ਭਰੋਸੇ ਅਤੇ ਪ੍ਰਸੰਗਿਕਤਾ ਲਈ ਅਸੀਂ ChatGPT ਦਾ ਨਵਾਂ ਇਸ਼ਤਿਹਾਰੀ ਢਾਂਚਾ ਕਿਵੇਂ ਬਣਾਇਆ

ਰਵਾਇਤੀ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀਆਂ ਵਰਤੋਂਕਾਰ ਦੇ ਇਰਾਦੇ ਦੇ ਵੱਖਰੇ-ਵੱਖਰੇ ਸੰਕੇਤਾਂ 'ਤੇ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਬਣਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ. ਵਰਤੋਂਕਾਰ ਆਨਲਾਈਨ ਕੁਝ ਖੋਜਦਾ ਜਾਂ ਦੇਖਦਾ ਹੈ, ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਨੂੰ ਉਹ ਪੁੱਛਗਿੱਛਾਂ ਅਤੇ ਵੈੱਬ ਪੰਨੇ ਦੇਖਣ ਦੀਆਂ ਘਟਨਾਵਾਂ ਮਿਲਦੀਆਂ ਹਨ, ਅਤੇ ਪ੍ਰਣਾਲੀ ਉਨ੍ਹਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਮੇਲ ਖਾਂਦੇ ਇਸ਼ਤਿਹਾਰ ਲੱਭਦੀ ਹੈ. ChatGPT ਲਈ ਇਸ਼ਤਿਹਾਰੀ ਤਕਨੀਕੀ ਢਾਂਚਾ ਬਣਾਉਣਾ ਵੱਖਰਾ ਸੀ: ਵਰਤੋਂਕਾਰ ਦਾ ਇਰਾਦਾ ਗੱਲਬਾਤਾਂ ਦੌਰਾਨ ਵਿਕਸਿਤ ਹੁੰਦਾ ਹੈ ਅਤੇ ਕਈ ਵਾਰ ਦੇ ਸਵਾਲ-ਜਵਾਬ ਨਾਲ ਬਦਲਦਾ ਰਹਿੰਦਾ ਹੈ. ਕਦੇ-ਕਦਾਈਂ ਇਸ਼ਤਿਹਾਰ ਲਈ ਢੁਕਵਾਂ ਮੌਕਾ ਆਉਂਦਾ ਹੀ ਨਹੀਂ. ਇਸ ਨਵੀਂ ਪਹੁੰਚ ਲਈ ਅਸੀਂ ਲੋੜ ਮੁਤਾਬਕ ਖਾਸ ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਉਣ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਬਣਾਈ. ਇਹ ਨਵੀਂ ਕਿਸਮ ਦਾ ਇਸ਼ਤਿਹਾਰੀ ਢਾਂਚਾ ਖਾਸ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਪੋਸਟ-ਟ੍ਰੇਨਡ ਅਤਿ-ਆਧੁਨਿਕ LLM 'ਤੇ ਆਧਾਰਿਤ ਹੈ. ਇਹ ਖੋਜ (ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਕਲਪ ਪਛਾਣਨ), ਦਰਜਾਬੰਦੀ (ਵਰਤੋਂਕਾਰ ਦੇ ਰੁਝੇਵੇਂ ਦੀ ਭਵਿੱਖਬਾਣੀ), ਪ੍ਰਸੰਗਿਕਤਾ (ਇਸ਼ਤਿਹਾਰ ਦੀ ਉਪਯੋਗਤਾ ਪਰਖਣ) ਅਤੇ ਅੰਤਿਮ ਇਸ਼ਤਿਹਾਰ ਚੁਣਨ ਤੇ ਕੀਮਤ ਤੈਅ ਕਰਨ ਲਈ ਨਿਲਾਮੀ ਚਲਾਉਣ ਵਾਸਤੇ ਟੂਲਾਂ ਨੂੰ ਸੱਦਦਾ ਹੈ.

ਸਾਡੀ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਤਿੰਨ ਮੁੱਖ ਡਿਜ਼ਾਈਨ ਫੈਸਲਿਆਂ ਨਾਲ ਵਰਤੋਂਕਾਰ ਦੇ ਬਦਲਦੇ ਟੀਚਿਆਂ ਦੀਆਂ ਬਾਰੀਕੀਆਂ ਨੂੰ ਸੰਭਾਲਦੀ ਹੈ: 1) ਸਥਿਤੀ ਯਾਦ ਰੱਖਣ ਵਾਲੇ ਇਸ਼ਤਿਹਾਰੀ ਸੈਸ਼ਨ ਲਾਗੂ ਕਰਨਾ, ਅਰਥਾਤ ਇੱਕ ਗੱਲਬਾਤ ਦੇ ਕਈ ਸਵਾਲ-ਜਵਾਬਾਂ ਅਤੇ ਵੱਖ-ਵੱਖ ਗੱਲਬਾਤਾਂ ਦੀ ਜਾਣਕਾਰੀ ਯਾਦ ਰੱਖਣਾ, 2) ਖਾਸ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਪੋਸਟ-ਟ੍ਰੇਨਡ LLM 'ਤੇ ਨਿਰਭਰ ਕਰਨਾ, ਜੋ ਟੂਲਾਂ ਨੂੰ ਸੱਦਣ ਵਾਲੇ ਢਾਂਚੇ ਨਾਲ ਗੱਲਬਾਤ ਦਾ ਸੰਦਰਭ ਅਤੇ ਅੰਦਰਲਾ ਇਰਾਦਾ ਸਮਝੇ, ਫਿਰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਇਸ਼ਤਿਹਾਰ ਚੁਣੇ, ਦਰਜਾਬੰਦੀ ਕਰੇ ਅਤੇ ਪਹੁੰਚਾਏ, ਅਤੇ 3) ਇਸ਼ਤਿਹਾਰ ਚੁਣਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ChatGPT ਦੇ ਜਵਾਬ ਬਣਾਉਣ ਤੋਂ ਵੱਖ, ਆਪਣੀ ਅਲੱਗ ਸੇਵਾ ਵਿੱਚ ਚਲਾਉਣਾ, ਤਾਂ ਜੋ ਇਸ਼ਤਿਹਾਰ ਜਵਾਬਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਾ ਕਰਨ ਅਤੇ ChatGPT ਦਾ ਲਹਿਜ਼ਾ ਨਿਰਪੱਖ ਰਹੇ. ਅਸੀਂ ਪੂਰੇ ਇਸ਼ਤਿਹਾਰੀ ਪ੍ਰਵਾਹ ਨੂੰ ਚਲਾਉਣ ਲਈ ਆਪਣਾ ਪੋਸਟ-ਟ੍ਰੇਨਡ LLM ਵਰਤਦੇ ਹਾਂ. ਇਹ ਵਰਤੋਂਕਾਰ ਦੇ ਮੌਜੂਦਾ ਸਵਾਲ-ਜਵਾਬ ਅਤੇ ਪਿਛਲੀ ਗੱਲਬਾਤ, ਦੋਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਸਹੀ ਵੇਲੇ ਕਿਹੜਾ ਢੁਕਵਾਂ ਇਸ਼ਤਿਹਾਰ ਦਿਖਾਉਣਾ ਹੈ. ਇਸ ਤਰ੍ਹਾਂ ਦੀ ਆਪਣੇ ਆਪ ਨੂੰ ਸੁਧਾਰਨ ਵਾਲੀ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਸ਼ੁਰੂ ਤੋਂ ਬਣਾਉਣ ਵਿੱਚ ਪਹਿਲਾਂ ਕਈ ਸਾਲ ਲੱਗਦੇ ਸਨ, ਪਰ ChatGPT ਇਸ਼ਤਿਹਾਰ ਸ਼ੁਰੂਆਤ ਤੋਂ 200 ਦਿਨਾਂ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਮੌਜੂਦਾ ਰਫ਼ਤਾਰ ਦੇ ਸਾਲਾਨਾ ਹਿਸਾਬ ਨਾਲ $1 ਅਰਬ ਦੀ ਆਮਦਨ ਤੱਕ ਪਹੁੰਚ ਗਏ. ਹੁਣ ਸ਼ੁਰੂਆਤ ਤੋਂ ਲੈ ਕੇ 100,000 ਤੋਂ ਵੱਧ ਇਸ਼ਤਿਹਾਰਦਾਤਾ ChatGPT 'ਤੇ ਇਸ਼ਤਿਹਾਰ ਚਲਾ ਚੁੱਕੇ ਹਨ.

ਰਵਾਇਤੀ ਇਸ਼ਤਿਹਾਰੀ ਬੇਨਤੀ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਸਪਸ਼ਟ ਘਟਨਾ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ. ਵਰਤੋਂਕਾਰ ਖੋਜ ਪੁੱਛਗਿੱਛ ਭੇਜਦਾ ਹੈ ਜਾਂ ਵੈੱਬ ਪੰਨਾ ਖੋਲ੍ਹਦਾ ਹੈ ਅਤੇ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਨੂੰ ਬੇਨਤੀ ਮਿਲਦੀ ਹੈ. ਇਸ ਕਿਸਮ ਦੀ ਪ੍ਰਣਾਲੀ ਕਾਫ਼ੀ ਸਰਲ ਹੈ: ਇਹ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਲੱਭਦੀ ਹੈ, ਉਨ੍ਹਾਂ ਦੀ ਦਰਜਾਬੰਦੀ ਕਰਦੀ ਹੈ, ਮੌਕੇ ਦੀ ਢੁਕਵੀਂ ਕੀਮਤ ਤੈਅ ਕਰਨ ਲਈ ਨਿਲਾਮੀ ਚਲਾਉਂਦੀ ਹੈ ਅਤੇ ਚੁਣਿਆ ਇਸ਼ਤਿਹਾਰ ਵਰਤੋਂਕਾਰ ਨੂੰ ਦਿਖਾਉਂਦੀ ਹੈ. ChatGPT ਵਿੱਚ ਸੁਭਾਵਿਕ ਤੌਰ 'ਤੇ ਅਜਿਹਾ ਕੋਈ ਸਪਸ਼ਟ ਮੌਕਾ ਨਹੀਂ ਬਣਦਾ.

