ለተጠቃሚ እምነትና ተዛማጅነት የChatGPTን አዲስ የማስታወቂያ ቴክኖሎጂ እንዴት እንደገነባን

የተለመዱ የማስታወቂያ ስርዓቶች ለተጠቃሚው ዓላማ የተናጠል መገለጫዎች ምላሽ እንዲሰጡ ተደርገው ይገነባሉ። አንድ ተጠቃሚ በመስመር ላይ የሆነ ነገር ሲፈልግ ወይም ሲመለከት፣ የማስታወቂያ ስርዓቱ እነዚያን የፍለጋ ጥያቄዎችና የገጽ እይታዎች እንደ ክስተቶች ይቀበላል፤ በእነሱ መሠረትም ተዛማጅ ማስታወቂያዎችን ይፈልጋል። ለChatGPT የማስታወቂያ ቴክኖሎጂ መገንባት ግን የተለየ ነበር፤ የተጠቃሚው ዓላማ በውይይቶች ሂደት እየዳበረ ይሄዳል፣ በብዙ የውይይት ዙሮችም ይለዋወጣል። አንዳንድ ጊዜም ማስታወቂያ ለማቅረብ ተስማሚ አጋጣሚ አይኖርም። ይህን አዲስ አሠራር ለመደገፍ፣ ለዚሁ ዓላማ የተበጀ የማስታወቂያ ማድረሻ ስርዓት ገንብተናል። ይህ አዲስ የማስታወቂያ ቴክኖሎጂ የተመሠረተው ለዓላማው በተበጀ፣ ድህረ-ስልጠና በወሰደ ግንባር ቀደም LLM ላይ ነው። ይህ LLM ፈልጎ ለማምጣት (ዋና አማራጮችን ለመለየት)፣ ደረጃ ለመስጠት (የተጠቃሚ ተሳትፎን ለመተንበይ)፣ ተዛማጅነትን ለመመዘን (የማስታወቂያውን ጠቀሜታ ለመገምገም)፣ እንዲሁም ማስታወቂያውን በመጨረሻ ለመምረጥና ዋጋ ለመተመን ጨረታዎችን ለማካሄድ መሣሪያዎችን ይጠራል።

የማስታወቂያ ስርዓታችን እየተለዋወጡ የሚሄዱ የተጠቃሚ ግቦችን ረቂቅ ልዩነቶች የሚያስተናግደው በሦስት ቁልፍ የንድፍ ውሳኔዎች ነው፦ 1) ሁኔታን የሚያስታውሱ የማስታወቂያ ክፍለ ጊዜዎችን መተግበር፤ ይህም መረጃ በአንድ ውይይት ዙሮችና በበርካታ ውይይቶች መካከል ይታወሳል ማለት ነው። 2) ለዓላማው በተበጀና ድህረ-ስልጠና በወሰደ LLM መጠቀም፤ ይህም የመሣሪያ ጥሪ አወቃቀርን ተጠቅሞ የውይይቱን አውድና የተደበቀ ዓላማ ይተረጉማል፣ ከዚያም ማስታወቂያዎችን በብቃት ይመርጣል፣ ደረጃ ይሰጣል፣ ያደርሳል። 3) ማስታወቂያዎች በመልሶች ላይ ተጽዕኖ እንዳያሳድሩና የChatGPT ገለልተኛ አነጋገር እንዲጠበቅ፣ የማስታወቂያ ምርጫ ሂደቱን ከChatGPT መልስ ማመንጨት ለይቶ በራሱ አገልግሎት ማካሄድ። ድህረ-ስልጠና የወሰደውን LLM ሙሉውን የማስታወቂያ ሂደት ለማስተባበር እንጠቀምበታለን። ይህም ተጠቃሚው አሁን ባለበት የውይይት ዙርና በውይይት ታሪኩ መሠረት፣ በትክክለኛው ጊዜ ማሳየት ያለበትን ትክክለኛ ማስታወቂያ ይወስናል። እንዲህ ያለ ራሱን የሚያሻሽል የማስታወቂያ ስርዓት ከመሠረቱ መገንባት ከዚህ በፊት ዓመታትን ይፈጅ ነበር። የChatGPT ማስታወቂያዎች ግን ከተጀመሩ ከ200 ቀናት ባነሰ ጊዜ ውስጥ፣ በወቅታዊው የገቢ ፍጥነት ወደ ዓመት ሲሰላ 1 ቢሊዮን ዶላር ላይ ደርሰዋል። ከተጀመረበት ጊዜ አንስቶ እስከ አሁንም ከ100,000 በላይ አስተዋዋቂዎች በChatGPT ላይ ማስታወቂያ አቅርበዋል።

