Si estás familiarizado con el entorno de la publicidad programática (si no es así, aquí puedes encontrar una pequeña introducción al tema), seguramente hayas oído hablar de los algoritmos que participan en el proceso, pero es posible que no hayas acabado de comprender qué papel juegan. Estos algoritmos intervienen a través del DSP, una tecnología que permite a los anunciantes la compra automatizada de impresiones, a través de pujas en tiempo real, en los diferentes Ad Exchanges.
Y es que la publicidad programática no sería posible sin ellos. En este post vamos a exponer cómo funcionan estos algoritmos y qué nos encontramos en el mercado, analizando las posibilidades que ofrecen 3 de los DSPs más relevantes: AppNexus, MediaMath T1 y Display & Video 360 (DV360).
¿Cuándo se utilizan los algoritmos? Tipos de puja
Lo primero es entender qué tipo de pujas pueden realizarse desde un DSP. El modelo de compra es mayoritariamente de CPM (Coste Por Mil impresiones). Podemos establecer varios tipos, aunque la configuración de las pujas varía notablemente de un DSP a otro:
- Puja fija: el caso más sencillo. Se establece una puja de CPM fija por estrategia. Permite un mayor control de las campañas.
- Puja modulada: permite establecer multiplicadores de pujas para aumentar o disminuir automáticamente una puja de CPM fija de una estrategia en función de diferentes criterios.
- Puja optimizada: es el tipo de puja que incorpora inteligencia a través de un algoritmo. Se establece un objetivo y el algoritmo determina de forma dinámica la puja de su estrategia en función de la probabilidad que una impresión tenga un buen rendimiento.
Las pujas optimizadas son las que realmente aprovechan al máximo el entorno programático, ya que tienen en cuenta diferentes factores para realizar la puja más ajustada, basada en el perfil y el comportamiento del usuario y la calidad del sitio web.
¿Cómo intervienen los algoritmos en el DSP?
Como no puede ser de otra forma, cada DSP cuenta con algoritmos propios, diseñados para conseguir los mejores resultados en base a un objetivo. Es fundamental entender que para que un algoritmo funcione correctamente, debe tener un objetivo concreto, frente al cual optimizarse.
Dependiendo del DSP encontraremos más o menos variedad de objetivos, cada uno con un algoritmo asociado. Los más destacables son:
- Conseguir el CPC (Coste Por Click) / CPA (Coste Por Adquisición) objetivo
- Conseguir el CTR (Click Through Rate) / ROI objetivo (sólo en MediaMath)
- Minimizar el CPC/CPA (sólo en DV360)
- Maximizar descargas (sólo en DV360)
- Maximizar la calidad de las impresiones de vídeo (sólo en DV360 y MediaMath)
- Optimizar para puja por CPM visible (sólo en DV360 y MediaMath)
Estos algoritmos son propiedad de las plataformas y no hacen público su contenido.
Más allá: ¿Algoritmos personalizados con nuestros datos?
Los algoritmos que proporcionan los DSPs por defecto nos permiten mejorar el rendimiento de nuestras campañas, pero es posible que en algún momento necesitemos un algoritmo personalizado, creado a partir de nuestros propios datos de campaña. Además, al conocer cómo están construidos y saber cómo funcionan exactamente, podremos explotar al máximo sus posibilidades e interpretar mejor los resultados.
No todos los DSPs permiten esta opción y, en los que lo permiten, es muy diferente el modo de empleo.
En AppNexus nos encontramos con que han desarrollado un lenguaje propio, llamado Bonsai, que nos permite desarrollar árboles lógicos utilizando como variables la información del usuario y del sitio web.
De este modo podemos construir un algoritmo que tenga en cuenta las características que más nos interesen y realizar pujas diferentes para cada tipo de usuario, dando la posibilidad de realizar una segmentación avanzada de usuarios bajo una sola estrategia.
Mediamath T1 no permite incorporar nuevos algoritmos, pero existe la posibilidad de modificar los suyos propios. Utilizando la información de nuestras campañas, podemos seleccionar las variables que consideremos más relevantes y revaluar los coeficientes de éstas, reemplazando los valores predefinidos por la plataforma. Además, incorpora la posibilidad de realizar tests A/B sobre las estrategias, repartiendo las pujas entre varios modelos para poder comparar su rendimiento.
Para cada puja, el algoritmo nos devuelve un valor comprendido entre 0-100% que es multiplicado por el valor del KPI objetivo, lo cual da como resultado el valor de la puja.
DV360, por el momento, no permite la posibilidad de que los usuarios puedan desarrollar sus propios algoritmos y apuesta únicamente por el desarrollo de algoritmos propios.
En conclusión…
Los DSPs son plataformas relativamente recientes con todavía mucho margen de crecimiento, siendo el campo de la algoritmia donde más oportunidades tienen. No todos ofrecen las mismas posibilidades, ni tienen el mismo nivel de desarrollo.
AppNexus tiene menos variedad de algoritmos propios, pero apuesta fuertemente por la colaboración con el usuario para el desarrollo de nuevos modelos, incluyendo la creación de un lenguaje propio. Display & Video 360 (DV360), en cambio, es la plataforma con mayor variedad de algoritmos propios, pero está cerrada por completo sobre sí misma. Finalmente, MediaMath T1 está en un punto intermedio, con algunos algoritmos propios exclusivos y facilitando al usuario la codificación de éstos.
Algoritmos en el día a día de DBi Data Business Intelligence
El equipo cuenta con amplia experiencia en la aplicación y el desarrollo de algoritmos de diferente tipología (respuesta directa, atribución, predicción, clasificación…), y la participación en algunas competiciones reconocidas evidencia nuestra capacidad de adaptación y resolución de diferentes problemas.
Actualmente, estamos trabajando junto con el Havas Programmatic Hub (HPH), la unidad especializada en publicidad programática de Havas Group, para desarrollar nuestros propios algoritmos, adaptándonos a cada DSP y explorando las posibilidades que nos brinda cada uno de ellos para conseguir el mejor resultado posible.
Si te interesa este tema, puedes echarle también un vistazo a nuestro glosario sobre publicidad programática. También te proponemos leer este artículo sobre cómo desarrollar un proyecto con Machine Learning.
¿Te queda alguna pregunta?
