Grigori Melnik, Chief Product Officer, Amperity – Interview Series

Dr. Grigori Melnik adalah eksekutif teknologi berpengalaman dengan lebih dari 25 tahun pengalaman dalam mengarahkan inovasi produk dan pertumbuhan di perusahaan seperti Microsoft, Splunk, MongoDB, Tricentis, dan Cribl. Ia telah memimpin transformasi platform, meluncurkan produk yang mendefinisikan kategori, dan menskalakan tim di setiap tahap pertumbuhan. Dr. Melnik memegang gelar Ph.D. di bidang Ilmu Komputer dari Universitas Calgary dan membawa ke Amperity passion untuk keunggulan teknik, inovasi AI, dan membangun organisasi produk dengan dampak tinggi.

Amperity adalah perusahaan teknologi yang menawarkan platform Customer Data Cloud yang ditenagai AI untuk menyatukan data pelanggan yang terfragmentasi menjadi profil yang dipercaya, mengidentifikasi peluang bernilai tinggi, dan mengaktifkan kampanye di semua saluran. Solusinya fokus pada resolusi identitas, penggunaan data, dan aktivasi waktu nyata, memungkinkan merek untuk mengintegrasikan sumber data yang beragam, melakukan analisis yang didorong AI, dan mengirimkan audiens yang ditargetkan ke sistem hilir. Perusahaan ini menekankan fleksibilitas dengan mendukung koneksi langsung dengan platform gudang data utama dan mempertahankan kepatuhan dengan standar keamanan kunci seperti SOC 2, GDPR, dan HIPAA.

Anda telah memimpin strategi produk dan teknologi di perusahaan seperti Tricentis, MongoDB, dan Codility sebelum bergabung dengan Amperity. Bagaimana pengalaman tersebut membentuk pendekatan Anda dalam membangun dan menskalakan platform yang didorong AI seperti Real-Time Profiles?

Secara alami, saya adalah penggemar masalah yang belum terpecahkan. Di Amperity, kami melakukan hal yang sama. Pengalaman saya di organisasi sebelumnya membentuk cara saya berpikir tentang menskalakan platform sambil memenuhi kebutuhan penggunanya. Pelajaran tersebut termasuk pentingnya fleksibilitas, integrasi tanpa gesekan di seluruh ekosistem, dan tata kelola data yang kuat.

Pelajaran tersebut telah langsung membentuk pendekatan kami terhadap Real-Time Profiles. Kami membangun kemampuan untuk mengakhiri kompromi tertua industri—kecepatan vs. akurasi—dengan menyatukan identitas historis dengan streaming sub-detik dalam satu arsitektur yang dikelola. Kami memastikan platform menyederhanakan model operasi pelanggan, bukan mempersulitnya. Kami memperluas fondasi identitas yang ditenagai AI kami untuk menyatukan data waktu nyata dan historis dalam satu arsitektur, menggunakan satu grafik identitas, satu lapisan kontrol akses, dan garis keturunan dan auditabilitas yang konsisten.

Apa celah atau permintaan pasar tertentu yang memotivasi Amperity untuk mengembangkan Real-Time Profiles, dan bagaimana itu meredefinisi keseimbangan antara kecepatan data dan akurasi?

Sebagian besar Customer Data Platforms (CDP) memaksa tim untuk memilih antara bertindak cepat pada data yang dangkal, hanya berdasarkan acara, atau bertindak dengan akurat pada profil yang sudah ketinggalan zaman beberapa jam atau hari. Real-Time Profiles Amperity menghilangkan kompromi tersebut dengan terus menggabungkan sinyal langsung dengan sejarah pelanggan penuh, sehingga merek dapat mengenali individu pada saat exact ketika keterlibatan dan merespons dengan konteks. Hasilnya adalah data yang lengkap dan mutakhir, siap untuk memuat personalisasi sesi dan perjalanan yang dipicu oleh acara dengan dampak bisnis nyata.

Dengan menggabungkan batch dan streaming menjadi satu profil, kami melangkah melampaui “cepat tapi parsial” atau “lengkap tapi terlambat.” Ini adalah satu pandangan pelanggan yang terus diperbarui, memungkinkan tim pemasaran dan layanan untuk mengatur tindakan berikutnya pada kecepatan niat tanpa mengorbankan akurasi.

Apakah Anda bisa menjelaskan teknis dasar penyatuan data historis dan streaming ke dalam satu profil pelanggan yang terus diperbarui?

