Aman Sareen, Aarki CEO – インタビュー シリーズ

Aman Sareen は、Aarki の CEO であり、モバイル アプリ開発者にとって収益成長を促進する広告ソリューションを提供する AI コンピューター企業です。Aarki は、数十億のコンテキスト入札シグナルと独自の機械学習および行動モデルを使用して、ブランドがプライバシー優先の世界でオーディエンスと効果的に関わることを可能にします。世界中の数百の広告主と協力し、10 億以上のデバイスから 1 秒あたり 500 万以上のモバイル広告リクエストを管理しています。Aarki は非公開会社であり、サンフランシスコ、CA に本社を置き、米国、EMEA、APAC にオフィスを展開しています。

あなたの経歴について少しお話しください。ZypMedia の共同創設者から Aarki のリーダーになった経緯と、AI や AdTech に関するあなたのアプローチを形作った重要な経験について教えてください。

私のアドテックリーダーシップの旅は、2013 年に ZypMedia を共同創設したときに始まりました。そこでは、私たちは地元広告向けに最先端のデマンドサイドプラットフォームを開発しました。このプラットフォームは、高容量の低額キャンペーンを前例のない効率で処理するように、基盤から設計されました。現在見られるハイパーローカライズされた AI ドライブのターゲティングの先駆けと考えられます。

CEO として、私は ZypMedia を 2,000 万ドルの SaaS 収益に導き、年間 2 億ドルのメディア取引を処理しました。この経験は、現代の広告プラットフォームが処理しなければならないデータの規模を理解するための試金石でした — これは、AI ソリューションにとって最適な課題です。

ZypMedia の Sinclair による買収後の LG Ad Solutions での私の在籍は、デバイス メーカーと、ビューアーシップ データの管理がコネクテッド TV (CTV) 広告の将来を形作る方法についての深い理解を得る機会でした。LG Ads ビジネスを構築するために、AI/マシン ラーニングを多用し、デバイスからのデータを使用してターゲット セグメント、インベントリ ブロック、および計画ソフトウェアを生成しました。

2023 年から Aarki の CEO として、私はモバイル広告革命の最前線にいます。私の旅は、私に AdTech における AI の変革的な力に対する深い感謝を与えてきました。プログラマティック広告から AI ドライブの予測モデリングとダイナミック クリエイティブ最適化への進歩は、驚くべきものでした。

私は AI を単なるツールではなく、次世代 AdTech の骨格と見なすようになりました。業界の最も重要な課題を解決する鍵です。デバイス ID のない世界でのプライバシー対応ターゲティングから、スケールでの真正なパーソナライズされた広告体験の作成までです。私は、AI が広告主が直面する痛み点を解決するだけでなく、Aarki のようなプラットフォームで運用が行われる方法を革命化することを強く信じています。私の旅から得た教訓 — スケーラビリティ、データ駆動型の意思決定、継続的な革新の重要性 — は、この AI ファーストの時代に比類ありません。

Aarki のマルチレベル マシンラーニング インフラストラクチャのしくみについて詳しく説明できますか。従来の AdTech ソリューションとはどのような特長がありますか。

私の経験から、AdTech の将来はビッグ データ、機械学習、人間の創造性の調和にあると学びました。Aarki では、モバイル広告エコシステムのあらゆる側面 — 入札最適化、不正検出、クリエイティブ パフォーマンス予測、ユーザー獲得戦略 — を強化する AI の方法を探求しています。

現在、Aarki のマルチレベル マシンラーニング インフラストラクチャは、不正防止からユーザー価値予測まで、モバイル広告の重要な側面に対処するように設計されています。ここで、そのしくみと利点について説明します:

