เบื้องหลังงานวิจัย: Niklas Karlsson ใช้การควบคุมฟีดแบ็กเพื่อรับมือกับความต้องการด้านการโฆษณาที่มีความซับซ้อน

วิศวกรรู้ว่าการควบคุมฟีดแบ็กเป็นกระบวนในการปรับระบบและแก้ไขเพื่อให้ได้ผลลัพธ์ที่ต้องการ ตัวอย่างเช่น หุ่นยนต์ไปเจออุปสรรคและเปลี่ยนเส้นทางเอง แนวทางเดียวกันนี้สนับสนุน ผลงานล่าสุด ของ Niklas Karlsson หัวหน้านักวิทยาศาสตร์อาวุโสที่ Amazon Ads ในฐานะอดีตวิศวกรหุ่นยนต์ Niklas ได้ใช้พื้นฐานด้านนี้รวมถึงประสบการณ์เกือบสองทศวรรษด้านเทคนิคการโฆษณาในการจัดการกับปัญหาในการบรรลุเป้าหมายการโฆษณาที่ซับซ้อนให้กับลูกค้า

Niklas สำเร็จการศึกษาระดับปริญญาโทด้านวิศวกรรมและสถิติจากมหาวิทยาลัยแคลิฟอร์เนียที่ซานตาบาร์บาราและ Lund University ในสวีเดน และเขาเป็นสมาชิกสถาบันวิศวกรไฟฟ้าและอิเล็กทรอนิกส์ (IEEE) ในการแสวงหาการเปลี่ยนแปลงตั้งแต่เริ่มแรกที่เขาทำงานด้านหุ่นยนต์ในช่วงต้นทศวรรษ 2000 นั้น Niklas ได้เข้าร่วม Advertising.com เพื่อช่วยปรับปรุงระบบการเพิ่มประสิทธิภาพโฆษณา ความสนใจในเทคโนโลยีโฆษณายังคงมีอยู่ Niklas จึงได้เข้าร่วมงานกับ Amazon ในเดือนกรกฎาคม 2022 ที่นี่เขาได้พูดถึงอาชีพและงานวิจัยล่าสุดของเขาซึ่งได้รับการยอมรับในการประชุม IEEE ครั้งที่ 63 เกี่ยวกับการตัดสินใจและการควบคุม (2023) ในสิงคโปร์

เพราะอะไรคุณถึงร่วมงานกับ Amazon Ads

ผมอยู่ในอุตสาหกรรม การโฆษณาออนไลน์ มาตั้งแต่ปี 2005 และในช่วงต้นปี 2022 ฝ่ายสรรหาบุคลากรได้ติดต่อผมเกี่ยวกับโอกาสที่จะได้ร่วมงานกับ Amazon Ads ผมรู้สึกสนใจแนวคิดในการจัดการกับปัญหาแบบเดียวกันกับที่ผมเคยทำมา แต่เป็นการมาทำที่บริษัทอื่น ่โอกาสในการจะได้ทำงานที่ Amazon นั้นน่าสนใจเป็นอย่างมาก ขนาด ชื่อเสียง และ หลักการความเป็นผู้นำ ที่มีความทะเยอทะยานของ Amazon ไม่ว่าจะเป็นการลงมือทำทันที การคิดใหญ่ การส่งมอบผลลัพธ์ ล้วนตรงกับตัวตนของผม

