Privacy-Aware Adaptive Diffusion-Propensity Mapping for E-Commerce Advertising Targeting

ऑनलाइन विज्ञापन के विशाल और शोर-शराबे वाले परिदृश्य में, एक निरंतर प्रश्न विज्ञापनदाताओं को परेशान करता है: उन्हें अपने ग्राहकों से बात करने के लिए किसे भुगतान करना चाहिए? वर्षों तक, उत्तर स्पष्ट लगता था। तर्क सरल था: उस व्यक्ति को खोजें जिसके पास सबसे अधिक अनुयायी (फॉलोअर्स), सबसे बड़ी भीड़ हो, और यह मान लें कि एक बड़ा दर्शक वर्ग स्वतः ही अधिक ध्यान का अर्थ है। यह दृष्टिकोण लोकप्रियता को प्रभाव के प्रत्यक्ष माप के रूप में मानता है, यह मानकर कि यदि लाखों लोग देख रहे हैं, तो लाखों लोग सुन भी रहे हैं। हालाँकि, मानवीय जुड़ाव की वास्तविकता कहीं अधिक जटिल है। लोग शून्य में अस्तित्व में नहीं होते; वे परस्पर जुड़े समूहों के सदस्य होते हैं, विशिष्ट रुचियाँ साझा करते हैं, और विभिन्न समुदायों के बीच आवाजाही करते हैं। एक व्यक्ति के पास बहुत बड़ी संख्या में अनुयायी हो सकते हैं लेकिन वह केवल एक संकीर्ण समूह से बात करता हो, जबकि दूसरा व्यक्ति कम अनुयायियों वाला होने के बावजूद एक अनूठे संगम पर स्थित हो सकता है, जो उन अलग-अलग दुनियाओं को जोड़ता है जो अन्यथा कभी नहीं मिल पातीं। यह कच्चे आकार और संरचनात्मक स्थिति के बीच का अंतर उस नए अध्ययन का केंद्र है जो यह लिखने का प्रयास कर रहा है कि हमें यह कैसे चुनना चाहिए कि संदेश कौन पहुँचाए।

इस कार्य के पीछे के शोधकर्ताओं ने एक विशिष्ट विचार का परीक्षण करने का लक्ष्य रखा: कि अनुयायियों की गिनती करने या पिछले 'लाइक्स' को देखने जैसे पारंपरिक तरीकों की तुलना में एक स्मार्ट, अनुकूलन योग्य (एडैप्टिव) प्रणाली विज्ञापनदाताओं को चुनने में बेहतर प्रदर्शन करेगी। उन्होंने एक ऐसा मॉडल बनाया जो न केवल यह देखता है कि एक क्रिएटर कितने लोगों को जानता है, बल्कि यह भी कि वे लोग एक-दूसरे से और बेचे जा रहे विशिष्ट उत्पाद से कैसे जुड़े हुए हैं। एक ऐसे मानचित्र की कल्पना करें जहाँ क्रिएटर केवल संख्याओं वाले बिंदु नहीं हैं, बल्कि विभिन्न रुचियों के द्वीपों को जोड़ने वाले पुल हैं। अध्ययन यह पूछता है कि क्या एक ऐसी प्रणाली जो इन पुलों को समझती है, साथ ही अभियान की विशिष्ट आवश्यकताओं और एक ही समूह को बार-बार संदेश भेजने से बचने के नियम का पालन करती है, पुराने तरीकों की तुलना में बेहतर परिणाम दे सकती है।

