Sandeep Menon, CEO & Co-Founder at Auxia – Wywiad

Sandeep Menon, CEO & Co-Founder at Auxia, posiada ponad dwie dekady doświadczenia w globalnym zarządzaniu technologią i marketingiem. Przed założeniem Auxia w 2022 roku, spędził ponad dziewięć lat w Google (GOOGL ), gdzie pełnił funkcję Vice President of Marketing for Payments i kierował inicjatywami takimi jak program Next Billion Users, skupiony na inkluzji cyfrowej na rynkach wschodzących. Pełnił również senior roles marketingowe w Android, Chrome, ChromeOS i Google Play.

Auxia to platforma marketingowa napędzana przez sztuczną inteligencję, która umożliwia zespołom przedsiębiorstw tworzenie spersonalizowanych, indywidualnych podróży klienta w skali. Zamiast polegać na sztywnych, opartych na zasadach kampaniach, Auxia pozwala agentom AI testować hipotezy we wszystkich punktach kontaktu – e-mail, web, aplikacja, oferty – i dynamicznie dostosowywać się do preferencji i zachowań w czasie rzeczywistym. Zintegrowana jest bezproblemowo z pierwszorzędnymi źródłami danych, automatyzuje potoki ML i ciągle optymalizuje komunikację, czas i sekwencjonowanie, aby maksymalizować zaangażowanie i wartość przez całe życie.

Założyłeś Auxia po udanej karierze w Google, gdzie kierowałeś globalnym marketingiem produktów używanych przez miliardy ludzi. Jaki konkretny problem lub ból widziałeś na rynku, który doprowadził do powstania Auxia?

W Google widziałem na własne oczy, jak potężna może być prawdziwa personalizacja, gdy masz odpowiednią infrastrukturę i możliwości AI. Ale gdy spojrzałem na szerszy rynek, zobaczyłem, że firmy mają trudności z fragmentowanymi stackami marketingowymi, często zarządzając 12-14 różnymi rozwiązaniami punktowymi, które nie komunikują się ze sobą. Zbierały ogromne ilości danych klientów, ale nie mogły ich przetłumaczyć na znaczącą, czas rzeczywisty personalizację.

Podstawowa luka polegała na tym, że istniejące platformy zostały zbudowane dla ery przed-AI. Opierały się na statycznych zasadach i podstawowym segmentowaniu, podczas gdy co naprawdę potrzebne były inteligentne, adaptacyjne systemy zdolne do podejmowania decyzji w czasie rzeczywistym o każdej interakcji z klientem. Zobaczyliśmy możliwość przeniesienia tego samego poziomu personalizacji napędzanej przez AI, który napędza firmy takie jak Google i Meta, do firm wszystkich rozmiarów, bez konieczności budowania ogromnych wewnętrznych zespołów data science.

Zespół założycielski Auxia składa się z byłych liderów Google, Meta i Lyft. Jak Wasze zbiorowe doświadczenia w tych gigantach technologicznych ukształtowały architekturę i etos Auxia?

Wszyscy doświadczyliśmy wyzwań personalizacji w skali. W zespole Google Pay mieliśmy przywilej wczesnego dostępu do przełomowych technologii w ich powijakach, z modelami transformatora jako przykładem. Moi współzałożyciele, którzy przybyli z Meta i Lyft, zbudowali systemy, które były pionierskie w sposobie, w jaki mogły wziąć ogromne ilości danych klientów i uczynić je dramatycznie bardziej użytecznymi, takimi jak napędzanie rekomendacji i decyzji w czasie rzeczywistym dla milionów użytkowników każdej sekundy.

Wszyscy zobaczyliśmy na własne oczy, jak AI może znacznie poprawić doświadczenia klientów, a jednocześnie rozwiązać niektóre z najtrudniejszych wyzwań stojących przed naszymi zespołami marketingowymi. W tym samym czasie szerszy rynek zmienił się w sposób, który uczynił tę pracę możliwą poza Google. Wraz ze wzrostem nowoczesnego stacku danych i platform takich jak Snowflake, BigQuery i Databricks, przedsiębiorstwa spędziły ostatnie 5-10 lat na konsolidacji danych w jednym scentralizowanym miejscu, gotowym do aktywacji.

