Aman Sareen, CEO Aarki – Seri Wawancara

Aman Sareen adalah CEO Aarki, sebuah perusahaan AI yang menyediakan solusi periklanan yang menghasilkan pertumbuhan pendapatan bagi pengembang aplikasi mobile. Aarki memungkinkan merek untuk terlibat dengan audiens secara efektif dalam dunia yang mengutamakan privasi dengan menggunakan miliaran sinyal penawaran kontekstual yang dipasangkan dengan model pembelajaran mesin dan perilaku proprietary. Bekerja dengan ratusan pengiklan secara global dan mengelola lebih dari 5M permintaan iklan mobile per detik dari lebih dari 10B perangkat, Aarki adalah perusahaan swasta yang berkantor pusat di San Francisco, CA dengan kantor di seluruh AS, EMEA, dan APAC.

Apakah Anda bisa berbagi sedikit tentang perjalanan Anda dari co-founding ZypMedia hingga memimpin Aarki? Apa pengalaman kunci yang telah membentuk pendekatan Anda terhadap AI dan AdTech?

Perjalanan kepemimpinan adtech saya dimulai dengan co-founding ZypMedia pada 2013, di mana kami merancang platform demand-side yang canggih untuk periklanan lokal. Ini bukan hanya DSP biasa; kami membangunnya dari awal untuk menangani kampanye volume tinggi, rendah-dolar dengan efisiensi yang belum pernah terjadi sebelumnya. Bayangkan ini sebagai pendahulu dari target yang hiper-lokal, AI-driven yang kita lihat hari ini.

Sebagai CEO, saya mengarahkan ZypMedia untuk mencapai $20 juta dalam pendapatan SaaS dan memproses $200 juta dalam transaksi media tahunan. Pengalaman ini adalah ujian api untuk memahami skala data yang harus ditangani oleh platform periklanan modern — sebuah tantangan yang dirancang khusus untuk solusi AI.

Masa saya di LG Ad Solutions, setelah akuisisi ZypMedia oleh Sinclair, adalah penyelaman mendalam ke dunia produsen perangkat dan bagaimana kontrol data pemirsa dapat membentuk masa depan periklanan Connected TV (CTV). Kami menggunakan banyak AI/pembelajaran mesin dalam membangun bisnis LG Ads, di mana data yang dikumpulkan dari perangkat digunakan untuk menghasilkan segmen target, blok inventori, dan perangkat lunak perencanaan.

Sebagai CEO Aarki sejak 2023, saya berada di garis depan revolusi periklanan mobile. Saya dapat mengatakan bahwa perjalanan saya telah memberi saya penghargaan mendalam terhadap kekuatan transformasional AI dalam adtech. Perkembangan dari programmatic dasar ke model prediktif AI-driven dan optimasi kreatif dinamis telah luar biasa.

Saya telah menyadari bahwa AI bukan hanya sebuah alat, tetapi tulang punggung adtech generasi berikutnya. Ini adalah kunci untuk memecahkan tantangan industri yang paling mendesak; dari target yang sesuai dengan privasi dalam dunia pasca-ID perangkat hingga menciptakan pengalaman iklan yang asli dan dipersonalisasi dalam skala besar. Saya percaya bahwa AI tidak hanya akan memecahkan masalah yang dihadapi pengiklan, tetapi juga akan merevolusi cara operasi dijalankan di platform seperti Aarki. Pelajaran dari perjalanan saya — pentingnya skalabilitas, pengambilan keputusan berbasis data, dan inovasi terus-menerus — lebih relevan daripada sebelumnya dalam era AI-pertama ini.

Apakah Anda bisa menjelaskan bagaimana infrastruktur mesin pembelajaran multi-level Aarki bekerja? Apa kelebihan khusus yang ditawarkannya dibandingkan dengan solusi adtech tradisional?

Pengalaman saya telah mengajari saya bahwa masa depan adtech terletak pada harmonisasi big data, pembelajaran mesin, dan kreativitas manusia. Di Aarki, kami menjelajahi bagaimana AI dapat meningkatkan setiap aspek ekosistem periklanan mobile; dari optimasi penawaran dan deteksi penipuan hingga prediksi kinerja kreatif dan strategi akuisisi pengguna.

