Aman Sareen, CEO van Aarki – Interviewreeks

Aman Sareen is de CEO van Aarki, een AI-bedrijf dat advertentieoplossingen levert die omzetgroei voor mobiele app-ontwikkelaars stimuleren. Aarki stelt merken in staat om doeltreffend publiek te betrekken in een privacy-georiënteerde wereld door gebruik te maken van miljarden contextuele biedsignalen in combinatie met propriëtaire machine learning- en gedragsmodellen. Het werkt met honderden adverteerders wereldwijd en beheert meer dan 5M mobiele advertentieverzoeken per seconde van meer dan 10B apparaten, Aarki is particulier bezit en heeft zijn hoofdkantoor in San Francisco, CA met kantoren in de VS, EMEA en APAC.

Kunt u ons een beetje vertellen over uw reis van co-founder van ZypMedia tot het leiden van Aarki? Wat zijn de belangrijkste ervaringen die uw aanpak van AI en AdTech hebben gevormd?

Mijn adtech-leiderschap begon met de co-founding van ZypMedia in 2013, waar we een baanbrekend demand-side platform ontwierpen voor lokale advertenties. Dit was geen gewoon DSP; we bouwden het van de grond af om high-volume, low-dollar campagnes met ongekende efficiëntie te behandelen. Denk aan het als de voorloper van de hyper-lokale, AI-gedreven doelgroep die we vandaag zien.

Als CEO stuurde ik ZypMedia naar $20 miljoen aan SaaS-omzet en verwerkte $200 miljoen aan mediaturnocjes per jaar. Deze ervaring was een cruciale stap in het begrijpen van de enorme hoeveelheid gegevens die moderne advertentieplatforms moeten verwerken – een uitdaging die speciaal is ontworpen voor AI-oplossingen.

Mijn tijd bij LG Ad Solutions, na de overname van ZypMedia door Sinclair, was een diepe duik in de wereld van apparaatfabrikanten en hoe de controle over kijkgedraggegevens de toekomst van Connected TV (CTV)-advertenties kan vormen. We gebruikten veel AI/machine learning bij het opbouwen van het LG Ads-bedrijf, waar de van apparaten verzamelde gegevens werden gebruikt om doelgroepsegmenten, voorraadblokken en planningssoftware te genereren.

Als CEO van Aarki sinds 2023, sta ik aan de vooravond van de mobiele advertentierevolutie. Ik kan zeggen dat mijn reis me een diep respect heeft gegeven voor de transformatieve kracht van AI in adtech. De vooruitgang van basisprogrammering naar AI-gedreven predictief modelleren en dynamische creatieve optimalisatie is niets minder dan opmerkelijk.

Ik ben gaan zien dat AI niet alleen een instrument is, maar de ruggengraat van de volgende generatie adtech. Het is de sleutel tot het oplossen van de meest dringende uitdagingen van de industrie; van privacy-compliant doelgroepen in een post-apparaat-ID-wereld tot het creëren van echte en gepersonaliseerde advertentie-ervaringen op grote schaal. Ik geloof vast dat AI niet alleen de pijnlijke punten die adverteerders tegenkomen, zal oplossen, maar ook de manier waarop operaties worden uitgevoerd op platforms zoals Aarki. De lessen uit mijn reis – de belangrijkheid van schaalbaarheid, gegevensgestuurd beslissen en voortdurende innovatie – zijn meer relevant dan ooit in deze AI-georiënteerde tijd.

Kunt u ons meer vertellen over hoe Aarki’s multi-level machine learning-infrastructuur werkt? Wat zijn de specifieke voordelen die het biedt ten opzichte van traditionele adtech-oplossingen?

Mijn ervaringen hebben me geleerd dat de toekomst van adtech ligt in het harmoniseren van big data, machine learning en menselijke creativiteit. Bij Aarki verkennen we hoe AI elke aspect van het mobiele advertentie-ecosysteem kan verbeteren; van bodoptimalisatie en fraudebestrijding tot creatieve prestatievoorspelling en gebruikersacquisitie-strategieën.

