Прагназуючыя стаўкі і роля штучнага інтэлекту ў трансфармацыі праграмнай экасістэмы
Індустрыя праграмнай рэкламы перажывае імклівы росквіт: на рынак выходзяць новыя кампаніі, тэхналогіі растуць як снежны ком, у паветры лунаюць магутныя трансфармацыі. Усё гэта неверагодна ўскладняе рэкламныя экасістэмы, ствараючы ўмовы для росту махлярства і марнатраўства.
Тут папулярныя рашэнні, якія выкарыстоўваюць машыннае навучанне (ML) і штучны інтэлект (AI) да ўсеагульнага задавальнення ўступаюць у гульню мадэлі для прагназавання ставак і карэкціроўкі стратэгій ставак у рэжыме рэальнага часу. Аднак замест уздыхаў палёгкі разгортваецца новая драма: аказваецца, што праграмныя рашэнні на аснове штучнага інтэлекту не вырашаюць усіх праблем. Больш за тое, яны ствараюць новыя выклікі і праблемы.
У гэтым артыкуле будуць разгледжаны асаблівасці выкарыстання мадэляў штучнага інтэлекту ў programmatic рэкламе, асабліва ў рамках прадказальных таргоў. Паколькі ШІ шырока распаўсюджаны і вельмі ідэалізаваны, мы зазірнем за кулісы бізнес-мэтаў для празрыстасці і яснасці і закранем працэс распрацоўкі.
Штучны інтэлект і машыннае навучанне дзеля аптымізацыі
Каб пачаць абмеркаванне, давайце адкажам на пытанне аб ролі штучнага інтэлекту ў programmatic: яна значная і, як чакаецца, з часам будзе павялічвацца. Тым не менш, гэта можна сказаць пра любую сферу інфармацыйных тэхналогій, так што давайце разбярэмся ў сутнасці, а не ў абгортцы прыгожых слоў.
На фундаментальным узроўні мадэлі штучнага інтэлекту ў праграмнай рэкламе прызначаны для прагназавання верагоднасці дасягнення чаканага выніку падчас гандлю. Адпаведна, калі чаканы вынік дасягальны, трэба вылучыць рэсурсы для яго дасягнення. Калі гэта немагчыма, рэсурсы варта захаваць для будучых аўкцыёнаў. Вось як гэта працуе. Аднак сотні д'яблаў крыюцца ў дэталях, і яны ўвесь час іх тасуюць, спрабуючы ўскладніць працу інжынераў і распрацоўшчыкаў.
Укараненне карыстальніцкіх мадэляў штучнага інтэлекту ўяўляе значныя праблемы. Тут мы абмяркуем гэтыя цяжкасці, каб даць дакладнае ўяўленне аб інжынерным свеце і ролі людзей, якія трымаюць руку на пульсе аўтаматызацыі.
Праграмная рэклама працуе ў экасістэме АСП, ЦСП, рэкламных біржаў і іншых удзельнікаў таргоў. Усе гэтыя партыі ўяўляюць сабой тэхнічна складаныя прыкладанні, разгорнутыя на серверах. У дадзеным выпадку карыстацкая мадэль штучнага інтэлекту - гэта праграмнае рашэнне, якое распрацоўваецца, запускаецца і падтрымліваецца канкрэтным удзельнікам рэкламнай ланцужкі са свайго боку. Ёсць некалькі істотных момантаў, каб зразумець напружанасць тут.
- Мадэль штучнага інтэлекту звычайна разгортваецца для аптымізацыі ставак з пэўным партнёрам, таму стабільныя і значныя гандлёвыя ўзаемадзеяння і гістарычнае ўзаемадзеянне з'яўляюцца фундаментальнымі.
- Чым больш важны партнёр для вашага партфеля, тым лепш, таму што вы павінны навучыць мадэль на вялікіх наборах даных для паспяховай аўтаматызацыі і паляпшэння алгарытму.
- Найбольш эфектыўны падыход да аптымізацыі гандлю з прагназуючым штучным інтэлектам - гэта ўкараненне мадэляў, арыентаваных на паляпшэнне 1 канкрэтны паказчык замест некалькіх паказчыкаў адначасова.
Па сутнасці, для эфектыўнай аптымізацыі гандлю па некалькіх паказчыках для некалькіх партнёраў вам неабходна разгарнуць цэлы набор карыстацкіх рашэнняў штучнага інтэлекту, якія могуць быць аб'яднаны адным прынцыпам кіруючай сістэмы. Мы абмяркуем гэта далей.
