Si ndërtuam sistemin e ri të reklamave të ChatGPT për besim dhe lidhje me nevojat e përdoruesit

Sistemet tradicionale të reklamimit janë ndërtuar për t’iu përgjigjur shprehjeve të veçuara të qëllimit të përdoruesit. Një përdorues kërkon ose shikon diçka në internet; sistemi i reklamave i merr këto kërkime dhe shikime faqesh si ngjarje dhe kërkon reklama që përputhen me to. Ndërtimi i një platforme reklamash për ChatGPT ishte ndryshe: qëllimi i përdoruesit zhvillohet përgjatë bisedave dhe ndryshon gjatë disa shkëmbimeve të mesazheve, ndonjëherë pa krijuar një moment të përshtatshëm për reklamim. Për të mbështetur këtë paradigmë të re, ndërtuam një sistem të posaçëm për dërgimin e reklamave. Ky lloj i ri platforme reklamash bazohet në një LLM avangardë të përshtatur posaçërisht, me pastrajnim, që thërret mjete për kërkim (identifikimin e alternativave më të mira), renditje (parashikimin e angazhimit të përdoruesit), lidhjen me bisedën (vlerësimin e dobisë së reklamës) dhe zhvillimin e ankandeve për përzgjedhjen përfundimtare të reklamës e përcaktimin e çmimit.

Sistemi ynë i reklamave merr parasysh nuancat e synimeve në ndryshim të përdoruesit falë tri vendimeve kyçe të projektimit: 1) zbatimit të seancave të reklamave që ruajnë gjendjen, pra që mbajnë mend informacionin mes shkëmbimeve të mesazheve dhe mes bisedave të ndryshme; 2) mbështetjes te një LLM e përshtatur posaçërisht, me pastrajnim, që përdor një arkitekturë thirrjesh mjetesh për të interpretuar kontekstin dhe qëllimin e bisedës, e më pas për të përzgjedhur, renditur dhe dërguar reklama në mënyrë efektive; dhe 3) zhvillimit të procesit të përzgjedhjes së reklamave veçmas nga gjenerimi i përgjigjeve të ChatGPT, në një shërbim më vete, që reklamat të mos ndikojnë te përgjigjet dhe ChatGPT të ruajë tonin neutral. Ne përdorim LLM-në tonë me pastrajnim për të orkestruar gjithë fluksin e reklamave, duke përcaktuar reklamën e duhur për t’u shfaqur në momentin e duhur, bazuar si në shkëmbimin aktual të mesazheve, ashtu edhe në historikun e bisedave të përdoruesit. Ndërsa ngritja nga e para e një sistemi vetëpërmirësues reklamash si ky dikur kërkonte vite, Reklamat në ChatGPT arritën një ritëm të ardhurash të barasvlershëm me 1 miliard dollarë në vit në më pak se 200 ditë nga lançimi; deri tani, më shumë se 100 000 reklamues kanë publikuar reklama në ChatGPT që nga lançimi.

Një kërkesë tradicionale për reklamë zakonisht nis me një ngjarje të përcaktuar qartë. Një përdorues dërgon një kërkim ose hap një faqe interneti dhe sistemi i reklamave merr një kërkesë. Ky lloj sistemi është mjaft i thjeshtë: gjen reklama kandidate, i rendit, zhvillon një ankand për t’i caktuar mundësisë një çmim të përshtatshëm dhe ia shfaq përdoruesit reklamën e përzgjedhur. ChatGPT nuk krijon natyrshëm një moment kaq të përcaktuar.

Në një bisedë me ChatGPT, njerëzit vijnë me synime, jo thjesht me një kërkim që kërkon një përgjigje të vetme. Ata mund të jenë duke planifikuar një udhëtim, duke zgjedhur softuer për biznesin, duke mobiluar shtëpinë ose duke mësuar një hobi të ri. E gjithë kjo nuk ndodh brenda një shkëmbimi të vetëm mesazhesh. ChatGPT shpesh e ndihmon përdoruesin të qartësojë gjatë bisedës se çfarë ka rëndësi.