የተለመደ የማስታወቂያ ጥያቄ ብዙውን ጊዜ በግልጽ በተወሰነ ክስተት ይጀምራል። ተጠቃሚው የፍለጋ ጥያቄ ያስገባል ወይም ድረ ገጽ ይከፍታል፤ የማስታወቂያ ስርዓቱም ጥያቄ ይቀበላል። ይህ ዓይነቱ ስርዓት በአንጻራዊነት ቀላል ነው፦ እጩ ማስታወቂያዎችን ፈልጎ ያመጣል፣ ደረጃ ይሰጣቸዋል፣ የማስታወቂያ ዕድሉን ዋጋ በአግባቡ ለመተመን ጨረታ ያካሂዳል፣ ከዚያም የተመረጠውን ማስታወቂያ ለተጠቃሚው ያሳያል። ChatGPT በተፈጥሮው እንዲህ ያለ በግልጽ የተወሰነ አጋጣሚ አይፈጥርም።

በChatGPT ውይይት ውስጥ፣ ሰዎች የሚመጡት አንድ መልስ የሚፈልግ የፍለጋ ጥያቄ ይዘው ሳይሆን ግቦች ይዘው ነው። ጉዞ እያቀዱ፣ ለንግዳቸው ሶፍትዌር እየመረጡ፣ ቤታቸውን በዕቃ እያሟሉ ወይም አዲስ የትርፍ ጊዜ ማሳለፊያ እየተማሩ ሊሆን ይችላል። ይህ ሁሉ በአንድ የውይይት ዙር አይከናወንም። ChatGPT ብዙውን ጊዜ ተጠቃሚው በሂደቱ ውስጥ ምን አስፈላጊ እንደሆነ እንዲያጠራ ይረዳዋል።

ለምሳሌ፣ የምህንድስና ቡድናችን ለውድድር እንዴት መሰልጠን እንደሚገባ ለChatGPT ጠይቆ ነበር። ውይይቱ ስለ ሩጫ በሚያነሳ አጠቃላይ ጥያቄ ይጀምራል። ከበርካታ የውይይት ዙሮች በኋላ፣ ለልምምድ ስለሚረዱ ጫማዎች ይጠይቃሉ። እያንዳንዱ አዲስ መስፈርት ሲጨመር፣ ውይይቱ በግዢ አንጻር ያለው ትርጉም ይለወጣል፤ ይህ ለተጠቃሚው የተለየ አውድም በበርካታ ክፍለ ጊዜዎች እየዳበረ ይሄዳል። በመጀመሪያው መልዕክት ብቻ እርምጃ የሚወስድ ስርዓት፣ ዓላማውን ሙሉ በሙሉ ሊሳሳት ይችላል፤ ይህም የተጠቃሚውን ተሞክሮ ሊያበላሽና እንቅፋት ሊሆንበት ይችላል።

የማስታወቂያ ስርዓታችንን ለመገንባት፣ ከጥያቄና ምላሽ የማስታወቂያ አወቃቀር ባሻገር መሄድ አስፈልጎናል። ለተጠቃሚው እምነትና ጥቅም ቅድሚያ እየሰጠ፣ ሊኖሩ የሚችሉ የንግድ ዕድሎችን የሚለይ የማስታወቂያ ቴክኖሎጂ ከመሠረቱ ገንብተናል።

እንደ ተለመደ የማስታወቂያ ስርዓት፣ እያንዳንዱን መልዕክት ራሱን ወደቻለ ጥያቄ መቀየር በውይይት አጠቃቀማችን ውስጥ ጥቂት ስጋቶችን ያመጣ ነበር፦ 1) የተጠቃሚውን ግብ ከልክ በላይ በማቅለል በስህተት መረዳት፣ 2) የተጠቃሚው እውነተኛ ፍላጎት ከመገለጹ በፊት የማስታወቂያ ሂደቱን በጣም ቀድሞ መጀመር፣ 3) የተጠቃሚውን ጉዞ ከመደገፍ ይልቅ እንቅፋት የሚሆኑ ማስታወቂያዎችን ማሳየት፣ እና 4) ጥያቄው በተለወጠ ቁጥር የማስታወቂያ ሂደቱን በተደጋጋሚ እንደገና በማስኬድ አላስፈላጊ ሥራና ወጪ መፍጠር። ፍለጋን፣ ደረጃ አሰጣጥንና ማድረስን ያካተተው የማስታወቂያ ስርዓት፣ በተናጠል ክስተቶች ዙሪያ ከመገንባት ይልቅ ሁኔታን የሚያስታውስ ክፍለ ጊዜ ያቆያል። ይህም ማለት፣ የማስታወቂያ ክፍለ ጊዜው ብቁ በሆነ የውይይት ዙር ሙሉ ቆይታ ውስጥ ይሠራል፣ መረጃውንም እየተለወጠ ሲሄድ ያስታውሳል፣ ያዘምናል። ChatGPT የመጀመሪያውን ጥያቄ አውድ ወደ ማስታወቂያ አገልጋዩ ይልካል። የማስታወቂያ ስርዓቱ፣ ዝርዝሩ ተጨምቆ በአንድ ጥያቄ ላይ ከመመርኮዝ ይልቅ፣ እየዳበረ የሚሄደውን ውይይት ይከተላል፣ ከእሱ ጋርም ይጣጣማል።

