Aman Sareen, CEO of Aarki – Wywiad

Aman Sareen jest dyrektorem generalnym Aarki, firmy AI, która dostarcza rozwiązania reklamowe, które napędzają wzrost przychodu dla deweloperów aplikacji mobilnych. Aarki pozwala markom na skuteczne zaangażowanie się w świat, w którym priorytetem jest prywatność, wykorzystując miliardy sygnałów licytacji kontekstowych w połączeniu z własnymi modelami uczenia maszynowego i behawioralnymi. Pracując z setkami reklamodawców na całym świecie i zarządzając ponad 5M żądaniami reklam mobilnych na sekundę z ponad 10B urządzeń, Aarki jest firmą prywatną z siedzibą w San Francisco, CA z biurami w USA, EMEA i APAC.

Czy mógłbyś opowiedzieć o swojej drodze od współzałożyciela ZypMedia do kierowania Aarki? Jakie kluczowe doświadczenia ukształtowały twoje podejście do AI i AdTech?

Moja odyseja w dziedzinie AdTech zaczęła się od współzałożenia ZypMedia w 2013 roku, gdzie stworzyliśmy innowacyjną platformę po stronie popytu, dostosowaną do reklamy lokalnej. To nie była zwykła platforma; zbudowaliśmy ją od podstaw, aby obsłużyć kampanie o wysokiej objętości i niskich kosztach, z niezwykłą wydajnością. Można to uznać za prekursora hiper-lokalizowanego, AI-napędzanego targetowania, które widzimy dzisiaj.

Jako dyrektor generalny, skierowałem ZypMedia do osiągnięcia 20 milionów dolarów przychodu z usług SaaS i przetworzyłem 200 milionów dolarów transakcji medialnych rocznie. To doświadczenie było kuźnią dla zrozumienia ogromnej skali danych, jakimi muszą dysponować nowoczesne platformy reklamowe — wyzwaniem idealnie dopasowanym do rozwiązań AI.

Mój pobyt w LG Ad Solutions, po tym, jak ZypMedia została przejęta przez Sinclair, był głębokim wejściem w świat producentów urządzeń i tego, jak kontrola danych z odbiorników może kształtować przyszłość reklamy w telewizji połączonej (CTV). Wykorzystaliśmy wiele AI i uczenia maszynowego w budowaniu biznesu LG Ads, gdzie dane zebrane z urządzeń były wykorzystywane do generowania segmentów targetowania, bloków inwentarza i oprogramowania planistycznego.

Jako dyrektor generalny Aarki od 2023 roku, jestem na czele rewolucji w reklamie mobilnej. Mogę powiedzieć, że moja droga ukształtowała we mnie głębokie uznanie dla przemieniającej siły AI w AdTech. Postęp od podstawowej programatyki do AI-napędzanych modeli predykcyjnych i dynamicznej optymalizacji kreatywności był niczym niezwykłym.

Nauczyłem się postrzegać AI nie tylko jako narzędzie, ale jako kręgosłup następnej generacji AdTech. Jest to klucz do rozwiązania najpilniejszych wyzwań branży; od targetowania zgodnego z prywatnością w świecie bez identyfikatora urządzenia do tworzenia prawdziwych i spersonalizowanych doświadczeń reklamowych w skali. Głęboko wierzę, że AI nie tylko rozwiąże ból głowy reklamodawców, ale również zrewolucjonizuje, jak operacje są prowadzone na platformach takich jak Aarki. Lekcje z mojej drogi — znaczenie skalowalności, podejmowania decyzji opartych na danych i ciągłej innowacji — są bardziej istotne niż kiedykolwiek w tej erze AI-pierwszej.

Czy możesz wyjaśnić, jak działa wielopoziomowa infrastruktura maszynowego uczenia się Aarki? Jakie konkretnie korzyści przewyższają one tradycyjne rozwiązania AdTech?

Moje doświadczenia nauczyły mnie, że przyszłość AdTech leży w harmonizowaniu dużych danych, uczenia maszynowego i ludzkiej kreatywności. W Aarki badamy, jak AI może poprawić każdy aspekt ekosystemu reklamy mobilnej; od optymalizacji ofert i wykrywania oszustw po predykcję wyników kreatywnych i strategii pozyskiwania użytkowników.

