Grigori Melnik, Chief Product Officer, Amperity – Loạt Phỏng Vấn

Dr. Grigori Melnik là một giám đốc công nghệ kỳ cựu với hơn 25 năm kinh nghiệm trong việc thúc đẩy đổi mới sản phẩm và tăng trưởng tại các công ty như Microsoft (MSFT ), Splunk, MongoDB (MDB ), Tricentis và Cribl. Ông đã lãnh đạo các chuyển đổi nền tảng, ra mắt các sản phẩm định nghĩa thể loại và mở rộng các đội ngũ trên mọi giai đoạn tăng trưởng. Dr. Melnik holds a Ph.D. in Computer Science từ Đại học Calgary và mang đến Amperity một niềm đam mê với xuất sắc trong kỹ thuật, đổi mới AI và xây dựng các tổ chức sản phẩm có tác động cao.

Amperity là một công ty công nghệ cung cấp nền tảng Customer Data Cloud được hỗ trợ bởi AI, được thiết kế để thống nhất dữ liệu khách hàng bị phân mảnh thành các hồ sơ đáng tin cậy, xác định các cơ hội có giá trị cao và kích hoạt các chiến dịch trên tất cả các kênh. Các giải pháp của công ty tập trung vào giải quyết vấn đề về danh tính, nhập dữ liệu và kích hoạt thời gian thực, cho phép các thương hiệu tích hợp các nguồn dữ liệu đa dạng, thực hiện phân tích được hỗ trợ bởi AI và gửi các đối tượng mục tiêu đến các hệ thống hạ lưu. Công ty nhấn mạnh sự linh hoạt bằng cách hỗ trợ các kết nối trực tiếp với các nền tảng kho dữ liệu lớn và tuân thủ các tiêu chuẩn bảo mật chính như SOC 2, GDPR và HIPAA.

Bạn đã lãnh đạo chiến lược sản phẩm và công nghệ tại các công ty như Tricentis, MongoDB và Codility trước khi gia nhập Amperity. Làm thế nào những kinh nghiệm này đã định hình cách tiếp cận của bạn trong việc xây dựng và mở rộng các nền tảng được hỗ trợ bởi AI như Real-Time Profiles?

Bằng bản chất, tôi là một người đam mê giải quyết các vấn đề chưa được giải quyết. Tại Amperity, chúng tôi làm chính xác điều đó. Các kinh nghiệm của tôi tại các tổ chức trước đây đã định hình cách tôi suy nghĩ về việc mở rộng các nền tảng trong khi đáp ứng nhu cầu của người dùng. Những bài học này bao gồm tầm quan trọng của sự linh hoạt, tích hợp không ma sát trên các hệ sinh thái và quản lý dữ liệu mạnh mẽ.

Các bài học này đã định hình trực tiếp cách tiếp cận của chúng tôi đối với Real-Time Profiles. Chúng tôi đã xây dựng khả năng này để chấm dứt sự thỏa hiệp lâu đời nhất của ngành – tốc độ so với độ chính xác – bằng cách thống nhất danh tính lịch sử với luồng thời gian thực trong một kiến trúc được quản lý duy nhất. Chúng tôi đã đảm bảo rằng nền tảng này đơn giản hóa các mô hình hoạt động của khách hàng, chứ không làm cho chúng trở nên phức tạp hơn. Chúng tôi đã mở rộng nền tảng nhận dạng danh tính được hỗ trợ bởi AI của mình để thống nhất dữ liệu thời gian thực và lịch sử trong một kiến trúc duy nhất, sử dụng một biểu đồ danh tính, một lớp kiểm soát truy cập và tính nhất quán về nguồn gốc và khả năng kiểm toán.

Điều gì cụ thể đã thúc đẩy Amperity phát triển Real-Time Profiles, và làm thế nào nó định nghĩa lại sự cân bằng giữa tốc độ dữ liệu và độ chính xác?

