Vijay Kumar, fundador e CEO da Mile – Série de entrevistas

Vijay Kumar, Fundador e CEO da Mile, dedicou sua carreira a ajudar editores digitais a extrair maior valor da publicidade programática por meio de aprendizado de máquina avançado e otimização orientada por dados. Desde a fundação da Mile em 2013, ele liderou a estratégia e a visão de produto da empresa, com foco na melhoria do desempenho de plataformas de venda aberta, no desenvolvimento de sistemas que gerenciam preços dinamicamente, otimizam a mecânica dos leilões e aprimoram a qualidade do sinal para gerar ganhos de receita mensuráveis, ao mesmo tempo que reduzem a complexidade operacional para os editores.

Milha A Mile é uma empresa de tecnologia publicitária sediada em Nova York que opera como uma camada de otimização de receita baseada em IA na "última milha" da monetização — onde a dinâmica do leilão determina a receita do editor. Sua plataforma se integra à infraestrutura programática existente para fornecer preços mínimos dinâmicos, modelagem de tráfego, enriquecimento de lances e análises em tempo real, permitindo que os editores maximizem as taxas de preenchimento e os CPMs por meio de automação inteligente. Ao se concentrar na otimização precisa em vez de adicionar mais complexidade à pilha de anúncios, a Mile ajuda os editores a capturar mais valor já presente em seu inventário.

Você fundou a Mile em 2013, muito antes de a IA se tornar uma palavra da moda na tecnologia de anúncios. O que você viu em primeira mão na monetização de editores e na dinâmica das plataformas de troca aberta que te convenceu de que o sistema estava fundamentalmente falho e que valia a pena reconstruí-lo?

Quando a Mile começou, o mercado aberto estava crescendo rapidamente, mas a inteligência do lado dos editores não acompanhava o ritmo. A maior parte das decisões do lado dos vendedores era estática — preços mínimos manuais, regras vagas, mudanças pouco frequentes — enquanto o comportamento dos compradores se tornava cada vez mais dinâmico e estratégico.

O que se destacou desde o início foi que os leilões não eram ineficientes por falta de demanda, mas sim porque as editoras não possuíam um controle efetivo. A definição de preços era, na prática, terceirizada para compradores e intermediários, cabendo às editoras reagir posteriormente.

O sistema não estava "quebrado" em um sentido dramático — estava desequilibrado. À medida que os leilões se tornavam mais complexos, as editoras precisavam de tomadas de decisão adaptativas e baseadas em dados em sua parte do processo. Essa lacuna foi o que tornou o problema digno de ser reconstruído do zero.

Atualmente, a Mile funciona como uma camada de otimização de IA sobre as plataformas de publicação existentes. Como você descreveria o principal problema que a plataforma resolve para os editores neste momento?

O problema central é a coordenação.

As editoras já utilizam sistemas sofisticados — Prebid, Amazon, AdX, várias SSPs — mas cada componente opera de forma independente. Não existe um sistema nativo que analise os leilões e faça as solicitações de lances. Como esse estoque deve ser precificado e direcionado neste momento, considerando o comportamento atual do mercado?

A Mile atua como uma camada de inteligência acima da estrutura existente. Não substituímos o Prebid nem a demanda atual. Ajudamos os editores a tomar decisões melhores e em tempo real sobre preços e elegibilidade, usando os resultados dos leilões como feedback.

Na prática, isso significa proteger o valor quando existe concorrência e evitar restrições desnecessárias quando ela não existe — tudo isso sem desestabilizar a entrega.

A IA da Mile é treinada com os dados de leilão específicos de cada editor antes da ativação. Por que o treinamento específico para cada site é tão importante em ambientes programáticos ao vivo?

Porque os mercados programáticos são altamente locais.

Duas editoras com públicos semelhantes podem ter elasticidade de demanda, sobreposição de lances, perfis de latência e sensibilidade à receita muito diferentes. Modelos genéricos treinados com dados agrupados tendem a aprender médias que não existem na prática.

Ao treinar com base no histórico de leilões da própria editora, Mile aprende como a visão deles A demanda responde ao preço, à concorrência e à segmentação. Isso permite que o sistema opere de forma conservadora quando necessário e de forma assertiva quando a intensidade do sinal o justifica.

O treinamento específico para cada local não é um mero luxo — é o que torna a IA utilizável em leilões ao vivo sem introduzir riscos.

A Mile utiliza aprendizado de máquina para ajustar continuamente os preços mínimos dos anúncios em tempo real, respondendo aos sinais de demanda sem prejudicar as taxas de preenchimento. Por que esse tipo de precificação adaptativa é tão difícil de implementar corretamente na publicidade programática?

Porque os erros de precificação são assimétricos.

Se você subestimar o preço do estoque, o custo fica oculto. Se você superestimá-lo, a penalidade é imediata: perda de estoque, perda de receita e quebra de confiança. Isso faz com que a maioria dos sistemas de precificação seja excessivamente agressiva ou permanentemente cautelosa.

Além disso, os leilões não são estáticos. As estratégias dos compradores mudam ao longo do dia, em diferentes regiões geográficas e em resposta às condições mais amplas do mercado. Regras estáticas são quebradas rapidamente.

