تعرّف على ريا غويل، كبيرة العلماء التطبيقيين في المنتجات المدعومة

تعرّف على ريا، كبيرة العلماء التطبيقيين في Amazon Ads. بدأت ريا مسيرتها المهنية كمتدربة في تطوير البرمجيات، وهي الآن تدير فريقًا من العلماء والمهندسين.

في هذه المقابلة، تناقش ريا كيف دمجت بين خلفيتها الهندسية وخبرتها في التعلم الآلي لمعالجة بعض التحديات الإعلانية الأكثر تعقيدًا في الشركة. كما تسلط الضوء على كيفية مساهمة العلماء في تشكيل استراتيجيات الأعمال أثناء تطوير مساراتهم المهنية بطرق غير متوقعة.

بدأتُ كمتدربة في الهندسة. لكنني كنت أخطط دائمًا للانتقال إلى دور علمي، لأنه المجال الذي تخصصت فيه أكاديميًا. ومع ذلك، اخترت عمدًا أن أبدأ كمهندسة لاكتساب المهارات اللازمة لبناء أنظمة إنتاج ونشرها، وفهم أفضل الممارسات لإنشاء حلول واقعية قابلة للتطبيق في العالم الحقيقي.

بعد الانتقال إلى دور في العلوم التطبيقية في Amazon Fashion، تخصصت في أنظمة التوصية، والترتيب، والتخصيص. والآن، أتابع مساري نحو الإدارة ضمن فريق العلوم. ساعدتني خبرتي القوية في الهندسة على أن أصبح أكثر استقلالية وثقة كعالمة، كما أنها مكنتني من قيادة فريق أعمال متنوع يضم متخصصين في العلوم والهندسة يعملون معًا لتحقيق الأهداف.

في مجال الإعلانات، هناك مشكلات بالغة التعقيد يجب حلها. نحن نسعى إلى عرض الإعلانات بطريقة تضمن أن يرى العملاء المحتوى الأكثر فائدة لهم، وفي الوقت نفسه يحصل المُعلنون على أقصى عائد من إعلاناتهم، بينما تنمي Amazon، بصفتها الناشر، أعمالها. تحقيق التوازن بين هذه الجهات الثلاث يمثل تحديًا دقيقًا ومعقدًا. أستمتع بشكل خاص بثقافة التجريب السريع في Amazon، حيث نتيح اختبار نماذج التعلم الآلي الجديدة التي تعمل وفقًا لهذه الأهداف المتنوعة، التي تكون غالبًا متنافسة.

في Amazon، يتمتع العلماء التطبيقيون بقدرة حقيقية على التأثير في استراتيجيات الأعمال على نطاق واسع. هناك العديد من الفرص الرسمية على مدار العام، بما في ذلك التخطيط السنوي، والتخطيط الفصلي، بالإضافة إلى فعاليات الهاكاثون المجدولة بانتظام، حيث يمكن لأي شخص، من العلماء المبتدئين إلى القادة الرئيسيين، طرح أفكارهم، انطلاقًا من مشكلة يواجهها العملاء أو هدف نشاط تجاري معين. على كل المستويات، نشجَّع على توثيق أفكارنا لتتم مراجعتها من قِبل القيادة واتخاذ خطوات لتنفيذها.

هناك العديد من التطبيقات العملية لنماذج اللغة الكبيرة (LLMs) التي يمكن أن تُحدث تحولاً في مجال ترتيب الإعلانات. على سبيل المثال، نحن نستكشف حاليًا كيفية استخدام نماذج اللغة الكبيرة لفهم استعلامات بحث المتسوقين بشكل أفضل، مما يساعد على تقديم نتائج بحث أكثر صلة، بناءً على سمات المنتجات المختلفة مثل الماركة. يُبسّط نموذج اللغة الكبير هذه العملية بالنسبة لنا، لأنه يأتي مزودًا بمعرفة واسعة عن العالم بشكل جاهز.

