Аман Сарин, генеральный директор Aarki – Серия интервью

Аман Сарин является генеральным директором Aarki, компании, занимающейся разработкой решений для мобильной рекламы, которые обеспечивают рост доходов для разработчиков мобильных приложений. Aarki позволяет брендам эффективно взаимодействовать с аудиторией в мире, где приоритетом является конфиденциальность, используя миллиарды контекстных сигналов аукционов в сочетании с проприетарными машинными обучением и поведенческими моделями. Работая с сотнями рекламодателей по всему миру и управляя более 5M запросов на мобильную рекламу в секунду с более 10B устройств, Aarki является частной компанией с штаб-квартирой в Сан-Франциско, Калифорния и офисами в США, EMEA и APAC.

Не могли бы вы рассказать немного о своем пути от сооснования ZypMedia до руководства Aarki? Какие ключевые опыт сформировали ваш подход к ИИ и AdTech?

Мое лидерство в AdTech началось с сооснования ZypMedia в 2013 году, где мы разработали передовую платформу для местной рекламы. Это была не просто еще одна платформа; мы построили ее с нуля, чтобы она могла эффективно обрабатывать высокообъемные, низкобюджетные кампании. Думайте об этом как о предшественнике гиперлокализованной, ИИ-ориентированной нацеливания, которую мы видим сегодня.

Как генеральный директор, я руководил ZypMedia к $20 миллионам дохода от программного обеспечения и обработал $200 миллионов транзакций по медиа в год. Этот опыт был суровым испытанием для понимания огромного объема данных, который современные рекламные платформы должны обрабатывать — задача, идеально подходящая для решений на основе ИИ.

Мой опыт работы в LG Ad Solutions после приобретения ZypMedia компанией Sinclair был глубоким погружением в мир производителей устройств и того, как контроль над данными просмотра может сформировать будущее рекламы Connected TV (CTV). Мы использовали много ИИ/машинного обучения при построении бизнеса LG Ads, где данные, собранные с устройств, использовались для генерации целевых сегментов, блоков инвентаря и программного обеспечения для планирования.

Как генеральный директор Aarki с 2023 года, я нахожусь на переднем крае мобильной рекламной революции. Я могу сказать, что мой путь привил мне глубокое понимание трансформирующей силы ИИ в AdTech. Прогресс от базовой программной рекламы к ИИ-ориентированному прогностическому моделированию и динамической оптимизации креативов был просто замечательным.

Я пришел к выводу, что ИИ не просто инструмент, но и основа следующего поколения AdTech. Это ключ к решению наиболее острых проблем отрасли; от нацеливания, соответствующего конфиденциальности, в мире без идентификатора устройства до создания подлинных и персонализированных рекламных впечатлений в масштабе. Я твердо убежден, что ИИ не только решит болевые точки, с которыми сталкиваются рекламодатели, но и революционизирует то, как операции проводятся на платформах, таких как Aarki. Уроки, извлеченные из моего пути — важность масштабируемости, принятия решений на основе данных и непрерывной инновации — более актуальны, чем когда-либо, в этой эпохе, ориентированной на ИИ.

Не могли бы вы рассказать о том, как работает многоуровневая инфраструктура машинного обучения Aarki? Какие конкретные преимущества она предлагает по сравнению с традиционными решениями AdTech?

Мой опыт научил меня, что будущее AdTech заключается в гармонизации больших данных, машинного обучения и человеческой креативности. В Aarki мы исследуем, как ИИ может улучшить каждый аспект мобильной рекламной экосистемы; от оптимизации ставок и обнаружения мошенничества до прогнозирования производительности креативов и стратегий привлечения пользователей.

На этом этапе многоуровневая инфраструктура машинного обучения Aarki предназначена для решения нескольких критических аспектов мобильной рекламы, от предотвращения мошенничества до прогнозирования стоимости пользователя. Вот как это работает и почему это выгодно:

• Обнаружение мошенничества и контроль качества инвентаря: оно предназначено для защиты производительности и бюджетов наших клиентов. Наш многослойный подход сочетает проприетарные алгоритмы с данными третьих сторон, чтобы опережать эволюционирующие тактики мошенничества. Мы гарантируем, что бюджеты кампаний инвестируются в подлинный, высококачественный инвентарь, постоянно оценивая поведение пользователей и поддерживая актуальную базу данных мошенничества.
• Модели глубоких нейронных сетей (DNN): наша основная инфраструктура использует многоэтапные модели DNN для прогнозирования стоимости каждого впечатления или пользователя. Этот детальный подход позволяет каждой модели изучать функции, наиболее важные для конкретных событий конверсии, обеспечивая более точное нацеливание и стратегии ставок по сравнению с моделями «один размер для всех».
• Многоцелевой оптимизатор ставок (MOBO): в отличие от простого затенения ставок, используемого большинством DSP, наш MOBO учитывает множество факторов, помимо цены. Он использует динамические переменные, такие как атрибуты кампании и инвентаря, прогнозируемую стоимость пользователя и сегментацию CPM, для оптимизации ставок. Этот сложный метод максимизирует ROI, одновременно балансируя множество целей, находя оптимальные ставки, которые выигрывают, соответствуют целям KPI и правильно темперуют, чтобы полностью использовать бюджеты кампаний.

Эти компоненты предлагают значительные преимущества по сравнению с традиционными решениями AdTech:

• Супериорное обнаружение мошенничества
• Более точные прогнозы и лучший ROI через многоэтапные DNN
• Гранулярное креативное гипер-нацеливание с многоцелевой ценой ставок
• Масштабируемость для обработки огромных объемов данных
• Нацеливание, ориентированное на конфиденциальность, с контекстными когортами

Наш подход, основанный на ИИ, позволяет добиться беспрецедентной точности, эффективности и адаптивности в мобильных рекламных кампаниях. Используя глубокое обучение и продвинутые методы оптимизации, Aarki обеспечивает превосходную производительность, сохраняя при этом сильный акцент на конфиденциальности и предотвращении мошенничества.

Как функционирует Динамический многоцелевой оптимизатор ставок, и какое влияние он оказывает на максимизацию ROI для ваших клиентов?

Динамический многоцелевой оптимизатор ставок — это сложная система, которая выходит за рамки традиционных алгоритмов затенения ставок. В отличие от простых алгоритмов затенения ставок, которые фокусируются исключительно на цене, наш оптимизатор учитывает множество целей одновременно. Это включает не только цену, но и метрики производительности кампании, качество инвентаря и использование бюджета.

Оптимизатор учитывает ряд динамических переменных, включая атрибуты кампании и инвентаря, прогнозируемую стоимость пользователя и сегментацию CPM. Эти переменные направляют процесс оптимизации вокруг клиентских KPI, в первую очередь ROI. Это позволяет нам адаптировать нашу стратегию ставок к уникальным целям каждого клиента.

Одной из ключевых сил нашего оптимизатора является его способность сбалансировать между эффективным приобретением высокоценных пользователей и исследованием новых, неиспользованных пользовательских сегментов и инвентаря. Это исследование помогает нам обнаружить ценные возможности, которые более жесткие системы могли бы пропустить.

На практике это означает, что наши клиенты могут ожидать более эффективного использования своих рекламных расходов, более высококачественного привлечения пользователей и, в конечном итоге, лучшего ROI на своих кампаниях. Например, может быть разумно заплатить на 50% больше, чтобы сделать ставку на пользователя, который в 5 раз более ценен (ROAS). Способность оптимизатора балансировать между несколькими целями и адаптироваться в реальном времени позволяет нам ориентироваться в сложном ландшафте мобильной рекламы более эффективно, чем традиционные системы ставок с одной целью.

Aarki делает упор на подход, ориентированный на конфиденциальность, в своих операциях. Как ваша платформа обеспечивает конфиденциальность пользователей, одновременно доставляя эффективное нацеливание на рекламу?

Я горжусь тем, что подход, ориентированный на конфиденциальность, является одним из основных столпов нашей платформы, наряду с нашей платформой ИИ. Мы полностью адаптировались к ландшафту без идентификатора устройства и разработали инновационные решения, чтобы обеспечить конфиденциальность пользователей, одновременно доставляя эффективное нацеливание на рекламу. Вот как мы добиваемся этого:

• Нацеливание без идентификатора: мы полностью адаптировались к ландшафту после IDFA и соответствуем SKAN 4. Наша платформа работает без использования индивидуальных идентификаторов устройств, отдающих приоритет конфиденциальности пользователей с самого начала.
• Контекстные сигналы: мы используем широкий спектр контекстных данных, таких как тип устройства, ОС, приложение, жанр, время суток и регион. Эти сигналы предоставляют ценные сведения о нацеливании без необходимости использования личных данных.
• Массовая обработка контекстных данных: мы обрабатываем более 5 миллионов запросов на рекламу в секунду с более чем 10 миллиардами устройств по всему миру. Каждый запрос имеет богатый набор контекстных сигналов, предоставляя нам богатую, ориентированную на конфиденциальность базу данных.
• Продвинутые методы машинного обучения: наша база данных обучения моделей в 800 миллиардов строк коррелирует эти контекстные сигналы с историческими данными о результатах. Это позволяет нам получать сведения и закономерности без компрометации индивидуальной конфиденциальности пользователей.
• Динамические поведенческие когорты: используя машинное обучение, мы создаем высокодетализированные, динамические поведенческие когорты на основе агрегированных контекстных данных. Эти когорты позволяют эффективно оптимизировать и масштабировать без использования личных идентификаторов.
• Ориентированное на ИИ креативное нацеливание: для каждой когорты мы используем машинное обучение в сотрудничестве с нашей креативной командой для разработки оптимальных креативных стратегий. Этот подход гарантирует актуальность и эффективность без нарушения индивидуальной конфиденциальности.
• Непрерывное обучение и адаптация: наши модели ИИ непрерывно учатся и адаптируются на основе производительности кампании и меняющихся контекстных данных, гарантируя, что наше нацеливание остается эффективным, поскольку правила конфиденциальности и ожидания пользователей развиваются.
• Прозрачность и контроль: мы предоставляем четкую информацию о наших практиках данных и предлагаем пользователям контроль над своими рекламными впечатлениями, где это возможно, соответствуя лучшим практикам конфиденциальности.

Используя эти стратегии, ориентированные на конфиденциальность, Aarki доставляет эффективное нацеливание на рекламу, уважая конфиденциальность пользователей. Мы превратили проблемы эпохи, ориентированной на конфиденциальность, в возможности для инноваций, в результате чего получилась платформа, которая одновременно соответствует требованиям конфиденциальности и высокоэффективна для кампаний по привлечению и повторному взаимодействию пользователей наших клиентов.

Не могли бы вы объяснить концепцию Ориентированного на ИИ креативного нацеливания и как оно интегрируется с вашей креативной стратегией?

Ориентированное на ИИ креативное нацеливание — это наш метод оптимизации рекламных креативов на основе поведенческих когорт, которые мы определяем с помощью наших моделей машинного обучения. Этот процесс включает в себя несколько шагов:

• Анализ когорты: наши модели ИИ анализируют огромные объемы контекстных данных, чтобы создать детализированные поведенческие когорты.
• Сведения о креативе: для каждой когорты мы используем машинное обучение, чтобы определить креативные элементы, которые, вероятно, будут наиболее эффективно резонировать. Это может включать цветовые схемы, форматы рекламы, стили сообщений или визуальные темы.
• Сотрудничество: наша команда данных сотрудничает с нашей креативной командой, делясь этими сведениями, полученными с помощью ИИ.
• Разработка креатива: на основе этих сведений наша креативная команда разрабатывает адаптированные рекламные креативы для каждой когорты. Это может включать корректировку изображений, копий, призывов к действию или общей структуры рекламы.
• Динамическая сборка: мы используем динамическую оптимизацию креатива, чтобы собрать рекламные креативы в реальном времени, сопоставляя наиболее эффективные элементы с каждой когортой.
• Непрерывная оптимизация: по мере сбора данных о производительности наши модели ИИ непрерывно уточняют свое понимание того, что работает для каждой когорты, создавая цикл обратной связи для постоянного улучшения креатива.
• Масштабируемость и эффективность: этот подход позволяет нам создавать высокоцелевые креативы в масштабе без необходимости ручного разделения или предположений.

Результатом является синергия между наукой о данных и креативностью. Также один из наших основных столпов, Единая креативная структура, гарантирует, что наши модели ИИ предоставляют данные, основанные на сведениях о том, что работает для разных сегментов аудитории. В то же время наша креативная команда оживляет эти сведения в убедительных рекламных дизайнах. Этот подход позволяет нам доставлять более актуальные, привлекающие рекламные ролики каждой когорте, одновременно улучшая производительность кампании и опыт пользователя.