Zobaczyliśmy unikalną możliwość wzięcia wiedzy, które rozwinęliśmy wewnątrz Google, i udostępnienia ich przedsiębiorstwom na całym świecie. Te firmy dopiero co zaczynały zdawać sobie sprawę, że siedzą na górze cennych danych i że z odpowiednią technologią mogą je odblokować, aby napędzić wzrost i lepsze zaangażowanie klientów.

Największość narzędzi personalizacji opiera się na systemach opartych na zasadach i prostych segmentach. Auxia zamiast tego używa zsynchronizowanych agentów AI. Możesz nas przeprowadzić przez to, jak ci agenci współpracują i ewoluują w czasie, aby spersonalizować każdą podróż klienta?

Największość narzędzi na rynku dzisiaj nadal opiera się na sztywnych zasadach i statycznych segmentach, są one reaktywne, a nie inteligentne. W Auxia zbudowaliśmy system zsynchronizowanych agentów AI, które współpracują, aby spersonalizować każdy punkt kontaktu w podróży klienta w czasie rzeczywistym.

Każdy agent odgrywa specjalistyczną rolę. Agenci decyzyjni określają najlepsze działanie dla użytkownika na podstawie wszystkich jego poprzednich danych i preferencji; na przykład, czy należy zachęcić klienta do nowej karty kredytowej lub zachęcić go do otwarcia nowego konta oszczędnościowego. Agenci analityczni funkcjonują jak zintegrowany zespół data science, analizujący to, co działało dobrze w bieżących kampaniach, aby wskazać wpływ, ale także możliwości poprawy w interfejsie czatu. Wreszcie, agenci treści Auxia wykorzystują wszystkie dane i wnioski dotyczące tego, co działało najlepiej, aby proaktywnie wyświetlić nowe wiadomości lub wariacje kreatywne dla zespołów marketingowych do zatwierdzenia.

Co sprawia, że ci agenci są potężni, to to, że nie działają w izolacji. Współpracują ciągle, ucząc się z każdej interakcji i adaptując się na podstawie tego, co działa. Marketerzy ustawiają cele wysokiego poziomu, a agenci zajmują się złożonością. Są to samooptymalizujące się systemy, które ewoluują codziennie, aby osiągnąć lepsze wyniki w skali.

Auxia przetwarza 2,6 miliarda zdarzeń dziennie i obsługuje 6 500 zapytań na sekundę. Jakie innowacje infrastrukturalne umożliwiły tego rodzaju skalowalność w czasie rzeczywistym już na wczesnym etapie życia firmy?

Od samego początku wiedzieliśmy, że skala musi być niepodważalna. Hyperpersonalizacja działa tylko wtedy, gdy możesz podejmować decyzje w milisekundach, używając świeżych, kontekstowych sygnałów. Nauczyliśmy się wielu tych lekcji z naszego czasu w Google, a zajęło to ponad rok, aby zbudować infrastrukturę, która mogłaby wesprzeć ten poziom orchestracji w czasie rzeczywistym.

Nasza architektura jest natywnie chmurowa, oparta na zdarzeniach i zoptymalizowana pod kątem wysokiej wydajności przesyłania strumieniowego, więc stajemy na barkach fal technologicznych, które były przed nami, takich jak przeniesienie się do nowoczesnego stacku danych. Sposób, w jaki krajobraz marketingu technologicznego ewoluował w kierunku otwartych ekosystemów, pozwolił nam poruszać się znacznie szybciej, umożliwiając integrację bezpośrednio z nowoczesnymi chmurowymi magazynami danych, CRM i innymi platformami marketingowymi. To pozwoliło nam zbudować skalowalność od pierwszego dnia i również pomogło nam polegać na infrastrukturze, która może przetwarzać ogromne ilości sygnałów klientów pierwszej strony bez wprowadzania opóźnień.

