面试
Yogi 首席执行官兼联合创始人 Gautam Kanumuru 访谈系列
高塔姆·卡努穆鲁， 是 Yogi 的首席执行官兼联合创始人。在创立 Yogi 之前，Gautam 曾担任微软的项目经理，负责微软产品套件中的自然语言处理和 Cortana 功能。之后，他担任 Clarke.AI 的工程副总裁，该公司因其先进的语音转文本和摘要算法而被收购。Gautam 毕业于弗吉尼亚大学，拥有计算机工程和经济学学位，并因其在企业软件和人工智能领域的杰出贡献而入选福布斯 30 位 30 岁以下精英榜单。
修道者 是一个面向消费品牌的人工智能客户洞察平台，它可以分析评论、客服工单和其他反馈，以发现产品层面的情绪和趋势。它通过“Ask Yogi”功能，利用实时查询洞察，帮助企业改进产品开发、营销和转化率。
您之前曾在微软从事 NLP 和 Cortana 的研发工作，之后又帮助 Clarke.AI 完成了一项收购。是什么促使您创办 Yogi？您的背景又如何影响了公司的使命？
真正吸引我创办 Yogi 的，是自然语言处理的潜力。在微软和 Clarke.AI 工作期间，我亲眼目睹了自然语言处理领域相对较小的改进（比如 5-10% 的性能提升）如何能够解锁数百个下游用例。但我也注意到，在演示中令人印象深刻的东西与真正为客户带来价值的东西之间存在差距。通过 Yogi，我们致力于弥合这一差距。我们希望构建能够带来切实可见影响的东西，例如，商店货架上产品的变化，可以追溯到我们平台生成的洞察。
在 Yogi 成立初期，让消费品牌相信 AI 能够洞察客户情绪这种微妙之处的最大障碍是什么？
质疑来自两个方面：一是技术本身，二是我们作为一家与大型企业洽谈的小公司。我们很快意识到，仅仅谈论产品功能是不够的，你必须展示它。这意味着在客户询问之前主动提供样品分析，当场解答实际的业务问题，并且从第一天起就始终提供价值。我们还明确表示，我们会在采用后解决任何问题。这种可靠性至关重要。
Yogi 使用 AI 和 NLP 从产品评论中提取情感。您能介绍一下，你们的平台是如何将原始的购物者反馈转化为细致、可操作的洞察的吗？
我们将其分为三个阶段：汇总、整理和分析。首先，我们从多个渠道汇总客户反馈：评论、调查问卷、支持工单，并确保其与正确的产品、SKU 和零售商准确关联。这比听起来要难。例如，同一款产品在多个网站上的商品详情可能略有不同。
然后我们整理数据。我们的第二层人工智能会像人类一样解读反馈。它能够识别正在讨论的主题、描述方式以及表达的情绪，而无需仅仅依赖关键词。
最后，我们进行分析。在这个阶段，我们通过高度交互的界面向用户呈现洞察。我们最新的工具甚至允许用户输入复杂的问题，例如“过去一年，我与三个竞争对手相比表现如何？”，并在几秒钟内得到答案。
Yogi 的 AI 模型与一般的情绪分析工具有何不同？是否有特定的技术可以帮助你们捕捉消费者反馈中的细微差别？
Yogi 就像消费者反馈领域的博士毕业生。通用模型，即使是像 ChatGPT 这样的高级模型，也像非常聪明的本科生：它们对所有事情都略知一二。我们专门针对这个领域对模型进行了微调，使用了我们自己的数据集并进行了大量的预处理。由于我们添加了情感、主题和产品映射等结构层，我们为模型评估的每段文本提供了丰富的上下文。
许多人工智能平台难以识别客户评论中的语境或讽刺内容。Yogi 如何应对非结构化且情感复杂的数据带来的挑战？
我们通过持续训练和用户输入来解决这个问题。我们的模型通过不断吸收讽刺、歧义或不断演变的俚语的例子来改进。我们还允许用户标记有问题的解释，然后我们会将其反馈到我们的训练过程中。这种微调不需要数百万个示例，只需少量有针对性的示例就能显著提升性能。
Yogi 如何帮助企业检测产品层面的问题、追踪情绪变化并实时做出反应？您能分享一个成功案例吗？
当然。总的来说，我们看到了众多用例，但常见的有三类。首先是产品创新：公司在推出新产品之前，会利用我们来探索新的产品类别，并识别尚未满足的需求。有些客户在产品发布前两年就开始使用 Yogi 来完善从配方到包装的各个方面。
其次，产品质量：如果一个团队修改了某个组件（比如咖啡机的某个部件），他们可以追踪产品发布后的情绪，看看投诉是否会激增。这适用于美容、食品和电子产品等各个行业。
第三，战略分析：我们看到一些品牌利用Yogi分析目标产品的消费者反馈，来评估潜在的收购机会。这是他们以前无法获得的尽职调查层面。
Yogi 目前被用于优化 PDP、协调营销信息，甚至追踪发货问题。这款产品是如何发展到支持如此多的工作流程的？
一切都以客户为导向。我们相信，消费者的反馈与公司的每个团队息息相关，从产品到销售再到支持。因此，当我们看到用户为新用途汲取见解时，我们会问：Yogi 能否原生地支持该用例？我们就是这样成长起来的。我们最初并非为市场营销或供应链打造的，但这些团队看到了价值，并提出了改进功能的需求。我们认真倾听了他们的意见。
您如何帮助公司监控竞争对手并在干扰因素构成威胁之前发现它们？
我们利用评论和评分等公共资源实时追踪竞争产品。我们的平台使用警报和“洞察信息流”来提醒异常情况，例如竞争对手产品的正面评价激增。我们的客户无需手动监控所有内容。Yogi 会持续扫描，并会在未经提示的情况下显示任何值得注意的信息。
您认为未来 3 到 5 年内人工智能驱动的消费者洞察将走向何方？Yogi 将在其中扮演什么角色？
两个关键的转变即将到来。首先是自动化。以前需要数周才能完成的任务，例如编制竞争对手对比报告，现在将缩短至数小时甚至数分钟。很快，用户就可以向 Yogi 提问，然后获得一份格式完整的报告或幻灯片。
其次是新型分析的兴起。人工智能将使快速、迭代的调查成为可能，而这些调查曾经过于昂贵或耗时，例如从公共数据中获取临时焦点小组式的洞察。我们相信，Yogi 完全有能力在这两方面引领潮流：加快研究速度，并实现全新的工作流程。
感谢您的精彩采访，想要了解更多信息的读者可以访问 修道者.