Hầu hết các nền tảng Customer Data (CDP) buộc các đội phải chọn giữa việc hành động nhanh trên dữ liệu sự kiện nông hoặc hành động chính xác trên các hồ sơ có thể đã lỗi thời vài giờ hoặc vài ngày. Real-Time Profiles của Amperity loại bỏ sự đánh đổi này bằng cách liên tục kết hợp các tín hiệu trực tiếp với lịch sử khách hàng đầy đủ, để các thương hiệu có thể nhận ra một cá nhân tại chính момент tương tác và phản hồi với ngữ cảnh. Kết quả là dữ liệu hoàn chỉnh và cập nhật, sẵn sàng để cung cấp khả năng cá nhân hóa trong phiên và các hành trình kích hoạt bởi sự kiện với tác động kinh doanh thực sự.

Bằng cách hợp nhất dữ liệu批 và luồng thành một hồ sơ duy nhất, chúng tôi vượt qua được giới hạn “nhanh nhưng không đầy đủ” hoặc “hoàn chỉnh nhưng muộn”. Đó là một cái nhìn khách hàng duy nhất, liên tục được cập nhật, cho phép các nhóm tiếp thị và dịch vụ sắp xếp các hành động tiếp theo tốt nhất tại tốc độ của ý định mà không hy sinh độ chính xác.

Có thể bạn hãy giải thích các nguyên tắc kỹ thuật của việc thống nhất dữ liệu lịch sử và dữ liệu thời gian thực vào một hồ sơ khách hàng duy nhất được cập nhật liên tục?

Chúng tôi đã xây dựng một luồng dữ liệu thống nhất với ba lớp được phối hợp: nhập dữ liệu sự kiện JSON thô từ bất kỳ nguồn nào, xử lý liên tục trong một động cơ luồng dữ liệu phân tán và một cửa hàng hồ sơ trực tiếp hỗ trợ tìm kiếm theo miligiây thông qua Profile API của chúng tôi. Mỗi lần nhấp, đặt phòng hoặc thay đổi忠诚 mới được điều chỉnh lại với cùng một biểu đồ danh tính được hỗ trợ bởi AI quản lý các đường ống批 của chúng tôi, có nghĩa là không có mô hình danh tính riêng biệt, không có bảo trì kép, không có trượt sơ đồ.

Quan trọng là, “danh tính trong chuyển động” gắn mọi sự kiện với hồ sơ được may nối bền vững khi nó đến. Điều này cho phép làm giàu thuộc tính tức thời, phân khúc liên tục và kích hoạt bởi sự kiện sử dụng các hành trình hoặc API, trong khi vẫn giữ nguồn gốc, kiểm soát truy cập và khả năng kiểm toán trên cả tải trọng phân tích và hoạt động.

Nhiều doanh nghiệp gặp khó khăn trong việc triển khai cá nhân hóa thời gian thực. Những thách thức lớn nhất bạn thấy các thương hiệu đang đối mặt là gì và Amperity giải quyết chúng như thế nào?

Khách hàng hiện đang mong đợi mọi tương tác với thương hiệu phản ánh sự hiểu biết thời gian thực về ý định, sở thích và lịch sử của họ, ngay lập tức. Tuy nhiên, hầu hết các tổ chức bị hạn chế bởi các hệ thống dữ liệu bị phân mảnh và thông tin chậm, điều này khiến họ khó có thể phản ứng kịp thời. Kết quả thường là cá nhân hóa cảm giác chung chung hoặc không đồng bộ với nhu cầu của khách hàng.

Để vượt qua khoảng cách đó, cần nhiều hơn là công nghệ nhanh hơn; nó đòi hỏi một cách tiếp cận thống nhất đối với dữ liệu và quyết định. Tại Amperity, chúng tôi đã tập trung vào việc giải quyết vấn đề hệ thống này bằng cách cho phép các thương hiệu kết hợp kiến thức lịch sử và ngữ cảnh trực tiếp để mọi tương tác đều kịp thời, liên quan và kết nối với hành trình đầy đủ của khách hàng. Với Real-Time Profiles, các thương hiệu có thể cung cấp khả năng cá nhân hóa trong phiên và các hành trình kích hoạt bởi sự kiện từ cùng một nguồn sự thật được quản lý, biến các khoảnh khắc như bỏ giỏ hàng, thay đổi cấp độ忠诚 hoặc kiểm tra vào các hành động kịp thời và liên quan.

