아나스타시아 렝, CreativeX의 창립자 및 CEO – 인터뷰 시리즈

아나스타시아 렝은 CreativeX의 창립자 및 CEO입니다. CreativeX는 세계에서 가장 사랑받는 브랜드들에게 창의적인 우수성을 제공하는 회사입니다. 크리에이티브를 대규모로 분석함으로써, 이 기술은 데이터의 명확성을 통해 창의적인 표현을 발전시키는 것을 목표로 합니다.

구글에서 마케팅을 배웠고 6년 동안 근무했습니다. 그 경험에서 얻은 주요 교훈은 무엇입니까?

구글에서 마케팅은 전통적인 마케팅과는 거리가 멉니다. 2007년부터 2012년까지 제가 구글에서 했던 작업은 마케팅, 제품, 비즈니스 개발의 혼합이었습니다. 제가 했던 모든 작업은 새로운 기술이나 제품을 처음으로 사용하거나 구매하도록 사람들을 설득하는 것에 중점을 두었습니다. 오늘날까지 제가 지니고 있는 세 가지 주요 교훈은 다음과 같습니다(그리고 우리 마케팅 팀을 귀찮게 합니다):

1. 사용자를 항상 우선시하십시오: 너무 간단한 것처럼 보이지만, 많은 마케터들이 이것을 구호로 취급하는 것은 놀라울 정도입니다. 사용자가 원하는 것이 무엇인지 가정하지 마십시오(제가 반복해서 보는 실수입니다). 실제로, 2016년 Thinkbox 연구와 2018년 Reach Solutions 연구는 마케터들의 信念과 일반 대중의 信念을 비교하여 우리가 고객에게 많은 자신의 信念을 잘못 귀속한다는 것을 발견했습니다. 연구자들은 이것을 “공감의 환상”이라고 설명했으며, 실제로 우리가 사용자를 더 잘 이해하기 위해 더好的 일을 해야 한다는 사실에 데이터를 제공했습니다.

2. 항상 용어를 피하십시오: 구글은 우리에게 명확하고 간단한 의사소통의 가치를 가르쳤습니다. 심지어 그들의 약관도 법학 학위를 가진 사람이 이해할 수 있는 방식으로 작성되었습니다. 결과적으로, 저는 “사고 지도력”이나 “오미채널”과 같은 용어에 대한 파블로프적 인 반사 응답을 가지고 있으며, 저는 우리 팀과 저 자신을 간결하고 인간적인 언어로 우리의 견해를 표현하도록 노력합니다.

3. 모든 것을 측정하십시오: 구글에서 저의 경력 초기에, 저는 “우리가 과거에 이렇게 했으므로 여기서도 이렇게 해야 한다”고 말하면서 의사결정의 정당성을 합리화하는 실수를犯했습니다. 저는 실제로 저 앞에 있는 상황이 무엇인지真正로 이해하는 것보다 편안함과 익숙함을 선택했으며, 제 동료들의 반응은 저에게 이런 실수를 다시犯하지 않도록 충분했습니다. 이것은 명백하지만 드물게 실천되는 것입니다: 데이터를 사용하여 의사결정을 информ하십시오.

CreativeX는 실제로您的 두 번째 스타트업입니다. CreativeX의 기원 이야기를 공유할 수 있습니까?

저는 2012년 구글을 떠나 커스터마이즈 가능한 라이프스타일 제품을 판매하는 이커머스 회사인 Hatch를 설립했습니다. 우리의 가설은 일반적인 온라인 쇼핑 경험은 소비자들이 원하는 제품을 찾기 위해 페이지를 스크롤해야 하는 것이 지루하다는 것이었습니다. 중소기업은 소비자 수요를 예측하는 부담을負担해야 했으며, 판매되지 않는 재고를 갖고 있었습니다. 우리의 해결책은 소비자의 사양에 맞게 제품을 커스터마이즈할 수 있는 리테일 경험을 만들었습니다. 즉, 매케가 재고 위험을 줄일 수 있는 곳입니다.