Op dit moment is Aarki’s multi-level machine learning-infrastructuur ontworpen om verschillende kritische aspecten van mobiele advertenties aan te pakken, van fraudepreventie tot gebruikerswaardevoorspelling. Hieronder volgt hoe het werkt en waarom het voordelig is:

• Fraudebestrijding en inventarisatiekwaliteitscontrole: Het is ontworpen om de prestaties en budgetten van onze klanten te beschermen. Onze multi-laagse aanpak combineert propriëtaire algoritmen met derdepartijgegevens om voorop te lopen bij evoluerende fraude tactieken. We garanderen dat campagnebudgetten worden geïnvesteerd in echte, hoogwaardige inventaris door voortdurend gebruikersgedrag te evalueren en een up-to-date fraude-database te onderhouden.
• Diepe neurale netwerkmodellen (DNN’s): Onze kerninfrastructuur maakt gebruik van multi-stage DNN-modellen om de waarde van elke indruk of gebruiker te voorspellen. Deze gedetailleerde aanpak stelt elk model in staat om de functies te leren die het meest cruciaal zijn voor specifieke conversiegebeurtenissen, waardoor meer precieze doelgroepen en biedstrategieën mogelijk zijn in vergelijking met one-size-fits-all-modellen.
• Multi-objective Bid Optimizer (MOBO): In tegenstelling tot eenvoudige bid shading die door de meeste DSP’s wordt gebruikt, houdt onze MOBO rekening met meerdere factoren buiten de prijs. Het gebruikt dynamische variabelen zoals campagne- en inventarisattributen, voorspelde gebruikerswaarde en CPM-segmentatie om biedingen te optimaliseren. Deze geavanceerde methode maximaliseert de ROI terwijl het meerdere doelstellingen in evenwicht brengt, waardoor optimale biedingen worden gevonden die winnen, KPI-doelen bereiken en campagnebudgetten volledig benutten.

Deze componenten bieden aanzienlijke voordelen ten opzichte van traditionele AdTech-oplossingen:

• Superieure fraudebestrijding
• Meer accurate voorspellingen en betere ROI door middel van multi-stage DNN’s
• Gedetailleerde creatieve hyperdoelgroep met multi-objective bid pricing
• Schaalbaarheid om grote hoeveelheden gegevens te verwerken
• Privacy-georiënteerde doelgroep met contextuele cohorts

Onze AI-gedreven aanpak stelt ons in staat om ongekende nauwkeurigheid, efficiëntie en aanpasbaarheid in mobiele advertentiecampagnes te bieden. Door diepe leer- en geavanceerde optimalisatietechnieken te gebruiken, levert Aarki superieure prestaties terwijl het een sterke focus op privacy en fraudebestrijding behoudt.

Hoe functioneert de Dynamische Multi-object Bid Optimizer en wat is de impact ervan op het maximaliseren van de ROI voor uw klanten?

De Dynamische Multi-object Bid Optimizer is een geavanceerd systeem dat verder gaat dan traditionele bid shading-algoritmen. In tegenstelling tot eenvoudige bid shading-algoritmen die zich alleen richten op prijzen net onder de voorspelde winnende bod, houdt onze optimizer rekening met meerdere doelstellingen tegelijk. Dit omvat niet alleen de prijs, maar ook campagneprestatie-metrieken, inventarisatiekwaliteit en budgetgebruik.

De optimizer houdt rekening met een reeks dynamische variabelen, waaronder campagne- en inventarisattributen, voorspelde gebruikerswaarde en CPM-segmentatie. Deze variabelen leiden het optimalisatieproces rond klant-specifieke KPI’s, voornamelijk ROI. Dit stelt ons in staat om onze biedstrategie aan te passen aan de unieke doelstellingen van elke klant.

Een van de belangrijkste sterktes van onze optimizer is de mogelijkheid om een evenwicht te vinden tussen het efficiënt verwerven van hoogwaardige gebruikers en het verkennen van nieuwe, onontdekte gebruikerssegmenten en inventaris. Deze exploratie helpt ons waardevolle kansen te ontdekken die meer rigide systemen zouden kunnen missen.

