أمان سارين، الرئيس التنفيذي لشركة Aarki – سلسلة المقابلات

أمان سارين هو الرئيس التنفيذي لشركة Aarki، وهي شركة تعمل في مجال الذكاء الاصطناعي وتقدم حلولاً إعلانية تسهم في نمو الإيرادات لمنشئي تطبيقات الهاتف المحمول. تتيح Aarki للعلامات التجارية التفاعل الفعال مع الجماهير في عالم يعتمد على الخصوصية من خلال استخدام مليارات الإشارات الإعلانية السياقية جنبًا إلى جنب مع نماذج التعلم الاصطناعي السلوكية الحصرية. تعمل مع مئات من المعلنين على مستوى العالم وتهتم بإدارة أكثر من 5M طلب إعلان محمول في الثانية من أكثر من 10B جهاز، وتعد Aarki شركة خاصة ومقرها في سان فرانسيسكو، كاليفورنيا مع فروع في جميع أنحاء الولايات المتحدة وأوروبا والشرق الأوسط وأفريقيا وآسيا والمحيط الهادئ.

يمكنك مشاركة بعض المعلومات حول رحلتك من تأسيس ZypMedia إلى قيادة Aarki؟ ما هي الخبرات الرئيسية التي شكلت نهجك للذكاء الاصطناعي وتقنية الإعلانات؟

بدأت رحلتي في قيادة الإعلانات مع تأسيس ZypMedia في عام 2013، حيث قمنا بتصميم منصة demande-side متقدمة مخصصة للإعلانات المحلية. لم تكن هذه مجرد منصة demande-side؛ لقد بنيناها من الصفر لتتعامل مع حملات عالية الحجم و低 التكلفة بفعالية غير مسبوقة. فكر في الأمر على أنه السابق للموجهات المستهدفة المتقدمة التي نراها اليوم.

كما الرئيس التنفيذي، قادت ZypMedia إلى إيرادات برامج السaaS بقيمة 20 مليون دولار ومعالجة معاملات إعلامية بقيمة 200 مليون دولار سنويًا. كانت هذه الخبرة هي الفرن الذي فهمت فيه حجم البيانات الهائل الذي يجب على منصات الإعلانات الحديثة التعامل معه — وهو تحدي مصمم خصيصًا للحلول التي تعتمد على الذكاء الاصطناعي.

فترة عملي في LG Ad Solutions، بعد استحواذ زيب ميديا على سينكلير، كانت غوصًا عميقًا في عالم مصنعي الأجهزة وكيف يمكن أن يؤثر التحكم في بيانات المشاهدة على مستقبل إعلانات التلفزيون المرتبط بالإنترنت (CTV). استخدمنا الكثير من الذكاء الاصطناعي والتعلم الآلي في بناء أعمال LG Ads، حيث تم استخدام البيانات التي تم جمعها من الأجهزة لإنشاء قطاعات استهداف وكتلة مخزون وبرمجيات التخطيط.

كما الرئيس التنفيذي لشركة Aarki منذ عام 2023، أنا في طليعة ثورة الإعلانات المتنقلة. يمكنني القول إن رحلتي أبدت لي تقديرًا عميقًا لقوة التحول للذكاء الاصطناعي في تقنية الإعلانات. التطور من البرمجة البسيطة إلى النمذجة التنبؤية الديناميكية وتحسين الإبداع الديناميكي كان لا يصدق.

لقد أصبحت أرى الذكاء الاصطناعي ليس مجرد أداة، بل هو العمود الفقري لتقنية الإعلانات الجيل القادم. إنه المفتاح لحل التحديات الأكثر إلحاحًا في الصناعة؛ من الاستهداف المتوافق مع الخصوصية في عالم ما بعد معرف الهوية إلى خلق تجارب إعلانية حقيقية ومُحسّنة على نطاق واسع. أؤمن بقوة أن الذكاء الاصطناعي لن يحل فقط مشاكل المعلنين، بل سوف يثور في كيفية تشغيل العمليات في منصات مثل Aarki. الدروس التي تعلمتها من رحلتي — أهمية القابلية للتوسع، اتخاذ القرارات المبنية على البيانات، والابتكار المستمر — أكثر صلة الآن في هذا العصر الذي يعتمد على الذكاء الاصطناعي.