Për shembull, ekipi ynë i inxhinierisë e pyeti ChatGPT si të stërvitej për një garë: biseda nis me një pyetje të përgjithshme për vrapimin. Pas disa shkëmbimeve të mesazheve, ata pyesin për këpucë që mund t’i ndihmojnë në stërvitje. Domethënia tregtare e bisedës ndryshon me çdo kusht të ri që shtohet, dhe ky kontekst i personalizuar zhvillohet përgjatë disa seancave. Një sistem që do të vepronte mbi mesazhin e parë mund ta interpretonte krejt gabim qëllimin, duke rrezikuar ta përkeqësonte përvojën e përdoruesit dhe t’i bëhej pengesë.

Ndërtimi i sistemit tonë të reklamave kërkoi të shkonim përtej arkitekturës së reklamimit kërkesë-përgjigje dhe të ndërtonim një platformë nga e para për të gjetur mundësi ekonomike, duke i dhënë përparësi besimit dhe vlerës për përdoruesin.

Shndërrimi i çdo mesazhi në një kërkesë më vete, si në një sistem tradicional reklamash, do të sillte disa rreziqe në bisedat tona: 1) keqkuptimin e synimit të përdoruesit nga thjeshtimi i tepërt; 2) nisjen e fluksit të reklamave tepër herët, para se të qartësohej nevoja reale; 3) shfaqjen e reklamave që e pengojnë përdoruesin në vend që ta mbështesin; dhe 4) përsëritjen joefikase të fluksit të reklamave sa herë që ndryshon kërkesa, duke krijuar zhurmë dhe shpenzime të panevojshme. Në vend që të mbështetet te ngjarje të veçuara, sistemi i reklamave (që përfshin kërkimin, renditjen dhe dërgimin) mban një seancë që ruan gjendjen. Pra, seanca e reklamave vazhdon për gjithë kohëzgjatjen e një shkëmbimi mesazhesh që plotëson kriteret, duke mbajtur mend dhe përditësuar informacionin teksa ai zhvillohet. ChatGPT ia dërgon kontekstin fillestar të kërkesës serverit të reklamave. Sistemi i reklamave e ndjek bisedën teksa zhvillohet dhe përshtatet me të, në vend që të mbështetet te një kërkim i vetëm i thjeshtuar.

Procesi i përzgjedhjes së reklamave zhvillohet paralelisht me gjenerimin normal të përgjigjeve të ChatGPT, për të siguruar që fluksi i reklamave të mos ndikojë te përgjigjet. Reklamat filtrohen dhe përzgjidhen nga një sistem i veçantë që përpunon bisedën sipas kufizimeve të veta të pranueshmërisë, cilësisë dhe dërgimit. Ky kufi i rëndësishëm arkitekturor, me shërbime të ndryshme që përdorin modele dhe kod të veçantë, ua lë serverëve kryesorë të ChatGPT gjenerimin e përgjigjes organike. Ndërkohë, sistemi i reklamave vlerëson në mënyrë të pavarur nëse ka një mundësi të përshtatshme reklamimi dhe, nëse po, përgatit një vendosje të sponsorizuar përmes një procesi të veçantë shërbimi.

Përveç mbrojtjes së përvojës së përdoruesit, kjo ndarje ka disa pasoja praktike. ChatGPT nuk varet nga sistemi i reklamave: shërbimet nuk ndërthuren në asnjë mënyrë dhe nuk përdorin të njëjtin model për gjenerimin e përmbajtjes. Kështu, nëse sistemi i shërbimit të reklamave nuk është i disponueshëm ose është i ngadaltë, përgjigjja organike e ChatGPT vazhdon pa u ndikuar. Kjo do të thotë se sistemi i reklamave nuk mund ta nxjerrë jashtë funksionit ose ta vonojë ChatGPT. Një përfitim tjetër i kësaj ndarjeje është se ruan një standard shumë të lartë për vlerën që duhet të ofrojnë reklamat. Të mos kthesh asnjë reklamë është një rezultat i zakonshëm dhe i suksesshëm. Sistemi dërgon një reklamë vetëm nëse ajo u sjell dobi të qartë përdoruesve dhe reklamuesve.

Komponenti tjetër kyç i arkitekturës sonë të reklamave është LLM-ja me pastrajnim që interpreton bisedat dhe drejton gjithë fluksin e reklamave në një cikël agjentik. Ajo thërret mjete për funksionet bazë të sistemit të reklamave, nga kërkimi te renditja, ankandi dhe, në fund, dërgimi. Këtë LLM e quajmë orkestruesi.

