Аман Сарин, генеральный директор Aarki – Интервью

Аман Сарин является генеральным директором Aarki, компании, занимающейся разработкой рекламных решений, которые обеспечивают рост доходов для разработчиков мобильных приложений. Aarki позволяет брендам эффективно взаимодействовать с аудиторией в мире, ориентированном на приватность, используя миллиарды контекстных сигналов аукциона в сочетании с проприетарными машинными обучением и поведенческими моделями. Работая с сотнями рекламодателей по всему миру и управляя более 5M мобильных рекламных запросов в секунду с более 10B устройств, Aarki является частной компанией с штаб-квартирой в Сан-Франциско, Калифорния и офисами по всему 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 справиться с высокообъемными, низкобюджетными кампаниями с беспрецедентной эффективностью. 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 ежегодно. Этот опыт был суровым испытанием для понимания огромного объема данных, который современные рекламные платформы должны обрабатывать — задача, идеально подходящая для решений ИИ.

Мой опыт в LG Ad Solutions, после приобретения ZypMedia компанией Sinclair, был глубоким погружением в мир производителей устройств и того, как контроль над данными просмотра может формировать будущее рекламы Connected TV (CTV). Мы использовали много ИИ/машинного обучения при построении бизнеса LG Ads, где данные, собранные с устройств, использовались для создания 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 является просто инструментом, а основой следующего поколения AdTech. Это ключ к решению наиболее насущных проблем отрасли; от нацеливания, соответствующего приватности, 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 эту эпоху ИИ.

Не могли бы вы подробнее 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 экосистемы мобильной рекламы; от оптимизации ставок и обнаружения мошенничества до прогностического прогнозирования производительности креативов и стратегий приобретения 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 она работает и почему она выгодна:

• Обнаружение мошенничества и контроль качества инвентаря: Она предназначена для защиты производительности и бюджетов наших клиентов. Наш многослойный подход сочетает проприетарные алгоритмы с данными третьих сторон, чтобы оставаться впереди эволюционирующих тактик 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 точные стратегии нацеливания и оптимизации ставок по сравнению с моделями «один размер для всех».
• Оптимизатор ставок с несколькими целями (MOBO): В отличие от простых алгоритмов затенения ставок, используемых большинством DSP, наш MOBO учитывает несколько 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, балансируя несколько целей, находя оптимальные ставки, которые выигрывают, достигают целей KPI и правильно темперуют для использования бюджетов кампаний в полном объеме.

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

• Высококачественное обнаружение мошенничества
• Более точные прогнозы и лучший ROI через многоэтапные модели DNN
• Гранулярная нацеливание креативов с помощью оптимизации ставок с несколькими целями
• Масштабируемость для обработки огромных объемов данных
• Нацеливание, ориентированное на приватность, с помощью контекстных когорт

Наш подход, основанный на ИИ, позволяет достичь 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 приватности и предотвращении мошенничества.

Как функционирует динамический оптимизатор ставок с несколькими целями, и какое влияние он оказывает на максимизацию ROI для ваших клиентов?

Динамический оптимизатор ставок с несколькими целями — 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 несколько 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 конкретных KPI клиентов, в основном ROI. Это позволяет нам адаптировать нашу стратегию ставок к уникальным целям каждого клиента.

Одной из ключевых сильных сторон нашего оптимизатора является его способность балансировать 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 приобретения пользователей и, в конечном итоге, лучшего ROI на своих кампаниях. Например, может быть целесообразно заплатить на 50% больше за ставку на пользователя, который в 5 раз более ценен (ROAS). Способность оптимизатора балансировать несколько целей и адаптироваться в реальном времени позволяет нам ориентироваться в сложном ландшафте мобильной рекламы более эффективно, чем традиционные системы с одной целью.

Aarki подчеркивает приватность в своей деятельности. Как ваша платформа обеспечивает приватность пользователей, одновременно обеспечивая эффективную нацеливание рекламы?

