Stas Tushinskiy, CEO & Co-Founder of Instreamatic – Wywiad

Stas Tushinskiy jest CEO i współzałożycielem Instreamatic, platformy oferującej rozwiązania marketingowe oparte na sztucznej inteligencji i głosie, aby umożliwić markom lepsze zaangażowanie konsumentów.

Wcześniej współzałożyłeś Unisound, agencję reklamową audio. Jak doświadczenie to doprowadziło Cię do koncepcji uruchomienia firmy zajmującej się marketingiem głosowym opartym na sztucznej inteligencji?

Moje doświadczenie w Unisound było podstawowe w zrozumieniu ewoluującego krajobrazu reklamy cyfrowej audio. Byliśmy na czele uznania rosnącego popytu i potencjału dla reklam audio w przestrzeni cyfrowej.

Kluczową rzeczą, którą wyniosłem z tamtego okresu, było zrozumienie, że personalizacja i kontekstualizacja znacznie zwiększają skuteczność reklamy, w tym reklam audio. To zrozumienie stało się kamieniem węgielnym wizji za Instreamatic.

W Unisound zauważyliśmy lukę na rynku w zakresie inteligentnych, responsywnych rozwiązań reklamowych. Wyobraziliśmy sobie użycie sztucznej inteligencji nie tylko do celowania, ale także do stworzenia bardziej interaktywnej i angażującej doświadczenia. To doprowadziło do pomysłu platformy marketingowej opartej na sztucznej inteligencji, która zrewolucjonizuje sposób, w jaki wchodzimy w interakcje z reklamami.

Czy mógłbyś podzielić się historią powstania Instreamatic?

Początkowo Instreamatic powstał z wizją przekształcenia sposobu, w jaki wydawcy audio monetyzują swoją zawartość. Początkowo nasza uwaga skupiona była na obsłudze reklam audio w celu monetyzacji, co nadal stanowi znaczącą część naszych operacji.

Gdy zagłębiliśmy się głębiej w branżę, zidentyfikowaliśmy znaczącą okazję do zastosowania sztucznej inteligencji w optymalizacji kreatywnej. To zrozumienie było kluczowe w kształtowaniu naszego kierunku ku głębszemu zintegrowaniu technologii sztucznej inteligencji z naszymi usługami.

Zbieżność naszej ekspertyzy w dziedzinie reklamy audio i postępów w technologii sztucznej inteligencji była katalizatorem dla Instreamatic. Zobaczyliśmy potencjał, by nie tylko służyć wydawcom, ale także poprawić ogólne doświadczenie reklamowe dla użytkowników i reklamodawców, tworząc bardziej dynamiczny i efektywny ekosystem reklamowy.

Jakie były niektóre z początkowych technologii AI/ML, które zostały wykorzystane?

Zaczęliśmy od prostego klasyfikatora. Jest to nadzorowana metoda uczenia maszynowego, w której model próbuje przewidzieć poprawną etykietę danych wejściowych. Następnie udoskonaliliśmy nasz klasyfikator, wykorzystując embeddings. Ostatecznie nie ograniczyliśmy się tylko do technologii NLP. Nowe pomysły i wyzwania przedstawiały nam nowe przeszkody, a teraz nasz arsenał obejmuje syntezę mowy i klonowanie głosu zero-shot.

Jak sztuczna inteligencja generatywna zmieniła Wasz stos technologiczny i jak ją wdrożycie?

Sztuczna inteligencja generatywna przyniosła znaczące zmiany w naszym stosie technologicznym i strategiach wdrożeniowych. Nasz obecny stos technologiczny obejmuje zaawansowane biblioteki i ramy uczenia maszynowego, które obsługują modele sztucznej inteligencji generatywnej, szczególnie w syntezie mowy i klonowaniu głosu zero-shot. Wykorzystujemy zasoby obliczeniowe o wysokiej wydajności do szkolenia tych modeli, ponieważ wymagają one znaczącej mocy obliczeniowej. Obejmuje to wykorzystanie sprzętu z przyspieszeniem GPU do obsługi wymagań przetwarzania.

Podczas wdrożenia opieramy się głównie na rozwiązaniach opartych na chmurze. Oferuje nam to niezbędną skalowalność do zarządzania dużymi obciążeniami aplikacji sztucznej inteligencji generatywnej. Wykorzystujemy technologie konteneryzacji, takie jak Docker, i narzędzia do orchestracji, takie jak Kubernetes, aby zarządzać i skalować nasze aplikacje w sposób wydajny. Ten zestaw gwarantuje, że nasze modele sztucznej inteligencji generatywnej mogą być wdrożone szybko i skalowane zgodnie z zapotrzebowaniem.

Nasze potoki CI/CD są zoptymalizowane pod kątem przepływów pracy związanych z uczeniem maszynowym. Wykorzystujemy narzędzia, które umożliwiają nam automatyzację szkolenia i wdrożenia modeli, zapewniając, że są one zawsze aktualne z najnowszymi danymi i algorytmami. Ta automatyzacja jest kluczowa dla utrzymania skuteczności naszych aplikacji sztucznej inteligencji generatywnej.

