काग़ज़ के पीछे: निकलस कार्लसन ऐड से जुड़ी माँगों को हल करने के लिए फ़ीडबैक कंट्रोल लागू करते हैं

इंजीनियर फ़ीडबैक कंट्रोल को सिस्टम में बदलाव करने और पसंदीदा नतीजों के लिए सुधार करने की प्रक्रिया के रूप में जानते हैं. जैसे, रोबोट किसी बाधा का सामना करता है और ख़ुद को फिर से रूट करता है. यही तरीक़ा Amazon Ads के सीनियर प्रिंसिपल साइंटिस्ट निकलस कार्लसन के हालिया काम के बारे में बताता है. पूर्व रोबोटिक्स इंजीनियर के रूप में, निकलस ने उस बैकग्राउंड के साथ ही एडवरटाइज़िंग टेक में लगभग दो दशकों के अनुभव को कस्टमर के लिए जटिल एडवरटाइज़िंग लक्ष्यों को डिलीवर करने की समस्या पर लागू किया है.

निकलस के पास कैलिफ़ोर्निया विश्वविद्यालय, सांता बारबरा और स्वीडन के लुंड विश्वविद्यालय से इंजीनियरिंग और स्टेटिस्टिक्स में एडवांस डिग्रियाँ हैं. वे इंस्टीट्यूट ऑफ़ इलेक्ट्रिकल एंड इलेक्ट्रॉनिक्स इंजीनियर्स (IEEE) के फ़ेलो हैं. 2000 के दशक की शुरुआत में रोबोटिक्स में अपने शुरुआती क़दम से बदलाव की तलाश में, निकलस Advertising.com के ऐड ऑप्टिमाइज़ेशन सिस्टम में पूरे बदलाव करने में मदद के लिए इसमें शामिल हो गए. ऐड टेक्नोलॉजी में दिलचस्पी जारी रही और जुलाई 2022 में निकलस Amazon में शामिल हो गए. यहाँ वे अपने करियर और हालिया पेपर के बारे में बात करते हैं, जिसे सिंगापुर में डिसीज़न और कंट्रोल पर 63वें IEEE कॉन्फ़्रेंस (2023) में स्वीकार किया गया था.

आप Amazon Ads से क्यों जुड़े?

मैं 2005 से ऑनलाइन एडवरटाइज़िंग इंडस्ट्री में था और 2022 की शुरुआत में, रिक्रूटर ने Amazon Ads में शामिल होने की संभावना के बारे में मुझसे संपर्क किया. मैं उन समस्याओं से निपटने के विचार से बँधा था, जिनका सामना मैं पहले भी कर चुका था, लेकिन दूसरी कंपनी के लिए. Amazon पर काम करने का प्रॉस्पेक्ट दिलचस्प था. Amazon का साइज़, प्रतिष्ठा और महत्वाकांक्षी लीडरशिप सिद्धांत - ऐक्शन लेने का पूर्वाग्रह, बड़ा सोचें, नतीजे डिलीवर करें - मेरे साथ जुड़े हुए थे.

आपकी रिसर्च का मुख्य क्षेत्र क्या है?

मेरी रिसर्च दिलचस्पी फ़ीडबैक कंट्रोल, डायनेमिक सिस्टम और ऑप्टिमाइज़ेशन में है. Amazon पर मेरा काम Amazon Demand Side Platform (ADSP) द्वारा मैनेज किए जाने वाले ऐड कैम्पेन के ऑप्टिमाइज़ेशन और कंट्रोल के लिए एल्गोरिदम में महारत उपलब्ध कराना और हमारे कस्टमर के फ़ायदे के लिए ADSP को आगे बढ़ाना है. हमारे कस्टमर ऐसे एडवरटाइज़र हैं जो कैम्पेन के किसी उद्देश्य को पाने के लिए अपना बजट ख़र्च करना चाहते हैं. जैसे, कोई एडवरटाइज़र $1,00,000 के मासिक बजट के साथ हमसे इस तरह से ख़र्च करने के लिए संपर्क कर सकता है कि कन्वर्शन या बिक्री की कुल संख्या ज़्यादा से ज़्यादा हो जाए. इच्छा पूरे महीने में बजट को ख़र्च करने की है. पहले दिन या आख़िरी दिन पूरा ख़र्च करने की नहीं. डिलीवरी की अतिरिक्त बाधाएँ सामान्य हैं. उदाहरण के लिए, महिला यूज़र को ऐड इम्प्रेशन का आधा हिस्सा देना या हर कन्वर्शन या प्रति इम्प्रेशन के लिए, औसतन तय रकम ख़र्च करना. ऐड इम्प्रेशन तब माना जाता है जब किसी यूज़र को ऐड दिखाया जाता है.

