আস্থা ও প্রাসঙ্গিকতার জন্য ChatGPT‑এর নতুন বিজ্ঞাপন ব্যবস্থা যেভাবে গড়েছি

প্রচলিত বিজ্ঞাপন ব্যবস্থা ব্যবহারকারীর উদ্দেশ্যের পৃথক পৃথক প্রকাশ অনুযায়ী কাজ করার জন্য তৈরি. ব্যবহারকারী অনলাইনে কিছু খোঁজেন বা দেখেন, বিজ্ঞাপন ব্যবস্থা সেই অনুসন্ধান ও ওয়েবপৃষ্ঠা দেখাকে ঘটনা হিসেবে গ্রহণ করে এবং তার ভিত্তিতে মানানসই বিজ্ঞাপন খোঁজে. ChatGPT‑এর জন্য বিজ্ঞাপন প্রযুক্তিকাঠামো তৈরি করা ছিল ভিন্ন কাজ: ব্যবহারকারীর উদ্দেশ্য বিভিন্ন কথোপকথনে গড়ে ওঠে এবং কথোপকথনের একাধিক ধাপে বদলায়. কখনো সেখানে বিজ্ঞাপন দেখানোর উপযুক্ত মুহূর্তই আসে না. নতুন এই ধরনকে সমর্থন দিতে আমরা বিশেষভাবে একটি বিজ্ঞাপন সরবরাহ ব্যবস্থা তৈরি করেছি. এই নতুন ধরনের বিজ্ঞাপন প্রযুক্তিকাঠামোর ভিত্তি একটি বিশেষভাবে তৈরি পোস্ট-ট্রেইন্ড অত্যাধুনিক LLM. এটি অনুসন্ধান (সেরা বিকল্প শনাক্ত), ক্রম নির্ধারণ (ব্যবহারকারীর সাড়া অনুমান), প্রাসঙ্গিকতা যাচাই (বিজ্ঞাপনের উপযোগিতা মূল্যায়ন) এবং চূড়ান্ত বিজ্ঞাপন নির্বাচন ও মূল্য নির্ধারণের নিলাম চালাতে টুল ব্যবহার করে.

ব্যবহারকারীর বদলাতে থাকা লক্ষ্যের সূক্ষ্মতা সামলাতে আমাদের বিজ্ঞাপন ব্যবস্থার নকশায় তিনটি মূল সিদ্ধান্ত নেওয়া হয়েছে: ১) অবস্থা সংরক্ষণকারী বিজ্ঞাপন সেশন চালু করা, যাতে একই কথোপকথনের বিভিন্ন ধাপ ও একাধিক কথোপকথনের তথ্য মনে থাকে; ২) বিশেষভাবে তৈরি পোস্ট-ট্রেইন্ড LLM ব্যবহার করা, যা টুল চালানোর স্থাপত্য দিয়ে কথোপকথনের প্রসঙ্গ ও অন্তর্নিহিত উদ্দেশ্য বুঝে কার্যকরভাবে বিজ্ঞাপন বাছাই, ক্রম নির্ধারণ ও সরবরাহ করে; এবং ৩) ChatGPT‑এর উত্তর তৈরির বাইরে পৃথক সেবায় বিজ্ঞাপন নির্বাচন চালানো, যাতে বিজ্ঞাপন উত্তরে প্রভাব না ফেলে এবং ChatGPT‑এর বক্তব্য নিরপেক্ষ থাকে. পুরো বিজ্ঞাপনপ্রবাহ সমন্বয় করতে আমরা আমাদের পোস্ট-ট্রেইন্ড LLM ব্যবহার করি. ব্যবহারকারীর বর্তমান কথোপকথনের ধাপ ও আগের কথোপকথন—দুইয়ের ভিত্তিতে এটি সঠিক সময়ে সঠিক বিজ্ঞাপন দেখানোর সিদ্ধান্ত নেয়. এমন স্বয়ং-উন্নয়নশীল বিজ্ঞাপন ব্যবস্থা গোড়া থেকে গড়তে আগে বহু বছর লাগত. অথচ ChatGPT অ্যাড চালুর ২০০ দিনেরও কম সময়ে এমন আয়ের গতিতে পৌঁছায়, যা বার্ষিক হিসাবে ১০০ কোটি মার্কিন ডলারের সমান. এখন পর্যন্ত চালুর পর থেকে ১ লাখের বেশি বিজ্ঞাপনদাতা ChatGPT‑এ বিজ্ঞাপন দিয়েছেন.

প্রচলিত বিজ্ঞাপনের অনুরোধ সাধারণত একটি সুনির্দিষ্ট ঘটনা দিয়ে শুরু হয়. ব্যবহারকারী কোনো অনুসন্ধান করেন বা একটি ওয়েবপৃষ্ঠা খোলেন, আর বিজ্ঞাপন ব্যবস্থা একটি অনুরোধ পায়. এ ধরনের ব্যবস্থা বেশ সরল: এটি সম্ভাব্য বিজ্ঞাপন খুঁজে আনে, সেগুলোর ক্রম নির্ধারণ করে, বিজ্ঞাপন দেখানোর সুযোগের উপযুক্ত মূল্য ঠিক করতে নিলাম চালায় এবং নির্বাচিত বিজ্ঞাপন ব্যবহারকারীকে দেখায়. ChatGPT‑এর স্বাভাবিক কার্যক্রমে এমন সুনির্দিষ্ট মুহূর্ত তৈরি হয় না.

