WTF adalah AI multimodal untuk pengiklan?

AI multimodal mewakili garis depan AI berikutnya, memungkinkan mesin untuk memahami dan mengevaluasi berbagai tipe data, memberikan pemahaman dan fleksibilitas yang lebih besar daripada yang bisa ditawarkan oleh satu tipe data saja.

Dalam panduan penjelasan WTF ini, Digiday dan Dstillery mengeksplorasi apa itu AI multimodal, bagaimana menerapkannya di dunia nyata, manfaatnya bagi pengiklan, dan bagaimana AI berada pada posisi yang tepat untuk memecahkan tantangan saat ini dan masa depan.

Alih-alih memandang AI multimodal berbeda dari AI generatif, AI dapat dilihat sebagai evolusi dari AI. Alat seperti Sora 2 yang baru dirilis dari OpenAI bersifat multimodal karena dapat memahami perintah teks dan menghasilkan modalitas data yang sangat berbeda, seperti video. Teknologi mobil self-driving juga bersifat multimoda karena menggabungkan berbagai mode data, seperti radar, penglihatan, dan GPS, untuk menciptakan gambaran jalan yang komprehensif.

Untuk periklanan dan penargetan, AI multimodal dapat belajar dari segala bentuk data dan menerapkannya pada format data apa pun, menawarkan fleksibilitas dan presisi kepada merek dan agensi yang sebelumnya tidak tersedia.

Apa yang membuat AI multimodal berbeda, seperti penawaran dari Dstillery, adalah penerapannya pada prediksi perilaku dalam periklanan. Teknologi ini memahami informasi dari seluruh ekosistem digital – pola kunjungan situs web, perilaku pencarian, sinyal niat membeli, penayangan CTV, dan bahkan mendengarkan podcast – untuk menciptakan pandangan yang sepenuhnya terhubung tentang perilaku audiens dan menginformasikan penargetan secara unik.

“Yang Anda butuhkan adalah prediksi berdasarkan data perilaku, dan itulah mengapa kami ingin menggunakan AI multimodal untuk prediksi dalam penargetan iklan digital,” kata Melinda Han Williams, Kepala Ilmuwan Data di Dstillery. “Gelombang kinerja berikutnya tidak akan datang dari kumpulan data yang lebih besar atau model yang lebih cepat, namun dari sistem yang dapat belajar lintas modalitas — menyatukan sinyal perilaku dan kontekstual untuk menghasilkan kinerja dan fleksibilitas.”

Hal ini mencerminkan cara manusia memproses informasi — seperti menggabungkan isyarat visual, suara, teks, dan konteks secara alami untuk memahami suatu situasi. Saat seseorang melihat seorang pramusaji terpeleset di lantai basah dekat tanda peringatan, otak mereka langsung memproses berbagai masukan untuk memahami cerita selengkapnya. AI multimodal bertujuan untuk perpaduan pemahaman yang sama.

Alih-alih membuat model terpisah untuk penelusuran, tampilan, CTV, dan lainnya, AI multimodal menciptakan satu pemahaman terpadu yang dapat diterapkan di mana saja.

“Yang membedakan AI multimodal adalah fleksibilitasnya,” kata Taejin In, Chief Product Officer di Dstillery. “Baik Anda memiliki data pihak pertama yang kaya atau hanya ringkasan kampanye, AI multimodal dapat mengubah hampir semua titik awal menjadi audiens yang tepat dan dapat ditindaklanjuti.”

Pengiklan dapat memulai dengan hampir semua hal — tag di situs web, data CRM, kata kunci pencarian, URL situs web, log kampanye sebelumnya, atau bahkan hanya sebuah paragraf yang menjelaskan audiens target mereka. Kuncinya adalah kualitas dibandingkan kuantitas; benih pelanggan terbaik yang kecil namun akurat sering kali mengungguli kumpulan data yang besar dan tidak fokus.

Pada intinya, AI multimodal mempelajari perilaku digital dengan cara yang sama seperti model bahasa besar mempelajari kata-kata.

Sistem ini menciptakan representasi matematis — penyematan — dari berbagai jenis data (kata kunci pencarian, URL situs web, pola tampilan CTV, urutan penelusuran) dan memetakannya ke dalam ruang bersama tempat AI dapat mengidentifikasi hubungan perilaku di seluruh format. Misalnya, perusahaan mungkin mengetahui bahwa orang yang menelusuri “sepatu lari terbaik untuk maraton” sering mengunjungi situs nutrisi atletik dan menonton konten kebugaran di CTV, meskipun tidak ada pengenal yang menghubungkan tindakan tersebut.