Hapi i parë i fluksit të reklamave është të kuptohet qëllimi i përdoruesit për të nisur kërkimin: një proces i shpejtë që mbledh qëllimisht një gamë të gjerë reklamash të mundshme, të cilat më pas filtrohen. Marrja e bisedës pjesë-pjesë e bën kërkimin më të pasur, por edhe më të paqartë, sepse sistemi i reklamave duhet të dallojë qëllimin aktual nga konteksti që nuk vlen më. Orkestruesi duhet të interpretojë referencat ndaj mesazheve të mëparshme, të dallojë kur përdoruesi flet në mënyrë hipotetike dhe të mos e trajtojë çdo përmendje të një produkti apo shërbimi si kërkesë për të blerë diçka.

Orkestruesi i reklamave përdor bisedën dhe kontekstin e disponueshëm të përdoruesit, duke bërë përpjekje të njëpasnjëshme për të gjetur reklama të mira dhe duke zgjedhur vazhdimisht cilin mjet të thërrasë dhe kur. Synimi është të gjejë reklamën më të përshtatshme për atë bisedë e kontekst: atë që balancon vlerën e lartë për përdoruesin me vlerën e lartë për reklamuesin. Nëse përdoruesi zgjedh t’i personalizojë reklamat, orkestruesi merr parasysh edhe informacionin e disponueshëm josensitiv nga bisedat e tij të kaluara për të gjetur reklamat që i përshtaten më mirë.

Ndërsa biseda përparon dhe orkestruesi i reklamave merr informacion më të përditësuar, ai mund të kryejë një seri të re thirrjesh mjetesh me kontekstin e përditësuar për të gjetur reklama më të mira dhe për t’ia kthyer aplikacionit klient, i cili mund t’i përdorë nëse mbërrijnë në kohë.

Orkestruesi është projektuar të balancojë vlerën për përdoruesin me vlerën për reklamuesin, duke vënë gjithmonë përdoruesit në plan të parë.

Sistemi i reklamave përbëhet nga mjete të veçanta, të cilat orkestruesi i thërret në mënyrë të përsëritur për të gjetur reklamat më të mira për një bisedë. Në vija të përgjithshme, orkestruesi i kthen bisedat në përmbledhje të shkurtra tekstuale, të cilat më pas shndërrohen në vektorë semantikë: kuptime të ruajtura në një formë që sistemi i reklamave e shqyrton më lehtë. Ai përdor këta vektorë për të gjetur reklama kandidate, i filtron sipas kritereve të pranueshmërisë (buxhetit, cilësimeve të përdoruesit dhe kontrolleve të tjera paraprake), vlerëson cilësinë dhe lidhjen e tyre me bisedën dhe kryen një renditje përfundimtare për të identifikuar mundësitë me vlerë të lartë për vendosje në fund të përgjigjes. Prandaj, për të qenë e pranueshme për vendosje, çdo reklamë duhet të përmbushë standarde të larta të pranueshmërisë dhe lidhjes me bisedën.

LLM-ja orkestruese fillimisht përgatit një ose më shumë kërkesa kërkimi që përfaqësojnë qëllimin tregtar përkatës. Kjo mund të përfshijë riformulimin e kontekstit të bisedës për të zgjeruar mundësitë tregtare përtej kërkesave të drejtpërdrejta 1:1, e më pas krijimin e përfaqësimeve semantike. Orkestruesi e përmbledh thelbin e një bisede me disa shkëmbime mesazhesh për sistemin e kërkimit, që të gjejë reklama në bazën tonë të të dhënave në mënyrë të përqendruar.

Vendosja e reklamave do të jetë më e dobishme si për përdoruesit, ashtu edhe për reklamuesit, nëse ato shfaqen vetëm kur qëllimi i përdoruesit është kuptuar në thellësi. Përdorimi i disa kërkesave të kërkimit mund të ruajë aspekte të ndryshme të qëllimit. Për shembull, një bisedë për planifikimin e një udhëtimi mund të përmbajë nevoja të veçanta për transport, akomodim apo aktivitete. Sistemi i kërkimit mund t’i ruajë këto dallime në vend që ta ngjeshë gjithë bisedën në një varg të vetëm teksti.

Si shembull, le të shohim një rrjedhë të mundshme bisede për këpucë ecjeje në natyrë:

1. Çfarë duhet të shoh gjatë një udhëtimi dyditor në Yosemite?