ChatGPT‑এ মানুষ এক উত্তরে মিটে যায় এমন অনুসন্ধান নয়, বরং কোনো লক্ষ্য নিয়ে কথোপকথন শুরু করেন. তাঁরা হয়তো ভ্রমণের পরিকল্পনা করছেন, ব্যবসার জন্য সফটওয়্যার বাছছেন, ঘর সাজাচ্ছেন বা নতুন কোনো শখের কাজ শিখছেন. এসব কথোপকথনের এক ধাপেই ঘটে না. কথা এগোনোর সঙ্গে সঙ্গে কোন বিষয়গুলো গুরুত্বপূর্ণ, তা স্পষ্ট করতে ChatGPT প্রায়ই ব্যবহারকারীকে সাহায্য করে.

উদাহরণ হিসেবে, আমাদের প্রকৌশল দল ChatGPT‑কে দৌড় প্রতিযোগিতার প্রস্তুতি কীভাবে নিতে হয় তা জিজ্ঞেস করেছিল. কথোপকথন শুরু হয় দৌড়ানো নিয়ে একটি সাধারণ প্রশ্ন দিয়ে. কয়েক ধাপ পরে তাঁরা অনুশীলনে সহায়ক জুতা সম্পর্কে জানতে চান. প্রতিটি নতুন শর্ত আসার সঙ্গে কথোপকথনের বাণিজ্যিক তাৎপর্য বদলায়—আর ব্যক্তির নিজস্ব এই প্রসঙ্গ একাধিক সেশনজুড়ে বিকশিত হয়. প্রথম বার্তার ভিত্তিতেই কাজ করলে কোনো ব্যবস্থা উদ্দেশ্য পুরোপুরি ভুল বুঝে বিজ্ঞাপন খুঁজতে পারত. এতে ব্যবহারকারীর অভিজ্ঞতা খারাপ হতে পারত এবং তাঁর কাজে বাধা সৃষ্টি হতে পারত.

আমাদের বিজ্ঞাপন ব্যবস্থা তৈরিতে অনুরোধ-উত্তরভিত্তিক বিজ্ঞাপন স্থাপত্যের বাইরে যেতে হয়েছে. ব্যবহারকারীর আস্থা ও উপযোগিতাকে অগ্রাধিকার দিয়ে সম্ভাব্য অর্থনৈতিক সুযোগ খুঁজতে একেবারে নতুন করে বিজ্ঞাপন প্রযুক্তিকাঠামো গড়তে হয়েছে.

প্রচলিত বিজ্ঞাপন ব্যবস্থার মতো প্রতিটি বার্তাকে স্বতন্ত্র অনুরোধ ধরলে আমাদের চ্যাটে কয়েকটি ঝুঁকি তৈরি হতো: ১) অতিসরল করে ব্যবহারকারীর লক্ষ্য ভুল বোঝা, ২) প্রকৃত প্রয়োজন স্পষ্ট হওয়ার আগেই বিজ্ঞাপনপ্রবাহ শুরু করা, ৩) ব্যবহারকারীর কাজে সহায়তার বদলে বাধা দেয় এমন বিজ্ঞাপন দেখানো এবং ৪) অনুরোধ বদলালেই অদক্ষভাবে বিজ্ঞাপনপ্রবাহ আবার চালিয়ে অপ্রয়োজনীয় কার্যক্রম ও খরচ বাড়ানো. পৃথক ঘটনার ওপর নির্ভর না করে, অনুসন্ধান, ক্রম নির্ধারণ ও সরবরাহ নিয়ে গঠিত বিজ্ঞাপন ব্যবস্থা অবস্থা সংরক্ষণকারী একটি সেশন বজায় রাখে. অর্থাৎ বিজ্ঞাপন দেখানোর যোগ্য কথোপকথনের ধাপটি চলা পর্যন্ত সেশন চলে এবং বদলাতে থাকা তথ্য মনে রাখে ও হালনাগাদ করে. ChatGPT প্রাথমিক অনুরোধের প্রসঙ্গ বিজ্ঞাপন সার্ভারে পাঠায়. বিজ্ঞাপন ব্যবস্থা একটিমাত্র সরলীকৃত অনুসন্ধানের ওপর নির্ভর না করে চলমান কথোপকথন অনুসরণ করে এবং তার সঙ্গে মানিয়ে নেয়.

