Gautam Kanumuru, CEO și Co-Fondator al Yogi – Seria de Interviuri

Ați lucrat anterior la NLP și Cortana la Microsoft, apoi ați ajutat la conducerea Clarke.AI prin achiziție. Ce v-a motivat să începeți Yogi și cum a influențat background-ul dvs. misiunea companiei?

Ce m-a atras să încep Yogi a fost potențialul procesării limbajului natural. La Microsoft și Clarke.AI, am văzut direct cum o îmbunătățire relativ mică a NLP – să zicem, o creștere de 5-10% a performanței – putea debloca sute de cazuri de utilizare downstream. Dar am observat și o lacună între ceea ce părea impresionant într-o demonstrație și ceea ce a adus cu adevărat valoare clienților. Cu Yogi, ne-am propus să închidem această lacună. Am vrut să construim ceva care să aibă un impact tangibil, vizibil, precum modificări ale unui produs de pe raftul unui magazin, care pot fi urmărite până la insight-urile generate de platforma noastră.

În primele zile ale Yogi, care a fost cel mai mare obstacol în a face ca mărcile de consum să aibă încredere în IA pentru ceva atât de nuanțat precum sentimentul clienților?

Scepticismul a venit din două surse: una a fost tehnologia în sine, iar cealaltă a fost faptul că eram o companie mică care vorbea cu întreprinderi mari. Am învățat repede că nu este suficient să vorbiți despre ceea ce poate face produsul dvs., trebuie să arătați. Acest lucru a însemnat să oferiți să analizați mostre înainte de a fi cerut, să răspundeți la întrebări de afaceri pe loc și să livrați întotdeauna valoare de la prima zi. Și am făcut, de asemenea, clar că vom lucra prin orice problemă post-adoptare. Acest tip de fiabilitate a contat.

Yogi utilizează IA și NLP pentru a extrage sentimentul din recenziile produselor. Puteți să ne explicați cum platforma dvs. translate feedback-ul brut al cumpărătorilor în insight-uri granulare și actionabile?

Noi gândim asta în trei etape: agregare, organizare și analiză. Mai întâi, agregăm feedback-ul clienților din multiple canale: recenzii, sondaje, bilete de suport și ne asigurăm că este legat corect de produsul, SKU și retailerul potrivit. Acest lucru este mai greu decât sună.

Apoi organizăm datele. Aici este unde al doilea strat de IA al nostru citește feedback-ul așa cum ar face un om. Identifică ce subiecte sunt discutate, cum sunt descrise și cu ce sentiment, fără a se baza doar pe cuvinte cheie.

În final, analizăm. Acesta este momentul în care prezentăm insight-urile utilizatorilor noștri prin intermediul unei interfețe foarte interactive. Uneltele noastre recente ne permit chiar să permitem utilizatorilor să introducă întrebări complexe, cum ar fi „Cum am performant în raport cu cei trei competitori ai mei în ultimul an?” și să primească un răspuns în câteva secunde.

Ce diferențiază modelele de IA ale Yogi de instrumentele generice de analiză a sentimentului? Sunt tehnici specifice care vă ajută să captați nuanțele în feedback-ul consumatorilor?

Yogi este ca un absolvent de doctorat în feedback-ul consumatorilor. Modelele generice, chiar și cele avansate, cum ar fi ChatGPT, sunt ca niște studenți de anul întâi foarte deștepți: știu puțin despre orice. Am rafinat modelele noastre în mod special pentru acest spațiu, utilizând setul nostru de date și preprocesarea extinsă. Deoarece adăugăm straturi de structură, cum ar fi sentimentul, subiectele și mapping-ul produsului, oferim un context bogat în jurul fiecărui text pe care modelul nostru îl evaluează.

Majoritatea platformelor de IA se luptă cu contextul sau sarcasmul în recenziile clienților. Cum abordează Yogi provocările datelor nestructurate și emoțional complexe?

