特赞的进化:科技赋能想象力

2018年8月15日,「 共同进化:特赞战略发布会 」在上海梅赛德斯奔驰文化中心音乐俱乐部举办,吸引了200余位来自资本、企业、媒体、创意界的观众到场参加。发布会宣布了特赞的战略升级,并发布了特赞的数据智能产品。同时我们也邀请到来自线性资本、靖亚资本、联合利华、阿里巴巴、星巴克、霍尼韦尔、张江集团、宝沃汽车、威马汽车、NAUTICA、经济学人的行业领袖现场对谈,分享有关数据、智能的见解与洞察。

(以下为特赞创始人及首席执行官范凌和联合创始人及首席产品官王喆的演讲实录,全文共8163字,阅读大约需要30分钟。)

范凌:数据助力想象 

范凌

特赞创始人及首席执行官

大家好,今天是我做演讲有史以来最紧张的一次。以前都是讲别人的东西和别人的知识,今天终于第一次要把自己做的东西拿出来分享给大家。这是特赞第一次做这样的发布会,为什么做这次发布会呢?因为我们发现,每一次我们在发布一个产品的时候,都要花很多时间来介绍我们后面到底做的是什么,所以我想今天占用大家一些时间,和大家讲讲我们在过去三年做了什么技术、数据、产品,也希望通过这一次分享让大家更加了解特赞现在究竟在做什么。

1

我的演讲主题是“数据助力想象”。特赞刚刚成立的时候,我们做了一个社区,Tech+Design,加起来就是Tezign,特赞。这个社区是一个愿景,是想把设计和科技结合起来。慢慢地,我们意识到,我们其实是希望将科技和想象力结合起来,让科技能够助力想象力。想象力的要素不止设计,还包括营销、体验等等,所以在资本、伙伴和用户的帮助下,我们逐渐发展起来,也逐渐清晰了我们的使命——让科技赋能想象力。

2

每一个阶段的科技发展都有动力,19世纪来自于石油,20世纪这个动力来自于电,21世纪我们认为最主要的动力来自于数据。科技动力到底给我们的经济带来什么样发展?让我们回溯一下。

19世纪工业革命通过大规模工业化生产,让我们每一个人获得一个产品:一辆车,一台冰箱或是电视机。通过大数量小品类的方式,我们其实不在乎我们的电视机是不是和别人家的一样,我们关心的是有还是没有。

到了20世纪,我们关注非物质性的东西,关注声音、音乐、文学、娱乐——一切用脑和心生产的东西。因此那时候是谁做的,是谁写的,是谁发明的变得很关键。这个阶段是小数量大品类

过去20年,随着互联网发展,数据得到积累。但是这个积累主要集中在消费端,所以我们可以用数据描述来描述消费者。我很喜欢的一位经济学家说过,我们终于在数据大环境下回归到了经济的本质,就是人性。换句话说,我们最终通过数据回归到了人性。

3

我们看到了消费端数据积累,通过人、人消费东西,在哪个场景进行消费,用何种方式获取,产生了人、货、场这种结构化消费者数据的方式。而过去20年甚至是30年、50年,供给端却没有太大变化。我们还是把大量用户调研拿过来,跟广告公司、咨询公司、策划公司讲,我们要怎么做消费者洞察,怎么做策划,还是非常线性的方式——投放之前并不知道效果如何,做之前不知道结果如何。这个过程当中供给端数据没有沉淀成数据资源,从而大大放慢了经济指数级的成长速度。

4

做特赞之前,我是大学老师,研究的是高技能人才如何通过线上的基础设施进行工作。我们发现,对于高技能人群来说,供给方式变得越来越细分。MIT 有一个教授讲到,供给侧的趋势越来越转向超细分,也就是说我们不再以平均能力衡量一个人了,而是以不可被取代能力去衡量这个人

弗洛伊德说过,垃圾是没有被放对地方的资源。怎么记录这种超细分能力,让设计、创意、营销、体验这些过去被看作是消遣的能力,现在在供给侧具有自己的特殊性?我们认为,一定要转化为可以用数据进行描述、搜索、发现、挖掘、分析。这个场景下,我们必须做到把供给能力数据化,才能做到资源化。

