아만 사린, Aarki의 CEO – 인터뷰 시리즈

아만 사린은 모바일 앱 개발자에게 수익 성장을 추동하는 광고 솔루션을 제공하는 AI 회사인 Aarki</a)의 CEO입니다. Aarki는 수십억 개의 컨텍스트별 입찰 신호와 자체 기계 학습 및 행동 모델을 결합하여 개인 정보 우선 세계에서 브랜드가 대상 청중과 효과적으로 상호 작용할 수 있도록 합니다. 전 세계 수백 명의 광고주와 함께 작업하며 매초 10억 개 이상의 디바이스에서 5M개의 모바일 광고 요청을 관리하는 Aarki는 개인적으로 보유되며 샌프란시스코, CA에 본사를두고 있으며 미국, EMEA, APAC 전역에 사무소를두고 있습니다.

자신의 여정에서 ZypMedia의 공동 설립자에서 Aarki의 리더로 어떻게 바뀌었는지, 그리고 AI와 AdTech에 대한 접근 방식을 형성한 주요 경험은 무엇입니까?

私の 애드테크 리더십 여정은 2013년에 ZypMedia를 공동 설립하면서 시작되었습니다. 여기서 우리는 지역 광고를 위한 최첨단 수요 측 플랫폼을 구축했습니다. 이것은 그냥 또 하나의 DSP가 아니었습니다. 우리는 고부하, 저가 캠페인을 전례 없는 효율로 처리하기 위해 이것을 처음부터 구축했습니다. 현대의 초지역화된 AI 기반 타게팅의 선구자라고 생각할 수 있습니다.

ZypMedia의 CEO로서,私は $20 million의 SaaS 수익과 매년 $200 million의 미디어 거래를 처리하는 것을 지시했습니다. 이 경험은 현대의 광고 플랫폼이 처리해야 하는 데이터의 규모를 이해하는 데 도움이 되었습니다. 이것은 AI 솔루션을 위한 도전입니다.

ZypMedia의 인수를 통해 LG Ad Solutions에서 일한 내 시간은 디바이스 제조업체와 시청자 데이터의 통제가 Connected TV (CTV) 광고의 미래를 어떻게 형성할 수 있는지에 대한 깊은 이해를 제공했습니다. 우리는 LG Ads 비즈니스를 구축하는 데 많은 AI/기계 학습을 사용했으며, 디바이스에서 수집된 데이터를 사용하여 타게팅 세그먼트, 인벤토리 블록 및 계획 소프트웨어를 생성했습니다.

2023년부터 Aarki의 CEO로서,私は 모바일 광고 혁명의 최전선에 있습니다.私は私の여정은私にAdTech에서의 AI의 변革적 힘에 대한 깊은 감謝을 불어넣었다고 말할 수 있습니다. 기본적인 프로그램 방식에서 AI 기반 예측 모델링 및 동적 크리에이티브 최적화까지의 진행은 놀라울 정도입니다.

私は AI를 단순한 도구가 아니라 차세대 AdTech의 백본으로 간주합니다. 이것은 산업의 가장 긴급한課題를 해결하는 열쇠입니다. 개인 정보 보호 규정 준수 타게팅에서 개인화된 광고 경험을 대규모로 생성하는 것까지입니다.私は 확신합니다. AI는 광고주가 직면하는 고통 점을 해결할 뿐만 아니라 플랫폼에서 운영을 실행하는 방식을 혁신할 것입니다.私の여정에서 배운 교훈 – 확장성, 데이터 기반 의사 결정, 지속적인 혁신의 중요성 -은이 AI 우선 시대에 더 관련성이 있습니다.

Aarki의 다단계 기계 학습 인프라가 어떻게 작동하는지 설명할 수 있습니까? 전통적인 AdTech 솔루션과 비교하여 어떤 특정한 이점을 제공합니까?