Лепшыя практыкі ўкаранення рашэнняў AI для павышэння прадукцыйнасці ў Programmatic
Роля штучнага інтэлекту і машыннага навучання расце прапарцыйна і прадказальна з ростам складанасці індустрыі лічбавай рэкламы.
Для ілюстрацыі: шчыры намер Google забараніць староннія файлы cookie па змаўчанні для свайго браўзера Chrome з'яўляецца адным з каталізатараў распрацоўкі аўтаматызаваных рашэнняў, якія павінны часткова або цалкам кампенсаваць страту эфектыўнасці таргетынгу. Аднак у праграмнай індустрыі функцыі машыннага навучання і алгарытмы штучнага інтэлекту ў той ці іншай форме ўжо сталі звычайнымі элементамі. Рост аўтаматызацыі - толькі пытанне часу.
Ніжэй мы прадстаўляем практыкі пры ўмове, што традыцыйныя падыходы да развіцця добра зразумелыя. Гэтыя ідэі былі атрыманы ў выніку суровай і ўтойлівай працы людзей, захопленых рэкламнымі тэхналогіямі.
Інвестуйце ў паляпшэнне і кантроль якасці даных, якія выкарыстоўваюцца для навучання і паляпшэння мадэлі штучнага інтэлекту для прагназавання ставак.
Гэта першае, што трэба вырашыць вашаму аддзелу распрацоўкі або задзейнічанай камандзе. Праграмная рэклама - тая сфера, дзе часта ўзнікаюць разыходжанні ў разліку канкрэтных паказчыкаў з-за наяўнасці вялікай колькасці ўдзельнікаў таргоў, недасканаласці выкарыстоўваных метадаў і падыходаў і іншых прычын. Іншыя прычыны ўключаюць наўмыснае скажэнне або скажэнне дадзеных метрык, запісаных сістэмай, каб атрымаць неэтычную перавагу на аўкцыёнах.
У доўгай гісторыі падробкі рэкламных тэхналогій прыклады скажэння даных ўключаюць увядзенне пстрычак, фальсіфікаваныя даныя аб месцазнаходжанні, дубляваныя ідэнтыфікатары і многае іншае. На жаль, такія віды махлярства ў праграматыку могуць заставацца незаўважанымі на працягу многіх гадоў.
Вось першая выснова: добрая мадэль штучнага інтэлекту можа быць падмацавана ілжывымі дадзенымі, што прымусіць яе карэктаваць стаўкі не на карысць вашага бізнесу. Гэты момант трэба ліквідаваць шляхам стварэння шматузроўневага працэсу праверкі рашэнняў, якія кіруюцца штучным інтэлектам, шляхам ізаляцыі часткі трафіку і правядзення розных аўтаматычных тэстаў.
Звязвайце абнаўленні аўтаматызаваных мадэляў з лакальнымі абнаўленнямі інфраструктуры праграмнай рэкламы.
Мадэлі штучнага інтэлекту адчувальныя да архітэктуры сервера. Выкажам здагадку, што ваш партнёр раптам абнаўляе сваю рэкламную платформу да новай версіі і мяняе ўнутраную логіку платформы. У такім выпадку гэта, безумоўна, паўплывае на тое, як мадэль прагнастычнай аналітыкі ўспрымае дадзеныя. Рэдка змены настолькі нязначныя, што не ўплываюць на прадукцыйнасць. Часцей за ўсё нават нязначныя абнаўлення патрабуюць аналізу і карэкціроўкі алгарытмаў аналізу распрацаваных мадэляў. Гэта не кажучы ўжо пра выпадкі, калі партнёры пераключаюць прынцып разліку і перадачы паказчыкаў без папярэджання бакоў.
Калі мадэль навучалася на адным наборы даных, але абставіны змяніліся, варта перавучыць яе, каб адлюстраваць зрух.
Разгледзім прыклад з нашай практыкі. Мы пастаянна адсочваем абнаўленні асноўных гульцоў рынку, чые дадзеныя мы выкарыстоўваем для стварэння ўласных кліенцкіх алгарытмаў: пэўныя прынятыя паказчыкі маглі змяніцца пасля абнаўлення, што паўплывае на прадукцыйнасць алгарытму.
Кантралюйце змены ў падыходах вашых партнёраў да аптымізацыі. Аўтаматызаваны аналіз паводзін алгарытмаў вельмі важны.
Гэта таксама цікавы момант, бо вашы рэкламныя партнёры могуць змяніць акцэнт на паказчыкі, якія яны раней не назіралі. Верагодна, гэта прывядзе да цяжкасцей пры аналізе інфармацыі і памылак пры прыняцці рашэнняў, з якімі сутыкнецца распрацаваная мадэль прагназавання таргоў. Сапраўды, уменне адсочваць унутраныя змены ў падыходах партнёраў - гэта складаны навык, але няма нічога немагчымага, калі вы аддаеце перавагу эфектыўнасці.