• 不正検出とインベントリ品質管理: クライアントのパフォーマンスと予算を保護するために設計されています。不正の進化する戦術に先んじるために、独自のアルゴリズムとサードパーティーのデータを組み合わせたマルチレイヤー アプローチを使用します。ユーザーの行動を継続的に評価し、不正データベースを最新の状態に保つことで、キャンペーン予算が本物で高品質のインベントリに投資されることを保証します。
• ディープ ニューラル ネットワーク (DNN) モデル: コア インフラストラクチャでは、マルチステージ DNN モデルを使用して、各インプレッションまたはユーザーの価値を予測します。このグラニュラーなアプローチにより、各モデルは、特定のコンバージョン イベントに最も重要な機能を学習できるため、より正確なターゲティングと入札戦略が可能になります。
• マルチ オブジェクティブ ビッド オプティマイザー (MOBO): 大多数の DSP が使用する単純なビッド シェーディングとは異なり、MOBO では価格以外の複数の要素を考慮します。キャンペーンとインベントリの属性、予測ユーザー価値、CPM セグメント化などのダイナミック変数を使用して、入札を最適化します。この洗練された方法により、ROI を最大化しながら、複数の目標をバランスよく達成し、キャンペーン予算を完全に活用して目標を達成する最適な入札を見つけます。

これらのコンポーネントは、従来の AdTech ソリューションに比べて、次のような重要な利点を提供します:

• 優れた不正検出
• マルチステージ DNN により、より正確な予測と優れた ROI
• マルチ オブジェクティブ ビッド プライシングによるグランラなクリエイティブ ハイパー ターゲティング
• 大量のデータを処理するスケーラビリティ
• コンテキスト コホートによるプライバシー優先ターゲティング

私たちの AI ドライブのアプローチにより、モバイル広告キャンペーンで前例のない精度、効率、適応性が可能になります。ディープ ラーニングと高度な最適化技術を利用して、Aarki は、プライバシーと不正防止に重点を置いた優れたパフォーマンスを提供します。

ダイナミック マルチ オブジェクティブ ビッド オプティマイザーがどのように機能し、クライアントの ROI を最大化するのにどのような影響があるかについて説明できますか。

ダイナミック マルチ オブジェクティブ ビッド オプティマイザーは、従来のビッド シェーディング アルゴリズムを超えた洗練されたシステムです。単純なビッド シェーディング アルゴリズムが予測勝利入札の直下に価格を設定することに焦点を当てているのに対し、私たちのオプティマイザーは同時に複数の目標を考慮します。これには、価格だけでなく、キャンペーン パフォーマンス メトリック、インベントリ品質、予算利用率も含まれます。

オプティマイザーは、キャンペーンとインベントリの属性、予測ユーザー価値、CPM セグメント化などのダイナミック変数を考慮します。これらの変数は、主に ROI に関するクライアント固有の KPI に基づいて最適化プロセスを導きます。

私たちのオプティマイザーの重要な強みの 1 つは、高価値ユーザーを効率的に取得し、新しい未開拓ユーザー セグメントやインベントリを探索することとのバランスをとる能力です。この探索により、私たちがより堅牢なシステムで見逃す可能性のある貴重な機会を発見できます。

実践的には、これはクライアントが広告支出のより効率的な使用、より高品質のユーザー獲得、および最終的にキャンペーンの ROI の向上を期待できることを意味します。たとえば、5 倍以上の価値があるユーザーに入札するために 50% 多く支払うことは意味があるかもしれません。オプティマイザーの複数の目標をバランスよく、リアルタイムで適応する能力により、私たちは従来の単一目標の入札システムよりも複雑なモバイル広告の風景をより効果的に航海できます。

Aarki は運用においてプライバシー優先アプローチを強調しています。プラットフォームがユーザーのプライバシーを保護しながら効果的な広告ターゲティングを提供する方法について説明できますか。

私は、プライバシー優先エンゲージメントが私たちのプラットフォームの重要な柱であることを誇りに思います。私たちは、デバイス ID のない世界の課題を受け入れ、ユーザーのプライバシーを保護しながら効果的な広告ターゲティングを提供するための革新的なソリューションを開発しました。ここで、私たちがこれをどのように達成するかについて説明します:

• IDなしターゲティング: 私たちは完全にIDFAの後の景観に適応し、SKAN 4に準拠しています。私たちのプラットフォームは、個々のデバイスIDに依存せずに、基盤からプライバシーを優先して動作します。
• コンテキスト シグナル: デバイスの種類、OS、App、ジャンル、時間帯、地域などの幅広いコンテキスト データ ポイントを活用します。これらのシグナルは、個々のデータを必要とせずに貴重なターゲティング情報を提供します。
• 大量のコンテキスト データ処理: 私たちは、世界中の10億以上のデバイスから1秒あたり500万以上の広告リクエストを処理します。各リクエストには、豊富なコンテキスト シグナルが含まれており、プライバシーを優先した貴重なデータセットを提供します。
• 高度なマシンラーニング: 私たちの800億行のトレーニング モデル データベースは、これらのコンテキスト シグナルを歴史的な結果データと関連付けます。これにより、個々のユーザーのプライバシーを損なうことなく、洞察とパターンを導き出すことができます。
• ダイナミック ビヘイビア コホート: マシンラーニングを使用して、集約されたコンテキスト データに基づいて詳細なダイナミック ビヘイビア コホートを作成します。これらのコホートにより、個々の識別子に依存せずに効率的な最適化とスケーリングが可能になります。
• ML ドライブ クリエイティブ ターゲティング: 各コホートについて、マシンラーニングと私たちのクリエイティブ チームの共同作業により、最適なクリエイティブ戦略を開発します。このアプローチにより、関連性と効果が確保され、個々のプライバシーが侵害されません。
• 継続的な学習と適応: 私たちのAI モデルは、キャンペーンのパフォーマンスと進化するコンテキスト データに基づいて継続的に学習し、適応します。これにより、私たちのターゲティングは、プライバシー規制とユーザーの期待の変化に応じて効果を維持します。
• 透明性とコントロール: 私たちは、データの取り扱いについて明確な情報を提供し、可能な限りユーザーに広告体験のコントロールを提供します。これは、プライバシーに関するベスト プラクティスに準拠しています。

これらのプライバシー優先戦略を活用することで、Aarki はユーザーのプライバシーを尊重しながら効果的な広告ターゲティングを提供します。プライバシー優先時代の課題を革新の機会に変え、私たちのプラットフォームはプライバシー対応で高性能なものとなりました。

ML ドライブ クリエイティブ ターゲティングの概念について説明できますか。クリエイティブ戦略との統合方法についても説明してください。

ML ドライブ クリエイティブ ターゲティングは、私たちがマシンラーニング モデルを使用して、特定のコホートに最も効果的に共鳴するクリエイティブ要素を最適化する方法です。このプロセスには、次のステップが含まれます:

• コホート分析: 私たちのマシンラーニング モデルは、詳細なビヘイビア コホートを作成するために大量のコンテキスト データを分析します。
• クリエイティブ洞察: 各コホートについて、マシンラーニングを使用して、最も効果的に共鳴するクリエイティブ要素を特定します。これには、色彩、広告形式、メッセージング スタイル、または視覚テーマが含まれる場合があります。
• コラボレーション: 私たちのデータ サイエンス チームは、これらのマシンラーニングによって導かれた洞察を共有するために、クリエイティブ チームと協力します。
• クリエイティブ開発: この洞察に基づいて、私たちのクリエイティブ チームは各コホート向けにターゲットを絞った広告クリエイティブを開発します。これには、イメージ、コピー、コールツーアクション、または広告の全体的な構造の調整が含まれる場合があります。
• ダイナミック アセンブリ: 私たちは、ダイナミック クリエイティブ最適化を使用して、リアルタイムで広告クリエイティブをアセンブリし、各コホートに最も効果的な要素をマッチングします。
• 継続的な最適化: パフォーマンス データを収集するにつれて、私たちのマシンラーニング モデルは、各コホートに最も効果的なものであるクリエイティブ要素をより深く理解するために継続的に改善されます。
• スケーラビリティと効率: このアプローチにより、手動によるセグメント化や推測なしに、スケーラブルでターゲットを絞ったクリエイティブを生成できます。

結果として、データ サイエンスとクリエイティビティのシナジーが生まれます。私たちの統一クリエイティブ フレームワークは、AI モデルがさまざまなオーディエンス セグメントに最も効果的な洞察を提供することを保証します。一方で、クリエイティブ チームはこれらの洞察を魅力的な広告デザインに活きます。このアプローチにより、各コホートにより関連性の高い、より魅力的な広告を提供することで、キャンペーンのパフォーマンスとユーザー体験の両方を向上させることができます。

