काग़ज़ के पीछे: केली पॉलसन एल्गोरिथम की मदद से बिजनेस यूनिट में सीखने के मौके खोजती हैं.

केली पॉलसन ग्रेजुएशन के बाद Amazon में काम करने लगीं. उन्होनें कैलिफ़ॉर्निया विश्वविद्यालय, सैन डिएगो से अर्थशास्त्र में पीएचडी की थी और शुरू में उसे यह नौकरी बस एक मज़ेदार चीज़ लगी थी, जिसे वह आगे कुछ और करने से पहले करना चाहती थीं. लेकिन उन्हें ये इतना पसंद आया कि वो छोड़ नहीं पाईं और 11 साल बाद, वह Amazon Ads में इकोनॉमिस्ट्स और एप्लाइड साइंटिस्ट्स की सीनियर मैनेजर हैं. बजट आवंटन के लिए मल्टी-टास्क कॉम्बिनेटरियल बैंडिट्स नाम का पेपर जिसका उन्होनें सह-लेखन किया, उसने 2024 AdKDD सम्मेलन में सर्वश्रेष्ठ पेपर का ख़िताब जीता. यहाँ केली ने Amazon Ads पर पेपर और उनके काम के बारे में चर्चा की.

2013 में मैं Amazon Kindle टीम में शामिल हुई थी, जब हाल ही मैंने अपना रिसर्च पेपर पूरा किया था. यह पहला साल था जब Amazon ग्रेजुएट स्कूल से सीधे जूनियर अर्थशास्त्रियों की भर्ती कर रहा था. मैं डेटा के प्रति आकर्षित थी. मैं यह जानने के लिए सांख्यिकीय तकनीकों पर काम कर रही थी कि लोग किस तरह चुनाव करते हैं. निश्चित रूप से, Amazon के पास पहले से ही चुनाव करने वाले लोगों की दुनिया का सबसे बड़ा डेटा सेट था.

उस समय, मेरे पास तकनीक, सरकार और शिक्षा जगत में नौकरी के प्रस्ताव थे, और मुझे सिएटल में लंबे समय तक रहने की उम्मीद नहीं थी. लेकिन चूंकि मुझे Amazon के समृद्ध डेटा के साथ व्यावहारिक अनुभव पाने करने में दिलचस्पी थी, इसलिए मैंने सोचा कि मैं अपने बाक़ी के ऑफ़र को टाल दूँगी और एक साल के लिए कुछ मज़ेदार काम करुँगी. उस साल के अंत तक, मुझे काम बहुत पसंद आया और मैंने रुकने का फैसला किया. मैं Amazon के उस भाग का हिस्सा होना चाहती थी, जहाँ ज़्यादा लोग सोच रहे थे कि वास्तव में बड़े डेटा सेट से जानकारी कैसे निकाली जाए. इसलिए मैं मेजरमेंट पर काम करने वाली पहले वैज्ञानिक के रूप में Amazon Ads से जुड़ गयी.

मैंने यह समझने पर ध्यान केंद्रित किया कि कस्टमर ऐड से कैसे प्रभावित थे और उस जानकारी को एडवरटाइज़िंग ऑप्टिमाइज़ेशन सिस्टम तक कैसे पहुँचाया जाए. Amazon के यूनीक सिग्नल हमारे वैल्यू प्रपोज़िशन के केंद्र में हैं. अगर कोई ख़रीदार जूतों का ऐड देखता है, तो क्या संभावना है कि वो जूते ख़रीद ले? अगर कल हमारे पास एक जैसे ख़रीदार को वही ऐड दिखाने का अवसर है, तो क्या हमें ऐसा करना चाहिए?

लेकिन इसका एक महत्वपूर्ण हिस्सा यह था कि हम इनसाइट को इस तरह से सारांशित कर सकते हैं जो एडवरटाइज़र के लिए कारगर हो. क्या हम उनके लिए इनवेस्टमेंट पर कारगर फ़ायदा दे सकते हैं? बैक-टू-स्कूल कैम्पेन से उन्हें क्या सीखने को मिल सकता है जिसका इस्तेमाल वे छुट्टी के कैम्पेन के लिए कर सकते हैं?

ये शुरुआती दौर था, जब हम इस सोच रहे थे कि Amazon किस तरह ख़रीदारों और एडवरटाइज़र दोनों के लिए ऑप्टिमाइज़ कर सकता है, जिसमें एडवरटाइज़र को सही समय पर ख़रीदारों तक ज़्यादा कारगर कॉन्टेंट पहुँचाने में मदद करना शामिल था.

मेरा बैकग्राउंड इकॉनोमेट्रिक थ्योरी में है, जिसमें क्वांटिटेटिव मार्केटिंग में कारण आधारित मॉडल पर विशेष ध्यान दिया गया है. पिछले कुछ सालों में, मेरी दिलचस्पी इस बात में बढ़ी है कि कैसे एक असरदार कारण-आधारित सिग्नल बनाया जाए और उसे मार्केटिंग से जुड़े फ़ैसले लेने वाले बड़े सिस्टम में कैसे डाला जाए.

