Математика вИнтернет-рекламеВиктор Лобачев
3Математика в Интернет-рекламе•Особенности рекламы в Интернет•Наш взгляд на аудиторию•Как показывать рекламу?•Моделирование
Альберт ЭйнштейнВы думаете, всѐ так просто?Да, всѐ просто. Но совсем не так.Реклама в Интернет
5Особенности рекламы в Интернет•Offline и Online реклама•Медийная и контекстная реклама•Участники игры
6Offline реклама•Журналы, щиты на дорогах,телевидение, …– Заранее известны: тираж журналов, времяпоказа по телевидению и т...
7Offline рекламаКампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииРекламноеагентствоПланирование,размещен...
8Online реклама. Базовая схема.Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииАудиторияРекламныйсервер...
9Online реклама•Интернет– Известны: рекламодатели, их кампании,сайты.– Заранее оценивается: трафик по сайтам– Каждый посет...
10Online реклама•Основные отличия от Offline– Фиксируется каждый показ.– На каждый запрос можно реагировать «налету»– Сист...
11Медийная и контекстная реклама•Медийная реклама: обычныестарые добрые баннеры– Показываются независимо от текущегосодерж...
12Online реклама. Участники игры.• Рекламодатели: рекламные кампании• Объем, время, целевая аудитория, ограничения• Ресурс...
Роберт ЗендОбщего у людей только одно:все они разные.Наш взгляд на аудиторию
Как смотрели на аудиториюнесколько лет назад1. Принадлежащих императору2. Набальзамированных3. Дрессированных4. Молочных п...
15Как смотрели на аудиториюнесколько лет назадАудиторияСегменты былинеупорядоченыПосетитель был«приписан» кнекоторымсегмен...
16Наш взгляд на аудиторию•Пространство сегментов аудитории•Таргетирование рекламныхкампаний•Вероятностное представлениепос...
17Пространство сегментов аудитории.Категории.• Категория определяет множествовзаимоисключающих значений какой-либохарактер...
18Пространство сегментов аудитории.Сегменты.• Простой сегмент: значение по одной изкатегорий.• Атомарный сегмент: совокупн...
19Пространство сегментов аудитории.Сегментный куб.• Сегментный куб - пересечение множествпростых сегментов по разным катег...
20Таргетирование рекламных кампаний• Таргет (целевая аудитория) – область впространстве сегментов, являетсясегментный кубо...
21Вероятностный взгляд на посетителей• Посетитель – реальный человек.ЖенМужПолВозраст-18 19-35 36+0% 0%0%100%0%0%
22Вероятностный взгляд на посетителей• Посетитель – реальный человек.• Модель посетителя – «суперпозицияреальных людей», т...
23Вероятностный взгляд на посетителей.Как хранить профиль?• Хранить многомерноераспределениевероятностей слишкомдорого.• К...
24Вероятностный взгляд на посетителей.Как построить профили?Поведение посетителейиз обучающей выборкиВероятностные профили...
25Вероятностный взгляд на посетителей.Опасность хранения проекций.• В одном доме живут 2 человека.
26ЖенВероятностный взгляд на посетителей.Опасность хранения проекций.• В реальности – 2человека.• Получаются проекции:МужП...
27Вероятностный взгляд на посетителей.Опасность хранения проекций.• Если просто перемножитьвероятности, тополучатся 4 чело...
28Вероятностный взгляд на посетителей.Восстановление профиля по проекциям.33.3% 33.3%36+Доход19-35-18ВозрастA B C10% 7%8%2...
Восстановление профиля по проекциям.Ограничения:
30Восстановление профиля по проекциям• Задача – минимизация квадратичногофункционала.• Размерность задачи равна количеству...
31Восстановление профиля по проекциям• Задача – минимизация квадратичногофункционала.• Размерность задачи равна количеству...
32Попадание посетителя в таргет• Задача: найти одно число – вероятностьпринадлежности посетителя к таргету.АВДоходВозраст-...