W tym stadium, wielopoziomowa infrastruktura maszynowego uczenia się Aarki jest zaprojektowana, aby rozwiązać kilka krytycznych aspektów reklamy mobilnej, od zapobiegania oszustwom do predykcji wartości użytkownika. Oto, jak to działa i dlaczego jest korzystne:

• Wykrywanie oszustw i kontrola jakości inwentarza: Zostało to zaprojektowane, aby chronić wyniki i budżety naszych klientów. Nasze wielowarstwowe podejście łączy algorytmy własne z danymi zewnętrznymi, aby pozostać przed ewoluującymi taktykami oszustw. Upewniamy się, że budżety kampanii są inwestowane w prawdziwy, wysokiej jakości inwentarz, stale oceniając zachowania użytkowników i utrzymując bieżącą bazę danych oszustw.
• Modele DNN: Nasza infrastruktura korzysta z modeli wieloetapowych, aby przewidzieć wartość każdego wrażenia lub użytkownika. To podejście pozwala każdemu modelowi nauczyć się funkcji najbardziej istotnych dla określonych zdarzeń konwersji, umożliwiając bardziej precyzyjne targetowanie i strategie licytacji w porównaniu z modelem „jeden rozmiar pasuje do wszystkich”.
• Multi-Objective Bid Optimizer (MOBO): W przeciwieństwie do prostego cieniowania ofert, używanego przez większość DSP, nasz MOBO bierze pod uwagę wiele czynników poza ceną. Używa dynamicznych zmiennych, takich jak atrybuty kampanii i inwentarza, przewidywana wartość użytkownika i segmentacja CPM, aby zoptymalizować oferty. To zaawansowane metody maksymalizują ROI, równoważąc wydajność z eksploracją, aby znaleźć optymalne oferty, które wygrywają, spełniają cele KPI i prawidłowo ustalają tempo, aby w pełni wykorzystać budżety kampanii.

Te komponenty oferują znaczne korzyści w porównaniu z tradycyjnymi rozwiązaniami AdTech:

• Superiorne wykrywanie oszustw
• Bardziej dokładne predykcje i lepszy ROI dzięki modelom DNN
• Dokładne targetowanie kreatywności z wieloobiektową ceną ofert
• Skalowalność do obsługi ogromnych ilości danych
• Targetowanie zgodne z prywatnością z kontekstowymi kohortami

Nasze podejście oparte na AI pozwala na bezprecedensową dokładność, wydajność i adaptacyjność w kampaniach reklamowych mobilnych. Wykorzystując głębokie uczenie się i zaawansowane techniki optymalizacji, Aarki dostarcza lepsze wyniki, przy jednoczesnym zachowaniu silnego nacisku na prywatność i zapobieganie oszustwom.

Jak działa Dynamiczny Wieloobiektowy Optymalizator Ofert, a jaki wpływ ma na maksymalizację ROI dla Twoich klientów?

Dynamiczny Wieloobiektowy Optymalizator Ofert jest zaawansowanym systemem, który wykracza poza tradycyjne algorytmy cieniowania ofert. W przeciwieństwie do prostych algorytmów cieniowania, które koncentrują się wyłącznie na ustalaniu ceny nieco poniżej przewidywanej wygrywającej oferty, nasz optymalizator bierze pod uwagę wiele celów jednocześnie. Obejmuje to nie tylko cenę, ale także metryki wydajności kampanii, jakość inwentarza i wykorzystanie budżetu.

Optymalizator bierze pod uwagę szereg dynamicznych zmiennych, w tym atrybuty kampanii i inwentarza, przewidywaną wartość użytkownika i segmentację CPM. Te zmienne kierują procesem optymalizacji wokół klienta-specyficznych KPI, głównie ROI. Pozwala nam to dostosować naszą strategię licytacji do unikalnych celów każdego klienta.

Jedną z kluczowych sił naszego optymalizatora jest jego zdolność do równoważenia efektywnej akwizycji użytkowników o wysokiej wartości i eksploracji nowych, niezagospodarowanych segmentów użytkowników i inwentarza. Ta eksploracja pozwala nam odkryć wartościowe możliwości, które bardziej sztywne systemy mogą przegapić.