이것은 저가仍然 깊이 믿는 아이디어입니다. 그러나 이커머스 비즈니스는 상당한 자본 투자를하지 않고 시작하기가 어렵습니다. Hatch를 구축하는 동안, 우리는 자연스럽게 소비자를 우리 사이트로 끌어들이는 방법에 대해 많은 시간을 생각했습니다. 우리는 구글, 페이스북 등과 같은 일반적인 의심을競爭해야 했지만, 재정적 자원을 FRACTION만큼만 가지고 있었습니다. 주요 이커머스 플레이어를 능가할 수 없기 때문에, 우리는 그들을 능가하는 방법을 생각하기 시작했습니다. 우리는 모든 것에 대해 데이터 기반의 의사결정을했습니다: 우리의 대상, 광고하는 시간, 키워드 등. 모든 것이 크리에이티브 자체를 제외하고 말입니다. 우리는 크리에이티브 자산이 우리의 마케팅에서 가장 중요한 부분이지만, 우리가 가장 이해하지 못하는 부분이라는 것을 깨달았습니다.

우리는 그 문제를 해결하기 위한 기술을 구축하기 시작했습니다. 초기에 우리의 내부 분석을 위해 의도했던 기술이 CreativeX의 탄생으로 이어졌습니다. 오늘날, CreativeX는 기술을 제공하여 브랜드가 크리에이티브 우수성을 달성하도록 도와줍니다. 즉, 크리에이티브 품질, 브랜드 일관성, 콘텐츠 내 표현을 측정, 추적, 개선하는 것입니다.

CreativeX에서 이미지와 비디오를 수천 개의 속성으로 분해하기 위한 다양한 기계 학습 기술에 대해 논의할 수 있습니까?

CreativeX는 시스템에 가져온 모든 크리에이티브 자산(이미지, 비디오, GIF)을 처리하고, 다양한 기술을 사용하여 포괄적인 메타데이터 세트를 생성하여 자산을 맞춤형으로 분류할 수 있습니다.

우리는 모든 크리에이티브 자산의 네 가지 요소를 분석합니다.

1. 이미지 및 비디오 파일: 우리는 각 파일에서 공통 속성을 추출합니다. 즉, 자산 길이, 차원, 파일 유형 등입니다.

2. 이미지 및 비디오 콘텐츠: 우리는 이미지와 비디오 내의 콘텐츠를 이해하기 위해 두 가지 유형의 기술을 사용합니다.

• 컴퓨터 비전: 이것은 우리가 대규모로 시각적 콘텐츠를 이해할 수 있도록 해줍니다. 데이터는 각 크리에이티브 자산당 수십, 때로는 수백 개의 태그로 반환됩니다.
• 광학 문자 인식: 이것은 크리에이티브 내에서 사용된 단어를 인식할 수 있도록 해줍니다. 기술은 텍스트의 양을 결정하며, 태그 라인, 포지셔닝, 언어 등과 같은 텍스트 특정 브랜딩 요구사항도 결정합니다.

3. 각 시각적 요소에 대한 설명: 크리에이티브가 라이브인 경우, 우리는 또한 동반되는 텍스트 설명을 가져옵니다.

4. 비디오의 사운드 파일: 모든 오디오 파일은 각 브랜드에 대한 오디오 규칙을 설정할 수 있는 파싱 가능한 텍스트로 변환됩니다.

우리는 모든 데이터를 스마트한 방식으로 결합하여 크리에이티브를 대규모로 분석하고, 객체뿐만 아니라 마케터가 측정하려는 개념의 존재를 정확하게 분석할 수 있는 도구를 구축했습니다.

측정되는 시각적 신호와 요소를 맞춤 설정하는 것이 얼마나 중요한가요?

브랜드마다 추적할 수 있는 항목을 맞춤 설정할 수 있는 능력은 매우 중요합니다. 데이터는 조직에 대한 것일 때만 강력합니다. 즉, 하나만의 해법은 마케터가 사용하기 어렵습니다. 이것은 우리가 Hatch의 초기에 직면한 문제입니다. 우리는 드레스의 존재를 감지하고 사용 빈도를 이해할 수 있지만, 자동차 회사라면, 이러한 통찰력은 관련이 없습니다. 따라서, 우리는 각 브랜드에 대한 감지 유형을 맞춤 설정할 수 있도록大量의 시간을 투자했습니다. 즉, 브랜드의 가이드라인이나 목소리, 시장에서 어떻게 차별화되는지, 경쟁사와 어떻게 차별화되는지 등에 대한 감지를 반영할 수 있습니다. 이것은 마케터가 논의하는 큰 크리에이티브 질문의 핵심에 도달합니다.