In de praktijk betekent dit dat onze klanten een meer efficiënt gebruik van hun advertentie-uitgaven, hogerwaardige gebruikersacquisitie en uiteindelijk een betere ROI op hun campagnes kunnen verwachten. Bijvoorbeeld, het kan verstandig zijn om 50% meer te betalen om te bieden op een gebruiker die 5 keer meer waarde heeft (ROAS). De mogelijkheid van de optimizer om meerdere doelstellingen in evenwicht te brengen en in real-time aan te passen, stelt ons in staat om het complexe mobiele advertentielandschap effectiever te navigeren dan traditionele, single-objective bidding-systemen.

Aarki benadrukt een privacy-georiënteerde aanpak in zijn operaties. Hoe zorgt uw platform ervoor dat gebruikersprivacy wordt gewaarborgd terwijl het nog steeds effectieve advertentiedoelgroepen levert?

Ik ben trots om te zeggen dat privacy-georiënteerde betrokkenheid een van de kernpijlers van ons platform is, naast ons AI-platform. We hebben de uitdagingen van de post-apparaat-ID-wereld omarmd en hebben innovatieve oplossingen ontwikkeld om gebruikersprivacy te waarborgen terwijl we nog steeds effectieve advertentiedoelgroepen leveren. Hieronder volgt hoe we dit bereiken:

• ID-loze doelgroep: We hebben ons volledig aangepast aan het post-IDFA-landschap en zijn SKAN 4-compatibel. Ons platform werkt zonder afhankelijk te zijn van individuele apparaat-IDs, met prioriteit voor gebruikersprivacy vanaf het begin.
• Contextuele signalen: We gebruiken een breed scala aan contextuele gegevenspunten, zoals apparaattype, besturingssysteem, app, genre, tijd van de dag en regio. Deze signalen bieden waardevolle doelgroepinformatie zonder persoonlijke gegevens te vereisen.
• Grote contextuele gegevensverwerking: We verwerken meer dan 5 miljoen advertentieverzoeken per seconde van meer dan 10 miljard apparaten wereldwijd. Elk verzoek heeft een rijke hoeveelheid contextuele signalen, waardoor we een rijke, privacy-compliant dataset hebben.
• Geavanceerde machine learning: Onze 800 miljard rijen trainingsmodeldatabase correleert deze contextuele signalen met historische resultaatgegevens. Dit stelt ons in staat om inzichten en patronen te ontdekken zonder de individuele gebruikersprivacy te schenden.
• Dynamische gedragscohorten: Met behulp van machine learning creëren we zeer gedetailleerde, dynamische gedragscohorten op basis van geaggregeerde contextuele gegevens. Deze cohorten stellen ons in staat om efficiënte optimalisaties en schaalbaarheid te bereiken zonder afhankelijk te zijn van persoonlijke identificatoren.
• ML-gedreven creatieve doelgroep: Voor elke cohorte gebruiken we machine learning in samenwerking met ons creatieve team om optimale creatieve strategieën te ontwikkelen. Deze aanpak garandeert relevantie en effectiviteit zonder inbreuk te maken op individuele privacy.
• Voortdurend leren en aanpassen: Onze AI-modellen leren en passen voortdurend aan op basis van campagneprestaties en evoluerende contextuele gegevens, waardoor onze doelgroep blijft werken terwijl privacyregelgeving en gebruikersverwachtingen evolueren.
• Transparantie en controle: We bieden duidelijke informatie over onze gegevenspraktijken en bieden gebruikers controle over hun advertentie-ervaringen waar mogelijk, in overeenstemming met privacy-richtlijnen.

Door gebruik te maken van deze privacy-georiënteerde strategieën, levert Aarki effectieve advertentiedoelgroepen terwijl het gebruikersprivacy respecteert. We hebben de uitdagingen van de privacy-georiënteerde tijdperk omgezet in kansen voor innovatie, waardoor we een platform hebben dat zowel privacy-compliant als zeer effectief is voor de gebruikersacquisitie- en re-engagementcampagnes van onze klanten. Terwijl het digitale advertentielandschap evolueert, blijft Aarki toegewijd aan het leiden van de weg in privacy-georiënteerde, AI-gedreven mobiele advertentieoplossingen.

