Maak kennis met Natalie, hoofd talentwerving voor wetenschap bij Amazon Ads

Maak kennis met Natalie Matushevsky, hoofd talentwerving voor wetenschap uit Boston, gespecialiseerd in het werven van technisch personeel en leidinggevenden. Momenteel is ze hoofd wetenschappelijke werving voor Amazon, waarbij ze zich richt op ervaren talent voor Amazon Ads, IMDb en Devices & Services. Tijdens haar tijd bij Amazon heeft Natalie meerdere teams geholpen bij het aantrekken van talent om de ontwikkeling van nieuwe producten te ondersteunen, van het eerste concept tot de volledige implementatie.

Natalie biedt unieke inzichten in wat Amazon Ads tot een interessante plek maakt voor wetenschappers om te innoveren en te groeien. In dit interview deelt ze haar kijk op het werk dat wetenschappers doen, hoe kandidaten zich kunnen voorbereiden op sollicitatiegesprekken en de cultuur die de wetenschappelijke rollen bij Amazon Ads bepaalt.

Ik denk dat Amazon Ads zich onderscheidt door de nauwe band die onze wetenschappers hebben met advertentieklanten en consumenten. Anders dan bij andere grote technologiebedrijven waar wetenschappers misschien aan abstracte problemen werken, heeft het werk van onze wetenschappers een directe invloed op de manier waarop merken contact maken met klanten. Ze kunnen uitdagingen op grotere schaal aanpakken, van het helpen van auteurs die in eigen beheer zijn gepubliceerd om hun publiek te vinden tot het optimaliseren van campagnes voor grote bedrijven zoals Hyundai of het merk van Martha Stewart.

De uitdagingen die onze wetenschappers willen oplossen, zijn altijd klantgericht en passen bij nieuwe of verbeterde producten om onze klanten tevreden te stellen. Ik denk niet dat dit per se uniek is voor de wetenschap. Klantgerichtheid is een consistente missie voor iedereen bij Amazon; het zit in ons DNA.

Dit jaar maakt het team gebruik van generatieve AI om de holistische klantencyclus voor zowel grote als kleine merken te optimaliseren. Het denkt aan vragen als deze: “Hoe kunnen we een unieke campagne op maat relevant maken voor een merk dat minder bekend is en een beperkt budget heeft? Hoe verbeteren we een beter begrip van trechteroptimalisatie voor bestaande klanten? Welke tools kunnen we lanceren en testen die gemakkelijk toegankelijk zijn voor zelfbediening? Waar kunnen we nieuwe technologieën gebruiken om de creatieve visie te verbeteren?” De onderwerpen zijn al lang bestaande vragen in de advertentie-industrie, maar het 'hoe' verandert snel. We creëren "sleutel-op-de-deur"-benaderingen voor producten voor klanten die zo klein zijn als auteurs die in eigen beheer zijn gepubliceerd en zo groot als bekende merken. AI-innovatie zorgt voor een unieke en gecureerde ervaring voor beide soorten klanten.

Het belangrijkste dat onze wetenschappers waarderen, is dat ze in realtime kunnen zien of hun technieken of toepassingen werken. Bij Ads hechten we veel waarde aan toegepaste versus theoretische wetenschap, zodat onze wetenschappers technieken en ideeën kunnen testen en op de markt kunnen brengen om ze te testen, te leren en te verfijnen om de algehele klantervaring te verbeteren. Door theoretische concepten tot leven te zien komen en tegelijkertijd nauw samen te werken met leiders op het gebied van engineering, ontwerp, product en distributie, kunnen wetenschappers een veelzijdige carrière ontwikkelen door nieuwe concepten tot leven te brengen. En als onderdeel daarvan is er natuurlijk een dieper begrip van “impact op grotere schaal” en wat er eigenlijk nodig is om een nieuw product te lanceren wanneer je onderweg problemen en afwegingen uit de echte wereld afhandelt.

Amazon heeft een hoge mate van verantwoordelijkheidsgevoel, zichtbaarheid en toerekenbaarheid. Het vermogen om afwegingen te begrijpen, gezien de problemen in de echte wereld, is niet een officieel Amazon Leadership Principle (LP), maar wel iets waar we naar op zoek zijn bij individuen. Wanneer we wetenschappers werven, denken mijn teamleden: “Hoe creatief kun je zijn? Kun je je visie overbrengen en anderen om je heen mobiliseren om te begrijpen wat je probeert te bereiken? Kun je leren van je fouten en verder gaan?”

Werken bij een organisatie als Amazon kan soms een uitdaging zijn voor wetenschappers die rechtstreeks uit de academische wereld komen. Plotseling worden de deadlines en extra communicatie onderweg gecomprimeerd in een korter tijdsbestek. Voor sommigen is het een aanpassing. Tegelijkertijd is het een grote kans voor mensen om nieuwe vaardigheden aan te scherpen. Nauwkeurigheid, het toepassen van basisprincipes en weten wanneer je je hand moet opsteken om samen te werken of verstandig advies in te winnen in verschillende teams, is waardevol. We leggen de nadruk op de "groots denken, klein beginnen"-mentaliteit, wat een leuk probleem is om op te lossen als je bedenkt hoeveel klanten onze producten bereiken. Amazon is uitdagend, maar ook spannend!

