Aman Sareen, CEO af Aarki – Interview Serie

Aman Sareen er CEO af Aarki, et AI-selskab, der leverer reklameopløsninger, der driver indtægtsvækst for mobile app-udviklere. Aarki giver mulighed for, at mærker kan engagere sig effektivt med publikum i en verden, hvor privatliv kommer først, ved at bruge milliarder af kontekstuelle budsignaler kombineret med proprietær maskinlæring og adfærdsmønstre. Selskabet arbejder med hundredvis af annoncører globalt og administrerer over 5M mobile reklameforespørgsler per sekund fra over 10B enheder, og Aarki er et privat selskab med hovedsæde i San Francisco, CA og kontorer over hele USA, EMEA og APAC.

Kan du dele lidt om din rejse fra at co-founder ZypMedia til at lede Aarki? Hvad er de vigtigste erfaringer, der har formet din tilgang til AI og AdTech?

Min adtech-ledelsesrejse begyndte med at co-founder ZypMedia i 2013, hvor vi designede en avanceret demand-side-platform til lokal reklame. Dette var ikke bare en anden DSP; vi byggede den fra bunden for at håndtere højvolumen, lavtløbskampagner med en hidtil uset effektivitet. Tænk på det som en forløber for den hyper-lokaliserede, AI-drevne målretning, vi ser i dag.

Som CEO styrede jeg ZypMedia til 20 millioner dollars i SaaS-omsætning og behandlinger af 200 millioner dollars i medietransaktioner årligt. Denne erfaring var en prøvesten for at forstå den enorme mængde data, som moderne reklameplatforme må håndtere – en udfordring, der er skabt til AI-løsninger.

Min tid hos LG Ad Solutions, efter ZypMedias overtagelse af Sinclair, var en dybdykkende i verden af enhedsproducenter og hvordan kontrollen over seerdata kan forme fremtiden for Connected TV (CTV)-reklame. Vi brugte meget AI/maskinlæring til at bygge LG Ads-forretningen, hvor data indsamlet fra enheder blev brugt til at generere målgrupper, lagerblokke og planlægningssoftware.

Som CEO af Aarki siden 2023 er jeg i frontlinjen for den mobile reklamerevolution. Jeg kan sige, at min rejse har givet mig en dyb respekt for den transformative kraft af AI i adtech. Udviklingen fra grundlæggende programmatisk til AI-drevet prædiktiv modellering og dynamisk kreativ optimering har været intet mindre end bemærkelsesværdig.

Jeg er kommet til at se AI ikke bare som et værktøj, men som rygmarven for næste generations adtech. Det er nøglen til at løse branchens mest presserende udfordringer; fra privatlivskompatibel målretning i en post-enhed-ID-verden til at skabe ægte og personlige annonceringsoplevelser i stor målestok. Jeg er overbevist om, at AI ikke kun vil løse de udfordringer, som annoncører står over for, men også revolutionere, hvordan operationer køres på platforme som Aarki. Lektionerne fra min rejse – vigtigheden af skalerbarhed, data-drevne beslutninger og kontinuerlig innovation – er mere relevante end nogensinde i denne AI-første æra.

Kan du uddybe, hvordan Aarkis multi-niveau maskinlæringsinfrastruktur fungerer? Hvad er de specifikke fordele, den tilbyder i forhold til traditionelle adtech-løsninger?

Mine erfaringer har lært mig, at fremtiden for adtech ligger i at harmonisere big data, maskinlæring og menneskelig kreativitet. Hos Aarki udforsker vi, hvordan AI kan forbedre hver aspekt af den mobile reklameøkosystem; fra budoptimering og svindelafbrydelse til kreativ præstationsforudsigelse og brugeranskaffelsesstrategier.

I dette stadie er Aarkis multi-niveau maskinlæringsinfrastruktur designet til at tackle flere kritiske aspekter af mobile reklame, fra svindelafbrydelse til bruger-værdiforudsigelse. Her er, hvordan det fungerer, og hvorfor det er fordelagtigt:

