Az elmúlt évtizedben a mesterséges intelligencia (AI) népszerű kifejezés volt a különböző vállalkozásokban, és ez alól a reklámtechnológiai ipar sem kivétel.
Ha végigjárja a reklámtechnológiai piacot, nehéz olyan platformot találni, amelyen ne lenne mesterséges intelligencia. Ennek eredményeként lehetetlen megmondani, hogy valójában mely platformokon van, és melyiken nem.
Szóval, hogyan lehet különbséget tenni az erős és a nem túl erős AI között?
Íme három tényező, amelyet figyelembe kell venni a hirdetéstechnológiai AI mérlegelésekor
Mi az adatforrás?
Az AI-algoritmusok csak annyira jók, mint az adatok, amelyeken működnek. Az elavult, harmadik féltől származó adatokra támaszkodó mesterséges intelligencia elavult, gyakran gyengén osztályozott bemenetek alapján dönt. Ez rossz döntéshozatalt és végül eredménytelen reklámozást eredményez. A megfelelő eléréséhez a rendszereknek belső valós idejű adatokkal kell működniük, és rendelkezniük kell az ilyen valós idejű adatok kezeléséhez szükséges infrastruktúrával – vagyis olyan infrastruktúrával, amely képes nagyméretű (nagy adat) kezelésére nagyon alacsony késleltetéssel (minimális késleltetéssel). .
Milyen AI az?
Nem minden mesterséges intelligencia technika egyenlő. A mesterséges intelligencia (AI) kifejezés a technológiák széles skáláját öleli fel, beleértve a robotautomatizálást és a képazonosítást, valamint a természetes nyelvi feldolgozást, a gépi tanulást és egyebeket. A hirdetéstechnológiai üzletágban egyesek úgy vélik, hogy az automatizált szkriptek gyűjteménye alkotja az AI-t.
Ezek a szkriptek azonban csak néhány beviteli tényező módosításával javíthatják a kampányokat. Ezzel szemben az olyan modern technikák, mint a gépi tanulás, először megtanulhatnak, majd változók ezreit módosítják a kívánt kampányeredmények eléréséhez.
Leegyszerűsített hasonlattal élve, az előbbi a sebességtartó automatika autóba való felszereléséhez hasonlít, míg az utóbbi inkább egy önvezető autó fejlesztéséhez. Az emberi döntéshozatal befolyásolása a tökéletesen időzített, egyedileg megfelelő reklámozáson keresztül összetett, árnyalt téma, amely nem redukálható néhány input tényezőre.
Ez azt jelenti, hogy gépi tanulási megközelítéseket kell alkalmazni az AI-motorokhoz a hirdetéstechnológiában, hogy ténylegesen nagyobb kereskedelmi eredményeket érjenek el (pl. neurális hálózatok).
Mennyi interakciója van az AI-nak a nyers adatokkal?
Ha a mesterséges intelligencia a lehető legközvetlenül a nyers adatokon dolgozik, sokkal hatékonyabb. Ha manuálisan absztraháljuk a bemenetet néhány változóra az AI feldolgozása előtt, jelentősen csökkentheti annak hatékonyságát. Ehelyett a nyers adatokon való közvetlen működés lehetővé teszi az algoritmusok számára, hogy önállóan tanulják meg a releváns jellemzőket (ez a képzésként ismert technika), majd optimalizálják ezeket a funkciókat a kívánt cél elérése érdekében.
Például egy mesterséges intelligencia képfelismerő rendszer, amelyet különböző macskák kategorizálására terveztek, sokkal jobban teljesítene, ha az algoritmusok a nyers bemeneti fényképeket használnák fel az összes adattal ahelyett, hogy manuálisan absztrahálnák a képeket néhány tényezőre, például színre, méretre és jellemzőkre. .
Hasonlóképpen, az a mesterséges intelligencia, amely egy maroknyi tetszőleges ajánlattételi tényezőt – például életkort, nemet és földrajzi elhelyezkedést – módosít az ajánlat értékének értékeléséhez, nem olyan sikeres, mint az a mesterséges intelligencia, amely közvetlenül a nyers adatokra hat, és lehetővé teszi a gépi tanulási algoritmusok számára, hogy megtanulják és módosítsák a releváns tényezőket.
A 3 elsődleges képesség, amely hatékony AI-motort eredményez, a következő:
Az AI valós idejű adatokon fut, ami azt jelenti, hogy hatalmas méreteket tud kezelni (akár 20-40 petabájtnyi adatot is feldolgoznak naponta), és alacsony késleltetéssel vagy kis késéssel működik. Ezt az alapoktól kifejlesztett adatelemző rendszer teszi megvalósíthatóvá, amely hatalmas mennyiségű adatot a betekintések játszóterévé alakít.
Az interaktív és azonnali élmény érdekében több mint billió internetes jelet tartalmazó adatbázist kérdez le kevesebb mint 100 ezredmásodperc alatt. Az ilyen típusú környező infrastruktúra lehetővé teszi az AI valódi előnyeinek megvalósítását.
Valós idejű prediktív modellezés: A mesterséges intelligencia a legutóbbi internetes eseményekre reagálva rögzíti a folyamatosan változó fogyasztói magatartást, megérti a potenciális ügyfelek érdeklődését, és következtet a fogyasztói szándékra. A mesterséges intelligencia fejlett gépi tanulási algoritmusokat használ, hogy minden egyes kampányhoz egyedi prediktív modelleket hozzon létre, hogy elérje ezt az intelligencia és kifinomultságot.
A kampánymodellek mellett az AI médiamodelleket hoz létre a láthatóság és a márkabiztonság érdekében, valamint általános modelleket, például nyílt internetes témamodellt. Mindezt a modellezést fejlett gépi tanulási technikák és trükkök, például neurális hálózatok és mélytanulás (témamodellezés) használatával érik el.