Sponsored Products की सीनियर अप्लाइड साइंटिस्ट, रिया गोयल से मिलें

Amazon Ads की सीनियर अप्लाइड साइंटिस्ट, रिया गोयल से मिलें. उन्होंने एक सॉफ़्टवेयर डेवलपमेंट इंटर्न के रूप में अपने करियर का सफ़र शुरू किया और अब साइंटिस्ट और इंजीनियर की टीम को मैनेज करती हैं.

इस इंटरव्यू में, रिया बताती हैं कि कैसे उन्होंने अपनी इंजीनियरिंग की पढ़ाई और मशीन लर्निंग की विशेषज्ञता को मिलाकर कंपनी की सबसे जटिल एडवरटाइज़िंग सम्बंधी चुनौतियों को हल किया है. वे यह भी बताती हैं कि साइंटिस्ट अपने करियर को नए और अप्रत्याशित क्षेत्रों में आगे बढ़ाते हुए बिज़नेस रणनीति को कैसे दिशा दे सकते हैं.

मैंने एक इंजीनियरिंग इंटर्न के रूप में शुरुआत की. मेरा हमेशा से यह प्लान था कि मैं विज्ञान के क्षेत्र में कोई भूमिका निभाकर अपने करियर को नई दिशा दूँ, क्योंकि मैं विज्ञान की पढ़ाई की है. हालाँकि, मैंने इंजीनियर के रूप में शुरुआत करने का फ़ैसला इसलिए किया, ताकि मैं प्रोडक्शन सिस्टम बनाने और इस्तेमाल करने के तरीक़े सीख सकूँ और यह समझ सकूँ कि असली दुनिया में बेहतरीन सिस्टम कैसे बनाए जाते हैं.

Amazon Fashion में अप्लाइड साइंस की भूमिका स्वीकार करने के बाद, मैंने रिकमेंडर सिस्टम, रैंकिंग और पर्सनलाइज़ेशन में विशेषज्ञता हासिल की. अब मैं साइंस फ़ैमिली में मैनेजमेंट की दिशा में आगे बढ़ रही हूँ. बढ़िया इंजीनियर होने के कारण मुझे एक साइंटिस्ट के रूप में अधिक आत्मनिर्भर तरीक़े से और आत्मविश्वास के साथ काम करने में मदद मिली. साथ ही, इसकी वजह से मैं एक ऐसी विविधतापूर्ण बिज़नेस टीम का नेतृत्व कर सकती हूँ, जिसमें विज्ञान और इंजीनियरिंग दोनों ही क्षेत्रों के विशेषज्ञ लोग लक्ष्य हासिल करने के लिए मिलकर काम करते हैं.

एडवरटाइज़िंग में कई ऐसी समस्याएँ होती हैं जिन्हें हल करना आसान नहीं होता. आप ऐड इस तरह से दिखाने की कोशिश करते हैं कि कस्टमर को सबसे उपयोगी कॉन्टेंट दिखे. साथ ही, एडवरटाइज़र को अपने ऐड से ज़्यादा से ज़्यादा लाभ मिले और एक पब्लिशर के तौर पर Amazon का बिज़नेस भी बढ़े. तीन निकायों के बीच संतुलन बनाना काफ़ी चुनौतीपूर्ण और बारीक़ी से किया जाने वाला काम है. मुझे Amazon की, तेज़ी से नए प्रयोग करने वाली संस्कृति ख़ास तौर से पसंद है. यहाँ हमें नए मशीन लर्निंग मॉडल्स को आज़माने का मौक़ा मिलता है, जो इन अलग-अलग और अक्सर प्रतिस्पर्धी लक्ष्यों के तहत काम करते हैं.

Amazon में, अप्लाइड साइंटिस्ट वाक़ई बिज़नेस की व्यापक रणनीति को प्रभावित कर सकते हैं. साल भर में ऐसे कई औपचारिक मौक़े मिलते हैं, जहाँ जूनियर साइंटिस्ट से लेकर प्रिंसिपल तक सभी अपने विचार सामने रख सकते हैं. भले ही, वे कस्टमर की किसी समस्या से जुड़े हों या बिज़नेस के किसी लक्ष्य से. इनमें वार्षिक प्लानिंग, तिमाही प्लानिंग और नियमित रूप से होने वाले हैकथॉन शामिल होते हैं. हर स्तर पर, हमें अपने विचार लिखने के लिए प्रेरित किया जाता है, ताकि लीडरशिप उन्हें रिव्यू कर सके और आगे बढ़ा सके.

लार्ज लैंग्वेज मॉडल (LLM) के कई व्यावहारिक इस्तेमाल हैं जो ऐड रैंकिंग स्पेस को बदल सकते हैं. उदाहरण के लिए, हम फ़िलहाल यह समझने की कोशिश कर रहे हैं कि LLM का इस्तेमाल करके ख़रीदारों की शॉपिंग क्वेरी को बेहतर तरीक़े से कैसे समझा जाए, ताकि ब्रैंड जैसी अलग-अलग प्रोडक्ट ख़ूबियों के आधार पर ज़्यादा प्रासंगिक शॉपिंग रिज़ल्ट दिखाए जा सकें. LLM इस काम को हमारे लिए आसान कर देता है, क्योंकि इसमें दुनिया भर की उपयोगी जानकारी होती है.