33Попадание посетителя в таргет• Таргет – сегментный куб.• Следовательно, можно по каждой категорииперейти к двум значения...
34Попадание посетителя в таргет•40%20%Нет60%По возрасту%По доходуДа70%30%40%20%Нет60%%Да40%60%НетДаДа Нет10%40%30% 20%Веро...
35Попадание посетителя в таргет•
36Попадание посетителя в таргет.Решение задачи без ограничений.
37Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:
38Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:• 2-мерный случай:
39Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:• 2-мерный случай:• 3-мерный случай:
40Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:• 2-мерный случай:• 3-мерный случай:• n-м...
Альберт ЭйнштейнСделай настолько просто,насколько это возможно, ноне проще.Как показывать рекламу
42Как показывать рекламу•Рекламные кампании•Крутилка•«Классическая» модель•Real-Time Bidding (RTB)
43Как показывать рекламу. Кампании.• Идеальная цель рекламной кампании–Повысить прибыльность бизнеса• Реальные цели:–Просм...
44Как показывать рекламу. Кампании.• Условия медийных кампаний:–Временные рамки–Количество показов–Растянутость показов во...
Как показывать рекламу.План показов рекламной кампании.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПлан показов,раст...
• Профили определены нечетко• Таргет рекламной кампании задан точно• Алгоритмы должны максимизироватьпроцент целевых показ...
Как показывать рекламу. Крутилка.Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииРекламныйсерверПланиро...
Как показывать рекламу. Крутилка.• Выделяются две подзадачи:– Определение множества кампаний, объявления которыхможно пока...
Как показывать рекламу. Крутилка.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПлан показов,растягивающийпоказы воврем...
Как показывать рекламу. Крутилка.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПлан показов,растягивающийпоказы воврем...
Как показывать рекламу. Крутилка.НечеткиепрофилиТаргетОпределениевероятностипринадлежности ктаргетуРеальныйпосетитель0 1По...
Математическая модель10.50R(t)Дополнительные условия:
Математическая модель. Критерии.
Как показывать рекламу.Real-Time Bidding.RTB -системаDSP 1Сайт 1Сайт 2Сайт NПосетителисетиИнтернетСайт 3DSP 2DSP 3Кампания...
Как показывать рекламу.Real-Time Bidding.•RTB–Проводит аукцион по каждому запросу–Выбирает максимальную ставку из предложе...
Real-Time Bidding•
Real-Time Bidding. Вероятность показа.0.1 1 10Ставка bВероятности выигрыша ( ) для разных сайтов:01Зная функцию вероятност...
Real-Time Bidding. Вероятность показа.0-1 1-2 2-3 3-4 4-5 5-6 6-7СтавкаКоличество выигравших ставок0-1 1-2 2-3 3-4 4-5 5-6...
Real-Time Bidding. Простейший случай.•
Real-Time Bidding. Простейший случай.Получаем систему уравнений:для всех р.
Real-Time Bidding. Простейший случай.•Недостатки простейшего подхода:– Ставка не зависит от кампании– Много вычислений при...
Real-Time Bidding.Реальный подход к биддингу.•Каждая кампания имеет свои ставки–Ставки медленно меняются во времени–Ставки...
Real-Time Bidding.Реальный подход к биддингу.•Ответы на запросы RTBτ2τ1ВремяПересчет весовПересчет ставок
Real-Time Bidding. Цель та же - план.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПланпоказов, растягивающийпоказы во...
Real-Time Bidding.Биддинг для пар кампания-сайт.Изолиния текущейскорости показовИзолиния новойскорости показов
Real-Time Bidding.Как увязать биддинг и таргетинг?Скорость показаменьше желаемойДа НетУскоритьпоказСтавкамаксимальна?Значе...
Real-Time Bidding.Как увязать биддинг и таргетинг?Оптимальная траектория должна учитыватьсоотношение цены показа и качеств...