5

特赞很幸运。在过去的三年里,我们有机会去合作很多大型企业,也有机会和很多组织在一起进行共建共创。这个过程当中特赞像一个供给平台:我们把资源汇聚起来,有设计资源、创意资源、营销资源、体验资源。这些资源汇聚起来后通过数据方式被记录下来,不停地通过各种方式被企业基于某种场景、某个项目、某种问题调用,按时按需大量并发。这个过程当中我们像自来水,能够随时随地取用。

通过这种模式我们积累了大量供给端数据资源,累积了30000个以上的供应方,包括个人、团队、公司等等,来自不同的国家、地方,拥有各种各样的能力,也累计做了两万多个的项目,有八千多个不同规模需求的客户。

6

对特赞来说,什么是供给平台?用这个图可以表达,在我们做的很多项目里,我摘取了一些放到这个象限上,从左往右是简单和复杂,从上往下是线上和线下。过去当我们用供应商的方式看待供给能力,一个人一个团队一个公司只能在某一个小区域内有领先优势,但是我们用平台看,就可以做到全面覆盖,我们可以做到全面的、多样的,复杂的,并发的创意服务。

7

我有的时候会引用一个类比——如果我们认为云计算是通过智能调配运算资源做千万次运算,特赞想做的是能够用智能方式调动创意资源做千百次创意服务并发。这个过程当中,我们通过三者之间留下来的元数据点,有两亿多条。

对应刚刚在消费端资源提到的“人货场”这个概念,人是供应方数据,力是指能力(有设计创意营销体验能力,也有服务质量方面的能力),场是场景,是什么样场景下产生价值。

8

为了处理这么大量的数据,我们开发了两个引擎。一个是Tezign.MIND,这是创意能力机器学习引擎,通过机器学习方式建模,是一个动态成长的过程。另外一个是Tezign.EYE,是将内容数据通过图像识别技术积累下来,能够进行数据化,标签化,能够进行合规保护,甚至能够做人工智能批量化生成。

其实图像识别算法已经非常成熟,但是因为我们有大量设计、创意、营销、体验的相关数据,这些数据可以训练出一个不一样的图像识别引擎。这个引擎是给创意行业赋能的。通过数据资源和技术引擎,我们有能力高并发处理多样的,复杂性不一的创意任务。

9 - 副本

所以我想讲一个很简单的逻辑,帮助大家理解我们想做什么事情。过去人类教机器下国际象棋,是需要教给它规则和如何做决策的,所以它是超级大脑。随着深度学习发展,越来越多基于数据、统计、概率,一个机器像AlphaGO那样大批量阅读棋谱,其实变相棋谱就不是棋谱了,棋谱是很多人和棋手运用在里面的思考、经验、判断,只有机器可以阅读这么大量数据作为基础。从左到右,机器是在助力人们去完成很多之前人无法完成的事情,是在助力想象力。

10

讲两个案例,这两个案例都是我们日常工作当中和我们的客户一起尝试的方法,来自于客户对我们模式的理解和支持。

第一个是非常典型的创意需求。某国际知名快消品牌,希望通过包装换新方式触达更年轻的消费者。过去针对这样的商业需求,可能要产生这样的过程——通过人力调研、分析、比较,然后产生策略,策略再落实到创意执行方案。这个过程是0到1,是从无到有,涉及大量沟通、交流,分析,这个分析在里面消耗了大量时间和精力

我们当时做了一个尝试,我们想找到另外一个方式,把设计需求数据化为一系列描述——快消品牌描述,包装换新描述,触达人群的描述。这些描述在平台上,在过去三年积累下的数据里面能发现若干趋势。我们暂且认为是五个趋势。这五个趋势会实时反馈给企业,客户在24小时之内就可以进行讨论,看看这五个里面是不是有三个是适合自己的或者是自己想做的事情。

我在这里想表达的不是这五个趋势的绝对正确性,而是讲我们怎么样把创新由从0到1,变成一个选择的过程。因为从这五个趋势里面选择三个是相对容易的,或者说选三个大家可以讨论是相对容易的。根据三个趋势我们可以很快地进行供给方匹配,接近于实时。一般来说,72小时之内,一个企业就可以看到5个趋势,3个确定方向,9组供应方,18个不同意向。

