アマン・サレン、AarkiのCEO – インタビュー・シリーズ

アマン・サレンは、AarkiのCEOです。Aarkiは、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マシンラーニングおよび行動モデルを組み合わせて、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、10億を超えるデバイスからの毎秒500万以上のモバイル広告リクエストを管理するAarkiは、非公開会社で、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CEOになるまでの道のりで、どのような経験があなたのAIおよびAdTechへのアプローチを形作ってきたのか。

私のAdTech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、ローカル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、従来のDSPとは異なり、高容量、低コストのキャンペーンを前例のない効率で処理できるように、基盤から設計されました。現代のハイパーローカライズされた、AI駆動のターゲティングの先駆けと考えられます。

CEOとして、ZypMediaを年間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膨大なデータのスケールを理解するための試金石でした。AIソリューションに最も適した課題でした。

ZypMediaの後、Sinclairによる買収後にLG Ad Solutionsで勤務しました。そこでは、デバイスメーカーの世界と、ビューアーシップデータの管理が、コネクテッドTV（CTV）広告の未来を形作る方法について深く理解しました。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く使用しました。デバイスから収集されたデータは、ターゲティングセグメント、インベントリーブロック、プランニングソフトウェアを生成するために使用されました。

2023年からAarkiのCEOを務めています。モバイル広告革命の最前線に立っています。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駆動の予測モデリングおよびダイナミッククリエイティブ最適化への進化は、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の骨格と見ています。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、スケールで本物のパーソナライズされた広告体験を作成するまでです。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確信しています。私の旅から得た教訓、スケーラビリティ、データドリブンの意思決定、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について説明してください。従来のAdTechソリューションに比べてどのような特定の利点がありますか。

私の経験から、AdTechの未来はビッグデータ、マシンラーニング、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方法を探求しています。

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を対処するように設計されています。以下はそのしくみと利点です：

• 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。不正戦略の進化に先んじるために、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。不正行為を継続的に評価し、最新の不正データベースを維持することで、高品質のインベントリにキャンペーン予算を投資す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、各インプレッションまたはユーザーの価値を予測するためのマルチステージDNNモデルを使用します。このグラニュラー・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。
• マルチオブジェクト・ビッド・オプティマイザー（MOBO）：ほとんどのDSPが使用するシンプルなビッド・シェーディングとは異なり、MOBOは価格以外の複数の要素を考慮します。キャンペーンおよびインベントリの属性、予測ユーザー価値、CPMセグメンテーション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、キャンペーン予算を完全に活用するために、目標を達成し、適切にペースを設定するために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を介したより正確な予測と優れたROI
• マルチオブジェクト入札価格設定を介したグラニュラーなクリエイティブ・ハイパーターゲティング
• 膨大な量のデータを処理するためのスケーラビリティ
• コンテキスト・コホートを介したプライバシー・ファースト・ターゲティング

AI駆動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、適応性が実現します。ディープラーニングと高度な最適化技術を利用することで、Aarkiは優れたパフォーマンスを提供しながら、プライバシーと不正防止に重点を置いています。

ダイナミック・マルチオブジェクト・ビッド・オプティマイザーの機能と、クライアントのROIとキャンペーン効果を最大化する影響について説明してください。

ダイナミック・マルチオブジェクト・ビッド・オプティマイザは、従来の入札シェーディング・アルゴリズムを超えた洗練されたシステムです。予測勝ち入札価格を少し下回るだけに焦点を当てるシンプルな入札シェーディング・アルゴリズムとは異なり、MOBOは同時に複数の目的を考慮します。これには、価格だけでなく、キャンペーンのパフォーマンス・メトリック、インベントリの品質、予算の活用などが含まれます。

オプティマイザは、キャンペーンおよびインベントリの属性、予測ユーザー価値、CPMセグメンテーションなどのダイナミック変数を考慮します。これらの変数は、クライアント固有のKPI、主にROIを中心に最適化プロセスを導きます。これにより、入札戦略を各クライアントのユニークな目標に合わせてカスタマイズできます。

オプティマイザの重要な強みの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のバランスを取る能力です。この探索により、より堅牢なシステムでは見逃される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効率性を高め、ユーザー獲得の品質を高め、最終的にはキャンペーンのROIを高めることが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、ROASの観点から合理的です。オプティマイザの複数の目的を同時に考慮し、リアルタイムで適応する能力により、従来のシングルオブジェクト入札システムよりも複雑なモバイル広告の景観をより効果的にナビゲートできます。

Aarkiは運用においてプライバシー・ファーストのアプローチを強調しています。どのようにしてユーザーのプライバシーを確保しながら、効果的なターゲティングを提供しているのか。