يمكنك شرح كيفية عمل بنية التعلم الاصطناعي متعددة المستويات في Aarki؟ ما هي المزايا المحددة التي تقدمها هذه البنية مقارنة بالحلول التقليدية لتكنولوجيا الإعلانات؟

تعلمت من تجاربي أن مستقبل تكنولوجيا الإعلانات يكمن في توحيد البيانات الكبيرة والتعلم الاصطناعي والإبداع البشري. في Aarki، نستكشف كيف يمكن للذكاء الاصطناعي تعزيز كل جانب من جوانب النظام الإعلاني المتنقل؛ من تحسين العطاءات إلى اكتشاف الاحتيال وتوقعات أداء الإبداع واستراتيجيات اكتساب المستخدمين.

في هذه المرحلة، تم تصميم بنية التعلم الاصطناعي متعددة المستويات في Aarki لمعالجة عدة جوانب حرج في الإعلانات المتنقلة، من منع الاحتيال إلى توقعات قيمة المستخدم. إليك كيف تعمل وكيف تقدم مزايا:

• اكتشاف الاحتيال ومراقبة جودة المخزون: تم تصميمها لحماية أداء عملائنا وميزانيتهم. يجمع نهجنا المتعدد الطبقات الخوارزميات الحصرية مع البيانات من جهات خارجية للبقاء في طليعة تكتيكات الاحتيال المتطورة. نقوم بتقييم سلوكيات المستخدمين بشكل مستمر للحفاظ على قاعدة بيانات احتيال محدثة.
• نماذج الشبكات العصبية العميقة (DNN): تعتمد بنيتنا الأساسية على نماذج DNN متعددة المراحل لتوقعات قيمة كل إمكانية أو مستخدم. يسمح هذا النهج المتفرق بكل نموذج لتعلم الميزات الأكثر أهمية لأحداث تحويل محددة، مما يتيح استراتيجيات استهداف وتحسين عطاءات أكثر دقة مقارنة بالنماذج التي تتناسب مع جميع الحالات.
• مُحسّن العطاءات متعدد الأهداف (MOBO): على عكس ظلال العطاءات البسيطة المستخدمة من قبل معظم منصات DSP، يعتبر MOBO عدة عوامل بخلاف السعر. يستخدم متغيرات ديناميكية مثل سمات الحملة والمخزون والقيمة المتوقعة للمستخدم وتنسيق CPM لتحسين العطاءات. هذا الأسلوب المتقدم يزيد من عائد الاستثمار بينما يوازن بين الكفاءة والاستكشاف لتحقيق أهداف متعددة.

تُقدم هذه المكونات مزايا كبيرة مقارنة بالحلول التقليدية لتكنولوجيا الإعلانات:

• اكتشاف احتيال متفوق
• توقعات أكثر دقة وأفضل عائد على الاستثمار من خلال DNN متعددة المراحل
• استهداف إبداعي متقدم مع تسعير عطاءات متعدد الأهداف
• مرونة لتعامل مع كميات هائلة من البيانات
• استهداف أولويات الخصوصية مع أسراب سياقية

نظامنا الذي يعتمد على الذكاء الاصطناعي يسمح بدقة وفعاليّة وكفاءة غير مسبوقة في حملات الإعلانات المتنقلة. من خلال استغلال التعلم الاصطناعي وتقنيات التحسين المتقدمة، توفر Aarki أداءً متفوقًا مع التركيز القوي على الخصوصية ومنع الاحتيال.

كيف تعمل تقنية Multi-Objective Bid Optimizer الديناميكية، وما هو التأثير الذي تحققه على تحقيق أقصى عائد على الاستثمار لعملائك؟

مُحسّن العطاءات الديناميكي متعدد الأهداف هو نظام متقدم يمتد إلى ما هو أبعد من خوارزميات ظلال العطاءات البسيطة. على عكس خوارزميات ظلال العطاءات البسيطة التي تركز فقط على التسعير قليلاً تحت العطاء الفائز المتوقع، يعتبر مُحسّننا عدة أهداف في نفس الوقت. هذا يشمل ليس فقط السعر ولكن أيضًا معايير أداء الحملة وسمات المخزون واستخدام الميزانية.

يأخذ المُحسّن في الاعتبار مجموعة من المتغيرات الديناميكية، بما في ذلك سمات الحملة والمخزون والقيمة المتوقعة للمستخدم وتنسيق CPM. توجيه هذه المتغيرات عملية التحسين حول معايير KPI الخاصة بالعميل، و特别 عائد الاستثمار. هذا يسمح لنا بتكييف استراتيجية العطاءات الخاصة بنا مع أهداف كل عميل على حدة.

