متیو برناردینی مدیرعامل و بنیانگذار Zenapse است ، جایی که وی چشم انداز این شرکت را رهبری می کند و بر توسعه مدل بنیاد اختصاصی هوش مصنوعی خود به محصولات پیشرو در گروه نظارت می کند. وی با سابقه ای به عنوان بازاریاب محصول ، استراتژیست داده و تکنسین ، ترکیبی از تجربه کارآفرینی را به ارمغان می آورد – در صورت دستیابی به چهار خروج موفق – و تخصص شرکت هایی از طرف سازمان هایی مانند JPMorgan Chase ، Omnicom و Capgemini.
در طول حرفه خود ، برناردینی علاقه زیادی به هوش مصنوعی ، روانشناسی ، رفتار مصرف کننده ، تئوری بازی و آمار داشته است که همچنان به رهبری وی در Zenapse اطلاع می دهد.
ذرت یک بستر AI محور است که از طریق تجربیات باهوش عاطفی ، کسب مشتری ، تعامل و حفظ مشتری را تقویت می کند. Zenapse با استفاده از اولین الگوی بزرگ احساسات جهان (LEM) ، از بینش های روانشناختی و بهینه سازی مبتنی بر هدف برای کمک به مارک ها برای ارتباط عمیق تر با مخاطبان استفاده می کند. به سرعت استقرار و استفاده آسان ، نتایج قابل اندازه گیری در ساعت ها – نه هفته ها – در حالی که کاهش هزینه ها و افزایش ROI را ارائه می دهد.
Zenapse در اطراف تقاطع هوش هیجانی و هوش مصنوعی ساخته شده است. لحظه “آه” که منجر به ایجاد مدل بزرگ احساسات (LEM) شد؟
Zenapse دارای یک تیم بنیانگذار جانبازان با سابقه در زمینه های توسعه محصول ، تبلیغات ، بازاریابی و تجربه مشتری است که بیش از 100 سال تجربه ترکیبی در شرکت هایی مانند Capgemini ، Omnicom و JP Morgan Chase دارد. در طول مشاغل ما ، ما شاهد تغییر پارادایم جدید برای بازاریابان هستیم ، جایی که هوش مصنوعی نحوه فکر کردن و تعامل با مصرف کنندگان را تغییر داده است.
در چشم انداز دیجیتالی سریع امروز ، مشتریان انتظار دارند تجربیات شخصی و طنین انداز در تمام نقاط لمسی ، اما راه حل های سنتی بازاریابی فاقد سرعت و بینش مورد نیاز برای تصمیم گیری در زمان واقعی و تلاش برای برآورده کردن این انتظارات است. به طور همزمان ، از تصمیمات محصول گرفته تا تبلیغات تبلیغاتی ، رهبران با هزینه بالای استخدام اعضای مختلف تیم برای تکمیل این کار مبارزه می کنند.
برای رفع این نیاز ، ما اولین مدل بزرگ احساسات جهان (LEM) را ساخته ایم که به بازاریابان کمک می کند تا با وارد کردن هوش هیجانی به تجربه مصرف کنندگان خود ، درآمد و فروش را افزایش دهند. مارک ها با جهت گیری ارتباطات خود به سمت آنچه که از ارزش و علاقه به مصرف کنندگان برخوردار است ، به جای یک پیام “برند اول” ، می توانند تعامل معنادار تری ایجاد کنند که منجر به مشارکت بالاتر ، فروش ، حفظ و کسب مشتری شود.
چگونه یک مدل احساسات بزرگ (LEM) را تعریف می کنید ، و چگونه از نظر فنی و عملکردی با یک مدل سنتی زبان بزرگ (LLM) تفاوت دارد؟
مدل بزرگ احساسات ما (LEM) یک موتور پیش بینی کننده هوش مصنوعی است که از یک مجموعه داده ساخته شده است که بر اساس دانش بیش از 200 میلیون مصرف کننده با 6 میلیارد داده دیتاپی ساخته شده است. از طریق بینش های روانشناختی AI محور (به عنوان مثال ، اعتقادات ، احساسات و احساسات) ، شرکت ها می توانند درک کنند که چه چیزی باعث می شود مشتریان خود را تبدیل کنند-این ویژگی ها یا مزایای یک محصول ، تبلیغات ویژه و انگیزه ها ، تصاویر یا تماس ها برای عمل ، سپس به آنها اجازه می دهد تا محتوای برند را در اولویت مصرف کننده قرار دهند.