Làm thế nào tích hợp AI và học máy tăng cường độ chính xác hoặc khả năng dự đoán của Real-Time Profiles?

AI là xương sống của các khả năng giải quyết danh tính của chúng tôi, có nghĩa là các sự kiện trực tiếp được liên kết với đúng người với đúng ngữ cảnh, chẳng hạn như giá trị trọn đời, sự đồng ý và忠诚, trong vài miligiây. Việc may nối chính xác này nâng cao mọi quyết định tiếp theo: các phân khúc được tính toán lại khi dữ liệu thay đổi, các thuộc tính hồ sơ được làm giàu tức thời và các hành trình được kích hoạt dựa trên khách hàng đầy đủ, không phải các sự kiện bị cô lập.

Khi nhìn về phía trước, Real-Time Profiles đặt nền tảng cho các tác nhân AI hoạt động với ngữ cảnh trực tiếp bằng cách suy luận trên các hồ sơ đang phát triển, đưa ra các thông tin và kích hoạt tự động các hành động tiếp theo trên toàn bộ ngăn xếp. Sự kết hợp giữa danh tính được giải quyết bởi AI và ngữ cảnh trực tiếp là gì giúp mở khóa cá nhân hóa một đối một thực sự tại quy mô.

Theo quan điểm của bạn, làm thế nào các quy định về quyền riêng tư và quản lý dữ liệu ảnh hưởng đến việc xây dựng các hệ thống cá nhân hóa thời gian thực?

Bằng cách mở rộng Customer Data Cloud hiện có của chúng tôi vào luồng trực tiếp, chúng tôi duy trì một cửa hàng hồ sơ được quản lý duy nhất cho cả các trường hợp sử dụng phân tích và hoạt động. Sự nhất quán này giúp đảm bảo tuân thủ và khả năng kiểm toán trong khi cho phép kích hoạt dưới giây.

Không kém phần quan trọng, Real-Time Profiles cho phép các thương hiệu dựa vào dữ liệu đầu tiên của riêng họ làm nền tảng đáng tin cậy cho cá nhân hóa. Mọi tín hiệu trực tiếp đều được kết nối với dữ liệu khách hàng đã được xác minh, dựa trên sự đồng ý, vì vậy các thương hiệu có thể hành động với sự tự tin rằng các thông tin và kích hoạt của họ phù hợp với kỳ vọng về quyền riêng tư và tiêu chuẩn quy định. Các chính sách và kiểm soát giống hệt những gì quản lý các hồ sơ lịch sử quản lý các cập nhật trực tiếp, mang lại sự tức thời cho các thương hiệu trong khi vẫn duy trì sự tin cậy và tư thế bảo mật mạnh mẽ cần thiết cho cá nhân hóa có ý nghĩa và tuân thủ.

Với sự trỗi dậy của AI tạo sinh, Amperity đang chuẩn bị cho một tương lai mà nội dung cá nhân hóa có thể được tạo ra và phân phối tự động trong thời gian thực như thế nào?

AI tạo sinh chỉ tốt như dữ liệu mà nó được cung cấp. Real-Time Profiles cung cấp ngữ cảnh trực tiếp, được giải quyết danh tính cần thiết, để các hệ thống tạo sinh có thể điều chỉnh nội dung cho ai khách hàng là và họ đang làm gì ngay bây giờ. Kiến trúc của chúng tôi đặt các tác nhân AI vào vị trí để suy luận trên các hồ sơ đang phát triển liên tục và kích hoạt các hành động tiếp theo tự động, bắc cầu giữa thông tin và kích hoạt một cách tự động.

Khi việc tạo nội dung trở nên tự động hơn, yếu tố quyết định sẽ chuyển từ “chúng tôi có thể tạo ra nó không?” sang “chúng tôi có nên tạo ra nó ngay bây giờ cho khách hàng này, dựa trên lịch sử và ý định hiện tại của họ?” Các hồ sơ thời gian thực, nhận dạng của chúng tôi trả lời câu hỏi đó với độ chính xác và quản lý, cho phép các trải nghiệm an toàn, liên quan và có thể đo lường được.

