Entwicklung eines Markenidentitätssystems (wie Intercom) – TechCrunch


[AnmerkungderRedaktion:DiesistderersteArtikelauseinerReihevonArtikelndiewirüberdasBrandingvonStartupsschreibenEsistTeilunsererneuestenInitiativediebestenMarkendesignerund-agenturenderWeltzufindendiemitUnternehmenimFrühstadiumzusammenarbeiten-[Editor’snote:Thisisthefirstofaseriesofarticlesthatwe’rewritingaboutbrandingforstartupsIt’spartofourlatestinitiativetofindthebestbranddesignersandagenciesintheworldwhoworkwithearly-stagecompanies—nominieren Sie einen talentierten Markendesigner, mit dem Sie bereits zusammengearbeitet haben.]

Als der Designer Ryan Hubbard dabei war GegensprechanlageAls SaaS-Einhorn, das Werkzeuge für die Kundenbindung herstellt, wusste er, dass er an der Spitze des Markendesigns arbeiten würde. Die Führung des Unternehmens stärkte seine Intercom Brand Studio Intercom auf einem immer dichter werdenden Feld zu unterstützen.

"Ich schaue immer nach, was möglich ist, oder schiebe die Erwartungen", sagt Hubbard. „Es gibt eine traditionellere Sicht auf das Markendesign – die Idee, dass die Menschen da sind, um Ordnung und Regeln zu schaffen. Und das ist gültig, aber so sehe ich es nicht aus. "

Hubbard, ein Senior-Designer bei Medium, hat noch viel mehr zu sagen, wie Startups mit Branding umgehen sollten, um einen unvergesslichen Eindruck zu hinterlassen.

Das wesentliche Prinzip des Brandings

"Das einzige, was Sie wahrscheinlich vor der Investition in eine Marke geknöpft haben sollten, ist ein klarer Standpunkt, wer Sie als Unternehmen sind und was Sie auszeichnet", sagt Hubbard.

Während die Elemente einer Marke in erster Linie visuell sind, basiert die Markenidentität auf grundlegenden Werten und Einstellungen, die ein Unternehmen definieren.

Deshalb ist es wichtig, mit zu beginnen die einzigartige Geschichte Ihres Unternehmens. Diejenigen, die Branding als eine Übung zur Definition und zum Ausdruck ihrer Kernideen betrachten, werden es viel einfacher finden, eine markante und einprägsame Marke zu schaffen.

Gegensprechanlage hat eine fesselnde Herkunftsgeschichte über Freunde in Dublin, die sich nach einem Online-Kundenservice sehnen, um die einladende Atmosphäre des Cafés zu simulieren, in dem sie gerne arbeiten. Dementsprechend konzentriert sich die Marke von Intercom auf Werte wie Zugänglichkeit, Persönlichkeit, Herzlichkeit und Hilfsbereitschaft.

Diese Werte werden in die Bildsprache der Marke übersetzt: ein smiley-artiges Logo, fröhliche Farben und eine schrullige Illustration.

"Sie könnten mit" Was ist die Geschichte, die Sie erzählen? "Beginnen", sagt Hubbard. "Je stärker und besser Sie mit Ihrer Geschichte sein können, das ist eine wirklich starke Grundlage für eine gute Marke."

Wie definieren Sie Ihr Erscheinungsbild?

Zu den grundlegenden Elementen des visuellen Brandings zählen Logo, Sprache, Farben, Bildsprache und Typografie. Eine starke Marke ist eine Marke, die bis auf die grundlegendsten Elemente herunterdestilliert werden kann und dennoch erkennbar ist. Sogar ein einzelnes Wort, das auf eine bestimmte Weise geschrieben wurde, kann Volumen vermitteln.

"Es gibt viele Möglichkeiten, nur mit Typografie zu kommunizieren", sagt Hubbard. "Die besten Identitätssysteme, die ich je gesehen habe – nicht nur in der Technik – sind Marken, die mit Typografie wirklich stark sind."

Frei fließende Kreativität ist der Schlüssel zum Experimentieren mit diesen Elementen. Sie werden an Ihrer Markenidentität festhalten, wenn Sie Ihre Story verfeinern und Ihre Werte identifizieren. Es ist jedoch wichtig, dass Sie für alle Arten von kreativem Ausdruck offen sind, wenn Sie mit dem Design beginnen.

"Seien Sie nicht zu wertvoll, wie genau alles aussehen soll", rät Hubbard. "Sie können keine vorgegebene Richtung im Kopf haben, wenn Sie darauf eingehen."

Holen Sie sich schnell Ideen und Bilder auf die Seite. Identifizieren Sie dann, welche Entwurfselemente einen Funken entzünden und entwickeln Sie diese. Es wird bald klar, welche Verbindung am stärksten ist.

So setzen Sie Ihr Branding ein

Wenn Sie ein Markenidentitätssystem zur Hand haben, können Sie es im nächsten Schritt konsequent einsetzen. Ihre Marke muss in allen Kontaktpunkten innerhalb und außerhalb des Unternehmens konsistent sein.

