Anastasia Leng, Oprichter & CEO van CreativeX – Interview Serie

Anastasia Leng is de oprichter en CEO van CreativeX, een bedrijf dat creatieve excellentie mogelijk maakt voor de meest geliefde merken ter wereld. Door creatief te analyseren op grote schaal, heeft de technologie tot doel creatieve expressie te bevorderen door middel van de duidelijkheid van gegevens.

U hebt marketing geleerd bij Google (GOOGL ) en bent daar 6 jaar gebleven. Wat waren uw belangrijkste inzichten uit deze ervaring?

Marketing bij Google is verre van traditionele marketing. Het werk dat ik daar deed van 2007 tot 2012 was een combinatie van marketing, product en business development. Al mijn werk was gericht op het lanceren, positioneren en overtuigen van mensen om een nieuwe technologie of product voor het eerst te gebruiken of te kopen. Hier zijn de drie belangrijkste inzichten die ik nog steeds bij me draag (en onze marketingteam ermee lastig val):

1. Zet de gebruiker altijd op de eerste plaats: Het lijkt simpel genoeg, maar het is verbazingwekkend hoeveel marketeers dit behandelen als een cliché. Ga er niet van uit dat wat u wilt, ook is wat uw gebruikers willen (een fout die ik keer op keer zie). In feite toonde een onderzoek van Thinkbox uit 2016 en een onderzoek van Reach Solutions uit 2018 aan dat marketeers vaak ten onrechte hun eigen overtuigingen toeschrijven aan hun klanten. De onderzoekers noemden dit een “empathie-illusie” en het zette echt wat gegevens achter het feit dat we een betere baan moeten doen om onze gebruikers te begrijpen.

2. Vermijd altijd jargon: Google deed een geweldige baan om ons de waarde van duidelijke en eenvoudige communicatie bij te brengen. Zelfs hun voorwaarden waren geschreven op een manier die iemand zonder een juridische opleiding een kans gaf om te begrijpen. Als gevolg daarvan heb ik een pavlovreactie op termen als “thought leadership” of “omnichannel” en ik doe mijn best om ons team, en mezelf, aan te sporen om onze meningen uit te drukken in conciese, menselijke, toegankelijke taal.

3. Meet alles: Vroeg in mijn carrière bij Google maakte ik de rookie-fout om mijn rechtvaardiging voor een beslissing te rationaliseren door te zeggen dat “we het zo deden in het verleden, dus we zouden het zo moeten doen hier”. Ik koos voor comfort en vertrouwdheid boven het werkelijk begrijpen van de situatie voor me, en de reactie van mijn tegenhangers was genoeg om me te weerhouden van het maken van deze fout opnieuw. Het is overduidelijk, maar zelden beoefend: gebruik gegevens om uw beslissingen te informeren.

CreativeX is eigenlijk uw tweede start-up, kunt u het verhaal achter het ontstaan ervan delen?

Ik verliet Google in 2012 om Hatch te starten, een e-commercebedrijf dat aanpasbare levensstijlproducten verkocht. Onze these was dat de typische online winkelervaring uitputtend was, met consumenten die door pagina’s en pagina’s producten moesten scrollen die niet helemaal goed waren. Kleine tot middelgrote bedrijven namen de last op zich om consumentenvraag te voorspellen en werden achtergelaten met overtollige voorraad die niet verkocht werd. Onze oplossing was om een aanpasbare retailervaring te creëren, een plek waar elk product kon worden aangepast aan de specificaties van de klant, terwijl de voorraadrisk voor de maker werd verminderd.

Het blijft een idee waarin ik diep geloof, maar e-commercebedrijven zijn moeilijk te starten zonder aanzienlijke kapitaalinvesteringen. Terwijl we Hatch aan het opbouwen waren, brachten we natuurlijk veel tijd door met nadenken over hoe we consumenten naar onze site konden krijgen en we werden gedwongen om te concurreren met de gebruikelijke verdachten (Google, Facebook (META ), enz.) met een fractie van de financiële middelen. Aangezien we de grote e-commerce-spelers niet konden overbieden, begonnen we ons af te vragen hoe we ze konden slim af zijn. We namen gegevensgestuurde beslissingen over alles: ons publiek, de tijd van de dag waarop we adverteerden, de trefwoorden, enz. Alles behalve de creatieve inhoud zelf. We realiseerden ons dat creatieve middelen het belangrijkste deel van onze marketing waren, maar het deel dat we het minst begrepen.

We begonnen technologie te ontwikkelen om dat probleem aan te pakken, en het was die technologie, oorspronkelijk bedoeld voor onze interne analyse, die leidde tot de geboorte van CreativeX. Vandaag de dag biedt CreativeX technologie om merken te helpen creatieve excellentie te bereiken door creatieve kwaliteit, merkconsistentie en in-houdsrepresentatie te meten, te volgen en te verbeteren.

Kunt u de verschillende machine learning-technologieën bespreken die bij CreativeX worden gebruikt om afbeeldingen en video’s in duizenden kenmerken te ontleden?

CreativeX verwerkt elk creatief middel dat in ons systeem wordt getrokken (afbeeldingen, video’s en GIF’s) en gebruikt verschillende technologieën om een uitgebreide set metagegevens te verzamelen en te maken die ons in staat stellen om die middelen op een aangepaste manier correct te categoriseren.

We analyseren vier elementen van elk creatief middel.

1. Het afbeeldings- en videobestand: We extraheren algemene eigenschappen uit elk bestand, waaronder middelgrote afmetingen, bestandstype, enz.

2. De inhoud van de afbeelding en video: We gebruiken twee soorten technologieën om de inhoud binnen elke afbeelding en video te begrijpen.