بر خلاف LEM ما ، که بر احساسات و رفتار متمرکز است ، مدل های بزرگ زبان (LLM) بر متن و کارکردهای مربوط به پردازش زبان طبیعی (NLP) بدون بینش عمیق تر در مورد آنچه بخشهای مختلف مخاطبان معتقدند و ارزش دارند ، تمرکز می کنند.
ما از طریق برنامه های Google Startup و Google Cloud Marketplace و همچنین آزمایشگاه های Lift Comcast با Google همکاری نزدیکی داشته ایم تا اطمینان حاصل کنیم که راه حل ما آماده سازمانی است و نیازهای بازاریاب های خواستار جهان را برآورده می کند.
چرا معتقدید که هوش هیجانی “پیوند مفقود” در اکثر سیستم عامل های بازاریابی امروز است؟
پاسخ ساده این است که بازاریابان نتوانسته اند مشتریان خود را واقعاً درک کنند زیرا فناوری میراث موجود بر جمعیت و رفتار متمرکز است. ما یکپارچه با ابزارهای شرکت هایی مانند Adobe ، Salesforce و Google برای ارائه نتایج فوق العاده ادغام می شویم.
95 ٪ از تصمیمات مصرف کننده ناخودآگاه و توسط احساسات هدایت می شود. با این حال ، برای ده ها سال ، مارک ها از داده های جمعیتی (به عنوان مثال ، کد پستی ، نژاد ، درآمد) و داده های رفتاری برای اطلاع رسانی به کمپین های بازاریابی استفاده کرده اند. در حالی که این نوع داده ها کاربردهای خود را دارد ، بیشتر تصمیمات خرید توسط احساسات هدایت می شوند ، که این نقاط داده در ضبط آنها ناکام هستند. در نتیجه ، بازاریابان با دقت و اثربخشی محدود مبارزه می کنند ، که اغلب به راه حل های عمومی متوسل می شوند.
اکنون ، از طریق LEM ما ، مارک ها می توانند برای ساختن این تصویر کامل و افزایش فروش و درآمد ، به بینش های روانی بپردازند. اثبات مفهوم نقش هوش هیجانی در بازاریابی در این تعداد نهفته است: ما به مارک های نام خانوادگی کمک می کنیم تا 40-400 ٪ نرخ تبدیل را افزایش دهند و 80 ٪ درگیری را افزایش دهند.
رایج ترین تصورات غلط شما در مورد نقش هوش مصنوعی در درک احساسات انسانی چیست؟
یکی از بزرگترین تصورات غلط این است که هوش مصنوعی در اینجا برای جایگزینی بازاریابان است. در Zenapse ، ما رویکرد متفاوتی را در پیش گرفته ایم – ما به بازاریابان کمک می کنیم تا بازاریابی و تبلیغات را با هوش هیجانی و هوش مصنوعی توسعه دهند که به آنها کمک می کند تا از طریق توانایی اتصال و درک مشتریان خود در یک سطح عمیق تر و عاطفی ، دیدگاه های خود را متنوع کنند.
کمپین های سنتی غالباً به جمع کردن مصرف کنندگان در دسته های گسترده ای که توسط جمعیت شناسی ، مانند سن ، درآمد و کد پستی تعریف شده اند ، متکی بوده اند که این امر ظرافت های آنچه را که انسان واقعاً به آن اهمیت می دهد ، نادیده می گیرد. با LEM ما ، بازاریابان می توانند مبارزات انتخاباتی را در مورد آنچه برای هر شخص مهم است ، تراز کنند.