कारण के मेजरमेंट और रीइन्फ़ोर्समेंट लर्निंग का ऐसा मेल Amazon में ही देखने को मिलता है, जो कि बहुत ही ख़ास है. हमारे पास इतना बड़ा पैमाना है कि हमें फ़ैसला लेने के लिए रीइन्फ़ोर्समेंट सीखने जैसे बहुत सारे टूल इस्तेमाल करने की ज़रुरत है. हम डेटा पर बहुत ध्यान देते हैं, और हम ये जानना चाहते हैं कि किसी चीज़ के होने का असली कारण क्या है, सिर्फ़ सम्बंधित होने के सिग्नल नहीं है.

दूसरी कंपनियां अक्सर एक या दूसरे पहलू पर ही ध्यान केंद्रित करती हैं. इंटरसेक्शन बहुत ही दिलचस्प है और भविष्य में हर जगह होगा. Amazon उस क्षेत्र में सबसे आगे है.

टेक इंडस्ट्री में जैसा कि अक्सर होता है, हम अपने नए प्रोडक्ट को बाहरी मार्केट में बेचने से पहले, Amazon की अपनी ज़रूरतों के हिसाब से टेस्ट करते हैं ताकि उनकी कमियों और खूबियों का पता चल सके. मैं Ads विभाग में हूँ, लेकिन मैं ऐड के अलावा, Amazon के कई अलग-अलग व्यवसायों के लिए मार्केटिंग का काम करती हूँ. उदाहरण के लिए, हो सकता है कि हम नई Prime Video सीरीज़ के बारे में कॉन्टेंट स्ट्रीमर्स की जागरूकता बढ़ाना चाहें या छुट्टियों में डील के बारे में ख़रीदारों की जागरूकता बढ़ाना चाहें.

इसलिए मेरी टीम अपने मार्केटिंग उद्देश्यों को पूरा करने के लिए Amazon Ads के प्रोडक्ट का इस्तेमाल करके Amazon के आंतरिक बिज़नेस को सपोर्ट करती है. हमारी टीम अलग-अलग तरह के लोगों से बनी है, जिसमें मार्केटिंग के जानकार लोग हैं, जिनके बिज़नेस लीडरों के साथ अच्छे संबंध हैं. इसके अलावा, हमारी टीम में वैज्ञानिक और इंजीनियर भी हैं. साथ मिलकर हम एडवरटाइज़िंग सिस्टम में एल्गोरिदम का इस्तेमाल करने और ऐसे पैटर्न देखने के मौक़ों की पहचान करते हैं जिन्हें दूसरे लोग नहीं देख सकते हैं.

इस पेपर का उद्देश्य यह देखना था कि क्या हम एल्गोरिथम द्वारा अलग-अलग प्रोडक्ट की जानकारी का विश्लेषण करके कुछ सीख सकते हैं. हम दिखाते हैं कि रीइन्फ़ोर्समेंट लर्निंग तकनीकों के इस्तेमाल से, हम एक प्रोडक्ट को दूसरे प्रोडक्ट के सीखे हुए ज्ञान का इस्तेमाल करके बेहतर परफ़ॉर्मेंस करने में मदद कर सकते हैं और वो भी बिलकुल रियल-टाइम में. हम इस एल्गोरिथम को रोज़ाना चला रहे हैं.

उदाहरण के लिए, हमारे पास पहले से ही अलग-अलग डिवाइसों के लिए मार्केटिंग कैम्पेन हैं और अब हम छुट्टियों के दौरान एक नया डिवाइस लॉन्च कर रहे हैं. हम कहाँ से शुरू करें? यह एल्गोरिथम एक ऐसा तरीक़ा है जिससे हम मौजूदा डिवाइसों के लिए की गई अन्य मार्केटिंग से जो कुछ भी जाना जाता है उसे ले सकते हैं और ऑप्टिमाइज़ किए हुए सेटअप के साथ नया कैम्पेन शुरू कर सकते हैं.

अहम बात ये है कि परफ़ॉर्मेंस में अच्छा खासा सुधार देखने को मिला है. AdKdD सम्मेलन में, कई अन्य पेपर में क्लिक-थ्रू रेट में 2% या 3% की सुधार की बात कही गयी. कुल क्लिक में हमारा सुधार औसतन 18% रहा. हमने प्रति-क्लिक-लागत में 12.7% की कमी भी दिखाई.

इससे पता चलता है कि भले ही हम चाहें कि प्रोडक्ट आपस में तालमेल से काम करें, ये बहुत मुश्किल है. इसलिए, ऐसे एल्गोरिदम का व्यवस्थित तरीक़े से इस्तेमाल करके प्रोडक्ट को एक-दूसरे से सीखने में मदद करने का बहुत बड़ा मौका है. अलग-अलग प्रोडक्ट के मार्केटिंग एक्सपर्ट "लंच और लर्न" में एक दूसरे से अपनी सीखी हुई बातें शेयर कर सकते हैं और काम करने के बहतरीन तरीक़े बना सकते हैं - लेकिन इंसानों का आपस में मिलकर काम करना महंगा पड़ता है और तेज़ी से बदलती इंडस्ट्री में, बारीक़ इनसाइट को अपडेट रखना मुश्किल होता है. इस तरीक़े से, कंपनियां सिद्धांतों के आधार पर और व्यवस्थित रूप से काम करके अपने तालमेल को और अपनी कुशलता को बढ़ा सकती हैं.