የማስታወቂያ ሂደቱ በChatGPT ምላሾች ላይ ተጽዕኖ እንዳያሳድር፣ የማስታወቂያ ምርጫ ሂደቱ ከChatGPT መደበኛ ምላሽ ማመንጨት ጎን ለጎን ይካሄዳል። ማስታወቂያዎች የሚጣሩትና የሚመረጡት፣ ውይይቱን እንደ ግብዓት በሚጠቀምና የራሱ የብቁነት፣ የጥራትና የማድረስ ገደቦች ባሉት የተለየ ስርዓት ነው። ይህ የተለያዩ ሞዴሎችና የተለያየ ኮድ የሚጠቀሙ የተለያዩ አገልግሎቶችን ያካተተ ወሳኝ የአወቃቀር ወሰን፣ ዋናዎቹ የChatGPT አገልጋዮች መደበኛውን ምላሽ እንዲያመነጩ ያስችላል። በዚህ መሀል፣ የማስታወቂያ ስርዓቱ ተገቢ የማስታወቂያ ዕድል እንዳለ በተናጠል ይገመግማል፤ ካለም፣ ስፖንሰር የተደረገ ማስታወቂያን በተለየ የማቅረቢያ ሂደት ያዘጋጃል።

ይህ መለያየት የተጠቃሚውን ተሞክሮ ከመጠበቅ ባለፈ፣ በተግባር የሚታዩ ውጤቶችም አሉት። ChatGPT በማስታወቂያ ስርዓቱ ላይ አይመረኮዝም፤ አገልግሎቶቹ በምንም መልኩ የተሳሰሩ አይደሉም፣ የይዘት ማመንጫ ሞዴልም አይጋሩም። ስለዚህ የማስታወቂያ ማቅረቢያ ስርዓቱ ባይሰራ ወይም ቢዘገይ፣ የChatGPT መደበኛ ምላሽ ያለ ምንም ተጽዕኖ ይቀጥላል። ይህም ማለት የማስታወቂያ ስርዓቱ የChatGPTን አገልግሎት ሊያቋርጥ ወይም ሊያዘገይ አይችልም ማለት ነው። ሌላው የዚህ መለያየት ጥቅም፣ ማስታወቂያዎች ያላቸውን ጠቀሜታ የምንመዝንበት መስፈርት በጣም ከፍ ያለ ሆኖ እንዲቆይ ማድረጉ ነው። ምንም ማስታወቂያ አለማቅረብ የተለመደና ስኬታማ ውጤት ነው። ስርዓቱ ማስታወቂያ የሚያቀርበው ለተጠቃሚዎችና ለአስተዋዋቂዎች በግልጽ ጠቃሚ ሲሆን ብቻ ነው።

ሌላው በማስታወቂያ ቴክኖሎጂያችን አወቃቀር ውስጥ ቁልፍ የሆነው ክፍል፣ ድህረ-ስልጠና የወሰደው LLM ነው። ይህም ውይይቶችን ተርጉሞ ሙሉውን የማስታወቂያ ሂደት በወኪላዊ ዑደት ያካሂዳል፤ ከፍለጋና ማምጣት እስከ ደረጃ መስጠት፣ ጨረታና በመጨረሻም ማድረስ ድረስ ያሉትን የማስታወቂያ ስርዓቱን ዋና ተግባራት ለማከናወን መሣሪያዎችን ይጠራል። ይህን LLM አስተባባሪ ብለን እንጠራዋለን።

የማስታወቂያ ሂደቱ የመጀመሪያ ክፍል፣ ፍለጋና ማምጣትን ለመጀመር የተጠቃሚውን ዓላማ መረዳት ነው። ፍለጋና ማምጣት ማለት በኋላ ለማጣራት የሚቻል ሆን ተብሎ ሰፊ የሆነ የእጩ ማስታወቂያዎች ስብስብ በፍጥነት መሰብሰብ ነው። ውይይቱን በየደረጃው መቀበል ለፍለጋው የበለጠ መረጃ ቢሰጥም፣ የበለጠ አሻሚም ያደርገዋል፤ ምክንያቱም የማስታወቂያ ስርዓቱ የአሁኑን ዓላማ ከአሮጌው አውድ መለየት አለበት። አስተባባሪው ወደ ቀደሙ መልዕክቶች የሚመለሱ ማጣቀሻዎችን መረዳት፣ ተጠቃሚው በመላምት ሲናገር መለየት፣ እንዲሁም አንድ ምርት ወይም አገልግሎት በተጠቀሰ ቁጥር የግዢ ጥያቄ እንደሆነ ከመቁጠር መቆጠብ አለበት።

የማስታወቂያ አስተባባሪው ያለውን ውይይትና የተጠቃሚ አውድ ተጠቅሞ ጥሩ ማስታወቂያዎችን ለማግኘት በተደጋጋሚ ይሞክራል፤ የትኛውን መሣሪያ መቼ መጥራት እንዳለበትም በየደረጃው ይመርጣል። ዋና ግቡም ለዚያ ውይይትና አውድ እጅግ ተስማሚ የሆነውን ማስታወቂያ፣ ማለትም የተጠቃሚውንና የአስተዋዋቂውን ከፍተኛ ጥቅም የሚያመጣጥን ማስታወቂያ ማግኘት ነው። ተጠቃሚው ማስታወቂያዎች ከግል ፍላጎቱ ጋር እንዲጣጣሙ ከመረጠ፣ አስተባባሪው በጣም ተስማሚ ማስታወቂያዎችን ለማግኘት ስለተጠቃሚው ያለፉ ውይይቶች ያለውን ስሱ ያልሆነ መረጃም ግምት ውስጥ ያስገባል።

