নগদীকরণ কৌশলগুলির সাথে ব্যক্তিগতকৃত অভিজ্ঞতাগুলিতে ভারসাম্য বজায় রাখতে কীভাবে প্রকাশকরা এআই ব্যবহার করেন

নিঃসন্দেহে, প্রকাশকরা তাদের শ্রোতাদের সাথে সম্পর্ককে কাজে লাগানোর জন্য সু-স্থাপিত - ব্যক্তিগতকৃত অভিজ্ঞতা প্রদান এবং বিভিন্ন রাজস্ব স্ট্রীমকে শক্তিশালী করার জন্য প্রয়োজনীয় শক্তিশালী প্রথম-পক্ষের ডেটা সেট সংগ্রহ এবং তৈরি করার উপায় রয়েছে।

কিন্তু, শিল্প কুকি-ভিত্তিক টার্গেটিং থেকে আরও দূরে সরে যাওয়ার সাথে সাথে - এবং গুগল উচ্চস্বরে বলে ওঠা ক্রস-সাইট ট্র্যাকিংয়ের জন্য বিকল্প আইডি সমাধানের বিরুদ্ধে, স্কেল করার ক্ষমতা সীমিত করে – প্রকাশকদের অবশ্যই তাদের ইনভেন্টরির মূল্য বৃদ্ধি এবং যোগাযোগের নতুন উপায় খুঁজে বের করতে হবে এবং নগদীকরণ কৌশলগুলি ব্যবহারকারীর অভিজ্ঞতার সাথে সামঞ্জস্যপূর্ণ নিশ্চিত করতে হবে।

এখানেই কৃত্রিম বুদ্ধিমত্তা (AI) আসে, এই ভারসাম্য অর্জনে মুখ্য ভূমিকা পালন করে।

সুযোগ হারিয়ে যাচ্ছে না; তারা শুধু ভিন্ন

আজকের বিজ্ঞাপনের ল্যান্ডস্কেপ ক্রমবর্ধমান জটিল। বেশিরভাগ ডিজিটাল বিজ্ঞাপন ব্যয় নির্দিষ্ট ব্যক্তিদের লক্ষ্যবস্তু এবং পুনঃলক্ষ্যকরণে যায়, যা সুসংগত দৃশ্যমানতা এবং পরিচয়ের গণনাযোগ্যতার উপর নির্ভর করে। Google এর পদক্ষেপ এই পদ্ধতিটিকে 'বিপন্ন' তালিকায় রেখেছে এবং সম্ভবত বিদ্যমান বিভক্তকরণকে যুক্ত করবে। অ্যাড্রেসযোগ্য শনাক্তকারী তৈরি করা ইতিমধ্যেই কঠিন ছিল - ব্যবহারকারীরা ল্যাপটপ, মোবাইল, CTV এবং অন্যান্য স্মার্ট গ্যাজেট জুড়ে ছড়িয়ে আছে - কিন্তু এখন, Google বা ওপেন ওয়েব ব্যবহার করার সময় ব্র্যান্ডগুলিকেও বিভিন্ন প্রযুক্তি এবং সিস্টেমের মধ্যে স্যুইচ করতে হবে৷

প্রকাশকের দিক থেকে, এটি একটি বিষয়বস্তু এবং বিজ্ঞাপনের দৃষ্টিকোণ থেকে মূল্য প্রদানের উপায় হিসাবে ব্যক্তিগতকরণ কৌশলগুলিকে প্রভাবিত করবে৷ যাইহোক, এটি প্রকাশকদেরকে বিষয়বস্তু-সমৃদ্ধ অভিজ্ঞতার মাধ্যমে বিজ্ঞাপন ব্যয় অপ্টিমাইজ করতে চাওয়া বিজ্ঞাপনদাতাদের ঠিকানাযোগ্য শ্রোতাদের অ্যাক্সেস প্রদানে আরও কেন্দ্রীয় ভূমিকা পালন করার সুযোগ দেয়।