বিজ্ঞাপনপ্রবাহ যাতে ChatGPT‑এর উত্তরে প্রভাব না ফেলে, সে জন্য বিজ্ঞাপন নির্বাচনের প্রক্রিয়া ChatGPT‑এর স্বাভাবিক উত্তর তৈরির পাশাপাশি আলাদাভাবে চলে. একটি পৃথক ব্যবস্থা কথোপকথনের তথ্য নিয়ে নিজস্ব যোগ্যতা, মান ও সরবরাহের শর্ত অনুযায়ী বিজ্ঞাপন ছাঁটাই ও নির্বাচন করে. স্থাপত্যের এই গুরুত্বপূর্ণ পৃথকীকরণে ভিন্ন সেবা আলাদা মডেল ও কোড ব্যবহার করে. ফলে ChatGPT‑এর মূল সার্ভারগুলো স্বাভাবিক উত্তর তৈরি করে. এদিকে বিজ্ঞাপন ব্যবস্থা স্বাধীনভাবে উপযুক্ত বিজ্ঞাপনের সুযোগ আছে কি না যাচাই করে এবং থাকলে আলাদা পরিবেশন প্রক্রিয়ায় স্পনসর করা বিজ্ঞাপন প্রস্তুত করে.

ব্যবহারকারীর অভিজ্ঞতা সুরক্ষিত রাখার বাইরেও, এই পৃথক ব্যবস্থার কিছু বাস্তব সুফল রয়েছে. ChatGPT বিজ্ঞাপন ব্যবস্থার ওপর নির্ভরশীল নয়—সেবা দুটি কোনোভাবেই পরস্পরের সঙ্গে জড়িত নয় এবং একই বিষয়বস্তু তৈরির মডেলও ব্যবহার করে না. তাই বিজ্ঞাপন পরিবেশন ব্যবস্থা বন্ধ থাকলে বা ধীরগতিতে চললেও ChatGPT‑এর স্বাভাবিক উত্তর তৈরিতে কোনো প্রভাব পড়ে না. অর্থাৎ বিজ্ঞাপন ব্যবস্থা ChatGPT‑কে অচল করতে বা এর কাজে বিলম্ব ঘটাতে পারে না. এই পৃথক ব্যবস্থার আরেকটি সুবিধা হলো, উপকারী বিজ্ঞাপন বাছাইয়ের মানদণ্ড অত্যন্ত কঠোর থাকে. কোনো বিজ্ঞাপন না পাঠানোও একটি স্বাভাবিক, সফল ফলাফল. ব্যবহারকারী ও বিজ্ঞাপনদাতা উভয়ের জন্য স্পষ্টতই উপকারী হলেই ব্যবস্থা কোনো বিজ্ঞাপন সরবরাহ করে.

আমাদের বিজ্ঞাপন প্রযুক্তিকাঠামোর আরেকটি মূল উপাদান হলো পোস্ট-ট্রেইন্ড LLM. এটি কথোপকথন বুঝে স্বয়ংক্রিয় সিদ্ধান্ত ও কাজের পুনরাবৃত্ত চক্রে পুরো বিজ্ঞাপনপ্রবাহ চালায়—খুঁজে আনা থেকে ক্রম নির্ধারণ, নিলাম এবং শেষ পর্যন্ত সরবরাহের জন্য বিজ্ঞাপন ব্যবস্থার মূল কাজগুলোর টুল চালু করে. আমরা এই LLM-কে বলি সমন্বয়ক.

বিজ্ঞাপনপ্রবাহের প্রথম কাজ হলো ব্যবহারকারীর উদ্দেশ্য বুঝে বিজ্ঞাপন খোঁজা শুরু করা. এ ধাপে দ্রুত ও ইচ্ছাকৃতভাবে বিস্তৃত পরিসর থেকে সম্ভাব্য বিজ্ঞাপন সংগ্রহ করা হয়, যা পরে ছাঁটাই করা হবে. কথোপকথন ধাপে ধাপে পাওয়ায় অনুসন্ধানে তথ্যসমৃদ্ধ কিন্তু আরও দ্ব্যর্থক পরিস্থিতি তৈরি হয়, কারণ বিজ্ঞাপন ব্যবস্থাকে পুরোনো প্রসঙ্গ থেকে বর্তমান উদ্দেশ্য আলাদা করতে হয়. সমন্বয়ককে আগের বার্তার উল্লেখ বুঝতে হয়, ব্যবহারকারী কখন কাল্পনিক পরিস্থিতি নিয়ে কথা বলছেন তা চিনতে হয় এবং পণ্য বা সেবার প্রতিটি উল্লেখকে কেনার অনুরোধ ধরে নেওয়া এড়াতে হয়.

বিজ্ঞাপন সমন্বয়ক উপলব্ধ কথোপকথন ও ব্যবহারকারীর প্রাসঙ্গিক তথ্য কাজে লাগিয়ে বারবার ভালো বিজ্ঞাপন খোঁজে এবং কখন কোন টুল চালু করবে তা ঠিক করে. মূল লক্ষ্য থাকে সেই কথোপকথন ও প্রসঙ্গের সবচেয়ে উপযুক্ত বিজ্ঞাপন খোঁজা—যা ব্যবহারকারী ও বিজ্ঞাপনদাতা উভয়ের জন্য উচ্চ উপযোগিতার ভারসাম্য রাখে. ব্যবহারকারী বিজ্ঞাপন ব্যক্তিগত পছন্দ অনুযায়ী সাজানোর বিকল্প বেছে নিলে, সেরা মিল খুঁজতে সমন্বয়ক তাঁর আগের কথোপকথনের উপলব্ধ অসংবেদনশীল তথ্যও বিবেচনা করে.

