Grigori Melnik, Chief Product Officer, Amperity – Interview Series

Dr. Grigori Melnik là một nhà điều hành công nghệ kỳ cựu với hơn 25 năm kinh nghiệm trong việc thúc đẩy sự đổi mới và tăng trưởng sản phẩm tại các công ty như Microsoft, Splunk, MongoDB, 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 nắm giữ bằng Tiến sĩ về Khoa học Máy tính từ Đại học Calgary và mang đến Amperity niềm đam mê với sự 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 việc giải quyết vấn đề 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 đối tượng mục tiêu đến các hệ thống hạ nguồn. Công ty nhấn mạnh sự linh hoạt bằng cách hỗ trợ kết nối trực tiếp với các nền tảng kho dữ liệu lớn và duy trì 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. Những kinh nghiệm này đã định hình cách bạn nghĩ về 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 các vấn đề chưa được giải quyết. Tại Amperity, chúng tôi làm chính xác điều đó. Những kinh nghiệm của tôi tại các tổ chức trước đây đã định hình cách tôi 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 ma sát thấp trên các hệ sinh thái và quản trị dữ liệu mạnh mẽ.

Những bài học đó 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 trực tuyến trong một kiến trúc được quản lý duy nhất. Chúng tôi đảm bảo rằng nền tảng này đơn giản hóa các mô hình hoạt động của khách hàng, chứ không làm cho chúng phức tạp hơn. Chúng tôi đã mở rộng nền tảng nhận dạng 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 dòng dõi và khả năng kiểm toán nhất quán.

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 Dữ liệu Khách hàng (CDP) buộc các đội phải chọn giữa 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 đó 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 vào chính момент tương tác và phản hồi với ngữ cảnh. Kết quả là dữ liệu hoàn chỉnh và cập nhật, sẵn sàng cung cấp năng lượng cho việc cá nhân hóa trong phiên và các chuyến đi được kích hoạt bởi sự kiện với tác động kinh doanh thực sự.

Bằng cách thu hẹp batch và streaming thành một hồ sơ duy nhất, chúng tôi vượt ra ngoài “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 nhà tiếp thị và đội ngũ dịch vụ dàn xếp các hành động tiếp theo tốt nhất tại tốc độ của ý định mà không hy sinh độ chính xác.

Bạn có thể giải thích các nguyên tắc kỹ thuật của việc thống nhất dữ liệu lịch sử và streaming vào một hồ sơ khách hàng duy nhất, liên tục được cập nhật?

Chúng tôi đã xây dựng một luồng dữ liệu thống nhất với ba lớp được phối hợp: nhập dữ liệu 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 millisecond thông qua Profile API của chúng tôi. Mỗi lần nhấp, đặt phòng hoặc thay đổi忠诚 mới được điều chỉnh với cùng một biểu đồ danh tính được hỗ trợ bởi AI quản lý các đường ống batch của chúng tôi, có nghĩa là không có mô hình danh tính riêng biệt, không bảo trì kép, không trượt schema.

Quan trọng là, “danh tính trong chuyển động” gắn mọi sự kiện với hồ sơ được khâu chỉn chu khi nó đến. Điều này cho phép làm giàu thuộc tính tức thời, phân khúc liên tục và kích hoạt được kích hoạt bởi sự kiện sử dụng các chuyến đi hoặc API, đồng thời bảo tồn dòng dõi, kiểm soát truy cập và khả năng kiểm toán trên cả tải công việc phân tích và hoạt động.

Nhiều doanh nghiệp gặp khó khăn trong việc vận hành hóa cá nhân hóa thời gian thực. Những thách thức lớn nhất bạn thấy các thương hiệu gặp phải là gì và làm thế nào Amperity giải quyết chúng?

Khách hàng hiện 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 phản hồi trong thời gian thực. Kết quả thường là cá nhân hóa cảm thấy chung chung hoặc không đồng bộ với nhu cầu của khách hàng.

