访谈
Gautam Kanumuru，Yogi 的 CEO 和联合创始人 – 采访系列
Gautam Kanumuru， 是 Yogi 的 CEO 和联合创始人。在创立 Yogi 之前，Gautam 曾在 Microsoft 任职，负责自然语言处理和 Cortana 的开发。他还曾担任 Clarke.AI 的 VP 工程师，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，获得计算机工程和经济学学位，并入选福布斯 30 位 30 岁以下的企业家榜单，因其在企业软件和人工智能方面的工作而受到认可。
Yogi 是一个为消费品牌提供客户洞察的 AI 驱动平台，通过分析评论、支持票据和其他反馈来揭示产品级别的情绪和趋势。它帮助公司通过实时、基于查询的洞察来改进产品开发、营销和转化率，所有这些都通过其“Ask Yogi”功能实现。
您之前在 Microsoft 工作过 NLP 和 Cortana，之后又在 Clarke.AI 工作了一段时间。是什么激发了您创立 Yogi 的想法？您的背景如何影响了公司的使命？
我创立 Yogi 的动力来自于自然语言处理的潜力。在 Microsoft 和 Clarke.AI，我亲眼见证了 NLP 的小小改进——比如 5-10% 的性能提升——如何解锁数百个下游用例。但是我也注意到了一种差距，即在演示中看起来很棒的东西与实际为客户带来价值之间的差距。我们希望建立一个能够产生切实、可见影响的东西，比如在货架上的产品变化，这些变化可以追溯到我们的平台生成的洞察。
在 Yogi 的早期，您如何克服消费品牌对使用 AI 分析客户情绪的怀疑？
怀疑来自两个方面：一方面是技术本身，另一方面是我们作为一家小公司在与大型企业谈判时的可信度。我们很快就学到了，不仅要谈论产品的功能，还要展示它的价值。这意味着在被要求之前提供样本分析，实时回答商业问题，并从第一天开始就提供价值。我们还明确表示，我们将在采用后解决任何问题。这种可靠性很重要。
Yogi 使用 AI 和 NLP 来提取产品评论中的情绪。您能否带我们了解一下您的平台如何将原始的购物者反馈转化为详细、可行的洞察？
我们将其分为三个阶段：聚合、组织和分析。首先，我们从多个渠道聚合客户反馈：评论、调查、支持票据，并确保它们准确地关联到正确的产品、SKU 和零售商。这比听起来要难。例如，同一产品可能在多个网站上有略微不同的列表。
然后我们组织数据。这是我们的第二层 AI 开始读取反馈，就像人类一样。它识别出正在讨论的主题、描述方式和情绪，而不仅仅依赖关键词。
最后，我们分析。这里我们通过高度交互的界面向用户呈现洞察。我们的最新工具甚至允许用户输入复杂的问题，如“过去一年里，我与我的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 模型与通用的情绪分析工具有什么不同之处？是否有特定的技术帮助您捕捉消费者反馈中的细微差别？
Yogi 就像消费者反馈的 PhD 毕业生。通用模型，即使是像 ChatGPT 这样的高级模型，也更像聪明的本科生：它们对一切都有一定的了解。我们专门为这个领域量身定制了我们的模型，使用自己的数据集和广泛的预处理。由于我们添加了情绪、主题和产品映射等结构层，因此我们为模型评估的每个文本提供了丰富的上下文。
许多 AI 平台在处理客户评论中的上下文或讽刺时都面临困难。Yogi 如何解决这些不受结构约束、情感复杂的数据的挑战？
我们通过持续的训练和用户输入来解决这个问题。我们的模型通过不断摄取讽刺、模糊性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，这些解释可以反馈到我们的训练过程中。这种微调不需要数百万个例子，只需要少量有针对性的例子就可以显著提高性能。
Yogi 如何帮助公司检测产品级问题、跟踪情绪变化并实时做出反应？您能否分享一个成功的案例？
绝对如此。我们看到很多用例，但大致可以分为三个类别。首先是产品创新：公司使用我们来探索新类别并在发布新产品之前确定未被满足的需求。我们有客户在产品发布两年前就开始使用 Yogi，以便在产品开发、包装等方面做出决定。
第二个是产品质量：如果一个团队更换了一个组件——比如咖啡机中的一个零件——他们可以跟踪发布后的情绪，看看是否会出现投诉激增。这种情况适用于各个行业，包括美容、食品和电子产品。
第三是战略分析：我们看到品牌使用 Yogi 来评估潜在收购的目标产品的消费者反馈。这是一层他们以前没有的尽职调查。
Yogi 现在被用于优化产品详细页、对齐营销信息，甚至跟踪运输问题。您的产品如何演变以支持这么多工作流程？
一切都是由客户驱动的。我们相信消费者反馈对公司的每个团队都很重要，从产品到销售到支持。当我们看到我们的用户为新的目的而提取洞察时，我们会问：Yogi 能否原生地适应这种用例？这就是我们成长的方式。我们最初并没有为营销或供应链构建，但这些团队看到了价值并要求增加功能。我们倾听了他们的需求。
您如何帮助公司监控竞争对手并在他们成为威胁之前检测到破坏者？
我们利用公开的来源，如评论和评分，实时跟踪竞争对手的产品。我们的平台使用警报和“洞察 feed”来标记当发生异常事件时，例如竞争对手产品的情绪突然激增。我们的客户不需要手动监控一切。Yogi 不断扫描并在没有提示的情况下就会浮现出任何值得注意的事情。
您认为未来 3 到 5 年内，AI 驱动的消费者洞察将如何发展？Yogi 将在这一格局中扮演什么角色？
有两个关键的转变即将发生。首先是自动化。曾经需要数周的任务，如编制竞争对手比较，现在可以在几小时或几分钟内完成。很快，用户可能会问 Yogi 一个问题，并在几秒钟内得到一个完全格式化的报告或幻灯片。
第二是新型分析的出现。AI 将使快速、迭代的调查成为可能，这些调查曾经由于成本或耗时而不可行，例如从公共数据中获得类似焦点小组的洞察。我们相信 Yogi 很好地适应了这两个领域：加速研究和使新的工作流程成为可能。
感谢您接受这次精彩的采访，希望您能通过访问 Yogi 来了解更多信息。