クリエイティブ チームは広告キャンペーンの開発においてどのような役割を果たしますか。AI モデルとどのように協力して広告のパフォーマンスを最適化しますか。

私たちのクリエイティブ チームは、Aarki での効果的な広告キャンペーンの開発において統合された役割を果たします。彼らは、私たちの AI モデルと密接に協力して、広告のパフォーマンスを最適化します。クリエイティブ チームは、さまざまなビヘイビア コホートに最も効果的に共鳴するクリエイティブ要素に関する、私たちのマシンラーニング モデルからの洞察を解釈します。次に、イメージ、メッセージング、フォーマットなどの要素を調整して、各コホートに合わせたターゲットを絞った広告クリエイティブを制作します。

キャンペーンが進行するにつれて、チームは AI とともにパフォーマンス データを分析し、アプローチを継続的に改善します。この反復プロセスにより、クリエイティブ要素の迅速な最適化が可能になります。

人間の創造性と AI ドライブの洞察のシナジーにより、スケーラブルで、高度にターゲットを絞った、関連性の高い広告を生み出すことができます。これにより、キャンペーンのパフォーマンスが優れたものとなり、ユーザー体験も向上します。

Aarki の AI インフラストラクチャが広告詐欺を検出して防止する方法について説明できますか。システムが特定する詐欺の種類についても例を示してください。

Aarki は、広告詐欺に対処するためにマルチ レイヤー アプローチを採用しています。私たちは、事前入札フィルタとシステムを介した大量のデータの事後分析を組み合わせて、詐欺防止に取り組んでいます。以前にも説明したように、私たちの戦略の概要は次のとおりです。詐欺の特定の例については、以下を参照してください:

• クリック フラッディング: 特定のソースからの異常なクリック率を検出します。
• インストール ファーム: 同一の IP アドレスまたはデバイスからの複数のインストールを特定します。
• クリックからインストールまでの異常な時間 (CTIT): ボット アクティビティの兆候として、クリックからインストールまでの異常な時間を特定します。
• 低リテンション率: インストール後に一貫して低リテンション率を示すパブリッシャーからのユーザーを特定します。

私たちの AI は、新しい詐欺戦術を認識するために継続的に進化し、クライアントの予算を保護します。

Aarki のユーザー獲得とリエンゲージメントのアプローチは業界の他のプラットフォームとどのように異なりますか。

Aarki のユーザー獲得とリエンゲージメントのアプローチは、以下の点で業界の他のプラットフォームと異なります:

• プライバシー優先戦略: 私たちは ID なしターゲティングを完全に受け入れ、SKAN 4 に準拠しています。
• 高度な AI とマシンラーニング: 私たちのマルチレベル マシンラーニング インフラストラクチャは、個々の識別子に依存せずに高度なビヘイビア コホートを作成するために、大量のコンテキスト データを処理します。
• ML ドライブ クリエイティブ ターゲティング: 私たちは、AI の洞察と人間の創造性の独自の組み合わせを使用して、各コホートに合わせたターゲットを絞った広告クリエイティブを開発します。
• ダイナミック マルチ オブジェクティブ ビッド オプティマイザー: 私たちの入札システムは、効率と探索のバランスをとるために、同時に複数の目標を考慮します。
• コンテキスト インテリジェンス: 私たちは、基本的な人口統計や地理的セグメント化を超えて、コンテキスト シグナルを活用してターゲティングを行います。
• 継続的な最適化: 私たちの AI モデルは、ユーザーの行動や市場の変化とともに継続的に学習し、適応します。
• 統一アプローチ: 私たちは、ユーザー獲得とリエンゲージメント戦略のシームレスな統合を提供し、ユーザー体験の包括的なビューを提供します。
• スケーラビリティ: 私たちのインフラストラクチャは、1 秒あたり 500 万以上の広告リクエスト (10 億以上のデバイスから) を処理することができ、スケーラブルなターゲティングを可能にします。
• 高度な詐欺防止メカニズム: 事前入札フィルタと大量のデータの事後分析を組み合わせて、クライアントの予算を詐欺から守ります。

このプライバシー優先アプローチ、先進的な AI、クリエイティブ最適化、詐欺防止、スケーラブルなインフラストラクチャの組み合わせにより、Aarki はより効果的で効率的で適応性の高いキャンペーンを提供できます。

