Aman Sareen, PDG d’Aarki – Série d’entretiens

Aman Sareen est le PDG d’Aarki, une entreprise d’intelligence artificielle qui propose des solutions publicitaires pour stimuler la croissance des revenus des développeurs d’applications mobiles. Aarki permet aux marques de s’engager efficacement avec leur public dans un monde où la confidentialité est primordiale, en utilisant des milliards de signaux de enchères contextuelles couplés à des modèles d’apprentissage automatique et de comportement propriétaires. En travaillant avec des centaines d’annonceurs à l’échelle mondiale et en gérant plus de 5M de demandes de publicité mobile par seconde à partir de plus de 10B d’appareils, Aarki est une entreprise privée dont le siège social est situé à San Francisco, CA avec des bureaux aux États-Unis, en EMEA et en APAC.

Pouvez-vous partager un peu votre parcours, de la cofondation de ZypMedia à la direction d’Aarki ? Quelles expériences clés ont façonné votre approche de l’IA et de l’AdTech ?

Mon parcours de dirigeant dans l’AdTech a commencé avec la cofondation de ZypMedia en 2013, où nous avons conçu une plate-forme de demande de pointe pour la publicité locale. Ce n’était pas juste une autre plate-forme de demande ; nous l’avons construite desde zéro pour gérer des campagnes à haute volumétrie et à faible coût avec une efficacité sans précédent. C’était l’ancêtre de la ciblage hyper-localisé et de l’IA que nous voyons aujourd’hui.

En tant que PDG, j’ai dirigé ZypMedia vers 20 millions de dollars de revenus SaaS et j’ai traité 200 millions de dollars de transactions médiatiques par an. Cette expérience a été un creuset pour comprendre l’ampleur des données que les plate-formes publicitaires modernes doivent gérer — un défi conçu pour les solutions d’IA.

Mon séjour chez LG Ad Solutions, après l’acquisition de ZypMedia par Sinclair, a été une plongée dans le monde des fabricants d’appareils et la manière dont le contrôle des données de visualisation peut façonner l’avenir de la publicité sur les téléviseurs connectés (CTV). Nous avons utilisé beaucoup d’IA et d’apprentissage automatique pour construire le business LG Ads, où les données collectées à partir des appareils ont été utilisées pour générer des segments de ciblage, des blocs d’inventaire et des logiciels de planification.

En tant que PDG d’Aarki depuis 2023, je suis à la pointe de la révolution de la publicité mobile. Je peux dire que mon parcours m’a donné une profonde appréciation du pouvoir transformateur de l’IA dans l’AdTech. La progression de la programmation basique à la modélisation prédictive et à l’optimisation de la créativité dynamique a été rien de moins que remarquable.

J’ai fini par voir l’IA non pas comme un outil, mais comme la colonne vertébrale de l’AdTech de nouvelle génération. C’est la clé pour résoudre les défis les plus pressants de l’industrie ; de la ciblage conforme à la confidentialité dans un monde post-identifiant d’appareil à la création d’expériences publicitaires authentiques et personnalisées à grande échelle. Je suis convaincu que l’IA ne résoudra pas seulement les points de douleur des annonceurs, mais révolutionnera également la façon dont les opérations sont menées sur des plateformes comme Aarki. Les leçons de mon parcours — l’importance de la scalabilité, de la prise de décision basée sur les données et de l’innovation continue — sont plus pertinentes que jamais dans cette ère où l’IA est première.

Pouvez-vous élaborer sur la façon dont l’infrastructure de machine learning multi-niveaux d’Aarki fonctionne ? Quels avantages spécifiques offre-t-elle par rapport aux solutions AdTech traditionnelles ?

Mes expériences m’ont enseigné que l’avenir de l’AdTech réside dans l’harmonisation des grandes données, de l’apprentissage automatique et de la créativité humaine. Chez Aarki, nous explorons la façon dont l’IA peut améliorer chaque aspect de l’écosystème de la publicité mobile ; de l’optimisation des enchères et de la détection de la fraude à la prédiction de la performance créative et aux stratégies d’acquisition d’utilisateurs.

