アナスタシア・レング、CreativeXの創設者＆CEO – インタビュー・シリーズ

アナスタシア・レングは、CreativeXの創設者＆CEOです。CreativeXは、世界で最も愛されるブランドのための創造的優位性を実現する会社です。創造的コンテンツを大規模に分析することで、データの明確性を通じて創造的表現を進化させることを目指しています。

あなたはGoogleでマーケティングを学び、6年間そこで働きました。そこでの経験から得た主な教訓は何ですか?

Googleでのマーケティングは、伝統的なマーケティングとは異なります。2007年から2012年までの私の仕事は、マーケティング、製品、ビジネス開発の混合でした。私の仕事はすべて、新しいテクノロジーまたは製品を最初から立ち上げ、位置付け、人々に使用または購入するよう説得することに焦点を当てていました。以下は、私が今日でも持ち続けるトップ3の学びです（そして、私のマーケティングチームを苛立たせます）：

1. 常にユーザーを優先する：これは単純に思えるかもしれませんが、多くのマーケターがこれを口実として扱うことは驚くべきことです。ユーザーが何を望むかを想像するのではなく、実際にユーザーが何を望むかを理解することが重要です（私は繰り返し見ている間違いです）。実際、2016年のThinkboxの研究と2018年のReach Solutionsの研究では、マーケターの信念と一般人の信念を比較し、多くのマーケターが自分自身の信念を顧客に誤って帰属させていることを発見しました。研究者はこれを「共感の妄想」と呼び、ユーザーをよりよく理解する必要があることを実証しました。

2. 常にジャーゴンを避ける：Googleは、私たちに明確でシンプルなコミュニケーションの価値を教えてくれました。 thậmち、Googleの利用規約も、法律の学位を持たない人でも理解できるように書かれていました。結果として、私は「思想的リーダーシップ」や「オムニチャネル」などの用語にパブロフの反射的な嫌悪感を持っています。私は、私のチームと自分自身を、簡潔で人間的でアプローチ可能な言語で私の考えを表現するよう奨励しています。

3. すべてを測定する：私のGoogleでのキャリアの初期に、私は「私たちは過去にこうしてきたので、ここでもこうすべきだ」という理由で決定を正当化するというミスを犯しました。私は、実際に前にある状況を理解するよりも、安心と習慣を選びました。私の相手からの反応は、私がこのミスを再び犯さないようにしました。明らかですが、まれに実践されることですが、データを使用して決定を下すことが重要です。

CreativeXは実際にあなたの2番目のスタートアップです。CreativeXの創設の背景を共有できますか?

2012年にGoogleを辞めて、HatchというECサイトを立ち上げました。Hatchでは、カスタマイズ可能なライフスタイル製品を販売していました。私たちのテーゼは、通常のオンラインショッピング体験が消費者にとって疲れるものであるということです。消費者は、ぴったりではない製品のページをスクロールしながら見る必要がありました。中小企業は、消費者の需要を予測する負担を負い、売れなかった在庫を抱えることになりました。私たちの解決策は、カスタマイズ可能な小売体験を作成することでした。つまり、毎製品を顧客の仕様に合わせて変更できる場所を作ることで、メーカーが持つ在庫リスクを軽減することができました。

これは私が深く信じるアイデアですが、ECビジネスは、多大な資本投資なしに立ち上げるのが難しいものです。Hatchを構築している間、私たちは、消費者を私たちのサイトに引き付ける方法について多くの時間を費やしました。私たちは、GoogleやFacebookなどの通常のsuspectsと競争しなければなりませんでしたが、資金的リソースは少なくてすみませんでした。私たちは、如何にして彼らを上回ることができるかと疑問に思いました。私たちは、すべてについてデータに基づいた決定を下していました。私のターゲット、広告の時間、キーワードなどですが、創造的自体についてはそうではありませんでした。私たちは、創造的資産が私たちのマーケティングの中で最も重要な部分であり、それについて最も理解していない部分であることを認識しました。

私たちは、その問題に対処するためのテクノロジーを構築し始めました。最初は私たちの内部分析のために意図されていたテクノロジーでしたが、それがCreativeXの誕生につながりました。今日、CreativeXは、創造的優位性を実現するために、創造的品質、ブランド一貫性、コンテンツ内表現を測定、追跡、改善するためのテクノロジーを提供しています。

CreativeXでは、画像や動画を数千の属性に分解するために、さまざまなマシンラーニング技術が使用されています。詳細について説明できますか?

