Sandeep Menon, Giám đốc điều hành & Đồng sáng lập tại Auxia – Loạt phỏng vấn

Sandeep Menon, Giám đốc điều hành & Đồng sáng lập tại Auxia, mang lại hơn hai thập kỷ kinh nghiệm lãnh đạo công nghệ và tiếp thị toàn cầu cho vai trò này. Trước khi ra mắt Auxia vào năm 2022, ông đã dành hơn chín năm tại Google (GOOGL ), nơi ông từng là Phó Chủ tịch Tiếp thị cho Thanh toán và lãnh đạo các sáng kiến như chương trình Next Billion Users, tập trung vào việc đưa công nghệ số vào các thị trường mới nổi. Ông cũng từng giữ các vị trí lãnh đạo tiếp thị cấp cao trên Android, Chrome, ChromeOS và Google Play.

Auxia là một nền tảng tiếp thị được thúc đẩy bởi trí tuệ nhân tạo, cho phép các đội doanh nghiệp điều phối các hành trình khách hàng được cá nhân hóa, 1:1, trên quy mô lớn. Thay vì dựa vào các chiến dịch dựa trên quy tắc và phân khúc tĩnh, Auxia cho phép các tác nhân trí tuệ nhân tạo kiểm tra các giả thuyết trên tất cả các điểm chạm – email, web, ứng dụng, ưu đãi – và thích nghi động với sở thích và hành vi thời gian thực. Nó tích hợp liền mạch với các nguồn dữ liệu đầu tiên, tự động hóa các đường ống dẫn học máy và tối ưu hóa liên tục thông điệp, thời gian và trình tự để tối đa hóa mức độ tương tác và giá trị trọn đời.

Bạn đã thành lập Auxia sau một sự nghiệp thành công tại Google, nơi bạn lãnh đạo tiếp thị toàn cầu cho các sản phẩm được sử dụng bởi hàng tỷ người. Cái gì cụ thể là khoảng trống hoặc điểm đau mà bạn và các đồng sáng lập của bạn nhìn thấy trên thị trường đã dẫn đến việc tạo ra Auxia?

Tại Google, tôi đã chứng kiến trực tiếp sức mạnh của việc cá nhân hóa thực sự khi bạn có cơ sở hạ tầng và khả năng trí tuệ nhân tạo phù hợp. Nhưng khi tôi nhìn vào thị trường rộng lớn hơn, tôi thấy các công ty đang vật lộn với các ngăn xếp tiếp thị phân mảnh, thường quản lý 12 đến 14 giải pháp điểm khác nhau không giao tiếp với nhau. Họ đã thu thập một lượng lớn dữ liệu khách hàng nhưng không thể dịch nó thành cá nhân hóa có ý nghĩa và thời gian thực.

Khoảng trống cơ bản là các nền tảng hiện có được xây dựng cho kỷ nguyên trước trí tuệ nhân tạo. Chúng dựa vào các quy tắc tĩnh và phân khúc cơ bản, khi những gì các doanh nghiệp thực sự cần là các hệ thống thông minh, thích nghi có khả năng đưa ra quyết định thời gian thực về từng tương tác khách hàng. Chúng tôi nhìn thấy cơ hội để mang lại cùng mức độ cá nhân hóa được thúc đẩy bởi trí tuệ nhân tạo mà các công ty như Google và Meta đến các doanh nghiệp của mọi quy mô, mà không yêu cầu họ xây dựng các đội khoa học dữ liệu nội bộ lớn.

Đội ngũ sáng lập Auxia bao gồm các lãnh đạo cũ từ Google, Meta và Lyft. Làm thế nào mà kinh nghiệm tập thể của bạn tại những gã khổng lồ công nghệ này đã định hình kiến trúc và tinh thần của Auxia?