Saat ini, infrastruktur mesin pembelajaran multi-level Aarki dirancang untuk menangani beberapa aspek kritis periklanan mobile, dari pencegahan penipuan hingga prediksi nilai pengguna. Berikut adalah cara kerjanya dan mengapa ini menguntungkan:

• Deteksi Penipuan dan Kontrol Kualitas Inventori: Ini dirancang untuk melindungi kinerja dan anggaran klien kami. Pendekatan multi-lapis kami menggabungkan algoritma proprietary dengan data pihak ketiga untuk tetap mendahului taktik penipuan yang berkembang. Kami memastikan anggaran kampanye diinvestasikan dalam inventori yang asli dan berkualitas tinggi dengan terus mengevaluasi perilaku pengguna dan memelihara database penipuan yang mutakhir.
• Model Jaringan Saraf Dalam (DNN): Infrastruktur inti kami menggunakan model DNN multi-tahap untuk memprediksi nilai setiap impresi atau pengguna. Pendekatan granular ini memungkinkan setiap model untuk mempelajari fitur yang paling kritis untuk acara konversi tertentu, memungkinkan strategi penawaran dan target yang lebih presisi dibandingkan dengan model satu-ukuran-untuk-semua.
• Pengoptimasi Penawaran Multi-Tujuan (MOBO): Tidak seperti penyaringan penawaran sederhana yang digunakan oleh sebagian besar DSP, MOBO kami mempertimbangkan beberapa faktor selain harga. Ini menggunakan variabel dinamis seperti atribut kampanye dan inventori, nilai pengguna yang diprediksi, dan segmentasi CPM untuk mengoptimalkan penawaran. Metode yang canggih ini memaksimalkan ROI sambil menyeimbangkan beberapa tujuan, menemukan penawaran optimal yang menang, memenuhi tujuan KPI, dan mengatur dengan benar untuk menggunakan anggaran kampanye secara penuh.

Komponen-komponen ini menawarkan kelebihan signifikan dibandingkan dengan solusi AdTech tradisional:

• Deteksi penipuan yang unggul
• Prediksi yang lebih akurat dan ROI yang lebih baik melalui DNN multi-tahap
• Target kreatif hiper-lokal dengan harga penawaran multi-tujuan
• Skalabilitas untuk menangani jumlah data yang besar
• Target yang mengutamakan privasi dengan kohort kontekstual

Pendekatan AI-driven kami memungkinkan akurasi, efisiensi, dan adaptabilitas yang belum pernah terjadi sebelumnya dalam kampanye periklanan mobile. Dengan menggunakan pembelajaran mesin dalam dan teknik optimasi canggih, Aarki menyampaikan kinerja yang unggul sambil mempertahankan fokus kuat pada privasi dan pencegahan penipuan.

Bagaimana Pengoptimasi Penawaran Dinamis Multi-Tujuan berfungsi, dan apa dampaknya pada memaksimalkan ROI untuk klien Anda?

Pengoptimasi Penawaran Dinamis Multi-Tujuan adalah sistem canggih yang melampaui algoritma penyaringan penawaran tradisional. Tidak seperti algoritma penyaringan penawaran sederhana yang hanya fokus pada harga, optimizer kami mempertimbangkan beberapa tujuan secara bersamaan. Ini termasuk tidak hanya harga tetapi juga metrik kinerja kampanye, kualitas inventori, dan penggunaan anggaran.

Optimizer kami mempertimbangkan berbagai variabel dinamis, termasuk atribut kampanye dan inventori, nilai pengguna yang diprediksi, dan segmentasi CPM. Variabel-variabel ini membimbing proses optimasi di sekitar KPI klien yang spesifik, terutama ROI. Ini memungkinkan kami untuk menyesuaikan strategi penawaran kami dengan tujuan unik setiap klien.

Salah satu kekuatan utama optimizer kami adalah kemampuannya untuk menyeimbangkan antara akuisisi pengguna berharga secara efisien dan menjelajahi segmen pengguna dan inventori baru yang belum dieksplorasi. Eksplorasi ini membantu kami menemukan peluang berharga yang mungkin dilewatkan oleh sistem yang lebih kaku.