私の 경험은 미래의 AdTech이 빅 데이터, 기계 학습 및 인간의 창의성을 조화시키는 데 있다고 가르쳐주었습니다. Aarki에서 우리는 AI가 모바일 광고 생태계의 모든 측면을 향상시키는 방법을 탐구합니다. 입찰 최적화 및 사기 탐지에서 크리에이티브 성능 예측 및 사용자 확보 전략까지입니다.

현재 Aarki의 다단계 기계 학습 인프라는 사기 예방에서 사용자 가치 예측까지 모바일 광고의 여러 중요한 측면을 해결하도록 설계되었습니다. 여기서 작동 방식과 왜 유용한지에 대해 설명하겠습니다:

• 사기 탐지 및 인벤토리 품질 제어: 이것은 우리의 클라이언트 성능 및 예산을 보호하기 위해 설계되었습니다. 우리의 다층 접근 방식은 사기 전략의 발전에 앞서기 위해 자체 알고리즘과 제3자 데이터를 결합합니다. 우리는 캠페인 예산이 실제이며 높은 품질의 인벤토리에 투자되도록 하기 위해 사용자 행동을不断 평가하고 최신 사기 데이터베이스를 유지합니다.
• 딥 뉴럴 네트워크 (DNN) 모델: 우리의 핵심 인프라는 각 인상 또는 사용자 값을 예측하기 위해 다단계 DNN 모델을 사용합니다. 이 세분화된 접근 방식은 각 모델이 특정 전환 이벤트에 가장 중요한 기능을 학습할 수 있도록 허용하여보다 정교한 타게팅 및 입찰 전략을 가능하게 합니다.
• 다중 목적 입찰 최적화기 (MOBO): 대부분의 DSP에서 사용하는 단순한 입찰 쉐이딩과 달리, 우리의 MOBO는 가격 외에도 여러 요인을 고려합니다. 이것은 동적 변수를 포함하여 캠페인 및 인벤토리 속성, 예측 사용자 가치 및 CPM 세분화를 사용하여 입찰을 최적화합니다. 이 정교한 방법은 ROI를 최대화하면서 여러 목표를 균형있게 유지하여 캠페인 예산을 완전히 사용하는 최적의 입찰을 찾습니다.

이 구성 요소는 전통적인 AdTech 솔루션과 비교하여 다음과 같은 상당한 이점을 제공합니다:

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

우리의 AI 기반 접근 방식은 모바일 광고 캠페인에서 전례 없는 정확성, 효율성 및 적응성을 제공합니다. 깊은 학습과 고급 최적화 기술을 활용하여 Aarki는 우수한 성능을 제공하면서 개인 정보 보호 및 사기 예방에 강한 초점을 유지합니다.

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 알고리즘이 예상 승리 입찰 가격 바로 아래에 가격만 집중하는 반면, 우리의 최적화기는 동시에 여러 목표를 고려합니다. 이것은 가격 외에도 캠페인 성능 메트릭, 인벤토리 품질 및 예산 사용을 포함합니다.

최적화기는 캠페인 및 인벤토리 속성, 예측 사용자 가치 및 CPM 세분화와 같은 동적 변수를 고려합니다. 이러한 변수는 클라이언트별 KPI, 주로 ROI를 중심으로 최적화를 안내합니다. 이것은 우리가 각 클라이언트의 고유한 목표에 맞게 입찰 전략을 맞출 수 있도록 합니다.

우리의 최적화기의 주요 강점 중 하나는 높은 가치 사용자를 효율적으로 획득하고 새로운, 미탐험 사용자 세그먼트 및 인벤토리를 탐험하는 데의 균형을 유지하는 능력입니다. 이 탐험은 더 엄격한 시스템이 놓칠 수 있는 가치 있는 기회를 발견하는 데 도움이 됩니다.

실제로 이것은 우리의 클라이언트가 더 효율적인 광고 지출, 더 높은 품질의 사용자 확보 및 궁극적으로 캠페인에 대한 더 나은 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 균형있게 유지하고 실시간으로 적응하는 능력은 우리가 전통적인 단일 목표 입찰 시스템보다 복잡한 모바일 광고 풍경을 더 효과적으로 탐험할 수 있도록 합니다.