À ce stade, l’infrastructure de machine learning multi-niveaux d’Aarki est conçue pour aborder plusieurs aspects critiques de la publicité mobile, de la prévention de la fraude à la prédiction de la valeur des utilisateurs. Voici comment cela fonctionne et pourquoi c’est avantageux :

• Détection de la fraude et contrôle de la qualité de l’inventaire : Il est conçu pour protéger les performances et les budgets de nos clients. Notre approche multi-couches combine des algorithmes propriétaires avec des données tierces pour rester en tête des tactiques de fraude en évolution. Nous nous assurons que les budgets des campagnes sont investis dans un inventaire réel et de haute qualité en évaluant constamment les comportements des utilisateurs et en maintenant une base de données de fraude à jour.
• Modèles de réseaux de neurones profonds (DNN) : Notre infrastructure principale utilise des modèles de DNN multi-étapes pour prédire la valeur de chaque impression ou utilisateur. Cette approche granulaire permet à chaque modèle d’apprendre les fonctionnalités les plus critiques pour des événements de conversion spécifiques, permettant des stratégies de ciblage et d’enchères plus précises que les modèles universels.
• Optimiseur d’enchères multi-objectifs (MOBO) : Contrairement à l’ombrage d’enchères simple utilisé par la plupart des DSP, notre MOBO prend en compte plusieurs facteurs au-delà du prix. Il utilise des variables dynamiques telles que les attributs de campagne et d’inventaire, la valeur utilisateur prédite et la segmentation CPM pour optimiser les enchères. Cette méthode sophistiquée maximise le ROI tout en équilibrant plusieurs objectifs, trouvant des enchères optimales qui gagnent, atteignent les objectifs KPI et utilisent pleinement les budgets de campagne.

Ces composants offrent des avantages significatifs par rapport aux solutions AdTech traditionnelles :

• Détection de la fraude supérieure
• Prédictions plus précises et meilleur ROI grâce aux DNN multi-étapes
• Ciblage créatif hyper-granulaire avec tarification d’enchères multi-objectifs
• Scalabilité pour gérer d’immenses quantités de données
• Ciblage conforme à la confidentialité avec des cohortes contextuelles

Notre approche basée sur l’IA permet une précision, une efficacité et une adaptabilité sans précédent dans les campagnes publicitaires mobiles. En exploitant l’apprentissage profond et les techniques d’optimisation avancées, Aarki offre des performances supérieures tout en maintenant une forte emphase sur la confidentialité et la prévention de la fraude.

Comment fonctionne l’optimiseur d’enchères multi-objectifs dynamique, et quel impact a-t-il sur la maximisation du ROI pour vos clients ?

L’optimiseur d’enchères multi-objectifs dynamique est un système sophistiqué qui va au-delà des algorithmes d’ombrage d’enchères traditionnels. Contrairement aux algorithmes d’ombrage d’enchères simples qui se concentrent uniquement sur le prix, notre optimiseur prend en compte plusieurs objectifs simultanément. Cela inclut non seulement le prix, mais également les métriques de performance de campagne, la qualité de l’inventaire et l’utilisation du budget.

L’optimiseur prend en compte une gamme de variables dynamiques, notamment les attributs de campagne et d’inventaire, la valeur utilisateur prédite et la segmentation CPM. Ces variables guident le processus d’optimisation autour des KPI spécifiques aux clients, principalement le ROI. Cela nous permet de personnaliser notre stratégie d’enchères en fonction des objectifs uniques de chaque client.

L’une des principales forces de notre optimiseur est sa capacité à équilibrer l’acquisition d’utilisateurs à forte valeur de manière efficace et l’exploration de nouveaux segments d’utilisateurs et d’inventaire non exploités. Cette exploration nous permet de découvrir des opportunités précieuses que des systèmes plus rigides pourraient manquer.