ChatGPT ਦੀ ਗੱਲਬਾਤ ਵਿੱਚ ਲੋਕ ਇੱਕੋ ਜਵਾਬ ਵਾਲੀ ਖੋਜ ਪੁੱਛਗਿੱਛ ਦੀ ਥਾਂ ਆਪਣੇ ਟੀਚੇ ਲੈ ਕੇ ਆਉਂਦੇ ਹਨ. ਉਹ ਯਾਤਰਾ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹੋ ਸਕਦੇ ਹਨ, ਆਪਣੇ ਕਾਰੋਬਾਰ ਲਈ ਸਾਫਟਵੇਅਰ ਚੁਣ ਰਹੇ ਹੋ ਸਕਦੇ ਹਨ, ਘਰ ਸਜਾ ਰਹੇ ਹੋ ਸਕਦੇ ਹਨ ਜਾਂ ਕੋਈ ਨਵਾਂ ਸ਼ੌਕ ਸਿੱਖ ਰਹੇ ਹੋ ਸਕਦੇ ਹਨ. ਇਹ ਸਭ ਗੱਲਬਾਤ ਦੇ ਇੱਕੋ ਸਵਾਲ-ਜਵਾਬ ਵਿੱਚ ਨਹੀਂ ਹੁੰਦਾ. ChatGPT ਅਕਸਰ ਗੱਲਬਾਤ ਦੌਰਾਨ ਵਰਤੋਂਕਾਰ ਨੂੰ ਇਹ ਸਪਸ਼ਟ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਮਹੱਤਵਪੂਰਨ ਹੈ.

ਮਿਸਾਲ ਵਜੋਂ, ਸਾਡੀ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮ ਨੇ ChatGPT ਨੂੰ ਪੁੱਛਿਆ ਕਿ ਦੌੜ ਮੁਕਾਬਲੇ ਲਈ ਤਿਆਰੀ ਕਿਵੇਂ ਕਰਨੀ ਹੈ: ਗੱਲਬਾਤ ਦੌੜਨ ਬਾਰੇ ਇੱਕ ਆਮ ਸਵਾਲ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ. ਕਈ ਸਵਾਲ-ਜਵਾਬਾਂ ਮਗਰੋਂ ਉਹ ਤਿਆਰੀ ਵਿੱਚ ਮਦਦ ਕਰਨ ਵਾਲੀਆਂ ਜੁੱਤੀਆਂ ਬਾਰੇ ਪੁੱਛਦੇ ਹਨ. ਹਰ ਨਵੀਂ ਸ਼ਰਤ ਸਾਹਮਣੇ ਆਉਣ ਨਾਲ ਗੱਲਬਾਤ ਦਾ ਵਪਾਰਕ ਅਰਥ ਬਦਲਦਾ ਹੈ—ਅਤੇ ਇਹ ਨਿੱਜੀ ਸੰਦਰਭ ਕਈ ਸੈਸ਼ਨਾਂ ਦੌਰਾਨ ਵਿਕਸਿਤ ਹੁੰਦਾ ਰਹਿੰਦਾ ਹੈ. ਪਹਿਲੇ ਸੁਨੇਹੇ 'ਤੇ ਹੀ ਕਾਰਵਾਈ ਕਰਨ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਇਰਾਦੇ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗਲਤ ਸਮਝ ਕੇ ਨਤੀਜੇ ਲੱਭ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਵਰਤੋਂਕਾਰ ਦਾ ਅਨੁਭਵ ਵਿਗੜ ਸਕਦਾ ਹੈ ਅਤੇ ਉਸ ਦੇ ਕੰਮ ਵਿੱਚ ਰੁਕਾਵਟ ਆ ਸਕਦੀ ਹੈ.

ਆਪਣੀ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਬਣਾਉਣ ਲਈ ਸਾਨੂੰ ਬੇਨਤੀ-ਜਵਾਬ ਵਾਲੇ ਇਸ਼ਤਿਹਾਰੀ ਢਾਂਚੇ ਤੋਂ ਅੱਗੇ ਜਾਣਾ ਪਿਆ. ਅਸੀਂ ਸ਼ੁਰੂ ਤੋਂ ਨਵਾਂ ਢਾਂਚਾ ਬਣਾਇਆ, ਤਾਂ ਜੋ ਵਰਤੋਂਕਾਰ ਦੇ ਭਰੋਸੇ ਅਤੇ ਲਾਭ ਨੂੰ ਪਹਿਲ ਦਿੰਦਿਆਂ ਸੰਭਾਵੀ ਆਰਥਿਕ ਮੌਕੇ ਲੱਭੇ ਜਾ ਸਕਣ.

ਰਵਾਇਤੀ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਵਾਂਗ ਹਰ ਸੁਨੇਹੇ ਨੂੰ ਵੱਖਰੀ ਬੇਨਤੀ ਬਣਾਉਣ ਨਾਲ ਸਾਡੀ ਗੱਲਬਾਤ-ਆਧਾਰਿਤ ਵਰਤੋਂ ਵਿੱਚ ਕੁਝ ਜੋਖਮ ਹੁੰਦੇ: 1) ਵਰਤੋਂਕਾਰ ਦੇ ਟੀਚੇ ਨੂੰ ਹੱਦੋਂ ਵੱਧ ਸਰਲ ਬਣਾ ਕੇ ਗਲਤ ਸਮਝਣਾ, 2) ਅਸਲ ਲੋੜ ਸਪਸ਼ਟ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਇਸ਼ਤਿਹਾਰੀ ਪ੍ਰਵਾਹ ਸ਼ੁਰੂ ਕਰ ਦੇਣਾ, 3) ਅਜਿਹੇ ਇਸ਼ਤਿਹਾਰ ਦਿਖਾਉਣਾ ਜੋ ਵਰਤੋਂਕਾਰ ਦੀ ਮਦਦ ਕਰਨ ਦੀ ਥਾਂ ਉਸ ਦੇ ਕੰਮ ਵਿੱਚ ਰੁਕਾਵਟ ਪਾਉਣ, ਅਤੇ 4) ਹਰ ਵਾਰ ਬੇਨਤੀ ਬਦਲਣ 'ਤੇ ਬੇਲੋੜੇ ਢੰਗ ਨਾਲ ਇਸ਼ਤਿਹਾਰੀ ਪ੍ਰਵਾਹ ਮੁੜ ਚਲਾਉਣਾ, ਜਿਸ ਨਾਲ ਗੈਰਜ਼ਰੂਰੀ ਸਰਗਰਮੀ ਅਤੇ ਫ਼ਜ਼ੂਲ ਖਰਚ ਹੋਵੇ. ਵੱਖਰੀਆਂ ਘਟਨਾਵਾਂ 'ਤੇ ਆਧਾਰਿਤ ਹੋਣ ਦੀ ਥਾਂ, ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ (ਜਿਸ ਵਿੱਚ ਖੋਜ, ਦਰਜਾਬੰਦੀ ਅਤੇ ਪਹੁੰਚਾਉਣਾ ਸ਼ਾਮਲ ਹਨ) ਸਥਿਤੀ ਯਾਦ ਰੱਖਣ ਵਾਲਾ ਸੈਸ਼ਨ ਚਲਾਉਂਦੀ ਹੈ. ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਸ਼ਤਿਹਾਰੀ ਸੈਸ਼ਨ ਇੱਕ ਯੋਗ ਸਵਾਲ-ਜਵਾਬ ਦੀ ਪੂਰੀ ਮਿਆਦ ਦੌਰਾਨ ਚੱਲਦਾ ਹੈ ਅਤੇ ਬਦਲਦੀ ਜਾਣਕਾਰੀ ਨੂੰ ਯਾਦ ਰੱਖਦਾ ਤੇ ਅੱਪਡੇਟ ਕਰਦਾ ਹੈ. ChatGPT ਸ਼ੁਰੂਆਤੀ ਬੇਨਤੀ ਦਾ ਸੰਦਰਭ ਇਸ਼ਤਿਹਾਰ ਸਰਵਰ ਨੂੰ ਭੇਜਦਾ ਹੈ. ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਇੱਕੋ ਸਰਲ ਬਣਾਈ ਪੁੱਛਗਿੱਛ 'ਤੇ ਨਿਰਭਰ ਹੋਣ ਦੀ ਥਾਂ ਅੱਗੇ ਵਧਦੀ ਗੱਲਬਾਤ ਨੂੰ ਸਮਝਦੀ ਅਤੇ ਉਸ ਮੁਤਾਬਕ ਢਲਦੀ ਹੈ.