Aarki는 운영에서 개인 정보 보호 우선 접근 방식을 강조합니다. 플랫폼은 어떻게 사용자 개인 정보를 보장하면서도 효과적인 광고 타게팅을 제공합니까?

私は 자랑스럽게 말할 수 있습니다. 개인 정보 보호 우선 참여는 우리 플랫폼의 핵심 기둥 중 하나입니다. 우리는 ID 없는 타게팅에 완전히 적응하여 SKAN 4 규정 준수 및 미래 준비를 위한 개인 정보 보호 중심 랜드스케이프를 만들었습니다. 다음은 우리가 이것을 어떻게 달성하는지에 대한 설명입니다:

• ID 없는 타게팅: 우리는 IDFA 없는 풍경에 완전히 적응하여 SKAN 4 규정 준수 및 미래 준비를 위한 개인 정보 보호 중심 랜드스케이프를 만들었습니다.
• 컨텍스트 신호: 우리는 디바이스 유형, OS, 앱, 장르, 시간 및 지역과 같은 광범위한 컨텍스트 데이터 포인트를 활용합니다. 이러한 신호는 개인 데이터를 필요로하지 않으면서도 유용한 타게팅 정보를 제공합니다.
• 大量의 컨텍스트 데이터 처리: 우리는 전 세계 10억 개 이상의 디바이스에서 매초 5백만 개 이상의 광고 요청을 처리합니다. 각 요청에는 귀중한 타게팅 정보를 제공하는 컨텍스트 신호가 풍부하게 포함되어 있습니다.
• 고급 기계 학습: 우리의 800억 행 훈련 모델 데이터베이스는 이러한 컨텍스트 신호를 역사적 결과 데이터와 상관시킵니다. 이것은 개인 사용자 개인 정보를 손상시키지 않으면서도 통찰력과 패턴을 도출할 수 있도록 합니다.
• 다이나믹 행동 코호트: 기계 학습을 사용하여 우리는 집계된 컨텍스트 데이터를 기반으로 매우詳細한 다이나믹 행동 코호트를 생성합니다. 이러한 코호트는 개인 식별자에 의존하지 않고 효율적인 최적화 및 확장을 가능하게 합니다.
• ML 기반 크리에이티브 타게팅: 각 코호트에 대해, 우리는 기계 학습을 협력하여 최적의 크리에이티브 전략을 개발합니다. 이 접근 방식은 관련성 및 효과성을 보장하면서 개인 정보를 침해하지 않습니다.
• 지속적인 학습 및 적응: 우리의 AI 모델은 캠페인 성능 및 발전하는 컨텍스트 데이터에 따라 지속적으로 학습 및 적응합니다. 이것은 개인 정보 보호 규정 및 사용자 기대가 발전함에 따라 타게팅이 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 보호 우선 전략을 활용하여 Aarki는 효과적인 광고 타게팅을 제공하면서 사용자 개인 정보를尊重합니다. 우리는 개인 정보 보호 우선 시대의 도전을 기회로 전환하여 클라이언트의 사용자 확보 및 재참여 캠페인에 효과적이고 개인 정보 보호 규정 준수 플랫폼을 만듭니다.

ML 기반 크리에이티브 타게팅의 개념을 설명할 수 있습니까? 그리고 그것은 어떻게 크리에이티브 전략과 통합됩니까?

