論文の背景： Niklas Karlsson、複雑な広告需要への対応にフィードバック制御を適用
エンジニアは、フィードバック制御とはシステムを調整して望ましい結果が得られるように修正するプロセスだと考えています。たとえば、ロボットが障害物に遭遇して経路を変更する場合などです。これと同じアプローチが、Amazon AdsのシニアプリンシパルサイエンティストであるNiklas Karlssonによる最近の研究の裏付けとなっています。ロボット工学のエンジニアであったNiklasは、その経歴と広告技術に20年近く携わってきた経歴を、お客様に複雑な広告目標を届けるという問題に応用してきました。
Niklasは、カリフォルニア大学サンタバーバラ校とスウェーデンのルンド大学で工学と統計学の上級学位を取得しており、電気電子技術者協会（IEEE）のフェローでもあります。2000年代初頭にロボット工学の世界に足を踏み入れたNiklasは、変化を求めてAdvertising.comに入社し、広告最適化システムの全面的な見直しを手伝いました。広告テクノロジーへの興味は尽きず、Niklasは2022年7月にAmazonに入社しました。ここでは、彼のキャリアと、シンガポールで開催された第63回IEEE決定制御学会（2023年）にアクセプトされた最近の論文について語っています。
Amazon Adsに入社した理由を教えてください。
私は2005年からオンライン広告業界に携わっていましたが、2022年の初めに、リクルーターからAmazon Adsへの入社の可能性について連絡がありました。自分が慣れ親しんだ同じようなタイプの問題に、別の会社で取り組むというアイデアに駆り立てられました。Amazonで働くという展望に興味をそそられました。Amazonの規模、評判、そして野心的なリーダーシッププリンシプル（Bias for Action、Think Big、Deliver Results）が私の心に響きました。
あなたの主な研究分野は何ですか？
私の研究対象は、フィードバック制御、動的システム、最適化です。Amazonでの私の使命は、Amazon Demand Side Platform（ADSP）が管理する広告キャンペーンの最適化と制御のためのアルゴリズムに関する専門知識を提供し、お客様の利益のためにADSPを発展させることです。私たちのお客様は、何らかのキャンペーン目標を達成するために予算を使いたいと考えている広告主様です。たとえば、ある広告主様が毎月10万ドルの予算を組み、コンバージョンの総数、つまり売上が最大になるように広告を打つために私たちにアプローチするとします。初日や最終日にすべてを使うのではなく、その月を通して予算を使うことが望まれます。広告インプレッションの半分を女性ユーザーに配信したり、コンバージョンあたりまたはインプレッションあたりの平均支出額を最大で一定額にしたりするなど、配信に関する制約は他にもあります。広告インプレッションとは、ユーザーに広告が表示されたときのことです。
広告キャンペーンは、非常に高次元の多制約付き最適化問題として定義できます。いくつかの巧妙な数学によって、この問題は少し解きやすいサブ問題に分解できます。サブ問題の解決策には、機械学習、フィードバック制御、統計などの高度な手法が含まれ、これらを組み合わせると、広告主様に代わって広告インプレッションに対して提出される入札額が計算されます。
あなたの論文について教えてください。
私の論文 である「フィードバック制御に基づく階層的多制約広告キャンペーンの最適化」は、これまで見過ごされてきた最適化の問題を解決します。広告主様は通常、1つ以上の配信制約の下でコンバージョンの合計数を最大化したいと考えている点に注意してください。これまで、このような制約はキャンペーン予算全体に適用されていました。しかし、近年、広告主様はキャンペーン全体の予算に特定の配信制約を課し、サブキャンペーンに対してのみその他の制約を課すことがよくあります。サブキャンペーンは独自の広告クリエイティブによって定義され、独自の制約（費用、女性と男性の比率、インプレッションまたはコンバージョンあたりの平均支出額など）の影響を受けます。
したがって、今日のキャンペーン目標は、階層的な複数の制約のある最適化問題に対応することが多いということになります。これは興味深くやりがいのある研究問題につながります。私の研究の前にシンプルなソリューションが開発されていましたが、そのソリューションには重要な制限があり、ADSPの壮大なビジョンと両立しませんでした。私の研究と論文は、数学的に最適な解を導き出し、その解の分散型実装を考案することによって、問題を包括的に扱っています。
その論文はどのようにして生まれたのですか？
