پیش‌بینی تعداد کلیک‌ها توی تبلیغات دیجیتال با روش‌های خفن و توضیح قابل فهم!

Fall Back

ببین یه موضوع خیلی باحال توی دنیای تبلیغات دیجیتال اینه که بخوایم بفهمیم قراره مردم چند تا روی تبلیغاتمون کلیک کنن. این کار واسه برنامه‌ریزی کمپین‌های تبلیغاتی و اینکه آخرش چقدر قراره پول دربیاریم خیلی مهمه!

تا حالا بیشتر مدل‌هایی که استفاده می‌شه همون مدل‌های سری‌زمانی هستن، یعنی مدل‌هایی که فقط با عدد و رقم کار دارن و فقط داده‌های تاریخی کلیک رو بررسی می‌کنن. اما یه عالمه اطلاعات خفن دیگه مثل متن‌هایی که تو تبلیغات استفاده می‌شن (مثلاً تغییر کلمه‌ی کلیدی یا keyword updates که یعنی عوض کردن کلمه‌هایی که می‌خوای روشون تبلیغ کنی تا توجه بیشتری جلب شه) رو هیچ نگاهی بهشون نمی‌ندازن!

حالا توی این مقاله اومدن یه چارچوب پیش‌بینی جدید معرفی کردن که خیلی هوشمندانه است. اسمش «چند-رسانه‌ای» یا multimodal هست؛ یعنی نه فقط داده‌های عددی، بلکه متن‌ها و نوشته‌هایی که توی لاگ کمپین‌ها ثبت می‌شه هم استفاده می‌کنه. لاگ یعنی همون گزارش‌هایی که روند کمپین رو ذخیره می‌کنن.

نکته جذابش اینه که علاوه‌بر پیش‌بینی تعداد کلیک، یه جور توضیح انسانی و قابل فهم هم بهت می‌ده که چرا همچین عددی رو گفته! دیگه لازم نیست فقط به الگوریتم اعتماد کنی و نمی‌دونی چی توی ذهنش گذشته؛ خودش دلیلش رو می‌گه.

برای اینکه بتونن از این داده‌های متنی (textual data) هم خوب سر دربیارن، اومدن سراغ یک تکنیک جدید به اسم reinforcement learning، یعنی یادگیری تقویتی. این روش مثل این می‌مونه که مدل جایزه و جریمه می‌گیره و خودش یاد می‌گیره چجوری اطلاعات متنی و عددی رو با هم قاطی کنه و بهترین نتیجه رو بگیره.

نتیجه چطور بوده؟ از یه دیتاست خیلی بزرگ و واقعی که توی صنعت تبلیغات استفاده می‌شه برای آزمایش کارشون استفاده کردن و نشون دادن که مدلشون نه فقط تو پیش‌بینی تعداد کلیک، بلکه توی توضیح دادنِ دلیلش که بهش می‌گن quality of reasoning (یعنی کیفیت توضیح علّت‌ها)، از بقیه مدل‌های معمولی خیلی بهتر عمل می‌کنه.

خلاصه که این کار باعث می‌شه کمپین‌های تبلیغاتی دقیق‌تر برنامه‌ریزی بشن، مدیرها بهتر بفهمن که پشت پرده‌ی پیش‌بینی‌ها چی می‌گذره و در نهایت هم احتمالا پول بیشتری درمیاد! اگه تو حوزه تبلیغات و دیتا کار می‌کنی یا به هوش مصنوعی علاقه داری، این مدل جدید خیلی می‌تونه کارت رو خفن‌تر کنه.

منبع: +