Chúng tôi đã chứng kiến trực tiếp những thách thức của việc cá nhân hóa trên quy mô lớn. Trong đội Google Pay cụ thể, chúng tôi đã ở trong một vị trí đặc biệt vì chúng tôi đã có sớm tiếp xúc với các công nghệ chuyển đổi trong giai đoạn sơ sinh, với các mô hình transformer là một ví dụ chính. Các đồng sáng lập của tôi, những người đến từ Meta và Lyft, đã xây dựng các hệ thống đã tiên phong trong việc đưa lượng lớn dữ liệu khách hàng có sẵn và làm cho nó trở nên hữu ích hơn, như cung cấp các khuyến nghị và quyết định thời gian thực cho hàng triệu người dùng mỗi giây.

Chúng tôi đã chứng kiến trực tiếp cách trí tuệ nhân tạo có thể cải thiện đáng kể trải nghiệm khách hàng đồng thời giải quyết một số thách thức khó khăn nhất mà các đội tiếp thị của chúng tôi phải đối mặt. Đồng thời, thị trường rộng lớn hơn đang thay đổi theo cách làm cho công việc này trở nên khả thi bên ngoài Google. Với sự xuất hiện của ngăn xếp dữ liệu hiện đại và các nền tảng như Snowflake, BigQuery và Databricks, các doanh nghiệp đã dành 5-10 năm qua để tập hợp dữ liệu của họ vào một nơi tập trung sẵn sàng để kích hoạt.

Chúng tôi nhận ra một cơ hội duy nhất để đưa những bài học chúng tôi đã phát triển bên trong Google và dân chủ hóa chúng cho các doanh nghiệp ở mọi nơi. Những công ty này chỉ mới bắt đầu nhận ra rằng họ đang ngồi trên một núi dữ liệu quý giá và với công nghệ phù hợp, nó có thể được mở khóa để thúc đẩy tăng trưởng và tương tác khách hàng tốt hơn.

Most các công cụ cá nhân hóa dựa vào các hệ thống dựa trên quy tắc và phân khúc đơn giản. Auxia thay vào đó sử dụng các tác nhân trí tuệ nhân tạo được đồng bộ hóa. Bạn có thể giải thích cách các tác nhân này cộng tác và phát triển theo thời gian để cá nhân hóa từng hành trình khách hàng?

Most các công cụ trên thị trường hiện nay vẫn dựa vào các quy tắc và phân khúc tĩnh, chúng phản ứng chứ không thông minh. Tại Auxia, chúng tôi đã xây dựng một hệ thống các tác nhân trí tuệ nhân tạo được đồng bộ hóa làm việc cùng nhau để cá nhân hóa từng điểm chạm trong hành trình khách hàng theo thời gian thực.

Mỗi tác nhân đóng một vai trò chuyên biệt. Các tác nhân quyết định xác định hành động tốt nhất để thực hiện cho một người dùng dựa trên tất cả dữ liệu và sở thích trước đó của họ; ví dụ, liệu có nên nâng cấp khách hàng lên thẻ tín dụng mới hay thúc đẩy họ mở tài khoản tiết kiệm mới. Các tác nhân phân tích hoạt động như một đội khoa học dữ liệu tích hợp, phân tích những gì đã hoạt động tốt trong các chiến dịch hiện tại để nhấn mạnh tác động nhưng cũng cơ hội cải thiện trong một giao diện dựa trên trò chuyện. Cuối cùng, các tác nhân Nội dung của Auxia tận dụng tất cả dữ liệu và thông tin xung quanh những gì đã hoạt động tốt nhất để chủ động đưa ra các biến thể thông điệp hoặc sáng tạo mới cho các đội tiếp thị để phê duyệt.

Cái gì làm cho các tác nhân này mạnh mẽ là chúng không hoạt động trong các silo. Chúng cộng tác liên tục, học hỏi từ mọi tương tác và thích nghi dựa trên những gì đang hoạt động. Các nhà tiếp thị đặt mục tiêu cấp cao, và các tác nhân xử lý sự phức tạp. Chúng là các hệ thống tự tối ưu hóa, phát triển hàng ngày để đưa ra các quyết định tốt hơn trên quy mô lớn.

Auxia xử lý 2,6 tỷ sự kiện mỗi ngày và xử lý 6.500 truy vấn mỗi giây. Những đổi mới về cơ sở hạ tầng nào đã cho phép khả năng mở rộng thời gian thực như vậy ngay từ đầu?

