Grigori Melnik, Chief Product Officer, Amperity – Wywiad

Dr. Grigori Melnik to doświadczony executive z ponad 25-letnim stażem w branży technologicznej, odpowiedzialny za innowacje produktowe i wzrost w firmach takich jak Microsoft (MSFT ), Splunk, MongoDB (MDB ), Tricentis i Cribl. Kierował transformacjami platform, uruchamiał produkty definiujące kategorie i skalował zespoły na każdym etapie rozwoju. Dr Melnik posiada tytuł doktora nauk komputerowych na Uniwersytecie w Calgary i wnosi do Amperity pasję dla doskonałości inżynierskiej, innowacji AI i budowania organizacji produktowych o wysokim wpływie.

Amperity to firma technologiczna oferująca platformę Customer Data Cloud wykorzystującą sztuczną inteligencję do scalania rozproszonych danych klientów w zaufane profile, identyfikowania wysoko-wartościowych możliwości i aktywowania kampanii we wszystkich kanałach. Rozwiązania koncentrują się na rozwiązaniach identyfikacji, pobieraniu danych i aktywacji w czasie rzeczywistym, umożliwiając markom łączenie różnorodnych źródeł danych, wykonywanie analiz napędzanych przez AI i wysyłanie ukierunkowanych audytoriów do systemów podrzędnych. Firma podkreśla elastyczność, wspierając bezpośrednie połączenia z głównymi platformami magazynów danych i utrzymując zgodność z kluczowymi standardami bezpieczeństwa, takimi jak SOC 2, GDPR i HIPAA.

Prowadziłeś strategię produktową i technologiczną w firmach takich jak Tricentis, MongoDB i Codility, zanim dołączyłeś do Amperity. Jak doświadczenia te ukształtowały Twoje podejście do budowania i skalowania platform wykorzystujących sztuczną inteligencję, takich jak Real-Time Profiles?

Przez naturę jestem entuzjastą nierozwiązanych problemów. W Amperity robimy właśnie to. Moje doświadczenia w poprzednich organizacjach ukształtowały sposób, w jaki myślę o skalowaniu platform, jednocześnie spełniając potrzeby ich użytkowników. Te lekcje obejmują wagę elastyczności, integracji bez tarcia w całych ekosystemach oraz silnego zarządzania danymi.

Te lekcje bezpośrednio ukształtowały nasze podejście do Real-Time Profiles. Stworzyliśmy tę funkcjonalność, aby zakończyć najstarszy kompromis w branży — prędkość vs. dokładność — scalając historyczną tożsamość z transmisją strumieniową w jednej, zarządzanej architekturze. Upewniliśmy się, że platforma upraszcza modele operacyjne klientów, zamiast je komplikować. Rozszerzyliśmy naszą sztuczną inteligencję, aby scalić dane historyczne i czasu rzeczywistego w jednej architekturze, wykorzystując jeden wykres tożsamości, jeden warstwę kontroli dostępu i spójną linię i audytowalność.

Jaki konkretny lukę lub popyt rynkowy skłonił Amperity do opracowania Real-Time Profiles, i jak zmieniają one równowagę między szybkością danych a dokładnością?

Większość platform Customer Data (CDP) zmusza zespoły do wyboru między szybkim działaniem na płytkich, zdarzeniowych danych a działaniem dokładnym na profilach, które są godziny lub dni nieaktualne. Real-Time Profiles Amperity usuwają ten kompromis, łącząc sygnały na żywo z pełną historią klienta, dzięki czemu marki mogą rozpoznać jednostkę w momencie zaangażowania i zareagować z kontekstem. Wynikiem jest dane, które są kompletne i aktualne, gotowe do zasilania personalizacji w trakcie sesji i podróży wywołanych zdarzeniami o真nym wpływie biznesowym.

Poprzez scalanie partii i strumienia w jeden profil, przechodzimy poza „szybki, ale niepełny” lub „kompletny, ale spóźniony”. To pojedynczy, ciągle aktualizowany widok klienta, który pozwala marketerom i zespołom serwisowym na ukierunkowanie następnych najlepszych działań z prędkością intencji bez poświęcania dokładności.

Czy możesz nas zaprowadzić przez techniczne podstawy scalania danych historycznych i strumieniowych w jeden, ciągle aktualizowany profil klienta?