• Computer Vision: Dit stelt ons in staat om de inhoud van elke visuele weergave op grote schaal te begrijpen en de gegevens worden teruggegeven als tientallen, soms honderden tags voor elk creatief middel.
• Optical-Character Recognition: Dit stelt ons in staat om elk woord op te pikken dat binnen het creatieve middel wordt gebruikt. De technologie bepaalt niet alleen de hoeveelheid tekst die wordt gebruikt, maar ook eventuele tekstspecifieke merkvereisten (bijv. slagzinnen, positionering, taal, enz.)

3. De bijbehorende tekst bij elke visuele weergave: Als het creatieve middel live is, halen we ook eventuele bijbehorende tekstbeschrijvingen op.

4. Het geluidsbestand voor video: Elk audiobestand wordt vertaald in parseerbare tekst die het instellen van audioregels voor elk merk mogelijk maakt.

We hebben tools gebouwd om al die gegevens op slimme manieren te combineren om creatieve inhoud schaalbaar en nauwkeurig te analyseren, zowel voor de aanwezigheid van objecten als voor concepten die marketeers willen meten.

Hoe belangrijk is het om de visuele signalen en elementen die worden gemeten aan te passen?

De mogelijkheid om te bepalen wat we voor elk merk volgen, is kritiek. Gegevens zijn alleen zo krachtig als ze duidelijkheid bieden over iets dat relevant is voor uw organisatie, waardoor one-size-fits-all computer vision-herkenning moeilijk voor marketeers kan zijn om uit de doos te gebruiken. Dit is het probleem waarmee we in de vroege dagen van Hatch worstelden: we konden de aanwezigheid van jurken detecteren en begrijpen hoe vaak we ze gebruikten, maar als je een automerk bent, is die inzicht irrelevant. Waarom hebben we zo veel tijd gestoken in het kunnen aanpassen van het type detectie dat we bieden, zodat we het kunnen koppelen aan wat uniek is aan dat merk, zijn branche en zijn uitdagingen. Dit omvat vaak het opbouwen van detectie die de richtlijnen of stem van dat merk weerspiegelt, hoe het zich onderscheidt van zijn concurrenten en dat uiteindelijk de grote creatieve vragen raakt die de marketeers in dat team bespreken.

Wat voor soort actiegerichte inzichten kunnen worden verkregen uit deze toepassing?

CreativeX-technologie kan u helpen inzicht te krijgen in de creatieve kwaliteit, merkconsistentie, naleving en representatie van al uw afbeeldings- en videomateriaal. Met deze informatie kunnen marketeers bepalen hoeveel van hun inhoud voldoet aan hun minimumkwaliteitsnorm en is ingesteld voor succes op basis van de unieke parameters die op elk platform zijn vereist en hoeveel geld ze (en hun agentschappen) uitgeven aan het promoten en produceren van inhoud die wel (en niet) voldoet aan deze normen. Ze kunnen meten hoe consistent hun merkteams communiceren over het merk (marcheren ze op het ritme van dezelfde drums? Gebruiken ze consistent dezelfde onderscheidende merkassets?) en hoe representatief hun castingbeslissingen zijn. Alles kan marketeers helpen de controle over hun creatieve inhoud terug te krijgen om echt te begrijpen en te meten, op grote schaal, de gezondheid en uitlijning van hun creatieve beslissingen.

CreativeX heeft zowel een raciale als een geslachtsanalyse van duizenden advertenties uitgevoerd, wat waren enkele van de resultaten van deze analyse?

We hebben 2.378 FMCG-advertenties (fast moving consumer goods) in de VS geanalyseerd en hebben ontdekt dat ondanks de aandacht die aan het onderwerp representatie is gegeven, de realiteit van inclusieve representatie nog veel werk vereist. Onze analyse van raciale diversiteit, bijvoorbeeld, toonde aan dat zwarte mensen vaker worden gecast in advertenties waarin sport of oefening een thema is en minder vaak worden gecast in leiderschapsrollen. Toen we naar geslachtsrepresentatie keken, vonden we dat merken nog steeds negatieve geslachtsstereotypen in stand houden: Mannen domineren professionele rollen en vrouwen zijn vaker te zien bij het uitvoeren van bepaalde huishoudelijke activiteiten zoals schoonmaken. Zelfs met minder optredens op het scherm, komen mannen vaker voor in sprekende rollen, maar we zien enige vooruitgang met een toegenomen weergave van vrouwen in leiderschapsrollen.

Wat zijn enkele andere manieren waarop u machine learning ziet verbeteren van de reclamelandscap in de komende 5 jaar?

Een van onze investeerders zei ooit dat veel industrieën die beweren machine learning te gebruiken, machines en leren hebben, maar het is niet altijd duidelijk dat het de machines zijn die leren.

Mijn mening is dat we diepere (of in sommige gevallen, daadwerkelijke) toepassing van machine learning in reclame zullen zien om de basisdingen die de industrie al doet te verbeteren: het voorspellen van consumenten die klikken en kopen (doelgroep), het genereren van creatieve variaties op basis van consumentengegevens (dynamische advertentiecreative), het parseren van meer gegevens om inzichten te genereren (rapportage).

Machine learning zal waarschijnlijk worden ingezet om uit te zoeken welke andere signalen de verlies van third-party cookies op Chrome en IDFA op iOS kunnen vervangen en hoe we reclame kunnen personaliseren ondanks het verlies van die informatie.

Is er nog iets anders dat u zou willen delen over CreativeX?

Een beetje brutaal, maar… we zijn aan het werven! Als u tot het einde van dit artikel bent gekomen en geïnteresseerd bent in hoe u data en creatieve expressie beter kunt verenigen, zouden we graag met u willen praten!

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten CreativeX bezoeken.