ਇਸ਼ਤਿਹਾਰ ਚੁਣਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ChatGPT ਦੇ ਆਮ ਜਵਾਬ ਬਣਾਉਣ ਦੇ ਨਾਲ-ਨਾਲ ਚੱਲਦੀ ਹੈ, ਤਾਂ ਜੋ ਇਸ਼ਤਿਹਾਰੀ ਪ੍ਰਵਾਹ ChatGPT ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਾ ਕਰੇ. ਇਸ਼ਤਿਹਾਰ ਇੱਕ ਵੱਖਰੀ ਪ੍ਰਣਾਲੀ ਰਾਹੀਂ ਛਾਂਟੇ ਅਤੇ ਚੁਣੇ ਜਾਂਦੇ ਹਨ. ਇਹ ਪ੍ਰਣਾਲੀ ਯੋਗਤਾ, ਗੁਣਵੱਤਾ ਅਤੇ ਪਹੁੰਚਾਉਣ ਦੀਆਂ ਆਪਣੀਆਂ ਸ਼ਰਤਾਂ ਅਧੀਨ ਗੱਲਬਾਤ ਦੀ ਜਾਣਕਾਰੀ ਵਰਤਦੀ ਹੈ. ਢਾਂਚੇ ਦੀ ਇਹ ਮਹੱਤਵਪੂਰਨ ਹੱਦ—ਵੱਖਰੇ ਮਾਡਲ ਅਤੇ ਵੱਖਰਾ ਕੋਡ ਵਰਤਣ ਵਾਲੀਆਂ ਅਲੱਗ ਸੇਵਾਵਾਂ—ਮੁੱਖ ChatGPT ਸਰਵਰਾਂ ਨੂੰ ਇਸ਼ਤਿਹਾਰਾਂ ਤੋਂ ਸੁਤੰਤਰ ਜਵਾਬ ਬਣਾਉਣ ਦਿੰਦੀ ਹੈ. ਇਸ ਦੌਰਾਨ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਅਲੱਗ ਤੌਰ 'ਤੇ ਪਰਖਦੀ ਹੈ ਕਿ ਕੀ ਇਸ਼ਤਿਹਾਰ ਲਈ ਢੁਕਵਾਂ ਮੌਕਾ ਹੈ ਅਤੇ, ਜੇ ਹੈ, ਤਾਂ ਵੱਖਰੀ ਪੇਸ਼ਕਾਰੀ ਪ੍ਰਕਿਰਿਆ ਰਾਹੀਂ ਪ੍ਰਾਯੋਜਿਤ ਇਸ਼ਤਿਹਾਰ ਤਿਆਰ ਕਰਦੀ ਹੈ.

ਵਰਤੋਂਕਾਰ ਦੇ ਅਨੁਭਵ ਦੀ ਰੱਖਿਆ ਤੋਂ ਇਲਾਵਾ, ਇਸ ਵੱਖਰੇਪਣ ਦੇ ਕੁਝ ਵਿਹਾਰਕ ਨਤੀਜੇ ਵੀ ਹਨ. ChatGPT ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ 'ਤੇ ਨਿਰਭਰ ਨਹੀਂ ਹੈ—ਇਹ ਸੇਵਾਵਾਂ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਆਪਸ ਵਿੱਚ ਜੁੜੀਆਂ ਨਹੀਂ ਹਨ ਅਤੇ ਸਮੱਗਰੀ ਬਣਾਉਣ ਲਈ ਸਾਂਝਾ ਮਾਡਲ ਨਹੀਂ ਵਰਤਦੀਆਂ. ਇਸ ਲਈ ਜੇ ਇਸ਼ਤਿਹਾਰ ਪੇਸ਼ ਕਰਨ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਉਪਲਬਧ ਨਾ ਹੋਵੇ ਜਾਂ ਹੌਲੀ ਹੋਵੇ, ਤਾਂ ਵੀ ChatGPT ਦਾ ਇਸ਼ਤਿਹਾਰਾਂ ਤੋਂ ਸੁਤੰਤਰ ਜਵਾਬ ਬਿਨਾਂ ਕਿਸੇ ਅਸਰ ਦੇ ਜਾਰੀ ਰਹਿੰਦਾ ਹੈ. ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ChatGPT ਉਤਪਾਦ ਨੂੰ ਨਾ ਬੰਦ ਕਰ ਸਕਦੀ ਹੈ, ਨਾ ਹੀ ਇਸ ਵਿੱਚ ਦੇਰੀ ਕਰ ਸਕਦੀ ਹੈ. ਇਸ ਵੱਖਰੇਪਣ ਦਾ ਦੂਜਾ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਲਾਭਦਾਇਕ ਇਸ਼ਤਿਹਾਰਾਂ ਲਈ ਮਾਪਦੰਡ ਬਹੁਤ ਉੱਚੇ ਰਹਿੰਦੇ ਹਨ. ਕੋਈ ਇਸ਼ਤਿਹਾਰ ਨਾ ਭੇਜਣਾ ਵੀ ਇੱਕ ਆਮ ਅਤੇ ਸਫਲ ਨਤੀਜਾ ਹੈ. ਪ੍ਰਣਾਲੀ ਇਸ਼ਤਿਹਾਰ ਤਾਂ ਹੀ ਪਹੁੰਚਾਉਂਦੀ ਹੈ ਜੇ ਉਹ ਵਰਤੋਂਕਾਰਾਂ ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਿਆਂ ਲਈ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਾਭਦਾਇਕ ਹੋਵੇ.

ਸਾਡੇ ਇਸ਼ਤਿਹਾਰੀ ਤਕਨੀਕੀ ਢਾਂਚੇ ਦਾ ਦੂਜਾ ਮੁੱਖ ਹਿੱਸਾ ਪੋਸਟ-ਟ੍ਰੇਨਡ LLM ਹੈ. ਇਹ ਗੱਲਬਾਤ ਸਮਝਦਾ ਹੈ ਅਤੇ ਪੂਰਾ ਇਸ਼ਤਿਹਾਰੀ ਪ੍ਰਵਾਹ ਇੱਕ ਏਜੰਟ ਵਾਂਗ ਦੁਹਰਾਏ ਜਾਂਦੇ ਚੱਕਰ ਵਿੱਚ ਚਲਾਉਂਦਾ ਹੈ—ਖੋਜ ਕੇ ਲਿਆਉਣ ਤੋਂ ਲੈ ਕੇ ਦਰਜਾਬੰਦੀ, ਨਿਲਾਮੀ ਅਤੇ ਅੰਤ ਵਿੱਚ ਪਹੁੰਚਾਉਣ ਤੱਕ, ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਦੇ ਮੁੱਖ ਕੰਮਾਂ ਲਈ ਟੂਲਾਂ ਨੂੰ ਸੱਦਦਾ ਹੈ. ਅਸੀਂ ਇਸ LLM ਨੂੰ ਸੰਚਾਲਕ ਕਹਿੰਦੇ ਹਾਂ.

ਇਸ਼ਤਿਹਾਰੀ ਪ੍ਰਵਾਹ ਦਾ ਪਹਿਲਾ ਹਿੱਸਾ ਵਰਤੋਂਕਾਰ ਦਾ ਇਰਾਦਾ ਸਮਝ ਕੇ ਇਸ਼ਤਿਹਾਰ ਖੋਜਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਸ਼ੁਰੂ ਕਰਨਾ ਹੈ. ਇਸ ਵਿੱਚ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਤੇਜ਼ੀ ਨਾਲ ਅਤੇ ਜਾਣਬੁੱਝ ਕੇ ਵਿਆਪਕ ਪੱਧਰ 'ਤੇ ਇਕੱਠੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਜੋ ਬਾਅਦ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨੂੰ ਛਾਂਟਿਆ ਜਾ ਸਕੇ. ਗੱਲਬਾਤ ਹੌਲੀ-ਹੌਲੀ ਮਿਲਣ ਨਾਲ ਇਸ਼ਤਿਹਾਰ ਖੋਜਣ ਲਈ ਜਾਣਕਾਰੀ ਤਾਂ ਵਧਦੀ ਹੈ, ਪਰ ਅਸਪਸ਼ਟਤਾ ਵੀ ਵਧਦੀ ਹੈ, ਕਿਉਂਕਿ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਨੂੰ ਮੌਜੂਦਾ ਇਰਾਦੇ ਅਤੇ ਪੁਰਾਣੇ ਸੰਦਰਭ ਵਿਚਲਾ ਫਰਕ ਪਛਾਣਨਾ ਪੈਂਦਾ ਹੈ. ਸੰਚਾਲਕ ਨੂੰ ਪਿਛਲੇ ਸੁਨੇਹਿਆਂ ਦੇ ਹਵਾਲੇ ਸਮਝਣੇ, ਪਛਾਣਨਾ ਕਿ ਵਰਤੋਂਕਾਰ ਕਦੋਂ ਕਲਪਨਾਤਮਕ ਸਥਿਤੀ ਬਾਰੇ ਗੱਲ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਕਿਸੇ ਉਤਪਾਦ ਜਾਂ ਸੇਵਾ ਦੇ ਹਰ ਜ਼ਿਕਰ ਨੂੰ ਖਰੀਦਣ ਦੀ ਬੇਨਤੀ ਮੰਨਣ ਤੋਂ ਬਚਣਾ ਚਾਹੀਦਾ ਹੈ.

ਇਸ਼ਤਿਹਾਰ ਸੰਚਾਲਕ ਉਪਲਬਧ ਗੱਲਬਾਤ ਅਤੇ ਵਰਤੋਂਕਾਰ ਦੇ ਸੰਦਰਭ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ. ਚੰਗੇ ਇਸ਼ਤਿਹਾਰ ਲੱਭਣ ਲਈ ਉਹ ਵਾਰ-ਵਾਰ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਚੁਣਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਟੂਲ ਕਦੋਂ ਸੱਦਣਾ ਹੈ. ਮੁੱਖ ਟੀਚਾ ਉਸ ਗੱਲਬਾਤ ਅਤੇ ਸੰਦਰਭ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵਾਂ ਇਸ਼ਤਿਹਾਰ ਲੱਭਣਾ ਹੈ—ਜੋ ਵਰਤੋਂਕਾਰ ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਾ, ਦੋਵਾਂ ਲਈ ਵੱਡੇ ਲਾਭ ਦਾ ਸੰਤੁਲਨ ਬਣਾਏ. ਜੇ ਵਰਤੋਂਕਾਰ ਆਪਣੀ ਪਸੰਦ ਮੁਤਾਬਕ ਇਸ਼ਤਿਹਾਰ ਲੈਣ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ, ਤਾਂ ਸੰਚਾਲਕ ਸਭ ਤੋਂ ਢੁਕਵੇਂ ਇਸ਼ਤਿਹਾਰ ਲੱਭਣ ਲਈ ਉਸ ਦੀਆਂ ਪਿਛਲੀਆਂ ਗੱਲਬਾਤਾਂ ਬਾਰੇ ਉਪਲਬਧ ਗੈਰ-ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਵੀ ਵਿਚਾਰਦਾ ਹੈ.