W praktyce oznacza to, że nasi klienci mogą oczekiwać bardziej efektywnego wykorzystania swoich wydatków na reklamy, lepszej jakości akwizycji użytkowników i, ostatecznie, lepszego ROI w kampaniach. Na przykład, może to mieć sens, aby zapłacić 50% więcej, aby licytować użytkownika, który jest 5 razy bardziej wartościowy (ROAS). Możliwość optymalizatora do równoważenia wielu celów i adaptacji w czasie rzeczywistym pozwala nam nawigować złożony krajobraz reklamy mobilnej bardziej efektywnie niż tradycyjne, jednocelowe systemy licytacji.

Aarki kładzie nacisk na podejście z pierwszeństwem prywatności w swoich operacjach. Jak Twoja platforma zapewnia prywatność użytkowników, jednocześnie dostarczając skuteczne targetowanie reklam?

Jestem dumny, mogąc powiedzieć, że zaangażowanie w prywatność jest jednym z filarów naszej platformy, obok naszej platformy AI. Przyjęliśmy wyzwania świata bez identyfikatora urządzenia i opracowaliśmy innowacyjne rozwiązania, aby zapewnić prywatność użytkowników, jednocześnie dostarczając skuteczne targetowanie reklam. Oto, jak to robimy:

• Targetowanie bez identyfikatora: W pełni dostosowaliśmy się do krajobrazu po-IDFA i jesteśmy zgodni z SKAN 4. Nasza platforma działa bez polegania na indywidualnych identyfikatorach urządzeń, priorytetem jest prywatność użytkownika od samego początku.
• Sygnale kontekstowe: Wykorzystujemy szeroki zakres punktów danych kontekstowych, takich jak typ urządzenia, system operacyjny, aplikacja, gatunek, godzina dnia i region. Te sygnale dostarczają cennych informacji targetowania bez wymogu danych osobowych.
• Przetwarzanie ogromnych ilości danych kontekstowych: Przetwarzamy ponad 5 milionów żądań reklam na sekundę z ponad 10 miliardów urządzeń na całym świecie. Każde żądanie zawiera bogactwo sygnałów kontekstowych, dostarczając nam bogaty, zgodny z prywatnością zbiór danych.
• Zaawansowane uczenie maszynowe: Nasza baza danych szkoleniowej o 800 miliardach wierszy koreluje te sygnale kontekstowe z historycznymi danymi wyników. Pozwala to na wyprowadzenie wniosków i wzorców bez naruszenia indywidualnej prywatności użytkownika.
• Dynamiczne kohorty behawioralne: Wykorzystując uczenie maszynowe, tworzymy bardzo szczegółowe, dynamiczne kohorty behawioralne na podstawie agregowanych danych kontekstowych. Te kohorty umożliwiają efektywną optymalizację i skalowanie bez polegania na identyfikatorach osobowych.
• ML-driven Creative Targeting: Dla każdej kohorty wykorzystujemy uczenie maszynowe we współpracy z naszym zespołem kreatywnym, aby opracować optymalne strategie kreatywne. To podejście zapewnia odpowiedniość i skuteczność bez naruszenia indywidualnej prywatności.
• Ciągłe uczenie się i adaptacja: Nasze modele AI ciągle uczą się i dostosowują do wyników kampanii i ewoluujących danych kontekstowych, zapewniając, że nasze targetowanie pozostaje skuteczne, gdy regulacje dotyczące prywatności i oczekiwania użytkowników ewoluują.
• Przejrzystość i kontrola: Zapewniamy jasne informacje o naszych praktykach danych i oferujemy użytkownikom kontrolę nad ich doświadczeniami reklamowymi, w miarę możliwości, zgodnie z najlepszymi praktykami dotyczącymi prywatności.

Wykorzystując te strategie z pierwszeństwem prywatności, Aarki dostarcza skuteczne targetowanie reklam, szanując prywatność użytkownika. Przerobiliśmy wyzwania ery prywatności w okazje do innowacji, w efekcie czego powstała platforma, która jest nie tylko zgodna z prywatnością, ale także bardzo skuteczna dla kampanii pozyskiwania i reengagementu naszych klientów.