Kunt u de concept van ML-gedreven creatieve doelgroep uitleggen en hoe het integreert met uw creatieve strategie?

ML-gedreven creatieve doelgroep is onze methodologie voor het optimaliseren van advertentiecreaties op basis van de gedragscohorten die we identificeren met behulp van onze machine learning-modellen. Dit proces omvat verschillende stappen:

• Cohortanalyse: Onze ML-modellen analyseren grote hoeveelheden contextuele gegevens om gedetailleerde gedragscohorten te creëren.
• Creatieve inzichten: Voor elke cohorte gebruiken we machine learning om de creatieve elementen te identificeren die het meest effectief zullen resoneren. Dit kan kleurenschema’s, advertentieformaten, berichtstijlen of visuele thema’s omvatten.
• Samenwerking: Ons datascience-team werkt samen met ons creatieve team, waarbij we deze ML-geleerde inzichten delen.
• Creatieve ontwikkeling: Op basis van deze inzichten ontwikkelt ons creatieve team aangepaste advertentiecreaties voor elke cohorte. Dit kan het aanpassen van beelden, kopie, calls-to-action of de algehele advertentiestructuur omvatten.
• Dynamische assemblage: We gebruiken dynamische creatieve optimalisatie om advertentiecreaties in real-time te assembleren, waarbij we de meest effectieve elementen koppelen aan elke cohorte.
• Voortdurende optimalisatie: Naarmate we prestatiegegevens verzamelen, leren onze ML-modellen voortdurend en passen ze hun begrip van wat werkt voor elke cohorte aan, waardoor een feedbacklus voor voortdurende creatieve verbetering ontstaat.
• Schaalbaarheid en efficiëntie: Deze aanpak stelt ons in staat om hoogwaardige advertentiecreaties te creëren op grote schaal zonder handmatige segmentatie of gokwerk nodig te hebben.

Het resultaat is een synergie tussen datascience en creativiteit. Ook een van onze kernpijlers, Unified Creative Framework, garandeert dat onze ML-modellen gegevensgestuurde inzichten bieden in wat werkt voor verschillende doelgroepsegmenten. Tegelijkertijd brengt ons creatieve team deze inzichten tot leven in overtuigende advertontwerpen. Deze aanpak stelt ons in staat om meer relevante, boeiende advertenties te leveren aan elke cohorte, waardoor campagneprestaties en gebruikerservaring gelijktijdig worden verbeterd.

Wat is de rol van uw creatief team bij het ontwikkelen van advertentiecampagnes en hoe werken ze samen met de AI-modellen om advertentieprestaties te optimaliseren?

Ons creatieve team speelt een geïntegreerde rol bij het ontwikkelen van effectieve advertentiecampagnes bij Aarki. Ze werken in nauwe samenwerking met onze AI-modellen om advertentieprestaties te optimaliseren. Het creatieve team interpreteert inzichten uit onze ML-modellen over wat resoneert met verschillende gedragscohorten. Vervolgens creëren ze aangepaste advertentiecreaties, waarbij ze elementen zoals beelden, berichten en formaten aanpassen om deze inzichten te matchen.

Terwijl campagnes draaien, analyseert het team prestatiegegevens samen met de AI, waarbij ze voortdurend hun aanpak verfijnen. Dit iteratieve proces stelt ons in staat om advertentie-elementen snel te optimaliseren.

De synergie tussen menselijke creativiteit en AI-gedreven inzichten stelt ons in staat om hoogwaardige, boeiende advertenties te produceren op grote schaal, waardoor we superieure prestaties voor de campagnes van onze klanten kunnen leveren.

Hoe detecteert en voorkomt Aarki’s AI-infrastructuur advertentiefraude? Kunt u enkele voorbeelden geven van de soorten fraude die uw systeem identificeert?

