Product

IX Traffic Filter: cumplimos los retos empresariales de 2020 gracias al aprendizaje automático

Index Exchange Traffic Filter

Echemos la vista atrás a la época anterior a la cuarentena y las mascarillas: el año 2019. Cuando en Index Exchange nos marcamos nuestros objetivos de cara a 2020, uno de ellos fue invertir en mejorar la eficiencia que ofrecíamos a nuestros editores y compradores. En ese momento, no éramos conscientes de la importancia que esa meta iba a tener, y pensamos que era el momento idóneo para emplear el aprendizaje automático para que nos ayudara a cumplir los retos empresariales de 2020.

Los retos inesperados que nos planteó el 2020

Con la aparición de la COVID-19 y el consiguiente bajón económico, pudimos asistir a un aumento espectacular del volumen de tráfico, ya que los usuarios que estaban confinados dedicaban más tiempo a navegar, mientras que muchos anunciantes programáticos pusieron sus campañas en pausa. Al mismo tiempo, las restricciones de desplazamiento complicaban la labor de instalación de hardware adicional en nuestros centros de procesamiento de datos globales. Para este año ya habíamos anticipado un aumento del volumen de subastas, pero estas circunstancias han provocado que todavía resulte más importante que los costes de nuestra infraestructura no aumenten al mismo ritmo que el suministro.

Ilustrémoslo con un ejemplo: en un día muy normal en la plataforma, Index Exchange procesa más de 120 000 000 000 (¡ciento veinte mil millones!) de subastas y se alcanzan picos de más de más de 1,2 millones de QPS.

Este aumento del volumen de tráfico también ha supuesto un reto para nuestros partners de compra. Muchas DSP tienen limitaciones de QPS que se estaban exprimiendo hasta la última gota. Para cumplir nuestro objetivo de ser un buen partner, queríamos ofrecer soluciones que optimizaran el suministro que enviábamos a las DSP, sin sobrecargarlas con suministro en el que no estuvieran interesadas o que simplemente fueran incapaces de gestionar, dados los picos inesperados que estábamos viendo.

Predecir el futuro con el filtrado inteligente del tráfico

Un gráfico que muestra el proceso de filtrado inteligente del tráfico y cómo las Ad Requests llegan a los DSP.

Nuestro reto estaba claro: ¿y si pudiéramos predecir qué oportunidades de impresión probablemente no reciban nunca ninguna puja y evitar que la infraestructura se tenga que encargar de subastas no productivas? Y, lo que es más importante: ¿seríamos capaces de lograrlo sin que esto afectara a los ingresos de nuestros vendedores?

Ese era el objetivo que queríamos lograr con IX Traffic Filter, una iniciativa de aprendizaje automático compuesta por proyectos independientes pero relacionados: Supply Traffic Filter y Buyer Traffic Filter.

Supply Traffic Filter

Supply Traffic Filter tiene dos objetivos: garantizar que la plataforma puede lograr nuevas cotas y mejorar su eficiencia. Si solo realizamos subastas que tienen más probabilidades de generar pujas, podemos mejorar la eficiencia para los compradores sin coste para los editores, al tiempo que protegemos nuestra infraestructura de picos de tráfico (esperamos que pase mucho tiempo hasta que aparezca otro virus como el que tenemos encima ahora mismo).

Este es su funcionamiento: aplicamos el aprendizaje automático a conjuntos de datos históricos de subastas para crear modelos que predicen cómo pujaran los compradores en solicitudes de anuncio futuras. Estos modelos se implementan en todos los nodos del exchange y se usan en tiempo real para filtrar aquellas solicitudes que se prevé no recibirán pujas de compradores. Dichos modelos tienen una precisión suficiente (y se entrenan constantemente) como para garantizar que podemos mantener los ingresos en tasas superiores al 99 % y reducir la carga del nodo del exchange en porcentajes de dos dígitos.

Si desea obtener más información sobre el funcionamiento de Supply Traffic Filter, consulte la publicación en nuestro blog de ingeniería.

Buyer Traffic Filter

A pesar de que Supply Traffic Filter está centrado en el rendimiento general del exchange, su objetivo es proporcionar eficiencia a los compradores: reducir los costes de la infraestructura al tiempo que se les envía el tráfico más pertinente. En cada subasta, solo queremos enviar las pujas a los compradores que en realidad quieren recibir ese tráfico, sin que esto afecte a su capacidad de compra (no queremos filtrar las solicitudes por las que un comprador querría pujar). Buyer Traffic Filter se sitúa dentro del exchange en una posición posterior a la de Seller Traffic Filter, y realiza numerosas decisiones de filtrado por oportunidad de impresión para asegurarnos de que redirigimos esa subasta a cada comprador que quiere pujar por ella.

Buyer Traffic Filter funciona de forma parecida a Supply Traffic Filter, pero usamos datos de puja específicos de DSP para tomar las decisiones de filtrado. El beneficio que obtienen los compradores depende del tipo de integración de DSP: las DSP sin límite de QPS percibirán una mayor eficiencia, mientras que las DSP con límite de QPS observarán un aumento de las tasas de puja y las tasas de relleno, ya que recibirán un flujo de tráfico más valioso. Esto también les permite escalar a medida que Index Exchange lo hace sin tener que invertir en la infraestructura de forma agresiva en cada fase de su crecimiento.

Qué hemos aprendido

Hasta ahora, hemos aprendido que podemos reducir nuestro volumen de subasta en porcentajes de dos dígitos con una repercusión en la inversión de menos del 1 %. Hemos aprendido que podemos transferir un pequeño porcentaje de tráfico para supervisar nuestro rendimiento en tiempo real, para entrenar al sistema de forma continua. Y también hemos aprendido que este problema es el candidato ideal para las técnicas de aprendizaje automático. Seguimos invirtiendo en IX Traffic Filter para convertirnos en el exchange más eficiente para los compradores y el más sólido para los editores. Para Index Exchange, es una gran satisfacción ser un refugio seguro para nuestros partners, y seguiremos redoblando esfuerzos para afrontar la incertidumbre y mantener la solidez del ecosistema.

Leave a Reply

Your email address will not be published. Required fields are marked *