কথোপকথন এগোনোর সঙ্গে বিজ্ঞাপন সমন্বয়ক নতুন তথ্য পায়. হালনাগাদ প্রসঙ্গ ব্যবহার করে এটি আবার একগুচ্ছ টুল চালিয়ে আরও ভালো বিজ্ঞাপন খুঁজে ক্লায়েন্ট অ্যাপে পাঠাতে পারে. সময়মতো পৌঁছালে অ্যাপটি নতুন বিজ্ঞাপনগুলো ব্যবহার করতে পারে.

সমন্বয়ক এমনভাবে তৈরি, যাতে সব সময় ব্যবহারকারীকে অগ্রাধিকার দিয়ে ব্যবহারকারী ও বিজ্ঞাপনদাতার উপযোগিতার মধ্যে ভারসাম্য রাখা হয়.

বিজ্ঞাপন ব্যবস্থা আলাদা আলাদা টুল নিয়ে গঠিত. সমন্বয়ক কোনো কথোপকথনের জন্য সেরা বিজ্ঞাপন খুঁজতে ধাপে ধাপে সেগুলো চালু করে. মোটের ওপর, সমন্বয়ক কথোপকথনকে সংক্ষিপ্ত লিখিত সারাংশে রূপ দেয়. তা থেকে তৈরি হয় অর্থভিত্তিক এমবেডিং—অর্থ সংরক্ষণের এমন রূপ, যা বিজ্ঞাপন ব্যবস্থা সহজে বাছাই করতে পারে. এই এমবেডিং দিয়ে সম্ভাব্য বিজ্ঞাপন খুঁজে আনা হয়, বাজেট, ব্যবহারকারীর সেটিংস ও অন্যান্য প্রাথমিক যাচাই অনুযায়ী অযোগ্যগুলো বাদ দেওয়া হয়, মান ও প্রাসঙ্গিকতা মূল্যায়ন করা হয় এবং শেষে ক্রম নির্ধারণ করে চ্যাটের উত্তরের নিচে উপকারী বিজ্ঞাপন দেখানোর সুযোগ বেছে নেওয়া হয়. তাই দেখানোর উপযুক্ত হতে হলে প্রতিটি বিজ্ঞাপনকে যোগ্যতা ও প্রাসঙ্গিকতার কঠোর মানদণ্ড পূরণ করতে হয়.

সমন্বয়ক LLM প্রথমে প্রাসঙ্গিক বাণিজ্যিক উদ্দেশ্য তুলে ধরে এমন এক বা একাধিক অনুসন্ধান তৈরি করে. এতে সরাসরি একটির সঙ্গে একটি মেলানো অনুসন্ধানের বাইরে বাণিজ্যিক সম্ভাবনা বাড়াতে কথোপকথনের প্রসঙ্গ নতুনভাবে লেখা এবং তার অর্থভিত্তিক উপস্থাপনা তৈরি করা হতে পারে. সমন্বয়ক তখন বহু ধাপের কথোপকথনকে অনুসন্ধান ব্যবস্থার জন্য সংক্ষিপ্ত করে, যাতে আমাদের তথ্যভান্ডার থেকে লক্ষ্যভিত্তিকভাবে বিজ্ঞাপন খুঁজে আনা যায়.

ব্যবহারকারীর উদ্দেশ্য গভীরভাবে বোঝা গেলেই শুধু বিজ্ঞাপন দেখানো হলে তা ব্যবহারকারী ও বিজ্ঞাপনদাতা উভয়ের জন্য বেশি উপকারী হবে. একাধিক অনুসন্ধানে উদ্দেশ্যের ভিন্ন ভিন্ন দিক ধরে রাখা যায়. যেমন, ভ্রমণ পরিকল্পনার কথোপকথনে যাতায়াত, থাকার জায়গা বা করণীয় নিয়ে পৃথক চাহিদা থাকতে পারে. পুরো কথোপকথনকে একটিমাত্র আক্ষরিক পাঠ্যে সংকুচিত না করে অনুসন্ধান ব্যবস্থা এই পার্থক্যগুলো ধরে রাখতে পারে.

উদাহরণ হিসেবে, পাহাড়ি পথে হাঁটার জুতা নিয়ে একটি সম্ভাব্য কথোপকথনের ধারা দেখা যাক:

1. ইয়োসেমিটিতে দুই দিনের ভ্রমণে কী কী দেখা উচিত?

2. আগামী সপ্তাহে কি ঠান্ডা পড়বে?

3. [insert brand]-এর নতুন কী কী পণ্য আছে?

