Anastasia Leng, Fundadora & CEO da CreativeX – Série de Entrevistas

Anastasia Leng é a Fundadora & CEO da CreativeX, uma empresa que impulsiona a excelência criativa para as marcas mais amadas do mundo. Ao analisar a criatividade em larga escala, a tecnologia visa avançar a expressão criativa por meio da clareza dos dados.

Você aprendeu marketing no Google e ficou lá por 6 anos. Quais foram suas principais lições aprendidas com essa experiência?

Marketing no Google é muito diferente do marketing tradicional. O trabalho que fiz durante meu tempo lá, de 2007 a 2012, foi uma mistura de marketing, produto e desenvolvimento de negócios. Todo o meu trabalho se concentrou em lançar, posicionar e convencer as pessoas a usar ou comprar uma nova tecnologia ou produto pela primeira vez. Aqui estão as três principais lições que ainda carrego comigo hoje (e que irritam nossa equipe de marketing):

1. Sempre coloque os usuários em primeiro lugar: Parece simples o suficiente, mas é surpreendente quantos marketers tratam isso como um lugar-comum. Não assuma que o que você quer é o que os seus usuários querem (um erro que vejo repetidamente). Na verdade, um estudo da Thinkbox de 2016 e um estudo da Reach Solutions de 2018 compararam as crenças dos marketers com as da população em geral, apenas para descobrir que erroneamente atribuímos muitas de nossas próprias crenças aos nossos clientes. Os pesquisadores descreveram isso como uma “ilusão de empatia” e realmente colocaram alguns dados por trás do fato de que precisamos fazer um melhor trabalho para entender nossos usuários.

2. Sempre evite jargão: O Google fez um ótimo trabalho ao nos instilar o valor da comunicação clara e simples. Até mesmo os termos e condições eram escritos de uma maneira que alguém sem um diploma em direito tinha uma chance de compreender. Como resultado, tenho uma resposta de cringe pavloviana a termos como “liderança de pensamento” ou “omnichannel” e faço o meu melhor para empurrar nossa equipe, e a mim mesmo, a articular nossas visões em linguagem concisa, humana e acessível.

3. Meça tudo: No início da minha carreira no Google, cometi o erro de racionalizar minha justificativa para uma decisão, dizendo que “fizemos isso dessa maneira no passado, então devemos fazer dessa maneira novamente aqui”. Escolhi conforto e familiaridade em vez de realmente entender o que a situação em frente a mim realmente exigia, e a resposta dos meus colegas foi suficiente para que eu evitasse cometer esse erro novamente. É óbvio, mas raramente praticado: use dados para informar suas decisões.

A CreativeX é, na verdade, sua segunda startup, poderia compartilhar a história de gênese por trás disso?

Eu deixei o Google em 2012 para iniciar a Hatch, uma empresa de comércio eletrônico que vendia produtos de estilo de vida personalizados. Nossa tese era de que a experiência de compras online típica era exaustiva, com os consumidores tendo que rolar por páginas e páginas de produtos que não eram exatamente certos. Pequenas e médias empresas assumiam o fardo de prever a demanda do consumidor e ficavam com o estoque restante que não vendia. Nossa solução foi criar uma experiência de varejo personalizada, um local onde todos os produtos pudessem ser ajustados para atender às especificações do cliente, reduzindo o risco de estoque carregado pelo fabricante.

Isso ainda é uma ideia em que acredito profundamente, mas as empresas de comércio eletrônico são difíceis de serem iniciadas sem um investimento de capital significativo. À medida que estávamos construindo a Hatch, passamos muito tempo pensando em como atrair os consumidores para o nosso site e fomos forçados a competir pela atenção do consumidor com todos os suspeitos habituais (Google, Facebook, etc.) com uma fração dos recursos financeiros. Dado que não podíamos superar os principais jogadores de comércio eletrônico, começamos a nos perguntar como poderíamos superá-los. Estávamos tomando decisões informadas por dados sobre tudo: nosso público, o horário do dia em que estávamos anunciando, as palavras-chave, etc. Tudo, exceto o criativo em si. Percebemos que os ativos criativos eram a parte mais importante do nosso marketing, mas a parte que entendíamos menos.

Começamos a construir tecnologia para resolver esse problema, e foi essa tecnologia, inicialmente destinada à nossa própria análise interna, que levou ao nascimento da CreativeX. Hoje, a CreativeX fornece tecnologia para ajudar as marcas a alcançar a excelência criativa, medindo, rastreando e melhorando a qualidade criativa, a consistência da marca e a representação no conteúdo.

Poderia discutir as diferentes tecnologias de aprendizado de máquina utilizadas na CreativeX para quebrar imagens e vídeos em milhares de atributos?

A CreativeX processa todos os ativos criativos inseridos em nosso sistema (imagens, vídeos e GIFs) e usa uma variedade de tecnologias para coletar e criar um conjunto abrangente de metadados que nos permite categorizar corretamente esses ativos de forma personalizada.

Analisamos quatro elementos de cada ativo criativo.

1. O arquivo de imagem e vídeo: Extraímos propriedades comuns de cada arquivo, incluindo dimensões de ativo, tipo de arquivo, etc.

2. O conteúdo da imagem e do vídeo: Usamos dois tipos de tecnologias para entender o conteúdo dentro de cada imagem e vídeo.