• Svindelafbrydelse og Lagerkvalitetskontrol: Det er designet til at beskytte vores kunders præstationer og budgetter. Vores multi-lagdelte tilgang kombinerer proprietære algoritmer med tredjepartsdata for at holde os foran udviklingen af svindeltaktikker. Vi sikrer, at kampagnebudgetter investeres i ægte, højkvalitetslager ved at løbende evaluere brugeradfærd og opretholde en opdateret svindeldatabase.
• Deep Neural Network (DNN)-modeller: Vores kerneinfrastruktur anvender multi-trins DNN-modeller til at forudsige værdien af hver impression eller bruger. Denne granulerede tilgang giver mulighed for, at hver model kan lære de funktioner, der er mest kritiske for bestemte konverteringsbegivenheder, hvilket muliggør mere præcise målretning og budstrategier sammenlignet med one-size-fits-all-modeller.
• Multi-objekt-budoptimeringsværktøj (MOBO): I modsætning til den enkle budskygning, som de fleste DSP’er bruger, overvejer vores MOBO flere faktorer ud over prisen. Det anvender dynamiske variabler som kampagne- og lagerattributter, forudsigelse af brugerværdi og CPM-segmentering til at optimere bud. Denne sofistikerede metode maksimerer ROI, samtidig med at den balancerer multiple mål og finder optimale bud, der vinder, opfylder KPI-mål og bruger kampagnebudgetter fuldt ud.

Disse komponenter tilbyder betydelige fordele i forhold til traditionelle AdTech-løsninger:

• Overlegen svindelafbrydelse
• Mere præcise forudsigelser og bedre ROI gennem multi-trins DNN’er
• Granuleret kreativ hyper-målretning med multi-objekt-budpriser
• Skalerbarhed til at håndtere enorme mængder data
• Privatlivskompatibel målretning med kontekstuelle kohorter

Vores AI-drevne tilgang giver mulighed for en hidtil uset nøjagtighed, effektivitet og tilpasning i mobile reklamekampagner. Ved at udnytte dyb læring og avancerede optimeringsteknikker leverer Aarki en overlegen præstation, samtidig med at vi fastholder fokus på privatliv og svindelafbrydelse.

Hvordan fungerer det dynamiske multi-objekt-budoptimeringsværktøj, og hvilken indvirkning har det på at maksimere ROI for dine kunder?

Det dynamiske multi-objekt-budoptimeringsværktøj er et sofistikeret system, der går ud over traditionelle budskygningsalgoritmer. I modsætning til simple budskygningsalgoritmer, der kun fokuserer på prisen lige under den forventede vindende bud, overvejer vores optimeringsværktøj multiple mål samtidigt. Dette inkluderer ikke kun prisen, men også kampagneprestationsmål, lagerkvalitet og budgetanvendelse.

Optimeringsværktøjet tager hensyn til en række dynamiske variabler, herunder kampagne- og lagerattributter, forudsigelse af brugerværdi og CPM-segmentering. Disse variabler vejleder optimeringsprocessen omkring klient-specifikke KPI’er, primært ROI. Dette giver os mulighed for at tilpasse vores budstrategi til hver enkelt klients unikke mål.

En af de vigtigste styrker ved vores optimeringsværktøj er dets evne til at balancere mellem at erhverve højværdi-brugere effektivt og at udforske nye, utilgangede brugersegmenter og lager. Dette giver os mulighed for at opdage værdifulde muligheder, som mere faste systemer måske ville overse.

I praksis betyder dette, at vores kunder kan forvente en mere effektiv brug af deres reklamebudget, højere kvalitetsbrugeranskaffelse og, i sidste ende, bedre ROI på deres kampagner. For eksempel kan det være nødvendigt at betale 50% mere for at byde på en bruger, der er 5 gange mere værdi (ROAS). Optimeringsværktøjets evne til at balancere multiple mål og tilpasse sig i realtid giver os mulighed for at navigere i den komplekse mobile reklameverden mere effektivt end traditionelle, single-objektive budsystemer.

Aarki lægger vægt på en privatlivskompatibel tilgang i sine operationer. Hvordan sikrer din platform brugerprivatliv, samtidig med at den leverer effektiv annonceringsmålretning?

Jeg er stolt af at sige, at privatlivskompatibel engagement er en af de centrale søjler i vores platform, sammen med vores AI-platform. Vi har omfattet udfordringerne i en verden uden enheds-ID’er og har udviklet innovative løsninger til at sikre brugerprivatliv, samtidig med at vi leverer effektiv annonceringsmålretning. Her er, hvordan vi opnår dette:

• ID-løs målretning: Vi har fuldt ud tilpasset os til landskabet efter IDFA og er SKAN 4-kompatibelt. Vores platform opererer uden at afhænge af individuelle enheds-ID’er, med fokus på brugerprivatliv fra bunden.
• Kontekstuelle signaler: Vi udnytter en bred vifte af kontekstuelle datapunkter, såsom enhedstype, OS, app, genre, tid på dagen og region. Disse signaler giver værdifuld målretning without at kræve personlige data.
• Massiv kontekstuel dataprocessering: Vi processerer over 5 millioner reklameforespørgsler per sekund fra over 10 milliarder enheder globalt. Hver forespørgsel har en rigdom af kontekstuelle signaler, hvilket giver os en værdifuld, privatlivskompatibel dataset.
• Avanceret maskinlæring: Vores 800 milliarder rækker store træningsmodeldatabase korrelerer disse kontekstuelle signaler med historiske resultatdata. Dette giver os mulighed for at udlede indsigt og mønstre uden at kompromittere med individuel brugerprivatliv.
• Dynamiske adfærdskohorter: Ved hjælp af maskinlæring skaber vi højtdetaljerede, dynamiske adfærdskohorter baseret på aggregerte kontekstuelle data. Disse kohorter giver mulighed for effektive optimeringer og skalerbarhed uden at afhænge af personlige identifikatorer.
• ML-drevet kreativ målretning: For hver kohort bruger vi maskinlæring i samarbejde med vores kreative team til at udvikle optimale kreative strategier. Denne tilgang sikrer relevans og effektivitet uden at krænke individuel privatliv.
• Kontinuerlig læring og tilpasning: Vores AI-modeller lærer og tilpasser sig kontinuerligt baseret på kampagneprestation og udviklingen af kontekstuelle data, hvilket sikrer, at vores målretning forbliver effektiv, selvom privatlivsregler og brugerforventninger udvikler sig.
• Gennemsigtighed og kontrol: Vi giver klare oplysninger om vores datapraksis og tilbyder brugerne kontrol over deres annonceringsoplevelser, hvor det er muligt, i overensstemmelse med privatlivsbedste praksis.

Ved at udnytte disse privatlivskompatible strategier leverer Aarki effektiv annonceringsmålretning, samtidig med at vi respekterer brugerprivatliv. Vi har omdannet udfordringerne i privatlivsæraen til muligheder for innovation, hvilket har resulteret i en platform, der er både privatlivskompatibel og højtydig for vores kunders brugeranskaffelses- og genengageringskampagner. Da den digitale reklameverden udvikler sig, forbliver Aarki engageret i at føre an i privatlivskompatible, AI-drevne mobile reklameløsninger.

Kan du forklare begrebet ML-drevet kreativ målretning og hvordan det integrerer med din kreative strategi?

ML-drevet kreativ målretning er vores metode til at optimere annonceringskreative baseret på de adfærdskohorter, vi identificerer gennem vores maskinlæringsmodeller. Denne proces involverer flere trin:

• Kohortanalyse: Vores ML-modeller analyserer enorme mængder af kontekstuelle data for at skabe detaljerede adfærdskohorter.
• Kreativ indsigt: For hver kohort bruger vi maskinlæring til at identificere de kreative elementer, der sandsynligvis vil have den største effekt. Dette kan inkludere farveskemaer, annonceringsformater, budskabsstilarter eller visuelle temaer.
• Samarbejde: Vores datavidenskabsteam samarbejder med vores kreative team, hvor vi deler disse ML-afledte indsighter.
• Kreativ udvikling: Basert på disse indsighter udvikler vores kreative team tilpassede annonceringskreative for hver kohort. Dette kan indebære tilpasning af billeder, tekst, kalde-til-handling eller annonceringsstruktur.
• Dynamisk samling: Vi bruger dynamisk kreativ optimering til at samle annonceringskreative i realtid, hvor vi matcher de mest effektive elementer til hver kohort.
• Kontinuerlig optimering: Da vi indsamler præstationsdata, tilpasser vores ML-modeller kontinuerligt deres forståelse af, hvad der fungerer bedst for hver kohort, hvilket skaber en feedback-løkke for kontinuerlig kreativ forbedring.
• Skalerbarhed og effektivitet: Denne tilgang giver os mulighed for at skabe højttilegnede kreative på en skalerbar måde uden behov for manuel segmentering eller gætteriarbejde.

Resultatet er en syntese mellem datavidenskab og kreativitet. En af vores kernepiller, Unified Creative Framework, sikrer, at vores ML-modeller giver data-drevne indsighter i, hvad der fungerer for forskellige målgrupper, samtidig med at vores kreative team bringer disse indsighter til live i overbevisende annonceringsdesign. Denne tilgang giver os mulighed for at levere mere relevante og engagerende annoncer til hver kohort, samtidig med at vi forbedrer kampagneprestation og brugeroplevelse.

