Inventale

Наши клиенты и партнёры

Case 1

Улучшение открутки для сети с высоким STR

Improved delivery in high STR environment

Описание проблемы

Крупный японский онлайн-кинотеатр (>1 млрд показов ежемесячно) регулярно терял часть прибыли из-за проблем с недокруткой кампаний, возникающих в результате перепродаж инвентаря

Детали

Собственный кастомный рекламный сервер без поддержки API + сторонний рекламный сервер для RTB-продаж, идущих с первым приоритетом для некоторых премиальных заказов
Высокий STR при большом количестве невыполненных контрактов (35-65% недокрученных кампаний ежемесячно)
Высокая зависимость пользовательского трафика от календарных и других событий (от выходных и праздников - до погодных условий)

Специфика решения

Моделирование логики открутки рекламного сервера клиента для обеспечения высокого качества прогноза
Интеграция с рекламным сервером клиента через логи (из-за отсутствия API)
Первый приоритет в открутке отдаётся RTB-инвентарю, что ведёт к более высокой непредсказуемости инвентаря
Анализ исторических данных с целью выявления трендов в поведении аудитории

Результаты

Ежемесячный рост числа своевременно открученных кампаний +25-30%
Рост коэффициента удержания клиентов (благодаря лучшему соблюдению условий контрактов) +17%
Увеличение ROI +14% (в среднем за месяц)
Case 2

Более эффективное использование доступной аудитории с учётом большого числа узко-таргетированных кампаний

Improved Sales of Audience for Narrowly Targeted Campaigns

Описание проблемы

Ведущее британское издательство (>1,5 млрд показов в месяц) с большим количеством ТВ-контента испытывало сложности с откруткой кампаний с узким таргетингом

Детали

Медиа-планирование в терминах уникальных пользователей, а не в терминах доступного инвентаря (поскольку ТВ-рекламодатели предпочитают продавать по аудитории)
Смесь видео- и медиа-инвентаря, разные источники инвентаря (веб, мобильные приложения и SmartTV) с совершенно разным поведением аудитории, усложняющие оценку будущего
Высокая динамика инвентаря из-за свойств самого контента (разные ТВ-сериалы, выпуск новых сезонов и т.п.)
Большое число контрактов с очень узкими параметрами таргетинга, и как результат – высокий процент недокрученных кампаний (даже при наличии большого количества свободного инвентаря)
Покупка дополнительного инвентаря у партнёров в последнюю минуту в ситуациях, когда не хватает нужного инвентаря, и кампании не откручиваются в срок

Специфика решения

Анализ пакетов инвентаря с целью избежания каннибализации и выработка рекомендаций по стоимости отдельных частей инвентаря
Моделирование специфики поведения в случае событий (таких как выход ТВ-премьеры, изменения интересов пользователей по мере развёртывания телевизионных серий и т.п.)
Автоматический анализ и корректировка всплесков инвентаря с целью сглаживания их влияния на результаты прогноза
Дополнительные эвристики для моделирования специфики видео-рекламы
Автоматические оповещения для прогнозирования и адресации рисков недокрутки на ранних стадиях

Результаты

Рост месячного среднего STR с 57% до 84%
Рост прибыли на 14% за счёт увеличения объёма продаж и решения проблемы с задержками открутки
Уменьшение количества пролонгируемых кампаний на 64% (улучшение открутки кампаний с узким таргетингом)
Case 3

White-Label решение по прогнозированию для премиальной платформы продаж

White Label Forecasting Solution for Premium Sales Platform

Описание проблемы

Крупная американская корпорация (>10 млрд показов, > 50 вебсайтов) разрабатывает платформу для рекламодателей и агентств для бронирования и управления рекламными кампаниями через интерфейс самой платформы

Требования

Стабильно высокое качество прогноза по любому срезу инвентаря, поскольку результаты прогноза сразу же доступны рекламодателям
Быстрый ответ на каждый запрос (< 10 сек на запрос по прогнозированию любой сложности)
Большое количество одновременных обращений к системе (до 100 рекламодателей, использующих систему одновременно)
Доступность сервиса – 24/7
Интеграция с CRM для включения финансовых данных

Специфика решения

Inventale forecasting используется как встроенное решение, работающее через API клиента, и также интегрированное с CRM клиента через API
Hadoop-кластер для парсинга логов и распределения нагрузки при прогнозировании
Постоянное отслеживание и внутреннее тестирование с целью гарантии высокой производительности и качества прогноза по мере изменения сети

Результаты

2-7 секунд на 1 запрос, 10000+ запросов ежедневно
Баланс между качеством прогноза и скоростью ответа, приемлемый для клиента
Точность прогноза 85%+ даже для запросов со сложным таргетингом
Прирост STR +23%, коэффициента удержания клиентов +31%, увеличение ROI +16%