CreativeXは、システムに取り込まれたすべての創造的資産（画像、動画、GIF）を処理し、さまざまなテクノロジーを使用して包括的なメタデータのセットを作成し、それをカスタマイズされた方法で資産を正しく分類できるようにします。

私たちは、すべての創造的資産の4つの要素を分析します。

1. 画像と動画ファイル：私たちは、各ファイルの共通のプロパティを抽出します。包括して、資産の長さ、寸法、ファイルの種類などです。

2. 画像と動画のコンテンツ：私たちは、画像と動画の中のコンテンツを理解するために、2つの種類のテクノロジーを使用します。

• コンピュータービジョン：これにより、私たちが視覚的なコンテンツを大規模に理解し、毎回数十、時には数百のタグを返すことができます。
• 光学文字認識：これにより、私たちが創造的コンテンツ内で使用されているテキストを取得できます。テクノロジーは、使用されているテキストの量だけでなく、タグライン、ポジショニング、言語などのテキスト固有のブランド要件も判断できます。

3. 画像と動画に付随するコピー：創造的コンテンツがライブの場合、私たちは、付随するテキストの説明も取得します。

4. 動画の音ファイル：毎回、オーディオファイルは、ブランドごとにオーディオルールを設定できるように解析可能なテキストに変換されます。

私たちは、すべてのデータを賢い方法で組み合わせて、コンテンツをスケーラブルに分析し、正確に分析できるツールを構築しました。

視覚的信号や要素をカスタマイズすることはどれほど重要ですか?

各ブランドに合わせて追跡するものをカスタマイズする能力は、非常に重要です。データは、組織にとってトピカルなものについての明確性を提供する能力がある限り、強力です。つまり、すべてのマーケターにとって使いやすい、ワンサイズフィットオールのコンピュータービジョン認識は、すぐに使えるものではありません。これは、私たちがHatchの初期の日に苦労した問題です。私たちは、ドレスの存在を検出し、それらをどれほど頻繁に使用しているかを理解することができましたが、自動車会社の場合、その洞察は無関係です。したがって、私たちは、検出をカスタマイズして、ブランド、業界、課題のユニークな側面にマッピングできるように、多大な時間を費やしています。つまり、ブランドのガイドラインや声、市場でのポジショニング、競合他社との差別化、最終的にマーケターが議論している大きな創造的疑問の核心にあるものを反映する検出を構築することです。

このアプリケーションから得られるアクション可能な洞察の種類は何ですか?

CreativeXテクノロジーは、画像や動画の創造的品質、ブランド一貫性、コンプライアンス、表現についての洞察を提供できます。マーケターは、これらの情報を使用して、コンテンツがどれだけが最低限の品質基準を満たしているか、また、各プラットフォームで必要なユニークなパラメータに基づいて成功するように設定されているかを判断できます。彼らは、ブランドチームがブランドについてどれだけ一貫してコミュニケーションをとっているか（同じ鼓動に従っていますか？同じブランド資産を一貫して使用していますか？）、およびキャスティングの決定がどれだけ表現的であるかを測定できます。すべてこれらは、マーケターが創造的コンテンツをより制御し、創造的決定の健康状態と整合性をスケーラブルに測定するのに役立ちます。

CreativeXは数千の広告の人種と性別の分析を実行しました。分析結果は何でしたか?

私たちは、米国の2,378のFMCG広告を分析し、表現のトピックに多くの注目が寄せられているにもかかわらず、包括的表現の現実はまだ多くの作業が必要であることを発見しました。私たちの人種的多様性の分析は、たとえば、黒人はスポーツや運動のテーマの広告に出演する可能性が高く、リーダーシップの役割に出演する可能性は低いことを示しています。私たちが性別の表現を見たとき、ブランドはまだ否定的な性別の固定観念を永続させていることを発見しました。男性は職業的な役割を支配し、女性は家事のような特定の家事活動をしていることが多くなります。男性はより多くの話し手の役割で出演しますが、リーダーシップの役割における女性の描写の増加については、進歩を見ています。

次の5年間で、マシンラーニングが広告の風景を改善するその他の方法は何ですか?

私たちの投資家の1人は、機械学習を使用することを主張する多くの業界がありますが、常に機械が学習しているわけではないと言っていました。

私の見解は、広告業界でマシンラーニングのより深い（または場合によっては実際の）応用が、業界がすでに行っているパンとバターのことを改善し続けるために使用されるだろうということです。つまり、消費者のクリックと購入の傾向を予測する（ターゲティング）、消費者データに基づいて創造的バリエーションを生成する（ダイナミック広告クリエイティブ）、洞察を生成するために更多のデータを解析する（レポート）ことです。

マシンラーニングは、ChromeのサードパーティクッキーやiOSのIDFAの喪失に代わる他のシグナルを特定し、個人情報の喪失にもかかわらず広告をパーソナライズし続ける方法を解明するために使用されるでしょう。

CreativeXについてさらに共有したいことはありますか?

ちょっと厚かましいですが… 私たちは採用しています！ この記事の最後まで読んで、データと創造的表現をよりよく統合する方法について興味がある場合は、ぜひお話ししましょう！

素晴らしいインタビュー、詳しく知りたい読者はCreativeXを訪問してください。