Gautam Kanumuru, CEO & Co-Founder van Yogi – Interview Serie

U hebt eerder gewerkt aan NLP en Cortana bij Microsoft, en daarna hebt u Clarke.AI geholpen bij een overname. Wat motiveerde u om Yogi te starten, en hoe heeft uw achtergrond de missie van het bedrijf gevormd?

Wat me ertoe bracht om Yogi te starten, was echt het potentieel van natuurlijke taalverwerking. Bij Microsoft en Clarke.AI zag ik met eigen ogen hoe een relatief kleine verbetering in NLP – zeg een toename van 5-10% in prestaties – honderden downstream-toepassingen kon ontgrendelen. Maar ik zag ook een kloof tussen wat er indrukwekkend uitzag in een demo en wat echt waarde opleverde voor klanten. Met Yogi wilden we die kloof dichten. We wilden iets bouwen dat een tastbaar, zichtbaar effect kon hebben, zoals veranderingen in een product op een winkelschap die u kunt terugvoeren op inzichten gegenereerd door ons platform.

In de vroege dagen van Yogi, wat was de grootste hindernis om consumentenmerken te laten vertrouwen op AI voor iets zo subtiels als klantensentiment?

Scepticisme kwam van twee kanten: de technologie zelf en het feit dat wij een klein bedrijf waren dat met grote ondernemingen sprak. We leerden snel dat het niet genoeg is om te praten over wat uw product kan doen, u moet het laten zien. Dat betekende dat we monsters moesten analyseren voordat we werden gevraagd, echte bedrijfsvragen op het moment beantwoorden en altijd waarde leveren vanaf de eerste dag. En we maakten ook duidelijk dat we door eventuele problemen heen zouden werken na adoptie. Die soort betrouwbaarheid was belangrijk.

Yogi gebruikt AI en NLP om sentiment van productbeoordelingen te extraheren. Kunt u ons door het proces heen leiden van hoe uw platform ruwe shopperfeedback omzet in granulaire, actiegerichte inzichten?

We denken hierin drie fasen: aggregatie, organisatie en analyse. Eerst aggregeren we klantfeedback van meerdere kanalen: beoordelingen, enquêtes, ondersteuningsaanvragen en zorgen ervoor dat deze nauwkeurig is gekoppeld aan het juiste product, SKU en retailer. Dat is moeilijker dan het klinkt. Bijvoorbeeld, hetzelfde product kan op meerdere sites een iets andere listing hebben.

Daarna organiseren we de gegevens. Hier leest onze tweede laag AI de feedback op de manier waarop een mens dat zou doen. Het identificeert welke onderwerpen worden besproken, hoe ze worden beschreven en met welk sentiment, zonder uitsluitend te vertrouwen op trefwoorden.

Tenslotte analyseren we. Dit is waar we inzichten presenteren aan onze gebruikers via een zeer interactieve interface. Onze nieuwste tools laten gebruikers zelfs complexe vragen stellen zoals: “Hoe heb ik het gedaan tegenover mijn drie concurrenten in het afgelopen jaar?” en krijgen een antwoord binnen seconden.

Wat onderscheidt Yogi’s AI-modellen van generieke sentimentanalyse-tools? Zijn er specifieke technieken die helpen om nuances in consumentenfeedback te detecteren?

Yogi is als de PhD-afgestudeerde van consumentenfeedback. Generieke modellen, zelfs geavanceerde zoals ChatGPT, zijn als slimme undergraduate-studenten: ze weten een beetje van alles. We hebben onze modellen specifiek voor deze ruimte afgestemd, met behulp van onze eigen dataset en uitgebreide voorverwerking. Omdat we lagen van structuur toevoegen, zoals sentiment, onderwerpen en producttoewijzing, bieden we rijke context rondom elke tekst die het model evalueert.

Veel AI-platforms hebben moeite met context of sarcasme in klantbeoordelingen. Hoe lost Yogi de uitdagingen van ongestructureerde, emotioneel complexe gegevens op?