ML 기반 크리에이티브 타게팅은 우리가 기계 학습 모델을 통해 식별한 행동 코호트를 최적화하기 위한 우리의 방법론입니다. 이 과정에는 여러 단계가 포함됩니다:

• 코호트 분석: 우리의 ML 모델은詳細한 행동 코호트를 생성하기 위해大量의 컨텍스트 데이터를 분석합니다.
• 크리에이티브 인사이트: 각 코호트에 대해, 우리는 크리에이티브 요소가 가장 효과적으로 공鳴할 가능성이 있는 것을 식별하기 위해 기계 학습을 사용합니다. 이것은 색 구성표, 광고 형식, 메시지 스타일 또는 시각적 테마를 포함할 수 있습니다.
• 협력: 우리의 데이터 과학 팀은 이러한 ML 파생 인사이트를 공유하기 위해 우리의 크리에이티브 팀과 협력합니다.
• 크리에이티브 개발: 이러한 인사이트를 기반으로, 우리의 크리에이티브 팀은 각 코호트를 위한 맞춤형 광고 크리에이티브를 개발합니다. 이것은 이미지, 복사, 호출 작업 또는 전체 광고 구조를 조정하는 것을 포함할 수 있습니다.
• 다이나믹 어셈블리: 우리는 동적 크리에이티브 최적화를 사용하여 실시간으로 광고 크리에이티브를 어셈블합니다. 각 코호트에 가장 효과적인 요소를 매칭합니다.
• 지속적인 최적화: 성능 데이터를 수집함에 따라, 우리의 ML 모델은 각 코호트에 대한 이해를 지속적으로 세분화하여 크리에이티브 개선을 위한 피드백 루프를 생성합니다.
• 규모 및 효율성: 이 접근 방식은 수동 세분화 또는 추측 없이 높은 타겟팅 크리에이티브를 대규모로 생성할 수 있도록 합니다.

결과는 데이터 과학과 창의성 사이의 시너지입니다. 또한 우리의 핵심 기둥 중 하나인 통합 크리에이티브 프레임워크는 우리의 ML 모델이 다양한 오디언스 세그먼트에 대한 데이터 기반 인사이트를 제공하는 것을 보장합니다.同時에, 우리의 크리에이티브 팀은 이러한 인사이트를 매력적인 광고 디자인으로 구현합니다. 이 접근 방식은 캠페인 성능과 사용자 경험을 모두 개선하면서 각 코호트에 더 관련性 및 참여도가 높은 광고를 제공할 수 있도록 합니다.

크리에이티브 팀은 광고 캠페인을 개발하는 데 어떤 역할을 하나요? 그리고 어떻게 AI 모델과 협력하여 광고 성능을 최적화합니까?

우리의 크리에이티브 팀은 Aarki에서 효과적인 광고 캠페인을 개발하는 데 통합된 역할을 합니다. 그들은 광고 성능을 최적화하기 위해 우리의 AI 모델과 협력합니다. 크리에이티브 팀은 다양한 행동 코호트에서 어떤 것이 공鳴하는지에 대한 우리의 ML 모델의 인사이트를 해석합니다. 그런 다음 그들은 이러한 인사이트와 일치하도록 광고 크리에이티브를 조정하여 시각적, 메시지 및 형식을 포함한 요소를 조정합니다.

캠페인이 진행됨에 따라, 팀은 AI와 함께 성능 데이터를 분석하여 접근 방식을 지속적으로 개선합니다. 이 반복적인 프로세스는 크리에이티브 요소를 신속하게 최적화할 수 있도록 합니다.

인간의 창의성과 AI 기반 인사이트 사이의 시너지는 우리가 규모에 따라 매우 타겟팅되고 참여도가 높은 광고를 생성할 수 있도록 합니다. 이것은 캠페인 성능을 향상시키는 데 도움이 됩니다.

Aarki의 AI 인프라는 어떻게 광고 사기를 탐지하고 방지합니까? 어떤 유형의 사기가 시스템에서 식별됩니까?