そのきっかけは、私がAmazonに入社して最初の数か月間にADSP最適化システム全体について監査を行ったことから始まりました。監査中、最適化システムの長所と短所を特定し、広告主様のキャンペーン配信とパフォーマンスを改善する機会を特定しました。ある特定の弱点が、私に多くのことを考えさせてくれました。改善できることはわかっていましたが、問題をどう説明したらいいのかすぐにはわかりませんでしたし、解決策も思い浮かびませんでした。しかし、2022年の終わり頃、プロジェクトの合間を縫って考える時間ができたとき、明確に理解し、最初は数学を使って問題を適切に定義し、次に最適な解と適切な実装を導き出すことで詳細を理解しました。私は2022年12月に論文の初稿を作成し、その結果をその後数週間でさらに一般化しました。論文が完成するにつれ、コンセプトを実証するためのプロトタイプの開発を開始しましたが、結果は非常に前向きでした。このソリューションは本番環境に導入され、広く展開されるべきであることが疑いの余地なく証明されました。これは現在実現しています。
どのような影響が見られましたか ？
まず、このソリューションにより、広告キャンペーンはすぐに予算をより効率的に配分できるようになりました。使われずに残る広告予算は少なくなり、キャンペーンパフォーマンスはコンバージョンあたりの平均コストやその他の注目すべきパフォーマンス指標（KPI）などの指標で測定され、それぞれ数パーセントポイント向上しました。
しかし、新しいソリューションでは、指標の改善以外にも、古いソリューションでは対応できなかったさまざまな配信上の制約が可能になりました。ほぼ最適な状態を実現するには、古いシステムは支出の制約しかないキャンペーンにしか使用できませんでした。つまり、コンバージョン単価、インプレッション単価、クリック単価、表示率、インターゲット率などの制約のあるキャンペーンには対応できませんでした。新しいシステムは汎用的で将来を見据えたもので、任意の数の階層的な多重制約問題を簡単に処理できます。
このアプローチの注目すべき点は何ですか？
新しいシステムの違いは、問題をどのようにモジュール化するか、そしてその後、さまざまなサブ問題を堅牢かつ効率的に解決するために複数のフィードバックコントローラーをどのように協調して実装するかにあります。
人々は複雑なアドテックの問題を制御問題に変える方法に魅了されています。なぜなら、それは従来のフィードバック制御の使い方ではなく、従来の用途は航空宇宙やロボット工学にあるからです。しかし、科学分野としてのフィードバック制御の利点は、それが抽象化に基づいているため、同じツールをさまざまな用途に使用できることです。アドテックの問題の形を変え、ジェットエンジン、自動運転車、発電所の制御システムの開発に使用されているのとまったく同じツールを使用できます。
この論文では、包括的なアプローチをとり、可能な限り第一原理の推論を取り入れています。論文のほとんどは数学ですが、表記に慣れれば、非常にシンプルで直感的です。
ロボット工学のバックグラウンドがあったから、このような考え方ができたのでしょうか？
その通りです。ロボット工学からオンライン広告への移行は大きな変化だったのか、と多くの人から聞かれました。答えは「いいえ」です。私がロボット工学の仕事をしていたときも同じアプローチをとっていたからです。私はビジネス上の問題を数学的な問題に変えました。数学的な問題を解決し、その解決策を実際のシステムに実装しました。これは、まさに私が今行っていることです。抽象化がすべてです。
Amazon Adsで科学者として働いていて印象に残っていることは何ですか？
私の周りには、インパクトを与えたいと切望している賢い人たちがたくさんいます。Amazonの科学コミュニティには、さまざまな学問的背景を持つ人々が集まっています。コンピュータサイエンティストは確かにたくさんいますが、統計学、経済学、フィードバック制御、純粋数学、化学などの分野の人々もいます。
アドテック全般について私が気に入っているのは、非常に分野横断的であるということです。すべてを知ることは不可能です。誰もが何かを持ってきて、常に他の人から学び、解決されるのを待っている興味深い問題にたくさん遭遇します。
Amazonには、新しいアイデアを共有することを心から奨励する文化があります。あなたのアイデアについて多くの質問が寄せられ、通常、あなたが考えていることのメリットについて議論する場面が多々あります。しかし、人々は新しいアイデアを非常に受け入れてくれるので、そのプロセスによって自分の考えを実際に試し、質の高い仕事を提供するうえで役立ちます。とても協力的な組織です。
ご自身の役割において、どのように広告を再考していますか？
オンライン広告は何年も前から存在しています。私たちは長い道のりを歩んできましたが、やるべきことはまだたくさんあります。大局的に見ると、私がこの業界に入ったとき、ユーザーレベルのデータはなく、アルゴリズムは原始的であり、広告主様は自動広告で何ができるかよくわかっていませんでした。
現在、膨大な量のきめ細かなデータがモデリングと最適化に利用できるようになり、最適化と制御のための高度なアルゴリズムが開発され、新しいタイプの広告フォーマットが登場しています。また、今日の広告主様は知識が豊富で要求が厳しいため、優れた費用対効果を期待しています。過去20年間で目覚ましい進歩が見られましたが、私たちの前には、問題を調査して解決するためにさまざまなスキルセットを持つ人々を必要とするものがたくさんあります。機械学習、AI、フィードバック制御、統計学、応用数学のバックグラウンドを持つ人にとっては、Amazon Adsや広告業界でエキサイティングなキャリアを積む機会がたくさんあると思います。