数据在这个场景里不代表直接能生成创意结果。创意还是人所带来的价值,但是数据可以帮助人不断聚焦,让人干自己最应该干的创造性工作。而方向、流程就可以交给数据去做。

11

第二个例子,借用一个很具体的场景。今年年初我们有机会做一个星巴克的项目。这个项目是给25个城市做25张不同的城市卡片。星巴克在本地化上一直做得非常好。本来其实是一个很简单的创意内容,但是我们特别希望能够把我们的数据智能放在里面,创造一个更有深度的故事。

当时正值春节前,当场景数据输入的时候,我们在想能否让场景变成乡愁,能不能让每一个城市都唤起某种记忆,唤起25个城市的乡愁。于是我们在人的数据上做了一些讨论,将供给方按照是不是本地人进行了分类,得到了一些很有趣的结果,拿上海举例:有些供给方是上海人,在北京生活,上海唤起的乡愁是儿时的回忆;有些供给方是东北人,曾在上海生活,上海唤起的乡愁是他在这里上学、工作的记忆。

我们最终调用了25位不同的供给方分别为25座城市绘制卡面。过去要调用25个不同城市的场景是很难的,而特赞不仅仅可以调用25个,我们可以调动250个,可以调动所有中国的甚至是全球的城市。这个过程中数据智能带来新的人性,回归到了前面我很喜欢的“人性经济”这个词。

数据做自己的事情,人只要表达感情,做自己喜欢做的事情就可以。

12

从这些卡里我们可以看到“熟悉”,有很多熟悉的东西,但是也可以看到“不熟悉”,这些不熟悉就是这些创意方他们自己的故事,也许故事是他所使用的颜色,也许故事是他所使用的某一个元素。每个卡有一百多层,一百多层内容里面总有一层打动你,这是我觉得数据助力想象一个非常有意思的例子。

13

大家今天回去后打开特赞的网站,可以看到我们有了右边的数据智能解决方案,而过去我们只有供给平台。通过合作伙伴、平台资源、项目和数据的积累,我们已经有足够信心把特赞背后的部分开放给所有的平台生态伙伴。

14

当我们把数据资源从特赞数据变为所有企业数据,我们可以帮助企业在供给侧做数据沉淀,利用技术引擎把沉淀的数据、内容变成数据资源,把数据资源进行精细化管理,也可以灵活调配资源,做到智能预测、智能生成,甚至可以帮助企业去做智能决策。所以当我们把自己的资源方开放给不同的企业时,我们希望成为企业在设计、创意、营销、体验供给侧的智能合作伙伴。

15

最后用这一段话做结尾。因为我们在和数据打交道,又是在创意行业,所以经常会被问到,到底人工智能和人的创意之间有什么关联?我认为,这是最好回答这个问题的一句话。

人的想象力有时候会受到自身的经验限制。我们需要花很多时间和精力去突破自身经验和逻辑的束缚。而这个过程中,数据智能是可以帮助我们超越自身的经验、逻辑、方法。人做人的事,机器智能做机器智能的事情。上一百层楼本来就应该是机器做的,但我想当人有机会上到一百层,他想的问题还和他在第一层想的一样,那就是人的问题了。

所以这次的发布会主题以及一直以来我们强调的都是“共同进化”的概念,是人和机器怎样在未来共建一个更有想象力的场景、项目和合作方式。我希望这句话能够伴随特赞走入下一个战略阶段。

16

最后感谢所有今天来到现场的嘉宾。上半部分是我们一部分的企业客户,今天也来到了现场。下半部分是今天来到现场的很多合作伙伴。我们也希望合作伙伴能够把我们“共同进化”这个观念,能够把我们的一些数据方法带到行业当中,带给更多人。谢谢!