ਜਿਵੇਂ-ਜਿਵੇਂ ਗੱਲਬਾਤ ਅੱਗੇ ਵਧਦੀ ਹੈ ਅਤੇ ਇਸ਼ਤਿਹਾਰ ਸੰਚਾਲਕ ਨੂੰ ਤਾਜ਼ਾ ਜਾਣਕਾਰੀ ਮਿਲਦੀ ਹੈ, ਉਹ ਨਵੇਂ ਸੰਦਰਭ ਨਾਲ ਟੂਲਾਂ ਨੂੰ ਮੁੜ ਸੱਦ ਕੇ ਬਿਹਤਰ ਇਸ਼ਤਿਹਾਰ ਲੱਭ ਸਕਦਾ ਹੈ ਅਤੇ ਕਲਾਇੰਟ ਨੂੰ ਭੇਜ ਸਕਦਾ ਹੈ. ਜੇ ਇਹ ਨਵੇਂ ਇਸ਼ਤਿਹਾਰ ਸਮੇਂ ਸਿਰ ਪਹੁੰਚ ਜਾਣ, ਤਾਂ ਕਲਾਇੰਟ ਇਨ੍ਹਾਂ ਨੂੰ ਵਰਤ ਸਕਦਾ ਹੈ.

ਸੰਚਾਲਕ ਨੂੰ ਵਰਤੋਂਕਾਰਾਂ ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਿਆਂ ਦੇ ਲਾਭ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਸ ਵਿੱਚ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਹਮੇਸ਼ਾ ਪਹਿਲ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ.

ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਵੱਖ-ਵੱਖ ਟੂਲਾਂ ਨਾਲ ਬਣੀ ਹੈ ਅਤੇ ਸੰਚਾਲਕ ਕਿਸੇ ਗੱਲਬਾਤ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਇਸ਼ਤਿਹਾਰ ਲੱਭਣ ਵਾਸਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਵਾਰ-ਵਾਰ ਸੱਦਦਾ ਹੈ. ਮੋਟੇ ਤੌਰ 'ਤੇ, ਸੰਚਾਲਕ ਗੱਲਬਾਤ ਦੇ ਛੋਟੇ ਲਿਖਤੀ ਸਾਰ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਫਿਰ ਅਰਥ-ਆਧਾਰਿਤ ਐਮਬੈਡਿੰਗਾਂ ਵਿੱਚ ਬਦਲਿਆ ਜਾਂਦਾ ਹੈ (ਅਰਥਾਂ ਦੇ ਸੰਭਾਲੇ ਹੋਏ ਰੂਪ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਆਸਾਨੀ ਨਾਲ ਛਾਂਟ ਕਰ ਸਕਦੀ ਹੈ). ਉਹ ਇਨ੍ਹਾਂ ਐਮਬੈਡਿੰਗਾਂ ਨਾਲ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਲੱਭਦਾ ਹੈ, ਬਜਟ, ਵਰਤੋਂਕਾਰ ਦੀਆਂ ਸੈਟਿੰਗਾਂ ਅਤੇ ਹੋਰ ਮੁੱਢਲੀਆਂ ਜਾਂਚਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਯੋਗਤਾ ਛਾਂਟਦਾ ਹੈ, ਗੁਣਵੱਤਾ ਤੇ ਪ੍ਰਸੰਗਿਕਤਾ ਪਰਖਦਾ ਹੈ ਅਤੇ ਅੰਤਿਮ ਦਰਜਾਬੰਦੀ ਕਰਦਾ ਹੈ, ਤਾਂ ਜੋ ਗੱਲਬਾਤ ਦੇ ਜਵਾਬ ਦੇ ਅੰਤ ਵਿੱਚ ਇਸ਼ਤਿਹਾਰ ਦਿਖਾਉਣ ਦੇ ਵਧੇਰੇ ਲਾਭਦਾਇਕ ਮੌਕੇ ਪਛਾਣੇ ਜਾ ਸਕਣ. ਇਸ ਲਈ ਦਿਖਾਏ ਜਾਣ ਦੇ ਯੋਗ ਬਣਨ ਵਾਸਤੇ ਹਰ ਇਸ਼ਤਿਹਾਰ ਨੂੰ ਯੋਗਤਾ ਅਤੇ ਪ੍ਰਸੰਗਿਕਤਾ ਦੇ ਉੱਚੇ ਮਾਪਦੰਡ ਪੂਰੇ ਕਰਨੇ ਪੈਂਦੇ ਹਨ.

ਸੰਚਾਲਕ LLM ਪਹਿਲਾਂ ਸੰਬੰਧਿਤ ਵਪਾਰਕ ਇਰਾਦੇ ਨੂੰ ਦਰਸਾਉਣ ਵਾਲੀਆਂ ਇੱਕ ਜਾਂ ਵੱਧ ਪੁੱਛਗਿੱਛਾਂ ਤਿਆਰ ਕਰਦਾ ਹੈ. ਇਸ ਵਿੱਚ ਗੱਲਬਾਤ ਦੇ ਸੰਦਰਭ ਨੂੰ ਮੁੜ ਲਿਖਣਾ ਵੀ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ, ਤਾਂ ਜੋ ਵਪਾਰਕ ਸੰਭਾਵਨਾਵਾਂ ਨੂੰ ਹੂਬਹੂ ਮਿਲਦੀਆਂ ਖੋਜ ਪੁੱਛਗਿੱਛਾਂ ਤੋਂ ਅੱਗੇ ਵਧਾਇਆ ਜਾ ਸਕੇ. ਫਿਰ ਅਰਥ-ਆਧਾਰਿਤ ਰੂਪ ਬਣਾਏ ਜਾਂਦੇ ਹਨ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਸੰਚਾਲਕ ਕਈ ਵਾਰ ਦੇ ਸਵਾਲ-ਜਵਾਬ ਵਾਲੀ ਗੱਲਬਾਤ ਦਾ ਸਾਰ ਖੋਜ ਪ੍ਰਣਾਲੀ ਲਈ ਤਿਆਰ ਕਰਦਾ ਹੈ—ਇਸ ਤਰ੍ਹਾਂ ਸਾਡੇ ਡੇਟਾਬੇਸ ਤੋਂ ਕੇਂਦਰਿਤ ਢੰਗ ਨਾਲ ਇਸ਼ਤਿਹਾਰ ਲੱਭੇ ਜਾਂਦੇ ਹਨ.

ਇਸ਼ਤਿਹਾਰ ਵਰਤੋਂਕਾਰਾਂ ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਿਆਂ, ਦੋਵਾਂ ਲਈ ਬਿਹਤਰ ਹੋਣਗੇ ਜੇ ਉਹ ਸਿਰਫ਼ ਉਦੋਂ ਦਿਖਾਏ ਜਾਣ ਜਦੋਂ ਵਰਤੋਂਕਾਰ ਦਾ ਇਰਾਦਾ ਡੂੰਘਾਈ ਨਾਲ ਸਮਝ ਆ ਗਿਆ ਹੋਵੇ. ਕਈ ਪੁੱਛਗਿੱਛਾਂ ਇਰਾਦੇ ਦੇ ਵੱਖ-ਵੱਖ ਪਹਿਲੂ ਬਰਕਰਾਰ ਰੱਖ ਸਕਦੀਆਂ ਹਨ. ਮਿਸਾਲ ਵਜੋਂ, ਯਾਤਰਾ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਬਾਰੇ ਗੱਲਬਾਤ ਵਿੱਚ ਆਵਾਜਾਈ, ਰਿਹਾਇਸ਼ ਜਾਂ ਗਤੀਵਿਧੀਆਂ ਨਾਲ ਜੁੜੀਆਂ ਵੱਖਰੀਆਂ ਲੋੜਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ. ਖੋਜ ਪ੍ਰਣਾਲੀ ਪੂਰੀ ਗੱਲਬਾਤ ਨੂੰ ਇੱਕੋ ਸ਼ਬਦੀ ਲੜੀ ਵਿੱਚ ਸਮੇਟਣ ਦੀ ਥਾਂ ਇਹ ਵਖਰੇਵੇਂ ਬਰਕਰਾਰ ਰੱਖ ਸਕਦੀ ਹੈ.

ਉਦਾਹਰਨ ਲਈ, ਆਓ ਪੈਦਲ ਪਹਾੜੀ ਯਾਤਰਾ ਲਈ ਜੁੱਤੀਆਂ ਬਾਰੇ ਇੱਕ ਸੰਭਾਵੀ ਗੱਲਬਾਤ ਦੇਖੀਏ:

1. ਯੋਸੈਮਿਟੀ ਦੀ ਦੋ ਦਿਨਾਂ ਦੀ ਯਾਤਰਾ ਵਿੱਚ ਮੈਨੂੰ ਕੀ-ਕੀ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ?

2. ਕੀ ਅਗਲੇ ਹਫ਼ਤੇ ਠੰਢ ਹੋਵੇਗੀ?

3. [insert brand] ਦੇ ਉਤਪਾਦਾਂ ਦੀਆਂ ਨਵੀਆਂ ਲੜੀਆਂ?