मुझे लगता है कि लीडरशिप मेरे करियर को आगे बढ़ाने में पूरी तरह से सहयोग करती है. उदाहरण के लिए, कुछ समय पहले मेरे मैनेजर ने मेरे डायरेक्टर को बताया था कि मेरी दिलचस्पी मैनेजमेंट के क्षेत्र में आगे बढ़ने में है. मेरे डायरेक्टर ने इस बात को ध्यान में रखा और उन्होंने समय के साथ मेरे कौशलों का मूल्यांकन किया और फिर मुझे इस दिशा में आगे बढ़ने का मौक़ा दिया. मैंने हाल ही में एक टीम को मैनेज करना शुरू किया, जिससे मुझे बहुत कुछ नया सीखने को मिला.

इसके अलावा, मेंटरिंग के कई मौक़े उपलब्ध हैं. जैसे ही आप Amazon से जुड़ते हैं, आपका मैनेजर आम तौर पर आपके लिए एक ऑनबोर्डिंग बडी और एक मेंटर असाइन करता है. पूरे Amazon में कई औपचारिक मेंटरिंग स्कीम हैं, जिनमें वीमेन इन इंजीनियरिंग मेंटरिंग प्रोग्राम भी शामिल है; आपका मैनेजर आपके लिए सही मेंटर खोजने में मदद कर सकता है.

बिल्कुल. Amazon हर साल Amazon मशीन लर्निंग कॉन्फ़्रेंस (AMLC) आयोजित करता है, जो एक आंतरिक साइंस कॉन्फ़्रेंस है और इसके मानदंड काफ़ी कड़े हैं और इसमें बहुत कम लोगों को स्वीकार किया जाता है. साइंटिस्ट अक्सर बौद्धिक संपदा वाले प्रोजेक्ट पर काम करते हैं, जिन्हें बाहरी रूप से पब्लिश करना मुश्किल हो सकता है. हालाँकि, AMLC की मदद से आपको वैज्ञानिक शोध को पब्लिश करने का मौक़ा मिलता है. इसके कड़े मानदंड और कम स्वीकृति दर के कारण, यह उतना ही फ़ायदेमंद भी है. अगर आपको मौखिक प्रेज़ेंटेशन या पोस्टर प्रेज़ेंटेशन के लिए चुना जाता है, तो आपको पूरे Amazon में अपना काम दिखाने का मौक़ा मिलता है, जिससे आपकी पहचान बढ़ती है और आपको सीखने और आगे बढ़ने का बेहतर अवसर मिलता है.

मैंने हाल ही में एक मॉडल पर काम किया है, जो कस्टमर को उनकी दिलचस्पियों से मेल खाने वाले अधिक प्रोडक्ट दिखाने के लिए, सर्च पेज पर Sponsored Products ऐड को कस्टमाइज़ करता है. Amazon में हमारा सिद्धांत “कस्टमर को प्राथमिकता देना” है. इसलिए हमारा मुख्य लक्ष्य, कस्टमर के लिए एडवरटाइज़िंग के अनुभव को अधिक उपयोगी और प्रासंगिक बनाना है. हमारे मॉडल ने कस्टमर के अनुभव को काफ़ी बेहतर बनाया है.

यह मॉडल रीइन्फ़ोर्समेंट लर्निंग का इस्तेलाम करता है, जिसे प्रोडक्शन में लागू करना काफ़ी मुश्किल होता है. रीइन्फ़ोर्समेंट लर्निंग और कैज़ुअल मशीन लर्निंग के बीच के ओवरलैप के बारे में हमने आंतरिक रूप से काफ़ी उपयोगी चर्चा हुई. टीम के लोगों ने इस मॉडल को बनाने के लिए दोनों क्षेत्रों के आइडिया को अपनाया. यह प्रोजेक्ट काफ़ी ख़ास था, क्योंकि यह वैज्ञानिक रूप से चुनौतीपूर्ण था और इसका कस्टमर पर सीधा असर पड़ा.

यह काम करने का शायद सबसे तेज़ी से आगे बढ़ने वाला माहौल है, जहाँ आपको अपनी जगह बनाने का भी मौक़ा मिलेगा. अगर आपकी दिलचस्पी ज़्यादा रिसर्च वाले करियर में है, तो Amazon Ads में ऐसी कई टीम हैं जो ऐसा करती हैं. अगर आपको नई मशीन लर्निंग टेक्नोलॉजी पर तेज़ी से प्रयोग करने और इसे बिज़नेस में इस्तेमाल करने में दिलचस्पी है, तो कई टीम इस पर भी काम करती हैं.

कुल मिलाकर, Amazon बहुत बड़े स्तर पर काम करता है और इससे आपको इंडस्ट्री के कुछ सबसे बेहतरीन लोगों से सीखने का मौक़ा मिलता है. अगर आप सीखने के लिए तैयार हैं, तो आप वास्तव में इस क्षेत्र के एक्सपर्ट बन सकते हैं क्योंकि आपके आस-पास बेहतरीन लोग मौजूद हैं. आप जो भी करना चाहते हैं वह यहाँ उपलब्ध है.