Nieuws

Viewable impressie voorspellen met Big Data

Hoe voorspel je een viewable impressie of bijvoorbeeld een click? Geloof niet in verkooppraatjes over ‘magische’ algoritmes. Voorspellingsmodellen zijn gebaseerd op kunstmatige intelligentie. Neem een kijkje achter onze schermen en bewapen jezelf tegen de ‘magie’ troef.

SUPPLY-SIDE PLATFORM VS. DEMAND-SIDE PLATFORM

In programmatic advertising worden advertentieruimten binnen een website of mobiele app aangeboden en verkocht op het moment dat deze beschikbaar komen. Dit gebeurt in de vorm van een real-time veiling waarin een publisher haar advertentieruimte aanbiedt via een Supply-Side Platform (SSP). En adverteerder kan vervolgens deze advertentieruimte inkopen via een Demand-Side Platform (DSP).

BIG DATA IN BID-REQUEST

Op onze in-house DSP ontvangen wij in totaal van de aangesloten SSP’s gemiddeld 20.000 bid-requests per seconde. Een bid-request is een korte veiling van 100 milliseconden waar alle ontvangende DSP’s op de beschikbare advertentieruimte mogen bieden. De hoogste bieder mag een advertentie van zijn keuze direct plaatsen in de advertentieruimte. Het ontvangen van een bid-request en het beslissen of we willen bieden noemen we: het biedproces.

In een bid-request zit verschillende soorten data:
· Locatiegegevens: land, plaats, GPS coördinaten
· Publisher gegevens: type (app/site), naam, pagina
· Apparaat gegevens: advertising ID, merk, IP-adres
· Etc.

Pen_USB_Memory_Sticks_OYO_Collections_CubeMe1

1000 USB STICK MET DATA

Voor de looptijd van een campagne slaan we deze data en de viewable metingen op in onze BigData store. Dit kan per campagne oplopen tot terabytes aan data. Dat is gelijk aan 1000 USB sticks van 1GB.

Als we voor elke binnenkomende bid-request deze hoeveelheid aan data moeten analyseren dan zouden we per bid-request een uur nodig hebben. Die tijd hebben we niet, want dan biedt een andere adverteerder op de ruimte. Daarom wordt de analyse niet uitgevoerd bij het ontvangen van een bid-request, maar helemaal los van het biedproces. De uitkomst van deze losse analyse is een statistisch model die we later in het biedproces gebruiken om te vergelijken met binnenkomende bid-requests. De analyse van de data en het opbouwen van de modellen wordt ‘machine learning’ genoemd.

MACHINE LEARNING

Machine learning modellen doen een voorspelling op basis van de data in een (in ons geval) bid-request. Door het model voorbeelden te geven van bid-requests die wel of niet hebben geleid tot een viewable impressie, trainen we het model middels een algoritme te herkennen hoe een bid-request eruitziet die kan lijden tot een viewable impressie.

Nadat de modellen zijn getraind worden ze opgenomen in het biedproces. Bij elke binnenkomende bid-request laten we de modellen de kans op een viewable impressie voorspellen. Op basis van de gegeven voorspellen besluiten we of we wel of niet gaan bieden. Omdat de modellen meedraaien in het biedproces moeten deze zeer snel zijn om de 20.000 bid-requests per seconde aan te kunnen. En dat zijn ze! Één voorspelling duurt 40 microseconden. Of anders gezegd: één voorspelling is 3000 keer sneller dan knipperen met je ogen!

Screen-Shot-2015-03-11-at-15.38.23

GOOCHELAARS ONTMASKERD

Is machine learning een geheime techniek die alleen begrijpbaar is voor een klein groepje? Totaal niet! De gemeenschap rond machine learning is heel open en de technieken zijn voor iedereen gratis beschikbaar.

Er zijn meerdere online competities waar prijzen worden uitgeloofd door bedrijven uit verschillende sectoren voor de beste machine learning oplossing voor hun problemen. Nagenoeg alle deelnemers maken na het einde van de competities hun oplossing voor de wereld toegankelijk.

Het lastige stuk zit hem in het toepassen van deze technieken op jouw unieke data. Nieuwsgierig naar wat machine learning voor jouw merk kan betekenen? We leggen het graag uit! Bel naar 020 702 8200 of mail naar contact@mobpro.com.

Gijs maakt wegwijs in de wondere wereld van algoritmes en machine learning. De tech wizard laat ons zo nu en dan toe in de MobPro machinekamer.

Discussie

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Verplichte velden zijn gemarkeerd met *

Time limit is exhausted. Please reload CAPTCHA.