halaman demi halaman produk yang tidak quite 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 dibawa oleh pembuat.

Ini tetap menjadi ide yang saya percayai secara mendalam, tetapi bisnis e-commerce sangat sulit untuk dimulai tanpa investasi modal yang signifikan. Ketika kami membangun Hatch, kami secara alami menghabiskan banyak waktu untuk memikirkan bagaimana cara mendapatkan konsumen ke situs kami dan kami dipaksa untuk bersaing dengan perhatian konsumen dengan semua pemain biasa (Google, Facebook, dll.) tetapi dengan sebagian kecil dari sumber daya keuangan. Mengingat bahwa 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 semuanya: audiens kami, waktu hari kami beriklan, kata kunci, dll. Semuanya kecuali 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 menangani masalah itu, dan itu adalah teknologi, awalnya dimaksudkan untuk analisis internal kami, yang mengarah pada 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 berbeda 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.

• Computer Vision: Ini memungkinkan kami untuk memahami konten dari setiap visual secara besar-besaran dan data dikembalikan sebagai lusinan, kadang-kadang ratusan tag untuk setiap aset kreatif.
• Optical-Character Recognition: 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 (misalnya, tagline, posisi, bahasa, dll.)

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

4. File suara untuk video: Setiap file audio diterjemahkan menjadi teks yang dapat diparse yang memungkinkan pengaturan aturan audio untuk setiap merek.

Kami telah membangun alat untuk menggabungkan semua data tersebut dengan cara yang cerdas untuk menganalisis dan konten secara besar-besaran dan akurat untuk kehadiran objek serta konsep yang ingin diukur oleh pemasar.

Seberapa pentingnya mengkustomisasi petunjuk visual dan elemen yang diukur?

Kemampuan untuk mengkustomisasi apa yang kami lacak untuk setiap merek sangat kritis. Data hanya sekuat kemampuan untuk memberikan klarifikasi tentang sesuatu yang topikal untuk organisasi Anda, yang mengapa satu-ukuran-untuk-semua pengenalan visi komputer mungkin sulit untuk pemasar gunakan langsung dari rak. Ini adalah masalah yang kami hadapi di awal hari 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 mengkustomisasi jenis deteksi yang kami berikan sehingga kami dapat memetakan ke apa yang unik tentang merek tersebut, industri, dan tantangannya. Yang seringkali termasuk membangun deteksi yang mencerminkan pedoman merek atau suara, bagaimana itu diposisikan di pasar, bagaimana itu membedakan dari pesaing, dan yang pada akhirnya sampai ke inti dari pertanyaan kreatif besar yang pemasar di tim itu debat.

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 memenuhi standar kualitas minimum dan siap untuk sukses berdasarkan parameter unik yang diperlukan pada setiap platform dan seberapa banyak uang yang mereka (dan agensi mereka) habiskan untuk mempromosikan dan menghasilkan konten yang memenuhi (dan tidak memenuhi) standar tersebut. Mereka dapat mengukur seberapa konsisten tim merek mereka berkomunikasi tentang merek (apakah mereka berbaris ke irama drum yang sama? Menggunakan aset merek yang sama secara konsisten?) dan seberapa representatif keputusan casting mereka. Semua ini dapat membantu pemasar mengambil kembali kontrol atas konten kreatif mereka untuk benar-benar memahami dan mengukur, secara besar-besaran, kesehatan dan keselarasan keputusan kreatif mereka.

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

Kami menganalisis 2.378 iklan FMCG (fast moving consumer goods) di AS dan menemukan bahwa meskipun banyak perhatian yang diberikan pada topik representasi, kenyataan dari representasi inklusif masih memerlukan banyak pekerjaan. Analisis kami tentang keragaman rasial, misalnya, menunjukkan bahwa orang kulit hitam lebih mungkin dipilih dalam iklan di mana olahraga atau latihan adalah tema dan kurang mungkin dipilih 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 beberapa kemajuan dengan peningkatan penggambaran wanita dalam peran kepemimpinan.

Apa yang dapat dilihat sebagai cara lain bahwa Anda dapat melihat pembelajaran mesin meningkatkan 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) pembelajaran mesin dalam periklanan untuk terus meningkatkan hal-hal dasar yang sudah dilakukan industri: memprediksi kemungkinan konsumen untuk mengklik dan membeli (targeting), menghasilkan variasi kreatif berdasarkan data konsumen (kreatif iklan dinamis), memparsir melalui lebih banyak data untuk menghasilkan wawasan (pelaporan).

Pembelajaran mesin kemungkinan akan ditempatkan pada kasus untuk mengetahui apa sinyal lain yang dapat menggantikan kehilangan cookie pihak ketiga di Chrome dan IDFA di iOS dan bagaimana kita dapat terus mempersonalisasi iklan 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 bagaimana cara menggabungkan data dan ekspresi kreatif, kami ingin berbicara!

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