Zbudowaliśmy zjednoczony przepływ danych z trzema skoordynowanymi warstwami: pobieraniem surowych zdarzeń JSON z dowolnego źródła, ciągłym przetwarzaniem w rozproszonym silniku przepływu danych i żywym magazynem profili, który obsługuje wyszukiwania milisekundowe za pomocą naszego interfejsu API profilu. Każde nowe kliknięcie, rezerwacja lub zmiana lojalności jest uzgodnione z tym samym sztucznym wykresem tożsamości, który zarządza naszymi potokami partii, co oznacza brak oddzielnego modelu tożsamości, podwójnego utrzymania, zsuwu schematu.

Kluczowo, „tożsamość w ruchu” wiąże każde zdarzenie z trwałym, zszytym profilem, gdy przychodzi. To umożliwia natychmiastowe wzbogacanie atrybutów, ciągłą segmentację i aktywację wywołaną zdarzeniami za pomocą podróży lub interfejsów API, przy zachowaniu linii, kontroli dostępu i audytowalności w obciążeniach analitycznych i operacyjnych.

Wiele przedsiębiorstw ma trudności z operacjonalizacją personalizacji w czasie rzeczywistym. Jakie są największe wyzwania, z którymi marki się zmagają, i jak Amperity im pomaga?

Konsumenci oczekują, że każda interakcja z marką będzie odzwierciedlać rozumienie ich intencji, preferencji i historii w czasie rzeczywistym. Jednak większość organizacji jest ograniczona przez fragmentowane systemy danych i opóźnione spostrzeżenia, co utrudnia im reagowanie w odpowiedniej chwili. Wynikiem jest często personalizacja, która wydaje się ogólna lub niezgodna z potrzebami klienta.

Przełamanie tej luki wymaga więcej niż szybsza technologia; wymaga zjednoczonego podejścia do danych i podejmowania decyzji. W Amperity skupiliśmy się na rozwiązaniu tego systemowego problemu, umożliwiając markom łączenie wiedzy historycznej i kontekstu na żywo, aby każda interakcja była terminowa, istotna i połączona z pełną podróżą klienta. Z Real-Time Profiles marki mogą napędzać personalizację w trakcie sesji i podróże wywołane zdarzeniami z tego samego zarządzanego źródła prawdy, zmieniając momenty, takie jak porzucenie koszyka, zmiany poziomu lojalności lub sprawdzenie na miejscu, w terminowe i istotne działania.

Jak integracja sztucznej inteligencji i uczenia maszynowego zwiększa precyzję lub możliwości predykcyjne Real-Time Profiles?

Sztuczna inteligencja jest kręgosłupem naszych możliwości rozwiązania tożsamości, co oznacza, że zdarzenia na żywo są połączone z odpowiednią osobą i kontekstem, takim jak wartość życiowa, zgoda i lojalność, w ciągu milisekund. To precyzyjne szycie podnosi każdą decyzję podrzędną: segmenty są ponownie obliczane, gdy dane się zmieniają, atrybuty profili są natychmiast wzbogacane, a podróże są wywoływane na podstawie pełnego klienta, a nie izolowanych zdarzeń.

Spójrzając w przyszłość, Real-Time Profiles tworzą podstawę dla agentów AI, aby działać z kontekstem na żywo, powodując powierzchnię spostrzeżeń i wyzwalając następne najlepsze działania w całym stosie. Połączenie sztucznie rozwiązanej tożsamości i kontekstu strumieniowego jest tym, co odblokowuje prawdziwą personalizację jeden-na-jeden na dużą skalę.

Z Twojego punktu widzenia, jak przepisy dotyczące prywatności i zarządzanie danymi wpływają na budowanie systemów personalizacji w czasie rzeczywistym?

Poprzez rozszerzenie naszej istniejącej Customer Data Cloud do strumieni, utrzymujemy jeden zarządzany magazyn profili dla przypadków użycia analitycznych i operacyjnych. Ta spójność pomaga zapewnić zgodność i audytowalność, umożliwiając aktywację podsekundową.

Równie ważne, Real-Time Profiles umożliwiają markom poleganie na własnych danych pierwszej strony jako zaufanym podstawie personalizacji. Każdy sygnał na żywo jest połączony z zweryfikowanymi, opartymi na zgodzie danymi klienta, dzięki czemu marki mogą działać z pewnością, że ich spostrzeżenia i aktywacje są zgodne z oczekiwaniami dotyczącymi prywatności i standardami regulacyjnymi. Te same zasady i kontrole, które zarządzają profilami historycznymi, zarządzają aktualizacjami na żywo, dając markom natychmiastowość, przy zachowaniu zaufania i silnej postawy bezpieczeństwa niezbędnej do znaczącej, zgodnej personalizacji.

