ما وراء البحث: يطبق نيكلاس كارلسون أساليب التحكم الذاتي للتوفيق بين متطلبات الإعلانات المعقدة

يعرف المهندسون التحكم الذاتي على أنه عملية تعديل النظام والتصحيح للحصول على النتيجة المرجوة؛ على سبيل المثال، يواجه الروبوت عقبة ويعيد توجيه نفسه. يدعم هذا النهج نفسه أحدث مهام نيكلاس كارلسون، أحد كبار العلماء الرئيسيين في Amazon Ads. وبصفته مهندسًا سابقًا في مجال الروبوتات، قام نيكلاس بتطبيق هذه المعرفة - بالإضافة إلى خبرته لما يقرب من عقدين من الزمن في مجال تكنولوجيا الإعلان - على مشكلة تحقيق أهداف إعلانية معقدة للعملاء.

نيكلاس حاصل على شهادات متقدمة في الهندسة والإحصاء من جامعة كاليفورنيا في سانتا باربرا وجامعة لوند في السويد، وهو زميل في معهد مهندسي الكهرباء والإلكترونيات (IEEE). سعيًا إلى التغيير منذ دخوله المبكر في مجال الروبوتات في أوائل عام 2000، انضم نيكلاس إلى Advertising.com للمساعدة في تعزيز نظام تحسين الإعلانات. توقف الاهتمام بتكنولوجيا الإعلانات، وانضم نيكلاس إلى Amazon في يوليو 2022. يتحدث هنا عن حياته المهنية وبحثه الأخير، والذي تم قبوله في مؤتمر IEEE الثالث والستين حول القرار والتحكم (2023) في سنغافورة.

كنت أعمل في صناعة الإعلان عبر الإنترنت منذ عام 2005، وفي أوائل عام 2022، اتصل بي أحد مسؤولي التوظيف بشأن إمكانية الانضمام إلى Amazon Ads. لقد دفعتني فكرة معالجة أنواع مماثلة من المشاكل التي اعتدت عليها ولكن لشركة مختلفة. كان احتمال العمل في Amazon مثيرًا للاهتمام. كان لحجم Amazon وسمعتها ومبادئها القيادية الطموحة - السرعة في اتخاذ الإجراءات والتفكير بشكل طموح وتحقيق النتائج - صدى لدي.

اهتمامي البحثي هو التحكم الذاتي والأنظمة الديناميكية والتحسين. تتمثل مهمتي في Amazon في تقديم الخبرة في الخوارزميات لتحسين والتحكم في الحملات الإعلانية التي تديرها منصة Amazon لعرض الطلب (ADSP) وتطوير تلك المنصة لصالح عملائنا. عملاؤنا هم المُعلنون الذين يرغبون في إنفاق ميزانياتهم لتحقيق بعض أهداف الحملة. على سبيل المثال، قد يطلب منا أحد المُعلنين ولديه ميزانية شهرية قدرها 100,000 دولار إنفاقها بطريقة تزيد من إجمالي عدد التحويلات أو المبيعات إلى الحد الأقصى. الرغبة هي إنفاق الميزانية على مدار الشهر - وليس إنفاق كل شيء في اليوم الأول أو اليوم الأخير. هذا فضلاً عن قيود العرض الإضافية الشائعة - على سبيل المثال، لعرض نصف مرات ظهور الإعلان للمستخدمين الإناث أو إنفاق مبلغ معين على الأكثر، في المتوسط، لكل تحويل أو لكل مرة ظهور. يتم احتساب مرات ظهور الإعلان عندما يتم عرض الإعلان للمستخدم.

يمكن تعريف الحملة الإعلانية على أنها مشكلة تحسين عالية الأبعاد ومتعددة القيود. من خلال بعض الرياضيات الذكية، يمكن تقسيم هذه المشكلة إلى مشاكل فرعية يسهل حلها قليلاً. تتضمن حلول المشكلات الفرعية تقنيات متقدمة من التعلم الآلي والتحكم الذاتي والإحصاءات؛ وعند دمجها، يتم استخدامها لحساب عروض الأسعار التي يتم تقديمها لمرات ظهور الإعلان نيابة عن المُعلن.

