아만 사렌, Aarki의 CEO – 인터뷰 시리즈

아만 사렌은 모바일 앱 개발자에게 수익 성장률을 제공하는 광고 솔루션을 제공하는 AI 회사인 Aarki의 CEO입니다. Aarki는 수십억 개의 컨텍스트 입찰 신호와 독점적인 기계 학습 및 행동 모델을 사용하여 개인 정보 우선 세계에서 대상 고객을 효과적으로 참여시키는 것을 허용합니다. 전 세계적으로 수백 명의 광고주와 함께 일하며 10억 개 이상의 기기에서 매초 5백만 개 이상의 모바일 광고 요청을 관리하는 Aarki는 사내에서 보유하고 있으며 미국, EMEA, APAC에 걸쳐 본사를 두고 있습니다.

자신의 여정에서 ZypMedia의 공동 창립자에서 Aarki의 리더로 어떻게 발전해 왔는지에 대해 조금 알려주실 수 있나요? 무엇이 당신의 AI 및 AdTech 접근 방식을 형성했나요?

나의 광고 기술 리더십 여정은 2013년에 ZypMedia를 공동 창립하면서 시작되었습니다. 우리는 지역 광고를 위해 맞춤형 수요 측 플랫폼을 개발했습니다. 이것은 단순한 DSP가 아니었습니다. 우리는 고부하, 저금액 캠페인을 처리하기 위해 처음부터 효율성을 갖춘 것을 구축했습니다. 현재 볼 수 있는 초지역화된 AI 주도 타겟팅의 선구자라고 생각합니다.

CEO로, 나는 ZypMedia를 2,000만 달러의 SaaS 수익과 연간 2억 달러의 미디어 거래로 이끌었습니다. 이 경험은 현대 광고 플랫폼이 처리해야 하는 데이터의 규모를 이해하는 데 도움이 되었습니다. 이것은 AI 솔루션을 위한 도전입니다.

ZypMedia의 인수 이후 LG Ad Solutions에서 근무하는 동안私は 연결된 TV 광고 세계에 깊이 뛰어들었습니다. 우리는 LG Ads 비즈니스를 구축하기 위해 많은 AI/기계 학습을 사용했습니다. 여기서 장치에서 수집된 데이터는 타겟팅 세그먼트, 인벤토리 블록 및 계획 소프트웨어를 생성하는 데 사용되었습니다.

2023년부터 Aarki의 CEO로, 나는 모바일 광고 혁명의 최전선에 있습니다. 나는 내 여정에서 AI의 변革적 힘에 대한 깊은 감謝를 느꼈습니다. 기본적인 프로그램 방식에서 AI 주도 예측 모델링 및 동적 크리에이티브 최적화로의 진행은 놀라웠습니다.

나는 AI를 단순한 도구가 아니라 차세대 광고 기술의 핵심으로 간주합니다. 이것은 산업의 가장 긴급한 도전을 해결하는 열쇠입니다. 개인 정보 보호 규정 준수 타겟팅에서 개인화된 광고 경험을 대규모로 생성하는 데까지입니다. 나는 믿습니다. AI는 광고주가 직면하는 고통 점을 해결할 뿐만 아니라 플랫폼에서 운영을 혁신할 것입니다. 내 여정에서 배운 교훈 – 확장성, 데이터 주도 의사 결정, 지속적인 혁신의 중요성 -이 AI 우선 시대에 더 관련성이 있습니다.

Aarki의 다단계 기계 학습 인프라가 어떻게 작동하는지 자세히 설명해 주시겠습니까? 전통적인 AdTech 솔루션에 비해 어떤 특정한 이점이 있나요?

나의 경험은 미래의 광고 기술이 큰 데이터, 기계 학습 및 인간의 창의성을 조화시키는 데 있다고 가르쳤습니다. Aarki에서 우리는 모바일 광고 생태계의 모든 측면을 향상시키기 위해 AI를 탐색합니다. 입찰 최적화, 사기 탐지, 크리에이티브 성능 예측 및 사용자 수집 전략을 포함하여입니다.