Pendekatan ini mencerminkan bagaimana konsumen sebenarnya berperilaku. Seseorang mungkin meneliti suatu produk di mesin pencari, memeriksa situs ulasan, menonton video ulasan, melihat iklan saat streaming, dan akhirnya membeli beberapa hari kemudian.

“Penargetan tradisional memperlakukan penelusuran, penjelajahan, dan streaming sebagai silo terpisah,” kata In. “Tetapi konsumen tidak hidup dalam isolasi. AI multimodal menghubungkan sinyal-sinyal ini dengan cara orang-orang menjalani kehidupan digital mereka – dan itulah yang mengungkapkan niat sebenarnya.”

Di sinilah AI multimodal benar-benar bersinar. Setelah pengiklan memiliki model yang dibangun, hal ini seperti memiliki penerjemah universal untuk audiens mereka di seluruh program.

Setelah membuat model yang menangkap profil perilaku inti audiens, teknologi ini menerjemahkan kecerdasan tersebut ke seluruh saluran periklanan digital, seperti display, video, dalam aplikasi seluler, CTV, dan audio, ke semua taktik penargetan — segmen pengguna, penargetan kontekstual, kesepakatan yang dikurasi, dan algoritme penawaran khusus.

“Misalnya, jika model AI multimodal kami mengidentifikasi bahwa audiens Anda menunjukkan minat yang kuat terhadap konten keuangan dan topik keberlanjutan, model ini dapat membangun segmen perilaku pengguna yang disesuaikan dan mengidentifikasi semua konten yang relevan — baik mereka membaca artikel di desktop, mendengarkan podcast, atau acara streaming di CTV,” kata In. “Semua dari model tunggal itu.”

Dan karena satu model dapat menghasilkan segmen pengguna dan kategori kontekstual — yang unik untuk proses pemodelan ini — pengiklan mendapatkan lebih banyak manfaat dari strategi mereka dan memaksimalkan peluang periklanan yang tersedia bagi mereka. Kemampuan untuk memiliki model yang dapat digunakan sebagai sekumpulan pengguna atau sebagai kategori kontekstual memungkinkan pengiklan untuk menawar tayangan terlepas dari apakah model tersebut memiliki ID yang melekat padanya.

Pengiklan juga memiliki beberapa opsi aktivasi. Jika tim ingin melakukan aktivasi dengan cepat, beberapa solusi memungkinkan mereka memilih dari ribuan segmen yang telah dibuat sebelumnya dengan opsi skala berbeda. Segmen yang telah dibuat sebelumnya ini dapat membantu pengiklan untuk segera memulai. Bagi mereka yang mempunyai waktu lebih banyak dan bersedia melakukan lebih banyak upaya, pengiklan dapat membawa benih mereka sendiri untuk model khusus yang disesuaikan dengan peluang mereka dan lebih mungkin memenuhi KPI mereka.

Selain itu, dengan pertumbuhan dalam pengambilan keputusan sisi penjualan, AI multimodal memungkinkan model-model ini untuk diaktifkan dengan lancar sebagai ID transaksi di seluruh SSP utama, sekaligus tersedia secara native di semua DSP terkemuka.

Salah satu contoh yang menonjol adalah penyedia asuransi mobil yang mencoba menurunkan biaya per penawarannya. Dstillery menggunakan data pihak pertama perusahaan — pengunjung situs web — dan AI multimodal menerjemahkannya ke dalam segmen pengguna dan kategori kontekstual.

Kejutannya? Penargetan kontekstual, yang didukung oleh sinyal perilaku, mengungguli semua hal lain yang diuji oleh penyedia asuransi, termasuk segmen serupa berbasis ID tradisional. Hal ini memperkuat pentingnya pengujian berbagai taktik, karena pengiklan tidak selalu dapat memprediksi pendekatan mana yang akan memberikan hasil terbaik.

Dalam kampanye lain untuk merek peralatan dapur yang menggunakan AI multimodal, merek tersebut mencapai tingkat penyelesaian video rata-rata sebesar 94% di CTV, melampaui tolok ukur klien sebesar 70% dan menghasilkan RKT 0,14% — mengalahkan tolok ukur sebesar 0,10%.

