Microsoft ने हाल ही में घोषणा की थी कि असफल अधिग्रहण पर वह $ 6.2 बिलियन का एक बड़ा पुरस्कार ले रहा है। यह समाचार और उनके आईपीओ नाटक के बाद फेसबुक के बिजनेस मॉडल की छानबीन से पता चलता है कि ऑनलाइन विज्ञापन में, यह लक्ष्यीकरण के बारे में है।

जैसा कि यह रायटर विश्लेषण बताता है, ऑनलाइन विज्ञापन स्थान इतना है कि केवल इंटरनेट पर बिलबोर्ड लगाने से कोई आकर्षक व्यवसाय नहीं रह जाता है। इस बीच, Google ऐडवर्ड्स 2011 में राजस्व में $ 36B से अधिक की आय अर्जित कर रहा है। महत्वपूर्ण अंतर है? लक्ष्य करते हुए। Google के परिष्कृत विज्ञापन-लक्षित एल्गोरिदम उपयोगकर्ता के लिए प्रासंगिकता को बढ़ाते हैं, और इसलिए उपयोगकर्ता द्वारा किसी विज्ञापन पर क्लिक करने की संभावना बढ़ जाती है। यह वह है जो बैनर विज्ञापनों की तुलना में ऐडवर्ड्स को इतना अधिक प्रभावी बनाता है।

तो हर कोई सिर्फ अपने लक्ष्यीकरण में सुधार क्यों नहीं कर रहा है? दुर्भाग्य से, यह इतना आसान नहीं है। विज्ञापन लक्ष्यीकरण एक कठिन कृत्रिम बुद्धिमत्ता (एआई) समस्या है, और जब आप सहमत नहीं हो सकते कि यह एक योग्य है, तो इसके लिए बहुत अधिक तकनीकी भारी उठाने की आवश्यकता है। यहाँ पर क्यों:

एल्गोरिथ्म

एक लक्ष्यीकरण एल्गोरिथ्म आपको उस छाप के बारे में सब कुछ पता चलता है – खोज कीवर्ड, स्थान, जनसांख्यिकी, पिछली उपयोगकर्ता गतिविधि, दिन का समय, विज्ञापन का पिछला सीटीआर (क्लिकथ्रू दर) और इतने पर – और लाखों उम्मीदवारों में से चुनने के लिए इसका उपयोग करता है। विज्ञापन दिखाने के लिए। और यह एक सेकंड के एक अंश में करना है। यह कोई तुच्छ समस्या नहीं है। क्या आप सोच सकते हैं, आप इसे कैसे कर सकते हैं? यदि हां, तो मैं आपसे डेटा साइंटिस्ट की भूमिका के बारे में बात करना चाहूंगा

विज्ञापन लक्ष्यीकरण वेब खोज के समान कुछ हद तक प्रासंगिक समस्या है: सूचना का एक विशाल भंडार दिया गया है, और जो कुछ भी हम उपयोगकर्ता के लिए देख रहे हैं, उसके बारे में जो कुछ भी जानते हैं, वह सबसे अधिक प्रासंगिक जानकारी ढूंढता है और उसे वापस करता है। जबकि एल्गोरिदम समान नहीं हैं, और वास्तव में Google के पास पूरी तरह से अलग-अलग डिवीजन हैं जो प्रत्येक समस्या को हल करते हैं, दोनों तकनीकी और नैतिक कारणों से, कठिनाई समान है।

मूल रूप से, यहां तक ​​कि विज्ञापन लक्ष्यीकरण से निपटने के लिए, आपको मशीन लर्निंग, सूचना पुनर्प्राप्ति या अन्य एआई क्षेत्रों में पीएचडी के साथ शीर्ष पायदान डेटा वैज्ञानिकों की आवश्यकता है। यदि आप किसी भी समय स्टार्टअप पर बिताए हैं, तो आप जानते हैं कि इन लोगों को नियुक्त करना कितना कठिन है।

आँकड़े

यहां तक ​​कि एक बार जब आपके पास एक एल्गोरिथ्म होता है, तो यह डेटा के बिना बहुत उपयोग नहीं होता है। जितना अधिक आप उपयोगकर्ता के बारे में जानते हैं, उतना ही सटीक आपका एल्गोरिथ्म हो सकता है। यह केवल उस स्पष्ट कारण के लिए नहीं है जिसके लिए आपको लक्ष्य करने के लिए कुछ चाहिए, बल्कि इसलिए भी कि आपको अपने एल्गोरिथ्म को प्रशिक्षित करने की आवश्यकता है। मशीन लर्निंग एल्गोरिदम तथाकथित हैं, क्योंकि वे एक पुनरावृत्ति प्रक्रिया के माध्यम से अनुकूलित करते हैं: आप उन्हें अपेक्षित परिणामों के साथ, प्रशिक्षण डेटा का एक सेट खिलाते हैं, और वे धीरे-धीरे अपनी सटीकता को बढ़ाते हैं, मानव सीखने के अनुरूप।

