متا بینشی را در مورد فرآیند هدف‌یابی تبلیغات مبتنی بر هوش مصنوعی خود به اشتراک می‌گذارد

متا بینش‌های جدیدی را در مورد سیستم‌های هدف‌یابی تبلیغات در حال تکامل خود به اشتراک گذاشت و اینکه چگونه ظرفیت پردازش هوش مصنوعی در حال گسترش آن از طریق تطبیق علایق، نتایج بهتری را برای تبلیغ‌کنندگان به ارمغان می‌آورد.

و تبلیغ کنندگان متوجه شدند. بیشتر و بیشتر شرکای تبلیغاتی متا عملکرد بهبود یافته ای را گزارش می دهند، هدف گذاری هوش مصنوعی به آنها کمک می کند مشتریانی را پیدا کنند که در غیر این صورت از دست می دادند.

متا در بررسی جدید خود، بینش بیشتری در مورد نحوه عملکرد سیستم و چگونگی بهبود عملکرد گسترده‌تر در تمام تبلیغات متا از طریق بهبود مستمر ارائه می‌کند.

همانطور که متا توضیح داد:

“را مدل توصیه تولید آگهی (GEM) پیشرفته ترین مدل تبلیغات متا است که بر اساس الگوی الهام گرفته از LLM ساخته شده و بر روی هزاران پردازنده گرافیکی آموزش دیده است. این بزرگ‌ترین مدل پایه صنعت برای سیستم‌های توصیه‌گر (RecSys) است که در مقیاس مدل‌های زبانی بزرگ آموزش دیده‌اند.»

برای روشن بودن، متا سال‌هاست که از هدف‌یابی تبلیغات ماشینی پیشرفته استفاده می‌کند، با مقادیر زیادی داده در مورد علاقه و تعامل مخاطب، که به متا امکان می‌دهد علایق کاربران را با دقت بیشتری شناسایی کند و تبلیغات مرتبط را بر اساس آن نمایش دهد.

در واقع، قبل از اینکه آخرین موج ابزارهای هوش مصنوعی وارد بازار شود، متا قبلاً از همین رویکرد هدف‌گیری مبتنی بر LLM برای سال‌ها استفاده می‌کرد، اما چارچوب‌بندی مجدد پردازش داده‌های مقیاس‌پذیر به عنوان “AI” پارادایم در مورد چگونگی این درک را تغییر داده است.

اساساً متا به دلیل تسهیل هدف‌گیری روان‌شناختی بر اساس داده‌هایی که از 3 میلیارد کاربر خود دارد، از جمله صفحاتی که آنها دوست دارند، افرادی که با آنها مرتبط هستند، علایق، ویژگی‌ها و غیره مورد انتقاد قرار گرفته است.

اما اکنون همه اینها نه تنها تحت عنوان “AI” عمل قابل قبولی است، بلکه داده های متا نیز یک مزیت بزرگ در نظر گرفته می شود. و با در نظر گرفتن این موضوع، پس از غلبه بر آن همه واکنش‌ها، می‌توانید ببینید که چرا زاکربرگ اینقدر مشتاق است که عنوان یک رهبر در فضای هوش مصنوعی را به خود اختصاص دهد.

متا می گوید آخرین مدل GEM آنها نشان دهنده پیشرفت قابل توجهی در سیستم های هدایت است. با استفاده از «مقیاس‌سازی مدل معماری پیشرفته، تکنیک‌های پس از یادگیری برای انتقال دانش، و بهبود زیرساخت یادگیری برای پشتیبانی از مقیاس‌پذیری».

“این نوآوری‌ها به طور موثر عملکرد تبلیغات را افزایش می‌دهند، اشتراک دانش کارآمد را در مجموعه مدل‌های تبلیغاتی امکان‌پذیر می‌سازند، و استفاده از هزاران GPU را برای آموزش بهینه می‌کنند. GEM به تغییر الگو در تبلیغات RecSys منجر شده است، عملکرد تبلیغات را در سراسر قیف – آگاهی، تعامل و تبدیل – با بهینه‌سازی مشترک اهداف مصرف‌کننده و تبلیغ‌کننده، تغییر داده است.”“

به طور خلاصه: افراد بیشتری روی تبلیغات کلیک می کنند، مشتریان تبلیغاتی بیشتری چیزهایی را می فروشند.