Dans la pratique, cela signifie que nos clients peuvent s’attendre à une utilisation plus efficace de leurs dépenses publicitaires, à une acquisition d’utilisateurs de meilleure qualité et, en fin de compte, à un meilleur ROI sur leurs campagnes. Par exemple, il peut être judicieux de payer 50 % de plus pour enchérir sur un utilisateur qui est 5 fois plus précieux (ROAS). La capacité de l’optimiseur à équilibrer plusieurs objectifs et à s’adapter en temps réel nous permet de naviguer dans le paysage publicitaire mobile complexe de manière plus efficace que les systèmes d’enchères traditionnels à objet unique.

Aarki met l’accent sur une approche de confidentialité dans ses opérations. Comment votre plate-forme assure-t-elle la confidentialité des utilisateurs tout en offrant un ciblage publicitaire efficace ?

Je suis fier de dire que l’engagement de confidentialité est l’un des piliers fondamentaux de notre plate-forme, ainsi que notre plate-forme d’IA. Nous avons pleinement adopté le paysage sans IDFA et développé des solutions innovantes pour assurer la confidentialité des utilisateurs tout en offrant un ciblage publicitaire efficace. Voici comment nous y parvenons :

• Ciblage sans ID : Nous nous sommes pleinement adaptés au paysage post-IDFA et sommes conformes à SKAN 4. Notre plate-forme fonctionne sans s’appuyer sur les ID d’appareil individuels, en donnant la priorité à la confidentialité des utilisateurs dès le départ.
• Signaux contextuels : Nous exploitons une large gamme de points de données contextuels tels que le type d’appareil, le système d’exploitation, l’application, le genre, l’heure de la journée et la région. Ces signaux fournissent des informations de ciblage précieuses sans nécessiter de données personnelles.
• Traitement massif de données contextuelles : Nous traitons plus de 5 millions de demandes de publicité par seconde à partir de plus de 10 milliards d’appareils dans le monde. Chaque demande comporte une richesse de signaux contextuels, nous fournissant un ensemble de données conforme à la confidentialité.
• Apprentissage automatique avancé : Notre base de données de formation de 800 milliards de lignes corréle ces signaux contextuels avec des données de résultats historiques. Cela nous permet de dériver des informations et des modèles sans compromettre la confidentialité individuelle des utilisateurs.
• Cohortes de comportement dynamiques : À l’aide de l’apprentissage automatique, nous créons des cohortes de comportement très détaillées et dynamiques sur la base de données contextuelles agrégées. Ces cohortes permettent des optimisations et une mise à l’échelle efficaces sans s’appuyer sur des identifiants personnels.
• Ciblage créatif ML : Pour chaque cohorte, nous utilisons l’apprentissage automatique en collaboration avec notre équipe créative pour concevoir des stratégies créatives optimales. Cette approche garantit la pertinence et l’efficacité sans porter atteinte à la confidentialité individuelle.
• Apprentissage et adaptation continus : Nos modèles d’IA apprennent et s’adaptent en continu en fonction des performances de campagne et des données contextuelles évolutives, garantissant que notre ciblage reste efficace à mesure que les réglementations de confidentialité et les attentes des utilisateurs évoluent.
• Transparence et contrôle : Nous fournissons des informations claires sur nos pratiques de données et offrons aux utilisateurs un contrôle sur leurs expériences publicitaires lorsque cela est possible, en nous conformant aux meilleures pratiques de confidentialité.

En exploitant ces stratégies de confidentialité, Aarki offre un ciblage publicitaire efficace tout en respectant la confidentialité des utilisateurs. Nous avons transformé les défis de l’ère de la confidentialité en opportunités d’innovation, aboutissant à une plate-forme à la fois conforme à la confidentialité et très efficace pour les campagnes d’acquisition et de réengagement de nos clients. À mesure que le paysage publicitaire numérique évolue, Aarki reste engagé à ouvrir la voie dans les solutions publicitaires mobiles basées sur l’IA et axées sur la confidentialité.