आप जिस तरह का डेटा इकट्ठा कर सकते हैं, वह काफी हद तक आपके द्वारा प्रदान की गई उपभोक्ता सेवा पर निर्भर करता है: Google आपके वर्तमान इरादों के बारे में, आपके खोज कीवर्ड के माध्यम से बहुत कुछ जानता है। फेसबुक आपके संदर्भ के बारे में, आपकी सामाजिक गतिविधि के माध्यम से बहुत कुछ जानता है। विज्ञापन लक्ष्यीकरण की बात करें तो अब तक आशय संदर्भ से अधिक मूल्यवान प्रतीत होता है। लेकिन पवित्र कब्र दोनों के पास है, जो आंशिक रूप से Google+ को समझाती है।

सटीक लक्ष्यीकरण के लिए आपको बहुत अधिक डेटा की आवश्यकता होती है, विशेष रूप से वर्तमान इरादे के बारे में, और यह किसी भी लेकिन सबसे सफल सेवाओं के लिए आना मुश्किल है।

सिस्टम

मान लें कि आपके पास एल्गोरिदम और डेटा हैं, फिर भी आपको समस्या है कि उन्हें कुशलतापूर्वक कैसे लागू किया जाए। जब आप श्रमसाध्य रूप से यह पता लगाते हैं कि आप कौन से विज्ञापन दिखाना चाहते हैं, तो आप अपने उपयोगकर्ता को प्रतीक्षा नहीं कर सकते। विज्ञापन सिस्टम से आमतौर पर कुछ सौ मिलीसेकंड के भीतर परिणाम लौटने की उम्मीद की जाती है। इसे बंद करने के लिए बहुत बड़ी, बहुत जटिल वितरित प्रणालियां लगती हैं। उदाहरण के लिए, Google का SmartASS सिस्टम, उन सर्वोत्तम-इंजीनियर प्रणालियों में से एक है जिसका मैंने कभी सामना किया है। इस परिष्कार के सिस्टम का निर्माण मुश्किल है।

पुण्य त्रिमूर्ति

सभी अक्सर, ऑनलाइन विज्ञापन एक शून्य-राशि का खेल है। उपयोगकर्ता के लिए जितने अधिक घुसपैठ वाले प्रदर्शन विज्ञापन होते हैं, उतना ही अधिक लाभ विज्ञापनदाता को होता है। और एक CPI (कॉस्ट-पर-इंप्रेशन) प्रतिमान में, विज्ञापन प्रकाशक विज्ञापनदाता के पक्ष में है।

लेकिन मजबूत लक्ष्यीकरण और CPC (मूल्य-प्रति-क्लिक) बिलिंग के साथ, एक पुण्य त्रिमूर्ति उभरती है: एक विज्ञापन जितना अधिक प्रासंगिक होता है, उपयोगकर्ता उतना ही अधिक खुश होता है, और विज्ञापन पर क्लिक करने की अधिक संभावना होती है। इससे विज्ञापनदाता को अधिक जुड़ाव मिलता है, और विज्ञापन प्रकाशक (जिसे प्रति क्लिक भुगतान किया जाता है) को अधिक धन मिलता है। सभी तीन प्रतिभागियों को बेहतर लक्ष्यीकरण द्वारा प्रोत्साहित किया जाता है, और सभी निर्मित मूल्य में हिस्सा लेते हैं। बैनर विज्ञापनों के साथ वेब को स्पैम करने के बजाय, इस गुणकारी ट्रिनिटी को बनाना, ऑनलाइन विज्ञापन में वास्तव में सफल होने के लिए है।

विज्ञापन लक्ष्यीकरण प्राप्त करने के लिए आपको अत्याधुनिक एल्गोरिदम, परिष्कृत प्रणालियों और प्रासंगिक डेटा के पहाड़ों के संयोजन की आवश्यकता है। इन सभी को जगह देने के लिए एक विश्व स्तरीय इंजीनियरिंग टीम, सही उत्पाद और बहुत सारे उपयोगकर्ताओं की आवश्यकता होती है। कई कंपनियों के पास ये सभी संपत्तियां नहीं हैं।

हालाँकि Microsoft करता है, जो इस हालिया समाचार को कुछ हद तक हैरान करता है। मेरा अनुमान है कि केवल कुछ करने की क्षमता पर्याप्त नहीं है। चाहे आप वास्तव में वहाँ से बाहर निकलें और इसे करें या न करें $ 6.2B प्रश्न है।