इसका उत्तर देने के लिए, टीम ने 117 कंटेंट क्रिएटर्स के सार्वजनिक डेटासेट का उपयोग किया। उन्होंने वास्तविक फॉलोअर लिस्ट का उपयोग नहीं किया, जो अव्यवस्थित और निजी हो सकती है। इसके बजाय, उन्होंने इन क्रिएटर्स द्वारा चर्चा किए जाने वाले विषयों और उनके दर्शकों के निवास स्थान के आधार पर एक नए प्रकार का मानचित्र बनाया। यदि दो क्रिएटर्स एक ही विषय, जैसे सिनेमा या खेल, को कवर करते थे और उनके दर्शक एक ही देश में थे, तो शोधकर्ताओं ने उनके बीच एक रेखा खींची। इस रेखा की मजबूती इस बात पर निर्भर करती थी कि वे कितनी चीजें साझा करते थे। इससे एक नेटवर्क बना जो विज्ञापन के "अवसर स्थान" (ऑपर्च्युनिटी स्पेस) का प्रतिनिधित्व करता था—एक ऐसा मानचित्र कि कौन एक ही ध्यान के लिए प्रतिस्पर्धा करता है और कौन विभिन्न बाजारों को जोड़ता है। इस मानचित्र पर, उन्होंने गणना की कि प्रत्येक क्रिएटर विभिन्न समूहों के बीच एक सेतु (ब्रिज) के रूप में कितनी अच्छी तरह कार्य कर सकता है, जिसे 'ब्रोकरेज' के रूप में जाना जाता है। उन्होंने यह भी देखा कि लोग वास्तव में सामग्री के साथ कितना जुड़ते हैं, यानी भीड़ के आकार के बजाय वास्तविक ध्यान को मापा।

इसके बाद शोधकर्ताओं ने एक व्यापक सिमुलेशन चलाया। उन्होंने 1,000 अलग-अलग विज्ञापन परिदृश्य बनाए, जिनमें से प्रत्येक के लिए एक विशिष्ट उत्पाद और एक विशिष्ट देश ध्यान में रखा गया। प्रत्येक परिदृश्य के लिए, उन्होंने संदेश ले जाने के लिए पाँच क्रिएटर्स चुनने के लिए चार अलग-अलग रणनीतियों का परीक्षण किया। पहली रणनीति पुरानी थी: उन पाँच क्रिएटर्स को चुनें जिनके सबसे अधिक अनुयायी हैं। दूसरी रणनीति यह थी कि विषय की परवाह किए बिना उच्चतम एंगेजमेंट रेट वाले पाँच क्रिएटर्स को चुनें। तीसरी रणनीति यह थी कि नेटवर्क में सर्वश्रेष्ठ 'ब्रिज' (सेतु) वाले पाँच क्रिएटर्स को चुनें, भले ही वे अभियान के लिए प्रासंगिक न हों। चौथी, और सबसे जटिल, एक अनुकूलन योग्य (एडैप्टिव) रणनीति थी। इस पद्धति ने एक-एक करके क्रिएटर्स को चुना और लगातार तीन चीजों की जाँच की: क्या उनका जुड़ाव (एंगेजमेंट) का इतिहास अच्छा रहा है? क्या वे अभियान के विशिष्ट विषय और देश के अनुकूल हैं? और, सबसे महत्वपूर्ण बात, क्या हमने पहले ही उनकी कम्युनिटी (समुदाय) से किसी को चुना है? यदि कोई क्रिएटर पहले से चुने गए किसी व्यक्ति के बहुत समान था, तो उनका स्कोर कम कर दिया गया ताकि सिस्टम को किसी ऐसे व्यक्ति को खोजने के लिए मजबूर किया जा सके जो लोगों के एक अलग समूह तक पहुँच सके।