Real-Time Bidding.Об общей задаче DSP.•
Дуайт ЭйзенхауэрПлан – ничто, планирование – всѐ.Моделирование
70Моделирование•Зачем?•Как?
71Моделирование. Зачем оно нужно?Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииАудиторияРекламныйсерв...
72Моделирование. Что Моделируем?• Известна история:– Точное время каждого посещения каждого сайта– Профиль каждого посетит...
73Моделирование. Как моделировать?ИсторическийтрафикПрогнозтрафикаПредсказанныйтрафикВыборка изисториипосещенийПредикторПр...
74Моделирование. Прогноз трафика.• Прогнозируется объем трафика и средняяактивность пользователя–Выделение тренда–Выделени...
75Моделирование. Предиктор.• Делаем случайную выборку пользователей.Работаем только с этой выборкой.• Для каждого дня прог...
76Моделирование показов рекламы.Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииВыборка из аудиторииМод...
77Заключение•Задач много:– Алгоритмы показа соц-дем рекламы– Алгоритмы игры на аукционе RTB– Построение профилей посетител...
Виктор Лобачев, Ph.D.Аналитик,Рекламные технологииvictor@yandex-team.ruСпасибо!
20130420 mathematics and_internet-advertizing_in_internet-viktor_lobachev
Upcoming SlideShare
Loading in...5
×

20130420 mathematics and_internet-advertizing_in_internet-viktor_lobachev

437

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
437
On Slideshare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
9
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

20130420 mathematics and_internet-advertizing_in_internet-viktor_lobachev

  1. 1. Математика вИнтернет-рекламеВиктор Лобачев
  2. 2. 3Математика в Интернет-рекламе•Особенности рекламы в Интернет•Наш взгляд на аудиторию•Как показывать рекламу?•Моделирование
  3. 3. Альберт ЭйнштейнВы думаете, всѐ так просто?Да, всѐ просто. Но совсем не так.Реклама в Интернет
  4. 4. 5Особенности рекламы в Интернет•Offline и Online реклама•Медийная и контекстная реклама•Участники игры
  5. 5. 6Offline реклама•Журналы, щиты на дорогах,телевидение, …– Заранее известны: тираж журналов, времяпоказа по телевидению и т.д.– Заранее оценивается: объем ихарактеристики аудитории– Обратная связь только очень долгосрочная
  6. 6. 7Offline рекламаКампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииРекламноеагентствоПланирование,размещениеГазеты,журналыТелевидениеНаружнаяреклама
  7. 7. 8Online реклама. Базовая схема.Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииАудиторияРекламныйсерверСайтыИнтернетаПланирование,показы
  8. 8. 9Online реклама•Интернет– Известны: рекламодатели, их кампании,сайты.– Заранее оценивается: трафик по сайтам– Каждый посетитель интернета можетполучать свою рекламу, и это можноконтролировать.
  9. 9. 10Online реклама•Основные отличия от Offline– Фиксируется каждый показ.– На каждый запрос можно реагировать «налету»– Система показов может обладать обратнойсвязью– Система планирования должна учитыватьалгоритмы системы показов.