إحدى نقاط القوة الرئيسية لمُحسّننا هي قدرته على التوازن بين اكتساب مستخدمين ذوي قيمة عالية بكفاءة واستكشاف فئات مستخدمين جديدة ومخزون غير مستكشف. هذا الاستكشاف يساعدنا على اكتشاف فرص قيمة قد تفوتها أنظمة أكثر صلابة.

في الممارسة، يعني هذا أن عملائنا يمكنهم توقع استخدام أكثر كفاءة لميزانيتهم الإعلانية، واكتساب مستخدمين ذوي جودة أعلى، وعائد أفضل على الاستثمار في حملاتهم. على سبيل المثال، قد يكون من المنطقي دفع 50% أكثر للعطاء على مستخدم يُقدر قيمته 5 مرات أكثر (ROAS). قدرة المُحسّن على التوازن بين عدة أهداف وتكيف في الوقت الفعلي تسمح لنا بالتنقل في المناظر الإعلانية المتنقلة المعقدة بشكل أكثر فعالية من أنظمة العطاءات التقليدية ذات الهدف الفردي.

تُشدد Aarki على نهج أولويات الخصوصية في عملياتها. كيف يضمن منصتك الخصوصية للمستخدمين مع تقديم استهداف إعلاني فعال؟

Tôi فخور بالقول إن الالتزام بالخصوصية هو أحد الركائز الأساسية لمنصتنا، إلى جانب منصتنا التي تعتمد على الذكاء الاصطناعي. لقد تبنينا تحديات عالم ما بعد معرف الهوية وطورنا حلولًا مبتكرة لضمان الخصوصية للمستخدمين مع تقديم استهداف إعلاني فعال. إليك كيف ننجز ذلك:

• الاستهداف بدون معرف الهوية: لقد تعاملنا بالكامل مع مناظر ما بعد IDFA ونحن متوافقون مع SKAN 4. تعمل منصتنا بدون الاعتماد على معرفات الأجهزة الفردية، مع التركيز على خصوصية المستخدم من البداية.
• إشارات سياقية: نستفيد من مجموعة واسعة من نقاط البيانات السياقية مثل نوع الجهاز و نظام التشغيل و التطبيق و النوع و الوقت من اليوم و المنطقة. توفر هذه الإشارات معلومات استهداف قيمة دون الحاجة إلى بيانات شخصية.
• معالجة بيانات سياقية ضخمة: نمعالج أكثر من 5 ملايين طلب إعلان في الثانية من أكثر من 10 مليارات جهاز على مستوى العالم. كل طلب يحتوي على ثروة من الإشارات السياقية، مما يوفر لنا قاعدة بيانات غنية ومتوافقة مع الخصوصية.
• تعلم آلي متقدم: يرتبط قاعدة بيانات نماذجنا التدريبية البالغ عددها 800 مليار صف مع البيانات التاريخية للنتائج. هذا يسمح لنا بالاستفادة من رؤى وأنماط دون المساس بخصوصية المستخدم الفردية.
• أسراب سلوكية ديناميكية: باستخدام التعلم الآلي، ننشئ أسراب سلوكية محددة للغاية وديناميكية بناءً على بيانات سياقية مجتمعة. تمكن هذه الأسراب من تحسينات فعالة وتوسيع نطاق بدون الاعتماد على معرفات شخصية.
• استهداف إبداعي مدفوع بالتعلم الآلي: لكل سرب، نستخدم التعلم الآلي بالتعاون مع فريقنا الإبداعي لتصميم استراتيجيات إبداعية مثالية. هذا النهج يضمن صلة وفعاليّة الإعلانات.
• التعلم والتعديل المستمر: نموذجنا الآلي يتعلم ويتكيف باستمرار بناءً على أداء الحملة وبيانات السياق المتطورة، مما يضمن استمرار فعالية استهدافنا مع تطور لوائح الخصوصية وتوقعات المستخدمين.
• الشفافية والسيطرة: نقدم معلومات واضحة حول ممارساتنا البيانية ونوفر للمستخدمين السيطرة على تجارب الإعلان الخاصة بهم حيثما أمكن، بالتوافق مع أفضل ممارسات الخصوصية.