Aarki는 사기 탐지를 위해 다층 접근 방식을 사용합니다. 우리는 사기 방지 필터를 사전 입찰로 접근하고 시스템을 통해 들어오는 데이터에 대한 사후 분석을 수행합니다. 이전에 설명한 일반적인 전략을 이미 설명했지만, 시스템에서 식별하는 사기 유형의 몇 가지 예를 제공할 수 있습니다:

• 클릭 홍수: 특정 소스에서 비정상적으로 높은 클릭률을 감지합니다.
• 설치 팜: 동일한 IP 주소 또는 디바이스에서 여러 설치를 식별합니다.
• 비정상적인 클릭-설치 시간 (CTIT): 봇 활동을 나타내는 비정상적인 클릭-설치 시간을 감지합니다.
• 저 보유율: 반복적으로 낮은 보유율을 표시하는 퍼블리셔에서 사용자를 식별합니다.

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

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

Aarki의 사용자 확보 및 재참여 접근 방식은 여러 가지 주요 방식으로 업계의 다른 플랫폼과 다릅니다:

• 개인 정보 보호 우선 전략: 우리는 ID 없는 타게팅을 완전히 수용하여 SKAN 4 규정 준수 및 미래 준비를 위한 개인 정보 보호 중심 랜드스케이프를 만들었습니다.
• 고급 AI 및 기계 학습: 우리의 다단계 기계 학습 인프라는 개인 식별자에 의존하지 않고 정교한 행동 코호트를 생성하기 위해大量의 컨텍스트 데이터를 처리합니다.
• ML 기반 크리에이티브 타게팅: 우리는 크리에이티브 팀과 협력하여 각 코호트를 위한 맞춤형 광고 크리에이티브를 개발하기 위해 AI 기반 인사이트를 결합합니다.
• 다이나믹 멀티 오브젝트 입찰 최적화기: 우리의 입찰 시스템은 여러 목표를 동시에 고려하여 효율성과 탐험을 균형있게 유지하여 ROI를 최대화합니다.
• 컨텍스트 인텔리전스: 우리는 기본적인 인구 통계 또는 지리적 세분화 이상을 넘어서 컨텍스트 신호를 활용하여 타게팅합니다.
• 지속적인 최적화: 우리의 AI 모델은 사용자 행동 및 시장 조건이 변경됨에 따라 지속적으로 학습 및 적응합니다.
• 통합 접근 방식: 우리는 사용자 확보 및 재참여 전략의無缝한 통합을 제공하여 사용자 여정에 대한 전체적인 관점을 제공합니다.
• 확장성: 우리의 인프라는大量의 데이터 볼륨 (매초 5백만 개 이상의 광고 요청, 10억 개 이상의 디바이스)을 처리할 수 있습니다. 이는 높은 수준의 타게팅을 가능하게 합니다.
• 고급 사기 방지 메커니즘: 우리의 사전 입찰 사기 필터,大量의 데이터 볼륨에 대한 사후 분석 및 제3자 데이터와의 결합은 우리를 사기 트래픽으로부터 클라이언트의 돈을 절약하는 데 앞서 있습니다.

이 개인 정보 보호 중심 방법, 고급 AI, 크리에이티브 최적화, 사기 방지 및 확장 가능한 인프라의 조합은 더 효과적이고 효율적이며 적응성이 뛰어난 캠페인을 제공할 수 있도록 합니다.

私の 경험은 미래의 AdTech이 빅 데이터, 기계 학습 및 인간의 창의성을 조화시키는 데 있다고 가르쳐주었습니다.私は Aarki에서 기술 외에도 분석가, 데이터 과학자 및 크리에이티브 전문가의 훌륭한 팀이 있다는 것을 자랑스럽게 생각합니다. 그들은 우리의 기술에 인간의 창의성을 더합니다.

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

AppsFlyer 성능 지수는 Aarki를 리타게팅에서 리더로 인정하며, 북미 게임에서 1위, 전 세계적으로 3위를 차지합니다. 우리는 또한 모든 Singular 광고 ROI 지수에서 상위 수행자로 평가됩니다. 이 사례 연구는 또한 우리의 글로벌 리더십을 입증합니다. 게임뿐만 아니라, 우리는 최근 다양한 앱 카테고리에서 결과를 驅動하는 우리의 능력을 보여주는 최신 사례 연구를 가지고 있습니다.