A precificação adaptativa só funciona se o sistema entender a incerteza, realizar testes com segurança e souber quando. não Agir. Isso tem menos a ver com maximizar os CPMs e mais com manter a estabilidade, aproveitando as oportunidades de ganho quando as condições permitirem.

A confiança é fundamental quando a IA influencia as decisões de precificação. Como você avalia a transparência e o controle para editores que utilizam o Mile?

A IA deve auxiliar as editoras, não substituí-las.

Na Mile, as editoras definem os limites — faixas de preço mínimas, escopo do inventário, ritmo de implementação e metas de desempenho. O sistema opera dentro desses parâmetros e oferece visibilidade clara sobre o que está mudando e como isso afeta os resultados.

Evitamos deliberadamente a automação opaca. Os editores podem segmentar, pausar ou reverter a qualquer momento e podem ver como as decisões de preços se correlacionam com as taxas de conversão, CPMs e receita.

A confiança surge da observabilidade e do controle, não de pedir aos editores que "confiem no modelo".

Por meio do seu trabalho com a Prebid e o IAB Tech Lab, você atua na interseção entre IA e tecnologia de publicidade do lado do editor. Como essas perspectivas influenciam a maneira como você desenvolve e gerencia a tecnologia da Mile?

A colaboração estreita com a Prebid e o IAB Tech Lab reforça a importância do pensamento em nível de ecossistema.

A otimização de curto prazo que distorce os leilões ou explora casos extremos tende a ser contraproducente. O valor a longo prazo provém do fortalecimento de sistemas abertos e transparentes, nos quais os editores mantêm o controle.

Essa perspectiva molda tanto a arquitetura quanto a governança da Mile. Nós nos integramos perfeitamente às estruturas existentes, respeitamos a mecânica dos leilões e evitamos lógicas que possam criar vantagens ocultas ou minar a confiança na bolsa aberta.

Nosso objetivo é tornar a tomada de decisões por parte das editoras mais inteligente, sem enfraquecer o sistema do qual ela depende.

Muitas ferramentas de monetização baseadas em IA prometem melhorias, mas falham na prática. Na sua experiência, o que diferencia os sistemas que geram resultados consistentes daqueles que não geram?

A diferença reside em saber se o sistema foi construído para a realidade da produção.

Muitas ferramentas otimizam para um objetivo estático e partem do pressuposto de que as condições se manterão. Em mercados reais, isso não acontece. A demanda se adapta, as estratégias mudam e o sinal de ontem se torna ruído.

Sistemas duradouros tratam a produção como um ambiente de aprendizado contínuo. Eles realizam medições constantes, adaptam-se com cautela e degradam-se de forma gradual quando a confiança é baixa.

Igualmente importante é a moderação. Os melhores sistemas não intervêm em tudo — atuam seletivamente, apenas quando o sinal é forte o suficiente para justificar a mudança.

Com as mudanças nas políticas de privacidade, a perda de sinal e a volatilidade do mercado remodelando a publicidade programática, onde a IA oferece maior vantagem para os editores atualmente?

A maior vantagem está em entender o comportamento do mercado, não a identidade do usuário.

Mesmo com a diminuição da capacidade de segmentação, os leilões ainda geram sinais valiosos — densidade de lances, dispersão de preços, padrões de resposta, sobreposição competitiva. Esses sinais são difíceis de serem interpretados em larga escala por humanos, mas são adequados para aprendizado de máquina.

A IA permite que os editores otimizem com base no comportamento real da demanda, em vez de dependerem de proxies de identidade que são cada vez mais frágeis.

A Mile trabalha com editoras premium em diversos mercados de primeira linha. Quais diferenças você observa na dinâmica da demanda ou nas estratégias de otimização entre as regiões?

Os fundamentos são consistentes, mas os perfis de risco são diferentes.

Na América do Norte, tendem a ocorrer leilões mais profundos e voláteis, o que beneficia sistemas adaptáveis ​​capazes de agir rapidamente sem reações exageradas.

Os mercados europeus são geralmente mais restritos e estáveis, privilegiando a precisão e o conservadorismo.

Na região da Ásia-Pacífico, a fragmentação e a variabilidade da latência tornam a proteção contra perdas e a estabilidade de entrega tão importantes quanto a otimização do rendimento.

Em todas as regiões, a lição comum é que a lógica rígida falha — e sistemas adaptativos e específicos para cada editora têm um desempenho melhor.

Para os editores que estão avaliando camadas de otimização de IA agora, o que eles devem entender sobre o que a Mile oferece e quando ela gera o maior impacto?

Mile não substitui sua pilha de equipamentos, nem é um atalho.

O impacto é maior quando as editoras já têm demanda, mas não conseguem precificá-la e coordená-la de forma inteligente em tempo real. É geralmente nesse momento que as regras manuais e os preços mínimos estáticos começam a perder a eficácia.

As editoras devem considerar a Mile como uma camada de inteligência que se acumula ao longo do tempo — aprendendo sobre seu mercado, operando dentro de suas restrições e aprimorando a qualidade das decisões à medida que as condições evoluem.

Se você busca soluções rápidas e práticas, esta não é a ferramenta ideal. Mas se o seu objetivo é construir algo que proporcione resiliência e controle a longo prazo, o Mile se encaixa perfeitamente.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar Milha.