پلتفرم تبلیغات تلویزیون متصل (CTV) Tatari روز پنجشنبه از ابزار جدیدی به نام Tatari Max رونمایی کرد؛ یک موتور بهینه‌سازی که در سطح سرور نمایش تبلیغات (Ad Server) قرار می‌گیرد تا به برندها و ناشران در تصمیم‌گیری برای پخش آگهی‌های تلویزیونی مناسب به مخاطبان هدف کمک کند. اگرچه رشد ابزارهای هوش مصنوعی تولید چند نسخه از یک آگهی برای مخاطبان مختلف را آسان‌تر کرده است، اما در صورت نرسیدن آگهی درست به فرد مناسب، این تنوع بی‌نتیجه خواهد بود. Tatari معتقد است که هدف‌گیری دقیق مستلزم دسترسی به دامنه وسیعی از داده‌ها و موجودی رسانه‌ای و همچنین یادگیری ماشینی مداوم بر اساس داده‌های تازه است.
تفاوت یادگیری ماشین با هوش مصنوعی عاملیت‌محور
اگرچه Tatari Max از بهینه‌سازی مبتنی بر هوش مصنوعی برای تعیین مرتبط‌ترین موقعیت‌های نمایش آگهی استفاده می‌کند، فیلیپ اینگلبخت (Philip Inghelbrecht)، مدیرعامل و هم‌بنیان‌گذار Tatari، تأکید دارد که این محصول فاصله زیادی با هوش مصنوعی عاملیت‌محور (Agentic AI) دارد. به گفته اینگلبخت، در حالی که هوش مصنوعی عاملیت‌محور بر مجموعه‌ای از قواعد شرطی «اگر/آنگاه» متکی است و فرآیندهای موجود را اتوماتیک می‌کند، یادگیری ماشین (که Tatari Max بر آن استوار است) با ظهور داده‌های جدید به‌مرور زمان تکامل می‌یابد.
موتور Tatari Max با تحلیل سیگنال‌هایی شامل شناسه دستگاه‌ها (Device IDs)، رفتار خرید و اطلاعات دموگرافیک، تعیین می‌کند چه افرادی و چه گروه‌هایی بهترین پاسخ را به آگهی‌های خاص نشان می‌دهند. این ابزار همچنین شاخصی به نام «امتیاز قرابت» (Affinity Score) را محاسبه می‌کند که به گفته اینگلبخت، میزان تناسب یک نوبت نمایش آگهی برای یک برند خاص را بر اساس تعامل بینندگان قبلی می‌سنجد.
ابزار Tatari Max بر پایه زیرساخت سمت عرضه Tatari به نام Upstream ساخته شده است که در سطح سرور نمایش با ناشران یکپارچه می‌شود. بر خلاف محصولات مشابه مانند Advantage Plus شرکت Meta یا Performance Max شرکت Google که تنها به موجودی رسانه‌ای خودِ این شرکت‌ها متصل هستند، Upstream به چندین ناشر پرمخاطب تلویزیونی از جمله Paramount ،Peacock و Disney متصل است و به مشتریان امکان می‌دهد تمام موجودی‌های دسترس‌پذیر در دنیای تلویزیون را مشاهده کنند. اینگلبخت اشاره کرد که Upstream به خریدهای برنامه‌ریزی‌شده (Programmatic) محدود نیست و به دلیل قرارگیری در سطح سرور نمایش، داده‌های مربوط به خریدهای مستقیم (Direct Buys) را نیز تحلیل می‌کند؛ امری که داده‌های بیشتری در اختیار هوش مصنوعی قرار می‌دهد تا سریع‌تر یاد بگیرد.
نتایج اولیه در برند پوشاک Rhoback
برند پوشاک ورزشی Rhoback که از آزمایش‌کنندگان اولیه Tatari Max بوده است، امیدوار است ویژگی خودکار یادگیری این ابزار به تعیین مرتبط‌ترین تیزرها برای بینندگان مختلف کمک کند. کارولین نمسف (Caroline Nemceff)، تحلیلگر ارشد بازاریابی دیجیتال در Rhoback، اشاره کرد که این برند در ابتدا به عنوان برند پوشاک مردانه تأسیس شد اما امسال بر توسعه خط تولید زنانه و پوشاک ورزشی دانشگاهی تمرکز کرده است. از آنجا که این بخش‌ها جدیدتر هستند، داده‌های کمتری درباره واکنش مشتریان بالقوه وجود دارد و تلویزیون عمدتاً به عنوان ابزاری برای آگاهی‌بخشی (Awareness Play) و جذب مشتریان جدید عمل می‌کند.
نمسف اعلام کرد که نتایج اولیه تست بسیار نویدبخش بوده است. طی یک دوره تست یک‌ماهه برای آگهی مجموعه جدید پوشاک ورزشی زنانه در Hulu، برند Rhoback شاهد افزایش ۳۲ درصدی در خریدهای ثبت‌شده و رشد ۱۰ درصدی در بازدیدهای وب‌سایت بود. اگرچه Rhoback به دلیل عوامل خارجی مجبور شد اندکی بعد بودجه تبلیغات استریمینگ را کاهش دهد و تست‌ها را متوقف کند، اما قصد دارد با توجه به نتایج قوی، در ادامه سال جاری دوباره از Tatari Max استفاده کند. نمسف افزود: «ما قصد داریم Max را دوباره در شبکه ESPN برای آگهی‌های دانشگاهی تست کنیم و در دوره تخفیف‌های جمعه سیاه و دوشنبه سایبری با آگهی‌های فروش ویژه به Hulu بازگردیم.»
بازتعریف مخاطب هدف در اپلیکیشن Rylo
مجموعه داده‌های گسترده Tatari Max برای اپلیکیشن Rylo نیز جذاب بوده است؛ برنامه‌ای که در زمینه زیرنویس‌نویسی و پیاده‌سازی زنده گفتار برای افراد ناشنوا یا کم‌شنوا فعالیت می‌کند. آنیکا لین (Annica Lin)، معاون رشد اپلیکیشن Rylo، با اشاره به اینکه Tatari نسبت به سایر بسترهای CTV کارآمدتر بوده است، گفت از زمان به‌کارگیری فناوری Tatari، شاهد افزایش تعداد مشتریانی بوده که می‌گویند برند را از طریق تلویزیون کشف کرده‌اند.
بیشتر کاربران Rylo افراد مسن هستند، اما چالش اصلی در هدف‌گیری مستقیم این گروه، عدم آشنایی کافی بسیاری از آن‌ها با فناوری است. ابزار Tatari Max که هدف‌گیری سطوح خانوار را انجام می‌داد، دریافت افرادی که بهترین پاسخ را به آگهی‌های Rylo می‌دهند، اعضای جوان‌تر خانواده مانند فرزندان بزرگسال یا مراقبان افراد مسن هستند. به گفته لین، این افراد تحت تأثیر آگهی قرار می‌گیرند و به والدین خود در دانلود برنامه کمک می‌کنند.
بر اساس تحلیل Tatari Max، مؤثرترین آگهی‌ها میان جمعیت جوان‌تر، ویدیوهای رضایت مشتریان (Testimonials) بوده است که در آن افراد کم‌شنوا تجربیات خود را با Rylo شرح می‌دهند. لین توضیح داد که اکنون Rylo به جای هدف‌گیری انحصاری کاربران نهایی، بر نحوه ارتباط با مراقبان و فرزندان تمرکز کرده است.