Từ ngày đầu tiên, chúng tôi biết rằng quy mô phải là không thể thương lượng. Cá nhân hóa siêu chỉ hoạt động nếu bạn có thể đưa ra quyết định trong vài mili giây, sử dụng tín hiệu mới và theo ngữ cảnh. Chúng tôi đã học được nhiều bài học từ thời gian của chúng tôi tại Google và nó đã mất hơn một năm để xây dựng cơ sở hạ tầng để hỗ trợ mức độ điều phối thời gian thực như vậy.

Kiến trúc của chúng tôi là bản địa đám mây, dựa trên sự kiện và được tối ưu hóa cho luồng truyền cao, vì vậy chúng tôi đang đứng trên vai của các làn sóng công nghệ trước chúng tôi như chuyển đổi sang ngăn xếp dữ liệu hiện đại. Cách mà cảnh quan công nghệ tiếp thị đã phát triển hướng tới các hệ sinh thái mở đã cho phép chúng tôi di chuyển nhanh hơn, cho phép chúng tôi tích hợp trực tiếp với các kho dữ liệu đám mây hiện đại, CRM và các nền tảng tiếp thị khác. Điều này đã cho phép chúng tôi xây dựng để mở rộng quy mô từ ngày đầu tiên và cũng giúp chúng tôi dựa vào cơ sở hạ tầng có thể xử lý khối lượng lớn tín hiệu khách hàng đầu tiên mà không giới thiệu độ trễ.

Cái gì cũng tách chúng tôi ra là chúng tôi là bản địa trí tuệ nhân tạo từ đầu. Chúng tôi đã thiết kế Auxia để hỗ trợ thử nghiệm quy mô lớn, chạy hàng nghìn giả thuyết đồng thời và liên tục tối ưu hóa kết quả mà không cần can thiệp của con người, nhưng chúng tôi cũng đang tận dụng công nghệ mới nhất trong ngành để tạo tính năng, triển khai mô hình và suy luận LLM.

Làm thế nào khuôn khổ thử nghiệm mô hình của Auxia khác với thử nghiệm A/B truyền thống, và những gì là những hiểu biết đáng惊 nhất được khám phá bằng cách tiếp cận ML-driven?

Thử nghiệm A/B truyền thống rất hạn chế, bạn chỉ có thể thử nghiệm một vài biến thể tại một thời điểm, và thường mất vài tuần hoặc vài tháng để đạt được kết quả có ý nghĩa về mặt thống kê. Tại Auxia, chúng tôi đã tưởng tượng lại thử nghiệm như một quá trình thông minh và liên tục. Khuôn khổ mô hình điều khiển của chúng tôi cho phép các nhà tiếp thị chạy nhiều mô hình tự tối ưu hóa và thử nghiệm hàng trăm biến thể song song. Sử dụng các kỹ thuật như học tăng cường, hệ thống quyết định của Auxia đưa ra quyết định thời gian thực dựa trên dữ liệu trực tiếp.

Chúng ta hãy lấy ví dụ về một chiến dịch quảng cáo ưu đãi và phần thưởng qua email. Trước đây, các nhà tiếp thị có thể thử nghiệm 2-3 biến thể ưu đãi khác nhau, như 5% giảm giá, 10% giảm giá và 20% giảm giá, chia đối tượng thành các nhóm độc quyền, ra mắt và so sánh kết quả trên một loạt các chỉ số để xem biến thể nào hoạt động tốt nhất, trung bình, cho toàn bộ nhóm. Đó là một chiến thắng sẽ được triển khai cho mọi người sau khi giai đoạn thử nghiệm kết thúc. Có một số thách thức với cách tiếp cận này. Đầu tiên, hầu hết các thí nghiệm đều thất bại, vì vậy thường mất vài tuần hoặc vài tháng để xác định những gì đang hoạt động tốt. Thêm vào đó, chúng rất thủ công và tốn thời gian để thiết lập, điều này hạn chế tốc độ của nhóm và tốc độ họ có thể cung cấp tác động.