يقدم بحثي حلولاً لمشكلة تحسين تم تجاهلها سابقًا. تجدر الإشارة إلى أن المُعلنين يرغبون عادةً في زيادة العدد الإجمالي للتحويلات، على سبيل المثال، وفقًا لقيد أو أكثر من قيود العرض. وفي السابق، كانت هذه القيود تُطبق على ميزانية الحملة بأكملها. ولكن في السنوات الأخيرة، غالبًا ما يفرض المُعلنون قيود عرض معينة على الميزانية الإجمالية للحملة والبعض الآخر على الحملات الفرعية فقط. يتم تعريف الحملة الفرعية من خلال تصميم إعلان إبداعي فريد وتخضع للقيود الخاصة بها - على سبيل المثال، على الإنفاق ونسبة الإناث إلى الذكور ومتوسط الإنفاق لكل مرة ظهور أو لكل تحويل.

ويترتب على ذلك أن أهداف الحملة اليوم تتوافق غالبًا مع مشكلات التحسين الهرمية متعددة القيود. هذا يؤدي إلى مشاكل مثيرة للاهتمام وصعبة جديرة بإجراء أبحاث لها. تم تطوير حل بسيط قبل بحثي، ولكن هذا الحل كان له قيود مهمة وكان غير متوافق مع الرؤية الكبرى لمنصة ADSP. يعالج بحثي والدراسة المشكلة بشكل شامل من خلال اشتقاق الحل الأمثل رياضيًا وابتكار تنفيذ لامركزي للحل.

لقد بدأ الأمر بعملية تدقيق أجريتها لنظام تحسين ADSP الشامل خلال الشهرين الأولين في Amazon. أثناء التدقيق، حددت نقاط القوة والضعف في نظام التحسين وأنشأت فرصًا لتحسين عرض الحملة والأداء لمُعلنينا. نقطة ضعف محددة جعلتني أفكر كثيرًا. على الرغم من أنني كنت أعرف أنه يمكن إجراء تحسينات، إلا أنني لم أعرف على الفور كيفية وصف المشكلة، ولم يكن لدي حل أفكر فيه. ومع ذلك، قرب نهاية عام 2022 عندما كنت بين المشاريع وكان لدي المزيد من الوقت للتفكير، اتضح الأمر ووضعت التفاصيل - أولاً من خلال تحديد المشكلة بشكل مناسب باستخدام الرياضيات وبعد ذلك من خلال استخلاص الحل الأمثل والتنفيذ السليم. أعددت المسودة الأولى للبحث في ديسمبر 2022 وقمت بتعميم النتائج في الأسابيع المقبلة. مع الانتهاء من البحث، بدأنا في تطوير نموذج أولي لإثبات المفهوم، وكانت النتيجة إيجابية للغاية. لقد ثبت بما لا يدع مجالاً للشك أنه يجب وضع هذا الحل محل التنفيذ ونشره على نطاق واسع، وهو ما حدث الآن.

أولاً، سمح الحل على الفور للحملات الإعلانية بتقديم ميزانياتها بشكل أكثر كفاءة. كان يتم رفض المقدار القليل من الميزانية الإعلانية، وكان يتم قياس أداء الحملة من خلال مقاييس، مثل متوسط التكلفة لكل تحويل ومؤشرات الأداء الرئيسية الأخرى، والتي تحسنت بعدة نقاط مئوية لكل منها.

ولكن إلى جانب المقاييس المحسنة، أتاح الحل الجديد أيضًا مجموعة واسعة من قيود العرض الأخرى التي كانت غير متوافقة مع الحل القديم. ولتحقيق شبه المثالية، كان من الممكن استخدام النظام القديم فقط للحملات التي لا تتضمن سوى قيود الإنفاق. وهذا يعني أن الحملات التي تفرض قيودًا على التكلفة لكل تحويل، والتكلفة لكل مرة ظهور، والتكلفة لكل نقرة، ومعدل المشاهدة، ومعدل الاستهداف، وما إلى ذلك، كانت بعيدة المنال. النظام الجديد عام وتطلعي ويتعامل بسهولة مع عدد عشوائي من المشاكل الهرمية متعددة القيود.

إن ما يميز النظام الجديد هو كيفية تقسيم المشكلة إلى وحدات نمطية وبعد ذلك كيفية تنفيذ العديد من عناصر التحكم الذاتي بالتنسيق لحل المشكلات الفرعية المختلفة بقوة وكفاءة.