W kwestii obsługi danych wdrożyliśmy solidne potoki przetwarzania danych. Są one zaprojektowane do efektywnej obsługi dużych ilości danych, co jest niezbędne do szkolenia i eksploatacji modeli sztucznej inteligencji generatywnej. Zapewniamy, że dane są przetwarzane i przechowywane w sposób bezpieczny, zgodnie z najlepszymi praktykami w zakresie bezpieczeństwa i prywatności danych.

Ogólnie rzecz biorąc, integracja sztucznej inteligencji generatywnej z naszym stosiem technologicznym doprowadziła nas do przyjęcia zasobów obliczeniowych o wysokiej wydajności, infrastruktur opartych na chmurze, konteneryzacji w celu zapewnienia skalowalności, zautomatyzowanych potoków CI/CD dla uczenia maszynowego oraz mechanizmów bezpiecznego przetwarzania danych. Te elementy techniczne są podstawowe dla wspierania zaawansowanych możliwości naszych aplikacji sztucznej inteligencji generatywnej.

Instreamatic specjalizuje się w tym, co nazywacie kontekstową reklamą wideo i audio — jak definiujecie to?

Reklama kontekstowa wykorzystuje najnowsze osiągnięcia w dziedzinie sztucznej inteligencji generatywnej, aby znacznie zmienić to, co jest możliwe w reklamach wideo i audio. Rezultatem dla firm jest zwiększone zaangażowanie marki i ROI. Reklamy kontekstowe oferują praktycznie nieograniczoną możliwość ciągłego generowania i testowania nowych treści kreatywnych istotnych dla słuchacza w jego konkretnym kontekście i środowisku.

Fakt jest taki, że branża reklamowa od lat boryka się ze spadkiem wskaźników zaangażowania we wszystkie typy reklam. Nie jest to pewnie zaskoczeniem dla nikogo, ponieważ konsumenci demonstrują coraz większą zmęczenie ekranem i opór wobec uogólnionej reklamy, która polega na bombardowaniu audytorium reklamą, aby osiągnąć konwersje. Podczas gdy reklamy, które prezentują bardziej oryginalną treść i większą relewancję dla konsumenta, osiągają wyższe wskaźniki zaangażowania, inwestycje czasu i kosztów wymagane do ręcznego tworzenia i zarządzania odrębną kopią reklam dla każdego indywidualnego kontekstu konsumenta są bardzo ograniczające.

Nasze reklamy kontekstowe audio, wideo i CTV są napędzane przez sztuczną inteligencję, aby przeciwdziałać temu trendowi niskiego zaangażowania, umożliwiając reklamodawcom tworzenie reklam, które są hiperistotne i precyzyjnie ukierunkowane na konsumenta, który je słucha. Rozważmy tradycyjne 30-sekundowe miejsce reklamowe audio: wynajęty aktor głosowy może nagrać tylko kilka wariantów kopii reklamowej, co nie wystarcza, aby słuchacz był szczególnie zaskoczony lub aby koniecznie przyciągnąć jego uwagę. Reklamy kontekstowe są w stanie udoskonalić tę tradycyjną treść reklamową, wykorzystując sztuczną inteligencję generatywną do syntezy tego samego głosu aktora i automatycznego generowania tysięcy wariantów reklam w ramach kampanii.

Reklamy kontekstowe są szczególnie przydatne do ożywienia dłuższych kampanii reklamowych (w zakresie 3-6 miesięcy). Tradycyjnie te kampanie są bardzo narażone na zmęczenie kreatywności: audytorium otrzymuje tę samą kreatywność wielokrotnie, co nieuchronnie prowadzi do zmniejszenia zaangażowania. Nasza technologia rozwiązuje ten wyzwanie, czyniąc łatwym odświeżanie kreatywności co tydzień. Dla detalistów z cotygodniowo aktualizowanymi ofertami produktów nasza automatyczna generacja reklam jest podobnie idealna do utrzymania tych kampanii na bieżąco i świeżo.

Jak realistyczne jest to, aby marki oczekiwały, że sztuczna inteligencja hiperpersonalizuje reklamy?

Jest to już w pełni realistyczne, jak pokazuje reklama kontekstowa napędzana przez sztuczną inteligencję generatywną. Reklamy kontekstowe mogą zawierać hiperpersonalizowane szczegóły, w tym lokalizację słuchacza, godzinę dnia, nazwę lub typ aplikacji lub platformy, z której korzysta, oraz aktywność, w której uczestniczy, np. słuchanie podcastu, granie w grę itp. Reklamy kontekstowe mogą również zawierać zmienne, takie jak nazwy lokalnych sklepów i adresy, lokalne promocje w sklepach, kody promocyjne (unikalne dla każdego kanału w celu umożliwienia pomiaru wydajności), destynacje podróży z konkretnymi ofertami i wiele więcej. Te reklamy mogą również wymieniać najbliższy lokalny sklep, w którym słuchacz może wchodzić w interakcje z marką i realizować ofertę przedstawioną w reklamie. Ta sama zdolność targetowania zapewnia, że kampanie reklamowe docierają do zweryfikowanych audytoriów, które są najbardziej podatne na produkty i rozwiązania oferowane. Te reklamy są generowane i dostarczane bez nagrywania nowych głosów lub treści voice-over.