किसी ऐड कैम्पेन को बहुत ज़्यादा हाई-डायमेंशनल ऑप्टिमाइज़ेशन समस्या के रूप में परिभाषित किया जा सकता है. चतुराई से किए गए कुछ कैलकुलेशन के ज़रिए, इस समस्या को समस्याओं के छोटे-छोटे हिस्से में बाँटा जा सकता है जिन्हें हल करना थोड़ा आसान होता है. समस्याओं के छोटे-छोटे हिस्से को हल करने में मशीन लर्निंग, फ़ीडबैक कंट्रोल और आँकड़ों की एडवांस तकनीकें शामिल हैं; इन्हें जोड़ देने पर, उनका इस्तेमाल एडवरटाइज़र की ओर से ऐड इम्प्रेशन के लिए सबमिट की गई बोलियों का कैलकुलेशन करने के लिए किया जाता है.

हमें अपने पेपर के बारे में बताएँ.

मेरा पेपर, "फ़ीडबैक-कंट्रोल बेस्ड हाईरार्किल मल्टी-कंस्ट्रैंस ऐड कैम्पेन ऑप्टिमाइज़ेशन", ऐसी समस्या को हल करता है जिसकी पहले अनदेखी की गई थी. ध्यान दें कि एडवरटाइज़र आमतौर पर एक या इससे ज़्यादा डिलीवरी बाधाओं में कन्वर्शन की कुल संख्या को ज़्यादा से ज़्यादा करना चाहते हैं. ऐतिहासिक रूप से, इस तरह की बाधाएँ पूरे कैम्पेन बजट पर लागू होती हैं. हालाँकि, हाल ही के सालों में एडवरटाइज़र अक्सर ओवरऑल कैम्पेन बजट और अन्य सिर्फ़ सब-कैम्पेन के लिए डिलीवरी की कुछ बाधाएँ थोपते हैं. किसी सब-कैम्पेन को यूनीक ऐड क्रिएटिव द्वारा परिभाषित किया जाता है और यह अपनी ख़ुद की बाधाओं के अधीन होता है. उदाहरण के लिए, ख़र्च पर महिला-से-पुरुष रेश्यो और हर इम्प्रेशन या हर कन्वर्शन के लिए औसत ख़र्च.

इसका मतलब यह है कि आजकल कैम्पेन के उद्देश्य अक्सर क्रम वाली कई बाधाओं से जुड़ी समस्याओं के मुताबिक़ होते हैं. इससे दिलचस्प और चुनौतीपूर्ण रिसर्च समस्याएँ पैदा होती हैं. मेरे रिसर्च से पहले आसान सोल्यूशन बनाया गया था, लेकिन उस सोल्यूशन की बड़ी सीमाएँ थीं और यह ADSP के बड़े विज़न से मैच नहीं करता था. मेरा रिसर्च और पेपर आँकड़ों के रूप में ऑप्टिमल सोल्यूशन पाकर और सोल्यूशन को कई लेवल पर लागू करके समस्या को चौतरफ़ा हल करता है.

यह पेपर किस तरह आया?

इसकी शुरुआत Amazon पर अपने पहले कुछ महीनों के दौरान ओवरऑल ADSP ऑप्टिमाइज़ेशन सिस्टम के ऑडिट से हुई थी. ऑडिट के दौरान, मैंने ऑप्टिमाइज़ेशन सिस्टम की ताक़त और कमज़ोरियों की पहचान की और हमारे एडवरटाइज़र के लिए बेहतर कैम्पेन डिलीवरी और परफ़ॉर्मेंस के अवसर स्थापित किए. एक ख़ास कमज़ोरी ने मुझे बहुत ज़्यादा सोचने पर मजबूर कर दिया. हालाँकि, मुझे पता था कि सुधार किए जा सकते हैं, मुझे तुरंत नहीं पता था कि समस्या के बारे में किस तरह बताया जाए और मेरे पास कोई सोल्यूशन नहीं था. हालाँकि, 2022 के आख़िर में जब मैं प्रोजेक्ट के बीच में था और मेरे पास सोचने के लिए ज़्यादा समय था, मुझे स्पष्टता मिली और मैने जानकारी पर काम किया. सबसे पहले आँकड़ों का इस्तेमाल करके समस्या को पूरी तरह परिभाषित करके और उसके बाद ऑप्टिमल सोल्यूशन बनाकर और उसे ठोस तरीक़े से लागू करके. मैंने दिसंबर 2022 में पेपर का पहला ड्राफ़्ट तैयार किया और आने वाले हफ़्तों में नतीजों को और सामान्य किया. जब पेपर को आख़िरी रूप दिया जा रहा था, हमने कॉन्सेप्ट को दिखाने के लिए प्रोटोटाइप बनाना शुरू किया और नतीजा बहुत ज़्यादा पॉज़िटिव था. यह बात बिना किसी संदेह के सही साबित हो चुकी है कि इस सोल्यूशन को प्रोडक्शन में लगाया जाना चाहिए और व्यापक रूप से लागू किया जाना चाहिए, जो अब हो चुका है.

