Grigori Melnik, Chief Product Officer, Amperity – Intervjuserie

Dr. Grigori Melnik är en erfaren teknisk chef med mer än 25 års erfarenhet av att driva produktinnovation och tillväxt i företag som Microsoft, Splunk, MongoDB, Tricentis och Cribl. Han har lett plattformstransformationer, lanserat kategoribestämmande produkter och skalat team över alla tillväxtstadier. Dr. Melnik har en doktorsexamen i datavetenskap från University of Calgary och bringar till Amperity en passion för ingenjörsexcellens, AI-innovation och byggande av högpresterande produktorganisationer.

Amperity är ett tekniskt företag som erbjuder en AI-driven Customer Data Cloud-plattform som är utformad för att förena fragmenterad kunddata i betrodda profiler, identifiera högvärdesmöjligheter och aktivera kampanjer över alla kanaler. Dess lösningar fokuserar på identitetslösning, datainmatning och realtidsaktivering, vilket gör det möjligt för varumärken att integrera olika datakällor, utföra AI-drivna analyser och skicka målgrupper till nedströmsystem. Företaget betonar flexibilitet genom att stödja direktanslutningar med stora datawarehouse-plattformar och upprätthåller regelefterlevnad med viktiga säkerhetsstandarder som SOC 2, GDPR och HIPAA.

Du har lett produkt- och teknikstrategi på företag som Tricentis, MongoDB och Codility innan du gick med i Amperity. Hur har dessa erfarenheter format din approach till att bygga och skala AI-drivna plattformar som Real-Time Profiles?

Jag är av naturen en entusiast för olösta problem. På Amperity gör vi exakt det. Mina erfarenheter på tidigare organisationer har format hur jag tänker om att skala plattformar samtidigt som jag möter användarnas behov. Dessa lärdomar inkluderar vikten av flexibilitet, friktionsfri integration över ekosystem och stark datastyrning.

Dessa lärdomar har direkt format vår approach till Real-Time Profiles. Vi konstruerade medvetet funktionen för att avsluta branschens äldsta kompromiss – hastighet kontra noggrannhet – genom att förena historisk identitet med under-sekundsströmning i en enda, styrd arkitektur. Vi säkerställde att plattformen förenklar kundernas driftsmodeller, snarare än att komplicera dem. Vi utvidgade vår AI-drivna identitetsgrund till att förena realtids- och historisk data inom en enda arkitektur, med en identitetsgraf, ett åtkomstkontrollskikt och konsekvent härstamning och granskning.

Vilken specifik lucka eller marknadsbehov motiverade Amperity att utveckla Real-Time Profiles, och hur återdefinierar det balansen mellan datahastighet och noggrannhet?

De flesta Customer Data Platforms (CDP) tvingar team att välja mellan att agera snabbt på grunt, händelsebaserad data eller att agera noggrant på profiler som är timmar eller dagar gamla. Amperitys Real-Time Profiles tar bort det valet genom att kontinuerligt förena live-signaler med fullständig kundhistorik, så att varumärken kan känna igen en individ i exakt ögonblick av engagemang och svara med kontext. Resultatet är data som är komplett och aktuell, redo att driva in-session personanpassning och händelseutlösta resor med riktiga affärseffekter.

Genom att kollapsa batch och strömning till en profil, flyttar vi bortom “snabb men ofullständig” eller “fullständig men sen”. Det är en enda, kontinuerligt uppdaterad kundvy som låter marknadsförare och serviceteam orkestrera nästa bästa åtgärder vid hastigheten av avsikt utan att offra noggrannhet.

Kan du gå igenom de tekniska underbyggnaderna för att förena historisk och strömmande data i en enda, kontinuerligt uppdaterad kundprofil?

Vi byggde en enhetlig dataflöde med tre samordnade lager: inmatning av råa JSON-händelser från valfri källa, kontinuerlig bearbetning i en distribuerad dataflödesmotor och en live-profilbutik som stöder millisekundssökningar via vår Profile API. Varje nytt klick, bokning eller lojalitetsändring är försonad mot samma AI-drivna identitetsgraf som styr våra batch-pipelines, vilket innebär ingen separat identitetsmodell, ingen dubbel underhåll, ingen schemadrift.

Kritiskt, “identitet i rörelse” binder varje händelse till den hållbara, sydda profilen när den anländer. Detta möjliggör omedelbar berikning av attribut, kontinuerlig segmentering och händelseutlöst aktivering med hjälp av resor eller API:er, samtidigt som det bevarar härstamning, åtkomstkontroll och granskning över både analytiska och operativa arbetsbelastningar.

Många företag kämpar för att operationalisera realtids-personanpassning. Vilka är de största utmaningarna du ser att varumärken möter, och hur adresserar Amperity dem?

Konsumenter förväntar sig nu att varje varumärkesinteraktion ska reflektera en realtidsförståelse av deras avsikt, preferenser och historia, direkt. Ändå är de flesta organisationer begränsade av fragmenterade datasystem och försenade insikter, vilket gör det svårt för dem att svara i ögonblicket. Resultatet är ofta personanpassning som känns generisk eller ur synk med kundens behov.

Att överbrygga den klyftan kräver mer än snabbare teknik; det kräver en enhetlig approach till data och beslutsfattande. På Amperity har vi fokuserat på att lösa det systemiska problemet genom att möjliggöra för varumärken att förena historisk kunskap och live-kontext så att varje interaktion kan vara tidig, relevant och kopplad till kundens fullständiga resa. Med Real-Time Profiles kan varumärken driva in-session personanpassning och händelseutlösta resor från samma styrda sanningkälla, och omvandla ögonblick som kundabandon, lojalitetsnivåändringar eller incheckningar på plats till tidiga, relevanta åtgärder.