Czy możesz wyjaśnić koncepcję ML-driven Creative Targeting i jak integruje się z Twoją strategią kreatywną?

ML-driven Creative Targeting to nasza metoda optymalizacji kreatywności reklam na podstawie kohort behawioralnych, które identyfikujemy za pomocą naszych modeli uczenia maszynowego. Proces ten obejmuje kilka kroków:

• Analiza kohort: Nasze modele ML analizują ogromne ilości danych kontekstowych, aby utworzyć szczegółowe kohorty behawioralne.
• Wnioski kreatywne: Dla każdej kohorty wykorzystujemy uczenie maszynowe, aby zidentyfikować elementy kreatywne, które najbardziej skutecznie będą rezonować. Mogą to być schematy kolorów, formaty reklam, style komunikacji lub wizualne motywy.
• Współpraca: Nasz zespół ds. danych współpracuje z naszym zespołem kreatywnym, dzieląc się tymi wnioskami pochodzącymi z ML.
• Rozwój kreatywny: Na podstawie tych wniosków nasz zespół kreatywny rozwija dostosowane kreatywności reklamowe dla każdej kohorty. Mogą one obejmować dostosowanie obrazów, kopii, wezwań do działania lub ogólnej struktury reklamy.
• Dynamiczne zestawienie: Wykorzystujemy dynamiczną optymalizację kreatywności, aby w czasie rzeczywistym zestawić kreatywności reklamowe, dopasowując najskuteczniejsze elementy do każdej kohorty.
• Ciągła optymalizacja: Podczas zbierania danych o wynikach, nasze modele ML ciągle doskonalą swoje zrozumienie, co działa dla każdej kohorty, tworząc pętlę sprzężenia zwrotnego dla ciągłej poprawy kreatywności.
• Skalowalność i wydajność: To podejście pozwala nam tworzyć bardzo celne kreatywności na dużą skalę, bez potrzeby ręcznego podziału lub zgadywania.

Wynikiem jest synergia między nauką danych a kreatywnością. Jednym z naszych filarów jest Zintegrowany Kreatywny Framework, który zapewnia, że nasze modele ML dostarczają wnioski oparte na danych dotyczące tego, co działa dla różnych segmentów odbiorców, podczas gdy nasz zespół kreatywny ożywia te wnioski w przekonywujących projektach reklam. To podejście pozwala nam dostarczać bardziej odpowiednie i angażujące reklamy do każdej kohorty, poprawiając jednocześnie wyniki kampanii i doświadczenia użytkowników.

Jaka rola Twojego zespołu kreatywnego w tworzeniu kampanii reklamowych, a jak współpracują oni z modelami AI, aby zoptymalizować wyniki reklam?

Nasz zespół kreatywny odgrywa zintegrowaną rolę w tworzeniu skutecznych kampanii reklamowych w Aarki. Pracują ściśle z naszymi modelami AI, aby zoptymalizować wyniki reklam. Zespół kreatywny interpretuje wnioski z naszych modeli ML dotyczące tego, co rezonuje z różnymi kohortami behawioralnymi. Następnie tworzą dostosowane kreatywności reklamowe, dostosowując elementy takie jak wizualizacje, komunikaty, formaty i style, aby dopasować te wnioski.

Podczas trwania kampanii, zespół analizuje dane o wynikach wraz z AI, ciągle doskonaląc swoje podejście. Ten iteracyjny proces pozwala na szybką optymalizację elementów kreatywnych.

Synergia między ludzką kreatywnością a wnioskami napędzanymi przez AI umożliwia nam tworzenie bardzo celnych i angażujących reklam na dużą skalę, napędzając lepsze wyniki dla kampanii naszych klientów.

Jak infrastruktura AI Aarki wykrywa i zapobiega oszustwom reklamowym? Czy możesz podać przykłady typów oszustw, które nasz system identyfikuje?