Dalam prakteknya, ini berarti klien kami dapat mengharapkan penggunaan anggaran iklan yang lebih efisien, akuisisi pengguna yang lebih berkualitas, dan, pada akhirnya, ROI yang lebih baik pada kampanye mereka. Misalnya, mungkin masuk akal untuk membayar 50% lebih untuk menawar pengguna yang 5 kali lebih berharga (ROAS). Kemampuan optimizer untuk menyeimbangkan beberapa tujuan dan beradaptasi dalam waktu nyata memungkinkan kami untuk menavigasi lanskap periklanan mobile yang kompleks lebih efektif daripada sistem penawaran tunggal-tujuan tradisional.

Aarki menekankan pendekatan privasi-pertama dalam operasionalnya. Bagaimana platform Anda memastikan privasi pengguna sambil masih menyampaikan target iklan yang efektif?

Saya bangga mengatakan bahwa keterlibatan privasi-pertama adalah salah satu pilar inti platform kami, bersama dengan platform AI kami. Kami telah sepenuhnya beradaptasi dengan lanskap pasca-IDFA dan mengembangkan solusi inovatif untuk memastikan privasi pengguna sambil menyampaikan target iklan yang efektif. Berikut adalah cara kami mencapainya:

• Target Tanpa ID: Kami telah sepenuhnya beradaptasi dengan lanskap pasca-IDFA dan memenuhi syarat SKAN 4, membuat kami siap untuk masa depan dalam lanskap yang berfokus pada privasi.
• Sinyal Kontekstual: Kami menggunakan berbagai poin data kontekstual seperti jenis perangkat, OS, aplikasi, genre, waktu hari, dan wilayah. Sinyal-sinyal ini menyediakan informasi target yang berharga tanpa memerlukan data pribadi.
• Pengolahan Data Kontekstual Masif: Kami mengolah lebih dari 5 juta permintaan iklan per detik dari lebih dari 10 miliar perangkat secara global. Setiap permintaan memiliki sejumlah besar sinyal kontekstual, memberikan kami dataset yang kaya dan sesuai dengan privasi.
• Pembelajaran Mesin Lanjutan: Database model pelatihan kami yang berisi 800 miliar baris menghubungkan sinyal-sinyal kontekstual ini dengan data hasil sejarah. Ini memungkinkan kami untuk menghasilkan wawasan dan pola tanpa mengorbankan privasi pengguna individu.
• Kohort Perilaku Dinamis: Menggunakan pembelajaran mesin, kami menciptakan kohort perilaku yang sangat detail dan dinamis berdasarkan data kontekstual yang agregat. Kohort-kohort ini memungkinkan optimasi yang efisien dan penskalaan tanpa mengandalkan pengidentifikasi pribadi.
• Target Kreatif ML-Driven: Untuk setiap kohort, kami menggunakan pembelajaran mesin dalam kolaborasi dengan tim kreatif kami untuk mengembangkan strategi kreatif optimal. Pendekatan ini memastikan relevansi dan efektivitas tanpa mengganggu privasi individu.
• Pelajaran dan Adaptasi Terus-Menerus: Model AI kami terus-menerus belajar dan beradaptasi berdasarkan kinerja kampanye dan data kontekstual yang berkembang, memastikan target kami tetap efektif seiring dengan evolusi regulasi privasi dan harapan pengguna.
• Transparansi dan Kontrol: Kami menyediakan informasi yang jelas tentang praktik data kami dan menawarkan pengguna kontrol atas pengalaman iklan mereka di mana pun memungkinkan, sejalan dengan praktik privasi terbaik.

Dengan menggunakan strategi privasi-pertama ini, Aarki menyampaikan target iklan yang efektif sambil menghormati privasi pengguna. Kami telah mengubah tantangan era privasi-pertama menjadi kesempatan untuk inovasi, menghasilkan platform yang tidak hanya sesuai dengan privasi tetapi juga sangat efektif untuk kampanye akuisisi pengguna dan re-engagement klien kami. Seiring dengan evolusi lanskap periklanan digital, Aarki tetap berkomitmen untuk memimpin dalam solusi periklanan mobile yang didorong oleh AI dan privasi-pertama.

