Anastasia Leng，CreativeX 创始人兼首席执行官 – 访谈系列

阿纳斯塔西娅·冷 (Anastasia Leng) 的创始人兼首席执行官 创意X，一家为全球最受欢迎的品牌提供卓越创意的公司。 通过大规模分析创意，该技术旨在通过数据的清晰度来推进创意表达。

您在 Google 学习营销并呆了 6 年。 您从这次经历中得到的主要收获是什么？

谷歌的营销与传统营销相去甚远。 2007 年至 2012 年我在那里所做的工作是营销、产品和业务开发的混合体。 我所有的工作都集中在首次推出、定位和说服人们使用或购买新技术或产品。 以下是我今天仍然记得的最重要的三个经验（并且惹恼了我们的营销团队）：

1. 始终把用户放在第一位：这看起来很简单，但令人惊讶的是有多少营销人员将此视为陈词滥调。 不要假设您想要的就是您的用户想要的（这是我一次又一次看到的错误）。 事实上，2016 年 Thinkbox 的一项研究和 2018 年 Reach Solutions 的一项研究将营销人员的信念与公众的信念进行了比较，结果发现我们错误地将自己的许多信念归因于我们的客户。 研究人员将其描述为“同理心错觉”，它确实提供了一些数据来证明我们需要更好地理解我们的用户。

2. 始终避免使用行话：谷歌在向我们灌输清晰、简单的沟通价值方面做得非常出色。 甚至他们的条款和条件都是以没有法律学位的人有机会理解的方式编写的。 因此，我对“思想领导力”或“全渠道”等术语有一种巴甫洛夫式的畏缩反应，我尽最大努力推动我们的团队和我自己，用简洁、人性化、平易近人的语言表达我们的观点。

3.衡量一切：在我的谷歌职业生涯的早期，我犯了一个菜鸟错误，即通过说“我们过去是这样做的，所以我们应该在这里再次这样做”来合理化我的决定理由。 我选择了舒适和熟悉，而不是真正理解眼前的情况到底需要什么，而同行的回应足以让我避免再次犯同样的错误。 这是显而易见但很少实践的：使用数据来指导您的决策。

CreativeX实际上是您的第二家初创公司，您能分享一下它背后的创业故事吗？

我于 2012 年离开 Google，创办了 Hatch，这是一家销售可定制生活方式产品的电子商务公司。 我们的论点是，典型的在线购物体验令人筋疲力尽，消费者不得不滚动浏览一页又一页不太合适的产品。 中小型企业承担了预测消费者需求的重担，并持有未售出的剩余库存。 我们的解决方案是创建可定制的零售体验，每个产品都可以进行调整以满足客户的规格，同时降低制造商承担的库存风险。

这仍然是我深信不疑的想法，但如果没有大量的资本投资，电子商务企业就很难起步。 当我们构建 Hatch 时，我们自然会花很多时间思考如何让消费者访问我们的网站，并且我们被迫与所有常见的嫌疑人（Google、Facebook 等）争夺消费者的注意力，但只与一小部分人竞争。财政资源。 鉴于我们无法出价超过主要电子商务参与者，我们开始思考如何才能智胜他们。 我们对一切做出基于数据的决策：我们的受众、我们投放广告的时间、关键词等等。除了创意本身之外的一切。 我们意识到创意资产是我们营销中最重要的部分，但却是我们了解最少的部分。

我们开始构建技术来解决这个问题，正是该技术最初用于我们自己的内部分析，导致了 CreativeX 的诞生。 如今，CreativeX 提供的技术可通过衡量、跟踪和提高创意质量、品牌一致性和内容表达来帮助品牌实现卓越创意。

您能否讨论一下 CreativeX 使用的不同机器学习技术将图像和视频分解为数千个属性？

CreativeX 处理引入我们系统的每一个创意资产（图像、视频和 GIF），并使用各种技术来收集和创建一套全面的元数据，使我们能够以定制的方式正确对这些资产进行分类。