أشعر أن القيادة تولي اهتمامًا كبيرًا بنمو مسيرتي المهنية. على سبيل المثال، أخبر مديري السابق مديري الأعلى أنني مهتمة بالانتقال إلى مسار الإدارة. وقد تذكر ذلك، وقام بتقييم مهاراتي بمرور الوقت، ثم قدم لي فرصة لاتخاذ هذه الخطوة. مؤخرًا، بدأت بإدارة فريق، وكانت هذه تجربة رائعة تعلمت منها الكثير.

هناك أيضًا العديد من الفرص للتوجيه والإرشاد. فمنذ انضمامك إلى Amazon، يقوم مديرك عادةً بتعيين زميل إرشادي لمساعدتك في التأقلم، بالإضافة إلى مرشد يقدم لك التوجيه والدعم. هناك برنامج إرشادي للنساء في الهندسة، بالإضافة إلى برامج إرشاد رسمية على مستوى Amazon، ويمكن لمديرك مساعدتك في العثور على المرشد المناسب لك.

بالتأكيد. تنظم Amazon سنويًا مؤتمر التعلم الآلي من Amazon‏ (AMLC)، وهو مؤتمر علمي داخلي بمعايير قبول عالية جدًا ومعدل قبول منخفض. غالبًا ما يعمل العلماء على مشاريع تتضمن ملكية فكرية، مما قد يجعل نشر الأبحاث خارجيًا أمرًا صعبًا، ولكن مع AMLC، تتاح لك فرصة نشر أبحاثك العلمية. نظرًا لمعاييره الصارمة ونسبة القبول المنخفضة، فإن المشاركة فيه تُعد إنجازًا مجزيًا. وإذا تم اختيارك لتقديم عرض شفهي أو عرض ملصق، فستحصل على فرصة لعرض عملك عبر Amazon، مما يعزز من ظهورك المهني وتطورك الشخصي.

مؤخرًا، عملت على نموذج يخصص إعلانات المنتجات المدعومة على صفحة البحث، لعرض المزيد من المنتجات التي تتناسب مع اهتمامات العملاء. في Amazon، نؤمن بمبدأ "هوس العملاء"، لذا فإن هدفنا الأساسي هو جعل تجربة الإعلانات أكثر فائدة وملاءمة للعملاء. لقد أدى نموذجنا إلى تحسين تجربة العملاء بشكل كبير.

يستخدم هذا النموذج التعلم التعزيزي، وهو أحد المجالات الأكثر تعقيدًا من حيث التطبيق في الأنظمة الإنتاجية. أجرينا مناقشات مكثفة داخليًا حول التقاطع بين التعلم التعزيزي والتعلم الآلي السببي. حيث استلهم أعضاء الفريق أفكارًا من كلا المجالين لبناء هذا النموذج. كان المشروع مجزيًا لأنه شكّل تحديًا علميًا كبيرًا، إلى جانب تأثيره الملموس على تجربة العملاء.

هذه على الأرجح واحدة من أسرع البيئات تطورًا التي ستعمل فيها، وهي أيضًا مكان يمكنك أن تجد فيه مساحتك الخاصة. إذا كنت مهتمًا بمسار وظيفي قائم على البحث العميق، فهناك فرق داخل Amazon Ads متخصصة في ذلك. وإذا كنت تميل أكثر إلى التجريب السريع والتطبيقات التجارية لأحدث تقنيات التعلم الآلي، فهناك العديد من الفرق التي تركز على هذا الجانب أيضًا.

وأخيرًا، نظرًا للحجم الهائل لعمليات Amazon، ستتاح لك فرصة التعلم من بعض أفضل العقول في المجال. إذا كنت منفتحًا على التعلم، يمكنك بالفعل أن تصبح خبيرًا في هذا المجال، لأنك محاط ببعض من أفضل العقول. أيًّا كان ما تطمح إلى تحقيقه، ستجد الفرصة هنا.