• Visão Computacional: Isso nos permite entender o conteúdo de qualquer visual em escala e os dados são retornados como dezenas, às vezes centenas de tags para cada ativo criativo.
• Reconhecimento Óptico de Caracteres: Isso nos permite capturar qualquer palavra usada dentro do criativo. A tecnologia determina não apenas a quantidade de texto sendo usada, mas também quaisquer requisitos de marcação de texto específicos (por exemplo, slogans, posicionamento, idioma, etc.)

3. A cópia que acompanha cada visual: Se o criativo estiver ao vivo, também extraímos qualquer descrição de texto acompanhante.

4. O arquivo de som para vídeo: Todo o arquivo de áudio é traduzido em texto analisável que permite a configuração de regras de áudio para cada marca.

Construímos ferramentas para combinar todos esses dados de maneira inteligente para analisar e criar conteúdo de forma escalável e precisa, tanto para a presença de objetos quanto para conceitos que os marketers querem medir.

Quão importante é personalizar os sinais visuais e elementos que são medidos?

A capacidade de personalizar o que rastreamos para cada marca é crítica. Os dados são apenas tão poderosos quanto sua capacidade de fornecer clareza sobre algo que é relevante para a sua organização, o que é por que a detecção de visão computacional de um tamanho único pode ser difícil para os marketers usarem pronta para uso. Esse é o problema com que lutamos nos primeiros dias da Hatch: podemos detectar a presença de vestidos e entender com que frequência os estamos usando, mas se você é uma empresa de carros, essa informação é irrelevante. É por isso que investimos um tempo tremendo para ser capaz de personalizar o tipo de detecção que fornecemos, para que possamos mapeá-la para o que é único sobre essa marca, sua indústria e seus desafios. Isso geralmente inclui a construção de detecção que reflete as diretrizes da marca ou sua voz, como ela é posicionada no mercado, como ela se diferencia de seus concorrentes e que, em última análise, chega ao coração das grandes questões criativas que os marketers nessa equipe estão debatendo.

Quais são os tipos de insights ações que podem ser obtidos a partir dessa aplicação?

A tecnologia da CreativeX pode ajudá-lo a obter insights sobre a qualidade criativa, a consistência da marca, a conformidade e a representação de todo o conteúdo de imagem e vídeo. Com essas informações, os marketers podem determinar quanto do seu conteúdo atende ao seu padrão mínimo de qualidade e está configurado para o sucesso com base nos parâmetros exclusivos necessários em cada plataforma e quanto dinheiro eles (e suas agências) estão gastando em promover e produzir conteúdo que atende (e não atende) a esses padrões. Eles podem medir com que frequência as equipes de marca estão se comunicando sobre a marca (estão marchando ao ritmo da mesma batida? Estão usando consistentemente os mesmos ativos de marca distintivos?) e quão representativas suas decisões de elenco têm sido. Tudo isso pode ajudar os marketers a retomar o controle sobre o conteúdo criativo para realmente entender e medir, em escala, a saúde e o alinhamento de suas decisões criativas.

A CreativeX realizou tanto uma análise racial quanto de gênero de milhares de anúncios, quais foram alguns dos resultados dessa análise?

Analisamos 2.378 anúncios de bens de consumo não duráveis (FMCG) nos EUA e descobri que, apesar de muita atenção dada ao tópico de representação, a realidade da representação inclusiva ainda requer muito trabalho. Nossa análise da diversidade racial, por exemplo, mostrou que as pessoas negras são mais propensas a serem escaladas em anúncios onde o esporte ou o exercício é um tema e menos propensas a serem escaladas em funções de liderança. Quando olhamos para a representação de gênero, descobri que as marcas ainda perpetuam estereótipos de gênero negativos: os homens dominam funções profissionais e as mulheres são mais propensas a serem apresentadas fazendo certas atividades domésticas, como limpeza. Mesmo com menos aparições na tela, os homens aparecem em mais funções de fala, mas estamos vendo algum progresso com a representação aumentada de mulheres em funções de liderança.

Quais são outras maneiras pelas quais você pode ver o aprendizado de máquina melhorando o cenário publicitário nos próximos 5 anos?

Um de nossos investidores costumava dizer que muitas indústrias que afirmam usar aprendizado de máquina têm máquinas e têm aprendizado, mas nem sempre está claro que são as máquinas que estão aprendendo.

Minha visão é que veremos uma aplicação mais profunda (ou, em alguns casos, real) de aprendizado de máquina na publicidade para continuar a melhorar as coisas básicas que a indústria já está fazendo: prever a propensão do consumidor a clicar e comprar (direcionamento), gerar variações criativas com base em dados do consumidor (criativo de anúncio dinâmico), analisar mais dados para gerar insights (relatórios).

O aprendizado de máquina provavelmente será usado para descobrir quais outros sinais podem substituir a perda de cookies de terceiros no Chrome e IDFA no iOS e como podemos continuar a personalizar a publicidade, apesar da perda dessas informações.

Há algo mais que você gostaria de compartilhar sobre a CreativeX?

Um pouco ousado, mas… estamos contratando! Se você chegou ao final desse artigo e está interessado em como unir dados e expressão criativa, gostaríamos de conversar!

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar CreativeX.