ਭਾਵੇਂ ਵਰਤੋਂਕਾਰ ਨੇ ਜੁੱਤੀਆਂ ਦੇ ਬ੍ਰਾਂਡ ਵਾਲੇ ਸਵਾਲ ਨੂੰ ਯੋਸੈਮਿਟੀ ਦੀ ਯਾਤਰਾ ਨਾਲ ਨਹੀਂ ਜੋੜਿਆ, ਫਿਰ ਵੀ ਸਾਡੀ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਇਸ ਗੱਲਬਾਤ ਨੂੰ ਦੋ ਪੁੱਛਗਿੱਛਾਂ ਰਾਹੀਂ ਦਰਸਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ [shoes appropriate for hiking trip] ਅਤੇ [new [brand] product lines good for travel]. ਇਹ ਸਿਰਫ਼ ਪਹਿਲੀ ਕੋਸ਼ਿਸ਼ ਹੋ ਸਕਦੀ ਹੈ; ਸੰਚਾਲਕ ਨੂੰ ਇਨ੍ਹਾਂ ਰੂਪਾਂ 'ਤੇ ਵਾਰ-ਵਾਰ ਕੰਮ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਦੋਂ ਤੱਕ ਉਸ ਨੂੰ ਸਾਡੇ ਭੰਡਾਰ ਵਿੱਚੋਂ ਵਰਤੋਂਕਾਰ ਲਈ ਬਹੁਤ ਲਾਭਦਾਇਕ ਇਸ਼ਤਿਹਾਰ ਨਾ ਮਿਲ ਜਾਣ.

ਖੋਜ ਕੇ ਲਿਆਉਣਾ ਇਸ਼ਤਿਹਾਰੀ ਵਿਕਲਪਾਂ ਦਾ ਜਾਣਬੁੱਝ ਕੇ ਵਿਆਪਕ ਸਮੂਹ ਬਣਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ. ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਵੱਖ-ਵੱਖ ਖੋਜ ਰਣਨੀਤੀਆਂ ਰਾਹੀਂ ਮਿਲ ਸਕਦੇ ਹਨ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਪੇਸ਼ਕਾਰੀ ਦੀਆਂ ਇੱਕੋ ਜਿਹੀਆਂ ਸ਼ਰਤਾਂ ਅਧੀਨ ਮੁਕਾਬਲਾ ਕਰ ਸਕਦੇ ਹਨ. ਅਸੀਂ ਪ੍ਰਣਾਲੀ ਅਤੇ ਉਤਪਾਦ ਦੀਆਂ ਵੱਖ-ਵੱਖ ਸ਼ਰਤਾਂ ਮੁਤਾਬਕ ਕਈ ਸੂਚਕਾਂਕ ਬਣਾਉਂਦੇ ਹਾਂ. ਮਿਸਾਲ ਵਜੋਂ, ਉਤਪਾਦ ਫੀਡ ਇਸ਼ਤਿਹਾਰਾਂ ਦਾ ਸੂਚਕਾਂਕ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਲੱਭਦਿਆਂ ਉਤਪਾਦ ਦੀਆਂ ਸਕਾਰਾਤਮਕ ਜਾਂ ਨਕਾਰਾਤਮਕ ਸਮੀਖਿਆਵਾਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦਾ ਹੈ. ਇਹ ਗੱਲ ਉਨ੍ਹਾਂ ਹੋਰ ਇਸ਼ਤਿਹਾਰਾਂ ਲਈ ਢੁਕਵੀਂ ਨਹੀਂ ਹੈ ਜਿਨ੍ਹਾਂ ਨਾਲ ਸ਼ਾਇਦ ਸਮੀਖਿਆਵਾਂ ਜੁੜੀਆਂ ਹੀ ਨਾ ਹੋਣ. ਹਰੇਕ ਸੂਚਕਾਂਕ ਨੂੰ ਵਰਤੋਂਕਾਰ ਦਾ ਇਰਾਦਾ ਦਰਸਾਉਣ ਵਾਲੀਆਂ ਐਮਬੈਡਿੰਗਾਂ ਨਾਲ ਲਗਭਗ ਸਭ ਤੋਂ ਨੇੜਲੇ ਗੁਆਂਢੀ ਦੀ ਖੋਜ ਦੇ ਕਿਸੇ ਰੂਪ ਲਈ ਅਨੁਕੂਲ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ. ਇਹ ਖੋਜ ਵੱਡੇ ਅਰਥ-ਆਧਾਰਿਤ ਸੂਚਕਾਂਕਾਂ ਵਿੱਚੋਂ ਨਤੀਜੇ ਲੱਭਣ ਲਈ ਅਨੁਮਾਨੀ ਐਲਗੋਰਿਦਮ ਵਰਤਦੀ ਹੈ. ਇਸ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇਸ਼ਤਿਹਾਰ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਮਿਲਦੇ ਹਨ: “ਬਿਲਕੁਲ ਸਹੀ” ਹੱਲ ਲੱਭਣ ਦੀ ਥਾਂ ਇੱਕ ਚੰਗੇ ਹੱਲ ਦੇ ਨੇੜੇ ਪਹੁੰਚਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਪ੍ਰਸੰਗਿਕ ਇਸ਼ਤਿਹਾਰ ਵੀ ਬਰਕਰਾਰ ਰਹਿੰਦੇ ਹਨ.

ਛਾਂਟਣ ਦਾ ਟੀਚਾ ਉਨ੍ਹਾਂ ਸਾਰੇ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰਾਂ ਨੂੰ ਵਿਚਾਰ ਤੋਂ ਬਾਹਰ ਕਰਨਾ ਹੈ ਜੋ ਪ੍ਰਸੰਗਿਕਤਾ, ਬੋਲੀਆਂ ਅਤੇ ਬਜਟ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਦਿਖਾਏ ਜਾਣ ਦੇ ਮਾਪਦੰਡ ਪੂਰੇ ਨਹੀਂ ਕਰਦੇ. ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਅਤੇ ਸੰਰਚਨਾ ਮੁਤਾਬਕ, ਛਾਂਟਣ ਵੇਲੇ ਇਨ੍ਹਾਂ ਦੀ ਜਾਂਚ ਹੋ ਸਕਦੀ ਹੈ: ਇਸ਼ਤਿਹਾਰੀ ਸਮੱਗਰੀ ਅਤੇ ਮੁਹਿੰਮ ਦੀ ਉਪਲਬਧਤਾ (ਕੀ ਮੁਹਿੰਮ ਜਾਂ ਸਮੱਗਰੀ ਸਰਗਰਮ ਹੈ), ਮੁਹਿੰਮ ਦਾ ਨਿਸ਼ਾਨਾ (ਜਿਵੇਂ ਕਿਹੜੇ ਖੇਤਰਾਂ ਵਿੱਚ ਇਸ ਨੂੰ ਚਲਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਹੈ), ਨੀਤੀਗਤ ਪਾਬੰਦੀਆਂ (ਕਿਸ ਚੀਜ਼ ਦਾ ਇਸ਼ਤਿਹਾਰ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਇਸ ਬਾਰੇ ਪਾਲਣਾ ਦੀਆਂ ਲੋੜਾਂ), ਬਜਟ ਦੀ ਉਪਲਬਧਤਾ (ਕੀ ਖਰਚਣ ਲਈ ਬਜਟ ਬਾਕੀ ਹੈ), ਖਰਚ ਦੀ ਰਫ਼ਤਾਰ (ਬਜਟ ਹੁਣ ਖਰਚਣਾ ਚਾਹੀਦਾ ਹੈ ਜਾਂ ਦਿਨ ਦੇ ਕਿਸੇ ਹੋਰ ਵੇਲੇ), ਦਿਖਾਉਣ ਦੀ ਅਨੁਕੂਲਤਾ (ਕਿਹੜੀਆਂ ਗੱਲਬਾਤਾਂ ਲਈ ਇਸ਼ਤਿਹਾਰ ਯੋਗ ਹੈ), ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਾ ਤੇ ਮੁਹਿੰਮ ਦੇ ਪੱਧਰ 'ਤੇ ਦੁਹਰਾਵਾ ਹਟਾਉਣਾ (ਸਾਰੇ ਕਾਰੋਬਾਰਾਂ ਦੀ ਨਿਰਪੱਖ ਭਾਗੀਦਾਰੀ ਲਈ ਹਰੇਕ ਇਸ਼ਤਿਹਾਰਦਾਤਾ ਦੇ ਇਸ਼ਤਿਹਾਰਾਂ ਦੀ ਢੁਕਵੀਂ ਗਿਣਤੀ ਚੁਣਨਾ).