ውይይቱ እየቀጠለ ሲሄድና የማስታወቂያ አስተባባሪው ይበልጥ ወቅታዊ መረጃ ሲያገኝ፣ የተሻሉ ማስታወቂያዎችን ለማግኘት በዘመነው አውድ አዲስ ተከታታይ የመሣሪያ ጥሪዎችን ማድረግና ውጤቶቹን ወደ ደንበኛ መተግበሪያው መላክ ይችላል። እነዚህ አዲስ ማስታወቂያዎች በጊዜ ከደረሱ፣ መተግበሪያው ሊጠቀምባቸው ይችላል።

አስተባባሪው ሁልጊዜ ለተጠቃሚዎች ቅድሚያ እየሰጠ፣ የተጠቃሚውንና የአስተዋዋቂውን ጥቅም እንዲያመጣጥን ተደርጎ ተነድፏል።

የማስታወቂያ ስርዓቱ ከተለያዩ መሣሪያዎች የተዋቀረ ነው። አስተባባሪውም ለአንድ ውይይት ምርጥ ማስታወቂያዎችን ለማግኘት በተደጋጋሚ ይጠራቸዋል። በአጠቃላይ፣ አስተባባሪው ውይይቶችን ወደ አጭር የጽሑፍ ማጠቃለያዎች ይቀይራል። እነዚህም ወደ ትርጉም ውክልናዎች፣ ማለትም የማስታወቂያ ስርዓቱ በቀላሉ ሊያጣራቸው በሚችል መልኩ ወደተቀመጡ ትርጉሞች ይቀየራሉ። እነዚህን ውክልናዎች ተጠቅሞ እጩ ማስታወቂያዎችን ያመጣል፣ በበጀት፣ በተጠቃሚ ቅንብሮችና በሌሎች የመጀመሪያ ፍተሻዎች መሠረት ብቁ መሆናቸውን ያጣራል፣ ጥራታቸውንና ተዛማጅነታቸውን ይገመግማል። በመጨረሻም በውይይቱ ምላሽ መጨረሻ ላይ ለማሳየት ከፍተኛ ጠቀሜታ ያላቸውን ለመለየት የመጨረሻ ደረጃ አሰጣጥ ያከናውናል። ስለዚህ እያንዳንዱ ማስታወቂያ ለመታየት ብቁ እንዲሆን ከፍተኛ የብቁነትና የተዛማጅነት መስፈርቶችን ማሟላት አለበት።

አስተባባሪው LLM በመጀመሪያ አግባብነት ያለውን የግዢ ዓላማ የሚወክሉ አንድ ወይም ከዚያ በላይ ጥያቄዎችን ያዘጋጃል። ይህ የግዢ ዕድሎችን ከአንድ ለአንድ የፍለጋ ጥያቄዎች ባሻገር ለማስፋት የውይይቱን አውድ እንደገና መጻፍና ከዚያም የትርጉም ውክልናዎችን መፍጠር ሊያካትት ይችላል። በዚህ ሂደት፣ አስተባባሪው ብዙ የጥያቄና ምላሽ ዙሮች ያሉትን ውይይት ለፍለጋ ስርዓቱ በማጠቃለል፣ ከመረጃ ቋታችን ማስታወቂያዎችን በተተኮረ መንገድ ያመጣል።

ማስታወቂያዎች የተጠቃሚው ዓላማ በጥልቀት ሲታወቅ ብቻ ከታዩ፣ ለተጠቃሚዎችም ሆነ ለአስተዋዋቂዎች የተሻሉ ይሆናሉ። በርካታ ጥያቄዎች የዓላማውን የተለያዩ ገጽታዎች ጠብቀው ሊያቆዩ ይችላሉ። ለምሳሌ፣ ጉዞን ስለማቀድ የሚደረግ ውይይት ከመጓጓዣ፣ ከማረፊያ ወይም ከመዝናኛ እንቅስቃሴዎች ጋር የተያያዙ የተለያዩ ፍላጎቶችን ሊያካትት ይችላል። የፍለጋ ስርዓቱ ውይይቱን በሙሉ ወደ አንድ ቀጥተኛ የጽሑፍ ሐረግ ከመጭመቅ ይልቅ፣ እነዚህን ልዩነቶች ጠብቆ ማቆየት ይችላል።

ለምሳሌ፣ ስለ ተራራ ጉዞ ጫማዎች ሊደረግ የሚችል ተከታታይ ውይይት እንመልከት፦

1. ወደ Yosemite የሁለት ቀን ጉዞ ስሄድ የትኞቹን ቦታዎች መጎብኘት አለብኝ?

2. በሚቀጥለው ሳምንት ብርድ ይሆናል?

3. አዲስ [insert brand] የምርት ስብስቦች?