Hvad er rollen for dit kreative team i udviklingen af annonceringskampagner, og hvordan samarbejder de med AI-modellerne til at optimere annonceringspræstation?

Vores kreative team spiller en integreret rolle i udviklingen af effektive annonceringskampagner hos Aarki. De arbejder tæt sammen med vores AI-modeller til at optimere annonceringspræstation. Det kreative team tolker indsighter fra vores ML-modeller om, hvad der resonerer med forskellige adfærdskohorter. De udvikler herefter tilpassede annonceringskreative, hvor de tilpasser elementer som billeder, tekst og formater for at matche disse indsighter.

Da kampagnerne køres, analyserer teamet præstationsdata sammen med AI, og de tilpasser kontinuerligt deres tilgang. Denne iterative proces giver mulighed for hurtig optimering af kreative elementer.

Synergien mellem menneskelig kreativitet og AI-drevne indsighter giver os mulighed for at producere højttilegnede og engagerende annoncer på en skalerbar måde, hvilket driver overlegen præstation for vores kunders kampagner.

Hvordan fungerer Aarkis AI-infrastruktur til at afbryde og forhindre annoncerings-svindel? Kan du give nogle eksempler på de typer af svindel, som dit system identificerer?

Som jeg tidligere nævnte, anvender Aarki en multi-lagdelte tilgang til at bekæmpe annoncerings-svindel. Vi nærmer os svindelafbrydelse som en for-bud-filter med efterfølgende analyse af de data, der kommer gennem vores systemer. Selvom jeg allerede har beskrevet vores generelle strategi, kan jeg give nogle specifikke eksempler på de typer af svindel, som vores system identificerer:

• Klik-flod: Detektion af usædvanligt høje klik-rater fra bestemte kilder.
• Installations-fabrikker: Identifikation af mønstre af multiple installationer fra samme IP-adresse eller enhed.
• Usædvanlig klik-til-installationstid (CTIT): Sporing af usædvanlige klik-til-installationstider som signal for bot-aktivitet.
• Lav tilbageholdelsesrate: Identifikation af brugere fra udgivere, der gentagne gange viser lav tilbageholdelsesrate efter installation.

Vores AI tilpasser sig kontinuerligt for at genkende nye svindel-taktikker, beskyttende vores kunders budgetter.

Hvordan adskiller Aarkis tilgang til brugeranskaffelse og genengagering sig fra andre platforme i branchen?

Aarkis tilgang til brugeranskaffelse og genengagering adskiller sig på flere nøgleområder:

• Privatlivskompatibel strategi: Vi har fuldt ud tilpasset os til en verden uden enheds-ID’er og er SKAN 4-kompatibelt, hvilket gør os fremtidssikre i en privatlivs-fokuseret landskab.
• Avanceret AI og maskinlæring: Vores multi-niveau maskinlæringsinfrastruktur processerer enorme mængder af kontekstuelle data, hvilket giver mulighed for at skabe sofistikerede adfærdskohorter uden at afhænge af personlige identifikatorer.
• ML-drevet kreativ målretning: Vi kombinerer AI-indsighter med menneskelig kreativitet til at udvikle højttilegnede annonceringskreative for hver kohort.
• Dynamisk multi-objekt-budoptimering: Vores budsystem overvejer multiple mål samtidigt, balancerende effektivitet med udforskning for at maksimere ROI.
• Kontekstuel intelligens: Vi udnytter trillions af kontekstuelle signaler til at informere vores målretning, gående ud over grundlæggende demografisk eller geografisk segmentering.
• Kontinuerlig optimering: Vores AI-modeller tilpasser sig kontinuerligt, sikrende, at vores strategier udvikler sig med ændringer i brugeradfærd og markedsvilkår.
• Samlet tilgang: Vi tilbyder en samlet integration af brugeranskaffelse og genengagering, hvilket giver en helhedsorienteret visning af brugerrejser.
• Skalerbarhed: Vores infrastruktur kan håndtere enorme datamængder (5M+ reklameforespørgsler per sekund fra 10B+ enheder), hvilket giver mulighed for højttilegnede målretning på en skalerbar måde.
• Avanceret svindelafbrydelse: Vores indbyggede for-bud-filtre, efterfølgende analyse af massive datamængder kombineret med tredjepartsdata, placerer os i frontlinjen for at beskytte vores kunders budgetter mod svindel.

