Вероятно, одним из наиболее значительных проектов, над которыми мы, команда XBrain, сотрудничали, будет наш фирменный стиль и слоган: Мы ведем большую рыбу в более голубые океаны. Центральная ценность нашего повествования о бренде - это уменьшение неравенства, устранение барьеров и демократизация доступа к технологиям, которые могут изменить то, как мы думаем о мире. Мы визуализируем наших потенциальных клиентов как большую рыбу в небольших аквариумах - неиспользованные источники потенциала, попавшие в ограниченную среду. Наша роль в этом повествовании - это отрывок, который ведет такую большую рыбу к более крупным и голубым водам, где они могли бы свободно бродить по великому неизвестному, не только с помощью анализа данных, но и с более значительными вещами, которые они могли бы сделать с такой проницательностью.
Однако наши устремления выходят далеко за рамки простых путей к величию. Само эстуарий является одной из самых богатых экосистем во всем мире, являясь домом для разнообразных диких животных, которые должны научиться адаптироваться к постоянным изменениям вокруг них - точно так же, как это сделали наши клиенты, создавая творческие решения в чрезвычайно нестабильной отрасли. Таким образом, наша конечная цель - создать среду, в которой различные идеи из разных отраслей могли бы объединяться и процветать. Таким образом, эстуарий идеально воплощает в себе растягивающуюся пышную креативность, которую мы хотим вдохновить в мире данных.
Наверное, стоит объяснить, как мы пришли к этому самомнению. Как начинающий стартап, мы считаем, что коллективная вера в начатую нами миссию является обязательным условием для нашей команды. Однако определение такой миссии было непростым. Команда изо всех сил пыталась переименовать продукт, придумывая названия, каждое из которых подчеркивало бы уникальный аспект нашего инструмента машинного обучения, но никогда не отражало его полностью. Среди идей были Prune (потому что продукт упростит путь к машинному обучению, как ножницы для обрезки), Cir-Kit (потому что продукт будет похож на набор инструментов для науки о данных) и Auton (потому что, например, AutoML).
Здесь и вмешался наш дизайнер К.Х. Присоединившись к команде в качестве первого визуального дизайнера, он взял на себя бремя не только кристаллизации эстетики нашего продукта, но и создания его коллективного видения. Он оказался на высоте, проведя команду через серию сессий брендинга, которые включали обширные интервью с соучредителями, глубоко копая, чтобы найти ту нить идентичности, которая могла бы объединить различные проекты, над которыми работала команда, в единое целое. идея.
Это стало несколько яснее, когда мы поняли, что брендинг должен быть сосредоточен вокруг «почему» компании, а не «что». У нас было так много проблем с согласованием названия для нашего продукта, потому что мы сосредоточились на демонстрации определенных частей продукта, а не всего его видения, как пресловутые слепцы и слон.
Прежде чем мы смогли придумать название для нашего инструмента машинного обучения, нам нужно было выяснить, из каких ценностей он проистекает. Для этого К. Х. создал «облако слов», которое объединило слова, наиболее часто упоминаемые во время его интервью. Шаблоны показали, что значительная часть видения компании была сосредоточена на смягчении определенного неравенства в доступе к технологиям. И некоторые из членов нашей команды преследовали такие цели еще до того, как присоединились к XBrain - AC, наш менеджер по продукту, поднял очень фундаментальные вопросы о том, как несопоставимые уровни привилегий влияют на людей с большим потенциалом, о чем он очень подробно думал на протяжении всей своей жизни. собственное среднее и высшее образование. Точно так же С.З., наш инженер по машинному обучению, хотела развить свои знания в области информатики, чтобы помочь обездоленным слоям общества.
Это неравенство также широко ощущалось среди недавно появившихся стартапов корейской венчурной экосистемы, которых мы выбрали в качестве наших целевых клиентов. Машинное обучение привлекло внимание, отчасти потому, что оно обладало таким доступным потенциалом - в большинстве отраслей есть накопленные данные, которые можно было бы добыть для потенциального понимания того, как можно лучше управлять бизнесом. Однако, вопреки своей широко распространенной потенциальной ценности, машинное обучение требует значительного количества очень дорогостоящего, труднодоступного персонала и создания специализированной инфраструктуры, что затрудняет применение этой технологии в реальных общих операциях для компаний, у которых нет таких ресурсов. их распоряжение.
Как только мы согласовали ценности, которых хотим придерживаться, перевод их в вышеупомянутые метафоры стал простым шагом. Следующим шагом было объединение идей, которые возникли, в единый документ, содержащий менее 300 слов, который мы могли бы найти, когда нам понадобится централизованное сообщение.
Оставалось только выбрать настоящее название для продукта, что в то время казалось достаточно простым. Оказалось, что мы были очень неправы, но это уже отдельная запись в блоге, которую вы можете прочитать здесь.