2. A do të jetë ftohtë javën tjetër?

3. Linja të reja produktesh të [insert brand]?

Edhe pse përdoruesi nuk e ka lidhur pyetjen për markën e këpucëve me udhëtimin në Yosemite, kjo bisedë mund të përfaqësohet në sistemin tonë të reklamave nga dy kërkesa kërkimi, si [shoes appropriate for hiking trip] dhe [new [brand] product lines good for travel]. Kjo mund të jetë vetëm përpjekja e parë; orkestruesi është projektuar t’i përpunojë vazhdimisht këto përfaqësime derisa të gjejë në inventarin tonë reklama me vlerë të madhe për përdoruesin.

Kërkimi është procesi i krijimit të një grupi qëllimisht të gjerë alternativash për reklama. Kandidatet mund të vijnë nga strategji të ndryshme kërkimi dhe më pas të konkurrojnë sipas të njëjtave kufizime shërbimi. Ne ndërtojmë disa indekse të optimizuara për kufizime të ndryshme të sistemit dhe produktit. Për shembull, indeksi për reklamat nga katalogët e produkteve është projektuar të marrë parasysh vlerësimet pozitive ose negative të produkteve kur kërkon reklamat më të mira të mundshme. Kjo nuk vlen për reklama të tjera që mund të mos kenë vlerësime të lidhura me to. Çdo indeks optimizohet për një variant të kërkimit të përafërt të fqinjit më të afërt (ANN), duke përdorur vektorë që përfaqësojnë qëllimin e përdoruesit. Ky kërkim ANN është një algoritëm përafrimi për kërkim në indekse të mëdha semantike. Kjo do të thotë se reklamat gjenden shumë shpejt, duke iu afruar një zgjidhjeje të mirë në vend që të kërkohet zgjidhja "e duhur", ndërkohë që ruhen shumica e kandidateve përkatëse.

Qëllimi i filtrimit është të përjashtojë nga shqyrtimi të gjitha reklamat kandidate që nuk përmbushin standardet e vendosjes për sa i përket lidhjes me bisedën, ofertave dhe buxhetit. Në varësi të kandidates dhe konfigurimit, filtrimi mund të kontrollojë: disponueshmërinë e materialeve reklamuese dhe fushatës (nëse janë aktive); shënjestrimin e fushatës (p.sh., në cilat rajone gjuhësore lejohet të veprojë); kufizimet e politikave (kërkesat për atë që lejohet të reklamohet); disponueshmërinë e buxhetit (nëse fushata ka ende buxhet për të shpenzuar); ritmin e shpenzimit (nëse duhet të shpenzojë tani apo në një moment tjetër të ditës); përputhshmërinë e vendosjes (në çfarë lloj bisedash lejohet kjo reklamë); dhe heqjen e dublikatave në nivel reklamuesi e fushate (zgjedhjen e një numri të përshtatshëm reklamash për reklamues, për të siguruar pjesëmarrje të drejtë mes bizneseve).

Kandidatet që kalojnë kontrollet e pranueshmërisë hyjnë në fazën e pikëzimit, ku orkestruesi thërret mjete të sistemeve të ndryshme të pikëzimit. Ato vlerësojnë faktorë të shërbimit si lidhja semantike (a lidhet reklama me synimin e përdoruesit?), angazhimi i parashikuar (a ka gjasa që reklama të shihet, të klikohet dhe të sjellë rezultatin që dëshiron reklamuesi?) dhe ecuria e mëparshme (a ka pasur reklama rezultate të mira kur u është shfaqur përdoruesve deri tani?). Orkestruesi gjithashtu filtron reklamat për të siguruar lidhjen me bisedën dhe sigurinë e tyre para ankandit. Këto sisteme e ngushtojnë përzgjedhjen në një grup më të vogël kandidatësh gati për ankand, por ende nuk përcaktojnë reklamën përfundimtare që do të dërgohet.

Orkestruesi i vlerëson kandidatet e përgatitura në kontekstin e bisedës dhe zgjedh cilat janë mjaftueshëm të përshtatshme për të hyrë në ankandin përfundimtar. Orkestruesi nuk vendos drejtpërdrejt cila reklamë do të shërbehet dhe as nuk përcakton çmimin. Ai propozon kandidate të përshtatshme për kontekstin, që t’i vlerësojë mjeti i ankandit.