Aarki의 다단계 기계 학습 인프라는 사기 예방에서 사용자 가치 예측까지 모바일 광고의 여러 중요한 측면을 해결하도록 설계되었습니다. 여기서 그것이 작동하는 방법과 왜 유리한지에 대해 설명하겠습니다:

• 사기 탐지 및 인벤토리 품질 제어: 이것은 우리의 클라이언트 성능과 예산을 보호하기 위한 것입니다. 우리의 다층 접근 방식은 독점적인 알고리즘과 제3자 데이터를 결합하여 발전하는 사기 전술을 앞서 나갑니다. 우리는 캠페인 예산이 진정하고 높은 품질의 인벤토리에 투자되도록 하기 위해 사용자 행동을不断 평가하고 사기 데이터베이스를 최신 상태로 유지합니다.
• 딥 뉴럴 네트워크 (DNN) 모델: 우리의 핵심 인프라는 각 인상 또는 사용자의 가치를 예측하기 위해 다단계 DNN 모델을 사용합니다. 이 세분화된 접근 방식은 각 모델이 특정 변환 이벤트에 가장 중요한 기능을 학습할 수 있도록 허용하여보다 정교한 타겟팅 및 입찰 전략을 가능하게 합니다.
• 다중 목적 입찰 최적화기 (MOBO): 우리의 MOBO는 단순한 입찰 쉐이딩 알고리즘과 달리 여러 요인을 동시에 고려합니다. 이것은 가격을 넘어서 캠페인 및 인벤토리 속성, 예측된 사용자 가치 및 CPM 세분화를 포함하는 동적 변수를 사용하여 입찰을 최적화합니다. 이 정교한 방법은 ROI를 최대화하면서 여러 목표를 균형 있게 유지하여 캠페인 예산을 완전히 사용하는 최적의 입찰을 찾습니다.

이 구성 요소는 전통적인 AdTech 솔루션에 비해 다음과 같은重大한 이점을 제공합니다:

• 우수한 사기 탐지
• 다단계 DNN을 통해 더 정확한 예측 및 더好的 ROI
• 다중 목적 입찰 가격으로 크리에이티브 하이퍼 타겟팅
• 大量한 데이터를 처리할 수 있는 확장성
• 컨텍스트 코호트와 함께 개인 정보 보호 우선 타겟팅

우리의 AI 주도 접근 방식은 모바일 광고 캠페인에서 전례 없는 정확성, 효율성 및 적응성을 가능하게 합니다. 깊은 학습 및 고급 최적화 기술을 활용하여 Aarki는 우수한 성능을 제공하면서 개인 정보 보호 및 사기 방지를 강조합니다.

다중 목적 입찰 최적화기가 어떻게 작동하며 클라이언트의 ROI를 최대화하는 데 어떤 영향을 미칩니까?

다중 목적 입찰 최적화기는 전통적인 입찰 쉐이딩 알고리즘을 넘어서는 정교한 시스템입니다. 단순한 입찰 쉐이딩 알고리즘과 달리 단순히 예상되는 승리 입찰보다 가격만을 집중적으로 고려하지 않습니다. 우리의 최적화기는 가격을 포함하여 캠페인 성능 지표, 인벤토리 품질 및 예산 활용과 같은 여러 동적 변수를 고려합니다.

최적화기는 캠페인 및 인벤토리 속성, 예측된 사용자 가치 및 CPM 세분화를 포함하는 다양한 동적 변수를 고려합니다. 이러한 변수는 클라이언트 특정 KPI 주위에서 최적화를 안내합니다. 주로 ROI를 중심으로 합니다.

최적화기의 주요 강점 중 하나는 효율적으로 높은 가치 사용자를 획득하는 것과 새로운, 미탐험 사용자 세그먼트 및 인벤토리를 탐색하는 것 사이에서 균형을 유지하는 능력입니다. 이 탐색은 더 엄격한 시스템이 놓칠 수 있는 귀중한 기회를 발견하는 데 도움이 됩니다.