ਯੋਗਤਾ ਦੀਆਂ ਜਾਂਚਾਂ ਪਾਰ ਕਰਨ ਵਾਲੇ ਇਸ਼ਤਿਹਾਰ ਅੰਕ ਦੇਣ ਦੇ ਪੜਾਅ 'ਤੇ ਪਹੁੰਚਦੇ ਹਨ. ਇੱਥੇ ਸੰਚਾਲਕ ਵੱਖ-ਵੱਖ ਅੰਕ-ਨਿਰਧਾਰਣ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਟੂਲਾਂ ਨੂੰ ਸੱਦਦਾ ਹੈ, ਤਾਂ ਜੋ ਪੇਸ਼ਕਾਰੀ ਲਈ ਇਹ ਪਹਿਲੂ ਵਿਚਾਰੇ ਜਾ ਸਕਣ: ਅਰਥਕ ਪ੍ਰਸੰਗਿਕਤਾ (ਕੀ ਇਸ਼ਤਿਹਾਰ ਵਰਤੋਂਕਾਰ ਦੇ ਟੀਚੇ ਨਾਲ ਸੰਬੰਧਿਤ ਹੈ?), ਅਨੁਮਾਨਿਤ ਰੁਝੇਵਾਂ (ਕੀ ਇਸ਼ਤਿਹਾਰ ਦੇਖੇ ਜਾਣ, ਕਲਿੱਕ ਕੀਤੇ ਜਾਣ ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਾ ਦਾ ਚਾਹਿਆ ਨਤੀਜਾ ਮਿਲਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ?), ਪਿਛਲੀ ਕਾਰਗੁਜ਼ਾਰੀ (ਕੀ ਹੁਣ ਤੱਕ ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਦਿਖਾਏ ਜਾਣ 'ਤੇ ਇਸ਼ਤਿਹਾਰ ਨੇ ਚੰਗੇ ਨਤੀਜੇ ਦਿੱਤੇ ਹਨ?). ਨਿਲਾਮੀ ਤੋਂ ਪਹਿਲਾਂ ਸੰਚਾਲਕ ਪ੍ਰਸੰਗਿਕਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਵੀ ਇਸ਼ਤਿਹਾਰ ਛਾਂਟਦਾ ਹੈ. ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰਾਂ ਦੀ ਗਿਣਤੀ ਘਟਾ ਕੇ ਨਿਲਾਮੀ ਲਈ ਤਿਆਰ ਇੱਕ ਛੋਟਾ ਸਮੂਹ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਪਰ ਹਾਲੇ ਵੀ ਇਹ ਤੈਅ ਨਹੀਂ ਕਰਦੀਆਂ ਕਿ ਅੰਤ ਵਿੱਚ ਕਿਹੜਾ ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਇਆ ਜਾਵੇਗਾ.

ਸੰਚਾਲਕ ਤਿਆਰ ਕੀਤੇ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰਾਂ ਨੂੰ ਗੱਲਬਾਤ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਪਰਖਦਾ ਹੈ ਅਤੇ ਚੁਣਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਇਸ਼ਤਿਹਾਰ ਅੰਤਿਮ ਨਿਲਾਮੀ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਲਈ ਕਾਫ਼ੀ ਢੁਕਵੇਂ ਹਨ. ਸੰਚਾਲਕ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਨਾ ਇਹ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਇਸ਼ਤਿਹਾਰ ਪੇਸ਼ ਕੀਤਾ ਜਾਵੇਗਾ, ਨਾ ਹੀ ਕੀਮਤ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ. ਉਹ ਨਿਲਾਮੀ ਟੂਲ ਵੱਲੋਂ ਮੁਲਾਂਕਣ ਲਈ ਸੰਦਰਭ ਮੁਤਾਬਕ ਢੁਕਵੇਂ ਇਸ਼ਤਿਹਾਰ ਨਾਮਜ਼ਦ ਕਰਦਾ ਹੈ.

ਨਿਲਾਮੀ ਵਿੱਚ ਪੇਸ਼ਕਾਰੀ ਦੇ ਅੰਤਿਮ ਨਿਯਮ ਲਾਗੂ ਹੁੰਦੇ ਹਨ: ਨਿਲਾਮੀ ਵਿੱਚ ਦਾਖਲਾ (ਪ੍ਰਸੰਗਿਕਤਾ ਅਤੇ ਲਾਭ ਦੀ ਘੱਟੋ-ਘੱਟ ਹੱਦ ਪਾਰ ਕਰਨਾ), ਖਰਚ ਦੀ ਰਫ਼ਤਾਰ (ਇਸ਼ਤਿਹਾਰੀ ਬਜਟ ਹੋਰ ਇਕਸਾਰ ਢੰਗ ਨਾਲ ਖਰਚਣਾ), ਬੋਲੀ ਅਤੇ ਨਿਲਾਮੀ ਦੇ ਕਾਰਕਾਂ ਦੀ ਗਣਨਾ, ਗੁਣਵੱਤਾ ਅਨੁਸਾਰ ਦਰਜਾਬੰਦੀ, ਕੀਮਤ ਨਿਰਧਾਰਣ ਅਤੇ ਅੰਤਿਮ ਚੋਣ.

ਨਿਲਾਮੀ ਤੋਂ ਬਾਅਦ ਦੋ ਕਾਰਨਾਂ ਕਰਕੇ ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਉਣ ਵਿੱਚ ਅਸਫਲਤਾ ਹੋ ਸਕਦੀ ਹੈ. ਦੋਵੇਂ ਕਾਰਨ ChatGPT ਦੇ ਗੱਲਬਾਤ ਵਾਲੇ ਮਾਧਿਅਮ ਨਾਲ ਖਾਸ ਤੌਰ 'ਤੇ ਜੁੜੇ ਹਨ.

1. ਇਸ਼ਤਿਹਾਰ ਗੱਲਬਾਤ ਵਿੱਚ ਢੁਕਵਾਂ ਨਾ ਲੱਗੇ: ਭਾਵੇਂ ਸੁਰੱਖਿਆ ਅਤੇ ਨਿਯਮ-ਪਾਲਣਾ ਜਾਂਚਣ ਵਾਲੇ ਮਾਡਲਾਂ ਨੇ ਗੱਲਬਾਤ ਨੂੰ ਇਸ਼ਤਿਹਾਰ ਦਿਖਾਉਣ ਲਈ ਸੁਰੱਖਿਅਤ ਮੰਨਿਆ ਹੋਵੇ (ਇਹ ਮਾਡਲ ਤੈਅ ਕਰਦੇ ਹਨ ਕਿ ਇਸ਼ਤਿਹਾਰ ਕਦੋਂ ਪੇਸ਼ ਕਰਨਾ ਢੁਕਵਾਂ ਹੈ) ਅਤੇ ਇਸ਼ਤਿਹਾਰ ਵੀ ਨੀਤੀ ਅਨੁਸਾਰ ਹੋਵੇ, ਫਿਰ ਵੀ ਕੁਝ ਗੱਲਬਾਤਾਂ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਉਹ ਕਦੇ-ਕਦਾਈਂ ਅਣਢੁਕਵਾਂ ਲੱਗ ਸਕਦਾ ਹੈ. ਸੰਚਾਲਕ ਅਜਿਹੇ ਇਸ਼ਤਿਹਾਰਾਂ ਨੂੰ ਦਿਖਾਏ ਜਾਣ ਤੋਂ ਰੋਕਦਾ ਹੈ.

2. ਇਸ਼ਤਿਹਾਰ ਦੀ ਬੇਨਤੀ ਸਮੇਂ ਸਿਰ ਨਾ ਪਹੁੰਚੇ: ਜੇ ChatGPT ਮਾਡਲ ਜਵਾਬ ਦੇਣ ਲਈ ਤਿਆਰ ਹੈ ਪਰ ਇਸ਼ਤਿਹਾਰ ਹਾਲੇ ਦਿਖਾਉਣ ਲਈ ਤਿਆਰ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਸ਼ਤਿਹਾਰ ਦੀ ਬੇਨਤੀ ਦਾ ਸਮਾਂ ਮੁੱਕ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸ਼ਤਿਹਾਰ ਨਹੀਂ ਪਹੁੰਚਾਇਆ ਜਾਂਦਾ. ਇਸ ਲਈ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਦਾ ਇੱਕ ਟੀਚਾ ਜਿੰਨਾ ਸੰਭਵ ਹੋ ਸਕੇ ਤੇਜ਼ੀ ਨਾਲ ਚੱਲਣਾ ਹੈ. ChatGPT ਮਾਡਲ ਦਾ ਜਵਾਬ ਦੇਣ ਦਾ ਸਮਾਂ ਬਦਲਦਾ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਅਸੀਂ ਇਸ਼ਤਿਹਾਰ ਲੋਡ ਹੋਣ ਦੀ ਉਡੀਕ ਵਿੱਚ ਗੱਲਬਾਤ ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਨਹੀਂ ਰੋਕਦੇ.

ਜੇ ਉਪਰੋਕਤ ਸਾਰੀਆਂ ਜਾਂਚਾਂ ਪੂਰੀਆਂ ਹੋ ਜਾਣ, ਤਾਂ ਅਸੀਂ ਇਸ਼ਤਿਹਾਰ ਨੂੰ ਦਿਖਾਉਣ ਲਈ ਫਰੰਟਐਂਡ ਵੱਲ ਭੇਜਦੇ ਹਾਂ. ਅਸੀਂ ਇਸ ਨੂੰ ਸਰਵਰ ਵੱਲੋਂ ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਉਣਾ ਮੰਨਦੇ ਹਾਂ, ਪਰ ਫਿਰ ਵੀ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਇਸ਼ਤਿਹਾਰ ਵਰਤੋਂਕਾਰ ਨੂੰ ਨਾ ਦਿਖਾਇਆ ਜਾਵੇ—ਅਤੇ ਇਹ ਜਾਣਬੁੱਝ ਕੇ ਰੱਖਿਆ ਗਿਆ ਪ੍ਰਬੰਧ ਹੈ.

