Conoce a Rhea Goel, científica aplicada sénior en Sponsored Products

Conoce a Rhea, científica aplicada sénior en Amazon Ads. Comenzó su trayectoria profesional como becaria en desarrollo de software y ahora dirige un equipo de científicos e ingenieros.

En esta entrevista, Rhea explica cómo ha combinado su formación en ingeniería y su experiencia en aprendizaje automático para abordar algunos de los desafíos publicitarios más complejos de la empresa. También cuenta cómo los científicos pueden dar forma a la estrategia empresarial mientras desarrollan sus carreras profesionales en direcciones inesperadas.

Empecé como becaria de ingeniería. Siempre tuve planes de saltar a un puesto científico porque eso era lo que había estudiado. Sin embargo, elegí deliberadamente comenzar como ingeniera para poder aprender las habilidades necesarias para construir e implementar sistemas de producción y entender las prácticas recomendadas para desarrollar soluciones en el mundo real.

Después de cambiar a un puesto de ciencia aplicada en Amazon Fashion, me especialicé en sistemas de recomendación, clasificación y personalización. Ahora estoy siguiendo un camino hacia la gestión en el área de las ciencias. Ser una ingeniera competente me ha ayudado a ser más autónoma y segura como científica, y también significa que soy muy capaz de liderar un equipo empresarial diverso compuesto tanto por científicos como ingenieros que trabajan juntos estrechamente para lograr los objetivos.

En la publicidad, hay problemas realmente difíciles de resolver. Estás tratando de colocar anuncios de manera que te asegures de que los clientes vean el contenido más útil para ellos y, al mismo tiempo, los anunciantes obtengan el mayor rendimiento de sus anuncios y Amazon, como publisher, haga crecer su negocio. Mantener el equilibrio entre tres entidades es muy desafiante y tiene muchos matices. Disfruto especialmente de la cultura de experimentación rápida en Amazon, que nos permite probar nuevos modelos de aprendizaje automático que operan bajo estos objetivos diversos, normalmente en competencia.

En Amazon, los científicos aplicados realmente pueden influir en la estrategia comercial más amplia. Hay varias oportunidades formales durante el año, como la planificación anual, la planificación trimestral y los hackathons que se programan regularmente, donde cualquiera, desde científicos junior hasta directivos, puede aportar ideas y trabajar desde la perspectiva de un punto problemático del cliente o un objetivo comercial. En todos los niveles, se nos anima a plasmar nuestras ideas por escrito para que los líderes las revisen y las impulsen.

Hay tantas aplicaciones prácticas de los grandes modelos de lenguaje (LLM) que podrían transformar el espacio de posicionamiento de los anuncios. Por ejemplo, actualmente estamos explorando cómo usar los LLM para comprender mejor las consultas de búsqueda de los compradores con el fin de producir resultados de búsqueda más relevantes en términos de diferentes atributos de los productos, como la marca. Un LLM simplifica esta labor, porque viene con mucho conocimiento del mundo desde el principio.

Siento que los líderes están muy comprometidos con mi crecimiento profesional. Por ejemplo, hace un tiempo mi manager le mencionó a mi director que yo tenía interés en seguir el camino de la gestión. Mi director se acordó, evaluó mis habilidades a lo largo del tiempo y luego me ofreció una oportunidad para dar el salto. Hace poco he empezado a dirigir un equipo, y esto ha sido una gran experiencia de aprendizaje.

También hay muchas oportunidades de mentoría. En cuanto te unes a Amazon, por lo general, tu manager te asigna un compañero de incorporación y un mentor. Hay un programa de mentoría para Mujeres en Ingeniería y esquemas formales de mentoría en todo Amazon; tu manager puede ayudarte a encontrar el mentor adecuado para ti.

Totalmente. Cada año, Amazon celebra la Conferencia de Aprendizaje Automático de Amazon (AMLC), que es una conferencia científica interna con un nivel muy alto y una baja tasa de aceptación. Los científicos a menudo trabajan en proyectos con propiedad intelectual y puede resultar difícil publicar externamente, pero con AMLC, tienes la oportunidad de publicar investigación científica. Como tiene un nivel tan alto y una tasa de aceptación tan baja, es igualmente gratificante. Si te seleccionan para una presentación oral o una presentación en póster, tienes la oportunidad de presentar tu trabajo en todo Amazon, y eso es fantástico para la visibilidad y el crecimiento personal.

Recientemente trabajé en un modelo que personaliza los anuncios de Sponsored Products en la página de resultados de búsqueda para mostrar a los clientes más productos que coincidan con sus intereses. Nuestra filosofía en Amazon es la “pasión por el cliente”, por lo que nuestro objetivo final es hacer que la experiencia publicitaria sea útil y relevante para los clientes. Nuestro modelo mejoró mucho la experiencia del cliente.

Este modelo utiliza aprendizaje por refuerzo, una de las disciplinas más difíciles de llevar a producción. Tuvimos grandes debates internos sobre la superposición entre la disciplina del aprendizaje por refuerzo y el aprendizaje automático. Las personas del equipo tomaron ideas de ambos campos para construir este modelo. Fue un proyecto gratificante porque fue científicamente desafiante y también tuvo un impacto tangible en el cliente.

Este es probablemente el entorno de trabajo más acelerado en el que trabajarás, y es un lugar donde puedes encontrar tu propio espacio. Si tienes interés en una carrera más centrada en la investigación profunda, hay equipos en Amazon Ads que se dedican a eso. Si te interesa más la experimentación rápida y la aplicación empresarial de las últimas tecnologías de aprendizaje automático, también hay muchos equipos que se dedican a eso.

Por último, la escala de Amazon es masiva, así que tienes la oportunidad de aprender de algunas de las mejores mentes del sector. Si tienes ganas de aprender, realmente puedes llegar convertirte en experto, porque te rodean los mejores. Todo lo que quieras hacer está disponible aquí.