[ПРИМЕЧАНИЕ: это интервью первоначально появилось в блоге Hackers Media]

Поскольку возможности оптимизации доходов для издателей становятся все более ограниченными, а отделы рекламы и доходов издателей испытывают нехватку ресурсов и времени, идея обратиться к искусственному интеллекту для масштабирования интеллекта и выявления возможностей оптимизации доходов, которые человеческий глаз может не заметить невооруженным глазом. стать когда-либо привлекательным.

Hackers.Media встретилась с Сатишем Полисетти, генеральным директором Polymorph, чтобы обсудить текущие недостатки модели рекламного стека издателя и то, как издатели могут оптимизировать доход, более разумно применяя динамическую оптимизацию пола.

Вопрос: Дайте обзор недостатков существующей настройки стека издателя и потенциальных возможностей получения дохода.

О: определение того, кто является биржей, а кто участником торгов, меняется. Аббревиатура «SSP» постепенно исчезает, поскольку для издателя вы либо тот, кто приносит ему деньги, либо тот, кто приносит технологии. Если вы приносите деньги, неважно, как вы себя называете. DSP, SSP, рекламная сеть, биддер — все это для издателя одно и то же.

Издатели надеялись, что их поставщики общих служб лучше всего справятся с управлением рекламными сетями и участниками ставок в режиме реального времени. И действительно, поставщики общих служб справлялись со своей задачей лучше всех, пока это не стало иметь значения / их работа не стала иметь ограниченную ценность. По мере того, как количество рекламных сетей в мире уменьшалось, реальная добавленная стоимость бирж уменьшалась. Работа по отправке запроса на ставку, получению ставок и выбору победителя теперь стала товаром — в основном из-за того, что биржи не имеют доступа к данным 1-й стороны издателей, а это означает, что биржи могут использовать только ограниченные рычаги для повышения доходности издателя. .

Напротив, покупательская сторона стала умнее определять ценность пользователя. В то время как сторона покупателя стала умнее, технология серверов рекламы для издателей не беспокоилась / не была заинтересована в том, чтобы стать умнее. Например, стимулом Google для DFP является обеспечение доступности инвентаря для Google AdX. Обмены было легко попробовать и легко избавиться.

Рекламные серверы/биржи позволяют устанавливать минимальные цены. Но установка их на уровне размещения или на географическом уровне не так близка к сложности, с которой покупатель принимает сегодня решения. Сторона продажи должна быть такой же умной, как и сторона покупки. Рекламные серверы/биржи позволяют вам устанавливать водопады, но они ограничены в своей функциональности, поскольку они не исправляют себя автоматически, а просто принимают решение о том, какой участник торгов должен проходить, а какой нет, с ограниченным вводом данных (например, совместное использование данных о ставках). плотность) со стороны рекламодателя.

Каждый рекламный сервер или биржа на рынке говорят, что они максимизируют вашу доходность, но если учесть вышеизложенное, то либо они не заинтересованы в этом, либо у них нет для этого данных.

Как сказал в этой статье один руководитель CBSi, издателям нужно стать более изощренными, чем рекламодателям сегодня.

В: Объясните подробнее идею динамической оптимизации площадки между биржами.

О: Header Bidding в мире Интернета позволяет издателям проводить аукционы с несколькими биржами одновременно, что является отличным нововведением. Каждая биржа имеет различный набор DSP, что означает различный набор рекламодателей, что, в свою очередь, означает, что каждый пользователь издателя по-разному ценен для разных рекламодателей/DSP/бирж. И когда покупатель принимает решение о том, кого покупать по какой цене; задача издателя — выяснить, сколько стоит этот пользователь для каждого обмена.

Это большая проблема для машинного обучения / искусственного интеллекта, т. е. решение проблемы определения цен на различных биржах с целью определения истинной стоимости запасов. В некотором смысле речь идет о свободе для издателей / расширении возможностей издателей по сравнению с зависимостью от бирж для выполнения работы — поскольку в действительности биржи могут / только стимулируются к оптимизации цен в рамках своей биржи.

И это то, что становится все более важным, поскольку количество ручных или нетехнических вариантов оптимизации доходов иссякает.

В: Хорошо, значит, эта идея имеет большой смысл. Наверняка другие поставщики рекламных технологий делают это?

О: В прошлом да, конечно — биржи могли попытаться сделать это на своей собственной бирже. В новом мире это не имеет значения, потому что биржа — это всего лишь псевдоучастник торгов, который передает самую высокую ставку оболочке заголовка издателя. Принимая во внимание, что лучший сценарий заключается в том, что открытие цены должно происходить на биржах.

Во-вторых, в прошлом некоторые биржи пытались искусственно завышать цену, вводя и фальшивые ставки. Это не законный способ делать что-то.

В-третьих, в прошлом биржи реализовывали определенный уровень динамических уровней, но это было основано только на поверхностных данных, таких как гео, устройство и использование более детальных атрибутов уровня.

Наконец, на данном этапе этого базового подхода было достаточно, поскольку сами DSP покупали только на основе этих поверхностных данных о географическом положении и устройстве. Теперь DSP/сторона покупателя должна доказать все более важные KPI, а это означает, что DSP перешли от покупки дешевого инвентаря к покупке инвентаря, который работает.

В: Интересно. Итак, что же требуется для фактической реализации этого?

О: Запустить динамическую оптимизацию пола относительно просто. Во-первых, вам нужно добавить на свою страницу JavaScript, который собирает все ставки от различных участников на странице. Используя данные, собранные из этого JS, специально созданный алгоритм машинного обучения (ML) затем запускается в фоновом режиме, чтобы начать создавать модели прогнозирования; Чтобы еще больше улучшить модель прогнозирования, издатель может включить данные сегмента аудитории. Модель ML ссылается на сотни параметров для дальнейшей точной настройки, и на основе полученных знаний обмену затем присваиваются различные уровни этажей, а затем выполняются дальнейшие итерации.

С точки зрения прозрачности издателям предоставляется глубокая аналитика на основе собранных знаний, что дает им возможность предпринимать действия с этой аналитикой.

Вопрос: Результаты. Какие результаты/оптимизация может увидеть издатель?

О. Рост дохода может составлять от 5% до 40%. Однако речь идет не только о прямом увеличении доходов. Кроме того, ценность возвращается в виде экономии средств, поскольку использование машинного обучения означает, что роботы и машины выполняют тяжелую работу, а это означает, что издатели могут сэкономить деньги и заставить своих специалистов по рекламе и рекламным технологиям тратить время на другие области.