এআই প্রযুক্তি ব্যবহার করে, প্রকাশকরা ডাটা অনবোর্ডিং প্রক্রিয়া সহজতর করতে পারে এবং ব্র্যান্ডের প্রথম পক্ষের ডেটা তাদের নিজস্ব ঠিকানাযোগ্য দর্শকদের সাথে মেলাতে পারে এবং অন্যান্য নন-এআই টুলের তুলনায় উচ্চ নির্ভুলতা হারে। যখন ক্লিনরুম প্রযুক্তির সাথে একত্রে প্রয়োগ করা হয়, তখন এটি ডেটা সহযোগিতার জন্য একটি গোপনীয়তা-নিরাপদ এবং প্রকাশক-নিয়ন্ত্রিত স্থান প্রদান করে যা একটি মিল-বেসে দর্শকদের সাথে মেলে, ব্যক্তিগত মার্কেটপ্লেসে ক্রমবর্ধমান নাগাল সক্ষম করে।

AI কার্যকর নাগালের উন্নতির জন্য একটি রুট অফার করে

প্রকাশকদের মূল ধারক দুটি অবশ্যই বিষয়বস্তু এবং সম্মতি। আকর্ষক বিষয়বস্তু তৈরি করা ব্যবহারকারীর ব্যস্ততা এবং আনুগত্য জয় করতে সাহায্য করে, যখন ব্যবহারকারী-কেন্দ্রিক সম্মতি বিশ্বাস গড়ে তোলার এবং প্রথম পক্ষের অনেক চাওয়া-পাওয়া ডেটা সংগ্রহ ও ব্যবহারের অনুমতি পাওয়ার সম্ভাবনা বাড়ায়। এই ভিত্তিতে, প্রকাশকরা পরিচিত, লগ-ইন করা ব্যবহারকারীদের মৌলিক নাগাল প্রদানের জন্য তাদের প্রথম পার্টি-ডেটা কৌশলের ভিত্তি তৈরি করার জন্য একটি ভাল অবস্থানে রয়েছে।

সমস্যাটি অবশ্য সম্মত তথ্যের সীমাবদ্ধতার সাথে রয়েছে। সমস্ত ব্যবহারকারী ডেটা ভাগ করতে ইচ্ছুক হবে না। প্রকৃতপক্ষে, এটি ব্যাপকভাবে বিবেচনা করা হয় যে মাত্র 2-10% ভোক্তা বয়স এবং লিঙ্গের মতো বিশদ ভাগ করে।

সর্বোত্তম পৌঁছানোর জন্য, প্রকাশকদের তাই লগ-ইন দেয়ালের বাইরে বিকল্পগুলি অন্বেষণ করতে হবে। যারা যতটা সম্ভব খোলাখুলিভাবে উপলব্ধ সামগ্রী রাখতে আগ্রহী তারা সম্ভবত প্রথম পক্ষের ডেটা কৌশলগুলি তৈরি করতে AI এর ডেটা প্রক্রিয়াকরণ এবং বর্ধিত ক্ষমতা ব্যবহার করতে শুরু করবে। ব্যবহারের তালিকার শীর্ষে রয়েছে ভবিষ্যদ্বাণীমূলক মডেলিং, যা মেশিন লার্নিং দ্বারা চালিত। বিশ্লেষণাত্মক ভিত্তি হিসাবে ব্যবহারকারীর বৈশিষ্ট্যগুলিকে সম্মতি দেওয়ার মাধ্যমে, এটি প্রতিটি প্রকাশকের দ্বারা নির্ধারিত কাস্টমাইজড এবং যাচাইযোগ্য নির্ভুলতার হারের সাথে সামঞ্জস্য রেখে ঠিকানাযোগ্য পৌঁছানোর সঠিক প্রসারণের অনুমতি দেয় - এমনকি যখন নির্ধারক ডেটার অভাব থাকে।

উদাহরণস্বরূপ, যখন রিয়েল-টাইম প্রাসঙ্গিক ডেটার সাথে টেন্ডেম ব্যবহার করা হয়, তখন AI ব্যবহারকারী-স্তরের ডেটা ছাড়াই ইম্প্রেশন-লেভেল টার্গেটিং চালাতে পারে। প্রতিটি ব্যবহারের ক্ষেত্রে, প্রধান আবেদনটি হল অনুমানিত - ঘোষিত নয় - বৈশিষ্ট্যগুলির উপর জোর দেওয়া গোপনীয়তাকে সামনে এবং কেন্দ্রে রাখে, ব্যক্তিগতকৃত অভিজ্ঞতা সক্ষম করে এবং ব্যবহারকারীর অভিজ্ঞতাকে বাধা না দিয়ে টার্গেট করে৷  