실제로 이것은 우리의 클라이언트가 광고 비용을보다 효율적으로 사용하고, 더 높은 품질의 사용자 수집 및 궁극적으로 캠페인에 대한 더好的 ROI를 기대할 수 있음을 의미합니다. 예를 들어, 5배 더 가치 있는 사용자에게 입찰하기 위해 50% 더 많은 비용을 지불하는 것이 합리적일 수 있습니다. 최적화기의 다중 목표를 균형 있게하고 실시간으로 적응하는 능력은 전통적인 단일 목표 입찰 시스템보다 모바일 광고의 복잡한 풍경을보다 효과적으로 탐색할 수 있도록 합니다.

Aarki는 운영에서 개인 정보 우선 접근 방식을 강조합니다. 플랫폼이 사용자 개인 정보를 존중하면서 효과적인 광고 타겟팅을 어떻게 보장합니까?

저는 자랑스럽게 말할 수 있습니다. 개인 정보 우선 참여는 우리 플랫폼의 핵심柱 중 하나입니다. 우리는 장치 ID가 없는 타겟팅에 완전히 적응했으며 SKAN 4 규격입니다. 우리의 플랫폼은 개인 장치 ID에 의존하지 않고 개인 정보를 우선적으로 운영합니다.

여기서 그것을 어떻게 달성하는지에 대해 설명하겠습니다:

• ID 없는 타겟팅: 우리는 장치 ID가 없는 타겟팅에 완전히 적응했으며 SKAN 4 규격입니다. 우리의 플랫폼은 개인 장치 ID에 의존하지 않고 개인 정보를 우선적으로 운영합니다.
• 컨텍스트 신호: 우리는 장치 유형, OS, 앱, 장르, 시간, 지역과 같은 광범위한 컨텍스트 데이터 포인트를 활용합니다. 이러한 신호는 개인 데이터를 필요로하지 않으면서도 유용한 타겟팅 정보를 제공합니다.
• 大量한 컨텍스트 데이터 처리: 우리는 10억 개 이상의 기기에서 매초 5백만 개 이상의 광고 요청을 처리합니다. 각 요청에는 풍부한 컨텍스트 신호가 포함되어 있으며, 이는 개인 정보 보호 규정 준수 데이터 세트를 제공합니다.
• 고급 기계 학습: 우리의 800억 행 훈련 모델 데이터베이스는 이러한 컨텍스트 신호를 역사적 결과 데이터와 상관시킵니다. 이것은 개인 사용자 개인 정보를 침해하지 않으면서도 통찰력과 패턴을 도출하는 데 도움이 됩니다.
• 다이나믹 행동 코호트: 기계 학습을 사용하여 우리는 집계된 컨텍스트 데이터를 기반으로 자세한 다이나믹 행동 코호트를 생성합니다. 이러한 코호트는 개인 식별자에 의존하지 않으면서도 효율적인 최적화를 가능하게 합니다.
• ML 주도 크리에이티브 타겟팅: 각 코호트에 대해 우리는 크리에이티브 팀과 협력하여 최적의 크리에이티브 전략을 개발하기 위해 기계 학습을 사용합니다. 이 접근 방식은 관련성과 효과를 보장하면서 개인 정보를 침해하지 않습니다.
• 지속적인 학습 및 적응: 우리의 AI 모델은 캠페인 성능 및 발전하는 컨텍스트 데이터에 따라 지속적으로 학습하고 적응합니다. 이것은 우리의 타겟팅이 개인 정보 규정 및 사용자 기대와 함께 발전하는 동안 효과적으로 유지되도록 합니다.
• 투명성 및 제어: 우리는 데이터 관행에 대한 명확한 정보를 제공하며 사용자에게 가능한 경우 광고 경험에 대한 제어를 제공하여 개인 정보 보호 모범 사례와 일치합니다.

이러한 개인 정보 우선 전략을 활용하여 Aarki는 개인 정보를 존중하면서 효과적인 광고 타겟팅을 제공합니다. 우리는 개인 정보 우선 시대의 도전을 혁신의 기회로 전환하여 클라이언트의 사용자 수집 및 재참여 캠페인에 효과적이고 개인 정보 보호 규정 준수인 플랫폼을 제공합니다.

ML 주도 크리에이티브 타겟팅의 개념을 설명하고 크리에이티브 전략과 어떻게 통합되는지에 대해 알려주십시오.