Những ngành hoặc lĩnh vực nào bạn thấy sẽ được hưởng lợi nhiều nhất từ công nghệ này trong thời gian tới và tại sao?

Mặc dù tất cả các thương hiệu tiêu dùng đều được hưởng lợi từ cá nhân hóa thời gian thực, nhưng các ngành du lịch, hàng không, bán lẻ và dịch vụ tài chính sẽ thấy được lợi ích ngay lập tức vì các cửa sổ ý định ngắn và ngữ cảnh quan trọng. Hãy nghĩ về việc nâng cấp tại quầy kiểm tra, giá lại các đặt phòng bị bỏ rơi, sắp xếp và đóng gói cá nhân hóa hoặc đề xuất thẻ phù hợp với hành vi trên trang web.

Các ngành dọc này đã vận hành các hành trình omnichannel với các ставки cao cho thời gian, sự liên quan và tốc độ cũng như độ chính xác của dịch vụ. Bằng cách thống nhất danh tính lịch sử và tín hiệu trực tiếp, họ chuyển đổi các khoảnh khắc thành doanh thu và忠诚, biến sự tương tác thành chuyển đổi trong thời gian thực.

Là Chief Product Officer, bạn đo lường sự thành công của một bản phát hành như Real-Time Profiles vượt ra ngoài hiệu suất kỹ thuật – về việc áp dụng người dùng hoặc tác động kinh doanh?

Chúng tôi đo lường sự thành công bằng kết quả của khách hàng, bao gồm thời gian đến giá trị nhanh hơn cho cá nhân hóa trong phiên, tăng tỷ lệ chuyển đổi và tương tác, cũng như cải thiện các chỉ số dịch vụ trên tất cả các điểm chạm. Khách hàng của chúng tôi đã đạt được kết quả như tăng gấp đôi chuyển đổi từ các hành trình được cá nhân hóa, hàng triệu khách hàng tiềm năng có giá trị cao được xác định ngoài các chương trình忠诚 và trải nghiệm dịch vụ nhanh hơn, cá nhân hóa hơn.

Hoạt động, tôi cũng tìm kiếm các tín hiệu đơn giản hóa như ít công cụ hơn để duy trì sự liên kết chặt chẽ hơn giữa các nhóm tiếp thị, dữ liệu và dịch vụ. Khi cùng một hồ sơ cung cấp năng lượng cho cả phân tích và kích hoạt mà không yêu cầu tích hợp hoặc đường ống dữ liệu trùng lặp, bạn sẽ thấy sự áp dụng bền vững và lợi nhuận hợp chất trên dữ liệu khách hàng.

Cuối cùng, bạn nhìn thấy vai trò của CPO sẽ phát triển như thế nào khi AI trở thành trung tâm của chiến lược tăng trưởng và tương tác khách hàng của doanh nghiệp?

CPO hiện đại phải là người tích hợp sản phẩm, dữ liệu và kết quả thị trường – sở hữu “cái gì” và “tại sao” của sản phẩm biến tín hiệu thành giá trị. Trong thế giới của AI, CPO cũng phải sở hữu “làm thế nào” – làm thế nào trí tuệ được nhúng vào mọi công việc, tương tác và quyết định. Điều này cũng đòi hỏi kiến trúc cho danh tính, quản lý và hành động thời gian thực trong một giải pháp nhất quán để các đội có thể cung cấp trải nghiệm tại tốc độ của khách hàng.

Điều đó có nghĩa là kết hợp quản lý sản xuất với khoa học dữ liệu, cơ sở hạ tầng, tiếp thị, thành công của khách hàng và quản lý AI đạo đức để đảm bảo sự khác biệt của công ty không chỉ đến từ tính năng, mà từ các hệ thống học tập liên tục thích nghi với người dùng và thị trường. Chúng tôi đang chuyển từ bản đồ đường đến các vòng lặp củng cố – thành công của chúng tôi không chỉ là về việc phát hành, mà về việc tăng tốc các chu kỳ thử nghiệm, học tập và tinh chỉnh giúp củng cố cả sản phẩm và mối quan hệ khách hàng.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm có thể truy cập Amperity.