Ankandi zbaton mekanizmat përfundimtarë të shërbimit: pranimin në ankand (kalimin e një pragu minimal të lidhjes me bisedën dhe vlerës), ritmin e shpenzimit (shpërndarjen më të njëtrajtshme të buxhetit), llogaritjen e ofertave dhe të parametrave të ankandit, renditjen e përshtatur sipas cilësisë, përcaktimin e çmimit dhe përzgjedhjen përfundimtare.

Pas ankandit, një reklamë mund të mos dërgohet për dy arsye, të dyja specifike për mjedisin bisedor të ChatGPT.

1. Reklama mund të duket e papërshtatshme në bisedë: Edhe pse vetë biseda është vlerësuar si e sigurt për vendosjen e reklamave nga modelet e integritetit (modelet që vendosin kur është e përshtatshme të shërbehet një reklamë), dhe reklama është vlerësuar si në përputhje me politikat, ndonjëherë ajo mund të duket e papërshtatshme në kontekstin e disa bisedave. Orkestruesi bllokon shfaqjen e këtyre reklamave.

2. Kërkesa për reklamë mund të mos mbërrijë në kohë: Nëse modeli i ChatGPT është gati të përgjigjet, por reklama nuk është ende gati për vendosje, afati i kërkesës skadon dhe reklama nuk dërgohet. Prandaj, një nga synimet e sistemit të reklamave është të funksionojë sa më shpejt. Koha e përgjigjes së modelit të ChatGPT ndryshon dhe ne nuk i vonojmë përgjigjet e bisedës për të pritur ngarkimin e reklamave.

Nëse kalohen të gjitha kontrollet e mësipërme, ia dërgojmë reklamën ndërfaqes për paraqitje. Këtë e konsiderojmë dërgim të reklamës nga ana e serverit, por prapë mund të mos ia shfaqim reklamën përdoruesit, dhe kjo është e qëllimshme.

Në një produkt bisedor si ChatGPT, dërgimi i materialit reklamues nga ana e serverit nuk garanton që reklama do të shfaqet; ajo duhet të mbërrijë edhe në kohë për t’u përfshirë në shkëmbimin aktual të mesazheve. Materiali reklamues përfshin titullin, përshkrimin, lidhjen e destinacionit dhe çdo thirrje për veprim. Sistemi i reklamave kthen gjithashtu një hyrje të gjeneruar nga modeli: një tekst të shkurtër e neutral që shpjegon si lidhet reklama me bisedën. Mbajtja e hyrjes veçmas nga materiali reklamues ruan mesazhin e reklamuesit dhe njëkohësisht tonin neutral të ChatGPT.

Ndërfaqja e ChatGPT merr hyrjen dhe materialin reklamues si një paketë të vetme. Nëse paketa mbërrin para se përgjigjja e ChatGPT të jetë gjeneruar plotësisht, ndërfaqja e shfaq reklamën poshtë përgjigjes, të etiketuar qartë si e sponsorizuar. Nëse mbërrin tepër vonë, reklama nuk shfaqet për atë shkëmbim mesazhesh. Ky është dallimi mes dërgimit të reklamës nga serveri dhe shfaqjes së saj te përdoruesi.

Platforma jonë e reklamimit përdor sisteme tradicionale regjistrimi dhe rrjedha përpunimi të të dhënave, me tri përfitime kryesore: reklamuesit mund t’i integrojnë më lehtë sistemet ekzistuese me platformën tonë, mund t’i përmirësojnë strategjitë me të dhënat e raportimit dhe ekipi ynë mund të identifikojë pjesët e sistemit që duhen përmirësuar. Përveç këtyre mjeteve të raportimit dhe optimizimit, përdorim një model me cilësi të lartë për të vlerësuar dërgimin e reklamave dhe për të trajnuar modele të tjera reklamash, duke krijuar një cikël të fuqishëm vetëpërmirësimi.

Analizat e hollësishme të asaj që ndodhi na ndihmojnë të kuptojmë dhe të përmirësojmë veçmas çdo pjesë të sistemit të reklamave. Sistemi i përpunimit të regjistrave ruan gjithashtu rezultate të hollësishme si:

• Shkëmbimi i mesazheve nuk plotësonte kriteret për reklamim.