Hur integrerar AI och maskinlärande precisionen eller de prediktiva förmågorna i Real-Time Profiles?

AI är ryggraden i vår identitetslösningsförmåga, vilket innebär att live-händelser är länkade till rätt person med rätt kontext, såsom livstidsvärde, samtycke och lojalitet, inom millisekunder. Den exakta syningen höjer varje nedströmsbeslut: segment beräknas om när data ändras, profilattribut berikas omedelbart och resor utlöses baserat på den fullständiga kunden, inte isolerade händelser.

I framtiden lägger Real-Time Profiles grunden för AI-agenter att operera med live-kontext genom att resonera över utvecklande profiler, yta insikter och autonomt utlösa nästa bästa åtgärder över hela stacken. Kombinationen av AI-löst identitet och strömmande kontext är vad låser upp sann en-till-en-personanpassning i skala.

Från din synvinkel, hur spelar dataskyddsföreskrifter och datastyrning in i byggandet av realtids-personanpassningssystem?

Genom att utöka vår befintliga Customer Data Cloud till strömning, upprätthåller vi en enda styrd profilbutik för både analytiska och operativa användningsfall. Den samstämmigheten hjälper till att säkerställa regelefterlevnad och granskning samtidigt som det möjliggör under-sekundsaktivering.

Liksom viktigt, ger Real-Time Profiles varumärken möjlighet att förlita sig på sin egen första partsdata som den betrodda grunden för personanpassning. Varje realtidsignal är kopplad till verifierad, samtyckebaserad kunddata, så att varumärken kan agera med tillförsikt att deras insikter och aktiveringar överensstämmer med dataskyddsförväntningar och regulatoriska standarder. Samma principer och kontroller som styr historiska profiler styr live-uppdateringar, vilket ger varumärken omedelbarhet samtidigt som det bevarar förtroendet och den starka säkerhetsposture som behövs för meningsfull, regelefterlevande personanpassning.

Med den ökande tillväxten av generativ AI, hur förbereder sig Amperity för en framtid där personanpassat innehåll kan genereras och levereras i realtid?

Generativ AI är bara så bra som den data som driver den. Real-Time Profiles tillhandahåller den nödvändiga live, identitetslösta kontexten, så att generativa system kan anpassa innehåll till vem kunden är och vad de gör just nu. Vår arkitektur positionerar AI-agenter för att resonera över kontinuerligt utvecklande profiler och utlösa nästa bästa åtgärder, och brygga insikt till aktivering automatiskt.

När innehållsgenerering blir mer autonom, kommer grindfaktorn att skifta från “kan vi skapa det?” till “ska vi skapa det nu för den här kunden, med tanke på deras historia och nuvarande avsikt?” Våra realtids-, identitetsmedvetna profiler svarar på det med precision och styrning, och möjliggör säkra, relevanta och mätbara upplevelser.

Vilka branscher eller vertikaler ser du som mest gynnsamma för denna teknik på kort sikt, och varför?

Medan alla konsumentvarumärken gynnas av realtids-personanpassning, ser rese-, flyg-, detaljhandels- och finansiella tjänster omedelbara vinster eftersom avsiktstider är korta och kontexten är viktig. Tänk på uppgraderingar vid incheckning, omprissättning av övergivna bokningar, personanpassad sorteringsordning och erbjudanden som är anpassade till beteende på plats.

Dessa vertikaler opererar redan omnikanalsresor med höga insatser för timing, relevans och servicenhastighet och noggrannhet. Genom att förena historisk identitet och live-signaler, kan de omvandla flyktiga ögonblick till intäkter och lojalitet, och omvandla engagemang till konverteringar i realtid.

Som Chief Product Officer, hur mäter du framgången för en release som Real-Time Profiles bortom teknisk prestanda – i termer av användaradoption eller affärseffekt?

Vi mäter framgång genom kundresultat och antagande, inklusive snabbare tid till värde för in-session personanpassning, ökad konverterings- och engagemangsfrekvens och förbättrade servicemått över alla beröringspunkter. Våra kunder har drivit resultat som 2x högre konverteringar från personanpassade resor, miljontals nya högvärdesprospekt identifierade utanför lojalitetsprogram och snabbare, mer personliga serviceupplevelser.

Operativt letar jag också efter förenklingsignalerna som färre verktyg att underhålla, tätare samordning mellan marknads-, data- och serviceteam. När samma profil driver både analys och aktivering utan att kräva dubbla integrationer eller datapipeliner, ser du varaktig antagande och ackumulerad avkastning på kunddata.

Slutligen, hur ser du rollen för CPO utvecklas när AI blir central för kundengagemang och företags tillväxtstrategier?

Den moderna CPO måste vara integratorn av produkt, data och marknadsresultat – ägaren av vad och varför produkten som omvandlar signaler till värde. I AI-världen måste CPO också äga hur – hur intelligens är inbäddad i varje arbetsflöde, interaktion och beslut. Det kräver också att man konstruerar för identitet, styrning och realtidsåtgärd i en enda, samstämmig lösning så att team kan leverera upplevelser i kundens takt.

Det innebär att blanda produktionsledning med datavetenskap, infrastruktur, marknadsföring, kundframgång och etisk AI-styrning för att säkerställa att företagets differentiering inte bara kommer från funktioner, utan från lärande system som kontinuerligt anpassar sig till användare och marknader. Vi flyttar från roadmap till förstärkningsloopar – vår framgång är inte om att leverera releaser, utan om att accelerera cykler av experiment, lärande och förfining som stärker både produkten och kundrelationen.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Amperity.