Jak wcześniej wspomniałem, Aarki wykorzystuje wielowarstwowe podejście do walki z oszustwami. Podchodzimy do zapobiegania oszustwom jako filtr przed licytacją z analityką danych, które przechodzą przez nasze systemy. Chociaż już wyjaśniłem naszą ogólną strategię, mogę podać kilka konkretnych przykładów typów oszustw, które nasz system identyfikuje:

• Przeładowanie kliknięciami: Wykrywanie niezwykle wysokich wskaźników kliknięć z określonych źródeł.
• Farmerstwa instalacji: Identycfikacja wzorców wielu instalacji z tego samego adresu IP lub urządzenia.
• Niezwykle krótki czas od kliknięcia do instalacji (CTIT): Wykrywanie niezwykle krótkich czasów od kliknięcia do instalacji jako sygnału dla botów.
• Niskie wskaźniki retencji: Identycfikacja użytkowników z wydawców, którzy wielokrotnie wykazują niskie wskaźniki retencji po instalacji.

Nasze AI ciągle ewoluują, aby rozpoznać nowe taktyki oszustw, chroniąc budżety naszych klientów.

Jak podejście Aarki do pozyskiwania i reengagementu użytkowników różni się od innych platform w branży?

Podejście Aarki do pozyskiwania i reengagementu użytkowników wyróżnia się na kilka kluczowych sposobów:

• Strategia z pierwszeństwem prywatności: W pełni zaadaptowaliśmy się do targetowania bez identyfikatora i jesteśmy zgodni z SKAN 4, co czyni nas gotowymi na przyszłość w świecie zorientowanym na prywatność.
• Zaawansowane AI i uczenie maszynowe: Nasza wielopoziomowa infrastruktura maszynowego uczenia się przetwarza ogromne ilości danych kontekstowych, tworząc zaawansowane kohorty behawioralne bez polegania na danych osobowych.
• ML-driven Creative Targeting: Unikalnie łączymy wnioski AI z ludzką kreatywnością, aby tworzyć bardzo celne kreatywności reklamowe dla każdej kohorty.
• Dynamiczny Wieloobiektowy Optymalizator Ofert: Nasz system licytacji bierze pod uwagę wiele celów jednocześnie, równoważąc wydajność z eksploracją, aby maksymalizować ROI.
• Inteligencja kontekstowa: Wykorzystujemy tryliardy sygnałów kontekstowych, aby poinformować nasze targetowanie, idąc poza podstawowe segmentowanie demograficzne lub geograficzne.
• Ciągła optymalizacja: Nasze modele AI ciągle uczą się i dostosowują, zapewniając, że nasze strategie ewoluują wraz ze zmieniającymi się zachowaniami użytkowników i warunkami rynkowymi.
• Podejście zintegrowane: Oferujemy bezproblemową integrację pozyskiwania i reengagementu użytkowników, dostarczając holistyczny widok podróży użytkownika.
• Skalowalność: Nasza infrastruktura może obsłużyć ogromne ilości danych (ponad 5 milionów żądań reklam na sekundę z ponad 10 miliardów urządzeń), umożliwiając bardzo szczegółowe targetowanie na dużą skalę.
• Zaawansowane mechanizmy zapobiegania oszustwom: Nasze filtry oszustw przed licytacją, analityka danych po licytacji oraz dane zewnętrzne stawiają nas na czele ochrony przed oszustwami, chroniąc pieniądze naszych klientów.

To połączenie podejść z pierwszeństwem prywatności, zaawansowanego AI, optymalizacji kreatywności, zapobiegania oszustwom i infrastruktury skalowalnej pozwala nam dostarczać bardziej skuteczne, efektywne i adaptacyjne kampanie.

Moje doświadczenia nauczyły mnie, że przyszłość AdTech leży w harmonizowaniu dużych danych, uczenia maszynowego i ludzkiej kreatywności. Jestem dumny z faktu, że oprócz naszej technologii, mamy również wybitny zespół analityków, naukowców i profesjonalistów kreatywnych, którzy dodają ludzką kreatywność do naszej technologii.

Czy mógłbyś podzielić się historiami sukcesu, w których platforma Aarki znacznie poprawiła ROI i skuteczność kampanii dla Twoich klientów?