ขอบข่ายงานวิจัยของคุณเกี่ยวกับอะไร

งานวิจัยของผมสนใจเรื่องการควบคุมฟีดแบ็ก ระบบไดนามิก และการเพิ่มประสิทธิภาพ กฎบัตรของผมที่ Amazon คือการมอบความเชี่ยวชาญด้านอัลกอริทึมสำหรับการเพิ่มประสิทธิภาพและควบคุมแคมเปญการโฆษณาที่จัดการโดย Amazon Demand Side Platform (ADSP) และเพื่อทำให้ ADSP สร้างประโยชน์ให้กับลูกค้าของเรามากขึ้นไปอีก ลูกค้าของเราคือผู้โฆษณาที่ต้องการใช้งบประมาณเพื่อให้บรรลุวัตถุประสงค์บางอย่างของแคมเปญ ตัวอย่างเช่น ผู้โฆษณาอาจติดต่อเราโดยมีงบประมาณรายเดือนจำนวน 100,000 ดอลลาร์ที่จะช่วยให้สามารถสร้างการคอนเวอร์ชันหรือยอดขายให้ได้สูงสุด สิ่งที่ปรารถนาคือการใช้งบประมาณไปได้ตลอดทั้งเดือน ไม่ใช่การใช้ทุกอย่างหมดในวันแรกหรือวันสุดท้าย ข้อจำกัดในการส่งมอบผลลัพธ์เพิ่มเติมเป็นเรื่องปกติ เช่น ครึ่งหนึ่งของจำนวนการแสดงผลของโฆษณาต้องแสดงขึ้นต่อหน้าผู้ใช้เพศหญิง หรือให้ใช้งบไม่เกินจำนวนที่กำหนดโดยเฉลี่ยต่อหนึ่งการคอนเวอร์ชันหรือหนึ่งการแสดงผลโฆษณา การแสดงผลของโฆษณาคือเมื่อโฆษณาปรากฏขึ้นต่อหน้าผู้ใช้

แคมเปญการโฆษณาอาจหมายถึงปัญหาในการเพิ่มประสิทธิภาพหลายมิติที่มีข้อจำกัดสูงมาก ๆ ด้วยคณิตศาสตร์ที่ชาญฉลาดขึ้น จึงทำให้ปัญหานี้สามารถแยกเป็นปัญหาย่อยหลาย ๆ ข้อที่แก้ได้ง่ายกว่าเล็กน้อย วิธีการแก้ปัญหาย่อยต้องใช้เทคนิคขั้นสูงจากแมชชีนเลิร์นนิ่ง การควบคุมฟีดแบ็ก และสถิติ เมื่อใช้ทั้งสามอย่างร่วมกัน ก็จะถูกนำไปใช้ในการคำนวณราคาประมูลที่จะถูกส่งไปและกลายเป็นจำนวนการแสดงผลของโฆษณาในนามของผู้โฆษณา

เล่าเรื่องงานวิจัยของคุณให้เราฟังหน่อย

งานวิจัย ของผมชื่อ “การเพิ่มประสิทธิภาพแคมเปญโฆษณาแบบหลายข้อจำกัดตามลำดับขั้นตามการควบคุมข้อเสนอแนะ” ที่ใช้แก้ปัญหาการเพิ่มประสิทธิภาพที่เคยถูกมองข้ามมาก่อนหน้านี้ โปรดทราบว่าโดยทั่วไปแล้วผู้โฆษณาจะต้องการเพิ่มจำนวน เช่น จำนวนการคอนเวอร์ชันทั้งหมดภายใต้ข้อจำกัดอย่างน้อยหนึ่งข้อ ในอดีต ข้อจำกัดดังกล่าวจะใช้กับงบประมาณแคมเปญทั้งหมด แต่ในช่วงไม่กี่ปีที่ผ่านมา ผู้โฆษณามักกำหนดข้อจำกัดบางอย่างให้กับงบประมาณแคมเปญโดยรวมโดยมีข้อจำกัดอื่น ๆ สำหรับเฉพาะแคมเปญย่อยเท่านั้น แคมเปญย่อยหมายถึงชิ้นงานโฆษณาที่ไม่เหมือนใคร และมีข้อจำกัดของตัวเอง เช่น การใช้จ่าย อัตราส่วนหญิงต่อชาย และค่าใช้จ่ายเฉลี่ยต่อจำนวนการแสดงผลของโฆษณาหรือต่อการคอนเวอร์ชัน