Zoals ik eerder al zei, gebruikt Aarki een multi-laagse aanpak om advertentiefraude te bestrijden. We benaderen fraudebestrijding als een pre-bid filter met post-bid analytics van de gegevens die via onze systemen stromen. Terwijl ik onze algemene strategie al heb uitgelegd, kan ik enkele specifieke voorbeelden geven van de soorten fraude die ons systeem identificeert:

• Click flooding: Het detecteren van abnormaal hoge klikratio’s van specifieke bronnen.
• Install farms: Het identificeren van patronen van meerdere installaties van hetzelfde IP-adres of apparaat.
• Abnormale klik-naar-installatie-tijd (CTIT): Het detecteren van abnormale klik-naar-installatie-tijden als signaal voor bot-activiteit.
• Lage retentiepercentages: Het identificeren van gebruikers van uitgevers die herhaaldelijk lage retentiepercentages vertonen na installatie.

Onze AI evolueert voortdurend om nieuwe fraude tactieken te herkennen, waardoor we de budgetten van onze klanten beschermen.

Hoe verschilt Aarki’s aanpak van gebruikersacquisitie en re-engagement van andere platforms in de industrie?

Aarki’s aanpak van gebruikersacquisitie en re-engagement onderscheidt zich op verschillende belangrijke manieren:

• Privacy-georiënteerde strategie: We hebben ons volledig aangepast aan ID-loze doelgroep en zijn SKAN 4-compatibel, waardoor we toekomstbestendig zijn in een privacy-georiënteerd landschap.
• Geavanceerde AI en machine learning: Onze multi-level machine learning-infrastructuur verwerkt grote hoeveelheden contextuele gegevens om geavanceerde gedragscohorten te creëren zonder afhankelijk te zijn van persoonlijke identificatoren.
• ML-gedreven creatieve doelgroep: We combineren uniek AI-inzichten met menselijke creativiteit om hoogwaardige advertentiecreaties te ontwikkelen voor elke cohorte.
• Dynamische Multi-object Bid Optimizer: Ons biedsysteem houdt rekening met meerdere doelstellingen tegelijk, waarbij het een evenwicht zoekt tussen efficiëntie en exploratie om de ROI te maximaliseren.
• Contextuele intelligentie: We gebruiken triljoenen contextuele signalen om onze doelgroep te informeren, waardoor we verder gaan dan basale demografische of geografische segmentatie.
• Voortdurende optimalisatie: Onze AI-modellen leren en passen voortdurend aan, waardoor onze strategieën evolueren met veranderende gebruikersgedrag en marktomstandigheden.
• Geïntegreerde aanpak: We bieden een naadloze integratie van gebruikersacquisitie- en re-engagementstrategieën, waardoor we een holistisch beeld van de gebruikersreis kunnen bieden.
• Schaalbaarheid: Onze infrastructuur kan enorme hoeveelheden gegevens verwerken (5M+ advertentieverzoeken per seconde van 10B+ apparaten), waardoor we hoogwaardige doelgroepen op grote schaal kunnen bieden.
• Geavanceerde fraudebestrijding: Onze in-house pre-bid fraudefilters, post-bid analytics van grote gegevensvolumes, in combinatie met derdepartijgegevens, plaatsen ons aan de vooravond van het beschermen van de budgetten van onze klanten tegen frauduleuze verkeer.

Deze combinatie van privacy-georiënteerde methoden, geavanceerde AI, creatieve optimalisatie, fraudebestrijding en schaalbare infrastructuur stelt ons in staat om meer effectieve, efficiënte en aanpasbare campagnes te leveren.

Mijn ervaringen hebben me geleerd dat de toekomst van adtech ligt in het harmoniseren van big data, machine learning en menselijke creativiteit. Ik ben trots op het feit dat, naast onze technologie, we ook een uitstekend team van analisten, datascientists en creatieve professionals hebben die menselijke creativiteit toevoegen aan onze technologie.

Kunt u enkele succesverhalen delen waarin Aarki’s platform de ROI van klanten aanzienlijk verbeterde en de campagne-effectiviteit verhoogde?