ተጠቃሚው ስለ ጫማ ብራንዱ ያቀረበውን ጥያቄ ከዮሰሚቲ ጉዞው ጋር ባያገናኘውም፣ ይህ ውይይት በማስታወቂያ ስርዓታችን ውስጥ እንደ [shoes appropriate for hiking trip] እና [new [brand] product lines good for travel] ባሉ ሁለት ጥያቄዎች ሊወከል ይችላል። ይህ የመጀመሪያው ሙከራ ብቻ ሊሆን ይችላል፤ አስተባባሪው በማስታወቂያ ክምችታችን ውስጥ ለተጠቃሚው እጅግ ጠቃሚ የሆኑ ማስታወቂያዎችን እስኪያገኝ ድረስ እነዚህን ውክልናዎች እያሻሻለ እንዲሞክር ተደርጎ ተነድፏል።

ፍለጋና ማምጣት ማለት ሆን ተብሎ ሰፊ የሆነ የማስታወቂያ አማራጮች ስብስብ የመፍጠር ሂደት ነው። እጩዎች በተለያዩ የፍለጋ ስልቶች ሊመጡ ይችላሉ፤ በኋላም በተመሳሳይ የማቅረቢያ ገደቦች ውስጥ ሊወዳደሩ ይችላሉ። ለተለያዩ የስርዓትና የምርት ገደቦች የተመቻቹ በርካታ መረጃ ጠቋሚዎችን እንገነባለን። ለምሳሌ፣ ከምርት መረጃ ፍሰት ለሚመጡ ማስታወቂያዎች የተዘጋጀው ጠቋሚ፣ ምርጥ ማስታወቂያዎችን ሲያመጣ አዎንታዊም ሆነ አሉታዊ የምርት ግምገማዎችን ግምት ውስጥ እንዲያስገባ ተደርጎ ተነድፏል። ይህ ግን ግምገማዎች ከእነሱ ጋር ላልተያያዙ ሌሎች ማስታወቂያዎች አግባብነት የለውም። እያንዳንዱ ጠቋሚ፣ የተጠቃሚውን ዓላማ የሚወክሉ ውክልናዎችን በመጠቀም፣ የቅርብ ጎረቤት ግምታዊ ፍለጋን (ANN) በአንዱ ስልት በተሻለ ሁኔታ እንዲያከናውን ተመቻችቷል። ይህ የANN ፍለጋ በትልልቅ የትርጉም ጠቋሚዎች ውስጥ ፈልጎ ለማምጣት የሚያገለግል ግምታዊ አልጎሪዝም ነው። ይህም ማለት ማስታወቂያዎች በጣም በፍጥነት ይመጣሉ፤ «ትክክለኛውን» መፍትሔ ከመፈለግ ይልቅ ወደ ጥሩ መፍትሔ እየተቃረበ፣ አብዛኞቹን ተዛማጅ እጩዎች ያቆያል።

የማጣራት ዓላማ፣ በተዛማጅነት፣ በጨረታ ዋጋና በበጀት ረገድ ለመታየት የሚያስፈልገውን መስፈርት የማያሟሉ እጩ ማስታወቂያዎችን ሁሉ ከግምት ማስወጣት ነው። እንደ እጩውና እንደ ውቅሩ፣ የማጣራት ፍተሻዎች የሚከተሉትን ሊያካትቱ ይችላሉ፦ የማስታወቂያ ይዘትና የዘመቻ አገልግሎት ላይ መሆን (ዘመቻው ወይም የማስታወቂያ ይዘቶቹ ንቁ መሆናቸውን)፣ የዘመቻው ኢላማ (ለምሳሌ፣ ዘመቻው በየትኞቹ አካባቢዎች እንዲሰራ እንደተፈቀደለት)፣ የፖሊሲ ገደቦች (ምን ማስተዋወቅ እንደሚቻል የሚወስኑ መስፈርቶች)፣ በጀት መኖር (ዘመቻው አሁንም የሚያወጣው በጀት እንዳለው)፣ የወጪ ፍጥነት ማስተካከያ (ዘመቻው በጀቱን አሁን ወይስ በቀኑ ሌላ ጊዜ ማውጣት እንዳለበት)፣ የማሳያ ተስማሚነት (ማስታወቂያው ለየትኞቹ ውይይቶች ብቁ እንደሆነ)፣ እንዲሁም በአስተዋዋቂና በዘመቻ ደረጃ ድግግሞሽን ማስወገድ (በንግድ ድርጅቶች መካከል ፍትሃዊ ተሳትፎ እንዲኖር ከእያንዳንዱ አስተዋዋቂ ተገቢ ቁጥር ያላቸውን ማስታወቂያዎች መምረጥ)።