Co nas wyróżnia, to to, że jesteśmy AI-nativni od samego początku. Zaprojektowaliśmy Auxia, aby wspierać duże eksperymenty, uruchamiając tysiące jednoczesnych hipotez i ciągle optymalizując wyniki bez interwencji człowieka, ale również wykorzystujemy najnowszą technologię w branży do tworzenia funkcji, wdrożenia modelu i inferencji LLM.

Jak ramowy eksperyment Auxia różni się od tradycyjnego testowania A/B, i jakie były najbardziej zaskakujące wnioski odkryte za pomocą Waszego podejścia ML?

Tradycyjne testowanie A/B jest niezwykle ograniczone, możesz przetestować tylko kilka wariantów na raz, i często zajmuje tygodnie lub miesiące, aby osiągnąć statystycznie istotne wyniki. W Auxia przemyśleliśmy eksperymenty jako ciągły, inteligentny proces. Nasz model napędzany framework umożliwia marketerom uruchamianie wielu różnych samooptymalizujących się modeli i testowanie setek wariantów równolegle. Wykorzystując techniki takie jak uczenie przez wzmocnienie, system decyzyjny Auxia podejmuje decyzje w czasie rzeczywistym na podstawie danych na żywo.

Weźmy przykład kampanii promocyjnej ofert i nagród za pośrednictwem e-mail. Wcześniej marketerzy mogliby przetestować 2-3 różne warianty ofert, takie jak 5% zniżki, 10% zniżki i 20% zniżki, podzielić publiczność na wzajemnie wykluczające się grupy, uruchomić i porównać wyniki w różnych metrykach, aby zobaczyć, jaki wariant działał najlepiej, średnio, dla całej grupy. Ten wygrywający wariant zostałby następnie wdrożony dla wszystkich po zakończeniu okresu eksperymentu. Istnieją jednak kilka wyzwań z tym podejściem. Po pierwsze, większość eksperymentów kończy się niepowodzeniem, więc często zajmuje zespołom tygodnie lub miesiące, aby określić, co działa dobrze. Dodatkowo są one bardzo ręczne i czasochłonne do ustawienia, co ogranicza szybkość zespołu i jak szybko mogą dostarczyć wpływ.

Z Auxia marketerzy najpierw ustawiają cel wysokiego poziomu, takiego jak napędzanie zakupów. Następnie ich zespół ustawia setki różnych wariantów w systemie, które zespół może dynamicznie wygenerować za pomocą naszego agenta treści, pobrać z ich CMS lub ręcznie zdefiniować. Każdy z tych wariantów różniłby się pod względem konstrukcji oferty (np. 5% zniżki w porównaniu z BOGO), kwoty, treści i potencjalnie nawet kanału (np. e-mail w porównaniu z SMS). Dla każdego indywidualnego użytkownika agent decyzyjny Auxia będzie klasyfikował, oceniał i przewidywał, spośród setek dostępnych wariantów, jaki jest optymalny wariant dla każdej osoby, aby osiągnąć nasz podstawowy cel.

Platforma Auxia jest zaprojektowana, aby usunąć zależność od dużych wewnętrznych zespołów data science. Czy widziałeś tradycyjne zespoły marketingowe, które pomyślnie przyjęły bardziej techniczne role z Waszymi narzędziami?

Jednym z podstawowych powodów, dla których założyliśmy Auxia, było umożliwienie zespołom marketingowym spersonalizowania swoich doświadczeń marketingowych i produktowych bez polegania na inżynierach lub data scientistach. W ciągu zaledwie kilku tygodni od wdrożenia marketerzy korzystający z Auxia są w stanie uruchomić nowe kampanie, pobrać dane i zinterpretować wyniki całkowicie samodzielnie. Gdy świat zmierza ku bardziej agencjonemu przyszłościu, wierzymy, że marketerzy nie będą musieli stawać się bardziej techniczni lub budować nowe umiejętności techniczne. Zamiast tego odpowiedzialność tradycyjnie obsługiwana przez inżynierów lub analityków zostanie udemokratyzowana za pomocą inteligentnych agentów, które uzupełniają workflow i ogólne doświadczenie marketingu. Z naszym agentem analitycznym już teraz udało nam się zaabsorbować wiele z tej złożoności tradycyjnej pracy analitycznej/data science, i jesteśmy podekscytowani kontynuowaniem rozwoju tych możliwości.

