RTB House: Ενσωματώνει το Deep Learning στις διαφημιστικές εκστρατείες
Η RTB House, η διεθνής εταιρεία που παρέχει λύσεις retargeting χρησιμοποιώντας τεχνολογία αιχμής σε κορυφαίους διαφημιζόμενους παγκοσμίως, πρόσφατα εφάρμοσε νέους αλγόριθμους που προσφέρουν εξαιρετικά ακριβείς εκτιμήσεις για τις καμπάνιες Click Through Rate (CTR). Μέσω αυτών, είναι δυνατή η καλύτερη πρόβλεψη για πιθανά κλικ σε διαφημίσεις, οι οποίες τελικά αποφέρουν καλύτερη απόδοση για τους πελάτες. Η εξέλιξη αυτή καθιστά την RTB House μία από τις πρώτες εταιρείες που χρησιμοποιούν τόσο εκτεταμένα το deep learning – την πιο υποσχόμενη υποκατηγορία έρευνας που ασχολείται με την Τεχνητή Νοημοσύνη.
Η αύξηση των ποσοστών του click-through rates (CTRs) χωρίς ιδιαίτερο κόπο είναι το όνειρο του κάθε marketer. Τα CTRs ή η αναλογία των κλικ σε ένα banner σε σχέση με τον συνολικό αριθμό των εμφανίσεων, αποτελούν ένα από τα πιο κοινά metrics για μία επιτυχημένη διαφημιστική καμπάνια. Με τη χρήση της τεχνολογίας που μπορεί να προβλέψει την συμπεριφορά του χρήστη, με βάση προηγούμενες δραστηριότητες του, και να προτείνει την καλύτερη προσφορά προϊόντων σε αυτόν, τα brands μπορούν να αυξήσουν τα CTR metrics και να προσεγγίσουν τους πολυτιμότερους δυνητικούς πελάτες τους με ακριβώς τον ίδιο προϋπολογισμό που θα διέθεταν και στο παρελθόν.
Με τη χρήση της τεχνολογίας deep learning και μοντέλων επεξεργασίας εμπνευσμένα από τους βιολογικούς νευρώνες του μυαλού, η RTB House καθιστά δυνατή τη συλλογή πιο αξιόπιστων, πετυχημένων και ερμηνεύσιμων από μηχανή περιγραφών σχετικά με τις προτιμήσεις των πελατών βασιζόμενοι σε δεδομένα, χωρίς να απαιτείται η ανθρώπινη εμπειρία
Ο συγκεκριμένος αλγόριθμος επιτρέπει την ακριβέστερη πρόβλεψη των κλικ σε διαφημίσεις, αυξάνοντας τον συνολικό αριθμό των κλικ κατά 16,5% χωρίς να απαιτείται επιπλέον προϋπολογισμός.
Οι εκτιμήσεις CTR αποτελούν την τέταρτη σημαντικότερη εφαρμογή των μεθόδων deep learning της RTB House. Χάρη σε μια καινοτόμο προσέγγιση, ο ρυθμός μετατροπής και η πρόβλεψη της τιμής μετατροπής είναι σε θέση να αυξήσουν τη συνολική απόδοση από δραστηριότητες retargeting έως και 29%. Επιπλέον, οι προτροπές που βασίζονται στο deep learning, αυξάνουν την αποτελεσματικότητα της επιλογής προϊόντων έως και 41%, σε σύγκριση με εκστρατείες που δεν χρησιμοποιούν τις ίδιες μεθόδους.
Ο Αλέξανδρος Ρήγας, CEO της Impruvo, αποκλειστικός αντιπρόσωπος της RTB House στην Ελλάδα, τονίζει ότι οι αλλαγές στους αλγόριθμους της εταιρείας είναι αυτές που δίνουν το πλεονέκτημα στην τεχνολογία retargeting, η οποία υποστηρίζεται από την τεχνολογία deep learning σε κάθε επίπεδο της διαφημιστικής διαδικασίας. «Χρησιμοποιούμε αυτές τις τεχνολογίες για περίπου 1,5 χρόνο, αναβαθμίζοντας σταδιακά τις υπηρεσίες που προσφέρουμε. Η διείσδυση είναι τόσο εκτεταμένη που μπορούμε πια να πούμε ότι το 100% των αλγόριθμων που χρησιμοποιούμε βασίζονται στο deep learning, παρέχοντας στις online δραστηριότητες των πελατών μας υψηλότερες αποδόσεις. Παίρνουμε παράδειγμα και από άλλες βιομηχανίες, όπως είναι η ταξιδιωτική βιομηχανία, όπου ένας μεγάλος κατάλογος με metrics λαμβάνεται υπόψη και τα πρότυπα αγοράς των χρηστών είναι δυναμικά και δύσκολο να προβλεφθούν. Σε τέτοιες περιπτώσεις, οι αλγόριθμοι που χρησιμοποιούν την τεχνολογία deep learning μπορούν να αντιδράσουν καλύτερα στις ανάγκες των χρηστών. Πρόκειται για μία τεράστια βελτίωση σε σχέση με άλλες μεθόδους που χρησιμοποιούνται συνήθως στο retargeting» δήλωσε συνοψίζοντας ο κ. Ρήγας.
Η RTB House είναι μία από τις λίγες εταιρείες στον κόσμο που κατάφερε να αναπτύξει και να εφαρμόσει τη δική της τεχνολογία για αγορά διαφημίσεων με το μοντέλο RTB (υποβολή προσφορών σε πραγματικό χρόνο) – μία λύση στην οποία οι αγοραστές συμμετέχουν σε δημοπρασία διαφημιστικού χώρου σε πραγματικό χρόνο. Η εταιρεία δραστηριοποιείται παγκοσμίως και τρέχει πάνω από 1000 μοναδικές εκστρατείες για παγκόσμια brands σε 40 αγορές σε όλη την Ευρώπη, τη Λατινική Αμερική, την Ασία και τον Ειρηνικό, τη Μέση Ανατολή και την Αφρική.
Τα ευρήματα της εταιρείας στον τομέα της Τεχνητής Νοημοσύνης παρουσιάστηκαν πρόσφατα κατά τη διάρκεια της Διεθνούς Κοινής Διάσκεψης για τα Νευρωνικά Δίκτυα στο Άνκορεϊτζ, στο 33ο Διεθνές Συνέδριο με κεντρικό θέμα το Machine Learning (ICML 2016) στην Νέα Υόρκη και στην 31η AAAI Διάσκεψη για την Τεχνητή Νοημοσύνη (AAAI 2017) στο Σαν Φρανσίσκο.