এটি কীভাবে বাস্তব বিশ্বে কাজ করতে পারে তার একটি উদাহরণ নিয়োগ ডেটা সহ। নিয়োগের বিজ্ঞাপন বিভাগ সহ প্রকাশকরা প্রাসঙ্গিক প্রার্থীদের কাছে উচ্চ লক্ষ্যবস্তু বিজ্ঞাপনগুলি প্রদর্শন করতে চাকরিপ্রার্থীদের থেকে ডেটা সংহত করার জন্য সরঞ্জামগুলি ব্যবহার করতে পারেন। AI তারপরে ব্যবহারকারীর অভিজ্ঞতাকে প্রভাবিত না করে অন্যান্য পরিসংখ্যানগতভাবে প্রাসঙ্গিক গ্রাহকদের কাছে পৌঁছানোর জন্য প্রাথমিক নিয়োগ ডেটার উপর ভিত্তি করে শ্রোতাদের প্রসারিত করে, পৌঁছানোর স্কেল করতে ব্যবহার করা যেতে পারে।

শিল্পের জন্য পরবর্তী কি?

যৌথ শিল্পের ক্রিস্টাল বলের দিকে তাকানো কখনই সহজ নয়, তবে বাতাস কোন দিকে প্রবাহিত হচ্ছে তার লক্ষণ রয়েছে। উদাহরণস্বরূপ, গুগলের গোপনীয়তা স্যান্ডবক্স উদ্যোগ, এফএলওসি থেকে উদ্ভূত সর্বশেষ প্রস্তাবটি লক্ষ্য করার জন্য একটি সমগোত্র-ভিত্তিক পদ্ধতি তৈরি করতে মেশিন লার্নিং বিশ্লেষণের ব্যবহারের পরামর্শ দেয়।

প্রকাশকদের জন্য পূর্বে AI-সহায়তা শ্রোতা সিন্ডিকেশন থেকে সতর্ক ছিল, এটি ভাল খবর হতে পারে: তাদের বিজ্ঞাপনদাতাদের সাথে শক্তিশালী সম্পর্ক গড়ে তুলতে এবং দর্শকদের মাপকাঠি তৈরি করার পথ প্রশস্ত করার অনুমতি দেয়। এফএলওসি প্রতিযোগিতা বিরোধী হবে কিনা তা নিয়ে বিতর্ককে একপাশে রেখে, অস্বীকার করার উপায় নেই যে এটি সম্ভবত আরও বিকাশের দিকে পরিচালিত করবে। মেশিন-লার্নেড সেগমেন্টেশন এবং ব্যক্তিগতকরণ, যা শিল্পের জন্য একটি ভাল পদক্ষেপ।

ক্রমাগত পরিবর্তনশীল শিল্পে, AI অবশেষে প্রকাশকদের গোপনীয়তা-প্রথম নগদীকরণ কৌশলগুলির সাথে ব্যক্তিগতকৃত অভিজ্ঞতার ভারসাম্য বজায় রাখার তাদের ক্ষমতা সম্পর্কে আশাবাদী হওয়ার একটি সুযোগ প্রদান করে। AI দ্বারা অফার করা উন্নত সমাধানগুলি প্রকাশকদের তাদের নিজস্ব পথ তৈরি করতে এবং তাদের প্রয়োজনীয় সরঞ্জামগুলির সাথে সজ্জিত করে যে তারা শুধুমাত্র প্রথম পক্ষের ডেটা প্রদানকারী নয় বরং স্কেলযোগ্য গোপনীয়তা-নিরাপদ সমাধানগুলির জন্য লিঞ্চপিন।

সূত্র: https://dataconomy.com/2021/04/how-publishers-use-ai-personalized-experiences-monetization-strategies/