Jako osoba, która kierowała marketingiem dla inicjatywy Next Billion Users w Google, jakie podobieństwa widzisz między inkluzywnym przyjęciem technologii a AI agencjonowaną w marketingu dzisiaj?

Gdy kierowałem marketingiem dla inicjatywy Next Billion Users w Google, uznaliśmy, że ludzie na rynkach wschodzących wchodzą w interakcje z produktami w sposób zasadniczo inny niż użytkownicy na rynkach rozwiniętych. Ponieważ reprezentowało to tak ogromną okazję do wzrostu, stało się kluczowe zbudowanie specjalnie dla tych użytkowników – uproszczenie interfejsów, abstrahowanie złożoności i zapewnienie, że doświadczenie jest dostępne i empowrujące.

Widzę bardzo podobny trend rozwijający się wraz z AI agencjonowaną w marketingu. Podobnie jak wiele z tych nowych użytkowników internetu przeskoczyło bezpośrednio w doświadczenia mobilne, bez potrzeby wcześniejszej literackiej cyfrowej, marketerzy dzisiaj nie muszą wracać i uczyć się SQL lub data science, aby odblokować personalizację. Agenci mostkują te luki umiejętności i czynią zaawansowane możliwości natychmiast użytecznymi. W tym samym czasie sposób, w jaki ludzie wchodzą w interakcje z AI – przechodząc poza interfejsy oparte na czacie do bardziej intuicyjnych, świadomych kontekstu agentów – zmusza deweloperów do przemyślenia interfejsu użytkownika przyszłości. Nacisk, podobnie jak w przypadku NBU, jest na dostępności, prostocie i empowerrze: abstrahowanie technicznej złożoności, aby końcowe doświadczenie wydawało się naturalne i wpływowe.

Jaki jest największy błąd, który firmy popełniają w odniesieniu do personalizacji AI dzisiaj, i jak pomagasz im go pokonać?

Największy błąd, który firmy popełniają w odniesieniu do personalizacji AI, polega na tym, że przyjęcie jej oznacza rezygnację z całkowitej kontroli lub zmniejszenie strategicznego wpływu zespołów marketingowych. AI excels w przetwarzaniu złożoności, takiej jak analiza ogromnych zbiorów danych, wykrywanie wzorców, których ludzie nie mogą zobaczyć, i wyświetlanie sygnałów, które mają znaczenie w czasie rzeczywistym. Co AI nie może zrobić, to dostarczyć kontekstu, empatii i strategicznego osądu wymaganego do zaprojektowania znaczących doświadczeń klienta. To tam ludzie błyszczą: ustawianie wizji, definiowanie barier marki i zrozumienie, kiedy wybór personalizacji mógłby wydawać się inwazyjny lub niezgodny z marką.

Jeśli mówimy szczerze, używając dzisiejszej technologii, ludzie mogą być skuteczni bez AI, ale AI nie może być skuteczna bez ludzi. Prawdziwy przełom następuje, gdy uzupełnisz swoje zespoły AI, aby obsłużyć skalę i złożoność podejmowania decyzji opartych na danych, jednocześnie umożliwiając zespołom skupienie się na strategii, kreatywności i empatii. To jest moment, w którym personalizacja przechodzi od bycia buzzwordem do czegoś, co naprawdę tworzy wartość dla klientów i biznesu.

Z wsparciem ponad 50 liderów branży i podniesieniem 23,5 miliona dolarów, jakie są kluczowe obszary, które priorytujesz dla następnych 12-18 miesięcy wzrostu produktu i zespołu?