私は、Aarkiのプラットフォームの核となる柱の1つであるプライバシー・ファースト・エンゲージメントを誇りに思っています。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確保しながら効果的な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。以下は私たちがこれを実現する方法です：

• IDなしターゲティング：私たちは、ポストIDFAの風景に完全に適応し、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、根本からユーザーのプライバシーを優先して運用しています。
• 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、個人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・プロセッシング：私たちは、10億を超えるデバイスからの毎秒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、プライバシー対応の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・ビヘイビオラル・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・ビヘイビオラル・コホートを作成します。これらのコホートにより、個人識別子に依存せずに効率的な最適化とスケーラビリティが可能になります。
• ML駆動のクリエイティブ・ターゲティング：各コホートに対して、クリエイティブ・チームと共同で、最適なクリエイティブ戦略を開発します。これにより、関連性と効果が高まり、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、ターゲティングが効果的であり続け、プライバシー規制とユーザーの期待が変化するにつれて進化します。
• 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に対するコントロールを提供します。これにより、プライバシーに関するベストプラクティスに従います。

これらのプライバシー・ファースト・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ターゲティングを提供します。プライバシー・ファーストの時代の課題をイノベーションの機会に変え、プライバシー対応で高性能なプラットフォームを作り出しました。デジタル広告の風景が進化するにつれて、Aarkiはプライバシー・ファーストのAI駆動型モバイル広告ソリューションをリードし続けることに尽力しています。

ML駆動のクリエイティブ・ターゲティングの概念について説明し、クリエイティブ戦略との統合についてどう見ているか。

ML駆動のクリエイティブ・ターゲティングは、私たちが行動コホートを特定するためのマシンラーニングを活用して、広告クリエイティブを最適化するための私たちの方法論です。このプロセスには、以下のステップが含まれます：

• コホート分析：私たちのMLモデルは、膨大な量のコンテキスト・データを分析して、詳細な行動コホートを作成します。
• クリエイティブ洞察：各コホートに対して、MLを使用して、最も効果的に共鳴する可能性のあるクリエイティブ要素を特定します。これには、色のスキーム、広告形式、メッセージングのスタイル、または視覚的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、クリエイティブチームと協力して、これらのMLによって導出された洞察を共有します。
• クリエイティブ開発：これらの洞察に基づいて、クリエイティブチームは各コホート向けにカスタマイズされ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、CTA、または広告の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・オプティマイゼーションを使用して、リアルタイムで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、MLモデルは、各コホートで何が機能するかについて、継続的に理解を深め、クリエイティブの改善を促進するフィードバック・ループを作成します。
• スケーラビリティと効率性：このアプローチにより、高度なターゲティングとパーソナライゼーションを可能にし、手動でのセグメント化や推測を必要とせずに、スケーラビリティと効率性を実現します。

結果として、データサイエンスと創造性のシナジーが生まれ、各コホートに最も関連性の高い、エンゲージメントの高い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が向上します。

Aarkiのクリエイティブチームは広告キャンペーンの開発に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。

Aarkiのクリエイティブチームは、効果的な広告キャンペーンの開発において不可欠な役割を果たします。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、さまざまな行動コホートでどれが最も効果的かを理解するために、MLモデルから得られた洞察を解釈します。次に、クリエイティブ要素、たとえばビジュアル、メッセージング、フォーマットを調整して、これらの洞察と一致させることで、各コホート向けにカスタマイズされた広告クリエイティブを開発します。

キャンペーンが実行されると、チームはパフォーマンスデータを分析し、クリエイティブ要素をさらに改善するためにAIと協力します。この反復プロセスにより、広告の関連性とエンゲージメントが最大化され、キャンペーンの全体的なパフォーマンスが向上します。クリエイティブチームとAIの協力は、人間の創造性とAIの洞察のシナジーを生み出し、ターゲット層に最も効果的な、高度にパーソナライズされた広告体験を提供します。

AarkiのAIインフラストラクチャはどのようにして広告詐欺を検出して防止しますか。システムが特定する詐欺の種類について具体的な例を示してください。

私たちが詐欺防止に取り組むアプローチは、マルチレイヤーです。事前入札フィルタと私たちの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、詐欺を検出します。私たちがすでに説明したように、詐欺の一般的な戦略については、以下に具体的な例を示します：