आपने किस तरह का असर देखा?

सबसे पहले, सोल्यूशन ने तुरंत ऐड कैम्पेन को अपने बजट को ज़्यादा कुशलता से डिलीवर करने की सुविधा दी. एडवरटाइज़िंग बजट कम बच रहा था और कैम्पेन परफ़ॉर्मेंस को मेट्रिक से मापा गया था, जैसे कि हर कन्वर्शन की औसत लागत और अन्य मुख्य परफ़ॉर्मेंस इंडिकेटर, जिसमें हर में कई प्रतिशत अंकों का सुधार हुआ.

हालाँकि, बेहतर मेट्रिक के अलावा नए सोल्यूशन ने अन्य डिलीवरी बाधाओं की व्यापक रेंज को भी चालू किया जो पुराने सोल्यूशन से मैच नहीं करती थी. लगभग ऑप्टिमल नतीजे हासिल करने के लिए, पुराने सिस्टम का इस्तेमाल सिर्फ़ उन कैम्पेन के लिए किया जा सकता था जिनमें ख़र्च की कमी के अलावा कुछ भी नहीं था. इसका मतलब यह था कि हर कन्वर्शन के लिए लागत, हर इम्प्रेशन के लिए लागत, प्रति क्लिक पर लागत, इन-व्यू रेट, इन-टार्गेट रेट वग़ैरह जैसी बाधाओं वाले कैम्पेन पहुँच से बाहर थे. नया सिस्टम सामान्य और आगे की ओर देखने वाला है और आसानी से क्रम में कई बाधाओं वाली कितनी भी समस्याओं को संभालता है.

इस तरीक़े के बारे में क्या उल्लेखनीय है?

नए सिस्टम की ख़ासियत यह है कि समस्या को मॉड्यूलर बनाने और उसके बाद समस्याओं के छोटे-छोटे हिस्सों को मज़बूती और कुशलता से हल करने के लिए एक साथ कई फ़ीडबैक कंट्रोलर किस तरह लागू किए जाते हैं.

लोग इस बात से रोमांचित हैं कि कोई किस तरह ऐड की मुश्किल टेक्निकल समस्या को कंट्रोल की समस्या में बदल सकता है, क्योंकि यह फ़ीडबैक कंट्रोल का पारंपरिक इस्तेमाल नहीं है; पारंपरिक ऐप्लिकेशन एयरोस्पेस और रोबोटिक्स में होते हैं. हालाँकि, साइंटिफ़िक व्यवस्था के रूप में फ़ीडबैक कंट्रोल की ख़ूबी है कि यह एब्सट्रैक्शन पर आधारित है जो एक ही टूल को कई ऐप्लिकेशन में इस्तेमाल करने की सुविधा देता है. आप ऐड टेक की समस्याओं को ऐसे रूप में बदल सकते हैं, जिससे आप ठीक उन्हीं टूल का इस्तेमाल कर सकते हैं जिनका इस्तेमाल जेट इंजन, सेल्फ़-ड्राइविंग कारों और पावर प्लांट के लिए कंट्रोल सिस्टम बनाने के लिए किया जाता है.

मैं पेपर में चौतरफ़ा तरीक़ा अपनाता हूँ और जहाँ भी संभव हो, तर्क करने वाले पहले सिद्धांतों को शामिल करता हूँ. ज़्यादातर पेपर गुणा-भाग वाला होता है, लेकिन एक बार जब आप नोटेशन के बारे में जान जाते हैं, तो यह काफ़ी आसान और सहज हो जाता है.

क्या रोबोटिक्स में आपके बैकग्राउंड ने आपको इस तरह सोचने की सुविधा दी है?