We zijn op zoek naar verschillende vaardigheden, afhankelijk van het niveau, het type product en het team. Op ervaren niveau zijn we zeker op zoek naar mensen die kunnen putten uit eerdere ervaring en deze kunnen koppelen aan onze LP's. Een hoge mate van “Leren en nieuwsgierig zijn” en “Verantwoordelijkheidsgevoel” hebben, zal wetenschappers helpen slagen bij Amazon. Kortom, we zijn op zoek naar slimme, hardwerkende, nieuwsgierige mensen die gemotiveerd zijn om complexe problemen op te lossen.

We zijn ook op zoek naar mensen die de omvang van Amazon begrijpen en die op het meer ervaren niveau een bewezen impact hebben op grotere schaal. Het uitleggen van de schaal waarop we werken, vergeleken met andere bedrijven, is waarschijnlijk het meest uitdagende concept om aan potentiële kandidaten uit te leggen. Ik begreep het pas echt toen ik er begon te werken.

De grootste uitdagingen bij het zoeken naar toptalent zijn vaak domeinspecifiek, zoals het vinden van de juiste expertise op het gebied van computervisie en optische engineering. In het landschap van generatieve AI kunnen we, afhankelijk van wat het bedrijf probeert op te lossen, kijken naar wetenschappers die aan een specifiek type grote taalmodellen hebben gewerkt. We staan er echter voor open om wetenschappers met verschillende achtergronden aan boord te halen.

Niet per se. Het hangt af van de specifieke functie en waar het team zich bevindt op het gebied van productontwikkeling. Inzicht in de basisframeworks is belangrijk, maar we nemen wetenschappers in dienst met verschillende achtergronden, waaronder financiële dienstverlening, gezondheidszorg, de academische wereld en grote en kleine technologiebedrijven. Als je leiding gaat geven aan een gevestigd team van wetenschappers op het gebied van advertentietechnologie, is eerdere ervaring leuk om te hebben voor een snellere inwerktijd, maar over het algemeen komen onze wetenschappers hier van verschillende achtergronden en hebben ze hier diverse carrières.

Neem de voorbereiding serieus. Afhankelijk van het niveau en de ervaring duren onze interviews vijf tot zes uur en richten ze zich op zowel LP's als technische vaardigheden. Bij de voorbereiding van kandidaten moedig ik hen aan om de vakgebieden die ze in hun cv hebben vermeld opnieuw te bekijken, hun basisprogrammeervaardigheden op te frissen en de publicaties die ze hebben geschreven of waaraan ze hebben bijgedragen opnieuw te bekijken, aangezien onze interviewers mogelijk een dieper inzicht willen krijgen in eerdere onderzoekservaring. Ik moedig kandidaten ook aan om buiten de gebaande paden te denken. Als je eerdere ervaring geen ondersteuning biedt voor een vraag die door een interviewer wordt gesteld, is het goed om te zeggen dat het geen probleem is dat je eerder bent tegengekomen, maar zou je toch moeten proberen om het theoretisch op te lossen. Interviewers zijn geïnteresseerd in hoe je denkt en welke reflecties je kunt bieden op basis van je visie, ervaring en denkproces. Concentreer je op wat je hebt bezorgd, waar je impact hebt gemaakt en hoe je bent omgegaan met mislukkingen of uitdagingen.

Onze wetenschappelijke gemeenschap bij Amazon omvat veel meer dan alleen advertenties. Bij Amazon is wetenschap als functiegroep goed ingeburgerd en is er een groot netwerk van collega's die via evenementen samenwerken, zowel intern als extern. Intern hebben we een jaarlijkse conferentie over machine learning voor ons wetenschappelijk talent, die al enkele jaren loopt. Het is een fantastisch platform dat deelt wat elk team in de industrie doet. Daarnaast zijn er regelmatig panelgesprekken en technische gesprekken voor wetenschappers om hun netwerk bij te scholen en uit te breiden. We hebben een aantal fantastische vernieuwers gehad die onze teams hebben toegesproken over een breed scala aan onderwerpen; sommigen werken nog steeds samen met onze teams.

Wat ik zo leuk vind aan wetenschapbij Amazon, is dat we verder denken dan de standaardfuncties. Ik ben bij Amazon gekomen om het Amazon Scholars-programma te helpen opschalen en mijn voormalige team heeft fantastisch werk verricht door Amazon Scholars uit te breiden naar universitaire hoofddocenten en post-doctorandi. Dit betekent dat vernieuwers die zich inzetten voor de academische wereld tijdens de zomer, een sabbatical of deeltijds tijdens het jaar tijd met onze wetenschappers kunnen doorbrengen om samen met hen de theorie te testen en toe te passen.

Ik heb verschillende teams ondersteund die met succes geweldige nieuwe producten hebben gelanceerd en het is een geweldig gevoel om deel uit te maken van werk dat een positieve invloed heeft op onze klanten en tegelijkertijd de bouwstenen legt voor een succesvolle carrière in de wetenschap.