Grigori Melnik, Chief Product Officer, Amperity – Seri Wawancara

Dr. Grigori Melnik adalah seorang eksekutif teknologi berpengalaman dengan lebih dari 25 tahun pengalaman dalam mengarahkan inovasi produk dan pertumbuhan di perusahaan seperti Microsoft (MSFT ), Splunk, MongoDB (MDB ), 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 yang berdampak tinggi.

Amperity adalah sebuah perusahaan teknologi yang menawarkan platform Customer Data Cloud yang ditenagai AI untuk menggabungkan data pelanggan yang terfragmentasi menjadi profil yang dipercaya, mengidentifikasi peluang bernilai tinggi, dan mengaktifkan kampanye di semua saluran. Solusi mereka berfokus 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 downstream. 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?

Dengan sifatnya, saya adalah seorang penggemar masalah yang belum terpecahkan. Di Amperity, kami melakukan hal yang sama. Pengalaman saya di organisasi sebelumnya membentuk bagaimana 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 membentuk langsung pendekatan kami terhadap Real-Time Profiles. Kami merancang kemampuan ini untuk mengakhiri kompromi tertua industri—kecepatan vs. akurasi—dengan menggabungkan identitas historis dengan streaming sub-detik dalam arsitektur yang dikelola tunggal. Kami memastikan platform ini menyederhanakan model operasi pelanggan, bukan mempersulitnya. Kami memperluas fondasi identitas AI kami untuk menggabungkan data waktu nyata dan historis dalam arsitektur tunggal, menggunakan satu grafik identitas, satu lapisan kontrol akses, dan jejak serta auditabilitas yang konsisten.

Apa celah atau permintaan pasar tertentu yang memotivasi Amperity untuk mengembangkan Real-Time Profiles, dan bagaimana ini mendefinisikan kembali 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 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 terlibat dan merespons dengan konteks. Hasilnya adalah data yang lengkap dan mutakhir, siap untuk memungkinkan personalisasi sesi dan perjalanan yang dipicu oleh acara dengan dampak bisnis yang nyata.

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

Bisakah Anda menjelaskan teknis tentang menggabungkan data historis dan streaming ke dalam profil pelanggan tunggal yang terus diperbarui?

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

Sangat penting, “identitas dalam gerakan” mengikat setiap acara ke profil yang dijahit dengan kuat saat tiba. Ini memungkinkan pengayaan atribut instan, segmentasi terus-menerus, dan aktivasi yang dipicu oleh acara menggunakan perjalanan atau API, sambil mempertahankan jejak, 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 mengatasi mereka?

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

Mengatasi kesenjangan itu membutuhkan lebih dari sekadar teknologi yang lebih cepat; itu menuntut pendekatan yang terpadu untuk data dan pengambilan keputusan. Di Amperity, kami telah fokus untuk 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 memungkinkan personalisasi sesi dan perjalanan yang dipicu oleh acara dari sumber kebenaran yang dikelola, mengubah momen seperti pengabaian 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 dari 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 milidetik. Pemutusan yang tepat itu meningkatkan setiap keputusan downstream: segmen menghitung ulang saat data berubah, atribut profil diperkaya secara instan, dan perjalanan dipicu berdasarkan pelanggan lengkap, bukan acara terisolasi.

Menatap ke depan, Real-Time Profiles meletakkan dasar untuk agen AI untuk beroperasi dengan konteks langsung dengan mengalasan atas profil yang berkembang, mengungkapkan wawasan, dan memicu tindakan berikutnya secara otonom di seluruh tumpukan. Kombinasi identitas yang diperbaiki AI dan konteks streaming adalah apa yang membuka personalisasi satu-ke-satu yang sebenarnya pada skala besar.

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.

Sangat penting, Real-Time Profiles memungkinkan merek untuk mengandalkan data pelanggan pertama mereka sendiri sebagai dasar tepercaya untuk personalisasi. Setiap sinyal waktu nyata dihubungkan dengan data pelanggan yang diverifikasi dan berbasis persetujuan, sehingga merek dapat bertindak dengan keyakinan bahwa wawasan dan aktivasi mereka sesuai dengan harapan privasi dan standar regulasi. Kebijakan dan kontrol yang sama yang mengatur profil historis mengatur pembaruan langsung, memberikan merek kemampuan untuk segera merespons 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 memicunya. 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 secara otomatis, menghubungkan wawasan ke aktivasi.

Saat 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 yang sadar identitas kami menjawab itu dengan presisi dan tata kelola, memungkinkan pengalaman yang aman, relevan, dan dapat diukur.

Industri atau vertikal mana yang Anda lihat akan mendapat manfaat paling banyak dari teknologi ini dalam jangka pendek, dan mengapa?

Sementara semua merek konsumen mendapat manfaat dari personalisasi waktu nyata, perjalanan, maskapai, ritel, dan jasa keuangan melihat keuntungan langsung karena jendela niat singkat dan konteks yang penting. Bayangkan upgrade saat check-in, harga kembali booking yang ditinggalkan, urutan sortir dan bundle yang dipersonalisasi, atau penawaran kartu yang sesuai dengan perilaku di situs.

Vertikal ini sudah beroperasi dengan perjalanan omnichannel yang memiliki taruhan tinggi untuk waktu, relevansi, dan kecepatan layanan dan akurasi. Dengan menggabungkan identitas historis dan sinyal langsung, mereka mengubah momen 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, termasuk waktu-to-value 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 yang 2x lebih tinggi dari perjalanan yang dipersonalisasi, jutaan prospek bernilai tinggi yang diidentifikasi di luar program loyalitas, dan pengalaman layanan yang lebih cepat dan lebih personal.

Secara operasional, saya juga mencari sinyal simplifikasi seperti fewer alat untuk dipertahankan keselarasan yang lebih ketat antara tim pemasaran, data, dan layanan. Ketika profil yang sama memungkinkan analitik dan aktivasi tanpa memerlukan integrasi atau pipa data ganda, Anda melihat adopsi yang tahan lama dan pengembalian yang berkompounding pada data pelanggan.

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

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

Itu berarti menggabungkan manajemen produksi dengan ilmu data, infrastruktur, pemasaran, keberhasilan pelanggan, dan tata kelola AI etis untuk memastikan perbedaan perusahaan tidak hanya datang dari fitur, tetapi dari sistem pembelajaran yang terus beradaptasi dengan pengguna dan pasar. Kami beralih dari roadmaps ke lingkaran penguatan – kesuksesan kami tidak 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 dapat mengunjungi Amperity.