Какая роль вашей креативной команды в разработке рекламных кампаний, и как они сотрудничают с моделями ИИ для оптимизации производительности рекламы?

Наша креативная команда играет интегрированную роль в разработке эффективных рекламных кампаний в Aarki. Они работают в тесном сотрудничестве с нашими моделями ИИ, чтобы оптимизировать производительность рекламы. Креативная команда интерпретирует сведения из наших моделей ИИ о том, что резонирует с разными поведенческими когортами. Затем они разрабатывают адаптированные рекламные креативы, корректируя элементы, такие как визуальные эффекты, сообщения и форматы, чтобы соответствовать этим сведениям.

По мере проведения кампаний команда анализирует данные о производительности вместе с ИИ, непрерывно совершенствуя свой подход. Этот итеративный процесс позволяет быстро оптимизировать креативных элементов.

Синергия между человеческой креативностью и сведениями, основанными на ИИ, позволяет нам производить высокоцелевые, привлекающие рекламные ролики в масштабе, стимулируя превосходную производительность для кампаний наших клиентов.

Как инфраструктура ИИ Aarki обнаруживает и предотвращает рекламное мошенничество? Не могли бы вы предоставить некоторые примеры типов мошенничества, которые выявляет ваша система?

Как я упоминал ранее, Aarki использует многослойный подход к борьбе с рекламным мошенничеством. Мы подходим к предотвращению мошенничества как к фильтру до ставки с аналитикой данных после ставки. Хотя я уже описал наш общий подход, я могу предоставить некоторые конкретные примеры типов мошенничества, которые выявляет наша система:

• Затопление кликов: обнаружение аномально высоких темпов кликов с конкретных источников.
• Фермы установки: выявление закономерностей нескольких установок с одного и того же IP-адреса или устройства.
• Аномальное время клика до установки (CTIT): обнаружение аномального времени клика до установки как сигнала для бот-активности.
• Низкие показатели удержания: выявление пользователей из издателей, которые постоянно демонстрируют низкие показатели удержания после установки.

Наш ИИ непрерывно эволюционирует, чтобы распознавать новые тактики мошенничества, защищая бюджеты наших клиентов.

Как подход Aarki к привлечению и повторному взаимодействию пользователей отличается от других платформ в отрасли?

Подход Aarki к привлечению и повторному взаимодействию пользователей отличается несколькими ключевыми способами:

• Стратегия, ориентированная на конфиденциальность: мы полностью адаптировались к нацеливанию без идентификатора, что делает нас соответствующими SKAN 4 и готовыми к будущему в ландшафте, ориентированном на конфиденциальность.
• Продвинутый ИИ и машинное обучение: наша многоуровневая инфраструктура машинного обучения обрабатывает огромные объемы контекстных данных, создавая сложные поведенческие когорты без использования личных идентификаторов.
• Ориентированное на ИИ креативное нацеливание: мы уникально сочетаем сведения ИИ с человеческой креативностью, чтобы разработать высокоцелевые рекламные креативы для каждой когорты.
• Динамический многоцелевой оптимизатор ставок: наша система ставок учитывает множество целей одновременно, балансируя эффективность с исследованием, чтобы максимизировать ROI.
• Контекстная интеллект: мы используем триллионы контекстных сигналов, чтобы информировать наше нацеливание, выходя за рамки базовой демографической или географической сегментации.
• Непрерывная оптимизация: наши модели ИИ непрерывно учатся и адаптируются, гарантируя, что наши стратегии эволюционируют с меняющимся поведением пользователей и рыночными условиями.
• Единый подход: мы предлагаем бесшовную интеграцию стратегий привлечения и повторного взаимодействия пользователей, предоставляя целостный вид пользовательского пути.
• Масштабируемость: наша инфраструктура может обрабатывать огромные объемы данных (5M+ запросов на рекламу в секунду с 10B+ устройств), позволяя проводить высокодетализированное нацеливание в масштабе.
• Продвинутые механизмы предотвращения мошенничества: наши внутренние фильтры мошенничества до ставки, аналитика данных после ставки в сочетании с данными третьих сторон ставят нас на передний край спасения денег наших клиентов от мошеннического трафика.