ML 주도 크리에이티브 타겟팅은 우리가 식별한 행동 코호트를 최적화하기 위한 방법론입니다. 이 프로세스는 여러 단계를 포함합니다:

• 코호트 분석: 우리의 ML 모델은 자세한 행동 코호트를 생성하기 위해大量한 컨텍스트 데이터를 분석합니다.
• 크리에이티브 통찰력: 각 코호트에 대해 우리는 ML을 사용하여 가장 효과적으로 공鳴할 것으로 예상되는 크리에이티브 요소를 식별합니다. 이것은 색상 구성, 광고 형식, 메시지 스타일 또는 시각적 테마를 포함할 수 있습니다.
• 협력: 우리의 데이터 과학 팀은 이러한 ML 파생 통찰력을 크리에이티브 팀과 공유합니다.
• 크리에이티브 개발: 이러한 통찰력을 기반으로 우리의 크리에이티브 팀은 각 코호트를 위해 맞춤형 광고 크리에이티브를 개발합니다. 이것은 이미지, 복사본, 호출 대 응답 또는 전체 광고 구조를 조정하는 것을 포함할 수 있습니다.
• 다이나믹 조립: 우리는 동적 크리에이티브 최적화를 사용하여 각 코호트에 가장 효과적인 요소를 실시간으로 조립합니다.
• 지속적인 최적화: 성능 데이터를 수집함에 따라 우리의 ML 모델은 각 코호트에서 무엇이 작동하는지에 대한 이해를 지속적으로 개선합니다. 이것은 크리에이티브를 개선하기 위한 피드백 루프를 생성합니다.
• 규모 및 효율성: 이 접근 방식은 수동적인 세분화 또는 추측 없이 대규모로 맞춤형 크리에이티브를 생성할 수 있도록 합니다.

결과는 데이터 과학과 창의성 사이의 시너지입니다. 또한 우리의 핵심柱 중 하나인 통합 크리에이티브 프레임워크는 우리의 ML 모델이 다양한 오디언스 세그먼트에서 무엇이 작동하는지에 대한 데이터 주도 통찰력을 제공하는 것을 보장합니다. 동시에 우리의 크리에이티브 팀은 이러한 통찰력을 매력적인 광고 디자인으로 현실화합니다. 이 접근 방식은 각 코호트에 더 관련성 있고 참여할 수 있는 광고를 제공함으로써 캠페인 성능과 사용자 경험을 모두 개선합니다.

크리에이티브 팀은 광고 캠페인을 개발하는 데 어떤 역할을 하나요? AI 모델과 광고 성능을 최적화하기 위해 어떻게 협력하나요?

우리의 크리에이티브 팀은 Aarki에서 효과적인 광고 캠페인을 개발하는 데 통합된 역할을 합니다. 그들은 광고 성능을 최적화하기 위해 우리의 AI 모델과 긴밀히 협력합니다. 크리에이티브 팀은 다양한 행동 코호트와 공鳴하는 통찰력을 해석합니다. 그런 다음 그들은 이러한 통찰력을 조정하여 맞춤형 광고 크리에이티브를 개발합니다.

캠페인이 진행됨에 따라 팀은 성능 데이터를 분석하고 AI와 함께 지속적으로 접근 방식을 개선합니다. 이 반복 프로세스는 크리에이티브 요소의 빠른 최적화를 가능하게 합니다.

인간의 창의성과 AI 주도 통찰력 사이의 시너지는 우리가 규모에 따라 매우 타겟팅되고 참여할 수 있는 광고를 생성할 수 있도록 합니다. 이것은 클라이언트의 캠페인 성능을 향상시키는 데 도움이 됩니다.

Aarki의 AI 인프라는 어떻게 광고 사기를 탐지하고 방지합니까? 시스템이 식별하는 사기 유형의 예를 제공할 수 있습니까?

