Anastasia Leng, grundare och VD för CreativeX – Intervjuserie

Anastasia Leng är grundare och VD för CreativeX, ett företag som driver kreativ excellens för världens mest älskade varumärken. Genom att analysera kreativt innehåll i stor skala syftar tekniken till att främja kreativ uttrycksförmåga genom datans tydlighet.

Du lärde dig marknadsföring på Google (GOOGL ) och stannade där i 6 år. Vad var dina viktigaste lärdomar från den erfarenheten?

Marknadsföring på Google är långt ifrån traditionell marknadsföring. Arbetet jag gjorde under min tid där, från 2007 till 2012, var en blandning av marknadsföring, produkt och affärsutveckling. Allt mitt arbete fokuserade på att lansera, positionera och övertyga människor om att använda eller köpa en ny teknik eller produkt för första gången. Här är de tre viktigaste lärdomarna som jag fortfarande bär med mig idag (och irriterar vår marknadsföringsgrupp med):

1. Sätt alltid användarna först: Det verkar enkelt nog, men det är förbluffande hur många marknadsförare behandlar detta som en plattityd. Anta inte att vad du vill är vad dina användare vill (ett misstag jag ser upprepas om och om igen). I själva verket visade en studie från Thinkbox 2016 och en studie från Reach Solutions 2018 att marknadsförare felaktigt tillskriver många av sina egna åsikter till sina kunder. Forskarna beskrev detta som en “empathi-illusion” och det satte verkligen lite data bakom det faktum att vi behöver göra ett bättre jobb med att förstå våra användare.

2. Undvik alltid jargong: Google gjorde ett underbart jobb med att inprägla i oss värdet av tydlig och enkel kommunikation. Till och med deras villkor och bestämmelser var skrivna på ett sätt som gjorde att någon utan en juristexamen hade en chans att förstå. Som ett resultat har jag en pavlovsk skräckreaktion på termer som “thought leadership” eller “omnichannel” och jag gör mitt bästa för att uppmuntra vårt team, och mig själv, att uttrycka våra åsikter på ett koncist, mänskligt och tillgängligt språk.

3. Mät allt: Tidigt i min Google-karriär gjorde jag nybörjarmisstaget att motivera mina beslut genom att säga att “vi gjorde det så här tidigare, så vi borde göra det så här igen”. Jag valde komfort och bekantskap framför att verkligen förstå vad situationen framför mig faktiskt krävde, och svaret från mina motparter var tillräckligt för att jag skulle undvika att göra det misstaget igen. Det är uppenbart men sällan praktiserat: använd data för att informera dina beslut.

CreativeX är faktiskt ditt andra start-up, kan du dela berättelsen om hur det började?

Jag lämnade Google 2012 för att starta Hatch, ett e-handelsföretag som sålde anpassningsbara livsstilsprodukter. Vår tes var att den typiska online-shoppningen var utmattande, med konsumenter som var tvungna att bläddra igenom sidor och sidor av produkter som inte riktigt var rätt. Små till medelstora företag tog på sig bördan av att förutsäga konsumenternas efterfrågan och lämnades med överbliven lager som inte sålde. Vår lösning var att skapa en anpassningsbar detaljhandelsupplevelse, en plats där varje produkt kunde anpassas för att möta kundens specifikationer samtidigt som vi minskade lager-risken som tillverkaren bar.

Det förblir en idé som jag djupt tror på, men e-handelsföretag är svåra att få igång utan betydande kapitalinvestering. Medan vi byggde Hatch, tillbringade vi naturligtvis mycket tid med att fundera på hur vi kunde få konsumenter till vår webbplats och vi tvingades att konkurrera om konsumenternas uppmärksamhet med alla de vanliga misstänkta (Google, Facebook (META ) etc.) men med en bråkdel av de finansiella resurserna. Eftersom vi inte kunde överträffa de stora e-handelsaktörerna, började vi undra hur vi kunde överlista dem. Vi fattade data-informerade beslut om allt: vår målgrupp, den tid på dagen vi annonserade, nyckelord osv. Allt utom det kreativa själva. Vi insåg att kreativa tillgångar var den viktigaste delen av vår marknadsföring, men den del vi förstod minst.

Vi började bygga teknologi för att lösa det problemet, och det var den teknologin, initialt avsedd för vår egen interna analys, som ledde till födelsen av CreativeX. Idag tillhandahåller CreativeX teknologi för att hjälpa varumärken att uppnå kreativ excellens genom att mäta, spåra och förbättra kreativ kvalitet, varumärkeskonsistens och innehållsrepresentation.

Kan du diskutera de olika maskinlärningsteknologierna som används på CreativeX för att bryta ner bilder och videor i tusentals attribut?

CreativeX bearbetar varje enskild kreativ tillgång som dras in i vårt system (bilder, videor och GIF:er) och använder en mängd olika teknologier för att samla in och skapa en omfattande uppsättning metadata som möjliggör att vi kan korrekt kategorisera dessa tillgångar på ett anpassat sätt.

Vi analyserar fyra element av varje kreativ tillgång.

1. Bild- och video-filen: Vi extraherar vanliga egenskaper från varje fil, inklusive tillgångens längd, dimensioner, filtyp osv.