Я горжусь тем, что приватность является одним из основных столпов нашей платформы, наряду с нашей платформой ИИ. Мы полностью адаптировались к ландшафту без идентификатора устройства и разработали инновационные решения для обеспечения приватности пользователей, одновременно обеспечивая эффективную нацеливание рекламы. Вот как мы это делаем:

• Нацеливание без идентификатора: Мы полностью адаптировались к ландшафту после IDFA и соответствуем SKAN 4. Наша платформа работает без использования идентификаторов устройств, отдающая приоритет приватности 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 ценную информацию о нацеливании без необходимости использования личных данных.
• Массовая обработка контекстных данных: Мы обрабатываем более 5 миллионов рекламных запросов в секунду с более 10 миллиардов устройств по всему миру. Каждый запрос имеет богатый набор контекстных сигналов, предоставляя нам богатый, соответствующий приватности набор данных.
• Продвинутое машинное обучение: Наша база данных обучения моделей на 800 миллиардов строк коррелирует эти контекстные сигналы с историческими данными о результатах. Это позволяет нам получать представления и закономерности без компрометации индивидуальной приватности 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.
• Нацеливание креативов на основе ИИ: Для каждой когорты мы используем машинное обучение в сотрудничестве с нашей креативной командой для разработки оптимальных стратегий креативов. Этот подход гарантирует актуальность и эффективность без нарушения индивидуальной приватности.
• Непрерывное обучение и адаптация: Наши модели ИИ непрерывно учатся и адаптируются на основе производительности кампании и эволюционирующих контекстных данных, гарантируя, что наше нацеливание остается эффективным, поскольку регулирования и ожидания пользователей меняются.
• Прозрачность и контроль: Мы предоставляем четкую информацию о наших практиках данных и предлагаем пользователям контроль над их рекламными впечатлениями, когда это возможно, соответствуя лучшим практикам приватности.

Используя эти стратегии, ориентированные на приватность, Aarki обеспечивает эффективную нацеливание рекламы, одновременно уважая приватность пользователей. Мы превратили проблемы эпохи приватности в возможности для инноваций, в результате чего получилась платформа, которая не только соответствует приватности, но и высокоэффективна для кампаний наших клиентов по приобретению и повторному взаимодействию пользователей. По мере эволюции ландшафта цифровой рекламы Aarki остается приверженной лидерству в решениях мобильной рекламы, ориентированных на приватность и ИИ.

Не могли бы вы объяснить концепцию нацеливания креативов на основе ИИ и то, как она интегрируется с вашей креативной стратегией?

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

• Анализ когорт: Наши модели ИИ анализируют огромные объемы контекстных данных для создания детализированных поведенческих когорт.
• Представления креативов: Для каждой когорты мы используем машинное обучение для определения креативных элементов, которые, вероятно, будут наиболее эффективными. Это может включать цветовые схемы, форматы рекламы, стили сообщений или визуальные темы.
• Сотрудничество: Наша команда данных сотрудничает с нашей креативной командой, делясь этими представлениями, полученными с помощью ИИ.
• Разработка креативов: На основе этих представлений 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 креативов для сборки рекламных креативов в реальном времени, сопоставляя наиболее эффективные элементы с каждой когортой.
• Непрерывная оптимизация: По мере сбора данных о производительности наши модели ИИ непрерывно совершенствуют свое понимание того, что работает для каждой когорты, создавая обратную связь для постоянного совершенствования креативов.
• 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. Одна из наших основных концепций, Единая креативная структура, гарантирует, что наши модели ИИ предоставляют данные, полученные из представлений, о том, что работает для разных сегментов аудитории, в то время как наша креативная команда оживляет эти представления в убедительных рекламных дизайнах. Этот подход позволяет нам доставлять более актуальные и увлекательные рекламные объявления каждой когорте, одновременно улучшая производительность кампании и опыт пользователя.

Какова 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 тесно сотрудничают с нашими моделями ИИ для оптимизации производительности рекламы. Креативная команда интерпретирует представления 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 представлениям.

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 представлениями, полученными с помощью ИИ, позволяет нам производить высокоцелевые и увлекательные рекламные объявления в масштабе, что стимулирует 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 ваша система выявляет?

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

• Затопление кликов: Обнаружение аномально высоких показателей 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 аномальных времен клика до установки как сигнала бот-активности.
• Низкие показатели удержания: Выявление пользователей из издателей, которые постоянно демонстрируют низкие показатели удержания после установки.

