過去 10 年間、人工知能 (AI) はさまざまなビジネスでよく使われる言葉になっており、アドテク業界も例外ではありません。
アドテク市場全体を調べてみると、AI を搭載していないプラットフォームを見つけるのは困難です。その結果、実際にどのプラットフォームにこの機能があり、どのプラットフォームにないのかを判断することはできません。
では、強力な AI とそれほど強力ではない AI の違いをどのように見分けることができるのでしょうか?
アドテク AI を検討する際に考慮すべき 3 つの要素
データソースは何ですか?
AI アルゴリズムの良さは、そのアルゴリズムが動作するデータによって決まります。古いサードパーティ データに依存する AI は、古い、機密性が低い入力情報に基づいて選択を行います。その結果、意思決定が不十分になり、最終的には広告が非効果的になります。それを適切に取得するには、システムがファーストパーティのリアルタイム データ上で動作し、このリアルタイム データを処理するためのインフラストラクチャ、つまり、非常に低いレイテンシ (最小限の遅延) で大規模 (ビッグ データ) を処理できるインフラストラクチャを備えている必要があります。 。
一体どんなAIなのでしょうか？
すべての AI テクニックが同じように作られているわけではありません。人工知能 (AI) という用語には、ロボット自動化や画像識別、自然言語処理、機械学習などを含む幅広いテクノロジーが含まれます。アドテク業界の一部の人は、自動化されたスクリプトの集合が AI を構成すると考えています。
ただし、これらのスクリプトは、いくつかの入力要素を調整することによってのみキャンペーンを改善できます。対照的に、機械学習のような最新の技術は、最初に学習し、次に何千もの変数を変更して、望ましいキャンペーン結果を大規模に生み出すことができます。
単純化した例えを使用すると、前者は車にクルーズ コントロールを取り付けることに似ていますが、後者は自動運転車の開発に相当します。完璧なタイミングで独自に適切な広告を通じて人間の意思決定に影響を与えることは、複雑で微妙な主題であり、いくつかの入力要素に還元することはできません。
これは、実際により大きな商業的成果を生み出すためには、アドテクの AI エンジン (ニューラル ネットワークなど) に機械学習アプローチを使用する必要があることを意味します。
AI は生データとどの程度相互作用しますか?
AI が生データをできるだけ直接処理すると、はるかに効果的になります。 AI が処理する前に入力を手動でいくつかの変数に抽象化すると、その有効性が大幅に低下する可能性があります。代わりに、生データを直接機能させることで、アルゴリズムが関連する特性を自己学習し (トレーニングと呼ばれる手法)、目的を達成するためにそれらの特性を最適化することができます。
たとえば、さまざまな猫を分類するように設計された AI 画像認識システムは、画像を手動で色やサイズ、特徴などのいくつかの要素に抽象化するよりも、アルゴリズムがすべてのデータを含む生の入力写真を利用した方が、はるかに優れたパフォーマンスを発揮するでしょう。 。
同様に、年齢、性別、地理などのいくつかの任意の入札要素を調整して入札の価値を評価する AI は、生データに直接作用し、機械学習アルゴリズムが関連する要素を学習して調整できるようにする AI ほど成功しません。
強力な AI エンジンとなる 3 つの主な機能は次のとおりです。
AI はリアルタイム データ上で実行されます。これは、AI が巨大なサイズ (20 日に処理される最大 40 ～ XNUMX ペタバイトのデータ) を処理でき、低遅延またはほとんど遅延なく動作できることを意味します。これは、大量のデータを洞察のための遊び場に変える、ゼロから開発されたデータ分析システムによって実現可能になります。
インタラクティブで即時的なエクスペリエンスを提供するために、100 ミリ秒未満で XNUMX 兆を超えるインターネット信号のデータベースにクエリを実行します。このような周囲のインフラストラクチャにより、AI の真のメリットを実現できます。
リアルタイムの予測モデリング: AI は、インターネット上の最新の出来事に反応して、刻々と変化する消費者の行動を記録し、潜在的な顧客の関心を理解し、消費者の意図を推測することができます。 AI は高度な機械学習アルゴリズムを使用して、キャンペーンごとに個別の予測モデルを作成し、そのレベルのインテリジェンスと洗練を実現します。
キャンペーン モデルに加えて、AI はビューアビリティとブランド セーフティのためのメディア モデルや、オープン インターネット トピック モデルなどの汎用モデルを作成します。このモデリングはすべて、ニューラル ネットワークやディープ ラーニング (トピック モデリング) などの高度な機械学習技術とトリックを使用して実現されます。