Kami membangun aliran data terpadu dengan tiga lapisan yang terkoordinasi: penggunaan acara JSON mentah dari sumber apa pun, pemrosesan terus-menerus di mesin aliran data terdistribusi, dan toko profil langsung yang mendukung pencarian millisecond melalui Profile API kami. Setiap klik baru, pemesanan, atau perubahan loyalitas direkonsiliasi dengan grafik identitas yang ditenagai AI yang sama yang mengatur pipa batch kami, berarti tidak ada model identitas terpisah, tidak ada pemeliharaan ganda, tidak ada drift skema.

Secara kritis, “identitas dalam gerakan” mengikat setiap acara ke profil yang dijahit dengan kuat saat tiba. Ini memungkinkan pemberkatan atribut instan, segmentasi terus-menerus, dan aktivasi yang dipicu oleh acara menggunakan perjalanan atau API, sambil menjaga garis keturunan, kontrol akses, dan auditabilitas di seluruh beban kerja analitis dan operasional.

Banyak perusahaan kesulitan mengoperasikan personalisasi waktu nyata. Apa tantangan terbesar yang Anda lihat merek menghadapi, dan bagaimana Amperity menanganinya?

Konsumen sekarang mengharapkan setiap interaksi merek untuk mencerminkan pemahaman waktu nyata tentang niat, preferensi, dan sejarah mereka, seketika. Namun, sebagian besar organisasi terbatas oleh sistem data yang terfragmentasi dan wawasan yang tertunda, yang membuat mereka sulit untuk merespons pada saat itu. Hasilnya seringkali personalisasi yang terasa generik atau tidak sejalan dengan kebutuhan pelanggan.

Mengatasi kesenjangan itu memerlukan lebih dari sekadar teknologi yang lebih cepat; itu menuntut pendekatan yang terpadu untuk data dan pengambilan keputusan. Di Amperity, kami telah fokus pada memecahkan masalah sistemik tersebut dengan memungkinkan merek untuk menggabungkan pengetahuan historis dan konteks langsung sehingga setiap interaksi dapat tepat waktu, relevan, dan terhubung dengan perjalanan pelanggan penuh. Dengan Real-Time Profiles, merek dapat memuat personalisasi sesi dan perjalanan yang dipicu oleh acara dari sumber kebenaran yang dikelola yang sama, mengubah momen seperti peninggalan keranjang, perubahan tingkat loyalitas, atau check-in di properti menjadi tindakan yang tepat waktu dan relevan.

Bagaimana integrasi AI dan pembelajaran mesin meningkatkan presisi atau kemampuan prediktif dari Real-Time Profiles?

AI adalah tulang punggung kemampuan resolusi identitas kami, yang berarti bahwa acara langsung dihubungkan dengan orang yang tepat dengan konteks yang tepat, seperti nilai seumur hidup, persetujuan, dan loyalitas, dalam hitungan millisecond. Pemutusan yang tepat itu meningkatkan setiap keputusan hilir: segmen menghitung ulang saat data berubah, atribut profil memperkaya secara instan, dan perjalanan memicu berdasarkan pelanggan lengkap, bukan acara yang terisolasi.

Menghadap ke depan, Real-Time Profiles membentuk fondasi untuk agen AI yang beroperasi dengan konteks langsung dengan mengalasan atas profil yang berkembang, menyajikan wawasan, dan memicu tindakan berikutnya secara otonom di seluruh tumpukan. Kombinasi identitas yang ditenagai AI dan konteks streaming adalah apa yang membuka kunci personalisasi satu-ke-satu yang sebenarnya pada skala.

Dari perspektif Anda, bagaimana regulasi privasi dan tata kelola data mempengaruhi pembangunan sistem personalisasi waktu nyata?

Dengan memperluas Customer Data Cloud kami yang ada ke streaming, kami mempertahankan satu toko profil yang dikelola untuk kasus penggunaan analitis dan operasional. Koherensi itu membantu memastikan kepatuhan dan auditabilitas sambil memungkinkan aktivasi sub-detik.

Tidak kalah penting, Real-Time Profiles memberdayakan merek untuk mengandalkan data pelanggan pertama mereka sendiri sebagai fondasi tepercaya untuk personalisasi. Setiap sinyal waktu nyata dihubungkan dengan data pelanggan yang diverifikasi dan berbasis persetujuan, sehingga merek dapat bertindak dengan kepercayaan bahwa wawasan dan aktivasi mereka selaras dengan harapan privasi dan standar regulasi. Kebijakan dan kontrol yang sama yang mengatur profil historis mengatur pembaruan langsung, memberikan merek kecepatan sambil mempertahankan kepercayaan dan postur keamanan yang kuat yang diperlukan untuk personalisasi yang bermakna dan patuh.