Czy mógłbyś omówić podstawowe oferty, do których mają dostęp Twoi klienci?

Z perspektywy marki nasza platforma reklam kontekstowych bierze pojedynczy oryginalny próbek głosu i scenariusz, identyfikuje zestaw parametrów unikalnych dla każdego słuchacza, a następnie wykorzystuje nasze możliwości głosu sztucznej inteligencji, aby bezproblemowo wytworzyć i dostarczyć reklamy audio, wideo lub CTV zgodne z tymi szczegółami. Na przykład reklama kontekstowa wygenerowana dla określonego użytkownika mogłaby zacząć się od: „Mam nadzieję, że cieszysz się swoim podcastem w tym deszczowym poranku w Chicago, chciałbym tylko powiedzieć, że kawa jest kupiona za pół ceny w Jake’s Coffeeshop przez cały miesiąc”. Podczas gdy wytworzenie tej samej kreatywności reklamowej z nagranym wcześniej audio i logiką gałęzi byłoby praktycznie niemożliwym przedsięwzięciem, sztuczna inteligencja głosowa za reklamami kontekstowymi przygotowuje tę kreatywność na żądanie — automatycznie i w czasie rzeczywistym.

Z perspektywy wydawcy reklamy głosowe, wideo i CTV kontekstowe napędzane przez sztuczną inteligencję oferują przełomową innowację bez wymogu skomplikowanej integracji. Reklamy kontekstowe działają z wszystkimi platformami po stronie popytu (DSP) i serwerami reklam wspierającymi tagi VAST, oferując natychmiastową skalowalność. Wydawcy mogą również wykorzystać naszą sieć reklamową, aby dotrzeć do ponad 6 miliardów wyświetleń na całym świecie bez kosztów platformy: koszty techniczne są uwzględnione w wydatkach medialnych podczas publikowania w sieci.

Czy mógłbyś podzielić się szczegółami na temat procesu uruchomienia reklamy na platformie?

Uruchomienie reklamy na naszej platformie zajmuje dosłownie tylko kilka minut. Użytkownik marki lub agencji po prostu pisze kopię reklamową z lub bez pomocy sztucznej inteligencji, a następnie wybiera głos royalty-free z naszej biblioteki głosów lub klonuje swój własny talent głosowy. Użytkownicy mogą również przesłać dodatkowe zasoby niezbędne (muzyka w tle, filmy, banery itp.). Użytkownik finalizuje reklamę, a platforma dostarcza wersje gotowe do obsługi — albo za pomocą tagu VAST (standard branży dla ruchu reklamowego), albo jako pliki multimedialne gotowe do użycia w dowolnym środowisku cyfrowym i nadawczym.

Te reklamy wzbogacone sztuczną inteligencją nie tylko zwiększają wydajność kampanii reklamowych wideo i audio, umożliwiając hiperpersonalizację na dużą skalę, ale także redukują koszty tworzenia kampanii i skracają czas tworzenia reklam z tygodni do kilku minut. Dla kampanii z 50+ wersjami użytkownicy doświadczają około 10-krotnego spadku kosztów. Nasza technologia oferuje podobne korzyści dla kampanii z jedną kreatywnością. Platforma jest również świetnym narzędziem dla zespołów sprzedaży, aby szybko wyprodukować makietę reklamy dla swoich klientów bez angażowania zespołów produkcyjnych i kreatywnych na wczesnym etapie, ponieważ nasza sztuczna inteligencja może pisać kopię i w pełni produkować reklamy na zamówienie.

Jaka jest Twoja wizja przyszłości reklamy i marketingu z użyciem sztucznej inteligencji?

Rzeczywiście widzę przyszłość, w której konsumenci nie są zirytowani (lub wyłączają) reklamy, ponieważ każda z nich jest teraz istotna i bardziej interesująca dla nich, a marki są o tyle bardziej zdolne do dotarcia do odpowiednich audytoriów w odpowiednich momentach z odpowiednim przekazem kontekstowym. To jest oczywiście zmiana od tego, gdzie znajduje się branża obecnie, ale wierzę, że to tam się udajemy — i sztuczna inteligencja, wykorzystana strategicznie, czyni to możliwym. Reklamy kontekstowe będą również coraz lepiej przyciągać uwagę słuchaczy, ponieważ mówią one dokładnie do ich kontekstu i potrzeb, szczególnie w świecie pierwszeństwa prywatności, gdzie targetowanie użytkowników staje się coraz trudniejsze — więc targetowanie kontekstowe jest jedynym efektywnym mechanizmem poprawy wydajności reklam. Nasza zaawansowana sztuczna inteligencja generatywna może tworzyć nieograniczoną liczbę nowych kreatywności, aby zaadresować każdego słuchacza jako osobę. Rezultatem jest wzrost zaangażowania słuchaczy, większy zwrot z inwestycji w reklamy i bardziej znaczące połączenia z klientami dla marek. Dziękuję za wspaniały wywiad; czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Instreamatic.