• Një seancë reklamash nisi, por nuk u kërkua kërkim reklamash.

• Kërkimi nuk ktheu asnjë kandidate.

• U gjetën kandidate, por dështoi plotësimi i të dhënave të tyre ose nuk kaluan kontrollet e pranueshmërisë.

• Një reklamë u dërgua dhe më pas pati një ndërveprim me të.

Këto analiza të hollësishme na ndihmojnë të përmirësojmë veçmas çdo pjesë të sistemit të shërbimit të reklamave. Përmirësimi i zbulimit të mundësive kërkon prova të ndryshme nga ato që nevojiten për të përmirësuar kërkimin, cilësinë e kandidateve, pjesëmarrjen në ankand ose besueshmërinë e dërgimit.

Ideja e vlerësimit të bazuar në modele është që modelet tona më të fuqishme, me aftësitë më të larta të arsyetimit, vëzhgojnë dhe gjykojnë rezultatet e sistemit tonë, pastaj përmirësojnë LLM-në me pastrajnim duke e trajnuar të punojë më mirë. Për shembull, mund të përdorim modele më të vogla e më efikase ose modele me më pak arsyetim për orkestrimin apo kërkimin, nëse modeli ynë më i fuqishëm mbledh reagime dhe i trajnon këto modele të vogla që ta kryejnë punën sa më mirë.

Ne mbledhim reagime njerëzore dhe veprojmë mbi bazën e tyre: klikime dhe fshehje reklamash nga përdoruesit, anketa me përdoruesit dhe komente të drejtpërdrejta nga reklamuesit përmes Ads Manager. Gjatë zhvillimit, ekipi ynë është gjithashtu i gatshëm të marrë komente dhe dëgjon drejtpërdrejt se çfarë duan si përdoruesit e ChatGPT, ashtu edhe reklamuesit. Ky burim reagimesh e orienton punën tonë edhe më shumë se vëzhgimet e modelit dhe është një nga faktorët që na mundësuan të arrijmë shpejt te vendimet e duhura për produktin përmes përmirësimeve të njëpasnjëshme. Modeli mund të jetë në gjendje të kuptojë qëllimin e përdoruesit dhe të mendojë në mënyrë kritike për të ofruar diçka me vlerë, por shijen e formësojnë njerëzit.

Një vit më parë, nuk kishim sistem reklamash dhe vetëm pak njerëz po mendonin për këtë fushë. Tani kemi një sistem të qëndrueshëm reklamash që mundëson të ardhura me një ritëm aktual të barasvlershëm me mbi 1 miliard dollarë në vit, ndërsa fluksin e reklamave e drejton një orkestrues i bazuar në LLM. Codex ishte vendimtar në shumëfishimin e kapacitetit tonë, duke na lejuar ta ngrinim sistemin nga e para dhe të arrinim këtë piketë të rëndësishme përdorimi me shpejtësi të pashembullt. Që në fillim, e organizuam ekipin dhe proceset e zhvillimit rreth përdorimit të Codex për ta ndërtuar dhe zgjeruar shpejt sistemin. Ndërtuam masa mbrojtëse që Codex ta vinte kodin në përdorim në mënyrë të besueshme dhe të sigurt. Paralelisht, krijuam shtojca të infrastrukturës së të dhënave për Codex për të shkurtuar ndjeshëm ciklin nga nxjerrja e njohurive deri te zbatimi i përmirësimeve në sistem, përfshirë veçori të reja të produktit, përmirësime të cilësisë dhe performancë më të mirë.

Kombinimi i kufijve të sistemit tonë (të mbështetur në parimet tona të reklamimit⁠) me orkestruesin e bazuar në LLM na lejon ta bëjmë reklamimin të dobishëm pa e trajtuar çdo bisedë si kërkesë për reklamë. Në të ardhmen, do të vazhdojmë të eksperimentojmë me formate më dinamike reklamash për të rritur vlerën për përdoruesit (p.sh., duke u dhënë mundësinë të flasin drejtpërdrejt me bizneset përmes reklamave) dhe për reklamuesit. Arkitektura vetëpërmirësuese e platformës, e ndërtuar mbi modelet e OpenAI me cikle të vazhdueshme reagimesh, do të na mundësojë ta përmirësojmë më shpejt lidhjen e reklamave me bisedën dhe personalizimin e tyre me kalimin e kohës.