  10. 10. 11Медийная и контекстная реклама•Медийная реклама: обычныестарые добрые баннеры– Показываются независимо от текущегосодержания страницы• Контекстная реклама: баннер илитекстовое объявление– Показываются в зависимости от содержаниястраницы– Яркий пример: показ объявления зависит отпоискового запроса
  11. 11. 12Online реклама. Участники игры.• Рекламодатели: рекламные кампании• Объем, время, целевая аудитория, ограничения• Ресурсы Интернета: сайты, страницы• Тематика, аудитория, трафик• Посетители• Пол, возраст, доход, интересы, поведение
  12. 12. Роберт ЗендОбщего у людей только одно:все они разные.Наш взгляд на аудиторию
  13. 13. Как смотрели на аудиториюнесколько лет назад1. Принадлежащих императору2. Набальзамированных3. Дрессированных4. Молочных поросят5. Сирен6. Сказочных7. Бродячих собак8. Включенных в данную классификацию9. Неисчислимых10.Нарисованных самой лучшей верблюжьей кисточкой11.Тех, которые только что разбили цветочную вазуДревняя китайская классификация животных.Животные подразделяются на:
  14. 14. 15Как смотрели на аудиториюнесколько лет назадАудиторияСегменты былинеупорядоченыПосетитель был«приписан» кнекоторымсегментам
  15. 15. 16Наш взгляд на аудиторию•Пространство сегментов аудитории•Таргетирование рекламныхкампаний•Вероятностное представлениепосетителей•Вероятность попадания посетителяв таргет
  16. 16. 17Пространство сегментов аудитории.Категории.• Категория определяет множествовзаимоисключающих значений какой-либохарактеристики.–Пример: возраст. Человеку не может бытьодновременно 25 и 40 лет.• Значения в общем случае неупорядочены.–Пример: пол, мужчины и женщины.• Категории независимы.–Пример: пол и возраст.
  17. 17. 18Пространство сегментов аудитории.Сегменты.• Простой сегмент: значение по одной изкатегорий.• Атомарный сегмент: совокупностьзначений по всем категориям36+19-35-18МужЖенПолВозрастКатегориясегментовПростые сегментыАтомарныйсегмент
  18. 18. 19Пространство сегментов аудитории.Сегментный куб.• Сегментный куб - пересечение множествпростых сегментов по разным категориям.–Примеры:–Пример множества, не являющегося сегментнымкубом:МужЖенПолВозраст-18 19-35 36+МужЖенПолВозраст-18 19-35 36+МужЖенПолВозраст-18 19-35 36+
  19. 19. 20Таргетирование рекламных кампаний• Таргет (целевая аудитория) – область впространстве сегментов, являетсясегментный кубом по определению.• Кампании с более сложной целевойаудиторией разбиваются на несколько:Пол-18 19-35ВозрастМужЖенПол-18 19-35 36+ВозрастМужЖен-18 19-35 36+ ВозрастМужЖенПол36+Таргет кампании 1 Таргет кампании 2
  20. 20. 21Вероятностный взгляд на посетителей• Посетитель – реальный человек.ЖенМужПолВозраст-18 19-35 36+0% 0%0%100%0%0%
  21. 21. 22Вероятностный взгляд на посетителей• Посетитель – реальный человек.• Модель посетителя – «суперпозицияреальных людей», т.е. распределениевероятностей.ЖенМужПолВозраст-18 19-35 36+0% 0%0%100%0%0%МужЖенПолВозраст-18 19-35 36+15% 5%15%50%15%0%
  22. 22. 23Вероятностный взгляд на посетителей.Как хранить профиль?• Хранить многомерноераспределениевероятностей слишкомдорого.• Кроме того, его оченьтрудно получить.• Решение – хранитьпроекции.МужЖенПолВозраст-18 19-35 36+15% 5%10%50%20%0%ЖенМуж40%60%20%40%ПолВероятность60%
  23. 23. 24Вероятностный взгляд на посетителей.Как построить профили?Поведение посетителейиз обучающей выборкиВероятностные профилипосетителейКрутилкаОбучениеКлассификацияПараметрыклассификацииДругиеприложенияПоведение всехпосетителейКлассификация припомощи машинногообучения
  24. 24. 25Вероятностный взгляд на посетителей.Опасность хранения проекций.• В одном доме живут 2 человека.