Pouvez-vous expliquer le concept de ciblage créatif ML et comment il s’intègre dans votre stratégie créative ?

Le ciblage créatif ML est notre méthodologie pour optimiser les créatifs publicitaires en fonction des cohortes de comportement que nous identifions à l’aide de nos modèles d’apprentissage automatique. Ce processus implique plusieurs étapes :

• Analyse de cohorte : Nos modèles d’IA analysent d’immenses quantités de données contextuelles pour créer des cohortes de comportement détaillées.
• Insights créatifs : Pour chaque cohorte, nous utilisons l’apprentissage automatique pour identifier les éléments créatifs qui sont les plus susceptibles de résonner de manière efficace. Cela peut inclure des schémas de couleurs, des formats de publicité, des styles de messagerie ou des thèmes visuels.
• Collaboration : Notre équipe de data science collabore avec notre équipe créative, partageant ces insights dérivés de l’IA.
• Développement créatif : Sur la base de ces insights, notre équipe créative développe des créatifs publicitaires personnalisés pour chaque cohorte. Cela peut impliquer l’ajustement d’images, de copies, d’appels à l’action ou de structures publicitaires globales.
• Assemblage dynamique : Nous utilisons l’optimisation de la créativité dynamique pour assembler les créatifs publicitaires en temps réel, en faisant correspondre les éléments les plus efficaces à chaque cohorte.
• Optimisation continue : À mesure que nous collectons des données de performance, nos modèles d’IA affinent continuellement leur compréhension de ce qui fonctionne pour chaque cohorte, créant une boucle de rétroaction pour l’amélioration créative continue.
• Échelle et efficacité : Cette approche nous permet de créer des créatifs très ciblés à grande échelle sans nécessiter de segmentation manuelle ou de deviner.

Le résultat est une synergie entre la science des données et la créativité. L’un de nos piliers fondamentaux, le cadre créatif unifié, garantit que nos modèles d’IA fournissent des insights basés sur les données sur ce qui fonctionne pour différents segments d’audience. En même temps, notre équipe créative donne vie à ces insights dans des conceptions publicitaires engageantes. Cette approche nous permet de livrer des publicités plus pertinentes et engageantes à chaque cohorte, améliorant ainsi les performances de campagne et l’expérience utilisateur.

Quel rôle joue votre équipe créative dans le développement de campagnes publicitaires, et comment collaborent-elles avec les modèles d’IA pour optimiser les performances publicitaires ?

<p Notre équipe créative joue un rôle intégré dans le développement de campagnes publicitaires efficaces chez Aarki. Ils travaillent en étroite collaboration avec nos modèles d'IA pour optimiser les performances publicitaires. L'équipe créative interprète les insights provenant de nos modèles d'IA sur ce qui résonne avec les différentes cohortes de comportement. Ils créent ensuite des créatifs publicitaires personnalisés, en ajustant des éléments tels que les visuels, la messagerie et les formats pour correspondre à ces insights.

À mesure que les campagnes sont exécutées, l’équipe analyse les données de performance aux côtés de l’IA, affinant continuellement leur approche. Ce processus itératif permet une optimisation rapide des éléments créatifs.

La synergie entre la créativité humaine et les insights basés sur l’IA nous permet de produire des publicités hautement ciblées et engageantes à grande échelle, stimulant ainsi les performances des campagnes de nos clients.

Comment l’infrastructure d’IA d’Aarki détecte-t-elle et prévient-elle la fraude publicitaire ? Pouvez-vous fournir des exemples de types de fraude que votre système identifie ?