از نظر مشخصات عملکرد، متا می گوید که سیستم به روز شده آن اکنون به شرح زیر است:

• 4 برابر موثرتر در افزایش عملکرد تبلیغات برای مقدار معینی از داده ها و با توجه به مدل های اصلی آن برای رتبه بندی توصیه های تبلیغاتی محاسبه کنید.
• 2 برابر موثرتر در انتقال دانش، کمک به بهینه سازی عملکرد تبلیغات گسترده تر.
• سریعتر و کارآمدتر بر اساس ظرفیت محاسباتی بیشتر، امکان مقیاس بندی کارآمدتر نتایج تبلیغات را فراهم می کند.

GEM بر روی محتوای تبلیغات و داده‌های تعامل کاربر از تبلیغات و تعاملات ارگانیک آموزش دیده است. از این داده‌ها، ویژگی‌هایی را استخراج می‌کنیم که آنها را به دو گروه دسته‌بندی می‌کنیم: ویژگی‌های دنباله‌ای (مانند سابقه فعالیت) و ویژگی‌های غیر توالی (مانند ویژگی‌های کاربر و آگهی – مانند سن، مکان، قالب آگهی، و خلاق). هم عمق و هم برد هر بلوک توجه که کارایی 4 برابر مدل های نسل قبلی ما را فراهم می کند.“

بنابراین سیستم تبلیغات متا اکنون ظرفیت سیستماتیک تری دارد و به آن امکان می دهد اطلاعات بیشتری را پردازش کند و نشانه های داده مرتبط بیشتری را پیدا کند و در نتیجه عملکرد تبلیغات را بهبود بخشد.

که در داده های عملکرد نیز منعکس می شود.

متا قبلاً به اشتراک گذاشته بود که تبلیغ‌کنندگانی که از گزینه‌های مختلف هدف‌یابی تبلیغات مبتنی بر هوش مصنوعی استفاده می‌کنند، عملکرد تبلیغاتی را به‌طور قابل‌توجهی بهبود داده‌اند، در حالی که برنامه‌هایی را برای خودکارسازی کل فرآیند ایجاد تبلیغات، با استفاده از این سیستم‌های در حال تکامل برای اساساً ایجاد تبلیغات، بهینه‌سازی هدف‌گذاری و مدیریت بودجه‌تان بدون نیاز به انجام کاری جز وارد کردن URL محصول خود، آشکار کرده است.

متا تا چه اندازه به سیستم‌های تبلیغاتی خود برای بهبود عملکرد در طول زمان ایمان دارد.

سیستم GEM متا در کنار معماری شبکه متا و مدل‌های آندرومدا کار می‌کند که نقش خود را در بهینه‌سازی هدف‌یابی متا تبلیغات شما ایفا می‌کنند.

• Lattice چیزی است که متا آن را “کتابخانه تبلیغاتی” خود می نامد که رتبه بندی تبلیغات را تقویت می کند و از مکان بهینه برای هر کمپین اطمینان می دهد.
• Andromeda مدل شخصی سازی متا است که ارتباط آگهی را بر اساس سابقه تعامل و علایق هر کاربر تضمین می کند.

در مجموع، این سیستم‌ها با استفاده از مجموعه فناوری‌های رو به رشد متا برای کسب اطلاعات بیشتر در مورد اولویت‌های هر کاربر و بهبود هدف‌یابی، ارتباط تبلیغات بیشتری را ارائه می‌کنند.

که باز هم در مقیاس متا به معنای پردازش یک دسته از نقاط داده است که می تواند به نتایج تبلیغاتی بسیار دقیق و بسیار ارزشمندی منجر شود.

منظورم این است که در سال 2015، گزارش‌ها حاکی از آن است که فیس‌بوک قبلاً داده‌های کافی برای استنباط تقریباً هر چیزی در مورد شما بر اساس فعالیت شما در برنامه دارد.

این ظرفیت توسط جدیدترین مدل‌های هوش مصنوعی تقویت می‌شود و در نتیجه عملکرد تبلیغاتی بهتری را در سراسر جهان به ارمغان می‌آورد.

نگاهی به ظرفیت متا در این زمینه جالب است و شاید ارزش داشته باشد که گزینه‌های تبلیغاتی متا مبتنی بر هوش مصنوعی را از طریق Advantage+ امتحان کنید تا ببینید چه نتایجی به دست می‌آورید.