Apakah Anda bisa menjelaskan konsep Target Kreatif ML-Driven dan bagaimana integrasinya dengan strategi kreatif Anda?

Target Kreatif ML-Driven adalah metodologi kami untuk mengoptimalkan kreatif iklan berdasarkan kohort perilaku yang kami identifikasi melalui model pembelajaran mesin kami. Proses ini melibatkan beberapa langkah:

• Analisis Kohort: Model ML kami menganalisis sejumlah besar data kontekstual untuk menciptakan kohort perilaku yang detail.
• Wawasan Kreatif: Untuk setiap kohort, kami menggunakan pembelajaran mesin untuk mengidentifikasi elemen kreatif yang paling efektif. Ini bisa termasuk skema warna, format iklan, gaya pesan, atau tema visual.
• Kolaborasi: Tim ilmu data kami bekerja sama dengan tim kreatif kami, berbagi wawasan ML yang dihasilkan.
• Pengembangan Kreatif: Berdasarkan wawasan ini, tim kreatif kami mengembangkan kreatif iklan yang disesuaikan untuk setiap kohort. Ini mungkin melibatkan penyesuaian gambar, salinan, panggilan untuk tindakan, atau struktur iklan secara keseluruhan.
• Perakitan Dinamis: Kami menggunakan optimasi kreatif dinamis untuk merakit kreatif iklan secara real-time, mencocokkan elemen paling efektif dengan setiap kohort.
• Optimasi Terus-Menerus: Seiring dengan pengumpulan data kinerja, model ML kami terus-menerus memperbarui pemahaman mereka tentang apa yang berhasil untuk setiap kohort, menciptakan umpan balik untuk perbaikan kreatif yang berkelanjutan.
• Skalabilitas dan Efisiensi: Pendekatan ini memungkinkan kami untuk menciptakan kreatif yang sangat ditargetkan pada skala tanpa memerlukan segmentasi manual atau taksiran.

Hasilnya adalah sinergi antara ilmu data dan kreativitas. Salah satu pilar inti kami, Kerangka Kreatif Terpadu, memastikan bahwa model ML kami menyediakan wawasan data-driven tentang apa yang berhasil untuk segmen audiens yang berbeda. Pada saat yang sama, tim kreatif kami menghidupkan wawasan ini dalam desain iklan yang menarik. Pendekatan ini memungkinkan kami untuk menyampaikan iklan yang lebih relevan dan menarik untuk setiap kohort, secara bersamaan meningkatkan kinerja kampanye dan pengalaman pengguna.

Apakah peran tim kreatif Anda dalam mengembangkan kampanye iklan, dan bagaimana mereka bekerja sama dengan model AI untuk mengoptimalkan kinerja iklan?

Tim kreatif kami memainkan peran terintegrasi dalam mengembangkan kampanye iklan yang efektif di Aarki. Mereka bekerja sama dengan model AI kami untuk mengoptimalkan kinerja iklan. Tim kreatif kami menafsirkan wawasan dari model ML kami tentang apa yang beresonansi dengan kohort perilaku yang berbeda. Mereka kemudian menciptakan kreatif iklan yang disesuaikan, menyesuaikan elemen seperti visual, pesan, dan format untuk mencocokkan wawasan ini.

Seiring dengan kampanye yang berjalan, tim kami menganalisis data kinerja bersama dengan AI, terus-menerus memperbarui pendekatan mereka. Proses iteratif ini memungkinkan optimasi kreatif yang cepat.

Sinergi antara kreativitas manusia dan wawasan AI-driven memungkinkan kami untuk menghasilkan iklan yang sangat ditargetkan dan menarik pada skala, menghasilkan kinerja yang unggul untuk kampanye klien kami.

Bagaimana infrastruktur AI Aarki mendeteksi dan mencegah penipuan iklan? Apakah Anda bisa memberikan contoh jenis penipuan yang sistem Anda identifikasi?