2. Bild- och video-innehållet: Vi använder två typer av teknologier för att förstå innehållet i varje bild och video.

• Datorseende: Detta möjliggör för oss att förstå innehållet i varje visuellt material i stor skala och data returneras tillbaka som dussintals, ibland hundratals taggar för varje kreativ tillgång.
• Optisk teckenigenkänning: Detta möjliggör för oss att plocka upp eventuella ord som används inom den kreativa tillgången. Teknologin bestämmer inte bara mängden text som används, utan också eventuella textspecifika varumärkeskrav (t.ex. slogans, positionering, språk osv.)

3. Den text som åtföljer varje visuellt material: Om den kreativa tillgången är live, drar vi också in eventuell åtföljande textbeskrivning.

4. Ljud-filen för video: Varje ljud-fil översätts till parsbar text som möjliggör inställning av ljudregler för varje varumärke.

Vi har byggt verktyg för att kombinera all denna data på smarta sätt för att skalbart och korrekt analysera innehåll för både förekomsten av objekt och koncept som marknadsförare vill mäta.

Hur viktigt är det att anpassa de visuella signalerna och elementen som mäts?

Förmågan att anpassa vad vi spårar för varje varumärke är kritisk. Data är bara så kraftfull som dess förmåga att ge tydlighet i något som är aktuellt för din organisation, vilket är varför en standardiserad datorseende-igenkänning kan vara svår för marknadsförare att använda direkt. Detta är det problem som vi brottades med i de tidiga dagarna av Hatch: vi kunde upptäcka närvaron av klänningar och förstå hur ofta vi använde dem, men om du är ett bilföretag, är den insikten irrelevant. Därför har vi investerat en enorm mängd tid i att kunna anpassa den typ av upptäckt som vi tillhandahåller så att vi kan kartlägga den till vad som är unikt för det varumärket, dess bransch och dess utmaningar. Det inkluderar ofta att bygga upptäckt som återspeglar varumärkets riktlinjer eller röst, hur det positioneras på marknaden, hur det differentierar sig från sina konkurrenter och det som till slut kommer till hjärtat av de stora kreativa frågorna som marknadsförarna på det teamet diskuterar.

Vilka är de insikter som kan erhållas från den här tillämpningen?

CreativeX-teknologi kan hjälpa dig att få insikter om den kreativa kvaliteten, varumärkeskonsistensen, regelefterlevnaden och representationen av all din bild- och videoinnehåll. Med denna information kan marknadsförare bestämma hur mycket av deras innehåll uppfyller deras minimistandard för kvalitet och är inställt för framgång baserat på de unika parametrarna som krävs på varje plattform och hur mycket pengar de (och deras byråer) spenderar på att främja och producera innehåll som gör (och inte gör) det. De kan mäta hur konsekvent deras varumärkesgrupper kommunicerar om varumärket (marscherar de till samma trumma? Använder de konsekvent samma distinkta varumärkes-tillgångar?) och hur representativa deras rollbeslut har varit. Allt detta kan hjälpa marknadsförare att återfå kontrollen över sitt kreativa innehåll och verkligen förstå och mäta, i stor skala, hälsan och utrichtningen av deras kreativa beslut.

CreativeX har genomfört både en ras- och könsspecifik analys av tusentals annonser, vad var några av resultaten från den analysen?

Vi analyserade 2 378 FMCG-annonser (snabbrörliga konsumentvaror) i USA och har funnit att trots den uppmärksamhet som ägnats åt ämnet representation, kräver den faktiska inkluderande representationen fortfarande mycket arbete. Vår analys av raslig mångfald visade till exempel att svarta människor är mer benägna att kastas i annonser där sport eller övning är ett tema och mindre benägna att kastas i ledande roller. När vi tittade på könsrepresentation, fann vi att varumärken fortfarande upprätthåller negativa könsstereotyper: Män dominerar yrkesroller och kvinnor är mer benägna att framhävas när de utför vissa hushållssysslor som städning. Även med färre framträdanden på skärmen, har män fler talande roller, men vi ser några framsteg med ökad skildring av kvinnor i ledande roller.

Vilka är några andra sätt som du kan se maskinlärning förbättra annonslandskapet under de kommande 5 åren?

En av våra investerare sa en gång att många branscher som påstår att de använder maskinlärning har maskiner och de har lärande, men det är inte alltid tydligt att det är maskinerna som lär.

Min uppfattning är att vi kommer att se en djupare (eller i vissa fall, faktisk) tillämpning av maskinlärning i annonsering för att förbättra de grundläggande sakerna som branschen redan gör: förutsäga konsumentens benägenhet att klicka och köpa (målgrupp), generera kreativa variationer baserat på konsumentdata (dynamiskt annonsinnehåll), analysera mer data för att generera insikter (rapportering).

Maskinlärning kommer sannolikt att användas för att lösa problemet med att hitta andra signaler som kan ersätta förlusten av tredjepartscookies på Chrome och IDFA på iOS och hur vi kan fortsätta att personanpassa annonsering trots förlusten av den informationen.

Finns det något annat du vill dela om CreativeX?

En aning frestad men… vi rekryterar! Om du har kommit till botten av den här artikeln och är intresserad av hur man kan förena data och kreativt uttryck på ett bättre sätt, skulle vi älska att prata!

Tack för den underbara intervjun, läsare som vill veta mer bör besöka CreativeX.