परिणाम स्पष्ट और निर्णायक थे। वह रणनीति जिसने केवल बड़े फॉलोअर काउंट का पीछा किया, सबसे खराब प्रदर्शन करने वाली रही, जिससे औसतन लगभग 6.27 मिलियन क्वालिफाइड एंगेजमेंट प्राप्त हुए। वह रणनीति जो केवल पिछले एंगेजमेंट को देखती थी, बेहतर रही, जिससे लगभग 11.32 मिलियन तक पहुँचा, लेकिन फिर भी वह प्रासंगिकता के मामले में चूक गई। वह रणनीति जो केवल नेटवर्क संरचना को देखती थी, फॉलोअर काउंट पद्धति से केवल थोड़ी ही बेहतर थी, जिससे सिद्ध हुआ कि 'ब्रिज' होना पर्याप्त नहीं है यदि वह पुल गलत दिशा में जाता हो। अनुकूलन योग्य (एडैप्टिव) रणनीति, जिसने सभी कारकों को संयोजित किया, ने औसतन लगभग 14 मिलियन क्वालिफाइड एंगेजमेंट उत्पन्न किए। यह केवल एंगेजमेंट पर आधारित सर्वश्रेष्ठ रणनीति से 23.5 प्रतिशत अधिक था और फॉलोअर-काउंट रणनीति के प्रदर्शन से दोगुने से भी अधिक था। डेटा ने दिखाया कि पुराना विश्वास—कि अधिक अनुयायी हमेशा अधिक प्रभाव का अर्थ होते हैं—गलत था। वास्तव में, अध्ययन में पाया गया कि फॉलोअर काउंट और एंगेजमेंट के बीच एक नकारात्मक संबंध है; सबसे बड़े खातों में अक्सर जुड़ाव सबसे कम होता है।

केवल सर्वश्रेष्ठ क्रिएटर्स को खोजने के अलावा, अध्ययन ने गोपनीयता के बारे में भी एक प्रश्न पूछा। एक ऐसी दुनिया में जहाँ डेटा सुरक्षा सख्त होती जा रही है, क्या हम अभी भी स्मार्ट निर्णय ले सकते हैं यदि हम डेटा में थोड़ा सा 'नॉइज़' (शोर/अस्पष्टता) जोड़ दें? शोधकर्ताओं ने क्रिएटर्स के स्कोर को थोड़ा बदलकर इसका परीक्षण किया, जो डेटा की गोपनीयता बनाए रखने के लिए सटीक संख्याओं को छिपाने की स्थिति का अनुकरण करता है। उन्होंने पाया कि इस अतिरिक्त अनिश्चितता के बावजूद, अनुकूलन योग्य प्रणाली उल्लेखनीय रूप से मजबूत बनी रही। जब डेटा को मध्यम स्तर तक बाधित किया गया, तब भी इसने अपने निर्णय लेने के मूल्य का 94.1 प्रतिशत बनाए रखा। यह सुझाव देता है कि किसी कंपनी को सही चुनाव करने के लिए किसी व्यक्ति के हर एक विवरण को जानने की आवश्यकता नहीं है; एक धुंधली तस्वीर भी सही रास्ता खोजने के लिए पर्याप्त होती है।

अध्ययन इस निष्कर्ष पर पहुँचता है कि विज्ञापन का भविष्य एक संतुलित दृष्टिकोण में निहित है। केवल एक संख्या, जैसे फॉलोअर काउंट देखना, या कनेक्शन के स्थिर मानचित्र पर निर्भर रहना पर्याप्त नहीं है। सबसे प्रभावी तरीका वह है जो विशिष्ट क्षण के अनुकूल होता है, जो एक क्रिएटर के प्रदर्शन के इतिहास को अभियान की विशिष्ट आवश्यकताओं और दर्शकों की विविधता के विरुद्ध तौलता है। उन क्रिएटर्स को चुनने के माध्यम से जो न केवल लोकप्रिय हैं बल्कि संरचनात्मक रूप से भी महत्वपूर्ण और प्रासंगिक हैं, और यह सुनिश्चित करके कि चुना गया समूह समुदायों की एक विस्तृत श्रृंखला को कवर करता है, विज्ञापनदाता अधिक लोगों तक बड़े प्रभाव के साथ पहुँच सकते हैं। यह शोध ठीक ऐसा करने के लिए एक पुनरुत्पादित (रिप्रोड्यूसिबल) ढांचा प्रदान करता है, जो दिखाता है कि जब हम केवल लोकप्रियता की प्रतियोगिताओं से आगे बढ़ते हैं और लोगों के जुड़ाव की जटिलता को अपनाते हैं, तो हम अधिक स्मार्ट, अधिक कुशल और अधिक गोपनीयता-अनुकूल विकल्प बना सकते हैं।