የብቁነት ፍተሻዎችን ያለፉ እጩዎች ወደ ነጥብ አሰጣጥ ደረጃ ይሸጋገራሉ። በዚህ ደረጃ አስተባባሪው፣ ማስታወቂያውን ለማቅረብ የሚያግዙ የተለያዩ የነጥብ አሰጣጥ ስርዓቶችን በመሣሪያ ጥሪዎች ይጠቀማል። እነዚህም እንደ የትርጉም ተዛማጅነት (ማስታወቂያው ከተጠቃሚው ግብ ጋር ይዛመዳል?)፣ የተገመተ ተሳትፎ (ማስታወቂያው ሊታይ፣ ሊጫንና አስተዋዋቂው ወደሚፈልገው ውጤት ሊቀየር ይችላል?)፣ ያለፈ አፈጻጸም (ማስታወቂያው እስካሁን ለተጠቃሚዎች ሲታይ ጥሩ ውጤት አሳይቷል?) ያሉ ጉዳዮችን ይመዝናሉ። አስተባባሪው ከጨረታው በፊት ተዛማጅነትንና ደህንነትን ለማረጋገጥ ማስታወቂያዎችንም ያጣራል። እነዚህ ስርዓቶች እጩዎቹን አጣርተው ለጨረታ ዝግጁ የሆነ አነስ ያለ ስብስብ ያዘጋጃሉ፤ ነገር ግን በመጨረሻ የሚደርሰው ማስታወቂያ የትኛው እንደሆነ አሁንም አይወስኑም።

አስተባባሪው የተዘጋጁትን እጩዎች በውይይቱ አውድ ይገመግማል፤ ከእጩ ማስታወቂያዎቹ ውስጥ ወደ መጨረሻው ጨረታ ለመግባት በቂ ተስማሚነት ያላቸውንም ይመርጣል። አስተባባሪው የትኛው ማስታወቂያ እንደሚቀርብ በቀጥታ አይወስንም፣ ዋጋም አይተምንም። የጨረታ መሣሪያው እንዲገመግማቸው ከአውዱ ጋር የሚስማሙ እጩዎችን ያቀርባል።

ጨረታው የመጨረሻ የማቅረቢያ ሂደቶችን ያስፈጽማል። እነዚህም ወደ ጨረታ መግባት (ዝቅተኛውን የተዛማጅነትና የጠቀሜታ መስፈርት ማለፍ)፣ የወጪ ፍጥነት ማስተካከያ (የማስታወቂያ በጀትን በተመጣጣኝ ሁኔታ ማውጣት)፣ የመጫረቻ ዋጋና የጨረታ ባህሪያት ስሌት፣ ጥራትን ያገናዘበ ደረጃ አሰጣጥ፣ ዋጋ መተመንና የመጨረሻ ምርጫ ናቸው።

ከጨረታው በኋላ ማስታወቂያ ላይደርስ የሚችልባቸው ሁለት ምክንያቶች አሉ፤ ሁለቱም ከChatGPT ውይይታዊ ባህሪ ጋር የተያያዙ ናቸው።

1. ማስታወቂያው ለውይይቱ ተገቢ ላይመስል ይችላል፦ የተገቢነት ሞዴሎች (ማስታወቂያ ማቅረብ መቼ ተገቢ እንደሆነ የሚወስኑ ሞዴሎች) ውይይቱን ማስታወቂያ ለማሳየት አስተማማኝ እንደሆነ ቢቆጥሩትም፣ ማስታወቂያውም ፖሊሲውን የሚያከብር መሆኑ ቢረጋገጥም፣ አንዳንድ ጊዜ በተወሰኑ ውይይቶች አውድ ውስጥ ተገቢ ላይመስል ይችላል። አስተባባሪው እነዚህ ማስታወቂያዎች እንዳይታዩ ይከለክላል።

2. የማስታወቂያ ጥያቄው በጊዜ ላይደርስ ይችላል፦ የChatGPT ሞዴል ምላሽ ለመስጠት ዝግጁ ሆኖ፣ ማስታወቂያው ግን ለመታየት ዝግጁ ካልሆነ፣ ለማስታወቂያ ጥያቄው የተሰጠው ጊዜ ያበቃና ማስታወቂያው አይደርስም። ስለዚህ ከማስታወቂያ ስርዓቱ ግቦች አንዱ በተቻለ መጠን በፍጥነት መስራት ነው። የChatGPT ሞዴል ምላሽ የሚሰጥበት ጊዜ ተለዋዋጭ ነው፤ ማስታወቂያዎች እስኪጫኑ ለመጠበቅም የውይይት ምላሾችን አናዘገይም።

ከላይ የተጠቀሱት ፍተሻዎች ሁሉ ከተሟሉ፣ ማስታወቂያውን ለማሳየት ወደ ፊት ለፊት በይነገጹ እንልካለን። ይህን በአገልጋይ በኩል የተከናወነ የማስታወቂያ ማድረስ እንደሆነ እንቆጥረዋለን። ይሁን እንጂ ማስታወቂያውን ለተጠቃሚው አሁንም ላናሳየው እንችላለን፤ ይህም ሆን ተብሎ በንድፉ የተካተተ ነው።

