Sponsored Products और ब्रैंड के लिए अप्लाइड साइंस के डायरेक्टर अमजद से मिलें

जब अमजद 2019 में प्रिंसिपल अप्लाइड साइंटिस्ट के रूप में Amazon Ads में शामिल हुए, तो उनके पास नामी टेक फ़र्म के कई ऑफ़र थे. Amazon Ads में शामिल होने का उनका फ़ैसला इस स्पष्ट अवसर से प्रेरित था कि उन्हें तुरंत असर डालने का मौक़ा दिखाई दिया. तब से, वह व्यक्तिगत मददगार से लीडर की भूमिका में आ गए हैं. पहले उन्होंने इंजीनियरों और वैज्ञानिकों की टीम बनाई और फिर Sponsored Products और ब्रैंड डिवीजन में डायरेक्टर के रूप में काम कर रहे हैं.

मैं 2019 में प्रिंसिपल अप्लाइड साइंटिस्ट के रूप में Amazon Ads में शामिल हुआ. मुझे पहले दिन से ही मदद करने और अहम असर डालने का स्पष्ट अवसर दिखाई दिया, जिसमें मेरी सबसे ज्यादा दिलचस्पी थी. मेरे बैकग्राउंड और उस समय ऐड की स्थिति को देखते हुए, मुझे समझ में आ गया कि किस तरह मेरी महारत वैल्यू को तुरंत बढ़ा सकती है. मैं Amazon शॉपिंग रिज़ल्ट में दिखाए जाने वाले Sponsored Products की प्रासंगिकता में सुधार करने पर फ़ोकस करने के लिए इसमें शामिल हुआ, जो उस समय Amazon Ads के लिए अहम क्षेत्र था. Amazon के साथ पाँच साल काम करने के दौरान, मैंने कई अन्य क्षेत्रों में मदद की है, जैसे कि सिमेंटिक रिट्रीवल, एफ़िनिटी मॉडलिंग, सर्च एक्सपीरिएंस मेजरमेंट और हाल ही में संवाद के हिसाब से ख़रीदारी.

हम "कस्टमर के हिसाब से चलने वाले विज्ञान" के आधार पर काम करते हैं. Amazon के पीछे की ओर जाकर काम करने के नज़रिए का मतलब है कि हम कस्टमर की ख़ास समस्याओं से शुरू करते हैं और उन्हें हल करने के लिए काम करते हैं, ना कि सिर्फ़ रिसर्च करते हैं जिससे कस्टमर पर कोई असर नहीं पड़ता. हमारी टीमें आमतौर पर क्रॉस-फ़ंक्शनल होती हैं, जो प्रोडक्ट, इंजीनियरिंग और विज्ञान में महारत को एक साथ लाती हैं. इससे बेहतर सहयोग और सोल्यूशन को तेज़ी से लागू करने में मदद मिलती है.

शुरू करने के लिए, समस्याओं की हैरान करने वाली बड़ी रेंज है जिनके लिए अलग-अलग तरह के वैज्ञानिक महारत की ज़रूरत होती है. वैज्ञानिक इंफ़ॉर्मेंशन रिट्रीवल, नेचुरल लैंग्वेज प्रोसेसिंग, इमेज की समझ, जनरेटिव AI, गेम थ्योरी, नीलामी मैकेनिज्म और ऑप्टिमाइजेशन पर काम करते हैं. AI क्रांति के साथ, असल में हम बेहतर संदर्भ और स्पष्टीकरण के जरिए ऐड को उपयोगी बनाने के अभूतपूर्व अवसर देख रहे हैं. इस बारे में सोचें, पहले, एडवरटाइज़िंग सीमित टेक्स्ट वाले बिलबोर्ड की तरह थी, लेकिन, अब AI के साथ, हम असल में यह समझ सकते हैं कि स्पॉन्सर्ड सुझाव कस्टमर के लिए विचार करने योग्य क्यों है.

यह भी यूनीक बात है कि हम प्रोडक्शन के माहौल में इन चुनौतियों का सामना किस तरह करते हैं. AI एप्लिकेशन बनाना एक बात है, लेकिन लागत और लेटेंसी पर बिज़नेस की असल बाधाओं के साथ ज़रूरत के हिसाब से काम करने से दिलचस्प वैज्ञानिक समस्याएँ पैदा होती हैं. हमारे सभी वैज्ञानिकों के पास व्यापक AWS रिसोर्स और टूल का ऐक्सेस है. इसलिए, वे तकनीकी बाधाओं तक सीमित नहीं हैं; चुनौतीपूर्ण समस्याओं पर काम करते समय यह बेहद मददगार होता है.