Verwechseln Sie Konsistenz nicht mit Starrheit. Wenn Ihre Marke auf Ideen basiert und nicht nur auf einer einfachen Sammlung visueller Elemente, können Sie konsistent sein und kreativ. Erlauben Sie Ihrer Marke ein Eigenleben, verankert mit ihren Grundwerten und Prinzipien.

"Es ist sehr einfach, ein Markensystem zu erstellen, das Ihnen keine Flexibilität für Ausdrucksmöglichkeiten gibt. Sie müssen also immer wieder dasselbe dort einsetzen", sagt Hubbard. "Wenn Sie sich keinen Raum geben, um neue, aufregende Dinge mit Ihrer Marke zu tun, werden Sie stagnieren und vergessen."

Das ist für jedes Unternehmen ein absoluter Hingucker, aber ein starkes Markenidentitätssystem wird Ihre Marke an die vorderste Front der Kunden stellen.

Helfen Sie uns, die besten Startdesigner und Agenturen der Welt zu finden – nominieren Sie einen talentierten Markendesigner, mit dem Sie bereits zusammengearbeitet haben.

Akademiker des maschinellen Lernens strömen zu Technologiegiganten, und dies könnte ein Problem sein


Der Würfel ist sehr wichtig, wenn es um das Wachstum des maschinellen Lernens geht. Mit der Expansion von Tech-Unternehmen wie Google, Amazon und UberForschung und Produkte auf der Grundlage künstlicher Intelligenz ist eine Wachstumsbranche, die erst am Anfang steht.

Recherche bei der International Data Commission Prognosen Die Ausgaben für AI und ML werden von 12 Milliarden US-Dollar im Jahr 2017 auf 57,6 Milliarden US-Dollar im Jahr 2021 steigen. Die explodierende Forschungsfinanzierung in diesen Bereichen spiegelt sich in den resultierenden Patenten wider, wobei die Patente für das maschinelle Lernen zwischen 2013 und 2017 um 34% steigen.

Mit der Anzahl kommerzieller Produkte, die auf diesen Architekturen aufbauen, steigt auch der Bedarf an Ingenieuren und Forschern, an ihnen zu arbeiten. Dies führt zu attraktiven Gehältern bei einigen der weltweit führenden Technologieunternehmen.

Zum Zeitpunkt des Schreibens war das Durchschnittsgehalt eines Maschinenbauingenieurs in den Vereinigten Staaten an einigen Arbeitsplätzen in der Umgebung angegeben 138.000 US-Dollar. Im akademischen Bereich gibt es Bedenken, dass hohe Einstiegsgehälter und verschiedene Vergünstigungen zu einem Brain-Drain von Universitäten führen könnten. Kandidaten, die zuvor ihre Forschung an etablierten Institutionen fortgesetzt hätten, würden in die Karriere verwickelt.

In einem Guardian Artikel ab November 2017 Maja Pantic, Professor für affektives und Verhaltens-Computing am Imperial in London, stellte fest, dass einer ihrer Studenten im letzten Jahr seinen Doktortitel aufgegeben hatte, um bei Apple zu arbeiten für ein sechsstelliges Gehalt. "Es ist das Fünffache des Gehalts, das ich anbieten kann", sagte Paja. "Es ist unglaublich. Wir können nicht mithalten. Die Crème de la Creme der Akademie wurde gekauft und das ist besorgniserregend. “

Wie weit verbreitet dies ist, ist jedoch Gegenstand einiger Debatten. Das Binary District Journal sprach mit Chelsea Finn, PhD Kandidat in Berkeley, um ein besseres Bild des Zustands des maschinellen Lernens in Bezug auf seine industrielle Nachfrage zu erhalten. Als angesehene Wissenschaftlerin für maschinelles Lernen wird sie 2019 an die Stanford-Fakultät wechseln und war auch bei Google Brain tätig.

Vor- und Nachteile

Chelsea ist der Meinung, dass die Nachfrage derzeit das Angebot übertrifft. Eine besondere geforderte Fähigkeit ist die Schnittstelle zwischen maschinellem Lernen und realer Roboterhardware – mit der Möglichkeit, Experimente an physischen Robotern durchzuführen.

"Viele Leute haben ein bisschen Angst, mit realen Systemen zu arbeiten, weil sie ziemlich lange brauchen werden, um sich einzurichten", sagt Chelsea. "Dies könnten Menschen sein, die in simulierten Domänen viel schnelleres Prototyping bevorzugen."

Chelsea ist jedoch der Ansicht, dass die Frage der Forscher, die die traditionellen erweiterten akademischen Pfade zugunsten des Eintritts von Technologieunternehmen aufgeben, ein Bereich ist, der nicht unbedingt schwarz und weiß ist.

"Ich denke, es gibt Vor- und Nachteile für das, was derzeit passiert", sagt sie. „Ich denke, die Vorteile liegen darin, dass Wissenschaftler bessere Verbindungen zu Industrie-Labors aufbauen können. Dies kann bedeuten, dass einige Wissenschaftler einen besseren Zugang zu Datenverarbeitungs- und Datenquellen auf Branchenebene haben, aber ich denke auch, dass es sicherlich Nachteile gibt.