من خلال استغلال استراتيجيات الخصوصية هذه، توفر Aarki استهدافًا إعلانيًا فعالًا مع احترام خصوصية المستخدم. لقد حولنا تحديات عصر الخصوصية إلى فرص للابتكار، مما أدى إلى منصة تتميز بالتوافق مع الخصوصية وفعالية عالية لعملائنا في حملات اكتساب المستخدمين وإعادة التفاعل.

يمكنك شرح مفهوم ML-driven Creative Targeting و كيف يدمج مع استراتيجية الإبداع الخاصة بك؟

ML-driven Creative Targeting هو منهجنا لتحسين الإعلانات الإبداعية بناءً على الأسراب السلوكية التي نحدداها من خلال نماذج التعلم الآلي. يتضمن هذا العملية عدة خطوات:

• تحليل السرب: ي分析 نماذج التعلم الآلي الكبيرة من البيانات السياقية لإنشاء أسراب سلوكية محددة.
• رؤى إبداعية: لكل سرب، نستخدم التعلم الآلي لتحديد العناصر الإبداعية التي من المرجح أن تكون أكثر فعالية. قد تشمل هذه الخيارات مخططات الألوان وتنسيقات الإعلانات وأساليب الرسائل أو المواضيع البصرية.
• التعاون: يتعاون فريق العلوم البيانية مع فريق الإبداع، حيث يشاركون رؤى التعلم الآلي.
• تطوير الإبداع: بناءً على هذه الرؤى، يطور فريق الإبداع إعلانات إبداعية مخصصة لكل سرب. قد يتضمن هذا تعديل الصور أو النص أو الدعوات إلى العمل أو هيكل الإعلان.
• التجميع الديناميكي: نستخدم تحسين الإبداع الديناميكي لتجميع الإعلانات الإبداعية في الوقت الفعلي، مما يطابق العناصر الأكثر فعالية مع كل سرب.
• التحسين المستمر: مع جمع بيانات الأداء، يُحسّن نماذج التعلم الآلي باستمرار من فهمها لما يعمل لأفضل سرب، مما يخلق حلقة обратية لتحسين الإبداع المستمر.
• النطاق والكفاءة: يسمح هذا النهج لنا بإنشاء إعلانات إبداعية مُحسّنة على نطاق واسع دون الحاجة إلى التجزئة اليدوية أو التخمين.

النتيجة هي تناغم بين العلوم البيانية والإبداع. كما أن إطارنا الإبداعي الموحد يضمن أن توفر نماذج التعلم الآلي رؤى مدفوعة بالبيانات حول ما يعمل لأجزاء مختلفة من الجمهور. في الوقت نفسه، يُحول فريق الإبداع هذه الرؤى إلى حياة في تصاميم إعلانية جذابة. هذا النهج يسمح لنا بتوصيل إعلانات أكثر صلة وإثارة لكل سرب، مع تحسين أداء الحملة وتجربة المستخدم في نفس الوقت.

ما هو دور فريق الإبداع في تطوير حملات الإعلان، وكيف يتعاونون مع نماذج الذكاء الاصطناعي لتحسين أداء الإعلان؟

يلعب فريق الإبداع دورًا متكاملًا في تطوير حملات إعلانية فعالة في Aarki. يعملون في تعاون وثيق مع نماذج الذكاء الاصطناعي لتحسين أداء الإعلان. يفسر فريق الإبداع رؤى نماذج التعلم الآلي حول ما يرنو إليه أسراب السلوك المختلفة. ثم يصممون إعلانات إبداعية مخصصة، مع تعديل عناصر مثل الصور والرسائل والتنسيقات لتطابق هذه الرؤى.

مع تشغيل الحملات، يتحليل الفريق أداء البيانات جنبًا إلى جنب مع الذكاء الاصطناعي، ويحسن باستمرار نهجهم. يسمح هذا العملية التكرارية بتحسين سريع للعناصر الإبداعية.

التناغم بين الإبداع البشري ورؤى الذكاء الاصطناعي يسمح لنا بإنتاج إعلانات مُحسّنة ومثيرة على نطاق واسع، مما يدفع أداءً متفوقًا لحملات عملائنا.