ব্যবহারকারী জুতার ব্র্যান্ড নিয়ে প্রশ্নটি ইয়োসেমিটি ভ্রমণের সঙ্গে যুক্ত না করলেও, আমাদের বিজ্ঞাপন ব্যবস্থায় এই কথোপকথন দুটি অনুসন্ধান হিসেবে উপস্থাপিত হতে পারে, যেমন [shoes appropriate for hiking trip] ও [new [brand] product lines good for travel]. এটি হয়তো প্রথম চেষ্টামাত্র. আমাদের বিজ্ঞাপনভান্ডারে ব্যবহারকারীর জন্য অত্যন্ত উপকারী বিজ্ঞাপন না পাওয়া পর্যন্ত সমন্বয়ক এই উপস্থাপনাগুলো বারবার পরিমার্জন করতে পারে.

অনুসন্ধানের মাধ্যমে ইচ্ছাকৃতভাবে বিস্তৃত পরিসরের সম্ভাব্য বিজ্ঞাপন সংগ্রহ করা হয়. সম্ভাব্য বিজ্ঞাপন ভিন্ন অনুসন্ধান কৌশল থেকে আসতে পারে এবং পরে একই পরিবেশন শর্তের অধীনে প্রতিযোগিতা করতে পারে. সিস্টেম ও পণ্যের বিভিন্ন সীমাবদ্ধতা অনুযায়ী কাজ করার জন্য আমরা একাধিক সূচি তৈরি করি. যেমন, পণ্যের ফিডভিত্তিক বিজ্ঞাপনের সূচি সেরা বিজ্ঞাপন খোঁজার সময় পণ্যের ইতিবাচক বা নেতিবাচক পর্যালোচনা বিবেচনা করে. পর্যালোচনা নেই এমন অন্য বিজ্ঞাপনের ক্ষেত্রে এটি প্রাসঙ্গিক নয়. প্রতিটি সূচি ব্যবহারকারীর উদ্দেশ্যের এমবেডিং ব্যবহার করে আনুমানিক নিকটতম প্রতিবেশী অনুসন্ধানের কোনো একটি সংস্করণে সর্বোত্তমভাবে কাজ করার জন্য তৈরি. এই অনুসন্ধান বড় অর্থভিত্তিক সূচিতে খোঁজার একটি আনুমানিক অ্যালগরিদম. অর্থাৎ বেশির ভাগ প্রাসঙ্গিক সম্ভাব্য বিজ্ঞাপন ধরে রেখে খুব দ্রুত বিজ্ঞাপন খুঁজে আনা হয়—“একমাত্র সঠিক” সমাধান খোঁজার বদলে একটি ভালো সমাধানের কাছাকাছি পৌঁছানো হয়.

ছাঁটাইয়ের লক্ষ্য হলো প্রাসঙ্গিকতা, দরপ্রস্তাব ও বাজেটের ক্ষেত্রে প্রদর্শনের মানদণ্ড পূরণ করে না এমন সব সম্ভাব্য বিজ্ঞাপন বিবেচনা থেকে বাদ দেওয়া. সম্ভাব্য বিজ্ঞাপন ও কনফিগারেশন অনুযায়ী যাচাইয়ের বিষয়গুলো হতে পারে: বিজ্ঞাপনী উপকরণ ও প্রচারাভিযানের উপলব্ধতা (সেগুলো সক্রিয় কি না), প্রচারাভিযানের লক্ষ্য (যেমন, কোন অঞ্চল ও ভাষায় তা চলতে পারবে), নীতিগত বিধিনিষেধ (কীসের বিজ্ঞাপন দেওয়া যাবে তার নিয়ম), বাজেটের উপলব্ধতা (আরও খরচ করার বাজেট আছে কি না), ব্যয়ের গতি (এখন নাকি দিনের অন্য সময় বাজেট খরচ করা উচিত), প্রদর্শনের সামঞ্জস্য (কোন ধরনের কথোপকথনে বিজ্ঞাপনটি দেখানো যায়) এবং বিজ্ঞাপনদাতা ও প্রচারাভিযান পর্যায়ে পুনরাবৃত্তি দূর করা (ব্যবসাগুলোর ন্যায্য অংশগ্রহণ নিশ্চিত করতে প্রতি বিজ্ঞাপনদাতার উপযুক্ত সংখ্যক বিজ্ঞাপন বেছে নেওয়া).

যোগ্যতা যাচাইয়ে উত্তীর্ণ সম্ভাব্য বিজ্ঞাপনগুলো নম্বর দেওয়ার ধাপে যায়. সেখানে সমন্বয়ক বিভিন্ন মূল্যায়ন ব্যবস্থার টুল চালু করে. বিজ্ঞাপন পরিবেশনের জন্য বিবেচিত হয় অর্থগত প্রাসঙ্গিকতা (বিজ্ঞাপনটি কি ব্যবহারকারীর লক্ষ্যের সঙ্গে প্রাসঙ্গিক?), সম্ভাব্য সাড়া (বিজ্ঞাপনটি দেখা, ক্লিক করা এবং বিজ্ঞাপনদাতার কাঙ্ক্ষিত ফল আনার সম্ভাবনা কতটা?) ও আগের ফলাফল (এ পর্যন্ত ব্যবহারকারীদের দেখানোর পর বিজ্ঞাপনটি কি ভালো ফল দিয়েছে?). নিলামের আগে প্রাসঙ্গিকতা ও নিরাপত্তা নিশ্চিত করতেও সমন্বয়ক বিজ্ঞাপন ছাঁটাই করে. এসব ব্যবস্থা সম্ভাব্য বিজ্ঞাপনের সংখ্যা কমিয়ে নিলামের জন্য একটি ছোট সমাহার তৈরি করে, তবে শেষ পর্যন্ত কোন বিজ্ঞাপন সরবরাহ করা হবে তা তখনও নির্ধারিত হয় না.