We pakken dit aan via voortdurende training en gebruikersinput. Ons model verbetert door continue voorbeelden van sarcasme, ambiguïteit of evoluerende slang te consumeren. We laten gebruikers ook problematische interpretaties markeren, die we vervolgens kunnen terugvoeren naar ons trainingsproces. Deze fijnafstelling vereist geen miljoenen voorbeelden, een handvol gerichte voorbeelden kan de prestaties aanzienlijk verbeteren.

Hoe helpt Yogi bedrijven om productniveausproblemen te detecteren, sentimentveranderingen te volgen en in real-time te reageren? Kunt u een succesverhaal delen?

Zeker. In het algemeen zien we een veelvoud aan use-cases, maar drie veelvoorkomende categorieën. Ten eerste, productinnovatie: bedrijven gebruiken ons om nieuwe categorieën te verkennen en onvervulde behoeften te identificeren voordat ze een nieuw product lanceren. We hebben klanten die twee jaar voor de lancering van een product zijn begonnen met het gebruik van Yogi om alles van formule tot verpakking vorm te geven.

Tweede, productkwaliteit: als een team een onderdeel verandert – zeg een onderdeel in een koffiemachine – kunnen ze het post-release-sentiment volgen om te zien of klachten toenemen. Dit is van toepassing op sectoren zoals beautys, voedsel en elektronica.

Derde, strategische analyse: we hebben merken gezien die Yogi gebruiken om potentiële overnames te evalueren door consumentenfeedback over doelproducten te analyseren. Het is een laag van due diligence die ze eerder niet hadden.

Yogi wordt nu gebruikt om PDP’s te optimaliseren, marketingboodschappen af te stemmen en zelfs verzendingsproblemen te volgen. Hoe is het product geëvolueerd om zo veel workflows te ondersteunen?

Het is allemaal klantgedreven. We geloven dat consumentenfeedback relevant is voor elk team in een bedrijf, van product tot verkoop tot ondersteuning. Dus als we zien dat onze gebruikers inzichten trekken voor een nieuw doel, vragen we ons af: kan Yogi zich aanpassen om die use-case native te ondersteunen? Dat is hoe we zijn gegroeid. We hebben niet voor marketing of supply chain gebouwd, maar die teams zagen waarde en vroegen om functies. We luisterden.

Hoe helpt u bedrijven om concurrenten te monitoren en disruptors te detecteren voordat ze een bedreiging vormen?

We gebruiken openbare bronnen zoals beoordelingen en ratings om concurrerende producten in real-time te volgen. Ons platform gebruikt alerts en een “inzichtenfeed” om te signaleren wanneer iets ongebruikelijks gebeurt, zoals een piek in positief sentiment voor een concurrerend product. Onze klanten hoeven niet alles handmatig te monitoren. Yogi scant constant en zal alles opvallends naar boven brengen zonder dat het wordt gevraagd.

Waar ziet u de toekomst van AI-gedreven consumenteninzichten naar toe in de komende 3 tot 5 jaar, en welke rol zal Yogi daarin spelen?

Twee belangrijke verschuivingen zijn aan de horizon. Ten eerste is dat automatisering. Taken die eerder weken duurden, zoals het samenstellen van een concurrerend vergelijking, worden teruggebracht tot uren of zelfs minuten. Binnenkort kan een gebruiker Yogi een vraag stellen en binnen seconden een volledig geformatteerd rapport of een presentatie ontvangen.

Tenslotte is er de opkomst van nieuwe soorten analyse. AI zal snelle, iteratieve onderzoeken mogelijk maken die eerder te duur of tijdrovend waren, zoals ad-hoc focusgroep-achtige inzichten uit openbare gegevens. We geloven dat Yogi goed gepositioneerd is om op beide fronten te leiden: het versnellen van onderzoek en het mogelijk maken van geheel nieuwe workflows. Thank you for the great interview, readers who wish to learn more should visit Yogi.