  25. 25. 26ЖенВероятностный взгляд на посетителей.Опасность хранения проекций.• В реальности – 2человека.• Получаются проекции:МужПолВозраст-18 19-35 36+0% 50%0%50%0%0%ЖенМуж40%50%20%50%ПолВероятность60%40%50%20%50%ВозрастВероятность60%-18 36+19-35• Как восстановить реальность?0%
  26. 26. 27Вероятностный взгляд на посетителей.Опасность хранения проекций.• Если просто перемножитьвероятности, тополучатся 4 человека.ЖенМужПолВозраст-18 19-35 36+0% 25%0%25%25%25%А этих двоих тут не было
  27. 27. 28Вероятностный взгляд на посетителей.Восстановление профиля по проекциям.33.3% 33.3%36+Доход19-35-18ВозрастA B C10% 7%8%2%40%12%7%10% 4%Распределение всехпосетителей сайта:Простые вероятностипользователя:40%70%20%20%19-3560%-18 36+ Возраст10%%40% 33.3%20%Доход%ВозрастA B C3% 1%2%4%80%7%14%6% 2%ДоходАтомарные вероятности пользователя36+19-35-18A B CТомография
  28. 28. Восстановление профиля по проекциям.Ограничения:
  29. 29. 30Восстановление профиля по проекциям• Задача – минимизация квадратичногофункционала.• Размерность задачи равна количествуатомарных сегментов. Случай «Пол-Возраст-Доход» дает размерность 30.• Решение нужно искать при каждом запросе.
  30. 30. 31Восстановление профиля по проекциям• Задача – минимизация квадратичногофункционала.• Размерность задачи равна количествуатомарных сегментов. Случай «Пол-Возраст-Доход» дает размерность 30.• Решение нужно искать при каждом запросе.
  31. 31. 32Попадание посетителя в таргет• Задача: найти одно число – вероятностьпринадлежности посетителя к таргету.АВДоходВозраст-18 26-35 36+19-25СТаргет:
  32. 32. 33Попадание посетителя в таргет• Таргет – сегментный куб.• Следовательно, можно по каждой категорииперейти к двум значениям: «Принадлежит –Не принадлежит»40%40%Простые вероятности посетителя:40%60%20%20%26-3560%-18 36+Возраст10%%40%20%20%ВА С Доход%19-2510%АВДоходВозраст-18 26-35 36+19-25СТаргет:Вероятности попадания в таргет:40%20%Нет60%По возрасту%По доходуДа70%30%40%20%Нет60%%Да40%60%
  33. 33. 34Попадание посетителя в таргет•40%20%Нет60%По возрасту%По доходуДа70%30%40%20%Нет60%%Да40%60%НетДаДа Нет10%40%30% 20%Вероятности попаданияпосетителя в таргет:Распределение по сайту:Подходит повозрасту?ПодходитПо доходу?НетДаДа Нет5%35%35% 25%Окончательные вероятности для посетителя по сайту:ПодходитПо доходу?Подходит повозрасту?Интересующаянас вероятностьпопадания втаргет
  34. 34. 35Попадание посетителя в таргет•
  35. 35. 36Попадание посетителя в таргет.Решение задачи без ограничений.
  36. 36. 37Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:
  37. 37. 38Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:• 2-мерный случай:
  38. 38. 39Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:• 2-мерный случай:• 3-мерный случай:
  39. 39. 40Попадание посетителя в таргет.Решение задачи без ограничений.• 1-мерный случай:• 2-мерный случай:• 3-мерный случай:• n-мерный случай:
  40. 40. Альберт ЭйнштейнСделай настолько просто,насколько это возможно, ноне проще.Как показывать рекламу
  41. 41. 42Как показывать рекламу•Рекламные кампании•Крутилка•«Классическая» модель•Real-Time Bidding (RTB)
  42. 42. 43Как показывать рекламу. Кампании.• Идеальная цель рекламной кампании–Повысить прибыльность бизнеса• Реальные цели:–Просмотр пользователем баннеров–Клики пользователя по баннерамМедийнаярекламаКонтекстнаяреклама
  43. 43. 44Как показывать рекламу. Кампании.• Условия медийных кампаний:–Временные рамки–Количество показов–Растянутость показов во времени–Множество ресурсов (сайтов)–Целевая аудитория (таргет)–Ограничения на количество показоводному пользователю
  44. 44. Как показывать рекламу.План показов рекламной кампании.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПлан показов,растягивающийпоказы вовремени
  45. 45. • Профили определены нечетко• Таргет рекламной кампании задан точно• Алгоритмы должны максимизироватьпроцент целевых показов при любомтрафикеКак показывать рекламу.Таргет кампании.