Jak Amperity przygotowuje się do przyszłości, w której spersonalizowana zawartość może być generowana i dostarczana w czasie rzeczywistym za pomocą sztucznej inteligencji?

Sztuczna inteligencja generatywna jest tylko tak dobra, jak dane, które ją zasilają. Real-Time Profiles dostarczają niezbędny kontekst na żywo, rozwiązany przez tożsamość, aby systemy generatywne mogły dostosować zawartość do tego, kim jest klient i co robi teraz. Nasza architektura umożliwia agentom AI powodowanie spostrzeżeń nad ciągle ewoluującymi profilami i wyzwalanie następnych najlepszych działań, łącząc spostrzeżenia z aktywacją w sposób automatyczny.

Podczas gdy generowanie zawartości staje się bardziej autonomiczne, czynnik ograniczający przesunie się z „czy możemy to utworzyć?” na „czy powinniśmy to utworzyć teraz dla tego klienta, biorąc pod uwagę jego historię i bieżącą intencję?”. Nasze profile w czasie rzeczywistym, świadome tożsamości, odpowiadają na to z precyzją i zarządzaniem, umożliwiając bezpieczne, istotne i mierzone doświadczenia.

Które branże lub piony widzisz jako najbardziej korzystające z tej technologii w najbliższej perspektywie, i dlaczego?

Chociaż wszystkie marki konsumenckie korzystają na personalizacji w czasie rzeczywistym, branże takie jak podróże, linie lotnicze, handel detaliczny i usługi finansowe widzą natychmiastowe korzyści, ponieważ okna intencji są krótkie, a kontekst ma znaczenie. Myśl o uaktualnieniach przy odprawie, ponownym cenach porzuconych rezerwacji, spersonalizowanych porządkach i pakietach lub ofertach kart zgodnych z zachowaniem na stronie.

Te piony już działają w podróżach omnichannel z wysokimi stawkami dla czasu, istotności i szybkości oraz dokładności usług. Poprzez scalanie tożsamości historycznej i sygnałów na żywo, konwertują chwilowe momenty w przychody i lojalność, zmieniając zaangażowanie w konwersje w czasie rzeczywistym.

Jako Chief Product Officer, jak mierzyłeś sukces wydania takiego jak Real-Time Profiles poza wynikami technicznymi — w kategoriach przyjęcia przez użytkowników lub wpływu biznesowego?

Mierzymy sukces poprzez wyniki klientów, w tym szybszy czas osiągania wartości dla personalizacji w trakcie sesji, wyższe wskaźniki konwersji i zaangażowania oraz lepsze wskaźniki usługowe we wszystkich punktach kontaktu. Nasi klienci osiągnęli wyniki, takie jak 2-krotnie wyższe konwersje z personalizowanych podróży, miliony nowych, wysoko-wartościowych prospektów zidentyfikowanych poza programami lojalnościowymi oraz szybsze i bardziej personalne doświadczenia usługowe.

Operacyjnie szukam również sygnałów uproszczenia, takich jak mniej narzędzi do utrzymania, ściślejsze powiązanie między marketingiem, danymi i zespołami serwisowymi. Kiedy ten sam profil napędza zarówno analitykę, jak i aktywację bez wymogu podwójnych integracji lub potoków danych, widzisz trwałe przyjęcie i zwiększony zwrot z inwestycji w dane klienta.

Wreszcie, jak widzisz ewolucję roli Chief Product Officer, gdy sztuczna inteligencja staje się centralnym elementem strategii zaangażowania klienta i wzrostu przedsiębiorstwa?

Nowoczesny Chief Product Officer musi być integratorem produktu, danych i wyników rynkowych — posiadającym wiedzę na temat produktu, który zmienia sygnały w wartość. W świecie sztucznej inteligencji Chief Product Officer musi również posiadać wiedzę na temat „jak” — jak inteligencja jest wbudowana w każdy przepływ pracy, interakcję i decyzję. Wymaga to łączenia zarządzania produkcjami z nauką o danych, infrastrukturą, marketingiem, sukcesem klienta i etycznym zarządzaniem AI, aby zapewnić, że różnicowanie firmy nie pochodzi tylko z funkcji, ale z systemów uczących się, które ciągle adaptują się do użytkowników i rynków. Przechodzimy od map drogowych do pętli wzmocnień — nasz sukces nie polega na wydawaniu wersji, ale na przyspieszaniu cykli eksperymentowania, uczenia się i doskonalenia, które wzmacniają zarówno produkt, jak i relację z klientem.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Amperity.