De AppsFlyer Performance Index erkent Aarki als leider in retargeting, waarbij we #1 voor gaming in Noord-Amerika en #3 wereldwijd worden gerangschikt. We worden ook gerangschikt als een top-presterend platform in alle Singular advertentie-ROI-indexen. Deze case study is ook een bewijs van ons wereldwijde leiderschap. Niet alleen voor gaming, maar we hebben recente case studies die onze mogelijkheid aantonen om resultaten te behalen in verschillende app-categorieën.

Ik ben trots om onze partnership met DHgate, een toonaangevend e-commerceplatform, te benadrukken. Onze retargetingcampagnes voor zowel Android als iOS leverden uitzonderlijke resultaten, waarbij we onze mogelijkheid aantoonden om prestaties te leveren op grote schaal.

Door gebruik te maken van onze diepe neurale netwerktechnologie, assembleerden we gebruikerssegmenten om retargeting-effectiviteit te maximaliseren. Dit resulteerde in een 33% groei in hoger-intent gebruikersklikken en een 33% toename in conversies.

Meest indrukwekkend was dat, terwijl DHgate’s uitgaven bij Aarki met 52% toenamen, we consistent onze 450% D30 ROAS-doelen overtroffen met 1,7x, waardoor we een uitstekende 784% ROAS bereikten. Deze case toont onze toewijding aan het leveren van superieure resultaten voor onze klanten. Lees er meer over hier.

Voor een food en delivery-app implementeerden we een retargetingcampagne om gebruikers te reactiveren en nieuwe klanten efficiënt te verwerven.

Dit resulteerde in een 75% daling van de kosten per acquisitie (CPA) en 12,3 miljoen gebruikersreactivatie. De sleutel tot succes was het gebruik van onze diepe neurale netwerkmodellen om de juiste doelgroepen te targeten met aangepaste messaging, waardoor de campagne fris en boeiend bleef. Lees er meer over hier.

Deze case studies demonstreren onze mogelijkheid om significante verbeteringen te bereiken in sleutelindicatoren over verschillende app-categorieën en campagnetypes. Onze privacy-georiënteerde aanpak, geavanceerde AI-mogelijkheden en strategisch gebruik van contextuele gegevens stellen ons in staat om uitstekende resultaten te leveren voor onze klanten, of het nu gaat om gebruikersacquisitie of re-engagementinspanningen.

Wat zijn de toekomstige ontwikkelingen in AI en machine learning die u als cruciaal ziet voor de mobiele advertentie-industrie?

Terwijl we vooruitkijken, voorzie ik verschillende cruciale ontwikkelingen in AI en machine learning voor mobiele advertenties:

• Verbeterde privacy-bewaarderstechnieken: De enorme schaal van gegevens die we verwerken, zal ongekende leer-capaciteiten bieden. Diepe neurale netwerken (DNN’s) zullen deze gebruiken om superieure privacy-georiënteerde engagementstrategieën te creëren. In feite zal het concept van “doelgroep” zo dramatisch evolueren dat we nieuwe terminologie nodig zullen hebben om deze AI-gedreven, predictieve benaderingen te beschrijven.
• Generatieve AI voor real-time creatieve optimalisatie: We zullen AI zien die niet alleen kan optimaliseren, maar ook advertentiecreaties kan creëren en dynamisch kan modificeren in real-time. Dit zal de manier waarop we advertentieontwerp en personalisatie benaderen, revolutioneren.
• Holistische predictieve modellen: Door onze diepe neurale netwerken voor productinzichten te combineren met onze Multi-Objective Bid Optimizer (MOBO) voor prijzen, zullen we uiterst effectieve en efficiënte modellen ontwikkelen voor zowel gebruikersacquisitie als retargeting. Deze zullen ide incrediblement accurate voorspellingen van langetermijngebruikerswaarde opleveren, waardoor we slimmere, strategischere campagnebeheer kunnen bieden. Deze ontwikkelingen zullen waarschijnlijk leiden tot meer effectieve, efficiënte en gebruikersvriendelijke mobiele advertentie-ervaringen. Dank u voor het geweldige interview, lezers die meer willen leren, moeten Aarki bezoeken.