„Viele Schulen verfügen über Fakultäten, die mehr Zeit in der Industrie und weniger Zeit in der Wissenschaft verbringen. Dies führt dazu, dass weniger Lehrkräfte zur Verfügung stehen, um Klassen zu unterrichten. Dies führt auch zu potenziellen Interessenkonflikten der Fakultät und sie sind nicht notwendigerweise eine unabhängige akademische Einrichtung, die versucht, unabhängig von den Interessen eines Unternehmens zu forschen, und haben nun eine Verbindung zu einem Unternehmen. "

Eine steigende Flut hebt alle Schiffe an

Allerdings stellt Chelsea schnell fest, dass sie den Vorteil einer Teilzeitarbeit mit Unternehmen sieht. In der maschinellen Lernforschung gibt es bestimmte Situationen, in denen Sie, um effektiv Fortschritte zu erzielen, umfangreiche Computer- und Roboterhardware benötigen, die nur in Forschungs- und Entwicklungslabors größerer Technologieunternehmen wirklich verfügbar ist.

Eine Rolle bei der Bewältigung dieser Projekte ist ein ansprechendes Szenario. Dies sind jedoch recht spezielle Probleme, und Chelsea weist darauf hin, dass das Berechnungsniveau in den Universitätslabors, in denen sie gearbeitet hat (und in Stamford arbeiten wird), ihrer Aufgabe mehr als gerecht wird.

Chelsea fördert nicht nur ihre eigene Forschung, sondern sucht auch nach Wegen, um das kontinuierliche Wachstum des maschinellen Lernens zu sichern.

"Als Mitglied der Machine-Learning-Community und der Forschungsgemeinschaft ist es sehr einfach zu bemerken, dass es sich bei einer Reihe verschiedener Metriken nicht um eine heterogene Community handelt – in Bezug auf Rasse, Geschlecht und wirtschaftlichen Hintergrund", sagt Chelsea. "Ich hoffe, durch verschiedene Outreach-Bemühungen eine positive Veränderung und einen positiven Einfluss auf die Vielfalt der Gemeinschaft zu erreichen."

Im Jahr 2017 hat Chelsea die erste mitorganisiert BAIR Camp ein einwöchiges Programm in Partnerschaft mit AI für alle Daraufhin wurden benachteiligte Schüler aus der Bay Area eingeladen, um mehr über die Bereiche des maschinellen Lernens und der künstlichen Intelligenz zu lernen. Sie ist der Meinung, dass das Interesse der Studenten nicht nur an den Bereichen des maschinellen Lernens und der künstlichen Intelligenz interessiert ist, sondern ein wichtiger Schritt zur Sicherung der Zukunft dieser FuE-Bereiche ist.

„Ziel ist es, die Vielfalt des Feldes zu erweitern, aber es ist nicht nur das. Daher sind die entwickelten Technologien nicht nur für die Menschen auf diesem Gebiet von Vorteil, sondern auch für die breitere Bevölkerungsstruktur der Welt “, sagt Chelsea.

Eine Frage von Nachfrage und Angebot

Natürlich werden der Spielraum und die Nachfrage nach Fachwissen im Bereich des maschinellen Lernens nur weiter zunehmen. Chelsea Finn spricht aus akademischer Position und Erfahrung auf Unternehmensebene und weist darauf hin, dass das Problem der Skalierbarkeit des maschinellen Lernens kein einfacher Fall für Wissenschaftler ist, die von der Anziehungskraft des privaten Sektors geplagt werden. Das Problem ist, dass maschinelles Lernen als Forschungsgebiet und sich daraus ergebende Karrieren ein breiteres Spektrum von Demografien erreichen muss, die dann daran teilnehmen können.

Aufgrund der engen Verbindungen zwischen akademischen Einrichtungen und den großen Technologiefirmen sehen wir zunehmend Beispiele für Bildungsressourcen, die von Unternehmen angeboten werden. Google hat ein entwickelt Bildungsplattform in den Bereichen KI und maschinelles Lernen, um universellen Zugang zu wissenschaftlichem Material und praktischen Projekten zu ermöglichen.

Diese Ressourcen sind eine wichtige Ergänzung zu den aufkeimenden KI-Projekten und Startups. Es ist offensichtlich kurzsichtig, Tech-Giganten wie Google als hartgesottene Giganten zu sehen, die die Ressourcen und das Fachwissen der maschinellen Lernbereiche anheben.

Das Problem der Nachfrage, die das Angebot überwiegt, ist ein natürliches Ergebnis des Erfolgs und des Fortschritts der Entwicklung des maschinellen Lernens. Eine stärkere Zusammenarbeit zwischen Wissenschaft und Unternehmen in Kombination mit einer stärkeren Förderung einer früheren und inklusiveren Bildung in diesen Bereichen ist jedoch ein positiver Schritt zur Gewährleistung der kontinuierlichen Skalierbarkeit der Branche.