사기 탐지와 예방을 위해 Aarki는 다층 접근 방식을 사용합니다. 우리는 사전 입찰 필터와 시스템을 통해 들어오는 데이터의 사후 분석을 결합하여 사기를 방지합니다. 이전에 일반적인 전략을 이미 설명했지만, 시스템이 식별하는 사기 유형의 몇 가지 예를 제공할 수 있습니다:

• 클릭 홍수: 특정 출처에서 비정상적으로 높은 클릭률을 감지합니다.
• 설치 팜: 동일한 IP 주소 또는 장치에서 여러 설치를 식별합니다.
• 클릭에서 설치까지의 시간 (CTIT): 봇 활동을 나타내는 비정상적인 클릭에서 설치까지의 시간을 감지합니다.
• 저조한 유지률: 설치 후 일관되게 낮은 유지률을 보이는 출판물에서 사용자를 식별합니다.

우리의 AI는 새로운 사기 전술을 인식하기 위해 지속적으로 진화하여 클라이언트의 예산을 보호합니다.

Aarki의 사용자 수집 및 재참여 접근 방식은 업계의 다른 플랫폼과 어떻게 다릅니까?

Aarki의 사용자 수집 및 재참여 접근 방식은 여러 가지 주요 方面에서 업계의 다른 플랫폼과 다릅니다:

• 개인 정보 우선 전략: 우리는 ID 없는 타겟팅을 완전히 수용하여 SKAN 4 규격이며 개인 정보 우선 랜드스케이프에서 미래 준비가 되어 있습니다.
• 고급 AI 및 기계 학습: 우리의 다단계 기계 학습 인프라는 개인 식별자에 의존하지 않고 행동 코호트를 생성하기 위해大量한 컨텍스트 데이터를 처리합니다.
• ML 주도 크리에이티브 타겟팅: 우리는 AI 통찰력과 인간의 창의성을 결합하여 각 코호트를 위해 맞춤형 광고 크리에이티브를 개발합니다.
• 다이나믹 다중 목적 입찰 최적화기: 우리의 입찰 시스템은 여러 목표를 동시에 고려하여 효율성과 탐색 사이에서 균형을 유지하여 ROI를 최대화합니다.
• 컨텍스트 인텔리전스: 우리는 타겟팅을 위해 기본적인 인구 통계 또는 지리적 세분화 이상을 제공하는 다양한 컨텍스트 신호를 활용합니다.
• 지속적인 최적화: 우리의 AI 모델은 캠페인 성능과 시장 조건의 변화를 따라 지속적으로 학습하고 적응합니다.
• 통합 접근 방식: 우리는 사용자 수집 및 재참여 전략의無缝한 통합을 제공하여 사용자 여정에 대한 종합적인 관점을 제공합니다.
• 확장성: 우리의 인프라는大量한 데이터를 처리할 수 있습니다 (매초 5백만 개 이상의 광고 요청, 10억 개 이상의 기기). 이것은 세분화된 타겟팅을 가능하게 합니다.
• 고급 사기 방지 메커니즘: 우리의 사전 입찰 필터,大量한 데이터의 사후 분석 및 제3자 데이터의 조합은 우리를 사기로부터 클라이언트의 돈을 보호하는 최전선에 둡니다.

이러한 개인 정보 우선 접근 방식, 고급 AI, 크리에이티브 최적화, 사기 방지 및 확장성의 조합은 우리가 캠페인에서 더 효과적이고 효율적이며 적응성이 뛰어난 결과를 제공할 수 있도록 합니다.

나의 경험은 미래의 광고 기술이 큰 데이터, 기계 학습 및 인간의 창의성을 조화시키는 데 있다고 가르쳤습니다. 나는 기술 외에도 분석가, 데이터 과학자 및 크리에이티브 전문가의 훌륭한 팀이 우리의 기술에 인간의 창의성을 더하는 것을 자랑스럽게 생각합니다.

Aarki의 플랫폼이 클라이언트의 ROI 및 캠페인 효과성을 크게 개선한 성공 사례를 공유할 수 있습니까?

AppsFlyer 성능 지수는 Aarki를 리타겟팅에서 리더로 인정하며, 북미에서 게임을 위해 1위, 전 세계적으로 3위로 평가합니다. 우리는 또한 모든 Singular 광고 ROI 지수에서 최상위 수행자로 평가됩니다. 이 사례 연구는 우리의 글로벌 리더십을 입증합니다. 게임 외에도 다양한 앱 카테고리에서 결과를 驅動하는 능력을 보여주는 최근 사례 연구가 있습니다.