我们分析每项创意资产的四个要素。

1.图像和视频文件：我们从每个文件中提取公共属性，包括资产长度尺寸、文件类型等。

2.图像和视频内容：我们使用两种技术来理解每个图像和视频中的内容。

• 计算机视觉：这使我们能够大规模地理解任何视觉内容，并且数据会以每个创意资产的数十个、有时数百个标签的形式返回。
• 光学字符识别：这使我们能够识别创意中使用的任何单词。 该技术不仅决定了所使用的文本量，还决定了任何特定于文本的品牌要求（即标语、定位、语言等）。

3. 每个视觉效果随附的副本：如果创意已上线，我们还会添加任何随附的文字描述。

4. 视频声音文件：每个音频文件都被翻译成可解析的文本，以便为每个品牌设置音频规则。

我们构建了工具，以智能方式组合所有数据，以可扩展且准确地分析对象的存在以及营销人员想要衡量的概念。

定制测量的视觉线索和元素有多重要？

为每个品牌定制追踪内容的能力至关重要。 数据的强大之处在于它能够清晰地阐明与您的组织相关的内容，这就是为什么营销人员可能很难使用现成的通用计算机视觉识别技术。 这是我们在 Hatch 早期遇到的问题：我们可能会检测到裙子的存在并了解我们使用它们的频率，但如果你是一家汽车公司，这种洞察力就无关紧要了。 这就是为什么我们投入了大量时间来定制我们提供的检测类型，以便我们可以将其映射到该品牌、其行业及其挑战的独特之处。 这通常包括建立反映该品牌的指导方针或声音、其在市场中的定位、其与竞争对手的差异化方式的检测，并最终触及该团队营销人员正在争论的重大创意问题的核心。

从此应用程序中可以获得什么类型的可操作的见解？

CreativeX 技术可以帮助您深入了解所有图像和视频内容的创意质量、品牌一致性、合规性和表现力。 有了这些信息，营销人员就可以根据每个平台所需的独特参数以及他们（及其代理机构）在推广和推广上花费的资金来确定他们的内容有多少符合最低质量标准，并为成功做好准备。制作遵守（或不遵守）这些标准的内容。 他们可以衡量品牌团队在品牌沟通方面的一致性（他们是否步调一致？始终使用相同的独特品牌资产？）以及他们的选角决策的代表性。 所有这些都可以帮助营销人员重新控制其创意内容，以真正理解和大规模衡量其创意决策的健康度和一致性。

CreativeX 对数千个广告进行了种族和性别分析，该分析的结果是什么？

我们分析了美国的 2,378 个 FMCG（快速消费品）广告，发现尽管代表性主题备受关注，但包容性代表性的现实仍然需要做很多工作。 我们的 种族多样性分析例如，研究表明黑人更有可能出现在以运动或锻炼为主题的广告中，而不太可能出现在领导角色中。 当我们看着 性别代表性，我们发现品牌仍然延续着负面的性别刻板印象：男性在职业角色中占主导地位，女性更有可能从事清洁等某些家务活动。 尽管男性在银幕上的出场次数较少，但他们仍扮演更多的演讲角色，但我们看到女性在领导角色中的形象有所增加，取得了一些进展。

您还可以通过哪些其他方式看到机器学习在未来 5 年内改善广告格局？

我们的一位投资者曾经说过，许多声称使用机器学习的行业都有机器，而且它们具有学习能力，但人们并不总是清楚是机器在学习。

我的观点是，我们将看到机器学习在广告中更深入（或在某些情况下，实际）应用，以继续改进该行业已经在做的基本事情：预测消费者点击和购买的倾向（定位），根据消费者数据生成创意变体（动态广告创意），解析更多数据以生成见解（报告）。

机器学习很可能会被用来弄清楚哪些其他信号可以替代 Chrome 上第三方 cookie 和 iOS 上 IDFA 的丢失，以及我们如何在丢失这些信息的情况下继续个性化广告。

关于 CreativeX，您还有什么想分享的吗？

有点厚脸皮，但是……我们正在招聘！ 如果您已阅读本文的底部并且对如何更好地结合数据和创意表达感兴趣，我们很乐意与您交谈！

感谢您的精彩采访，想要了解更多信息的读者可以访问 创意X.