Artificiell intelligens (AI) har varit en populär fras i olika företag under det senaste decenniet, och annonsteknikbranschen är inget undantag.
Om du går över annonsteknikmarknaden är det svårt att hitta en plattform som inte gör anspråk på att ha AI. Som ett resultat är det omöjligt att säga vilka plattformar som faktiskt har det och vilka som inte har det.
Så, hur kan man se skillnaden mellan kraftfull och inte så kraftfull AI?
Här är tre faktorer att tänka på när du överväger ad tech AI
Vad är datakällan?
AI-algoritmer är bara så bra som de data som de arbetar på. AI som förlitar sig på inaktuella tredjepartsdata gör val baserat på föråldrade, ofta svagt klassificerade indata. Detta resulterar i dåligt beslutsfattande och så småningom ineffektiv reklam. För att få det korrekt måste systemen arbeta på förstaparts realtidsdata och ha infrastrukturen för att hantera denna realtidsdata – det vill säga infrastruktur som kan hantera storskalig (big data) med mycket låg latens (minimal fördröjning) .
Vad är det för typ av AI?
Alla AI-tekniker är inte skapade lika. Termen artificiell intelligens (AI) omfattar ett brett utbud av teknologier, inklusive robotautomation och bildidentifiering, såväl som naturlig språkbehandling, maskininlärning och andra. Vissa inom annonsteknikbranschen tror att en samling automatiserade skript utgör AI.
Dessa skript kan dock bara förbättra kampanjer genom att justera några indatafaktorer. Däremot kan moderna tekniker som maskininlärning först lära sig och sedan ändra tusentals variabler för att producera önskade kampanjresultat i stor skala.
För att använda en förenklad analogi, liknar den förra att installera farthållare i en bil, medan den senare är mer likvärdig med att utveckla en självkörande bil. Att påverka mänskligt beslutsfattande genom perfekt tidsbestämd, unikt lämplig reklam är ett komplext, nyanserat ämne som inte kan reduceras till ett fåtal insatsfaktorer.
Detta innebär att tillvägagångssätt för maskininlärning måste användas för AI-motorer inom annonsteknik för att faktiskt ge större kommersiella resultat (t.ex. neurala nätverk).
Hur mycket interaktion har AI med rådata?
När AI arbetar på rådata så direkt som möjligt är det mycket mer effektivt. Att manuellt abstrahera indata till några få variabler innan AI bearbetar det kan minska dess effektivitet avsevärt. Genom att fungera direkt på rådata kan algoritmer istället lära sig relevanta egenskaper (en teknik som kallas träning) och sedan optimera dessa funktioner för att uppfylla det önskade målet.
Till exempel skulle ett AI-bildigenkänningssystem utformat för att kategorisera olika katter fungera mycket bättre om algoritmerna använde de råa ingångsfotografierna med all data istället för att manuellt abstrahera bilderna ner till bara några få faktorer som färg och storlek och egenskaper .
På samma sätt är AI som justerar en handfull godtyckliga budfaktorer som ålder, kön och geografi för att utvärdera värdet av ett bud inte lika framgångsrik som AI som agerar direkt på rådata och tillåter maskininlärningsalgoritmer att lära sig och justera de relevanta faktorerna.
De 3 primära funktionerna som gör den till en potent AI-motor är följande:
AI körs på realtidsdata, vilket innebär att den kan hantera enorma storlekar (upp till 20-40 petabyte data bearbetas om dagen) och arbeta med låg latens eller liten fördröjning. Detta görs möjligt av ett dataanalyssystem som utvecklats från grunden – ett som förvandlar enorma mängder data till en lekplats för insikter.
För att ge en interaktiv och omedelbar upplevelse söker den efter en databas med över en biljon internetsignaler på mindre än 100 millisekunder. Denna typ av omgivande infrastruktur gör att de verkliga fördelarna med AI kan realiseras.
Förutsägande modellering i realtid: AI kan reagera på de senaste internethändelserna för att registrera ständigt föränderligt konsumentbeteende, förstå potentiella kunders intresse och härleda konsumenternas avsikter. AI använder avancerade maskininlärningsalgoritmer för att skapa individuella prediktiva modeller för varje kampanj för att uppnå den nivån av intelligens och sofistikering.
Utöver kampanjmodeller skapar AI mediemodeller för synbarhet och varumärkessäkerhet och generiska modeller som en öppen ämnesmodell på internet. All denna modellering åstadkoms genom användning av avancerade maskininlärningstekniker och trick som neurala nätverk och djupinlärning (ämnesmodellering).