সমন্বয়ক কথোপকথনের প্রসঙ্গে প্রস্তুত করা সম্ভাব্য বিজ্ঞাপনগুলো মূল্যায়ন করে এবং চূড়ান্ত নিলামে অংশ নেওয়ার মতো যথেষ্ট উপযুক্ত বিজ্ঞাপন বেছে নেয়. সমন্বয়ক সরাসরি ঠিক করে না কোন বিজ্ঞাপন পরিবেশন করা হবে, দামও নির্ধারণ করে না. নিলামের টুলের মূল্যায়নের জন্য এটি প্রসঙ্গের সঙ্গে মানানসই সম্ভাব্য বিজ্ঞাপন মনোনীত করে.

নিলামে চূড়ান্ত পরিবেশন পদ্ধতি প্রয়োগ করা হয়. এর মধ্যে রয়েছে নিলামে প্রবেশের যোগ্যতা (প্রাসঙ্গিকতা ও উপযোগিতার ন্যূনতম সীমা পার হওয়া), ব্যয়ের গতি নিয়ন্ত্রণ (বাজেট আরও সমানভাবে খরচ করা), দরপ্রস্তাব ও নিলামের বৈশিষ্ট্য গণনা, মান অনুযায়ী সমন্বিত ক্রম নির্ধারণ, মূল্য নির্ধারণ এবং চূড়ান্ত নির্বাচন.

নিলামের পর দুটি কারণে কোনো বিজ্ঞাপন সরবরাহ না-ও হতে পারে. দুটিই ChatGPT‑এর কথোপকথনভিত্তিক মাধ্যমের নিজস্ব বৈশিষ্ট্যের সঙ্গে সম্পর্কিত.

1. চ্যাটে বিজ্ঞাপনটি বেমানান মনে হতে পারে: বিজ্ঞাপন দেখানো কখন উপযুক্ত তা নির্ধারণকারী সুরক্ষা মডেল কথোপকথনটিকে বিজ্ঞাপনের জন্য নিরাপদ মনে করলেও এবং বিজ্ঞাপনটি নীতিমালা মেনে চললেও, কিছু কথোপকথনের প্রসঙ্গে সেটি বেমানান মনে হতে পারে. সমন্বয়ক এসব বিজ্ঞাপন দেখানো বন্ধ করে.

2. বিজ্ঞাপনের অনুরোধ সময়মতো না-ও পৌঁছাতে পারে: ChatGPT মডেল উত্তর দেওয়ার জন্য প্রস্তুত হলেও বিজ্ঞাপন দেখানোর জন্য প্রস্তুত না হলে, বিজ্ঞাপনের অনুরোধের সময়সীমা শেষ হয়ে যায় এবং সেটি সরবরাহ করা হয় না. তাই বিজ্ঞাপন ব্যবস্থার একটি লক্ষ্য হলো যত দ্রুত সম্ভব কাজ করা. ChatGPT মডেলের উত্তর দেওয়ার সময় পরিবর্তনশীল, আর বিজ্ঞাপন লোড হওয়ার অপেক্ষায় আমরা চ্যাটের উত্তর দিতে দেরি করি না.

ওপরের সব যাচাইয়ে উত্তীর্ণ হলে আমরা বিজ্ঞাপনটি পর্দায় দেখানোর জন্য ফ্রন্টএন্ডে পাঠাই. এটিকে আমরা সার্ভার থেকে বিজ্ঞাপন সরবরাহ হিসেবে গণ্য করি. তবুও ব্যবহারকারীকে বিজ্ঞাপনটি না-ও দেখানো হতে পারে—ব্যবস্থাটি ইচ্ছাকৃতভাবেই এভাবে তৈরি.

ChatGPT‑এর মতো কথোপকথনভিত্তিক পণ্যে সার্ভার থেকে বিজ্ঞাপনী উপকরণ সরবরাহ করলেই বিজ্ঞাপন দেখানো নিশ্চিত হয় না; চলতি কথোপকথনের ধাপে যুক্ত হওয়ার জন্য সেটিকে সময়মতো পৌঁছাতেও হয়. বিজ্ঞাপনী উপকরণে থাকে শিরোনাম, বিবরণ, গন্তব্যের লিংক এবং কোনো পদক্ষেপ নেওয়ার আহ্বান. পাশাপাশি, বিজ্ঞাপন ব্যবস্থা মডেলের তৈরি একটি ভূমিকাও পাঠায়. এটি সংক্ষিপ্ত ও নিরপেক্ষভাবে ব্যাখ্যা করে, বিজ্ঞাপনটি কথোপকথনের সঙ্গে কীভাবে সম্পর্কিত. ভূমিকাকে বিজ্ঞাপনী উপকরণ থেকে আলাদা রাখলে বিজ্ঞাপনদাতার বার্তা অক্ষুণ্ণ থাকে, আবার ChatGPT‑এর বক্তব্যও নিরপেক্ষ থাকে.

