Рады сообщить вам о достижении первых результатов научно-исследовательской и опытно-конструкторской работы нашей команды по исследованию и разработке улучшенных алгоритмов разрабатываемой мобильной рекламной платформы.

Так, исследование результатов лучших мировых DSP, представленных на мировом рынке мобильной цифровой рекламы, показывают усредненный win rate 40-50%, а маржинальность торгов на уровне 30-40%.

Проведенное внутреннее исследование по поиску направлений оптимизации алгоритма торгов DSP BYYD, в ходе которого были проанализированы исторические данные по всему объему прошедшего через DSP рекламного инвентаря, пользователей, выигранных и проигранных ставок, результатов рекламных кампаний в целом, подтвердило возможность для увеличения эффективности торгов, достигнув показателей win rate не менее 80% и маржинальности торгов не менее 75%.

По итогам проведенного анализа был составлен roadmap дальнейшей исследовательской и проектной работы, в который вошли следующие инициативы:

1) Разработка и интеграция собственной DMP (Data Management Platform) как встроенного компонента платформы. В настоящее время в сделках по модели Programmatic большинство паблишеров передают отдельные данные по пользователям и их мобильным устройствам, но лишь немногие передают социально-демографические данные. Тем не менее, эти данные как воздух необходимы для точного таргетирования пользовательской аудитории и увеличения эффективности алгоритма торгов DSP на базе машинного обучения, в частности, для формирования look-alike кластеров. Компонент DMP будет собирать, анализировать и «очищать» исторические данные и доступные сторонние данные (например, данные опросов, обзоров, погодные данные и т.д.) и составлять перекрестные корреляции для добавления недостающих социально-демографических данных по пользователям.

2. Переработка архитектуры DSP для поддержки торгов по технологии header bidding,  т.е. прямой доставке рекламного инвентаря от рекламодателя на площадки издателей. Указанная технология дает значительные возможности для увеличения эффективности DSP за счет взаимодействия напрямую (минуя SSP) с крупнейшими рекламными агентствами и получения доступ к премиальному инвентарю.

3. Кардинальное увеличение точности работы предикативных алгоритмов и моделей, используемых в настоящее время в DSP BYYD за счет их переработки в следующих направлениях:

— в текущем торговом алгоритме мы используем методы машинного обучения на базе нейронных сетей архитектуры VAE (variational autoencoders). В новом поколении продукта будут использованы нейросети другой, более оптимальной для решаемой задачи архитектуры. В настоящее время идет исследование и тестирование нескольких перспективных архитектур нейросетей, «находящихся на переднем крае» технологий глубокого машинного обучения;

— внедрение look-alike – таргетинга на основе данных, полученных из встроенной DMP. Алгоритмы look-alike составляют кластеры пользователей, которые с наибольшей вероятностью могут выполнить целевое действие (пройти tutorial игры, завершить уровень, оформить подписку и т.д.)

4. Включение высокоэффективного механизма защиты от бот-трафика в состав DSP.

Серьезной проблемой в повышении эффективности торгов является широкое распространение «нечеловеческого» трафика, т.е. фактов эмуляции показов и целевых действий пользователя ботами. Для борьбы с этим фактором будет исследован и разработан специальный антибот-алгоритм, рассчитывающий вероятность, насколько bid request является «фейковым». DSP будет учитывать эту вероятность наряду с другими параметрами для принятия решения об участии / не участии в аукционе и вычисления размере ставки. Антибот-алгоритм будет построен на базе «глубокого обучения» и использовать для анализа как исторические данные по торгам и инвентарю накапливаемые платформой в процессе работы, так и данные встроенной DMP.

5. Кардинальное увеличение скорости работы торгового алгоритма.

Еще одним серьезным резервом для повышения эффективности DSP является увеличение скорости работы торгового алгоритма. Чем быстрее работает торговый алгоритм, тем больше у него возможностей выигрывать лучшие ставки. Согласно нашим данным, среднее время по рынку мобильного Programmatic, которое проходит с момента открытия пользователем мобильного приложения и до показа ему целевой рекламы составляет 200 – 250 миллисекунд. Мы планируем сократить это время до 150 миллисекунд за счет внедрения следующих инноваций и подходов:

— переход на более совершенную и быстродействующую архитектуру нейронных сетей;

— оптимизация программного кода с точки зрения параллельных вычислений;

— реализация большей части обработки данных в оперативной памяти, с минимальным обращением к дисковому хранилищу (при этом используются фреймворк Apache Spark и масштабируемые облачные вычислительные мощности Amazon Elastic Compute Cloud).

Разрабатываемые решения внедряются в платформу бесшовно. Таким образом, этого не замечают ни рекламодатели, ни получатели рекламы.