Seperti yang saya sebutkan sebelumnya, Aarki menggunakan pendekatan multi-lapis untuk melawan penipuan iklan. Kami mendekati pencegahan penipuan sebagai filter pra-penawaran dengan analitik pasca-penawaran dari data yang masuk ke sistem kami. Sementara saya telah menjelaskan strategi umum kami, saya dapat memberikan contoh spesifik dari jenis penipuan yang sistem kami identifikasi:

• Banjir Klik: Mendeteksi tingkat klik yang abnormal tinggi dari sumber tertentu.
• Pertanian Instalasi: Mengidentifikasi pola dari beberapa instalasi dari alamat IP atau perangkat yang sama.
• Waktu Klik-ke-Instalasi yang Tidak Biasa (CTIT): Mengenali waktu klik-ke-instalasi yang tidak biasa sebagai sinyal untuk aktivitas bot.
• Tingkat Pemeliharaan Rendah: Mengidentifikasi pengguna dari penerbit yang secara konsisten menunjukkan tingkat pemeliharaan rendah setelah instalasi.

AI kami terus berkembang untuk mengenali taktik penipuan baru, melindungi anggaran klien kami.

Bagaimana pendekatan Aarki terhadap akuisisi pengguna dan re-engagement berbeda dari platform lain di industri?

Pendekatan Aarki terhadap akuisisi pengguna dan re-engagement membedakan kami dalam beberapa cara kunci:

• Strategi Privasi-Pertama: Kami telah sepenuhnya mengadopsi target tanpa ID, membuat kami memenuhi syarat SKAN 4 dan siap untuk lanskap yang berfokus pada privasi.
• AI dan Pembelajaran Mesin Lanjutan: Infrastruktur mesin pembelajaran multi-level kami mengolah sejumlah besar data kontekstual, menciptakan kohort perilaku yang canggih tanpa mengandalkan pengidentifikasi pribadi.
• Target Kreatif ML-Driven: Kami secara unik menggabungkan wawasan AI dengan kreativitas manusia untuk mengembangkan kreatif iklan yang sangat ditargetkan untuk setiap kohort.
• Pengoptimasi Penawaran Dinamis Multi-Tujuan: Sistem penawaran kami mempertimbangkan beberapa tujuan secara bersamaan, menyeimbangkan efisiensi dengan eksplorasi untuk memaksimalkan ROI.
• Inteligensi Kontekstual: Kami menggunakan triliunan sinyal kontekstual untuk memandu target kami, melampaui segmentasi demografi atau geografis dasar.
• Optimasi Terus-Menerus: Model AI kami terus-menerus belajar dan beradaptasi, memastikan strategi kami berkembang seiring dengan perubahan perilaku pengguna dan kondisi pasar.
• Pendekatan Terpadu: Kami menawarkan integrasi yang mulus dari akuisisi pengguna dan re-engagement, memberikan pandangan holistik tentang perjalanan pengguna.
• Skalabilitas: Infrastruktur kami dapat menangani volume data yang besar (5M+ permintaan iklan per detik dari 10B+ perangkat), memungkinkan target yang sangat granular pada skala.
• Mekanisme Pencegahan Penipuan Lanjutan: Mekanisme pencegahan penipuan pra-penawaran internal kami, analitik pasca-penawaran dari volume data besar, dikombinasikan dengan data pihak ketiga, menempatkan kami di garis depan dalam menyelamatkan uang klien dari lalu lintas penipuan.

Kombinasi dari metode privasi-pertama, AI lanjutan, optimasi kreatif, pencegahan penipuan, dan infrastruktur yang dapat diskalakan memungkinkan kami untuk menyampaikan kampanye yang lebih efektif, efisien, dan adaptif.

Perjalanan saya telah mengajari saya bahwa masa depan adtech terletak pada harmonisasi big data, pembelajaran mesin, dan kreativitas manusia. Saya bangga dengan tim luar biasa analis, ilmuwan data, dan profesional kreatif yang menambahkan kreativitas manusia ke teknologi kami.

Apakah Anda bisa berbagi beberapa kisah sukses di mana platform Aarki secara signifikan meningkatkan ROI klien dan efektivitas kampanye?

Indeks Kinerja AppsFlyer mengakui Aarki sebagai pemimpin dalam retargeting, menempatkan kami di peringkat #1 untuk gaming di Amerika Utara dan #3 secara global. Kami juga dinilai sebagai penampil teratas di semua indeks ROI iklan Singular. Studi kasus ini juga merupakan bukti kepemimpinan kami secara global. Bukan hanya untuk gaming, tetapi kami memiliki studi kasus terbaru yang menunjukkan kemampuan kami untuk menghasilkan hasil di berbagai kategori aplikasi.