17 - 副本

王喆:数据超越想象

王喆

特赞联合创始人及首席产品官

大家好,今天我来给大家分享一下特赞与数据的故事。数据是21世纪的电,是数据让我们有了想象力。人类每次科技发展都是因为想象而起的。我们想去远方,所以自己发明了工具,我们想通过数据看到智能,所以我们用互联网产生了运算和智能。先和大家一起简单回顾下过去快速发展的20年,数据经历了这么几个阶段:

第一,结构化数据上云。从数据不能上云,到后来发展出一些工具(比如 excel表),帮助企业把很多容易结构化的数据进行了存储、运算和上云。

18 - 副本

第二,流程上云。比如 Salesforce 这样的第一代 SaaS,第一次把销售理论形成一种流程,形成一种规律、习惯、经验,在云上帮助每一个销售行业从业者,按照流程收集数据,进行技术运算。数据流程上云,能够帮助行业销售流程产生进化。这样的 SaaS,帮助企业产生了智能。

当这些结构化的数据上云之后,下一个问题是非结构化数据如何上云。首先,非结构化数据都有哪些?

特赞处理了很多设计创意营销领域的非结构化数据。比如说,设计文件是非结构化的,我们很难定义一个设计是什么样的属性;还有一些压缩文件,本身也是非结构化的。除了这些设计文件之外,整个设计创意营销领域需求和供给对接过程中产生的大量数据也是非结构化的,比如一个需求,需求是通过 word 文档描述的;还有甲乙方项目进行过程中对接产生的数据,比如怎么样报价,报价之后怎么样沟通等等。

这些数据就是这个行业的非结构化数据。非结构化数据的难点是难以存储、复用、产生智能。特赞过去三年中做了大量设计创意营销需求与供给的匹配,积累了大量的流程数据和一套非结构化运算模型,这促使我们思考怎么把这个行业非结构化的数据能够变得容易存储,变得容易产生智能。

经过对大量行业非结构化数据和过程数据的处理,我们沉淀出了两个引擎。一个是Tezign.MIND——创意能力的数据化引擎。创意是一个非常主观的行业,每个人有不同的喜好和不同的能力,而能力和喜爱还会随着经验增长而改变和提升。究竟要用什么样的动态模型去描述创意能力?我们尝试用 Tezign.MIND 来对供给能力进行描述。除了 Tezign.MIND,还有 Tezign.EYE,它帮助我们用机器,用设计的眼光看待创意素材内容。

19

Tezign.MIND 是创意能力的机器学习引擎。过去我们通过平台上30000+创意方,以及他们服务过的十万计项目,完成的百万、千万次商业匹配,沉淀出了这个行业的数据。那么我们如何用模型来描述它们呢?分为五个维度:

  • 第一维度,身份背景。设计是和人所拥有的文化背景高度相关的。东方设计师和西方设计师天然因为文化教育背景而导致设计表达有很大的不同。我们认为一个人在哪里出生、上学、工作,这些身份背景都会影响到他在这个领域维度模型建立。我们供给方还有很多小型实体,这些实体成立的资质和年限,也是身份背景的一个重要角度。
  • 第二维度,创意能力。过去描述一个设计师设计如何,大家主要是看作品集。作品集总是围绕设计上的表达,但我们认为除了从设计创意维度描述创意能力以外,商业能力也同样重要,于是我们开始思考如何把作品集变成案例。作品集变成案例过程,就是我们把商业和设计有机结合在一起的过程。一个案例中所包含的信息,比如服务的是什么品牌,这个品牌所属什么行业,这个品牌在整个消费生命周期当中是成熟还是新发,这个品牌在不同阶段对行业的影响如何,以及它是如何和消费者传达自己的品牌理念等等。

    一个创意方在服务很多不同品牌、不同行业的过程当中也在不断了解消费者,这些都会成为创意方能力进步的因素。通过数据建模方式鼓励创意方积累自己的经验,也鼓励他丰富自己的横向能力,这个能力又可以帮助企业更好、更高效地找到符合自己的创意供应方,促使这些供应方通过技能互补、配合完成任务。

20

  • 第三维度,交易行为。除了身份背景和创意能力,特赞作为交易平台,还积累了大量交易数据和交易行为数据,以及海量创意供给方与客户真实的交易场景。创意方在网站上的每一个行为都可以反映他对这个行业的喜爱和专业程度。平台每一个供应方他们会对什么客户感兴趣,对什么项目感兴趣,打开这个项目后花了多久进行构思,如何表达自己对这个项目意向,这些数据都会被获取和沉淀。
  • 第四维度,服务质量。执行过程中发生了多少沟通,服务态度、响应速度等等这些都会成为专业能力和整个服务能力的综合体现
  • 第五维度,承接规模。创意方在平台上随着服务品牌和服务行业数量的增加,自己对项目复杂度承接能力也会上升,也会考虑成立 B 端小型供应实体,承接规模也会逐步提升。这些也会被运用到模型里。我们通过这样的模型,就能够帮助企业在海量供应方当中选择时,每次商业匹配都能够更迅速,更实时。