สิ่งที่เกิดขึ้นคือวัตถุประสงค์ของแคมเปญในปัจจุบันมักสอดคล้องกับปัญหาการเพิ่มประสิทธิภาพที่มีข้อจำกัดหลายข้อตามลำดับชั้น นำไปสู่ปัญหาการวิจัยที่น่าสนใจและท้าทาย มีการพัฒนาโซลูชันง่าย ๆ ก่อนการวิจัยของผม แต่โซลูชันนั้นมีข้อจำกัดที่สำคัญและไม่สามารถใช้ได้กับวิสัยทัศน์อันยิ่งใหญ่ของ ADSP งานวิจัยและบทความของผมกล่าวถึงปัญหาแบบองค์รวมโดยการหาโซลูชันที่เหมาะสมทางคณิตศาสตร์ และออกแบบแนวทางการนำโซลูชันไปใช้แบบกระจายศูนย์

งานวิจัยนี้เกิดขึ้นได้อย่างไร

เริ่มต้นด้วยการที่ผมตรวจสอบระบบการเพิ่มประสิทธิภาพ ADSP โดยรวมในช่วงสองสามเดือนแรกที่ผมทำงานที่ Amazon ในระหว่างการตรวจสอบ ผมได้ระบุจุดแข็งและจุดอ่อนของระบบการเพิ่มประสิทธิภาพและสร้างโอกาสในการปรับปรุงการส่งมอบแคมเปญและประสิทธิภาพให้กับผู้โฆษณาของเรา มีจุดอ่อนหนึ่งข้อที่ทำให้ผมต้องคิดหนัก แม้ว่าผมจะรู้ว่ามีสิ่งที่สามารถปรับปรุงได้ แต่ผมก็ยังไม่สามารถอธิบายปัญหาได้ทันที และยังไม่มีวิธีแก้ไขในใจ อย่างไรก็ตาม ช่วงปลายปี 2022 ขณะที่ผมกำลังจะจบโปรเจ็กต์เก่าและยังไม่ได้เริ่มโปรเจกต์ใหม่ ตอนนั้นได้มีเวลาทบทวนมากขึ้น ผมจึงมองเห็นภาพชัดเจนขึ้น และสามารถจัดการรายละเอียดได้ โดยเริ่มจากการนิยามปัญหาอย่างเหมาะสมด้วยคณิตศาสตร์ จากนั้นจึงหาวิธีแก้ไขที่เหมาะสมที่สุดและแนวทางการนำไปใช้อย่างถูกต้อง ผมเตรียมร่างงานวิจัยฉบับแรกในเดือนธันวาคม 2022 และทำการสรุปผลลัพธ์เพิ่มเติมในอีกหลายสัปดาห์ข้างหน้า ขณะที่เอกสารถูกจัดทำจนเกือบเสร็จสมบูรณ์ เราก็เริ่มพัฒนาต้นแบบเพื่อแสดงให้เห็นแนวคิด และผลลัพธ์ที่ได้ก็เป็นไปในทางบวกอย่างมาก มีการพิสูจน์อย่างชัดเจนจนหมดข้อสงสัยแล้วว่า แนวทางแก้ไขนี้ควรถูกนำไปใช้จริงในการผลิต และมีการเผยแพร่อย่างกว้างขวาง ซึ่งขณะนี้ก็ได้เกิดขึ้นแล้ว

คุณเห็น ผลกระทบ แบบไหน

ประการแรก โซลูชันนี้ช่วยให้สามารถควบคุมงบประมาณที่ใช้ในแคมเปญการโฆษณาได้อย่างมีประสิทธิภาพมากขึ้นในทันที การใช้ งบประมาณการโฆษณา ที่สูญเปล่าลดน้อยลง และประสิทธิภาพของแคมเปญถูกวัดผลด้วยตัวชี้วัดต่าง ๆ เช่น ต้นทุนเฉลี่ยต่อการคอนเวอร์ชัน และ ตัวชี้วัดประสิทธิภาพ อื่น ๆ ซึ่งแต่ละตัวมีตัวเลขดีขึ้นหลายเปอร์เซ็นต์