Denne kombination af privatlivskompatible metoder, avanceret AI, kreativ optimering, svindelafbrydelse og skalerbar infrastruktur giver os mulighed for at levere mere effektive, effektive og tilpassede kampagner.

Mine erfaringer har lært mig, at fremtiden for adtech ligger i at harmonisere big data, maskinlæring og menneskelig kreativitet. Jeg er stolt over, at vi ikke kun har en fremragende teknologi, men også et exceptionelt team af analytikere, datavidenskabsfolk og kreative fagfolk, der tilfører menneskelig kreativitet til vores teknologi.

Kan du dele nogle succes-historier, hvor Aarkis platform har betydeligt forbedret klienternes ROI og kampagneprestation?

AppsFlyer Performance Index anerkender Aarki som en leder i retargeting, hvor vi er rangeret som #1 i gaming i Nordamerika og #3 globalt. Vi er også rangeret som en top-performer på tværs af alle Singulars reklame-ROI-indekser. Dette case-study er også et bevis på vores globale lederskab. Ikke kun inden for gaming, men vi har også nylige case-studier, der viser vores evne til at drive resultater på tværs af forskellige app-kategorier.

Jeg er stolt over at fremhæve vores partnerskab med DHgate, en førende e-handelsplatform. Vores retargeting-kampagner for både Android og iOS leverede exceptionelle resultater, hvilket viser Aarkis evne til at drive præstation på en skalerbar måde.

Vi anvendte vores dybe neurale netværksteknologi til at præcist samle brugersegmenter for at maksimere retargetingseffektivitet. Dette resulterede i en 33% vækst i høj-intentions-brugerklik og en 33% stigning i konverteringer.

Mest imponerende var, at mens DHgates udgifter til Aarki øgedes med 52%, overgik vi konsekvent deres 450% D30 ROAS-mål med 1,7 gange, opnående en bemærkelsesværdig 784% ROAS. Denne case viser vores engagement i at levere overlegen resultater for vores kunder. Læs mere om det her.

For en mad- og leverings-app implementerede vi en retargeting-kampagne for at genaktivere brugere og anskaffe nye kunder effektivt.

Dette resulterede i en 75% reduktion i omkostning pr. anskaffelse (CPA) og 12,3 millioner bruger-genaktivering. Nøglen til succes var at anvende vores dybe neurale netværksmodeller til at målrette de rette målgrupper med tilpassede budskaber, hvilket holdt kampagnen frisk og engagerende. Læs det her.

Disse case-studier viser vores evne til at drive betydelige forbedringer i nøgle-målinger på tværs af forskellige app-kategorier og kampagnetyper. Vores privatlivskompatible tilgang, avancerede AI-kapaciteter og strategisk brug af kontekstuelle data giver os mulighed for at levere overlegen resultater for vores kunder, både i brugeranskaffelse og genengageringsindsats.

Hvad ser du for fremtidige fremskridt i AI og maskinlæring som afgørende for den mobile reklamebranche?

Da jeg ser fremad, forventer jeg flere afgørende fremskridt i AI og maskinlæring for den mobile reklamebranche:

• Forbedrede privatlivsbeskyttelsesmetoder: Den massive skala af data, vi processerer, vil føre til hidtil usete læringsmuligheder. Dybe neurale netværk (DNN’er) vil udnytte dette til at skabe overlegne privatlivskompatible engagementstrategier. I virkeligheden vil begrebet “målretning” udvikle sig så dramatisk, at vi vil have brug for nye begreber til at beskrive disse AI-drevne, prædiktive tilgange.
• Generativ AI til realtids-kreativ optimering: Vi vil se AI, der ikke kun kan optimere, men også skabe og dynamisk ændre annonceringskreative i realtid. Dette vil revolutionere, hvordan vi tilgår annonceringsdesign og personalisering.
• Helhedsprædiktive modeller: Ved at kombinere vores dybe neurale netværk for produktsindsigt med vores Multi-objekt-budoptimeringsværktøj (MOBO) til prissætning, vil vi udvikle højtydigge og effektive modeller for både brugeranskaffelse og retargeting. Disse vil give os ide incrediblement nøjagtige forudsigelser af langsigtede brugerværdier, hvilket giver mulighed for smartere, mere strategiske kampagneledelse. Disse fremskridt vil sandsynligvis føre til mere effektive, effektive og bruger-venlige mobile reklameoplevelser. Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Aarki.