كيف يكتشف نظام Aarki الاحتيال في الإعلانات، ويمكنك تقديم أمثلة على أنواع الاحتيال التي يكتشفها نظامك؟

كما ذكرت سابقًا، تستخدم Aarki نهجًا متعددي الطبقات لمكافحة الاحتيال. نحن نهتم بمكافحة الاحتيال كمُفلتر قبل العطاء مع تحليلات البيانات بعد العطاء من خلال أنظمةنا. بينما قد ذكرت استراتيجيتنا العامة بالفعل، يمكنني تقديم أمثلة محددة على أنواع الاحتيال التي يكتشفها نظامنا:

• فيضانات النقرات: كشف معدلات النقرات غير العادية من مصادر محددة.
• مزارع التثبيت: تحديد أنماط تثبيت متعددة من نفس عنوان IP أو جهاز.
• زمن النقر للتثبيت غير الطبيعي (CTIT): تحديد أوقات النقر للتثبيت غير الطبيعية كإشارة لنشاط البوت.
• معدلات الاحتفاظ المنخفضة: تحديد مستخدمين من ناشرين يظهرون باستمرار معدلات احتفاظ منخفضة بعد التثبيت.

نظامنا الآلي يطور باستمرار للاعتراف بالتكتيكات الاحتيالية الجديدة، لحماية ميزانيات عملائنا.

كيف يختلف نهج Aarki في اكتساب المستخدمين وإعادة التفاعل عن منصات أخرى في الصناعة؟

يتميز نهج Aarki في اكتساب المستخدمين وإعادة التفاعل ب幾ة طرق رئيسية:

• استراتيجية أولويات الخصوصية: لقد تبنينا بالكامل الاستهداف بدون معرف الهوية، مما يجعلنا متوافقين مع SKAN 4 وجاهزين لمستقبل يركز على الخصوصية.
• تعلم آلي متقدم: تعتمد بنيتنا متعددة المستويات على معالجة كميات هائلة من البيانات السياقية لإنشاء أسراب سلوكية متقدمة بدون الاعتماد على معرفات شخصية.
• استهداف إبداعي مدفوع بالتعلم الآلي: نجمع بين رؤى الذكاء الاصطناعي والإبداع البشري لإنشاء إعلانات إبداعية مُحسّنة لكل سرب.
• مُحسّن العطاءات الديناميكي متعدد الأهداف: نظامنا يعتبر عدة أهداف في نفس الوقت، مما يوازن بين الكفاءة والاستكشاف لتحقيق أقصى عائد على الاستثمار.
• ذكاء سياقي: نستفيد من تريليونات الإشارات السياقية لإعلام استراتيجيات الاستهداف، متجاوزًا التجزئة الديموغرافية أو الجغرافية الأساسية.
• التحسين المستمر: يتعلم نظامنا الآلي وتكيف باستمرار مع سلوكيات المستخدم المتغيرة ومتطلبات السوق.
• نهج موحد: نقدم تكاملًا سلسًا لاستراتيجيات اكتساب المستخدمين وإعادة التفاعل، مما يوفر رؤية شاملة لرحلة المستخدم.
• مرونة: يمكن لبنيتنا التعامل مع كميات هائلة من البيانات (5M+ طلب إعلان في الثانية من 10B+ جهاز)، مما يسمح بالاستهداف الدقيق على نطاق واسع.
• آليات منع احتيال متقدمة: تُ结合 فلترات الاحتيال قبل العطاء وتحليلات البيانات بعد العطاء مع بيانات جهات خارجية لتحقيق أقصى حماية لميزانيات عملائنا.

تسمح هذه المزايا لنا بتقديم حملات أكثر فعالية وكفاءة وتكيفًا مع احتياجات عملائنا.

تعلمت من رحلتي أن مستقبل تكنولوجيا الإعلانات يكمن في توحيد البيانات الكبيرة والتعلم الآلي والإبداع البشري. أنا فخور بالفريق المتميز من المحللين وعلوم البيانات والمحترفين الإبداعيين الذين يضيفون الإبداع البشري إلى تكنولوجيانا.

يمكنك مشاركة بعض القصص الناجحة حيث تحسنت منصة Aarki بشكل كبير من عائد الاستثمار لعملائك وفعالية الحملة؟

يُعرّف دليل أداء AppsFlyer Aarki كقائد في إعادة التوجيه، حيث يُصنّفنا في المرتبة الأولى لقطاع الألعاب في أمريكا الشمالية والمرتبة الثالثة على مستوى العالم. نحن أيضًا مصنفون كأداء عالي عبر جميع فهارس عائد الاستثمار الإعلاني لشركة Singular. هذا الدراسة الحالة يشهد على قيادتنا العالمية. ليس فقط في قطاع الألعاب، بل لدينا دراسات حالية تُظهر قدراتنا على تحقيق نتائج عبر فئات تطبيقات مختلفة.