Dengan munculnya AI generatif, bagaimana Amperity mempersiapkan diri untuk masa depan di mana konten yang dipersonalisasi dapat dihasilkan dan disampaikan secara otonom dalam waktu nyata?

AI generatif hanya sebaik data yang mengisi daya. Real-Time Profiles menyediakan konteks langsung yang diperlukan, sehingga sistem generatif dapat menyesuaikan konten dengan siapa pelanggan dan apa yang mereka lakukan saat ini. Arsitektur kami memposisikan agen AI untuk mengalasan atas profil yang terus berkembang dan memicu tindakan berikutnya, menghubungkan wawasan ke aktivasi secara otomatis.

Ketika generasi konten menjadi lebih otonom, faktor penghalang akan bergeser dari “apakah kita bisa membuatnya?” menjadi “apakah kita harus membuatnya sekarang untuk pelanggan ini, mengingat sejarah dan niat mereka saat ini?” Profil waktu nyata dan identitas-terorientasi kami menjawab itu dengan presisi dan tata kelola, memungkinkan pengalaman yang aman, relevan, dan terukur.

Industri atau vertikal apa yang Anda lihat paling diuntungkan dari teknologi ini dalam jangka pendek, dan mengapa?

Sementara semua merek konsumen diuntungkan dari personalisasi waktu nyata, perjalanan, maskapai, ritel, dan layanan keuangan melihat keuntungan langsung karena jendela niat singkat dan konteks penting. Bayangkan upgrade saat check-in, re-pricing booking yang ditinggalkan, urutan sortir dan bundel yang dipersonalisasi, atau penawaran kartu yang selaras dengan perilaku di situs.

Vertikal ini sudah beroperasi dengan perjalanan omnichannel dengan taruhan tinggi untuk waktu, relevansi, dan kecepatan layanan dan akurasi. Dengan menyatukan identitas historis dan sinyal langsung, mereka mengubah momen yang singkat menjadi pendapatan dan loyalitas, mengubah keterlibatan menjadi konversi dalam waktu nyata.

Sebagai Chief Product Officer, bagaimana Anda mengukur kesuksesan rilis seperti Real-Time Profiles di luar kinerja teknis — dalam hal adopsi pengguna atau dampak bisnis?

Kami mengukur kesuksesan dengan hasil pelanggan dan adopsi, termasuk waktu yang lebih cepat untuk personalisasi sesi, tingkat konversi dan keterlibatan yang lebih tinggi, dan metrik layanan yang ditingkatkan di semua titik kontak. Pelanggan kami telah menghasilkan hasil seperti konversi 2x lebih tinggi dari perjalanan yang dipersonalisasi, jutaan prospek bernilai tinggi baru yang diidentifikasi di luar program loyalitas, dan pengalaman layanan yang lebih cepat dan lebih personal.

Secara operasional, saya juga mencari sinyal simplifikasi seperti alat yang lebih sedikit untuk dipelihara, keselarasan yang lebih erat antara tim pemasaran, data, dan layanan. Ketika profil yang sama memuat analisis dan aktivasi tanpa memerlukan integrasi ganda atau pipeline data, Anda melihat adopsi yang tahan lama dan pengembalian yang berkompounding pada data pelanggan.

Akhirnya, bagaimana Anda melihat peran CPO berkembang ketika AI menjadi pusat dari keterlibatan pelanggan dan strategi pertumbuhan perusahaan?

CPO modern harus menjadi integrator produk, data, dan hasil pemasaran – memiliki apa dan mengapa produk yang mengubah sinyal menjadi nilai. Di dunia AI, CPO juga harus memiliki bagaimana – bagaimana kecerdasan tertanam dalam setiap alur kerja, interaksi, dan keputusan. Ini juga memerlukan arsitektur untuk identitas, tata kelola, dan tindakan waktu nyata dalam satu solusi yang kohesif sehingga tim dapat menyampaikan pengalaman pada kecepatan pelanggan.

Itu berarti menggabungkan manajemen produksi dengan ilmu data, infrastruktur, pemasaran, keberhasilan pelanggan, dan tata kelola AI etis untuk memastikan diferensiasi perusahaan tidak hanya berasal dari fitur, tetapi dari sistem pembelajaran yang terus beradaptasi dengan pengguna dan pasar. Kami bergerak dari peta jalan ke loop penguatan – kesuksesan kami tidak hanya tentang pengiriman rilis, tetapi tentang mempercepat siklus eksperimen, pembelajaran, dan penyempurnaan yang memperkuat baik produk dan hubungan pelanggan.

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