21

我们通过 Tezign.MIND 引擎收集数据,这些数据在运算过程当中发生一些相互拟合,在构建模型,支撑上游两个场景下帮助我们。同时我们也把我们的模型给到了行业伙伴,让他们用这个模型给自己的资源建立模型,以做到海量调用。

22

除了 Tezign.MIND 以外,我们发现过去几年中特赞也积累了大量的行业创意素材。我们在想这些创意内容背后,这些创意素材意味着什么。

于是我们开始研发,讨论用一个什么样的学习引擎去理解这个图片背后的设计意义,很快 Tezign.EYE 就诞生了。

23

拿一个图为例子,这是一个平台上创意方的插画。传统的视觉内容学习,大家会关注这个画上有什么内容,可能有一个孩子,有一张脸,有一只燕子,有很多物体。传统的商业视觉识别力在物体识别领域已经是发展得很成熟,但对于图片背后视觉语言的识别体系还未建立起来。我们开始尝试用我们的创意方来对图片进行标注,用人对图片进行标注,通过标注产生智能,Tezign.EYE 可以看到这个图上有多种字体,除了字体还能看到是这张图是什么风格,风格背后代表了什么情绪,情绪又如何让消费者产生共鸣,以及这个图的用色、用色组合、用色比例等等。我们认为对于颜色、风格、情绪的把握都会影响到创意方做一张创意作品,以及他们与消费者互动产生共鸣。

24

我们把 Tezign.EYE 的背后能力分两个维度,一个是收集元数据。Tezign.EYE 更加关注一个图片上到底有什么字体,到底是什么风格,这个图片更适用于什么行业,这个图片是什么类别,是插画还是海报,在什么应用场景下会产生什么作用,颜色配比是否合理。通过元数据积累产生了很多元应用,这些元应用是在商业场景中有非常真实的,能够节省大量人的时间的,也有一些是人难以做到的,比如说图片是否存在抄袭情况。

现在对企业来讲,在很多设计创意领域的抄袭,不仅仅会产生经济影响,更多是对消费者的心智影响,大家不希望看到一个大品牌有抄袭风险。所以每一家大型企业都会花大量人力物力去防止这个事情发生。比如品牌方的合同里面就会写得很严格,它们也会成立多个合规部门。但毕竟人的精力有限,百密一疏。而当这些图片上云产生智能,我们就可以实时对海量图片做上百万级的对比。每一个图片特征做进行分析判断:这个作品上是否有一些小的元素和其他设计作品元素完全一样,设计手法是不是和某些手法相近,这些相近是否引起抄袭风险,我们都可以通过这个引擎对企业进行预警。

除了抄袭还有品牌合规检测。一个成熟品牌都有自己的品牌规则书,通常是在描述 logo 如何使用等规则。公司会对自己公司内部的设计师以及公司外的创意合作伙伴不停地做这方面的培训,让大家遵照这个品牌规则书进行艺术创作。

最后真正创造出来的内容,会通过引擎来检测是否符合品牌规范。这是一个很基础的应用。除此以外我们也在做一些例如内容、文案是否违反广告法的识别检测,还有这些素材对于一定的目标受众的喜好预测等。

25

特赞从能力维度和素材维度构建出了这两个技术引擎,产生了六个主要智能模块,解决实际商业过程当中大家每天遇到的问题。比如智能需求,这些需求如何成为品牌方内部横向传递知识,产生有延续性的知识库。人才建模,人的能力到底怎样去描述,自己的人才资源拥有什么样的能力,洼地在哪里;并发流程,如何在过程中高并发的管理;每次过程是否合规,进行合规检测;以及可否用人工智能技术产生更广泛的智能生产;在项目结束后如何去全域评价。基于这六大模块,我们支撑起来两个解决方案,一个是创意供给平台,是如何用智能流程和技术引擎调动特赞自己的供给能力,另一个是把整个人才供给建模能力和数字化检测能力赋能给甲方,让甲方给自己资源产生数据智能。