ينبهر الناس بكيفية تحويل مشكلة معقدة وتقنية إلى مشكلة تحكم لأن هذا ليس الاستخدام التقليدي للتحكم الذاتي؛ توجد التطبيقات التقليدية في مجال الطيران والروبوتات. لكن جمال التحكم الذاتي كتخصص علمي هو أنه يعتمد على التجريد الذي يسمح باستخدام نفس الأدوات عبر العديد من التطبيقات. يمكنك تحويل المشكلات من تكنولوجيا الإعلان إلى نموذج يسمح لك باستخدام نفس الأدوات المستخدمة لتطوير أنظمة التحكم للمحركات النفاثة والسيارات ذاتية القيادة ومحطات الطاقة.

في البحث، أتبع أسلوبًا شاملاً وأدمج منطق المبادئ الأولى حيثما استطعت. الجزء الأكبر من البحث عبارة عن رياضيات، ولكن بمجرد الاعتياد على التدوين، يصبح الأمر بسيطًا جدًا وبديهيًا.

بالتأكيد. لقد سألني الكثير من الناس عما إذا كان الانتقال من الروبوتات إلى الإعلان عبر الإنترنت تغييرًا كبيرًا. أقول لا لأنني عندما عملت في مجال الروبوتات، استخدمت نفس النهج. تناولت مشكلة تجارية وحولتها إلى مشكلة رياضية؛ قمت بحل المشكلة الرياضية ثم نفذت حلاً في نظام حقيقي. هذا بالضبط ما أفعله الآن. الأمر كله يتعلق بالتجريد.

أنا محاط بالكثير من الأشخاص الأذكياء الراغبين في إحداث تأثير. العديد من الخلفيات الأكاديمية لها حضور في مجتمع Amazon العلمي. هناك الكثير من علماء الكمبيوتر، بالتأكيد، ولكن هناك أيضًا أشخاص لديهم مؤهلات في الإحصاء والاقتصاد والتحكم الذاتي والرياضيات البحتة والكيمياء، كل ما تتخيله.

ما يعجبني في تكنولوجيا الإعلان بشكل عام هو أنها متعددة التخصصات. ليس من الممكن معرفة كل شيء؛ كل شخص يقدم إسهاماته، وسوف تتعلم دائمًا من الآخرين وتواجه الكثير من المشكلات المثيرة للاهتمام التي تنتظر الحل.

تقدم Amazon ثقافة يتم فيها تشجيعك حقًا على مشاركة الأفكار الجديدة. ستتلقى الكثير من الأسئلة حول أفكارك، وعادة ما يكون هناك الكثير من التفنيد حينما تناقش مزايا ما يدور في ذهنك. لكن الناس يتقبلون الأفكار الجديدة جدًا، وتساعدك هذه العملية حقًا على اختبار تفكيرك وتقديم عمل عالي الجودة. إنها مؤسسة داعمة للغاية.

الإعلان عبر الإنترنت موجود منذ سنوات عديدة. لقد قطعنا شوطًا طويلاً، ولكن لا يزال هناك الكثير للقيام به. لوضع الأمور في نصابها، عندما دخلت الصناعة، لم تكن هناك بيانات على مستوى المستخدم، وكانت الخوارزميات بدائية، وكان لدى المُعلنين فكرة سيئة عما يمكن أن تقدمه الإعلانات الآلية لهم.

الآن، تتوفر كمية هائلة من البيانات الدقيقة للنمذجة والتحسين؛ تم تطوير خوارزميات متقدمة للتحسين والتحكم؛ وظهرت أنواع جديدة من تنسيقات الإعلانات. كما أن المُعلنين اليوم يتمتعون بالذكاء والإلحاح، ويتوقعون عائدًا جيدًا على الاستثمار. على الرغم من التقدم الهائل على مدى العشرين عامًا الماضية، إلا أن أمامنا الكثير مما يتطلب أشخاصًا لديهم مجموعة متنوعة من المهارات للبحث وحل المشكلات. بالنسبة للأشخاص الذين لديهم خلفيات في التعلم الآلي والذكاء الاصطناعي والتحكم الذاتي والإحصاءات والرياضيات التطبيقية، أتوقع أن يكون هناك العديد من الفرص لتطوير مهن مثيرة في Amazon Ads أو في صناعة الإعلان.