En ole täysin varma, miten kaikki alkoi, sillä siirryin ohjelmallisen mainonnan alalle vasta vuonna 2016 työskenneltyäni aiemmin verkkokonsultoinnin parissa yleisemmin. Mutta kun katson taaksepäin, on selvää, että jo tuolloin tekoäly oli meitä askeleen edellä.
Alalle siirryttyäni yksi ensimmäisistä tehtävistäni oli trafikoida peruskampanja yhteen tunnetuista, edelleen käytössä olevista mainospalvelimista. Kun koitti hetki päättää kampanjan toimitustavasta, seisoin ensimmäistä kertaa kasvotusten tulevaisuuden supervoiman edessä. Minun piti valita, jaellaanko kampanja tasaisesti, etupainotteisesti vai mahdollisimman pian. Tuolloin en vielä täysin ymmärtänyt, miten merkittävästi tekoäly tulisi vielä muovaamaan alaa.
En oivaltanut sitä vieläkään silloinkaan, kun huolellisesti täytin kampanjan kaikki rivikohtaiset tiedot ja painoin nappia tarkistaakseni, olisiko mainosnäyttöjä riittävästi vapaana kampanjalle. Onneksi algoritmi päätteli, että mainosinventaaria pitäisi löytyä tarpeeksi kampanjan toteuttamiseksi. Se päätyi tähän johtopäätökseen vertaamalla viimeaikaisia mainosyksiköiden liikennetietoja historiadataan ja mahdollisesti jopa kausitietoihin sekä muihin tekijöihin.
Tuolloin, ja itse asiassa vielä tänäkään päivänä, emme ole tilanteessa, jossa tekoäly tai algoritmit kykenisivät ennustamaan tulevaisuutta sataprosenttisen tarkasti. Siksi meidän täytyi yhä varmistaa, että kampanjat toteutuvat suunnitellusti.
Tekoälyn algoritmit putsaavat pöytää
Pian tämän jälkeen siirryin ohjelmallisen ostamisen pariin. Aloitin toki kiinteähintaisilla tarjouksilla, mutta muistan, kuinka tutkin klikkaus-, konversio- ja muita tarjousalgoritmeja suurella mielenkiinnolla. Virhe. En osannut aavistaa, että näiden valintojen takana lurkkisi edistyneempi tekoäly, joka tulisi lopulta korvaamaan minut ja kollegani.
Kun sopiva kampanja osui kohdalle, tartuin rohkeasti tilaisuuteen ja kokeilin konversioalgoritmia. Tämä loikka edistyneempien algoritmien maailmaan merkitsi luultavasti ensikosketustani konkreettiseen koneoppimiseen. Kyseisessä tilanteessa kysynnän puolen alusta (DSP) hyödynsi laajaa historiallista dataa useilta ostajilta, verkkosivustoilta ja mainosyksiköiltä, valikoiden tarkasti ne mainosnäytöt, jotka ohjaisivat konversioihin asiakkaani verkkosivustolla.
Jäikö minulle sitten mitään tekemistä tämän jälkeen? Käytännössä tehtäväni tiivistyivät tavoitteiden asettamiseen, määrittelemään ne kohdennusparametrit, joiden rajoissa tekoäly voisi toimia, arvioimaan optimoinnin suorituskykyä ja käymään keskusteluja asiakkaan kanssa uusista tavoitteista, kampanjoista ja menetelmistä. Pohjimmiltaan, ei paljoakaan muuta!
Alun kokemusten jälkeen pääsin kasvavissa määrin kosketuksiin koneoppivien algoritmien kanssa tutustuessani muun muassa dynaamiseen hintojen määrittelyyn, mainosten luovan sisällön optimointiin, look-alike-mallinnukseen ja muihin datapohjaisiin yleisöihin. Kaiken kaikkiaan lukuisia tekoälypohjaisia ominaisuuksia on tullut hyödynnettyä ja testattua ohjelmallisen mainonnan sekä osto- että myyntipuolella.
No, mikäli kysyisin junioritason ad ops -henkilöltä mainostoimistossa, tuntisiko hän tylsistymistä työtehtävien vähetessä, epäilen vahvasti, ettei hän olisi sitä mieltä. Samaan tapaan kokeneet ohjelmallisen mainonnan johtajat julkaisijoilla, jotka miettivät kuumeisesti, kuinka rakentaa ja ylläpitää ohjelmallisen mainonnan kyvykkyyksiä muuttuvan teknologisen, lainsäädännöllisen ja mainostajien paineiden alla, eivät luultavasti myöskään allekirjoittaisi tätä näkemystä.