私は DHgate, 리딩 이커머스 플랫폼과의 파트너십을 강조하기 위해 자랑스럽게 생각합니다. 안드로이드 및 iOS를 위한 우리의 리타게팅 캠페인은 예외적인 결과를 보여주었으며, Aarki의 규모에 따라 성능을 驅動하는 능력을 입증했습니다.

우리의 딥 뉴럴 네트워크 기술을 활용하여, 우리는 사용자 세그먼트를 리타게팅 효과를 최대화하기 위해 정밀하게 어셈블했습니다. 이것은 높은 의도 사용자 클릭이 33% 증가하고 전환도 33% 증가하는 결과를 가져왔습니다.

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

식품 및 배달 앱을 위해, 우리는 효율적으로 사용자를 재활성화하고 새로운 고객을 확보하기 위한 리타게팅 캠페인을 구현했습니다.

이것은 사용자 확보 비용을 75% 줄이고 1230만 명의 사용자 재활성화를 가져왔습니다. 성공의 핵심은 우리의 딥 뉴럴 네트워크 모델을 사용하여 대상 오디언스를 맞춤형 메시지로 타게팅하는 것이었습니다. 이것은 캠페인이 새롭고 흥미롭게 유지되도록했습니다. 자세한 내용은 여기에서 확인하실 수 있습니다.

이러한 사례 연구는 다양한 앱 카테고리 및 캠페인 유형에서 주요 지표에서 상당한 개선을 驅動하는 우리의 능력을 입증합니다. 우리의 개인 정보 보호 우선 접근 방식, 고급 AI 기능 및 전략적 컨텍스트 데이터 사용은 사용자 확보 및 재참여 노력 모두에서 클라이언트에게 우수한 결과를 제공할 수 있도록 합니다.

모바일 광고 산업을 위한 AI 및 기계 학습의 미래 발전에 대해 어떻게 생각합니까? 어떤 발전이 가장 중요한 것으로 보입니까?

미래를 내다보면,私は 모바일 광고를 위한 AI 및 기계 학습의 몇 가지 중요한 발전을 예상합니다:

• 개인 정보 보호를 유지하는 기술의 향상: 우리는 처리하는大量의 데이터로 인해 학습 능력이 대단히 향상될 것입니다. 딥 뉴럴 네트워크 (DNN)는 개인 정보 보호 우선 참여 전략을 생성하기 위해 이러한 능력을 활용할 것입니다. 실제로, “타게팅”의 개념은如此으로劇的に 발전할 것입니다. 우리는 이러한 예측적 접근 방식을 설명하기 위해 새로운 용어를 필요로 할 것입니다.
• 실시간 크리에이티브 최적화를 위한 생성적 AI: 우리는 실시간으로 광고 크리에이티브를 최적화할 뿐만 아니라 생성하고 동적으로 수정할 수 있는 AI를 볼 것입니다. 이것은 광고 디자인 및 개인화를 접근하는 방식을 혁신할 것입니다.
• 전체 예측 모델: 우리의 딥 뉴럴 네트워크를 제품 인사이트에 대한 것과 우리의 다중 목적 입찰 최적화기 (MOBO)를 가격에 대한 것으로 결합하여, 우리는 사용자 확보 및 리타게팅 모두에 대한 매우 효과적이고 효율적인 모델을 개발할 것입니다. 이러한 모델은 장기 사용자 가치에 대한 매우 정확한 예측을 제공할 것입니다. 이것은 캠페인 관리를 더智能하고 전략적으로 만들 것입니다.

이러한 발전은 더 효과적이고 효율적이며 사용자 친화적인 모바일 광고 경험으로 이어질 것입니다.

이 인터뷰에 감사드립니다. 더 많은 것을 배우고 싶은 독자는 Aarki를 방문해야 합니다.