सिर्फ़ टेक कंपनियों में ही नहीं, और भी कई बड़ी-बड़ी कंपनियां हैं जिनकी मार्केटिंग की ज़रूरतें काफ़ी जटिल होती हैं और जिनका कामकाज पूरी दुनिया में होता है. कई अकादमिक लेख सिर्फ़ बिजनेस की समस्या के कुछ हिस्सों पर ही बात करते हैं, पूरे मसले पर नहीं. तो ये बहुत अच्छी बात है कि अगर आपकी कंपनी के कई अलग-अलग प्रोडक्ट्स हैं, तो आप रीइन्फ़ोर्समेंट लर्निंग का इस्तेमाल करके अपने सारे बिजनेस को एक ही दिशा में ले जा सकते हैं.

तीन ग्रेजुएट छात्रों ने, अपनी पीएचडी के दौरान, इस पेपर पर इंटर्न के तौर पर हमारे साथ काम किया. और उन तीनों को Amazon से ऑफ़र मिले; दो पहले ही शुरुआत कर चुके हैं और एक इस साल की शुरुआत में शुरू करेगा.

एक चीज़ जो मुझे बहुत पसंद है वह है अपने विचारों को प्रोग्राम में विकसित करने की क्षमता. कई बार ऐसा होता है कि मैं एक काम में लगी रहती हूँ और तभी समझ आता है कि दूसरा काम बिजनेस के लिए कहीं ज़्यादा ज़रूरी है. हमारे पास एक तरीक़ा है जिसमें आप एक काल्पनिक प्रेस रिलीज़ लिखते हैं और कुछ आम सवालों के जवाब देते हैं जिसे PR/FAQ कहते हैं. यह एक ऐसे प्रोडक्ट या प्रोग्राम के बारे में होता है जो Amazon भविष्य में ला सकता है.

उससे, मैंने समस्या की पहचान की जिसे मैं सुलझाना चाहती थी, फिर उसके सोल्यूशन के बारे में सोचा, उसे लिखा, अपने साथियों के साथ शेयर किया और आख़िर में नए साइंस वाले प्रोडक्ट बनाए - ये सब करने के मुझे कई मौक़े मिले. ये देखकर अच्छा लगता है कि अब कुछ प्रोडक्ट के लिए 25 लोगों की टीम है, और ये जानकर ख़ुशी होती है कि मैंने ही सबसे पहले इसका आइडिया दिया था और शुरूआती पैसे जुटाए थे.

अपने रोल में, मैं इस बात को संतुलित करती हूँ कि हम कस्टमर पर ऐड के पड़ने वाले असर का मूल्यांकन कैसे करें और साथ ही हम अपने ऑप्टिमाइज़ेशन सिस्टम का संचालन कैसे करें जिससे कस्टमर को बेहतर नतीजे मिलें. मुझे ऐसा लगता है कि दूसरी कंपनियों के साथ बात करते हुए वो मुझे सीमित कर देना चाहते हैं. उन्हें लगता है कि मैं सिर्फ़ दो ही काम कर सकता हूँ - कुछ नापना या फिर कोई ऑप्टिमाइजेशन सिस्टम चलाना. Amazon में, मैं पूरी समस्या पर काम कर सकती हूँ और ये सोच सकती हूँ कि ऑप्टिमाइज़ेशन और मेजरमेंट सिस्टम का एक साथ इस्तेमाल करके कस्टमर को सबसे ज़्यादा फ़ायदा कैसे हो.

यहाँ के एप्लाइड साइंटिस्ट की एक ख़ास बात ये है कि वो सॉफ़्टवेयर बनाने पर ध्यान देते हैं - सिर्फ़ रिसर्च करने पर नहीं. वे ऐसे प्रोडक्ट बना रहे हैं जो मज़बूत हैं और बिजनेस की लंबे समय की ज़रूरत को पूरा करने में मदद करते हैं.

मेरी टीम रोज़ Amazon के ऐड के बारे में ही सोचती है. हम बड़े लेवल पर मौजूदा एडवरटाइज़िंग प्रोडक्ट को टेस्ट करते हैं और देखते हैं कि और क्या बेहतर किया जा सकता है. Amazon दुनिया के सबसे बड़े एडवरटाइज़र में से एक है, इसलिए हमारे पास सीखने के लिए बहुत कुछ होता है. हम मौजूदा ऐड प्रोडक्ट को बेचने की कोशिश नहीं कर रहे हैं; हम उन्हें बेहतर बनाने के तरीक़े खोज रहे हैं. कस्टमर पर ध्यान केंद्रित करना और बेहतरीन सोल्यूशन डिज़ाइन करने की सुविधा, इंडस्ट्री के लिए नया है.