แต่ที่เหนือไปกว่าตัวชี้วัดที่ดีขึ้นก็คือ แนวทางใหม่สามารถรองรับข้อจำกัดด้านการส่งมอบหลากหลายรูปแบบที่ไม่สามารถทำได้ด้วยแนวทางเดิม เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดเท่าที่จะทำได้ ระบบเดิมจึงสามารถใช้งานได้เฉพาะกับแคมเปญที่มีข้อจำกัดแค่เรื่องงบประมาณเพียงเรื่องเดียว ซึ่งหมายความว่าแคมเปญที่มีข้อจำกัดเกี่ยวกับค่าใช้จ่ายต่อการคอนเวอร์ชัน ค่าใช้จ่ายต่อจำนวนการแสดงผลของโฆษณา ต้นทุนต่อคลิก อัตราการเข้าชม อัตราในเป้าหมาย และอื่น ๆ จะไม่สามารถใช้งานได้ ระบบใหม่นี้ใช้งานได้ทั่วไปและรองรับอนาคต อีกทั้งยังสามารถจัดการกับปัญหาที่มีข้อจำกัดหลายระดับแบบมีลำดับชั้นได้อย่างง่ายดาย

แนวทางนี้ มีความโดดเด่น อย่างไร

สิ่งที่ทำให้ระบบใหม่แตกต่างคือวิธีการแบ่งโมดูลของปัญหา และการนำตัวควบคุมแบบป้อนกลับหลายตัวมาทำงานร่วมกันเพื่อแก้ปัญหาย่อยต่าง ๆ ได้เป็นอย่างดีและมีประสิทธิภาพ

ผู้คนรู้สึกทึ่งกับวิธีที่สามารถเปลี่ยนปัญหาทางเทคนิคของโฆษณาที่ซับซ้อนให้กลายเป็นปัญหาการควบคุมได้ เพราะการควบคุมแบบป้อนกลับไม่ได้ถูกนำมาใช้ในลักษณะนี้โดยทั่วไป โดยปกติจะพบในการประยุกต์ใช้กับอากาศยานและหุ่นยนต์เป็นหลัก แต่ความงดงามของการควบคุมแบบป้อนกลับในฐานะศาสตร์หนึ่งคือ มันตั้งอยู่บนพื้นฐานของนามธรรม ซึ่งทำให้สามารถนำเครื่องมือเดียวกันไปประยุกต์ใช้ได้ในหลากหลายบริบท คุณสามารถเปลี่ยนปัญหาจากเทคโนโลยีการโฆษณาให้เป็นรูปแบบที่ช่วยให้คุณสามารถใช้เครื่องมือเดียวกันกับที่ใช้ในการพัฒนาระบบควบคุมสำหรับเครื่องยนต์เจ็ต รถยนต์ขับเคลื่อนด้วยตนเอง และโรงไฟฟ้าได้

ในบทความนี้ ผมใช้แนวทางแบบองค์รวมและนำหลักการแรกในการให้เหตุผลมาใช้ในทุกที่ที่ทำได้ เนื้อหาส่วนใหญ่ในเอกสารเป็นคณิตศาสตร์ แต่เมื่อคุณคุ้นเคยแล้ว ก็จะพบว่ามันค่อนข้างเรียบง่ายและเข้าใจได้ไม่ยาก

ภูมิหลังด้านหุ่นยนต์ของคุณช่วยให้คุณคิดแบบนี้ใช่หรือไม่

แน่นอน หลายคนถามผมว่าการเปลี่ยนจากงานด้านหุ่นยนต์ไปเป็นการโฆษณาออนไลน์เป็นการเปลี่ยนแปลงครั้งใหญ่หรือไม่ ผมบอกว่าไม่ เพราะตอนทำงานด้านหุ่นยนต์ ผมก็ใช้วิธีการเดียวกันนี่แหละ ผมใช้ปัญหาทางธุรกิจมาเปลี่ยนเป็นปัญหาทางคณิตศาสตร์ ผมแก้ปัญหาทางคณิตศาสตร์ จากนั้นก็ใช้โซลูชันในระบบจริง นั่นคือสิ่งที่ผมกำลังทำตอนนี้ มันเป็นเรื่องนามธรรม