Priorytetyzujemy trzy obszary wzrostu w ciągu następnych 12-18 miesięcy. Po pierwsze, jesteśmy zaangażowani w dostarczanie wyjątkowej wartości naszym klientom, kontynuując podnoszenie ich doświadczenia. Zawsze było to naszym priorytetem i chcemy upewnić się, że dostarczamy wyjątkowy ROI dla wszystkich firm, które powierzyły nam swoje zaufanie i nasz zespół. Po drugie, rozszerzamy możliwości naszych agentów AI, aby wspierać pełny workflow marketingu, pomagając zespołom tworzyć treści, orkiestrować spersonalizowane doświadczenia i wyświetlać działające wnioski dotyczące tego, co napędza wpływ. Wreszcie, skalujemy nasz silnik go-to-market. Z silnym produktem na rynku w przedsiębiorstwach, następnym krokiem jest rozszerzenie naszego zasięgu, rozwijając nasze zespoły sprzedaży i sukcesu klienta. To pozwoli nam wprowadzić personalizację napędzaną przez AI do więcej firm, jednocześnie zapewniając, że nowi klienci korzystają z tego samego wysokiego poziomu wsparcia i wyróżniającego się doświadczenia, które napędziło nasz wczesny sukces.

Co najbardziej cieszy Cię w następnej generacji AI agencjonowanej, nie tylko w marketingu, ale także w innych aplikacjach przedsiębiorstw?

Co naprawdę mnie ekscytuje, to tempo adopcji, widzenie, że adopcja ma realny wpływ, i widzenie, że rynek rozpoznaje, że prawdziwa wartość AI agencjonowanej tkwi w uzupełnieniu, a nie zastąpieniu. Za dużo rozmów dzisiaj koncentruje się na AI jako substytucie dla ról ludzkich, jak wszystkie billboardy, które możesz zobaczyć na 101 jadąc do San Francisco o firmach zastępujących SDR (lub nawet całe funkcje). Ta narracja będzie chwytać nagłówki, ale dla mnie to przegapia większą okazję: umożliwienie ludziom robienia ich najlepszej pracy.

Ludzie przywożą kontekst, empatię, kreatywność i osąd, których AI po prostu nie może powielić. Gdzie AI agencjonowana świeci, to w obsłudze złożoności i skali, która zalewa zespoły. Kiedy te możliwości są połączone z ludzkimi siłami, wynikiem jest zmiana w tym, co organizacje mogą osiągnąć.

W marketingu oznacza to uwolnienie zespołów od niekończącej się egzekucji, aby mogli się skoncentrować na strategii, opowiadaniu historii i empatii klienta. Ale ten sam wzorzec stosuje się we wszystkich funkcjach przedsiębiorstwa: w sprzedaży agenci mogą kwalifikować i przygotowywać okazje, aby ludzie mogli poświęcić więcej czasu na budowanie relacji; w sukcesie klienta agenci mogą flagować sygnały ryzyka i okazji, aby ludzie mogli pogłębić partnerstwa; w inżynierii agenci mogą przyspieszyć rozwój, automatyzując testowanie, debugowanie i generowanie kodu, aby zespoły mogły się skoncentrować na rozwiązywaniu złożonych problemów architektonicznych i napędzaniu innowacji.

Wszystkie te okazje stworzą biliony dolarów wartości i kocham widzieć firmy, które są pionierami w kształtowaniu, jak praca ludzi będzie ewoluowała w czasie.

Wyobraź sobie finanse z agentami AI optymalizującymi budżety w czasie rzeczywistym, zespoły HR wykorzystujące agenci do personalizacji zaangażowania pracowników lub wsparcia klienta, które przechodzą od reaktywnych do proaktywnych.

Dopiero zaczynamy. Przyszłość nie jest o tym, że AI zastępuje ludzi, ale o tym, że ludzie i agenci AI pracują razem, aby podejmować decyzje, które są szybsze, mądrzejsze i bardziej empatyczne. To jest przyszłość, którą budujemy w Auxia.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Auxia.