Comme je l’ai mentionné plus tôt, Aarki emploie une approche multi-couches pour lutter contre la fraude publicitaire. Nous abordons la prévention de la fraude comme un filtre préalable aux enchères avec une analyse post-enchères des données qui passent par nos systèmes. Même si j’ai déjà détaillé notre stratégie générale, je peux fournir des exemples spécifiques de types de fraude que notre système identifie :

• Inondation de clics : Détection de taux de clics anormalement élevés provenant de sources spécifiques.
• Ferme d’installation : Identification de modèles d’installations multiples provenant de la même adresse IP ou appareil.
• Temps de clic à installation anormal (CTIT) : Détection de temps de clic à installation anormaux comme signal d’activité de bot.
• Taux de rétention faible : Identification des utilisateurs provenant d’éditeurs qui présentent régulièrement des taux de rétention faibles après installation.

Notre IA continue d’évoluer pour reconnaître de nouvelles tactiques de fraude, protégeant ainsi les budgets de nos clients.

Comment l’approche d’Aarki en matière d’acquisition et de réengagement d’utilisateurs diffère-t-elle de celles d’autres plateformes de l’industrie ?

L’approche d’Aarki en matière d’acquisition et de réengagement d’utilisateurs se distingue de plusieurs manières clés :

• Stratégie de confidentialité : Nous avons pleinement adopté le ciblage sans ID et sommes conformes à SKAN 4, ce qui nous rend prêts pour l’avenir dans un paysage axé sur la confidentialité.
• IA et apprentissage automatique avancés : Notre infrastructure de machine learning multi-niveaux traite d’immenses quantités de données contextuelles pour créer des cohortes de comportement sophistiquées sans s’appuyer sur des identifiants personnels.
• Ciblage créatif ML : Nous combinons de manière unique les insights de l’IA avec la créativité humaine pour développer des créatifs publicitaires hautement ciblés pour chaque cohorte.
• Optimiseur d’enchères multi-objectifs dynamique : Notre système d’enchères prend en compte plusieurs objectifs simultanément, équilibrant l’efficacité avec l’exploration pour maximiser le ROI.
• Intelligence contextuelle : Nous exploitons des milliards de signaux contextuels pour éclairer notre ciblage, allant au-delà de la segmentation démographique ou géographique de base.
• Optimisation continue : Nos modèles d’IA apprennent et s’adaptent en continu, garantissant que nos stratégies évoluent avec les comportements et les conditions de marché changeants.
• Approche unifiée : Nous offrons une intégration transparente des stratégies d’acquisition et de réengagement d’utilisateurs, fournissant une vue holistique du parcours de l’utilisateur.
• Scalabilité : Notre infrastructure peut gérer des volumes de données massifs (5M+ de demandes de publicité par seconde à partir de 10B+ d’appareils), permettant un ciblage granulaire à grande échelle.
• Mécanismes de prévention de la fraude avancés : Nos filtres de fraude préalables aux enchères, combinés à l’analyse post-enchères des données et aux données tierces, nous placent à la pointe de la protection de nos clients contre le trafic frauduleux.

Cette combinaison d’approches axées sur la confidentialité, d’IA avancée, d’optimisation créative, de prévention de la fraude et d’infrastructure scalable nous permet de livrer des campagnes plus efficaces, efficientes et adaptables pour nos clients, que ce soit dans l’acquisition ou le réengagement d’utilisateurs.

Mon parcours m’a enseigné que l’avenir de l’AdTech réside dans l’harmonisation des grandes données, de l’apprentissage automatique et de la créativité humaine. Je suis fier du fait que, outre notre technologie, nous avons également une équipe exceptionnelle d’analystes, de data scientists et de professionnels de la créativité qui ajoutent une touche humaine à notre technologie.

Pouvez-vous partager certaines réussites où la plate-forme d’Aarki a considérablement amélioré le ROI et l’efficacité des campagnes pour vos clients ?