Với Auxia, các nhà tiếp thị đầu tiên đặt mục tiêu cấp cao, như thúc đẩy mua hàng. Từ đó, nhóm của bạn sẽ thiết lập hàng trăm biến thể khác nhau trong hệ thống, mà một nhóm có thể tạo động với Trình tạo nội dung của chúng tôi, tiêu hóa từ CMS của bạn hoặc định nghĩa thủ công. Mỗi biến thể này sẽ thay đổi về cấu trúc ưu đãi (ví dụ: 5% giảm giá so với BOGO), số lượng, nội dung và thậm chí cả kênh (ví dụ: email so với SMS). Đối với từng người dùng cá nhân, Trình quyết định của Auxia sẽ xếp hạng, ghi điểm và dự đoán, trong số hàng trăm biến thể có sẵn, biến thể nào là tối ưu cho từng người để thúc đẩy mục tiêu cốt lõi.

Nền tảng của Auxia được thiết kế để loại bỏ sự phụ thuộc vào các đội khoa học dữ liệu nội bộ lớn. Bạn đã thấy các đội tiếp thị truyền thống thành công trong việc đảm nhận các vai trò kỹ thuật hơn với các công cụ của bạn?

Một trong những lý do cốt lõi chúng tôi bắt đầu Auxia là để trao quyền cho các đội tiếp thị cá nhân hóa cả trải nghiệm tiếp thị và sản phẩm của họ mà không cần dựa vào các kỹ sư hoặc nhà khoa học dữ liệu. Trong vài tuần kể từ khi bắt đầu, các nhà tiếp thị sử dụng Auxia có thể ra mắt các chiến dịch mới, kéo dữ liệu và giải thích kết quả hoàn toàn theo cách của họ. Khi thế giới chuyển sang một tương lai đại lý, chúng tôi tin rằng các nhà tiếp thị sẽ không cần trở nên kỹ thuật hơn hoặc xây dựng các kỹ năng kỹ thuật mới. Thay vào đó, các trách nhiệm truyền thống được xử lý bởi các kỹ sư hoặc nhà phân tích sẽ được dân chủ hóa thông qua các tác nhân thông minh tăng cường luồng làm việc và trải nghiệm tổng thể của nhà tiếp thị. Với Trình phân tích của chúng tôi, chúng tôi đã thành công trong việc trừu tượng hóa đi nhiều sự phức tạp của công việc truyền thống của nhà khoa học dữ liệu / nhà phân tích, và chúng tôi rất hào hứng để tiếp tục đẩy những khả năng đó tiến về phía trước.

Là người từng lãnh đạo tiếp thị cho sáng kiến Next Billion Users tại Google, bạn thấy những điểm tương đồng nào giữa việc áp dụng công nghệ bao gồm và trí tuệ nhân tạo đại lý trong tiếp thị ngày nay?

Khi tôi lãnh đạo tiếp thị cho sáng kiến Next Billion Users tại Google, chúng tôi nhận ra rằng người dùng ở các thị trường mới nổi tương tác với sản phẩm theo những cách cơ bản khác với người dùng ở các thị trường phát triển. Bởi vì đó đại diện cho một cơ hội tăng trưởng khổng lồ, nó trở nên quan trọng để xây dựng cụ thể cho những người dùng này – đơn giản hóa giao diện, trừu tượng hóa sự phức tạp và đảm bảo rằng trải nghiệm là có thể tiếp cận và trao quyền.

Tôi thấy một xu hướng tương tự đang diễn ra với trí tuệ nhân tạo đại lý trong tiếp thị. Giống như nhiều người dùng internet mới này đã nhảy cóc trực tiếp vào các trải nghiệm di động đầu tiên mà không cần phải có trình độ số trước, các nhà tiếp thị ngày nay không cần phải quay lại và học SQL hoặc khoa học dữ liệu để mở khóa cá nhân hóa. Các tác nhân bắc cầu những khoảng trống kỹ năng này và làm cho các khả năng tinh vi trở nên có thể sử dụng ngay lập tức. Đồng thời, cách mọi người tương tác với trí tuệ nhân tạo – di chuyển vượt ra ngoài các giao diện dựa trên trò chuyện để các tác nhân nhận thức ngữ cảnh hơn – đang buộc các nhà phát triển phải suy nghĩ lại giao diện của tương lai. Sự nhấn mạnh, như với NBU, là về tính khả dụng, sự đơn giản và trao quyền: trừu tượng hóa sự phức tạp kỹ thuật để trải nghiệm cuối cùng cảm thấy tự nhiên và có tác động.