እንደ ChatGPT ባለ ውይይታዊ ምርት ውስጥ፣ የማስታወቂያ ይዘት ከአገልጋይ በኩል መድረሱ ብቻ ማስታወቂያው እንደሚታይ ዋስትና አይሰጥም፤ አሁን ባለው የውይይት ዙር ውስጥ ለመካተት በጊዜ መድረስም አለበት። የማስታወቂያው ይዘት ርዕሱን፣ መግለጫውን፣ መዳረሻ አገናኙንና ማንኛውንም የእርምጃ ጥሪ ያካትታል። በተጨማሪም፣ የማስታወቂያ ስርዓቱ በሞዴል የተመነጨ መግቢያ ይመልሳል። ይህም ማስታወቂያው ከውይይቱ ጋር እንዴት እንደሚዛመድ የሚያብራራ አጭርና ገለልተኛ መግቢያ ነው። መግቢያውን ከማስታወቂያው ይዘት ለይቶ ማቆየት፣ የአስተዋዋቂውን መልዕክት ሳይቀይር የChatGPT አነጋገር ገለልተኛ ሆኖ እንዲቆይ ያደርጋል።

የChatGPT ፊት ለፊት በይነገጽ መግቢያውንና የማስታወቂያውን ይዘት በአንድ ጥቅል ይቀበላል። የChatGPT ምላሽ ሙሉ በሙሉ ከመመንጨቱ በፊት ከደረሰ፣ በይነገጹ ማስታወቂያውን ከChatGPT ምላሽ በታች፣ ስፖንሰር የተደረገ መሆኑን በግልጽ በመለየት ያሳያል። በጣም ዘግይቶ ከደረሰ፣ ማስታወቂያው በዚያ የውይይት ዙር አይታይም። በአገልጋይ በኩል ማስታወቂያን በማድረስና ለተጠቃሚው በማሳየት መካከል ያለው ልዩነት ይህ ነው።

የማስታወቂያ ቴክኖሎጂያችን የተለመዱ የምዝገባና የመረጃ ፍሰት ሂደቶችን ይጠቀማል። እነዚህም ሦስት ዋና ጥቅሞች አሏቸው፦ አስተዋዋቂዎች ያሉትን ስርዓቶቻቸውን ከቴክኖሎጂያችን ጋር በቀላሉ ማገናኘት ይችላሉ፣ የሪፖርት መረጃውን ተጠቅመው ስልቶቻቸውን ማሻሻል ይችላሉ፣ ቡድናችንም በስርዓቱ ውስጥ መሻሻል ያለባቸውን ክፍሎች ሊለይ ይችላል። ከእነዚህ የሪፖርትና የማመቻቻ መሣሪያዎች ባሻገር፣ የማድረስ አፈጻጸማችንን ለመገምገምና ሌሎች የማስታወቂያ ሞዴሎችን ለማሰልጠን ከፍተኛ ጥራት ያለው ሞዴል እንጠቀማለን፤ በዚህም ጠንካራ የራስ-ማሻሻያ ዑደት እንፈጥራለን።

ምን እንደተከሰተ የሚያሳዩ ዝርዝር መረጃዎች፣ እያንዳንዱን የማስታወቂያ ስርዓቱን ክፍል ለብቻው እንድንረዳና እንድናሻሽል ይረዱናል። የምዝገባ መረጃን የሚያቀናብረው ስርዓት እንደሚከተሉት ያሉ ዝርዝር ውጤቶችንም ይመዘግባል፦

• የውይይቱ ዙር ለማስታወቂያ ብቁ አልነበረም።

• የማስታወቂያ ክፍለ ጊዜ ተጀምሯል፣ ግን ፈልጎ ለማምጣት ጥያቄ አልቀረበም።

• ፍለጋው ምንም እጩዎችን አላመጣም።

• እጩዎች ተገኝተዋል፣ ግን ዝርዝር መረጃቸውን መሙላት አልተሳካም ወይም ብቁ አልሆኑም።

• ማስታወቂያ ደርሷል፣ በኋላም ተጠቃሚው ከእሱ ጋር ግንኙነት ፈጥሯል።

እነዚህ ዝርዝር መረጃዎች እያንዳንዱን የማስታወቂያ ማቅረቢያ ስርዓቱን ክፍል ለብቻው እንድናሻሽል ይረዱናል። የማስታወቂያ ዕድል መለየትን ማሻሻል፣ ፍለጋን፣ የእጩዎችን ጥራት፣ የጨረታ ተሳትፎን ወይም የማድረስ አስተማማኝነትን ለማሻሻል ከሚያስፈልገው የተለየ ማስረጃ ይጠይቃል።

በሞዴል የሚካሄድ ግምገማ መሠረታዊ ሐሳቡ፣ እጅግ ጠንካራና ከፍተኛ የማመዛዘን አቅም ያላቸው ሞዴሎቻችን የስርዓታችንን ውጤቶች ተመልክተው እንዲመዝኑ፣ ከዚያም ድህረ-ስልጠና የወሰደውን LLM የተሻለ አፈጻጸም እንዲኖረው በማሰልጠን እንዲያሻሽሉት ማድረግ ነው። ለምሳሌ፣ እጅግ ኃይለኛው ሞዴላችን ግብረመልስ ሰብስቦ እነዚህን ትናንሽ ሞዴሎች በተቻለ መጠን ጥሩ ሥራ እንዲሠሩ ካሰለጠናቸው፣ ለማስተባበር ወይም ለፍለጋ ትናንሽና ይበልጥ ቀልጣፋ ሞዴሎችን፣ ወይም ዝቅተኛ የማመዛዘን አቅም ያላቸውን ሞዴሎች መጠቀም እንችላለን።

