این فناوری بود که باعث بهم ریختگی و بی اثر شدن زنجیره تامین آگهی‌های دیجیتال شد حالا باید ببینیم که آیا همین فناوری می‌تواند دوباره این مشکل را حل کند؟ در نبرد برای تصحیح اکوسیستم تبلیغات دیجیتال، از هوش مصنوعی برای انجام حجم کارهایی که فراتر از توانایی انسان‌ها است، استفاده می‌شود. در مصاحبه‌ای ویدیویی با Beet.TV، چارلی آرچیبالد، معاون مدیرعامل در حوزه علوم داده در MediaMath دلایل ضروری بودن هوش مصنوعی را شرح می‌دهد.
هوش مصنوعی مقیاسی فراتر از انسان دارد
آرچیبالد می‌گوید : “برخی مطالعات نشان داده‌اند که هر دلاری که در حوزه تبلیغات خرج می‌شود، تقریبا ً ۴۰ سنت از آن دلار یا ۴۰ % آن به جیب ناشران تبلیغات می‌رود.، زیرا در فرآیند انجام یک کار تبلیغاتی واسطه‌های زیادی وجود دارند که هزینه‌ها را افزایش می‌دهند. چالش مسئله اینجا است که با توجه به پیچیدگی این اکوسیستم، مسائلی مانند تعداد ناشران تبلیغ، تعداد مسیرهایی که در فرآیند باید طی کنید و… یک مسیر طولانی را میان مصرف کننده و تولید کننده قرار می‌دهد که مدیریت آن بسیار پیچیده و سخت می‌شود.”
او صحبت‌هایش را این‌طور ادامه می‌دهد که: “در اینجا واقعا ً به یک رویکرد مبتنی بر یادگیری ماشین برای پرداختن به این مسئله در مقیاس بزرگ و به یک شیوه خودکار نیاز داریم. مراحل فروش و بازاریابی دیگر تنها به دست بازرگانان یا خریداران انجام نمی‌شود و مقیاس آن بسیار گسترده‌تر شده است. برای انجام این کار به طور موثر، باید از راه حل‌های مبتنی بر یادگیری ماشین یا هوش مصنوعی استفاده کنید. ”
اثربخشی مسیر تامین
آرچیبالد می گوید هوش مصنوعی را می‌توان برای طیف وسیعی از موضوعات به کار گرفت، از جمله بهینه سازی مسیر عرضه، کاهش تعداد شرکای فناوری تبلیغات به منظور دستیابی به ارتباط کوتاه تر بین خریدار و فروشنده. وی چنین اظهار می‌کند: “با کاهش تعداد تامین‌کننده‌هایی که برای هر مجموعه موجودی کار می‌کنند و همچنین کاهش بار مناقصه کنندگان، در بخش تامین تقاضا و تبلیغات شاهد بهبود در نرخ بهره‌وری خواهید بود. به این ترتیب کسب و کارها می‌توانند بفهمند که کدام مسیر عرضه برای هدایت تجارتشان منطقی‌تر است. ”
وی می‌گوید که استفاده از هوش مصنوعی می‌تواند موجب کاهش فشار ناشی از قیمت‌گذاری در کسب و کارها شود. این روش همچنین به کسب و کارها کمک می‌کند تا به جای استفاده از روش‌های ترتیبی برای قیمت‌گذاری از چندین منبع مختلف به صورت همزمان استفاده کنند تا بدین شکل بتوانند بازدهی بیشتری را بدست آورند. اما به طور همزمان آرچیبالد اعتقاد دارد که این مسئله منجر به افزایش لیست فروش مجدد موجودی کالا در تعداد زیادی از تامین‌کننده‌ها خواهد شد و این امر نیز در مقابل منجر به افزایش چشمگیری در حجم درخواست‌های پیشنهادی می‌شود.
مغز هوش مصنوعی MediaMath
آرچیبالد می‌گوید که پلتفرم MediaMath می‌تواند از هوش مصنوعی در هر زمینه‌ای استفاده کند، اما عمدتا ً به سه روش بکار گرفته می‌شود که عبارتند از:
- عملکرد خودکار: که به صورت خودکار عملیات بهینه‌سازی کمپین‌ها را به منظور برای دستیابی به نتایج واقعی انجام می‌دهد.
- بینش شفاف: که چگونگی فرآیند تصمیم‌گیری الگوریتم‌های هوش مصنوعی خود را روشن می‌سازد.
- سیستم آزاد هوش مصنوعی: به افراد این امکان را می‌دهد که سیستم هوش مصنوعی MediaMath را بر روی سیستم‌های خود اجرا کنند.
بینش شفاف همان الگوریتمی است که به مغز MediaMath کمک می‌کند تا تعیین کند که برای موجودی مورد نظر چه قیمتی پیشنهاد دهید. آرچیبالد در این مورد می‌افزاید که: ” هوش مصنوعی و یادگیری ماشین اغلب شبیه یک جعبه سیاه عمل می‌کنند. تمرکز MediaMath به ایجاد شفافیت در تصمیماتی است که الگوریتم‌‌هایش به کسب و کارها ارائه می‌دهند. گزارش‌های این سیستم پیشنهاداتی را بر اساس بینش‌هایی که الگوریتم‌ها تولید کرده‌اند به مشتری ارائه می‌دهد و به آن‌ها می‌گوید که چه عواملی در تصمیم گیری در مورد مقدار پیشنهادی برای قیمت گذاری موردی خاص بیشترین تأثیر را دارد.”