Jaringan CTV yang berkinerja terbaik, termasuk Discovery Channel dan Food Network, semuanya selaras dengan sinyal niat berperilaku tinggi yang ditangkap dalam penyematan multimoda Dstillery.

“Ini benar-benar menangkap maksud dari setiap peristiwa digital tersebut, jadi kami mengambil pemahaman perilaku tersebut dan membawa sinyal CTV tentang saluran, judul, atau serial tertentu ke dalam ruang yang sama,” kata Williams. “Prediksi yang kami buat berdasarkan perilaku untuk mengetahui perilaku digital apa yang memprediksi hasil tertentu untuk masing-masing merek kini dapat langsung diterapkan ke salah satu saluran, judul, atau serial CTV tersebut.”

AI multimodal membebaskan pengiklan, membuka penargetan yang tepat dan berperforma tinggi dari beragam sinyal data, sekaligus menghilangkan fragmentasi, latensi, dan dugaan yang telah lama membatasi penargetan terprogram.

“AI multimodal memberdayakan pengiklan untuk memanfaatkan sinyal data apa pun, apa pun bentuknya, dan mengaktifkannya di seluruh taktik dan saluran terprogram apa pun,” kata In. “Hal ini tidak hanya menyelesaikan tantangan penargetan saat ini, namun juga menyediakan kebutuhan bagi agen AI jaringan ikat untuk memahami, mengevaluasi, dan beroperasi di berbagai modalitas.”

Meskipun teknologi ini sangat berharga dalam menyelesaikan tantangan penargetan saat ini, seiring dengan bergeraknya industri menuju sistem agen yang otonom, landasan terpadu akan menjadi lebih penting lagi, karena agen AI perlu menggunakan alat dan aplikasi yang bekerja secara lancar di seluruh modalitas data.

“Agar AI agen dan agen AI tingkat lanjut dapat benar-benar memberikan nilai unggul, mereka perlu memahami semua mode data; Anda tidak dapat melakukan hal tersebut tanpa multimodalitas,” kata In. “Bayangkan jika agen AI hanya bisa berpikir berdasarkan sinyal kontekstual. Agen tersebut akan kehilangan sinyal perilaku, yang kita semua tahu merupakan alat prediksi niat yang jauh lebih baik.”

Saat mengevaluasi calon mitra dan vendor, ada banyak fitur, kemampuan, dan pertanyaan yang perlu dipertimbangkan untuk memastikan kesesuaian. Tidak semua vendor dapat mengambil sinyal yang beragam dan membandingkannya sepenuhnya di ruang bersama yang sama. Kualitas pembeda lainnya mencakup metodologi yang transparan dan aktivasi terpadu, serta kecepatan dan skalabilitas solusi.

Selain logistik evaluasi kemampuan teknis, penting untuk memastikan bahwa kedua pihak yang menjalin kemitraan memiliki tujuan yang sama. Misalnya, mentalitas set-it-and-forget-it akan menghasilkan kinerja set-it-and-forget-it. Kemitraan yang sukses terjadi ketika ada kemauan untuk berkolaborasi. Saat merekrut mitra teknologi baru, penting untuk melihatnya sebagai kemitraan.

“Jangan berharap semuanya berjalan sempurna sejak hari pertama,” kata In. “Merek-merek yang menang adalah mereka yang bersedia menguji, berbagi pembelajaran, dan mengulanginya. Setelah roda gila tersebut berjalan dan Anda memahami apa yang secara khusus mendorong kinerja merek Anda, saat itulah Anda mengungguli merek lain.”

---

Tentang Tempat Penyulingan

Dstillery adalah perusahaan penargetan iklan AI terkemuka. Kami memberdayakan merek dan agensi untuk menargetkan prospek terbaik mereka untuk kampanye iklan terprogram yang berkinerja tinggi. Solusi penargetan audiens kami didukung oleh AI multimodal — sebuah terobosan dalam AI yang belajar dari segala bentuk data dan menerapkannya pada segala bentuk data, menjadikannya mesin penargetan paling fleksibel di pasar. Didukung oleh Ilmu Data kami yang memenangkan penghargaan, Dstillery telah mendapatkan 24 paten (dan terus bertambah) untuk teknologi AI yang mendukung audiens kami yang tepat dan terukur. Untuk mempelajari lebih lanjut, kunjungi kami di www.dstillery.com atau ikuti kami di LinkedIn.