あなたは、モバイル広告業界にとって AI とマシンラーニングの将来の進歩についてどのように見ていますか。

将来を見据えて、私はモバイル広告における AI とマシンラーニングの次の進歩が重要になることを予測しています:

• プライバシー保護技術の強化: 私たちが処理する大量のデータにより、プライバシー優先エンゲージメント戦略のための学習能力が向上します。ディープ ニューラル ネットワーク (DNN) は、このデータを活用して、ターゲティングのための優れたプライバシー優先アプローチを生み出します。
• リアルタイム クリエイティブ最適化のためのジェネレーティブ AI: 私たちは、AI が広告クリエイティブをリアルタイムで最適化するだけでなく、生成することもできる未来を予測しています。これにより、広告デザインとパーソナライゼーションのアプローチが革命的に変わります。
• ホリスティック予測モデル: 私たちのディープ ニューラル ネットワークとマルチ オブジェクティブ ビッド オプティマイザーを組み合わせることで、ユーザー獲得とリターゲティングの両方に効果的なモデルを開発します。これにより、長期的なユーザー価値の予測が非常に正確になり、キャンペーン管理がより戦略的になります。

これらの進歩により、モバイル広告体験はより効果的で効率的で、ユーザーに優しいものになります。

クライアントの ROI とキャンペーンの有効性を大幅に向上させた Aarki のプラットフォームの成功事例について共有できますか。

AppsFlyer パフォーマンス インデックスでは、Aarki をリターゲティングのリーダーとして認めており、北米のゲームで 1 位、世界で 3 位にランクされています。また、Singular の広告 ROI インデックス全体でトップ パフォーマーとして評価されています。この ケーススタディ も、私たちの世界的なリーダーシップを証明しています。ゲームだけでなく、さまざまなアプリ カテゴリーで結果をもたらす私たちの能力を示す最近のケーススタディもあります。

DHgate という、先進的な電子コマース プラットフォームとのパートナーシップを誇りに思います。私たちのリターゲティング キャンペーン (Android と iOS の両方) は、優れた結果をもたらし、Aarki のスケーラブルなパフォーマンスを実証しました。

私たちのディープ ニューラル ネットワーク技術を活用して、ユーザー セグメントを最適化し、リターゲティングの有効性を最大化しました。これにより、高意図ユーザーのクリックが 33% 増加し、コンバージョンも 33% 増加しました。

最も印象的なのは、DHgate の Aarki への支出が 52% 増加したにもかかわらず、当初の目標 ROI (450% D30 ROAS) を 1.7 倍上回り、優れた 784% ROAS を達成したことです。このケーススタディは、私たちがクライアントにとって優れた結果をもたらすという私たちのコミットメントを示しています。詳しくは こちら をご覧ください。

また、ユーザーを再アクティブ化し、新しい顧客を効率的に獲得するために、食品および配達アプリ向けにリターゲティング キャンペーンを実施しました。

これにより、ユーザー獲得コスト (CPA) が 75% 減少し、1,230 万人のユーザーが再アクティブ化されました。成功の鍵は、ディープ ニューラル ネットワーク モデルを使用して、ターゲット オーディエンスに合わせたメッセージングを提供することで、キャンペーンを新鮮で魅力的なものに保つことでした。詳しくは こちら をご覧ください。

これらのケーススタディは、私たちがさまざまなアプリ カテゴリーとキャンペーンの種類で重要なメトリックの改善をもたらす能力を示しています。私たちのプライバシー優先アプローチ、先進的な AI 機能、クリエイティブ最適化、スケーラブルなインフラストラクチャにより、ユーザー獲得とリエンゲージメントの取り組みにおいて、優れた結果をもたらすことができます。

私の経験から、AdTech の将来はビッグ データ、機械学習、人間の創造性の調和にあると学びました。また、私たちの技術に加えて、分析、データ サイエンス、クリエイティブの専門家からなる優れたチームも持っています。彼らは、私たちのテクノロジーに人間の創造性を加えて、優れた結果をもたらします。

素晴らしいインタビュー、詳細については Aarki を訪問してください。