به جای حدس زدن آنچه ممکن است طنین انداز باشد ، پلتفرم ما به بازاریابان کمک می کند تا با اطمینان تجربه هایی را ایجاد کنند که واقعاً طنین انداز باشد زیرا این بنا بر پایه و اساس هوش هیجانی ساخته شده است. این جایگزین لمس انسان نمی شود – این امر آن را قوی تر می کند.
از نظر شما ، چه چیزی در حال حاضر اعتیاد به مواد مخدره را از نوآوری واقعی در فضای AI + EQ جدا می کند؟
ما در حال ورود به دوره جدیدی از بازاریابی هستیم که با تجربیات هوشمندانه عاطفی تعریف می شود ، نه شخصی سازی سطح.
رفتار مصرف کننده به طرز چشمگیری تغییر کرده است. اکثر مصرف کنندگان اکنون تجربیات شخصی را ترجیح می دهند – آنها انتظار دارند که مارک ها بدانند که به چه چیزی اهمیت می دهند. این فرصتی را برای مارک ها فراهم می کند تا از هوش مصنوعی به گونه ای استفاده کنند که ارتباطات عمیق تری با مصرف کنندگان خود ایجاد کند.
تفاوت بین اعتیاد به مواد مخدره و نوآوری واقعی ، کیفیت داده ها است. LEM ما بر اساس دانش 300 میلیون مصرف کننده و شش میلیارد نقطه داده در زمان واقعی ساخته شده است ، که درک کاملی از مصرف کنندگان آنها را به مارک ها می دهد-کاری که قبلاً نمی توانستند انجام دهند.
چه نوع سیگنال های روانشناختی و داده های زمان واقعی LEM را قدرت می دهند و چگونه این مدل ها در دریاچه داده ها مدل می شوند؟
روانشناسی پشت LEM ما بر اساس چهار ستون است:
- اعتقادات – ما اعتقادات خود را به دسته های فردی ، از جمله اینکه چگونه آنها مانند پول ، دانش ، خانواده و متعلق به آنها ارزش قائل هستند ، از جمله دیگران گروه بندی می کنیم
- عواطف – به این فکر کنید که چگونه بعد از دیدن یک تبلیغ یا تبلیغ واکنش نشان می دهید. آیا این باعث شادی شما می شود یا شما را مضطرب می کند؟
- فعالیت -از باغبانی گرفته تا بازی ، ما انواع مختلف فعالیت های دنیای واقعی و دیجیتال را به خود اختصاص می دهیم
- رفتار – وقایع و اقداماتی که یک مصرف کننده در تجربیات یک شرکت انجام می دهد ، مانند تکمیل فرم ، تماشای یک فیلم یا خرید.
مصرف کنندگان به اندازه ذهن خود با قلب خود تصمیم می گیرند ، بنابراین می دانیم که پرداختن به مؤلفه عاطفی کلید باز کردن باز کردن ارزش واقعی در کل چرخه عمر مشتری است.
LEM به عنوان اعمال 6+ میلیارد نقطه داده در 300 متر+ مصرف کنندگان توصیف شده است. برای اطمینان از حفظ حریم خصوصی و شفافیت ، چه حراست و ملاحظات اخلاقی وجود دارد؟
حریم خصوصی مرکز توسعه محصول ما است. کل اکوسیستم فناوری ما سازگار با SOC2 است ، و مجموعه داده های ما هیچ مصرف کننده ای را که شخصاً قابل شناسایی (PII) را ضبط یا حفظ نمی کند ، ضبط یا حفظ نمی کند. داده های ما جمع شده و ناشناس است. ما همچنین سیاست های داخلی و شیوه های حاکمیتی را برای اطمینان از استفاده اخلاقی از هوش مصنوعی در هر مرحله از توسعه حفظ می کنیم.
