Pokročilé techniky nám nyní umožňují přiřazovat uživatele k zájmovým kategoriím s mnohem vyšší přesností, popisuje v rozhovoru Jakub Drahokoupil ze Seznamu.
V digitální reklamě je klíčové oslovit správné publikum. I proto Seznam představuje nové cílení na zájmy, jež stojí na využití nejmodernějších technologií. O novince hovoří Jakub Drahokoupil, produktový manažer týmu zaměřeného na uživatelská data.
Jak novinka vznikala a jak změnila cílení na zájmy uživatelů?
V loňském roce jsme kompletně přepracovali způsob, jakým uživatelské zájmy identifikujeme. Díky využití moderních technologií – hlubokých neuronových sítí, pokročilých jazykových modelů včetně seznamácké SeLLMy a nejnovějších metod zpracování přirozeného jazyka – jsme dosáhli výrazně přesnější klasifikace obsahu.
Co změny přinášejí inzerentům?
Díky novému zájmovému cílení zaznamenáváme v průměru 14procentní nárůst míry prokliku při zachování stejných podmínek. To znamená, že se inzerentům daří oslovovat relevantnější publikum. Nově totiž nepracujeme jen se základními tvary slov, ale analyzujeme celý kontext textu, což umožňuje přesnější zařazení uživatelů do vhodných zájmových segmentů.
Navíc využíváme metodu LLM as a judge, která průběžně identifikuje a opravuje chyby v klasifikaci, čímž neustále zvyšujeme přesnost cílení.
Jaké metody vám pomáhají lépe identifikovat uživatelské zájmy?
Pro každou zájmovou kategorii generujeme stovky vzorových článků a využíváme pokročilé techniky porovnávání aktuálního obsahu s předdefinovanými vzory. To nám umožňuje přiřazovat uživatele k zájmovým kategoriím s mnohem vyšší přesností.
Vedle toho jsme začali náš jazykový model trénovat podle takzvané IAB taxonomie, což nám v budoucnu usnadní přechod na celoevropský standard identifikace zájmů.
Loni jste vylepšili také sociodemografické cílení. Jak si vede?
Pro určování věku a pohlaví nepřihlášených uživatelů využíváme modely strojového učení, které analyzují vzorce v jejich chování. Loni jsme nahradili zastaralé klasifikátory novými modely, čímž jsme zvýšili přesnost klasifikace i sociodemografického cílení.
Tyto modely stále pravidelně trénujeme, aby reflektovaly změny v prostředí, chování uživatelů a sezonní výkyvy. Úspěšnost měříme metrikou „on‑target impressions share“, přičemž externí měření od renomovaných výzkumných agentur potvrzují vysokou přesnost, která u některých skupin přesahuje 90 procent.