ChatGPT ਵਰਗੇ ਗੱਲਬਾਤ-ਆਧਾਰਿਤ ਉਤਪਾਦ ਵਿੱਚ ਸਰਵਰ ਵੱਲੋਂ ਇਸ਼ਤਿਹਾਰੀ ਸਮੱਗਰੀ ਪਹੁੰਚਾਉਣਾ ਇਸ ਗੱਲ ਦੀ ਗਾਰੰਟੀ ਨਹੀਂ ਕਿ ਇਸ਼ਤਿਹਾਰ ਦਿਖਾਇਆ ਜਾਵੇਗਾ; ਮੌਜੂਦਾ ਸਵਾਲ-ਜਵਾਬ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਲਈ ਇਸ਼ਤਿਹਾਰ ਦਾ ਸਮੇਂ ਸਿਰ ਆਉਣਾ ਵੀ ਜ਼ਰੂਰੀ ਹੈ. ਇਸ਼ਤਿਹਾਰੀ ਸਮੱਗਰੀ ਵਿੱਚ ਸਿਰਲੇਖ, ਵੇਰਵਾ, ਮੰਜ਼ਿਲ ਦਾ ਲਿੰਕ ਅਤੇ ਕਾਰਵਾਈ ਲਈ ਕੋਈ ਸੱਦਾ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਮਾਡਲ ਵੱਲੋਂ ਬਣਾਈ ਭੂਮਿਕਾ ਵੀ ਭੇਜਦੀ ਹੈ—ਇੱਕ ਛੋਟੀ, ਨਿਰਪੱਖ ਜਾਣ-ਪਛਾਣ ਜੋ ਦੱਸਦੀ ਹੈ ਕਿ ਇਸ਼ਤਿਹਾਰ ਗੱਲਬਾਤ ਨਾਲ ਕਿਵੇਂ ਜੁੜਦਾ ਹੈ. ਭੂਮਿਕਾ ਨੂੰ ਇਸ਼ਤਿਹਾਰੀ ਸਮੱਗਰੀ ਤੋਂ ਵੱਖ ਰੱਖਣ ਨਾਲ ਇਸ਼ਤਿਹਾਰਦਾਤਾ ਦਾ ਸੁਨੇਹਾ ਬਰਕਰਾਰ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ChatGPT ਦਾ ਲਹਿਜ਼ਾ ਵੀ ਨਿਰਪੱਖ ਰਹਿੰਦਾ ਹੈ.

ChatGPT ਦੇ ਫਰੰਟਐਂਡ ਨੂੰ ਭੂਮਿਕਾ ਅਤੇ ਇਸ਼ਤਿਹਾਰੀ ਸਮੱਗਰੀ ਇੱਕ ਪੈਕੇਜ ਵਜੋਂ ਮਿਲਦੀਆਂ ਹਨ. ਜੇ ਇਹ ChatGPT ਦਾ ਜਵਾਬ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਣਨ ਤੋਂ ਪਹਿਲਾਂ ਆ ਜਾਵੇ, ਤਾਂ ਫਰੰਟਐਂਡ ChatGPT ਦੇ ਜਵਾਬ ਹੇਠਾਂ ਇਸ਼ਤਿਹਾਰ ਦਿਖਾਉਂਦਾ ਹੈ, ਜਿਸ 'ਤੇ ਪ੍ਰਾਯੋਜਿਤ ਹੋਣ ਦਾ ਸਪਸ਼ਟ ਲੇਬਲ ਹੁੰਦਾ ਹੈ. ਜੇ ਇਹ ਬਹੁਤ ਦੇਰ ਨਾਲ ਆਵੇ, ਤਾਂ ਉਸ ਸਵਾਲ-ਜਵਾਬ ਵਿੱਚ ਇਸ਼ਤਿਹਾਰ ਨਹੀਂ ਦਿਖਾਇਆ ਜਾਂਦਾ. ਇਹੀ ਫਰਕ ਹੈ ਸਰਵਰ ਵੱਲੋਂ ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਉਣ ਅਤੇ ਵਰਤੋਂਕਾਰ ਨੂੰ ਇਸ਼ਤਿਹਾਰ ਦਿਖਾਈ ਦੇਣ ਵਿਚਕਾਰ.

ਸਾਡਾ ਇਸ਼ਤਿਹਾਰੀ ਤਕਨੀਕੀ ਢਾਂਚਾ ਰਵਾਇਤੀ ਲੌਗਿੰਗ ਅਤੇ ਡੇਟਾ ਪਾਈਪਲਾਈਨਾਂ ਵਰਤਦਾ ਹੈ. ਇਸ ਦੇ ਤਿੰਨ ਮੁੱਖ ਲਾਭ ਹਨ: ਇਸ਼ਤਿਹਾਰਦਾਤਾ ਆਪਣੀਆਂ ਮੌਜੂਦਾ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਾਡੇ ਢਾਂਚੇ ਨਾਲ ਆਸਾਨੀ ਨਾਲ ਜੋੜ ਸਕਦੇ ਹਨ, ਰਿਪੋਰਟਾਂ ਦੇ ਡੇਟਾ ਨਾਲ ਆਪਣੀਆਂ ਰਣਨੀਤੀਆਂ ਸੁਧਾਰ ਸਕਦੇ ਹਨ ਅਤੇ ਸਾਡੀ ਟੀਮ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਸੁਧਾਰ ਦੀ ਗੁੰਜਾਇਸ਼ ਲੱਭ ਸਕਦੀ ਹੈ. ਰਿਪੋਰਟਿੰਗ ਅਤੇ ਸੁਧਾਰ ਦੇ ਇਨ੍ਹਾਂ ਟੂਲਾਂ ਤੋਂ ਇਲਾਵਾ, ਅਸੀਂ ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਪਰਖਣ ਅਤੇ ਹੋਰ ਇਸ਼ਤਿਹਾਰੀ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲਾ ਮਾਡਲ ਲਗਾਉਂਦੇ ਹਾਂ. ਇਸ ਨਾਲ ਆਪਣੇ ਆਪ ਨੂੰ ਸੁਧਾਰਨ ਦਾ ਇੱਕ ਮਜ਼ਬੂਤ ਚੱਕਰ ਬਣਦਾ ਹੈ.

ਜੋ ਕੁਝ ਵਾਪਰਿਆ, ਉਸ ਦਾ ਵਿਸਥਾਰਪੂਰਵਕ ਵੇਰਵਾ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਦੇ ਹਰੇਕ ਹਿੱਸੇ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸਮਝਣ ਅਤੇ ਸੁਧਾਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ. ਲੌਗ ਪ੍ਰੋਸੈਸ ਕਰਨ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਬਾਰੀਕ ਪੱਧਰ ਦੇ ਨਤੀਜੇ ਵੀ ਦਰਜ ਕਰਦੀ ਹੈ, ਜਿਵੇਂ:

• ਉਹ ਸਵਾਲ-ਜਵਾਬ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਲਈ ਯੋਗ ਨਹੀਂ ਸੀ.

• ਇਸ਼ਤਿਹਾਰੀ ਸੈਸ਼ਨ ਸ਼ੁਰੂ ਹੋਇਆ, ਪਰ ਖੋਜ ਦੀ ਬੇਨਤੀ ਨਹੀਂ ਕੀਤੀ ਗਈ.

• ਖੋਜ ਵਿੱਚ ਕੋਈ ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਨਹੀਂ ਮਿਲਿਆ.

• ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰ ਲੱਭੇ ਗਏ, ਪਰ ਉਨ੍ਹਾਂ ਦਾ ਪੂਰਾ ਡੇਟਾ ਭਰਨ ਜਾਂ ਯੋਗਤਾ ਦੀ ਜਾਂਚ ਵਿੱਚ ਅਸਫਲਤਾ ਹੋਈ.

• ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਇਆ ਗਿਆ ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਵਰਤੋਂਕਾਰ ਨੇ ਉਸ ਨਾਲ ਕੋਈ ਕਾਰਵਾਈ ਕੀਤੀ.

ਇਹ ਵਿਸਥਾਰਪੂਰਵਕ ਵੇਰਵੇ ਇਸ਼ਤਿਹਾਰ ਪੇਸ਼ ਕਰਨ ਵਾਲੀ ਪ੍ਰਣਾਲੀ ਦੇ ਹਰੇਕ ਹਿੱਸੇ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਸੁਧਾਰਨ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰਦੇ ਹਨ. ਮੌਕਿਆਂ ਦੀ ਪਛਾਣ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਸਬੂਤ, ਖੋਜ, ਸੰਭਾਵੀ ਇਸ਼ਤਿਹਾਰਾਂ ਦੀ ਗੁਣਵੱਤਾ, ਨਿਲਾਮੀ ਵਿੱਚ ਭਾਗੀਦਾਰੀ ਜਾਂ ਇਸ਼ਤਿਹਾਰ ਪਹੁੰਚਾਉਣ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਸੁਧਾਰਨ ਲਈ ਲੋੜੀਂਦੇ ਸਬੂਤਾਂ ਤੋਂ ਵੱਖ ਹੁੰਦੇ ਹਨ.

ਮਾਡਲ-ਆਧਾਰਿਤ ਮੁਲਾਂਕਣ ਦਾ ਵਿਚਾਰ ਇਹ ਹੈ ਕਿ ਸਾਡੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਰੀਜ਼ਨਿੰਗ ਸਮਰੱਥਾ ਵਾਲੇ ਮਾਡਲ ਪ੍ਰਣਾਲੀ ਦੇ ਨਤੀਜੇ ਦੇਖਣ ਅਤੇ ਪਰਖਣ, ਫਿਰ ਪੋਸਟ-ਟ੍ਰੇਨਡ LLM ਨੂੰ ਬਿਹਤਰ ਕੰਮ ਕਰਨ ਦੀ ਸਿਖਲਾਈ ਦੇ ਕੇ ਸੁਧਾਰਨ. ਮਿਸਾਲ ਵਜੋਂ, ਜੇ ਸਾਡਾ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲ ਫੀਡਬੈਕ ਇਕੱਠਾ ਕਰੇ ਅਤੇ ਛੋਟੇ ਮਾਡਲਾਂ ਨੂੰ ਸਭ ਤੋਂ ਵਧੀਆ ਸੰਭਵ ਕੰਮ ਕਰਨ ਦੀ ਸਿਖਲਾਈ ਦੇਵੇ, ਤਾਂ ਅਸੀਂ ਸੰਚਾਲਨ ਜਾਂ ਖੋਜ ਲਈ ਛੋਟੇ, ਵਧੇਰੇ ਕੁਸ਼ਲ ਜਾਂ ਘੱਟ ਰੀਜ਼ਨਿੰਗ ਸਮਰੱਥਾ ਵਾਲੇ ਮਾਡਲ ਵਰਤ ਸਕਦੇ ਹਾਂ.