이 애플리케이션에서 얻을 수 있는 실행 가능한 통찰력은 무엇인가요?

CreativeX 기술을 사용하면 크리에이티브 품질, 브랜드 일관성, 컴플라이언스, 이미지 및 비디오 콘텐츠의 표현에 대한 통찰력을 얻을 수 있습니다. 이러한 정보를 사용하여 마케터는 콘텐츠가 최소한의 품질 기준을 충족하는지, 각 플랫폼에서 성공을 위한 고유한 매개변수에 따라 설정되어 있는지, 콘텐츠를 프로모션하고 생성하는 데多少의 돈을 쓰고 있는지 결정할 수 있습니다. 또한, 브랜드 팀이 브랜드에 대해 어떻게 소통하고 있는지, 동일한 드럼에 따라 일관되게 브랜드 자산을 사용하고 있는지, 캐스팅 결정이 얼마나 대표적인지 측정할 수 있습니다. 모든 이것은 마케터가 크리에이티브 콘텐츠를 제어하고, 크리에이티브 결정의 건강성과 일관성을 측정할 수 있도록 도와줍니다.

CreativeX는 수천 개의 광고에 대한 인종 및 성별 분석을 수행했습니다. 분석 결과는 무엇인가요?

우리는 미국의 2,378개의 FMCG 광고를 분석했으며, 대표성에 대한 주제에 대한 많은 관심에도 불구하고, 대표성의 현실은 아직 많은 작업이 필요합니다. 예를 들어, 우리의 인종 다양성 분석은 흑人が 스포츠 또는 운동과 관련된 광고에서 더 많이 캐스팅되고, 리더십 역할에서 덜 캐스팅된다는 것을 보여주었습니다. 우리는 성별 대표성를 살펴보면, 브랜드가 여전히 부정적인 성별 고정 관념을 지속시키고 있음을 발견했습니다. 즉, 남성이 전문적인 역할을 지배하고, 여성은 청소와 같은 특정 가정 활동을하는 것으로 더 많이 특징지어집니다. 화면에 나타나는 횟수가 적더라도, 남성이 더 많은 대화하는 역할을합니다. 그러나, 여성의 리더십 역할에 대한 묘사는 증가하고 있습니다.

광고 랜드스케이프를 향상시키기 위해 기계 학습이 5년 내에 어떻게 발전할 수 있는지 예상하십니까?

우리의 투자자는 때때로 기계 학습을 사용하는 산업이 많지만, 항상 기계가 학습하는 것은 아닙니다.

제 의견은 광고에서 기계 학습의 더 깊은(또는 경우에 따라 실제) 적용이 계속해서 산업이 이미 하고 있는 기본적인 것들을 개선할 것이라는 것입니다. 즉, 클릭과 구매에 대한 소비자의 가능성을 예측하는 것(타게팅), 소비자 데이터를 기반으로 크리에이티브 변형을 생성하는 것(다이나믹 광고 크리에이티브), 더 많은 데이터를 분석하여 통찰력을 얻는 것(리포팅)입니다.

기계 학습은 크롬의 쿠키와 iOS의 IDFA의 손실로 인해 개인화된 광고를 계속 제공하는 방법을 찾아내는 데 사용될 가능성이 있습니다.

CreativeX에 대해 더 공유하고 싶은 것이 있습니까?

조금이나마… 우리는 채용 중입니다! 이 기사를 읽은 모든 분들, 데이터와 크리에이티브 표현을 더 잘 결합하는 방법에 관심이 있다면, 우리는 대화하고 싶습니다!

감사합니다. 더 많은 정보를 원하는 독자는 CreativeX를 방문할 수 있습니다.