インタビュー
Vijay Kumar, Mileの創設者兼CEO – インタビュー・シリーズ
Vijay Kumar、Mileの創設者兼CEOは、キャリアを通じて、プログラマティック広告における高度なマシンラーニングとデータ駆動型の最適化を通じて、デジタルパブリッシャーがより大きな価値を抽出するのを支援することに焦点を当ててきました。2013年にMileを創設して以来、彼は、オープンエクスチェンジのパフォーマンスの向上、ダイナミックな価格管理システムの開発、オークションメカニズムの最適化、シグナル品質の向上を通じて、計測可能な収益増加を実現しながらパブリッシャーの運用の複雑性を減らす会社の戦略と製品ビジョンを牽引してきました。
Mileは、ニューヨークを拠点とするアドテク会社で、収益化の「最後の1マイル」でAI駆動型の収益最適化レイヤーとして運営しています。既存のプログラマティックインフラストラクチャと統合するプラットフォームを提供し、ダイナミックな価格フロア、トラフィックシェーピング、入札エンリッチメント、リアルタイム分析を提供して、パブリッシャーがインテリジェントな自動化を通じてフィルレートとCPMを最大化できるようにしています。アドスタックの複雑性を追加するのではなく、精密な最適化に焦点を当てることで、Mileはパブリッシャーが既存のインベントリ内に存在する価値をより多く把握できるように支援しています。
あなたは2013年にMileを創設しました。当時、AIはアドテクにおける流行語ではありませんでした。パブリッシャー収益化とオープンエクスチェンジのダイナミクスについて、どのようなことがあなたの目に留まり、システムが根本的に壊れており、再構築する価値があるとあなたを確信させたのでしょうか。
Mileが創設された当時、オープンエクスチェンジは急成長を遂げていましたが、パブリッシャー側のインテリジェンスはそれに追いついていませんでした。セールサイドでの決定は静的でした。手動でのフロア設定、粗いルール、頻繁な変更が行われていませんでした。一方、バイアー側の行動は、ますますダイナミックで戦略的になっていました。
初期に目についたのは、オークションが、需要の欠如によるものではなく、パブリッシャーが実際のコントロールレイヤーを欠いていることによって非効率的になっていることです。価格発見は、実質的にバイアーと中間者にアウトソーシングされ、パブリッシャーは事後に反応するだけでした。
システムは、劇的に「壊れた」というわけではありませんでした。むしろ、バランスが崩れていました。オークションがより複雑になるにつれて、パブリッシャー側は、適応性のある、データ駆動型の意思決定が必要でした。そのギャップが、問題を根本から再構築する価値があることを示しました。
現在、Mileは既存のパブリッシャー・スタックの上にAI最適化レイヤーとして運営しています。プラットフォームが現在パブリッシャーに解決するコア問題は何ですか。
コア問題は、調整です。
パブリッシャーはすでに洗練されたスタックを走らせています。Prebid、Amazon、AdX、複数のSSPですが、各コンポーネントは独立して動作しています。オークション全体を見渡し、「現在、どのようにインベントリを価格設定し、ルーティングするべきか」という質問をするネイティブ・システムはありません。
Mileはスタックの上にインテリジェンス・レイヤーとして機能します。Prebidや既存の需要を置き換えるのではありません。オークションの結果をフィードバックとして使用して、パブリッシャーがリアルタイムでより良い価格決定と適性決定を行うのを支援します。
実践では、競争があるときに価値を保護し、競争がないときに不要な制限を避けることを意味します。すべてをデリバリーを不安定にすることなく。
MileのAIは、有効化前に各パブリッシャーの独自のオークションデータでトレーニングされます。ライブ・プログラマティック環境でサイト・スペシフィック・トレーニングが重要な理由は何ですか。
プログラマティック・マーケットは、高度にローカル化されています。
似たようなオーディエンスを持つ2つのパブリッシャーは、需要の弾力性、入札者の重複、待ち時間プロファイル、収益感度が大きく異なる可能性があります。プールされたデータでトレーニングされた汎用モデルは、実際には生産環境では存在しない平均値を学習する傾向があります。
パブリッシャーの独自のオークション履歴でトレーニングすることで、Mileは、需要が価格、競争、セグメンテーションに反応する方法を学習します。そのため、システムは、信号の強さが変化を正当化する場所では積極的に、必要な場所では保守的に動作できます。
サイト・スペシフィック・トレーニングは、好ましいものではありません。ライブ・オークションでAIを使用するために必要なものです。リスクを導入することなく。
Mileは、マシンラーニングを使用して、リアルタイムで最小広告価格を継続的に調整し、需要シグナルに応じてフィルレートを損なうことなく対応します。プログラマティック広告でこのような適応的な価格設定が難しい理由は何ですか。
価格設定のミスは非対称的だからです。
インベントリを安く設定すると、コストは隠れます。一方、インベントリを高く設定すると、ペナルティは即時です。フィルレートの喪失、収益の喪失、信頼の崩壊です。そのため、ほとんどの価格設定システムは、過度に攻撃的または永久に慎重です。