آیا می توانید ما را از طریق نقش Zencore ، Zeninsight و Zenvision در قدرت گرفتن تجربیات مشتری باهوش عاطفی قدم بزنید؟
Zencore مدل روانشناختی مصرف کننده اختصاصی ما و موتور است که LEM ما را به قدرت می رساند. ZenInsight پایه و اساس داده های تجربیات باهوش عاطفی است. Zenvision ، در زمان واقعی ، این بینش ها را به پیش بینی هایی ترجمه می کند که در آن پیام رسانی یا محتوا با یک بخش روانشناختی مشخص می شود و توصیه های عملی را برای بازاریابان ارائه می دهد. با هم ، این ابزارها یک راه حل کامل برای بازاریابی با هوش هیجانی تشکیل می دهند.
چگونه Zenapse پیش بینی های عاطفی را در عمودی مانند خرده فروشی ، مخابرات و مراقبت های بهداشتی سازگار می کند؟ آیا موارد شگفت انگیزی از صنعت وجود دارد؟
ما در حال حاضر با شرکت هایی مانند Comcast ، Sam’s Club ، Aeropostale ، Bread Financial ، Bayada Education و Action Karate برای بهبود نرخ تبدیل تجربیات برند دیجیتال 40-400 ٪ همکاری می کنیم. در حالی که رانندگان عاطفی از نظر عمودی متفاوت هستند ، چارچوب همچنان سازگار است: ما آنچه را که برای یک مصرف کننده خاص مهم است رمزگشایی می کنیم و به مارک ها کمک می کنیم تا تجربیات خود را بر این اساس تراز کنند.
دیدگاه بلند مدت شما برای LEM چیست-آیا می بینید که فراتر از بازاریابی به حوزه های دیگر مانند مراقبت های بهداشتی یا آموزش در حال تحول است؟
در حال حاضر ، ما در استفاده از AI برای کمک به بازاریابان و تبلیغ کنندگان بیشتر با مشتریان خود ارتباط برقرار می کنیم و با گذشت زمان داده های ما همچنان بهتر می شوند ، LEM ما نیز همینطور خواهد بود. ما اخیراً این پلتفرم را فراتر از وب سایت ها برای پشتیبانی از CTV از طریق همکاری خود با LG AD Solutions و آزمایشگاه نوآوری آنها گسترش داده ایم. هدف ما این است که تا سال 2028 نقطه لمسی مصرف کننده کلیدی خود را گسترش دهیم – بازی های ویدیویی ، اتومبیل و خانه های متصل برای نامگذاری چند مورد.
چگونه می بینید که هوش مصنوعی هوشمندانه در دهه بعد از تجربیات دیجیتال تغییر شکل می دهد؟
توانایی ارائه تجربیات بیش از حد شخصی در تمام سیستم عامل های دیجیتال در حال حاضر قدرتمندتر از همیشه است و فرصت های جدیدی را برای مشارکت ایجاد می کند. هوش مصنوعی و هوش هیجانی همچنان به تصویب می رسند و هرچه این فناوری ها و بینش ها به طور فزاینده ای پیچیده می شوند ، آنها محرک تلاش های بازاریابی در تمام رسانه های دیجیتال خواهند بود.
تیم ما سخت تلاش می کند تا جلوتر از این منحنی بماند. ما اخیراً مشارکت ما را اعلام کرد با آزمایشگاه های نوآوری LG Ad Solutions برای کمک به تبلیغ کنندگان CTV ، تجربیات هوشمندانه ای را در اکوسیستم LG 200 میلیون تلویزیون هوشمند ارائه می دهند ، و ما در تلاش هستیم تا بینش خود را به سایر صفحه نمایش ها ، مانند وب ، موبایل ، AVS ، موسیقی ، فیلم ها ، اتومبیل های متصل و موارد دیگر ارائه دهیم
ما می بینیم که آینده تجربیات دیجیتالی توسط هوش مصنوعی و هوش هیجانی شکل می گیرد. مشاغلی که نتوانند با این تغییر تغییر کنند ، توسط رقبایی که سریعتر پاسخ می دهند به تغییرات در ترجیحات و رفتارهای مصرف کننده پاسخ می دهند.
با تشکر از شما برای مصاحبه عالی ، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید بازدید کنند ذرتبشر