Cái gì là quan niệm sai lầm lớn nhất mà các công ty có về cá nhân hóa trí tuệ nhân tạo ngày nay, và bạn giúp họ vượt qua nó như thế nào?

Quan niệm sai lầm lớn nhất mà các công ty có về cá nhân hóa trí tuệ nhân tạo là việc áp dụng nó có nghĩa là từ bỏ quyền kiểm soát hoàn toàn hoặc giảm tác động chiến lược của các đội tiếp thị. Trí tuệ nhân tạo giỏi trong việc xử lý sự phức tạp, như phân tích các tập dữ liệu khổng lồ, phát hiện các mẫu mà con người không thể nhìn thấy và đưa ra các tín hiệu quan trọng theo thời gian thực. Những gì nó không thể làm được là cung cấp ngữ cảnh, đồng cảm và phán quyết chiến lược cần thiết để thiết kế các trải nghiệm khách hàng có ý nghĩa. Đó là nơi con người tỏa sáng: thiết lập tầm nhìn, định nghĩa các rào cản thương hiệu, và hiểu khi một lựa chọn cá nhân hóa có thể cảm thấy xâm phạm hoặc không phù hợp với thương hiệu.

Nếu chúng ta nói một cách trung thực, sử dụng công nghệ ngày nay, con người có thể hiệu quả mà không cần trí tuệ nhân tạo, nhưng trí tuệ nhân tạo không thể hiệu quả mà không có con người. Sự đột phá thực sự đến khi bạn tăng cường các đội của mình với trí tuệ nhân tạo để xử lý quy mô và sự phức tạp của việc ra quyết định dựa trên dữ liệu, đồng thời trao quyền cho các đội tập trung vào chiến lược, sáng tạo và đồng cảm. Đó là khi cá nhân hóa chuyển từ một từ buzzword thành điều gì đó thực sự tạo ra giá trị cho cả khách hàng và doanh nghiệp.

Với sự hỗ trợ từ hơn 50 nhà lãnh đạo trong ngành và một khoản tiền 23,5 triệu đô la, bạn đang ưu tiên những lĩnh vực chính nào cho 12-18 tháng tới của sự phát triển sản phẩm và đội ngũ?

Chúng tôi đang ưu tiên ba lĩnh vực tăng trưởng trong 12-18 tháng tới. Đầu tiên, chúng tôi cam kết cung cấp giá trị vượt trội cho khách hàng của mình bằng cách tiếp tục nâng cao trải nghiệm của họ. Điều này luôn là ưu tiên hàng đầu cho đội của chúng tôi và chúng tôi muốn đảm bảo rằng chúng tôi đang cung cấp giá trị ROI vượt trội cho tất cả các công ty đã đặt niềm tin vào chúng tôi và đội ngũ của chúng tôi. Thứ hai, chúng tôi đang mở rộng khả năng của các tác nhân trí tuệ nhân tạo của mình để hỗ trợ nâng cao toàn bộ luồng làm việc của nhà tiếp thị, giúp các đội tạo nội dung, điều phối trải nghiệm được cá nhân hóa và đưa ra các thông tin có thể hành động về những gì đang thúc đẩy tác động. Cuối cùng, chúng tôi đang mở rộng động cơ tiếp thị của mình. Với sự phù hợp về sản phẩm và thị trường trong doanh nghiệp, bước tiếp theo là mở rộng phạm vi của chúng tôi bằng cách phát triển các đội bán hàng và thành công của khách hàng. Điều này cho phép chúng tôi mang cá nhân hóa được thúc đẩy bởi trí tuệ nhân tạo đến nhiều doanh nghiệp hơn, đồng thời đảm bảo rằng khách hàng mới được hưởng lợi từ cùng mức hỗ trợ cao và trải nghiệm khác biệt đã thúc đẩy thành công ban đầu của chúng tôi.