ChatGPT‑এর ফ্রন্টএন্ড ভূমিকা ও বিজ্ঞাপনী উপকরণ একসঙ্গে একটি প্যাকেজ হিসেবে পায়. ChatGPT‑এর উত্তর পুরোপুরি তৈরি হওয়ার আগে সেটি পৌঁছালে, ফ্রন্টএন্ড উত্তরের নিচে বিজ্ঞাপনটি দেখায় এবং স্পষ্টভাবে স্পনসর করা হিসেবে চিহ্নিত করে. বেশি দেরিতে পৌঁছালে, কথোপকথনের সেই ধাপে বিজ্ঞাপনটি দেখানো হয় না. এটাই সার্ভার থেকে বিজ্ঞাপন সরবরাহ করা আর ব্যবহারকারীর সামনে বিজ্ঞাপন প্রদর্শিত হওয়ার পার্থক্য.

আমাদের বিজ্ঞাপন প্রযুক্তিকাঠামোতে প্রচলিত লগ সংরক্ষণ ও তথ্যপ্রবাহ ব্যবস্থা ব্যবহৃত হয়. এর প্রধান সুবিধা তিনটি: বিজ্ঞাপনদাতারা তাঁদের বিদ্যমান ব্যবস্থাকে আমাদের কাঠামোর সঙ্গে সহজে যুক্ত করতে পারেন, প্রতিবেদনের তথ্য দিয়ে কৌশল উন্নত করতে পারেন এবং আমাদের দল ব্যবস্থার উন্নতির ক্ষেত্রগুলো খুঁজে পায়. প্রতিবেদন ও কার্যকারিতা বাড়ানোর এসব টুলের পাশাপাশি, আমরা সরবরাহ মূল্যায়ন এবং অন্য বিজ্ঞাপন মডেলগুলোকে প্রশিক্ষণ দিতে একটি উচ্চমানের মডেল ব্যবহার করি. এতে নিজেকে উন্নত করার একটি শক্তিশালী চক্র তৈরি হয়.

যা ঘটেছে তার বিশদ বিশ্লেষণ আমাদের বিজ্ঞাপন ব্যবস্থার প্রতিটি অংশ আলাদাভাবে বুঝতে ও উন্নত করতে সাহায্য করে. লগ প্রক্রিয়াকরণ ব্যবস্থা নির্দিষ্ট ফলাফলও নথিবদ্ধ করে, যেমন:

• কথোপকথনের ধাপটি বিজ্ঞাপন দেখানোর যোগ্য ছিল না.

• বিজ্ঞাপন সেশন শুরু হয়েছিল, কিন্তু অনুসন্ধানের অনুরোধ করা হয়নি.

• অনুসন্ধানে কোনো সম্ভাব্য বিজ্ঞাপন পাওয়া যায়নি.

• সম্ভাব্য বিজ্ঞাপন পাওয়া গেছে, কিন্তু সেগুলোর পূর্ণাঙ্গ তথ্য সংগ্রহ করা যায়নি অথবা সেগুলো যোগ্যতা যাচাইয়ে উত্তীর্ণ হয়নি.

• একটি বিজ্ঞাপন সরবরাহ করা হয়েছে এবং পরে ব্যবহারকারী তাতে সাড়া দিয়েছেন.

এই বিশদ বিশ্লেষণ আমাদের বিজ্ঞাপন পরিবেশন ব্যবস্থার প্রতিটি অংশ আলাদাভাবে উন্নত করতে সাহায্য করে. বিজ্ঞাপনের সুযোগ শনাক্তকরণ উন্নত করতে যে প্রমাণ দরকার, তা অনুসন্ধান, সম্ভাব্য বিজ্ঞাপনের মান, নিলামে অংশগ্রহণ বা সরবরাহের নির্ভরযোগ্যতা উন্নত করার প্রমাণ থেকে আলাদা.

মডেলভিত্তিক মূল্যায়নের ধারণাটি হলো, আমাদের সবচেয়ে শক্তিশালী ও সর্বোচ্চ যুক্তিবিশ্লেষণক্ষম মডেলগুলো ব্যবস্থার ফলাফল পর্যবেক্ষণ ও বিচার করে. তারপর আরও ভালো কাজ করার প্রশিক্ষণ দিয়ে পোস্ট-ট্রেইন্ড LLM-কে উন্নত করে. যেমন, আমাদের সবচেয়ে শক্তিশালী মডেল মতামত সংগ্রহ করে ছোট মডেলগুলোকে সেরা কাজ করার প্রশিক্ষণ দিলে, সমন্বয় বা অনুসন্ধানের জন্য আমরা ছোট ও বেশি দক্ষ কিংবা কম যুক্তিবিশ্লেষণক্ষম মডেল ব্যবহার করতে পারি.