Cầu nối đó đòi hỏi nhiều hơn tốc độ công nghệ; 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 toàn bộ hành trình của khách hàng. Với Real-Time Profiles, các thương hiệu có thể cung cấp năng lượng cho việc cá nhân hóa trong phiên và các chuyến đi được kích hoạt bởi sự kiện từ cùng một nguồn sự thật được quản lý, biến những khoảnh khắc như bỏ giỏ hàng, thay đổi cấp độ忠诚 hoặc kiểm tra tài sản thành hành động kịp thời, liên quan và kết nối với khách hàng.

Làm thế nào tích hợp AI và học máy nâng cao 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, điều này 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 millisecond. Việc khâu chỉn chu chính xác đó nâng cao mọi quyết định xuống dòng: phân khúc được tính toán lại khi dữ liệu thay đổi, thuộc tính hồ sơ làm giàu tức thời và các chuyến đi kích hoạt dựa trên hồ sơ khách hàng hoàn chỉnh, không phải là các sự kiện bị cô lập.

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 thông tin chi tiết 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 tuyến là gì mở khóa cá nhân hóa một đối một thực sự với quy mô.

Từ quan điểm của bạn, làm thế nào các quy định về quyền riêng tư và quản trị 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 streaming, 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 đó 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 trao quyền cho các thương hiệu dựa vào dữ liệu khách hàng đầu tiên của riêng họ làm nền tảng đáng tin cậy cho việc cá nhân hóa. Mọi tín hiệu thời gian thực 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 chi tiết 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 như những chính sách quản lý hồ sơ lịch sử quản lý các cập nhật trực tiếp, mang lại sự tức thời cho các thương hiệu trong khi duy trì sự tin cậy và tư thế bảo mật mạnh mẽ cần thiết cho việc cá nhân hóa có ý nghĩa và tuân thủ.

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

AI tạo ra chỉ tốt như dữ liệu nuôi nó. Real-Time Profiles cung cấp ngữ cảnh trực tiếp, được giải quyết danh tính cần thiết, để các hệ thống tạo ra có thể điều chỉnh nội dung cho ai khách hàng là và những gì họ đang làm 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, bắc cầu giữa thông tin chi tiết và kích hoạt 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 nên tạo ra nó ngay bây giờ cho khách hàng này, xem xét lịch sử và ý định hiện tại của họ?” Các hồ sơ thời gian thực, nhận dạng của chúng tôi trả lời điều đó với độ chính xác và quản trị, cho phép trải nghiệm an toàn, liên quan và có thể đo lường được.

Ngành hoặc lĩnh vực nào bạn thấy được hưởng lợi nhiều nhất từ công nghệ này trong thời gian ngắn, và tại sao?

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

Những lĩnh vực này đã vận hành các chuyến đi omnichannel với các ставки cao cho thời gian, liên quan và tốc độ dịch vụ và độ chính xác. Bằng cách thống nhất danh tính lịch sử và tín hiệu trực tiếp, họ chuyển đổi các khoảnh khắc ngắn thành doanh thu và忠诚, biến 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 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 giá trị nhanh hơn cho việc cá nhân hóa trong phiên, tăng tỷ lệ chuyển đổi và tương tác, và cải thiện các chỉ số dịch vụ trên tất cả các điểm chạm. Khách hàng của chúng tôi đã thúc đẩy các kết quả như chuyển đổi từ các chuyến đi được cá nhân hóa cao gấp 2 lần, hàng triệu khách hàng tiềm năng có giá trị cao mới được xác định ngoài các chương trình忠诚, và trải nghiệm dịch vụ nhanh hơn, cá nhân hóa hơn.

Về mặt 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 đội 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 việc áp dụng bền vững và lợi nhuận hợp chất.

Cuối cùng, bạn thấy vai trò của CPO đang phát triển như thế nào khi AI trở thành trung tâm của việc tương tác với khách hàng và chiến lược tăng trưởng 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 cách – cách thông minh được nhúng vào mọi quy trình làm việc, tương tác và quyết định. Điều đó cũng đòi hỏi kiến trúc cho danh tính, quản trị 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 trị 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 vòng lặp củng cố – thành công của chúng tôi không chỉ là về việc vận chuyển các bản phát hành, mà về việc tăng tốc các chu kỳ thử nghiệm, học tập và tinh chỉnh củng cố cả sản phẩm và mối quan hệ với khách hàng.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Amperity.