L’indice de performance d’AppsFlyer reconnaît Aarki comme un leader du réengagement, nous classant #1 pour les jeux en Amérique du Nord et #3 au niveau mondial. Nous sommes également classés comme performant dans tous les indexes de ROI publicitaire de Singular. Cette étude de cas est également un témoignage de notre leadership mondial. Non seulement pour les jeux, mais nous avons également des études de cas récentes qui mettent en évidence notre capacité à générer des résultats dans diverses catégories d’applications.

Je suis fier de mettre en évidence notre partenariat avec DHgate, une plate-forme de commerce électronique de premier plan. Nos campagnes de réengagement pour Android et iOS ont livré des résultats exceptionnels, démontrant la capacité d’Aarki à stimuler les performances à grande échelle.

En exploitant notre technologie de réseau de neurones profonds, nous avons assemblé avec précision des segments d’utilisateurs pour maximiser l’efficacité du réengagement. Cela a abouti à une croissance de 33 % des clics d’utilisateurs à forte intention et à une augmentation de 33 % des conversions.

De manière encore plus impressionnante, alors que les dépenses de DHgate avec Aarki ont augmenté de 52 %, nous avons constamment dépassé les objectifs de ROAS à 30 jours de 450 % de nos clients, atteignant un ROAS exceptionnel de 784 %. Ce cas d’étude illustre notre engagement à livrer des résultats supérieurs pour nos clients. En savoir plus ici.

Pour une application de nourriture et de livraison, nous avons mis en œuvre une campagne de réengagement pour réactiver les utilisateurs et acquérir de nouveaux clients de manière efficace.

Cela a abouti à une diminution de 75 % du coût d’acquisition et à 12,3 millions de réactivations d’utilisateurs. La clé de la réussite a été d’utiliser nos modèles de réseau de neurones profonds pour cibler les audiences appropriées avec des messages personnalisés, maintenant la campagne fraîche et engageante. Lire ici.

Ces études de cas démontrent notre capacité à améliorer considérablement les métriques clés dans diverses catégories d’applications et types de campagnes. Notre approche axée sur la confidentialité, nos capacités d’IA avancées et notre utilisation stratégique de données contextuelles nous permettent de livrer des résultats exceptionnels pour nos clients, que ce soit dans l’acquisition ou les efforts de réengagement d’utilisateurs.

Quelles avancées futures dans l’IA et l’apprentissage automatique prévoyez-vous comme étant cruciales pour l’industrie de la publicité mobile ?

En regardant vers l’avenir, j’anticipe plusieurs avancées cruciales dans l’IA et l’apprentissage automatique pour la publicité mobile :

• Techniques de préservation de la confidentialité améliorées : L’ampleur massive des données que nous traitons conduira à des capacités d’apprentissage sans précédent. Les réseaux de neurones profonds (DNN) exploiteront cela pour créer des stratégies d’engagement conformes à la confidentialité de pointe. En fait, le concept de « ciblage » évoluera tellement que nous aurons besoin de nouvelle terminologie pour décrire ces approches prédictives et basées sur l’IA.
• IA générative pour l’optimisation créative en temps réel : Nous verrons l’IA capable non seulement d’optimiser mais aussi de créer et de modifier dynamiquement les créatifs publicitaires en temps réel. Cela révolutionnera la façon dont nous abordons la conception et la personnalisation publicitaire.
• Modèles prédictifs holistiques : En combinant nos réseaux de neurones profonds pour les insights de produit avec notre optimiseur d’enchères multi-objectifs (MOBO) pour la tarification, nous développerons des modèles extrêmement efficaces et efficaces pour l’acquisition et le réengagement d’utilisateurs. Ces modèles fourniront des prédictions incroyablement précises de la valeur à long terme de l’utilisateur, permettant une gestion de campagne plus stratégique et intelligente.

Ces avancées devraient conduire à des expériences publicitaires mobiles plus efficaces, efficientes et conviviales.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Aarki.