さらに、オークションは非定常です。バイアーの戦略は、1日を通じて、地理的に、広い市場状況に応じて変化します。静的なルールはすぐに破綻します。
適応的な価格設定は、システムが不確実性を理解し、安全にテストし、何もしないことを知っている場合にのみ機能します。那はCPMの最大化ではなく、安定性を維持しながら、条件が許すときに上昇を捉えることについてです。
AIが価格決定に影響を与える場合、信頼は非常に重要です。Mileを使用するパブリッシャーにとって、透明性とコントロールについてどう考えるべきですか。
AIはパブリッシャーを支援するべきであり、上書きしてはいけません。
Mileでは、パブリッシャーが境界を定義します。フロア範囲、インベントリのスコープ、ロールアウトのペース、パフォーマンスのしきい値です。システムはそのガイドライン内で動作し、価格設定の変更とその影響について明確な可視性を提供します。
私たちは故意に不透明な自動化を避けています。パブリッシャーは、セグメント化、停止、またはロールバックを行うことができ、価格決定が勝率、CPM、収益とどのように相関するかを確認できます。
信頼は、可視性とコントロールから生まれます。「モデルを信頼してください」ということではありません。
あなたはPrebidやIAB Tech Labとの仕事を通じて、AIとパブリッシャー側アドテクの交差点に座っています。これらの視点は、Mileの技術の構築と統治にどのように影響していますか。
PrebidやIAB Tech Labと密接に協力することで、エコシステムレベルの思考の重要性が強調されます。
短期的な最適化がオークションを歪めたり、エッジケースを利用したりすると、最終的には裏目に出ます。長期的な価値は、パブリッシャーがコントロールを維持するオープンで透明なシステムを強化することから生まれます。
その視点は、Mileのアーキテクチャとガバナンスの両方を形作っています。既存のフレームワークにクリーンに統合し、オークションのメカニズムを尊重し、信頼を損なうロジックやオープンエクスチェンジを弱体化させるロジックを避けています。
私たちの目標は、パブリッシャー側の意思決定を賢くすることですが、システムが依存するシステムを弱体化させるのではありません。
多くのAI駆動型の収益化ツールは、実稼動環境で失敗する前に、収益の増加を約束しています。実稼動環境の現実に基づいて構築されたシステムとそうでないシステムを区別するものは何ですか。
違いは、システムが実稼動環境の現実に基づいて構築されているかどうかです。
多くのツールは静的な目標に向けて最適化し、条件が維持されることを前提としています。実稼動環境では、需要は適応し、戦略は変化し、昨日のシグナルはノイズになります。
持続するシステムは、実稼動環境を継続的な学習環境として扱います。継続的に測定し、慎重に適応し、信頼が低いときは優雅に劣化します。
同等に重要なのは、自制心です。最良のシステムは、すべての場所で介入しません。強い信号がある場合にのみ、選択的に行動します。
プライバシー変更、シグナル損失、市場の変動性がプログラマティック広告を再定義し続ける中で、現在、AIはパブリッシャーにとって最大のレバレッジを提供する場所はどこですか。
最大のレバレッジは、市場の動作を理解することです。ユーザーIDではありません。
アドレッシング可能性が低下するにつれて、オークションは依然として豊富なシグナルを生成します。入札密度、価格分散、応答パターン、競合の重複です。これらのシグナルは、人間が大規模に解釈するのは難しいですが、マシンラーニングには適しています。
AIにより、パブリッシャーは、需要が実際にどのように動作するかに基づいて最適化できます。崩壊しつつあるIDプロキシに頼るのではなく。
Mileは、複数のTier-1市場におけるプレミアムパブリッシャーと協力しています。地域間の需要のダイナミクスや最適化戦略について、どのような違いを見ていますか。
基本原則は一貫していますが、リスクプロファイルは異なります。
北米では、オークションが深く、変動性が大きいことが多く、適応性のあるシステムが迅速に反応しすぎないようにすることが報われます。
ヨーロッパの市場は、しばしば制約が厳しく、安定性が高く、精密さと慎重さが重視されます。
アジア太平洋地域では、フラグメンテーションと待ち時間の変動性により、下方リスクの保護とデリバリーの安定性が、収益の最適化と同等の重要性を持ちます。
地域を超えて、共通の教訓は、硬いロジックが失敗し、適応性のあるパブリッシャー・スペシフィック・システムがより良く機能することです。
現在、AI最適化レイヤーを評価しているパブリッシャーにとって、Mileが提供するものと、最大のインパクトを与えるタイミングについて、何を理解する必要がありますか。
Mileはあなたのスタックの代わりではありません。ショートカットでもありません。
最大のインパクトは、パブリッシャーがすでに需要があるものの、インテリジェントに価格設定および調整できない場合に発生します。通常、手動のルールと静的なフロアが成長の限界に達したときです。
パブリッシャーは、Mileを時間の経過とともに学習し、市場を理解し、意思決定の質を向上させるインテリジェンス・レイヤーとして考えるべきです。
あなたが簡単な解決策を探している場合、これは適切なツールではありません。長期的な回復力とコントロールを構築している場合、これがMileが最も適している場所です。
素晴らしいインタビュー、ご興味がある読者はMileを訪問してください。