Это сочетание методов, ориентированных на конфиденциальность, продвинутого ИИ, креативной оптимизации, предотвращения мошенничества и масштабируемой инфраструктуры позволяет нам доставлять более эффективные, эффективные и адаптивные кампании.

Мой опыт научил меня, что будущее AdTech заключается в гармонизации больших данных, машинного обучения и человеческой креативности. Я горжусь тем, что, помимо нашей технологии, у нас также есть выдающаяся команда аналитиков, ученых и креативных профессионалов, которые добавляют человеческую креативность к нашей технологии.

Не могли бы вы поделиться некоторыми историями успеха, где платформа Aarki значительно улучшила ROI и эффективность кампании для ваших клиентов?

Индекс производительности AppsFlyer признает Aarki лидером в ретаргетинге, занимающим первое место для игр в Северной Америке и третье место в мире. Мы также занимаем место среди лучших исполнителей во всех индексах ROI рекламы Singular. Этот кейс-стади также является свидетельством нашего глобального лидерства. Не только для игр, но у нас также есть недавние кейс-стади, демонстрирующие нашу способность стимулировать результаты в различных категориях приложений.

Я горжусь тем, что могу выделить нашу партнерство с DHgate, ведущей платформой электронной коммерции. Наши ретаргетинговые кампании как для Android, так и для iOS доставили исключительные результаты, демонстрируя способность Aarki стимулировать производительность в масштабе.

Используя нашу технологию глубоких нейронных сетей, мы точно собрали пользовательские сегменты, чтобы максимизировать эффективность ретаргетинга. Это привело к 33% росту высокоинтентных пользовательских кликов и 33% увеличению конверсий.

Самым впечатляющим является то, что, хотя расходы DHgate на Aarki увеличились на 52%, мы последовательно превышали их цели ROAS на 450% в 1,7 раза, достигнув выдающегося ROAS на уровне 784%. Этот кейс-стади демонстрирует нашу приверженность доставке превосходных результатов для наших клиентов. Читайте больше об этом здесь.

Для приложения для еды и доставки мы реализовали ретаргетинговую кампанию, чтобы реактивировать пользователей и эффективно привлечь новых клиентов.

Это привело к 75% снижению стоимости привлечения (CPA) и 12,3 миллионам реактивированных пользователей. Ключом к успеху было использование наших моделей глубоких нейронных сетей для нацеливания на правильную аудиторию с адаптированными сообщениями, сохраняя кампанию свежей и привлекательной. Читайте об этом здесь.

Эти кейс-стади демонстрируют нашу способность стимулировать значительные улучшения ключевых метрик в различных категориях приложений и типах кампаний. Наш подход, ориентированный на конфиденциальность, продвинутые возможности ИИ и стратегическое использование контекстных данных позволяют нам доставлять выдающиеся результаты для наших клиентов, будь то привлечение или повторное взаимодействие пользователей.

Какие будущие достижения в ИИ и машинном обучении, по вашему мнению, будут иметь решающее значение для мобильной рекламной отрасли?

Взглянув вперед, я предвижу несколько решающих достижений в ИИ и машинном обучении для мобильной рекламы:

• Улучшенные методы, сохраняющие конфиденциальность: огромный масштаб данных, который мы обрабатываем, приведет к беспрецедентным возможностям обучения. Глубокие нейронные сети (DNN) будут использовать это для создания превосходных стратегий, ориентированных на конфиденциальность. На самом деле, концепция «нацеливания» эволюционирует так драматически, что нам понадобится новая терминология, чтобы описать эти ИИ-ориентированные, прогностические подходы.
• Генеративный ИИ для оптимизации креатива в реальном времени: мы увидим ИИ, который может не только оптимизировать, но и создавать и динамически изменять рекламные креативы в реальном времени. Это революционизирует то, как мы подходим к дизайну рекламы и персонализации.
• Голистические прогностические модели: сочетая наши глубокие нейронные сети для сведений о продуктах с нашим Многоцелевым оптимизатором ставок (MOBO) для ценообразования, мы разработаем высокоэффективные и эффективные модели как для привлечения, так и для ретаргетинга. Эти модели обеспечат невероятно точные прогнозы долгосрочной ценности пользователя, позволяя более умным и стратегическим кампаниям.

Эти достижения, вероятно, приведут к более эффективным, эффективным и удобным для пользователя мобильным рекламным впечатлениям.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Aarki.