Este estudio de caso explora cómo una importante empresa estadounidense de streaming de TV digital superó los desafíos relacionados con la optimización de sus campañas publicitarias. Nuestro cliente necesitaba una solución para identificar las ofertas óptimas para publicar las impresiones publicitarias adquiridas mediante subastas en tiempo real, a un ritmo de 3 millones de solicitudes por segundo.

La solución debía abordar varios desafíos diferentes:

• Comprensión qué modelo era responsable para cada decisión.
• Pruebas y experimentación A/B implicaba cambios de código personalizados, lo que aumentaba la complejidad del código.
• La puntuación del modelo ocasionalmente experimentó retrasos, lo que llevó a confianza en una toma de decisiones deficiente.
• Costos elevados de la nube ejecutar algoritmos personalizados basados en Hadoop.
• Es difícil evaluar el impacto empresarial de las decisiones tomadas por varios modelos.
• Uno proceso monolítico lanzado para modelos de formación,
• Inesperado ccambios en los datos subyacentes produjo decisiones de oferta subóptimas.

‍

La implementación de estas soluciones trajo beneficios notables para el cliente. Hubo una impresionante reducción del 80% en los costos de la nube. Además, la decisión sobre las ofertas ahora se toma en menos de 1 milisegundo, lo que garantiza una publicación de anuncios rápida y eficiente. La capacidad de utilizar miles de modelos de forma simultánea mediante pruebas A/B controladas ha mejorado la agilidad y la capacidad de toma de decisiones de la empresa. Y, por último, se ha producido una notable reducción del 30% en el CPA, lo que supone una mejora de la rentabilidad y el rendimiento de las campañas publicitarias.

• Reducción de costos de más del 80% en los costos de la nube
• Reducción del 30% en el CPA

‍