የሰዎችን ግብረመልስ (ተጠቃሚዎች ማስታወቂያዎችን ሲጫኑና ሲደብቁ የሚገኘውን)፣ የተጠቃሚ ዳሰሳ ጥናቶችን፣ እንዲሁም በእኛ የማስታወቂያዎች አስተዳዳሪ በኩል ከአስተዋዋቂዎች የሚመጣ ቀጥተኛ ግብረመልስ ሰብስበን በእነሱ መሠረት እርምጃ እንወስዳለን። እየገነባን ባለንበት ጊዜ ቡድናችን ግብረመልስ ለመቀበል ዝግጁ እንዲሆንም እናደርጋለን፤ የChatGPT ተጠቃሚዎችም ሆኑ አስተዋዋቂዎች የሚፈልጉትን በቀጥታ እናዳምጣለን። ከዚህ ምንጭ የሚገኘው ግብረመልስ ከሞዴሉ ምልከታ ከሚገኘው ግብረመልስ እንኳ በላይ አቅጣጫችንን ይመራል፤ በተደጋጋሚ እያሻሻልን ወደ ትክክለኛ የምርት ውሳኔዎች በፍጥነት እንድንደርስ ካስቻሉን ነገሮችም አንዱ ነው። ሞዴሉ የተጠቃሚውን ዓላማ ተረድቶ፣ በጥልቀት አስቦ ጠቃሚ ነገር ማቅረብ ይችል ይሆናል፤ ነገር ግን ምን ደስ የሚልና ተገቢ እንደሆነ የሚወስኑት ሰዎች ናቸው።

ከአንድ ዓመት በፊት፣ የማስታወቂያ ስርዓት አልነበረንም፤ በዚህ ዘርፍ ስላሉ ችግሮች የሚያስቡም ጥቂት ሰዎች ብቻ ነበሩ። አሁን ግን፣ በLLM ላይ በተመሠረተ አስተባባሪ የማስታወቂያ ሂደቱን የሚያካሂድ ጠንካራ ስርዓት አለን። በወቅታዊው የገቢ ፍጥነት ወደ ዓመት ሲሰላም፣ ከ1 ቢሊዮን ዶላር በላይ የሚያስገኝ አፈጻጸም እያስቻለ ነው። Codex የቡድናችንን አቅም በእጅጉ ያሳደገ ቁልፍ መሣሪያ ነበር፤ ስርዓታችንን ከመሠረቱ ገንብተን ወደዚህ ትልቅ የአጠቃቀም ምዕራፍ ወደር በሌለው ፍጥነት እንድንደርስ አስችሎናል። ከመጀመሪያው ጀምሮ፣ ቡድኑንና የልማት የሥራ ሂደቶችን Codexን በመጠቀም ስርዓቱን በፍጥነት እንዲገነቡና እንዲያስፋፉ አዋቅረናቸዋል። Codex ኮድን በአስተማማኝና ደህንነቱ በተጠበቀ መንገድ ወደ አገልግሎት እንዲያውል የመከላከያ ገደቦችን ገንብተናል። በተጓዳኝ፣ ግንዛቤ ከመሰብሰብ እስከ በስርዓቱ ላይ ማሻሻያዎችን መተግበር ያለውን ዑደት በእጅጉ ለማፋጠን፣ ለCodex የመረጃ መሠረተ ልማት ተሰኪዎችን አዘጋጅተናል። ይህም አዲስ የምርት ባህሪያትን፣ የጥራት ማሻሻያዎችንና የተሻለ የስርዓት አፈጻጸምን ያካትታል።

በማስታወቂያ መርሆዎቻችን⁠ ላይ የተመሠረቱት የስርዓታችን ገደቦችና በLLM ላይ የተመሠረተው አስተባባሪያችን በጋራ፣ እያንዳንዱን ውይይት እንደ ማስታወቂያ ጥያቄ ሳንቆጥር ማስታወቂያን ጠቃሚ እንድናደርገው ያስችሉናል። ወደፊት፣ የተጠቃሚዎችን ጥቅም (ለምሳሌ፣ በማስታወቂያዎች በኩል ከንግድ ድርጅቶች ጋር በቀጥታ እንዲነጋገሩ በማስቻል) እና የአስተዋዋቂዎችን ጥቅም ለማሳደግ፣ ይበልጥ ተለዋዋጭ የሆኑ የማስታወቂያ ቅርጾችን መሞከራችንን እንቀጥላለን። በOpenAI ሞዴሎችና በቀጣይ የግብረመልስ ዑደቶች ላይ የተገነባው፣ ራሱን የሚያሻሽለው የቴክኖሎጂ ስርዓታችን አወቃቀር፣ በጊዜ ሂደት ተዛማጅነትንና ከግል ፍላጎት ጋር መጣጣምን ያለማቋረጥ የማሻሻል አቅማችንን ያፋጥናል።