Noi abordăm asta prin antrenamentul continuu și feedback-ul utilizatorilor. Modelul nostru se îmbunătățește prin ingestia continuă de exemple de sarcasm, ambiguitate sau slang în evoluție. De asemenea, permitem utilizatorilor să semnaleze interpretări problematice, pe care le putem reintroduce apoi în procesul nostru de antrenament. Acest rafinament nu necesită milioane de exemple, doar câteva exemple țintite pot îmbunătăți semnificativ performanța.

Cum ajută Yogi companiile să detecteze problemele la nivel de produs, să urmărească schimbările de sentiment și să reacționeze în timp real? Puteți împărtăși o poveste de succes?

Da. În general, vedem trei categorii de cazuri de utilizare. Prima, inovația produsului: companiile ne folosesc pentru a explora noi categorii și a identifica nevoi neîndeplinite înainte de lansarea unui produs nou. Am avut clienți care au început să utilizeze Yogi cu doi ani înainte de lansarea unui produs pentru a modela totul, de la formulare la ambalaje.

A doua, calitatea produsului: dacă o echipă schimbă o componentă – să zicem, o parte a unei mașini de cafea – pot urmări sentimentul post-lansare pentru a vedea dacă plângerile cresc. Acest lucru se aplică în diferite sectoare, inclusiv frumusețe, alimente și electronice.

A treia, analiza strategică: am văzut branduri care utilizează Yogi pentru a evalua potențiale achiziții, analizând feedback-ul consumatorilor despre produsele țintă. Este un nivel de datorie pe care nu au avut acces înainte.

Yogi este acum utilizat pentru a optimiza PDP-urile, a alinia mesajele de marketing și chiar pentru a urmări problemele de expediere. Cum a evoluat produsul pentru a susține atâtea fluxuri de lucru?

Acesta este condus de clienți. Credem că feedback-ul consumatorilor este relevant pentru fiecare echipă dintr-o companie, de la produs la vânzări și suport. Deci, atunci când vedem utilizatorii noștri care extrag insight-uri pentru un scop nou, ne întrebăm: poate Yogi să se adapteze pentru a susține acel caz de utilizare în mod nativ? Așa am crescut. Nu am construit inițial pentru marketing sau lanțul de aprovizionare, dar aceste echipe au văzut valoarea și au cerut funcționalități. Am ascultat.

Cum ajutați companiile să monitorizeze concurenții și să detecteze perturbatorii înainte de a deveni amenințări?

Noi utilizăm surse publice, cum ar fi recenziile și rating-urile, pentru a urmări produsele concurente în timp real. Platforma noastră utilizează alerte și un „flux de insight-uri” pentru a semnala când se întâmplă ceva neobișnuit, cum ar fi o creștere a sentimentului pozitiv pentru un produs al unui concurent. Clienții noștri nu trebuie să monitorizeze totul manual. Yogi scanează constant și va aduce la suprafață orice este notabil fără a fi solicitat.

Unde vedeți viitorul insight-urilor consumatorilor conduse de IA în următorii 3-5 ani și care va fi rolul Yogi în acest peisaj?

Sunt două schimbări cheie care vin. Prima este automatizarea. Sarcinile care au durat săptămâni, cum ar fi compilarea unei comparații a concurenților, sunt reduse la ore sau chiar minute. Curând, un utilizator ar putea întreba Yogi o întrebare și primi înapoi un raport sau o prezentare complet formatată.

A doua este apariția unor noi tipuri de analiză. IA va permite investigații rapide, iterative, care au fost odată prea scumpe sau care au durat prea mult, cum ar fi insight-urile de tip focus group din datele publice. Credem că Yogi este bine poziționat pentru a conduce pe ambele fronturi: accelerarea cercetării și facilitarea unor fluxuri de lucru complet noi.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe despre Yogi, vă invităm să vizitați Yogi.