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

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

Подход Aarki к приобретению и повторному взаимодействию пользователей отличается несколькими ключевыми аспектами:

• Стратегия, ориентированная на приватность: Мы полностью адаптировались к нацеливанию без идентификатора и соответствуем SKAN 4, что делает нас готовыми к будущему, ориентированному на приватность.
• Продвинутый ИИ и машинное обучение: Наша многоуровневая инфраструктура машинного обучения обрабатывает огромные объемы контекстных данных, создавая сложные поведенческие когорты без использования личных идентификаторов.
• Нацеливание креативов на основе ИИ: Мы уникально сочетаем представления ИИ с человеческой креативностью для разработки высокоцелевых рекламных креативов для каждой когорты.
• Динамический оптимизатор ставок с несколькими целями: Наша система ставок учитывает несколько целей одновременно, балансируя эффективность с исследованием для максимизации ROI.
• Контекстная интеллект: Мы используем триллионы контекстных сигналов для информирования нашего нацеливания, 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 беспрепятственное интегрирование приобретения и повторного взаимодействия пользователей, предоставляя целостный взгляд на путь пользователя.
• Масштабируемость: Наша инфраструктура может обрабатывать огромные объемы данных (более 5 миллионов рекламных запросов в секунду с более 10 миллиардов устройств), что позволяет проводить высокодетализированное нацеливание в масштабе.
• Продвинутые механизмы предотвращения мошенничества: Наши внутренние фильтры предотвращения мошенничества до ставки, аналитика после ставки огромных объемов данных, в сочетании с данными третьих сторон, ставят нас на передний край защиты наших клиентов от мошеннического трафика.

Это сочетание стратегий, ориентированных на приватность, продвинутого ИИ, оптимизации креативов, предотвращения мошенничества и масштабируемой инфраструктуры позволяет нам проводить 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 исключительная команда аналитиков, ученых данных 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 кампаний для ваших клиентов?

Индекс производительности AppsFlyer признает Aarki лидером в ретаргетинге, занимая первое место в игровой индустрии в Северной Америке и третье место в мире. Мы также занимаем позицию лучшего исполнителя во всех индексах ROI рекламы Singular. Этот кейс-стади также является свидетельством нашего мирового лидерства. Не только в игровой индустрии, но и у нас есть недавние кейс-стади, демонстрирующие нашу способность стимулировать результаты в различных категориях приложений.

Я горжусь тем, что могу выделить наш партнерство с DHgate, ведущей платформой электронной коммерции. Наши кампании ретаргетинга для Android и iOS принесли исключительные результаты, демонстрируя способность Aarki стимулировать производительность в масштабе.

Используя нашу технологию глубоких нейронных сетей, мы точно собрали пользовательские сегменты для максимизации эффективности ретаргетинга. Это привело к росту на 33% более высокоинтентных пользовательских кликов и увеличению на 33% 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 исключительного ROAS на 784%. Этот кейс-стади демонстрирует нашу приверженность доставке превосходных результатов для наших клиентов. Прочитайте больше об этом здесь.

Для приложения еды и доставки мы реализовали кампанию ретаргетинга для реактивации пользователей и эффективного приобретения новых клиентов.

Это привело к снижению стоимости приобретения (CPA) на 75% и реактивации 12,3 миллиона пользователей. Ключом к успеху было использование наших моделей глубоких нейронных сетей для нацеливания на правильные аудитории с адаптированными сообщениями, сохраняя кампанию свежей и увлекательной. Прочитайте 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 приватность, продвинутые возможности ИИ и стратегическое использование контекстных данных позволяют нам доставлять исключительные результаты для наших клиентов, будь то приобретение или повторное взаимодействие пользователей.

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

Глядя вперед, я предвижу несколько ключевых достижений в ИИ и машинном обучении для мобильной рекламы:

• Улучшенные методы сохранения приватности: Огромный масштаб данных, который мы обрабатываем, приведет к беспрецедентным возможностям обучения. Глубокие нейронные сети (DNN) будут использовать это для создания превосходных стратегий приватности.
• Генеративный ИИ для оптимизации креативов в реальном времени: Мы увидим ИИ, который не только может оптимизировать, но и создавать и динамически изменять рекламные креативы в реальном времени. Это революционизирует то, как мы подходим к дизайну и персонализации рекламы.
• Голистические прогностические модели: Объединив наши глубокие нейронные сети для получения представлений о продуктах с нашим оптимизатором ставок с несколькими целями (MOBO) для ценообразования, мы разработаем высокоэффективные и эффективные модели как для приобретения, так и для ретаргетинга пользователей. Эти модели будут обеспечивать невероятно точные прогнозы долгосрочной стоимости пользователя, позволяя проводить более умные и стратегические кампании.

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.