AppsFlyer Performance Index uznaje Aarki za lidera w retargetingu, plasując nas na pierwszym miejscu dla gier w Ameryce Północnej i trzecim na świecie. Jesteśmy również oceniani jako najlepsi wykonawcy we wszystkich indeksach ROI Singular. Ten przypadek jest również świadectwem naszego globalnego przywództwa. Nie tylko w grach, ale mamy także niedawne studium przypadku, które pokazuje naszą zdolność do osiągania wyników w różnych kategoriach aplikacji.

Jestem dumny, mogąc podkreślić nasze partnerstwo z DHgate, wiodącą platformą e-commerce. Nasze kampanie retargetingu dla Androida i iOS przyniosły wyjątkowe wyniki, pokazując zdolność Aarki do napędzania wyników na dużą skalę.

Wykorzystując naszą technologię sieci neuronowych, precyzyjnie zestawiliśmy segmenty użytkowników, aby maksymalizować skuteczność retargetingu. To doprowadziło do 33% wzrostu kliknięć użytkowników o wysokiej intencji i 33% wzrostu konwersji.

Najbardziej imponująco, podczas gdy wydatki DHgate w Aarki wzrosły o 52%, stale przekraczaliśmy ich cele ROAS na poziomie 450% o 1,7-krotność, osiągając wyjątkowe 784% ROAS. Ten przypadek ilustruje nasze zaangażowanie w dostarczanie najlepszych wyników dla naszych klientów. Przeczytaj więcej o tym tutaj.

Dla aplikacji żywnościowej i dostawczej wdrożyliśmy kampanię retargetingu, aby w sposób efektywny reaktywować użytkowników i pozyskać nowych klientów.

To skutkowało 75% spadkiem kosztu pozyskania użytkownika (CPA) i 12,3 milionami reaktywacji użytkowników. Kluczem do sukcesu było wykorzystanie naszych modeli Deep Neural Network do targetowania odpowiednich audytoriów z dostosowanymi komunikatami, utrzymując kampanię świeżą i angażującą. Przeczytaj o tym tutaj.

Te studia przypadku pokazują naszą zdolność do osiągania znacznych popraw w kluczowych metrykach w różnych kategoriach aplikacji i typach kampanii. Nasze podejście z pierwszeństwem prywatności, zaawansowane możliwości AI, strategiczne wykorzystanie danych kontekstowych oraz zdolność do dostarczania wyników umożliwiają nam osiąganie wyjątkowych wyników dla naszych klientów, zarówno w pozyskiwaniu, jak i reengagementu użytkowników.

Jakie przyszłe postępy w AI i uczeniu maszynowym uważasz za kluczowe dla branży reklamy mobilnej?

Spójrzając w przyszłość, przewiduję kilka kluczowych postępów w AI i uczeniu maszynowym dla reklamy mobilnej:

• Poprawione techniki zachowania prywatności: Ogromna skala danych, które przetwarzamy, doprowadzi do bezprecedensowych możliwości uczenia. Sieci neuronowe (DNN) wykorzystają to, aby stworzyć nadzwyczajne strategie zaangażowania z pierwszeństwem prywatności. W rzeczywistości, concept targetowania ewoluować będzie tak dramatycznie, że będziemy potrzebować nowej terminologii, aby opisać te AI-napędzane, predykcyjne podejścia.
• AI generatywny dla optymalizacji kreatywności w czasie rzeczywistym: Zobaczymy AI, które nie tylko optymalizuje, ale także tworzy i dynamicznie modyfikuje kreatywności reklamowe w czasie rzeczywistym. To rewolucjonizuje, jak podchodzimy do projektowania i personalizacji reklam.
• Modeli predykcyjnych holistycznych: Łącząc nasze DNN dla wglądu w produkty z naszym Multi-Objective Bid Optimizer^TM (MOBO) do ustalania cen, rozwinęlibyśmy bardzo skuteczne i efektywne modele zarówno dla pozyskiwania, jak i retargetingu użytkowników. Te modele dostarczą incredibly accurate predictions of long-term user value, allowing for smarter, more strategic campaign management. These advancements will likely lead to more effective, efficient, and user-friendly mobile advertising experiences. Thank you for the great interview, readers who wish to learn more should visit Aarki.