  46. 46. Как показывать рекламу. Крутилка.Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииРекламныйсерверПланирование,показы«Крутилка»ЗапросОтветПри каждом запросекрутилка принимаетрешение, объявлениекакой рекламнойкампании надо показать
  47. 47. Как показывать рекламу. Крутилка.• Выделяются две подзадачи:– Определение множества кампаний, объявления которыхможно показать– Конкурс – выбор одной кампании из этого множестваВторая подзадача (выбор кампании из известногомножества) решается эвристически, случайнымвыбором с заданным весом.Сосредоточимся на первой подзадаче:Какие кампании включать в это множество?
  48. 48. Как показывать рекламу. Крутилка.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПлан показов,растягивающийпоказы вовремениРеальныепоказы
  49. 49. Как показывать рекламу. Крутилка.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПлан показов,растягивающийпоказы вовремениРеальныепоказыНадо выполнить план, при этом оптимизировав другие показатели
  50. 50. Как показывать рекламу. Крутилка.НечеткиепрофилиТаргетОпределениевероятностипринадлежности ктаргетуРеальныйпосетитель0 1ПоказыватьНе показыватьПорог постоянноподстраиваетсяВероятность принадлежности к таргету
  51. 51. Математическая модель10.50R(t)Дополнительные условия:
  52. 52. Математическая модель. Критерии.
  53. 53. Как показывать рекламу.Real-Time Bidding.RTB -системаDSP 1Сайт 1Сайт 2Сайт NПосетителисетиИнтернетСайт 3DSP 2DSP 3Кампания 1Кампания 2Кампания 3Кампания 4Кампания 5Кампания 6Кампания 7Кампания MDSP – Demand-Side Platform, аналогкрутилки в классической схеме.
  54. 54. Как показывать рекламу.Real-Time Bidding.•RTB–Проводит аукцион по каждому запросу–Выбирает максимальную ставку из предложенных–Обеспечивает показ объявления выигравшейкампании•DSP–Выбирает подходящую кампанию–Определяет свою ставку
  55. 55. Real-Time Bidding•
  56. 56. Real-Time Bidding. Вероятность показа.0.1 1 10Ставка bВероятности выигрыша ( ) для разных сайтов:01Зная функцию вероятности выигрыша,можно контролировать скорость показовпри помощи ставок.
  57. 57. Real-Time Bidding. Вероятность показа.0-1 1-2 2-3 3-4 4-5 5-6 6-7СтавкаКоличество выигравших ставок0-1 1-2 2-3 3-4 4-5 5-6 6-7СтавкаКоличество проигравших ставок0-1 1-2 2-3 3-4 4-5 5-6 6-7Ставка
  58. 58. Real-Time Bidding. Простейший случай.•
  59. 59. Real-Time Bidding. Простейший случай.Получаем систему уравнений:для всех р.
  60. 60. Real-Time Bidding. Простейший случай.•Недостатки простейшего подхода:– Ставка не зависит от кампании– Много вычислений при каждом запросе– Зависимость вероятности выигрыша отставки трудно оценить
  61. 61. Real-Time Bidding.Реальный подход к биддингу.•Каждая кампания имеет свои ставки–Ставки медленно меняются во времени–Ставки зависят от сайта, с которого пришел запрос•Выбор кампании внутри DSP –процесс, независимый от биддинга.