อะไรคือสิ่งสำคัญสำหรับคุณเกี่ยวกับการทำงานในบทบาท นักวิทยาศาสตร์ที่ Amazon Ads

ผมได้ทำงานร่วมกับคนเก่งมากมายที่มีความหิวกระหายที่จะสร้างผลลัพธ์ที่ดี ในชุมชนนักวิทยาศาสตร์ของ Amazon มีผู้คนที่มีพื้นฐานทางวิชาการที่หลากหลายเข้ามามีส่วนร่วม แน่นอนว่ามีนักวิทยาศาสตร์คอมพิวเตอร์อยู่มากมาย แต่ก็ยังมีผู้เชี่ยวชาญจากสาขาอื่น ๆ เช่น สถิติ เศรษฐศาสตร์ การควบคุมแบบป้อนกลับ คณิตศาสตร์บริสุทธิ์ เคมี และอีกมากมาย เรียกได้ว่าหลากหลายสาขาจริง ๆ

สิ่งที่ผมชอบเกี่ยวกับเทคโนโลยีการโฆษณาคือมันมีหลากหลายสาขาวิชามาก เราไม่สามารถรู้ทุกอย่างได้ ทุกคนล้วนมีสิ่งที่นำมาร่วมแชร์ และคุณจะได้เรียนรู้จากผู้อื่นอยู่เสมอ รวมถึงได้พบกับปัญหาที่น่าสนใจมากมายที่รอให้คุณเข้าไปแก้ไข

Amazon นำเสนอวัฒนธรรมที่คุณจะได้รับการสนับสนุนให้แบ่งปันความคิดใหม่ ๆ อย่างแท้จริง คุณจะได้รับคำถามมากมายเกี่ยวกับแนวคิดของคุณ และโดยทั่วไปจะมีการแลกเปลี่ยนความคิดเห็นกันอย่างเข้มข้น เพื่อถกเถียงถึงข้อดีข้อเสียของสิ่งที่คุณคิดไว้ แต่ผู้คนเปิดรับแนวคิดใหม่ ๆ อย่างมาก และกระบวนการนี้ก็ช่วยให้คุณได้ทดสอบความคิดของตัวเองอย่างจริงจัง และสร้างผลงานที่มีคุณภาพสูงออกมาได้ ที่นี่เป็นองค์กรที่มีระบบการสนับสนุนที่ดีมาก

คุณจะ พลิกโฉมการโฆษณา อย่างไรในบทบาทหน้าที่ของคุณ

การโฆษณาออนไลน์มีมานานหลายปีแล้ว เรามาไกลมาก แต่ก็ยังมีอะไรอีกมากมายที่ต้องทำ เพื่อให้เห็นภาพชัดเจน ตอนที่ผมเข้าวงการนี้ ไม่มีคำว่าข้อมูลระดับผู้ใช้ อัลกอริทึมยังเป็นแบบโบราณ และผู้โฆษณายังไม่เข้าใจว่าการโฆษณาอัตโนมัติจะทำอะไรให้พวกเขาได้บ้าง

แต่ตอนนี้มีข้อมูลเชิงละเอียดจำนวนมากสำหรับการสร้างแบบจำลองและการเพิ่มประสิทธิภาพ มีการพัฒนาอัลกอริทึมขั้นสูงสำหรับการเพิ่มประสิทธิภาพและการควบคุม และรูปแบบโฆษณาประเภทใหม่หลายประเภทก็ได้เกิดขึ้น นอกจากนี้ผู้โฆษณาในปัจจุบันมีความชาญฉลาดและเอาใจยาก และพวกเขาคาดหวังผลตอบแทนที่ดีจากการลงทุน แม้จะมีความก้าวหน้าอย่างมากในช่วง 20 ปีที่ผ่านมา แต่ข้างหน้าเรายังมีอีกหลายเรื่องที่จะต้องใช้คนที่มีชุดทักษะที่หลากหลายในการวิจัยและแก้ปัญหา สำหรับผู้ที่มีพื้นฐานด้านแมชชีนเลิร์นนิ่ง ปัญญาประดิษฐ์ การควบคุมแบบป้อนกลับ สถิติ และคณิตศาสตร์ประยุกต์ ผมเชื่อว่าจะมีโอกาสมากมายในการเติบโตในสายอาชีพที่น่าตื่นเต้น ทั้งที่ Amazon Ads และในอุตสาหกรรมการโฆษณาโดยรวม