Яндекс анонсировал модель Smart Throttling для оптимизации работы с Yandex SSP

Модель машинного обучения Smart Throttling – решение, которое упростит работу с Yandex SSP и позволит увеличить конверсию трафика, не перегружая серверы.

Smart Throttling представляет собой новую модель машинного обучения, способную провести анализ 100 и более факторов. Подразумевается диапазон от самых основных критериев до детализации данных о каждом отдельном пользователе. Каждый из партнеров в системе рассматривается отдельно: для него определяются индивидуальные критерии трафика конверсии. При этом учитываются такие факторы, как расположение, площадка, формат и другие. Такой подход делает возможным персонализацию рекламных запросов для всех DSP в отдельности.

Чем выгодно использование Smart Throttling?

В процессе проведения RTB‑аукциона между программами DSP и SSP происходит обмен миллиардами рекламных запросов и откликов. Такой масштабный обмен данными создает значительную нагрузку на серверы с каждой из сторон. Еще один нюанс – запросы для DSP не обязательно будут релевантными, что приводит к неэффективному использованию мощностей.

Исправить ситуацию позволяет такое решение, как Smart Throttling. Это модель машинного обучения, благодаря которой алгоритмы «учатся» анализировать и прогнозировать результативность рекламных запросов для каждой DSP. Модель позволяет добиться повышения конверсии трафика и экономит ресурсы всех участников.

По стандартной схеме взаимодействия, Yandex SSP (в ходе выставления претаргетингов), отправляет запросы в случайном порядке (исходя из задания QPS). После внедрения Smart Throttling эта схема будет ориентирована на увеличение оборота. Владение данными по поведению биддера DSP-партнера предоставляет возможность произвести предварительный расчет конверсии трафика и отправлять только максимально релевантные запросы.

По словам Ильи Максимова, представителя Yandex Ads, снижение нецелевого расходования серверных мощностей является важным фокусом для всех участников S2S-интеграции. По данным Yandex Ads, модель Smart Throttling уже помогла снизить расход Central Processing Unit (CPU). В ходе обучения модели обеспечивается не только снижение нагрузки на серверы, но и влияние на конкретные бизнес-метрики. В итоге ситуация, в которой трафик для DSP персонализируется, позволяет увеличить среднюю конверсионность (showRate, winRate) и повысить процент выкупа.