Tekoäly ei ainoastaan muuta ihmisten rooleja olemassa olevien tehtävien puitteissa, vaan voi synnyttää myös kokonaan uusia työnkuvia. Katsotaanpa vaikkapa ChatGPT:tä, joka on herättänyt laajalti keskustelua ja samalla luonut pohjaa uudelle työnkuvalle – tai vähintäänkin uudelle osaamisalueelle, jota kutsutaan prompt engineeringiksi. ChatGPT ei ole pelkästään ollut mediahuomion keskipisteenä, vaan on myös inspiroinut useiden koulutusohjelmien ja -kurssien järjestämiseen näiden taitojen opettamiseksi, jopa yliopistotasolla.
Mikäli tulevien vuosien työtehtävät – ja samalla palkanmaksu – mietityttävät sinua, suosittelemme tutustumaan Gartnerin hype-käyrään, joka keskittyy digitaaliseen mainontaan tai uusiin, nouseviin teknologioihin. Vastauksen vähintäänkin osaan kysymyksistäsi löydät todennäköisesti sieltä.
Kuinka mainosteknologiayritykset voivat mukautua tekoälyn tuomiin muutoksiin?
Olemme jo pitkään tiedostaneet, että menestys ohjelmallisen mainonnan alalla edellyttää jatkuvaa uuden omaksumista, sillä uudet aloitteet ja teknologiat muovaavat jatkuvasti työskentelytapojamme. Kun katsomme taaksepäin, Ads.txt:n lanseerauksesta on kulunut vain kuusi vuotta. Olemme myös sopeutuneet useisiin merkittäviin muutoksiin viime vuosina, mukaan lukien TCF, Sellers.json sekä kolmannen osapuolen evästeiden tuen väheneminen, vain muutamia esimerkkejä mainitakseni.
Tekoälyn tuomat uudet ominaisuudet kiihdyttävät muutosvauhtia entisestään. Tuore artikkeli "Reskilling in the Age of AI" (Uudelleenkouluttautuminen tekoälyn aikakaudella) Harvard Business Review'ssa toteaa: "Taitojen keskimääräinen puoliintumisaika on nykyään alle viisi vuotta, ja joillakin teknologia-aloilla se on vain kaksi ja puoli vuotta". Väittäisin, että omalla toimialallamme olemme lähempänä tuota kahta ja puolta vuotta.
Tämä tarkoittaa, että yritysten, jotka haluavat pysyä kilpailijoidensa edellä tai edes samalla tasolla, on investoitava henkilöstönsä osaamisen kehittämiseen. Joissakin tapauksissa saattaa olla tarpeen harkita työntekijöiden uudelleenkouluttamista. Kyseisessä HBR:n artikkelissa korostetaan, että yritysten pitäisi tehdä työntekijöidensä uudelleenkoulutuksesta selkeä strateginen painopiste. Johtajien tulisi ohjata tätä prosessia ja varmistaa, että uudelleenkoulutus on osa jokaisen tiimipäällikön - myös johtotason - tavoitteita.
HBR:n artikkeli ehdottaa lisäksi, että ihannetapauksessa työntekijöille tulisi tarjota riittävästi aikaa, erillään heidän normaaleista tehtävistään, osallistumiseksi uudelleenkoulutusprosessiin. Prosessi vaatii nimittäin sekä henkistä panostusta että ajallista sitoutumista. Lisäksi yrityksen tulisi selkeästi kommunikoida syyt sen uudelleen- tai lisäkoulutuspyrkimysten takana varmistaakseen, että osallistuminen ei rajoitu vain niihin, jotka olisivat osallistuneet muutenkin.
Niin yksilöinä kuin yrityksinäkin meidän on tärkeää vahvistaa ja tukea oppimista koko toimialalla organisaatioiden, kuten IAB:n, avulla. Tämä varmistaa, että välttämättömät taidot ja osaaminen eivät keskity vain muutamien, mittavien resurssien omaavien toimijoiden käsiin, vaan ne levittäytyvät tasaisesti läpi koko toimialamme.