Saya bangga untuk menyoroti kemitraan kami dengan DHgate, sebuah platform e-commerce terkemuka. Kampanye retargeting kami untuk Android dan iOS menghasilkan hasil luar biasa, menunjukkan kemampuan Aarki untuk menghasilkan kinerja pada skala.

Dengan menggunakan teknologi jaringan saraf dalam kami, kami dengan tepat merakit segmen pengguna untuk memaksimalkan efektivitas retargeting. Ini menghasilkan pertumbuhan 33% dalam klik pengguna dengan niat tinggi dan peningkatan 33% dalam konversi.

<p Yang paling mengesankan, sementara pengeluaran DHgate dengan Aarki meningkat 52%, kami secara konsisten melampaui tujuan ROAS D30 sebesar 450% dengan 1,7x, mencapai ROAS luar biasa sebesar 784%. Studi kasus ini menggambarkan komitmen kami untuk menyampaikan hasil yang superior bagi klien kami. Baca lebih lanjut tentang ini di sini.

Untuk aplikasi makanan dan pengiriman, kami melaksanakan kampanye retargeting untuk mengaktifkan kembali pengguna dan mengakuisisi pelanggan baru secara efisien.

Ini menghasilkan penurunan 75% dalam Biaya Per Akuisisi (CPA) dan 12,3 juta reaktivasi pengguna. Kunci keberhasilan adalah menggunakan model Jaringan Saraf Dalam kami untuk menargetkan audiens yang tepat dengan pesan yang disesuaikan, menjaga kampanye tetap segar dan menarik. Baca tentang ini di sini.

Studi kasus ini menunjukkan kemampuan kami untuk menghasilkan perbaikan signifikan dalam metrik kunci di berbagai kategori aplikasi dan jenis kampanye. Pendekatan privasi-pertama kami, kemampuan AI lanjutan, penggunaan strategis data kontekstual, dan infrastruktur yang dapat diskalakan memungkinkan kami untuk menyampaikan hasil yang luar biasa bagi klien kami, baik dalam akuisisi pengguna maupun upaya re-engagement.

Apakah Anda bisa membagikan beberapa kemajuan masa depan dalam AI dan pembelajaran mesin yang Anda lihat sebagai kunci untuk industri periklanan mobile?

Menghadap ke depan, saya memprediksi beberapa kemajuan kunci dalam AI dan pembelajaran mesin untuk periklanan mobile:

• Teknik Privasi-Preserving yang Ditingkatkan: Skala besar data yang kami proses akan mengarah pada kemampuan pembelajaran yang belum pernah terjadi sebelumnya. Jaringan Saraf Dalam (DNN) akan memanfaatkan ini untuk menciptakan strategi keterlibatan privasi-pertama yang superior. Bahkan, konsep “target” akan berevolusi secara dramatis sehingga kami akan memerlukan terminologi baru untuk menggambarkan pendekatan AI-driven dan prediktif ini.
• AI Generatif untuk Optimasi Kreatif Waktu Nyata: Kami akan melihat AI yang tidak hanya dapat mengoptimalkan tetapi juga menciptakan dan memodifikasi kreatif iklan secara dinamis dalam waktu nyata. Ini akan merevolusi cara kami mendekati desain dan personalisasi iklan.
• Model Prediktif Holistik: Dengan menggabungkan jaringan saraf dalam kami untuk wawasan produk dengan Pengoptimasi Penawaran Multi-Tujuan^TM (MOBO) untuk harga, kami akan mengembangkan model yang sangat efektif dan efisien untuk akuisisi pengguna dan retargeting. Model-model ini akan menyediakan prediksi yang sangat akurat dari nilai pengguna jangka panjang, memungkinkan manajemen kampanye yang lebih cerdas dan strategis.

Kemajuan ini kemungkinan akan mengarah pada pengalaman periklanan mobile yang lebih efektif, efisien, dan ramah pengguna.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Aarki.