यह प्रक्रिया तेज़ है और यह चुनौतीपूर्ण भी हो सकती है. लेकिन, इसमें भरपूर सहयोग मिलता है और वैज्ञानिक, साथियों का मज़बूत नेटवर्क बना सकते हैं. वैज्ञानिक पूरे Amazon में फैले हुए हैं, इसलिए हमारे पास सेंट्रलाइज़्ड Amazon साइंस प्रोग्राम है, जिसका मक़सद पूरे साइंस समुदाय को मदद करना है. यह मेंटर करने, वर्कशॉप, Amazon और व्यापक वैज्ञानिक समुदाय के बड़े स्पीकर द्वारा संवाद और पब्लिकेशन के लिए मदद जैसे अवसर देता है.

Amazon साइंस आंतरिक कॉन्फ़्रेंस का भी आयोजन करता है, जैसे कि Amazon मशीन लर्निंग कॉन्फ़्रेंस (AMLC). AMLC बहुत ज़्यादा प्रतिस्पर्धी है, जिसकी स्वीकृति रेट लगभग 20% है. यह Amazon के वैज्ञानिकों को अलग-अलग AI क्षेत्रों में बेहतर बनने के साथ-साथ अप-टू-डेट रहने, अपनी तत्काल टीमों के बाहर के सहकर्मियों के साथ नेटवर्क बनाने और सहयोग शुरू करने की सुविधा देता है. Amazon के सभी डिवीजन में रिसर्च प्रोजेक्ट पर काम कर रहे वैज्ञानिकों को देखकर बहुत अच्छा लगता है.

करियर का विकास कई लेवल पर होता है. यह औपचारिक मेंटरशिप प्रोग्राम है जहाँ नए वैज्ञानिक अलग-अलग टीमों के अनुभवी मेंटर से जुड़ सकते हैं. वैज्ञानिक आंतरिक फ़ोरम के ज़रिए अलग-अलग स्टेप में अपने काम को शेयर कर सकते हैं और अवधारणा बनाने से लेकर लागू करने तक पर फ़ीडबैक पा सकते हैं. और मुझे लगता है कि यह ख़ास तौर पर अहम है कि उनके पास लीडरशिप तक सीधा ऐक्सेस है जो उनके काम के बारे में व्यापक तकनीकी चर्चाओं में एंगेज हो सकते हैं.

Amazon से परे, हम कॉन्फ़्रेंस में मौजूदगी और प्रोग्राम कमेटी में भागीदारी के ज़रिए वैज्ञानिकों को उनकी बाहरी प्रोफ़ाइल बनाने में ऐक्टिव होकर मदद करते हैं. हमारे पास डेडिकेटेड टीमें भी हैं जो सबसे बड़े कॉन्फ़्रेंस में Amazon का प्रतिनिधित्व करने पर फ़ोकस करती हैं, जिससे वैज्ञानिकों के लिए व्यापक वैज्ञानिक समुदाय के साथ एंगेज होने के अवसर पैदा होते हैं.

हमारी लेखन संस्कृति वैज्ञानिक सोच के साथ अच्छी तरह मैच करती है. इंजीनियर से लेकर प्रोडक्ट मैनेजर तक हर कोई ऐसे पेपर लिखता है जिसके लिए डेटा और उदाहरणों द्वारा सपोर्ट किए जाने वाले नेरेटिव की ज़रूरत होती है. हम दोहराने और प्रयोग को लेकर भी पूरी तरह संवेदनशील हैं. हम समझते हैं कि चुनौतीपूर्ण समस्याओं को हल करने के लिए कई बार कोशिश करने की ज़रूरत होती है; असफल प्रयोगों से सीखने की उतनी ही अहमियत है जितनी कि सफल प्रयोगों से सीखने की.

हम सिर्फ़ रेवेन्यू जनरेट करने के तरीक़े के रूप में एडवरटाइज़िंग को नहीं देख रहे हैं; हम कस्टमर को सबसे पहले रखते हैं और वैल्यू बनाने पर फ़ोकस करते हैं, जो Amazon के तरीक़े से मिलता-जुलता है. हम एडवरटाइज़िंग को ख़रीदारों और एडवरटाइज़र दोनों के लिए खोजने के टूल के रूप में देखते हैं. वैज्ञानिक चुनौती के सभी लेवल पर काम करते हैं; इसमें यह तय करना शामिल है कि कौन-से ऐड दिखाने हैं और कब दिखाने हैं. साथ ही, प्रज़ेंटेशन पर UX डिज़ाइनरों के साथ कब सहयोग करना है. यह एडवरटाइज़िंग के दखल देने के बजाय असल में उसे मददगार बनाने के बारे में है.

हम अलग-अलग क्षेत्रों और संस्कृतियों में 20 से ज़्यादा देशों में काम करते हैं. वैज्ञानिक ब्राज़ील से सिंगापुर तक कई मार्केट में अपने काम को लॉन्च होता हुआ देख सकते हैं, जिससे दुनिया भर में करोड़ों लोग प्रभावित हो रहे हैं. यह दुनिया भर में अलग-अलग संदर्भों में जटिल समस्याओं को हल करने के लिए यूनीक अवसर देता है. हम जो काम करते हैं उसका स्केल उल्लेखनीय और बहुत रोमांचक है.