Cái gì làm bạn hào hứng nhất về biên giới tiếp theo của trí tuệ nhân tạo đại lý, không chỉ trong tiếp thị mà còn trong các ứng dụng doanh nghiệp khác?

Cái thực sự làm tôi hào hứng là thấy tốc độ áp dụng, thấy rằng việc áp dụng đó có tác động thực sự, và cũng thấy thị trường nhận ra rằng giá trị thực sự của trí tuệ nhân tạo đại lý nằm ở việc tăng cường, không phải thay thế. Quá nhiều cuộc trò chuyện ngày nay tập trung vào trí tuệ nhân tạo như một sự thay thế cho các vai trò của con người, như tất cả các bảng quảng cáo bạn có thể thấy trên 101 đi vào San Francisco về các công ty thay thế SDR (hoặc thậm chí toàn bộ chức năng). Đó là một câu chuyện sẽ thu hút tiêu đề, nhưng đối với tôi, nó bỏ qua cơ hội lớn hơn: trao quyền cho con người để làm công việc tốt nhất của họ.

Con người mang lại ngữ cảnh, đồng cảm, sáng tạo và phán quyết mà trí tuệ nhân tạo đơn giản không thể tái tạo. Ở đâu trí tuệ nhân tạo đại lý tỏa sáng là trong việc xử lý sự phức tạp và quy mô mà các đội bị kẹt. Chúng tôi đã nói rất nhiều về tính áp dụng cho các luồng làm việc tiếp thị, như đưa ra thông tin từ các tập dữ liệu khổng lồ, tự động hóa các nhiệm vụ lặp đi lặp lại và điều phối các quy trình trên các hệ thống theo thời gian thực. Khi các khả năng này được kết hợp với điểm mạnh của con người, kết quả là một bước thay đổi trong những gì các tổ chức có thể đạt được.

Trong tiếp thị, điều đó có nghĩa là giải phóng các đội khỏi việc thực hiện vô tận để họ có thể tập trung vào chiến lược, kể chuyện và đồng cảm với khách hàng. Nhưng cùng một mô hình này cũng áp dụng cho tất cả các chức năng trong doanh nghiệp: trong bán hàng, các tác nhân có thể đủ điều kiện và chuẩn bị cơ hội để con người có thể dành nhiều thời gian hơn để xây dựng mối quan hệ; trong thành công của khách hàng, các tác nhân có thể đánh dấu tín hiệu rủi ro và cơ hội để con người có thể làm sâu sắc thêm các đối tác; trong kỹ thuật, các tác nhân có thể tăng tốc phát triển bằng cách tự động hóa kiểm tra, gỡ lỗi và tạo mã, vì vậy các đội có thể tập trung vào việc giải quyết các vấn đề kiến trúc phức tạp và thúc đẩy đổi mới.

Tất cả những cơ hội này sẽ tạo ra hàng nghìn tỷ đô la giá trị và tôi yêu thích việc nhìn thấy các công ty đang đẩy giới hạn để định hình cách công việc mà mọi người làm sẽ phát triển theo thời gian.

Hãy tưởng tượng các đội tài chính với các tác nhân trí tuệ nhân tạo tối ưu hóa ngân sách theo thời gian thực, các đội nhân sự sử dụng các tác nhân để cá nhân hóa sự tham gia của nhân viên, hoặc các tác nhân hỗ trợ khách hàng di chuyển từ phản ứng sang chủ động.

Chúng tôi mới chỉ bắt đầu. Tương lai không phải là về việc trí tuệ nhân tạo thay thế con người, mà là về con người và các tác nhân trí tuệ nhân tạo làm việc cùng nhau để đưa ra các quyết định nhanh hơn, thông minh hơn và đồng cảm hơn. Đó là tương lai chúng tôi đang xây dựng tại Auxia.

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