আমরা মানুষের প্রতিক্রিয়া সংগ্রহ করি এবং সে অনুযায়ী কাজ করি—যেমন ব্যবহারকারীর ক্লিক বা বিজ্ঞাপন লুকিয়ে ফেলা. এ ছাড়া ব্যবহারকারীদের জরিপ করি এবং আমাদের অ্যাড ম্যানেজারের মাধ্যমে বিজ্ঞাপনদাতাদের সরাসরি মতামত নিই. তৈরির সময়ও মতামত জানানোর জন্য আমাদের দলের সঙ্গে যোগাযোগের সুযোগ রাখি এবং ChatGPT ব্যবহারকারী ও বিজ্ঞাপনদাতা উভয়েই কী চান, তা সরাসরি শুনি. মডেলের পর্যবেক্ষণভিত্তিক প্রতিক্রিয়ার চেয়েও মানুষের এই মতামত আমাদের দিকনির্দেশনায় বেশি প্রভাব ফেলে. বারবার পরিমার্জনের মাধ্যমে পণ্য নিয়ে দ্রুত সঠিক সিদ্ধান্তে পৌঁছাতে পারার পেছনে এটিও একটি কারণ. মডেল হয়তো ব্যবহারকারীর উদ্দেশ্য বুঝে এবং বিচার-বিশ্লেষণ করে উপকারী কিছু দিতে পারে, কিন্তু রুচির রূপ দেন মানুষই.

এক বছর আগেও আমাদের কোনো বিজ্ঞাপন ব্যবস্থা ছিল না, আর এ বিষয়ের সমস্যাগুলো নিয়ে ভাবছিলেন মাত্র কয়েকজন. এখন আমাদের একটি শক্তপোক্ত বিজ্ঞাপন ব্যবস্থা রয়েছে, যার বর্তমান আয়ের গতিতে বার্ষিক আয় ১০০ কোটি মার্কিন ডলারের বেশি. এর বিজ্ঞাপনপ্রবাহ চালায় একটি LLM-ভিত্তিক সমন্বয়ক. Codex আমাদের কাজের সক্ষমতা বহুগুণ বাড়ানোর মূল শক্তি ছিল. এর সাহায্যে গোড়া থেকে ব্যবস্থা গড়ে তুলে অভূতপূর্ব গতিতে ব্যবহারের এই বড় মাইলফলকে পৌঁছাতে পেরেছি. শুরু থেকেই Codex দিয়ে দ্রুত ব্যবস্থা তৈরি ও সম্প্রসারণের উপযোগী করে আমরা দল ও উন্নয়নের কর্মপ্রবাহ সাজিয়েছি. Codex যাতে নির্ভরযোগ্য ও নিরাপদভাবে কোড চালু করতে পারে, সে জন্য আমরা সুরক্ষাব্যবস্থা তৈরি করেছি. পাশাপাশি Codex-এর জন্য তথ্য অবকাঠামোর প্লাগইন তৈরি করেছি. এতে বিশ্লেষণ থেকে ধারণা পাওয়া এবং ব্যবস্থায় উন্নতি আনার চক্র অনেক দ্রুত হয়েছে—নতুন পণ্যসুবিধা, মানের উন্নতি ও ব্যবস্থার কার্যক্ষমতা বৃদ্ধি এর অন্তর্ভুক্ত.

আমাদের ব্যবস্থার সীমারেখা—যার ভিত্তি আমাদের বিজ্ঞাপন নীতিমালা⁠—ও LLM-ভিত্তিক সমন্বয়ক একসঙ্গে কাজ করে. তাই প্রতিটি কথোপকথনকে বিজ্ঞাপনের অনুরোধ হিসেবে না দেখেও আমরা বিজ্ঞাপনকে উপকারী করে তুলতে পারি. আগামী দিনে ব্যবহারকারী ও বিজ্ঞাপনদাতার উপযোগিতা বাড়াতে আমরা আরও গতিশীল বিজ্ঞাপনরূপ নিয়ে পরীক্ষা চালিয়ে যাব. যেমন, বিজ্ঞাপনের মাধ্যমে ব্যবহারকারীদের সরাসরি ব্যবসাপ্রতিষ্ঠানের সঙ্গে কথা বলার সুযোগ দেওয়া. নিরবচ্ছিন্ন প্রতিক্রিয়াচক্রসহ OpenAI মডেলের ওপর গড়া এই প্রযুক্তিকাঠামো নিজেকে উন্নত করতে পারে. এর ফলে সময়ের সঙ্গে প্রাসঙ্গিকতা ও ব্যক্তিগত পছন্দ অনুযায়ী বিজ্ঞাপন সাজানোর ক্ষমতা আরও দ্রুত উন্নত করতে পারব.