나는 DHgate, 리드하는 전자 상거래 플랫폼과의 파트너십을 강조하고 싶습니다. 안드로이드 및 iOS를 위한 우리의 리타겟팅 캠페인은 예외적인 결과를 보여주었으며, Aarki의 규모에 따라 성과를 驅動하는 능력을 입증했습니다.

우리의 딥 뉴럴 네트워크 기술을 활용하여 우리는 사용자 세그먼트를 리타겟팅의 효과성을 최대화하기 위해 정교하게 조립했습니다. 이것은 높은 의도 사용자 클릭이 33% 증가하고, 전환도 33% 증가하는 것을 의미했습니다.

가장 인상적인 것은 DHgate의 Aarki와의 지출이 52% 증가했음에도 불구하고, 우리는 일관되게 450%의 D30 ROAS 목표를 1.7배 초과하여 784%의 ROAS를 달성했습니다. 이 사례 연구는 우리가 클라이언트에게 우수한 결과를 제공하는 데 대한 우리의 헌신을 보여줍니다. 자세한 내용은 여기에서 확인하실 수 있습니다.

식품 및 배달 앱을 위해 우리는 사용자 반응 및 새로운 고객을 효율적으로 수집하기 위한 리타겟팅 캠페인을 구현했습니다.

이것은 사용자 수집 비용이 75% 감소하고 1,230만 명의 사용자가 반응하는 결과를 낳았습니다. 성공의 핵심은 우리의 딥 뉴럴 네트워크 모델을 사용하여 타겟팅된 오디언스와 맞춤형 메시지를 제공하는 것이었습니다. 캠페인을 신선하고 참여할 수 있게 유지했습니다. 자세한 내용은 여기에서 확인하실 수 있습니다.

이러한 사례 연구는 다양한 앱 카테고리 및 캠페인 유형에서 주요 지표에서 상당한 개선을 驅動하는 우리의 능력을 보여줍니다. 우리의 개인 정보 우선 접근 방식, 고급 AI 기능, 크리에이티브 최적화, 사기 방지 및 확장성은 우리가 클라이언트의 사용자 수집 및 재참여 캠페인에서 우수한 결과를 제공할 수 있도록 합니다.

모바일 광고 산업을 위해 AI 및 기계 학습의 미래에 대한 어떤 중요한 발전을 예측합니까?

미래를 내다보면, 나는 모바일 광고를 위해 AI 및 기계 학습의 몇 가지 중요한 발전을 예측합니다:

• 개인 정보 보호를 유지하는 기술의 향상: 우리는 개인 정보 보호 우선 접근 방식의 대규모로 학습할 수 있는 능력으로 인해 이전에 없던 학습 능력을 보유할 것입니다. 깊은 뉴럴 네트워크는 이러한 컨텍스트 신호와 역사적 결과 데이터를 상관시켜 개인 정보 보호 우선 참여 전략을 생성하는 데 도움이 됩니다.
• 실시간 크리에이티브 최적화를 위한 생성적 AI: 우리는 AI가 크리에이티브를 최적화할 뿐만 아니라 실시간으로 생성하고 동적으로 수정할 수 있는 시대를 볼 것입니다. 이것은 우리가 광고 디자인과 개인화를 접근하는 방식을 혁신할 것입니다.
• 전체 예측 모델: 우리의 딥 뉴럴 네트워크를 제품 통찰력과 다중 목적 입찰 최적화기 (MOBO)를 가격에 대한 클라이언트 특정 KPI와 결합하여 우리는 사용자 수집 및 리타겟팅을 위한 매우 효과적이고 효율적인 모델을 개발할 것입니다. 이것은 사용자 가치에 대한 놀라울 정도로 정확한 예측을 제공하여보다 지능적이고 전략적인 캠페인 관리를 허용할 것입니다.

이러한 발전은보다 효과적이고 효율적이며 사용자 친화적인 모바일 광고 경험으로 이어질 것입니다. 감사합니다. 독자 여러분이 더 많이 배우고 싶다면 Aarki를 방문하십시오.