26

第一,智能需求分析引擎。无论是品牌方还是创意方,他们都会通过使用一些参考图来表达他们的意向和需求。特赞利用自己的海量处理分析能力,把每次前期品牌方给到的参考图和创意方每次报价提供的参考图进行分析处理和建模。通过数据积累就可以看到,品牌方过去通常喜欢什么样的设计创意风格,每次作品出街后消费者的反响如何。这些数据产生智能可以帮助企业未来在每一次新数据产生的过程里,能够提前预知这个设计风格表达在现有的目标受众人群里受欢迎的可能性有多少。

27

这是一个具体的 brief,一个想做“潮”“酷”方向的创意brief。本来,每个人对于“潮”“酷“这个概念的理解都不同。我们把这些不同的表达进行建模,判断出到底哪种是甲方想要的,更好地帮助甲方和创意方沟通。这是我们创意需求 brief 的能力。

31

除了需求智能之外,我们也对人才进行建模,包括对人才供给能力的数据化,需求匹配度的量化和相关经验的具体化。

29

当我们有很多项目,有很多供给时,必然会产生如何并行管理项目的问题。这个项目处于什么阶段,每一个项目是否有交付物提交,创意方是否按时提交,如何让部门一站式全平台管理自己的项目,都成为了值得注意的问题。通过并发管理流程,每一个项目组人员都能随时了解这个项目过去发生了什么,现在处于什么阶段,每一个阶段创意方应该交付什么任务。

30

高并发产生大量内容,如何让品牌合规实时监测设计过程稿和最终稿?我们利用Tezign.EYE搭建品牌合规引擎,至今为止已经处理了百万次的检测。在高并发流程过程当中,我们可以让系统自动检测每次的过程稿是否符合品牌规范,也可以把历史文件批量经过合规引擎,一次性处理,然后把合规报告发送给品牌团队。

31

当我们一次次利用 Tezign.EYE 处理图片和合规,机器也慢慢知道了什么图片是正确的,什么图片是错误的。特赞可以利用这个元数据可以产生什么样的智能?我们开始拿一些真实场景做一些尝试。

我们试图把过往数据结构化,数据化,用我们的机器训练做生成。一个品牌方就拥有很多设计文件,有很多PSD文件,如何用这些过去已经很成熟的PSD文件进行人机结合的尝试。人如何把PSD变成可被机器处理文件,机器如何把元素针对不同场景做匹配,这些场景如何做每一个素材实时变换等,变成了我们思考的问题。

(此视频中用到的所有素材仅用于技术展示说明,并非实际商业场景中已投放案例的素材)

消费者的注意力集中时长变得越来越短,这就意味着每天需要产生很多内容。如何产生海量内容和消费者细分?同一种产品如何用多种方式和消费者互动?比如说,消费者们喜欢不同的明星,那我们就应该看到这个产品的海报有不同明星的出现。尤其是在电商这样的场景下,有的素材只有短短一天的时效性。我们应该大量利用这种机器生成的能力,完成和海量消费者大规模个人化的互动体验。

32

当我们产生这些项目之后,大家就开始关心我们的供给能力,关心我们要用什么样的模型来评价供给。实际上,我们自己运用了一个全域评价的模型,通过项目执行方,整个行业都会给我们每一个项目进行多维度评价,这里面包括关于设计能力,关于服务,关于专业性的评价,除此之外还引入 Peer Review 的机制,让更多人参与到这个评价过程中来,让大家对这个设计和内容本身产生全方位、多角度的评价模型。

33

我们利用两大技术引擎,衍生出六大智能模块,通过六大智能模块给我们人才供给进行数据建模进行分析,这些能力源源不断把特赞自己的资源池,赋能给企业,让企业高并发调动供给能力。同时我们把这种供给能力整体输出给客户,让客户也可以把自己的传统的在设计创意领域的供应商体系进行建模,让他们的数据产生智能,更高效地管理。这是特赞数据与智能的进化,也是特赞与客户的共同进化。

34

共同进化,一起特赞!

点击阅读原文



admin

发表评论

电子邮件地址不会被公开。