• 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：同じ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）：ボット活動の兆候として、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い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、詐欺の新しい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へのアプローチは、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へのアプローチは、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・ファースト・ストラテジー：私たちは、IDなしのターゲティングに完全に適応し、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、膨大な量のコンテキスト・データを処理し、プライバシー対応の行動コホートを作成します。
• ML駆動のクリエイティブ・ターゲティング：私たちは、AIの洞察と人間の創造性を組み合わせて、各コホート向けにカスタマイズされた広告クリエイティブを開発します。
• ダイナミック・マルチオブジェクト・ビッド・オプティマイザー：私たちの入札システムは、複数の目的を同時に考慮し、効率性と探索のバランスをとり、ROIを最大化します。
• コンテキスト・インテリジェンス：私たちは、デバイスの種類、OS、App、ジャンル、時間帯、地域などのコンテキスト・シグナルを活用して、ターゲティングを情報に基づいたものにします。
• 継続的な最適化：私たちのAIモデルは、ユーザーの行動と市場の変化に応じて、戦略を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の戦略をシームレスに統合し、ユーザージャーニーに対する包括的な理解を提供します。
• スケーラビリティ：私たちのインフラストラクチャは、10億を超えるデバイスからの毎秒500万以上の広告リクエストを処理することができ、グラニュラー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：私たちの事前入札フィルタ、事後分析、サードパーティー・データの組み合わせにより、クライアントの予算を詐欺から守ります。

プライバシー・ファーストの方法、先進的なAI、クリエイティブの最適化、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、効率的、適応性の高いキャンペーンを提供できます。

私の経験から、AdTechの未来はビッグデータ、マシンラーニング、人間の創造性の調和にあると学びました。私は、技術に加えて、分析家、データサイエンティスト、クリエイティブ専門家の優れたチームがAarkiにいることを誇りに思います。彼らは、私たちのテクノロジーに人間の創造性を加えて、最高のパフォーマンスを提供します。

Aarkiのプラットフォームが顧客のROIとキャンペーンの有効性を大幅に改善した成功事例については?

AppsFlyerのパフォーマンス・インデックスでは、Aarkiはリターゲティングのリーダーとして認められ、北米のゲーム部門で1位、世界で3位にランクインしています。また、Singularのすべての広告ROIインデックスでトップパフォーマーとして評価されています。この事例研究は、世界的なリーダーシップを示すものです。ゲーム以外にも、さまざまなアプリ・カテゴリで結果を出す能力を示す最近の事例研究があります。

私は、DHgateというリーディングの電子商取引プラットフォームとのパートナーシップを強調したいと思います。私たちのリターゲティング・キャンペーンは、AndroidとiOSの両方で優れた結果をもたらしました。これは、Aarkiがスケールでパフォーマンスを駆り立てる能力を示しています。

私たちのディープ・ニューラル・ネットワーク・テクノロジーを活用して、ユーザー・セグメントを正確に組み立て、リターゲティングの効果を最大化しました。これにより、高意図のユーザークリックが33%増加し、コンバージョンが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、450%のD30 ROAS目標を1.7倍上回り、784%のROASを達成したことです。この事例は、クライアントにとって優れた結果を提供する私たちの取り組みを示しています。詳細はこちらでご覧いただけます。

食事と配達アプリのために、ユーザーの再活性化と新規顧客の効率的な獲得のため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%削減され、1,230万人のユーザーが再活性化しました。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・オーディエンスにカスタマイズされたメッセージを提供し、キャンペーンを新鮮でエンゲージメントの高いものに保つことでした。詳細はこちらでご覧いただけます。

これらの事例研究は、さまざまなアプリ・カテゴリやキャンペーン・タイプで、主要なメトリックの改善にAarkiがもたらす能力を示しています。プライバシー・ファーストのアプローチ、先進的なAI機能、コンテキスト・データの戦略的使用により、ユーザー獲得とリエンゲージメントの取り組みで優れた結果を提供できます。

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、どのようなものが重要になるのか。

先を見ると、私はモバイル広告業界におけるAIとマシンラーニングの以下の進歩が重要になることを予測します：

• プライバシー保護技術の強化：私たちが処理する膨大な量のデータにより、プライバシー・ファーストのエンゲージメント戦略を生み出すことができます。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、従来のターゲティングの概念を超えたものに進化させるでしょう。
• リアルタイムのクリエイティブ最適化のためのジェネレーティブAI：AIは、クリエイティブを最適化するだけでなく、リアルタイムで作成およびダイナミックに変更することができるようになります。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変わります。
• ホリスティック・プリディクティブ・モデル：私たちのDNNとMOBO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で、高度に効果的で効率的なモデルを開発できます。これにより、長期的なユーザー価値について、非常に正確な予測が可能になり、キャンペーン管理がより賢く、戦略的に行えるようになります。

これらの進歩は、より効果的、効率的、ユーザーに優しいモバイル広告体験につながる可能性があります。

素晴らしいインタビュー、詳細を知りたい読者はAarkiを訪問してください。