أنا فخور بالتأكيد على شراكتنا مع DHgate، وهي منصة تجارة إلكترونية رائدة. حملات إعادة التوجيه الخاصة بنا لمنصات Android و iOS حققت نتائج استثنائية، مما يُظهر قدرة Aarki على تحقيق نتائج على نطاق واسع.

باستخدام تقنيتنا الشبكات العصبية العميقة، قمنا بإنشاء قطاعات مستخدمين بدقة لتحقيق أقصى فعالية لإعادة التوجيه. هذا أدى إلى نمو بنسبة 33% في النقرات للمستخدمين ذوي النية العالية وزيادة بنسبة 33% في التحويلات.

الأكثر إثارة للإعجاب هو أننا، مع زيادة إنفاق DHgate على Aarki بنسبة 52%، كنا نستمر في تحقيق أهداف عائد الاستثمار اليومي بنسبة 450% بنسبة 1.7 مرة، مما أدى إلى عائد استثمار بنسبة 784%. هذه الحالة تُظهر التزامنا بتسليم نتائج استثنائية لعملائنا. اقرأ المزيد حولها هنا.

لتطبيق طعام وتسليم، قمنا بتنفيذ حملة إعادة التوجيه لتفعيل المستخدمين وإكتساب عملاء جدد بكفاءة.

هذا أدى إلى انخفاض بنسبة 75% في تكلفة اكتساب المستخدم و12.3 مليون تفعيل مستخدم. المفتاح للنجاح كان استخدام نماذج الشبكات العصبية العميقة لاستهداف الجماهير المناسبة بالرسائل المخصصة، مما يحافظ على الحملة طازجة ومثيرة. اقرأها هنا.

تُظهر هذه الدراسات الحالة قدرةنا على تحقيق تحسينات كبيرة في المعايير الرئيسية عبر فئات تطبيقات مختلفة وأنواع الحملات. نهجنا الأولويات الخصوصية، وقدرات الذكاء الاصطناعي المتقدمة، والاستخدام الاستراتيجي للبيانات السياقية يسمح لنا بتسليم نتائج استثنائية لعملائنا، سواء في اكتساب المستخدمين أو جهود إعادة التفاعل.

ما التطورات المستقبلية المتوقعة في الذكاء الاصطناعي والتعلم الآلي التي تعتبرها حاسمة لصناعة الإعلانات المتنقلة؟

نظرًا إلى المستقبل، أتوقع عدة تطورات حاسمة في الذكاء الاصطناعي والتعلم الآلي لصناعة الإعلانات المتنقلة:

• تقنيات الحفاظ على الخصوصية المحسّنة: سوف تؤدي كمية البيانات الهائلة التي نمعالجها إلى قدرات التعلم غير المسبوقة. ستستفيد الشبكات العصبية العميقة من هذا لإنشاء استراتيجيات استهداف أولويات الخصوصية. في الواقع، سيتطور مفهوم “الاستهداف” بشكل كبير لدرجة أننا سوف نحتاج إلى مصطلحات جديدة لوصف هذه النهج التنبؤية التي تعتمد على الذكاء الاصطناعي.
• الذكاء الاصطناعي التوليدي لتحسين الإبداع في الوقت الفعلي: سوف نرى الذكاء الاصطناعي ليس فقط يُحسّن الإعلانات الإبداعية ولكن أيضًا يُنشئها ويتعديلها ديناميكيًا في الوقت الفعلي. هذا سوف يثور في كيفية 접근نا لتصميم الإعلانات وتخصيصها.
• نماذج تنبؤية شاملة: من خلال الجمع بين شبكاتنا العصبية العميقة لتحليل المنتجات مع مُحسّن العطاءات متعدد الأهداف (MOBO) لتحديد الأسعار، سنطور نماذج فعالة وفعالة لاكتساب المستخدمين وإعادة التوجيه. سوف توفر هذه النماذج توقعات دقيقة بشكل لا يصدق لقيمة المستخدم على المدى الطويل، مما يسمح بإدارة حملات أكثر ذكاء واستراتيجية.

من المرجح أن تؤدي هذه التطورات إلى تجارب إعلانية متنقلة أكثر فعالية وكفاءة وملاءمة للمستخدم.

شكرًا على المقابلة الرائعة، يُرجى من القراء الذين يرغبون في معرفة المزيد زيارة Aarki.