बिल्कुल. कई लोगों ने मुझसे पूछा है कि क्या रोबोटिक्स से ऑनलाइन एडवरटाइज़िंग में जाना बड़ा बदलाव था. मैं इसका जवाब नहीं में देता हूँ, क्योंकि जब मैंने रोबोटिक्स में काम किया था, तो मैंने उसी तरीक़े का इस्तेमाल किया था. मैंने बिज़नेस से जुड़ी समस्या ली और इसे गणित की समस्या में बदल दिया; मैंने गणित की समस्या को हल किया और फिर रियल सिस्टम में सोल्यूशन लागू किया. मैं अभी भी यही कर रहा हूँ. यह सब एब्सट्रैक्शन के बारे में है.

Amazon Ads में साइंटिस्ट के रूप में काम करने के बारे में आपके लिए मुख्य आकर्षण क्या है?

मैं बहुत सारे स्मार्ट लोगों से घिरा हुआ हूँ, जो असर डालने के लिए बेताब हैं. Amazon साइंस कम्युनिटी में कई एकेडमिक बैकग्राउंड का प्रतिनिधित्व किया जाता है. बेशक, बहुत सारे कंप्यूटर साइंटिस्ट हैं, लेकिन स्टैटिस्टिक्स, इकोनॉमिक्स, फ़ीडबैक कंट्रोल, प्योर मैथमेटिक्स, केमिस्ट्री के लोग भी हैं... आप इसे जो भी नाम दें.

सामान्य तौर पर ऐड टेक के बारे में मुझे जो पसंद है वह है कि यह बहुत क्रॉस-डिसिप्लिनरी है. सब कुछ जानना संभव नहीं है; हर कोई अपनी जानकारी लेकर आता है और आप हमेशा दूसरों से सीखेंगे और बहुत सारी दिलचस्प समस्याओं का सामना करेंगे जो हल होने का इंतज़ार कर रही हैं.

Amazon ऐसी संस्कृति ऑफ़र करता है जहाँ असल में आपको नए आइडिया को शेयर करने के लिए प्रोत्साहित किया जाता है. आपसे आपके आइडिया पर बहुत सारे सवाल पूछे जाएँगे और आम तौर पर ऐसे बहुत से सवाल होते हैं जहाँ आप अपने मन में जो कुछ भी है उसकी ख़ासियतों पर बहस करते हैं. हालाँकि, लोग नए आइडिया को बहुत ध्यान से सुनते हैं और असल में यह प्रक्रिया आपको अपनी सोच को आज़माने और शानदार काम करने में मदद करती है. यह बहुत ही मददगार संगठन है.

आप अपनी भूमिका में किस तरह एडवरटाइज़िंग की नए सिरे से कल्पना कर रहे हैं?

ऑनलाइन एडवरटाइज़िंग कई सालों से चल रही है. हमने लंबा सफर तय किया है, लेकिन अभी भी बहुत कुछ करना बाक़ी है. चीज़ों को सही रखने के लिए, जब मैंने इंडस्ट्री में प्रवेश किया, तो यूज़र-लेवल डेटा नहीं था, एल्गोरिदम बहुत पुराने थे और एडवरटाइज़र को इस बात का ख़राब अंदाज़ा था कि ऑटोमेटेड एडवरटाइज़िंग उनके लिए क्या कर सकती हैं.

अब, मॉडलिंग और ऑप्टिमाइज़ेशन के लिए बड़ी मात्रा में बारीक़ डेटा उपलब्ध है; ऑप्टिमाइज़ेशन और कंट्रोल के लिए एडवांस एल्गोरिदम बनाए गए हैं और नए प्रकार के ऐड फ़ॉर्मेट सामने आए हैं. साथ ही, आज एडवरटाइज़र जानकार और माँग करने वाले हैं और वे इनवेस्टम पर अच्छे फ़ायदे की उम्मीद करते हैं. पिछले 20 सालों में जबरदस्त प्रगति के बावजूद, हमारे सामने बहुत कुछ है जिसके लिए अलग-अलग प्रकार की स्किल वाले लोगों को रिसर्च और समस्याओं को हल करने की ज़रूरत होगी. मशीन लर्निंग, AI, फ़ीडबैक कंट्रोल, स्टैटिस्टिक्स और अप्लाइड मैथमेटिक्स बैकग्राउंड वाले लोगों के लिए, मुझे उम्मीद है कि Amazon Ads या एडवरटाइज़िंग इंडस्ट्री में रोमांचक करियर बनाने के कई अवसर होंगे.