ਅਸੀਂ ਮਨੁੱਖੀ ਫੀਡਬੈਕ (ਵਰਤੋਂਕਾਰਾਂ ਵੱਲੋਂ ਕਲਿੱਕ ਕਰਨਾ ਅਤੇ ਇਸ਼ਤਿਹਾਰ ਲੁਕਾਉਣਾ), ਵਰਤੋਂਕਾਰ ਸਰਵੇਖਣ ਅਤੇ ਆਪਣੇ ਇਸ਼ਤਿਹਾਰ ਮੈਨੇਜਰ ਰਾਹੀਂ ਇਸ਼ਤਿਹਾਰਦਾਤਿਆਂ ਦਾ ਸਿੱਧਾ ਫੀਡਬੈਕ ਇਕੱਠਾ ਕਰਦੇ ਹਾਂ ਅਤੇ ਉਸ ਮੁਤਾਬਕ ਕਦਮ ਚੁੱਕਦੇ ਹਾਂ. ਨਿਰਮਾਣ ਦੌਰਾਨ ਸਾਡੀ ਟੀਮ ਵੀ ਫੀਡਬੈਕ ਲੈਣ ਲਈ ਉਪਲਬਧ ਰਹਿੰਦੀ ਹੈ ਅਤੇ ਅਸੀਂ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਸੁਣਦੇ ਹਾਂ ਕਿ ChatGPT ਵਰਤੋਂਕਾਰ ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਾ ਕੀ ਚਾਹੁੰਦੇ ਹਨ. ਇਹ ਫੀਡਬੈਕ ਮਾਡਲ ਦੇ ਨਿਰੀਖਣ-ਆਧਾਰਿਤ ਫੀਡਬੈਕ ਨਾਲੋਂ ਵੀ ਵੱਧ ਸਾਡੀ ਦਿਸ਼ਾ ਤੈਅ ਕਰਦਾ ਹੈ. ਇਸ ਨੇ ਸਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਸੁਧਾਰ ਕਰਦਿਆਂ ਉਤਪਾਦ ਬਾਰੇ ਸਹੀ ਫੈਸਲਿਆਂ ਤੱਕ ਪਹੁੰਚਣ ਵਿੱਚ ਮਦਦ ਕੀਤੀ ਹੈ. ਮਾਡਲ ਸ਼ਾਇਦ ਵਰਤੋਂਕਾਰ ਦਾ ਇਰਾਦਾ ਸਮਝ ਕੇ ਅਤੇ ਡੂੰਘਾਈ ਨਾਲ ਵਿਚਾਰ ਕਰਕੇ ਕੁਝ ਲਾਭਦਾਇਕ ਦੇ ਸਕੇ, ਪਰ ਕੀ ਪਸੰਦ ਆਉਂਦਾ ਹੈ, ਇਹ ਲੋਕ ਤੈਅ ਕਰਦੇ ਹਨ.

ਇੱਕ ਸਾਲ ਪਹਿਲਾਂ ਸਾਡੇ ਕੋਲ ਕੋਈ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਨਹੀਂ ਸੀ ਅਤੇ ਸਿਰਫ਼ ਕੁਝ ਲੋਕ ਹੀ ਇਸ ਖੇਤਰ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਬਾਰੇ ਸੋਚ ਰਹੇ ਸਨ. ਹੁਣ ਸਾਡੇ ਕੋਲ ਇੱਕ ਮਜ਼ਬੂਤ ਇਸ਼ਤਿਹਾਰ ਪ੍ਰਣਾਲੀ ਹੈ ਜੋ ਮੌਜੂਦਾ ਰਫ਼ਤਾਰ ਦੇ ਸਾਲਾਨਾ ਹਿਸਾਬ ਨਾਲ $1 ਅਰਬ ਤੋਂ ਵੱਧ ਦੀ ਆਮਦਨ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ. ਇਸ ਦਾ ਇਸ਼ਤਿਹਾਰੀ ਪ੍ਰਵਾਹ LLM-ਆਧਾਰਿਤ ਸੰਚਾਲਕ ਚਲਾਉਂਦਾ ਹੈ. Codex ਨੇ ਸਾਡੀ ਸਮਰੱਥਾ ਕਈ ਗੁਣਾ ਵਧਾਉਣ ਵਿੱਚ ਬੁਨਿਆਦੀ ਭੂਮਿਕਾ ਨਿਭਾਈ. ਇਸ ਦੀ ਮਦਦ ਨਾਲ ਅਸੀਂ ਆਪਣੀ ਪ੍ਰਣਾਲੀ ਸ਼ੁਰੂ ਤੋਂ ਖੜ੍ਹੀ ਕੀਤੀ ਅਤੇ ਬੇਮਿਸਾਲ ਤੇਜ਼ੀ ਨਾਲ ਵਰਤੋਂ ਦਾ ਇਹ ਵੱਡਾ ਮੀਲਪੱਥਰ ਹਾਸਲ ਕੀਤਾ. ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਅਸੀਂ ਟੀਮ ਅਤੇ ਵਿਕਾਸ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਇਸ ਤਰ੍ਹਾਂ ਤਿਆਰ ਕੀਤੇ ਕਿ Codex ਨਾਲ ਪ੍ਰਣਾਲੀ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਬਣਾਇਆ ਅਤੇ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਵਧਾਇਆ ਜਾ ਸਕੇ. ਅਸੀਂ Codex ਲਈ ਸੁਰੱਖਿਆ ਹੱਦਾਂ ਬਣਾਈਆਂ ਤਾਂ ਜੋ ਕੋਡ ਭਰੋਸੇਯੋਗ ਅਤੇ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਜਾਰੀ ਕੀਤਾ ਜਾ ਸਕੇ. ਨਾਲ ਹੀ, ਅਸੀਂ Codex ਲਈ ਡੇਟਾ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਪਲੱਗਇਨ ਬਣਾਏ, ਤਾਂ ਜੋ ਸਮਝ ਹਾਸਲ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਪ੍ਰਣਾਲੀ ਵਿੱਚ ਸੁਧਾਰ ਲਾਗੂ ਕਰਨ ਤੱਕ ਦਾ ਚੱਕਰ ਬਹੁਤ ਛੋਟਾ ਕੀਤਾ ਜਾ ਸਕੇ. ਇਨ੍ਹਾਂ ਸੁਧਾਰਾਂ ਵਿੱਚ ਉਤਪਾਦ ਦੀਆਂ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਬਿਹਤਰ ਗੁਣਵੱਤਾ ਅਤੇ ਪ੍ਰਣਾਲੀ ਦੀ ਬਿਹਤਰ ਕਾਰਗੁਜ਼ਾਰੀ ਸ਼ਾਮਲ ਹਨ.

ਸਾਡੀ ਪ੍ਰਣਾਲੀ ਦੀਆਂ ਹੱਦਾਂ (ਜੋ ਸਾਡੇ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਦੇ ਸਿਧਾਂਤਾਂ⁠ 'ਤੇ ਆਧਾਰਿਤ ਹਨ) ਅਤੇ LLM-ਆਧਾਰਿਤ ਸੰਚਾਲਕ ਮਿਲ ਕੇ ਸਾਨੂੰ ਹਰ ਗੱਲਬਾਤ ਨੂੰ ਇਸ਼ਤਿਹਾਰ ਦੀ ਬੇਨਤੀ ਮੰਨੇ ਬਿਨਾਂ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਲਾਭਦਾਇਕ ਬਣਾਉਣ ਦਿੰਦੇ ਹਨ. ਅੱਗੇ ਵੀ ਅਸੀਂ ਹੋਰ ਲਚਕੀਲੇ ਅਤੇ ਪਰਸਪਰ ਸੰਵਾਦ ਵਾਲੇ ਇਸ਼ਤਿਹਾਰੀ ਰੂਪਾਂ ਨਾਲ ਪ੍ਰਯੋਗ ਕਰਦੇ ਰਹਾਂਗੇ, ਤਾਂ ਜੋ ਵਰਤੋਂਕਾਰਾਂ ਅਤੇ ਇਸ਼ਤਿਹਾਰਦਾਤਿਆਂ ਲਈ ਲਾਭ ਵਧੇ—ਮਿਸਾਲ ਵਜੋਂ, ਵਰਤੋਂਕਾਰਾਂ ਨੂੰ ਇਸ਼ਤਿਹਾਰਾਂ ਰਾਹੀਂ ਸਿੱਧਾ ਕਾਰੋਬਾਰਾਂ ਨਾਲ ਗੱਲ ਕਰਨ ਦੀ ਸਹੂਲਤ ਦੇਣਾ. OpenAI ਮਾਡਲਾਂ ਅਤੇ ਲਗਾਤਾਰ ਫੀਡਬੈਕ ਚੱਕਰਾਂ 'ਤੇ ਬਣਿਆ, ਆਪਣੇ ਆਪ ਨੂੰ ਸੁਧਾਰਨ ਵਾਲਾ ਇਹ ਤਕਨੀਕੀ ਢਾਂਚਾ ਸਮੇਂ ਦੇ ਨਾਲ ਪ੍ਰਸੰਗਿਕਤਾ ਅਤੇ ਨਿੱਜੀਕਰਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਦੀ ਸਾਡੀ ਸਮਰੱਥਾ ਹੋਰ ਤੇਜ਼ ਕਰੇਗਾ.