  62. 62. Real-Time Bidding.Реальный подход к биддингу.•Ответы на запросы RTBτ2τ1ВремяПересчет весовПересчет ставок
  63. 63. Real-Time Bidding. Цель та же - план.ПоказыВремяТОбщееколичествопоказов0Временные рамкиПланпоказов, растягивающийпоказы вовремениРеальныепоказыНадо выполнить план, при этом оптимизировав другие показатели
  64. 64. Real-Time Bidding.Биддинг для пар кампания-сайт.Изолиния текущейскорости показовИзолиния новойскорости показов
  65. 65. Real-Time Bidding.Как увязать биддинг и таргетинг?Скорость показаменьше желаемойДа НетУскоритьпоказСтавкамаксимальна?Значениепорога Rмаксимально?ЗамедлитьпоказR→R-dRДаR→R+dRИзменение порога вероятностиНетУвеличениеставокСнижениеставокИзменение ставокДаНетR – порогвероятностипопадания втаргетСхема предполагает приоритетпопадания в таргет над затратами
  66. 66. Real-Time Bidding.Как увязать биддинг и таргетинг?Оптимальная траектория должна учитыватьсоотношение цены показа и качества аудитории00Траектории• Предложенныйалгоритм движется потакой траектории:• Возможно, другиетраектории покажутсяболее оптимальными :
  67. 67. Real-Time Bidding.Об общей задаче DSP.•
  68. 68. Дуайт ЭйзенхауэрПлан – ничто, планирование – всѐ.Моделирование
  69. 69. 70Моделирование•Зачем?•Как?
  70. 70. 71Моделирование. Зачем оно нужно?Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииАудиторияРекламныйсерверСайтыИнтернета Удастся ли сделать все показы?Какие посетители увидят объявлениякаждой из кампаний?Можно ли добавить новую кампанию?Как она повлияет на уже созданные кампании?
  71. 71. 72Моделирование. Что Моделируем?• Известна история:– Точное время каждого посещения каждого сайта– Профиль каждого посетителя• Хотим узнать:– Какие посетители придут на каждый из сайтов– Какая реклама им будет показанаСуткиИсторический интервалВремяИнтервал прогноза
  72. 72. 73Моделирование. Как моделировать?ИсторическийтрафикПрогнозтрафикаПредсказанныйтрафикВыборка изисториипосещенийПредикторПредсказанныепосещенияКампанииМоделькрутилкиКартинапоказов- вход- выход- модульКоличествопосещений,активностьпользователейДетальная картина посещенийсайтов пользователямиКаким посетителям будутпоказаны объявления, сколькодоступно свободного места
  73. 73. 74Моделирование. Прогноз трафика.• Прогнозируется объем трафика и средняяактивность пользователя–Выделение тренда–Выделение сезонности–Экстраполяция
  74. 74. 75Моделирование. Предиктор.• Делаем случайную выборку пользователей.Работаем только с этой выборкой.• Для каждого дня прогноза случайновыбираем тот же день недели в истории.• Делаем нормировки в соответствии систорическим и прогнозным трафиком.• Детальный прогноз трафика готов!
  75. 75. 76Моделирование показов рекламы.Кампания 1Кампания 2Кампания 3Кампания 4Кампания NРекламныекампанииВыборка из аудиторииМодельрекламногосервераСайтыИнтернетаНормируем условия рекламных кампаний на размер выборки.Запускаем процесс, аналогичный реальному, но с маленькойвыборкой. Результат нормируем на полную аудиторию.
  76. 76. 77Заключение•Задач много:– Алгоритмы показа соц-дем рекламы– Алгоритмы игры на аукционе RTB– Построение профилей посетителей– Оценка вероятности попадания в таргет– Предсказание трафика– . . .– А ведь мы даже не коснулиськонтекстной рекламы…•Решены далеко не все задачи
  77. 77. Виктор Лобачев, Ph.D.Аналитик,Рекламные технологииvictor@yandex-team.ruСпасибо!
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×