Index Exchangeの視点

向上した進化のためのインテリジェント・アダプテーション

アダプティブ・タイムアウト (Adaptive Timeout™)に関する最近のブログでは、「アダプションが進化のカギである」と言いました。進化はその性質上、環境が変化すると起こります。たとえば、寒冷気候になると、種は進化して新しい気温に適応します。色々な方法で、進化はこれら外的状況へ適応します。

しかしながら進化が単に適応だけではなく、原因も生じさせるとしたらどうでしょう? 技術の範囲では、これはまったく可能です。たとえば、ストーミングプラットホームを考えてみましょう。ユーザーが初めてストリーミングプラットホームを使用するときは、そのプラットホームは、ユ-ザーに推薦すべき映画やテレビ番組シリーズを知りませんので、プラットホームで最も人気のある映画やショーを提案するだけです。ユーザーがコンテンツをさらに見れば、プラットホームは成長し適合します。ユーザーがロマンスコメディーやサイエンスフィクション、ドラマを好むでしょうか? ストリーミングプラットホームはこれを学習し、ユーザーが見そうな特定のコンテンツを提案します。この知識を通じてやがて、ストリーミングプラットホームは、ユーザーについて学習したので、そのユーザーが何を見るかに影響を与えるようになります。これは強力な機械学習であり、アダプティブ・タイムアウトが広告技術業界にもたらすものが、向上した進化のためのインテリジェント・アダプテーションなのです。

機械学習が重要な理由

従来、パブリッシャーはラッパータイムアウトの正確な値を見出そうとして、困難なチャレンジに直面しました。パブリッシャーはタイムアウト値の選択方法に影響する非常に多数の要因を考慮しなければなりませんでした。ユーザーがその時点で使用しているデバイスの種類は何か? ユーザーのWiFi接続強度はどのくらいか? ユーザーはWiFiネットワークに接続しているのか、あるいは セルラ通信網か? これらの要因には常に変化しているものがあるため、マニュアルや集約デ-タ分析では理解することはできません。パブリッシャーは、究極的には最適以下の値になってしまうタイムアウト値を選択するはめになってしまいます。

アダプティブ機械学習でヘッダ入札を最適化

アダプティブ・タイムアウトは、アダプティブ機械学習のアルゴリズムを強化し、最適なタイムアウト値を迅速かつ容易に設定します。このアルゴリズムは、各ユーザーのネットワーク条件と振る舞いを学習して適合し、タイムアウト値を計算して常時調整します。これは、パブリッシャーのタイムアウト値には、ユーザーのデバイス種類あるいはネットワーク速度といった動的変数などの重要な要因が考慮されることを意味します。

アダプティブ・タイムアウトを使えば、パブリッシャーのヘッダ入札の解決策は機械学習を強化し、以下を実行してラッパータイムアウトを最適にします:

  • ユーザーのデバイス種類を認識: アダプティブ・タイムアウトは、ユーザーのデバイス種類を認識し考慮に入れます。これにより、機械学習アルゴリズムが異なるデバイスのプロセシングとネットワークの機能を考慮することができます。
  • ネットワークの強みを認識: アダプティブ・タイムアウトは、ユーザーのネットワーク速度 (例: WiFiと3Gとの比較) を認識し考慮することができます。ユーザーの現在のバンド幅使用での要因ともなり、アルゴリズムがラッパータイムアウトを調整して、リアルタイムでの特定のユーザーのネットワーク接続性を考慮します。

弊社は、アダプティブ機械学習のシリーズを続けながら、この技術を広告技術の他の分野にどのように導入するか説明する予定です。その間、アダプティブ・タイムアウトや他のイノベーションに関する詳細をお知りになるには、弊社の知識ベース (Knowledge Base)をご覧ください。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です