Прыкметы зрухаў у фокусе аптымізацыі кампаніі ўключаюць змены ў ключавых тэхнічных кіраўніках, страту фінансавання або, наадварот, атрыманне фінансавання, змены ў мадэлі падпіскі, такія як супярэчлівая плата за выкананне Unity, і многае іншае.
Выснова заключаецца ў тым, што аптымізацыя эфектыўная толькі пры бягучых гандлёвых умовах з канкрэтным партнёрам, якія могуць змяніцца і паўплываць на прадукцыйнасць. Вы можаце прагназаваць змены, аналізуючы агульнадаступныя дадзеныя аб вашых партнёрах. Тым не менш, аўтаматызаваныя мадэлі для аналізу і фарміравання мадэляў гандлёвых паводзін партнёраў значна больш важныя, паколькі гэта магчыма з вашага боку, не пераходзячы мяжу этыкі.
Выконвайце правіла, што прагназуючыя таргі з рашэннямі ML і AI - гэта шматкарыстальніцкая гульня, якая можа прывесці да канфліктаў.
Вось чаму адно з лепшых правілаў аптымізацыі - гэта перапынак у логіцы прымянення правілаў. Калі падчас перапынку сістэма «зразумее», што мэтавыя паказчыкі палепшыліся, далейшы падыход да аптымізацыі варта перагледзець. Напрыклад, частка трафіку працягвае аптымізавацца, частка - не, і вынікі параўноўваюцца для карэкціроўкі далейшых дзеянняў.
Прагназуючыя стаўкі для хуткай манетызацыі сайта
Адзін з нашых кліентаў, буйная амерыканская платформа SSP, якая выкарыстоўвае TeqBlaze White-Label Solution для кіравання сваім бізнесам, звярнуўся да нас з праблемай. Кліент заўважыў, што новыя выдаўцы скардзяцца на нізкія прыбыткі, і гэтую праблему немагчыма вырашыць, прытрымліваючыся найлепшых метадаў аптымізацыі. Такім чынам, кліент папрасіў нас знайсці праблему і вырашыць яе тэхнічна унікальным спосабам.
Правёўшы папярэдні аналіз платформы, мы пацвердзілі, што ўмовы гандлю былі амаль аднолькавымі для пачаткоўцаў і асноўных партнёраў па пастаўках. Пасля гэтай высновы мы выявілі праблему ў наладах інвентара выдаўцоў. Іх паказчык выйгрышу быў значна ніжэйшы, таму асноўнае падазрэнне адразу ж упала на няправільна вызначаны мінімальны ўзровень стаўкі. Каб аспрэчыць нашу тэорыю, мы правялі тэсты, якія даказалі, што нягнуткі мінімальная стаўка прывяла да нізкага ўзроўню выйгрышу на аўкцыёнах.
Зыходзячы з гэтага, мы дадалі алгарытм ML на платформу кліента, каб дапамагчы выбраць аптымальную мінімальную стаўку для партнёраў. Мы выкарысталі ізаляваную частку трафіку для бесперашкоднага развіцця.
Пасля разгортвання распрацаванага і добра праверанага алгарытму машыннага навучання кліент дасягнуў прыкладна a У 2-3 разы павышэнне рэнтабельнасці і павелічэнне прыбытку на 30-35%.. Паколькі гэта ML, мы пастаянна адсочваем прадукцыйнасць кліенцкай платформы і працуем над паляпшэннем алгарытмаў на аснове яе дадзеных.
Эвалюцыя аўтаматызацыі мае значэнне
Часы мяняюцца хутка, але тэхналогіі развіваюцца ў тры разы хутчэй. Нязменным застаецца толькі жаданне людзей уплываць, апярэджваць, прагназаваць сітуацыю. Замест абяцанняў усяго і адразу набывае каштоўнасць шчырасць і паступовы партнёрскі рост. У той час як штучны інтэлект прапануе велізарны патэнцыял для аптымізацыі працэсаў таргоў, шлях аптымізацыі па-ранейшаму застаецца складаным і карысным. За кулісамі чароўнай аўтаматызацыі сумленныя людзі па-ранейшаму адданыя сваёй працы і сканцэнтраваны на стратэгічных паляпшэннях бізнесу ва ўмовах вялікай напружанасці.
Мы запрашаем вас звязацца з намі, калі вы хочаце аптымізаваць інфраструктуру праграмнай рэкламы з дапамогай інтэлектуальных тэхналогій.
