Виджай Кумар, основатель и генеральный директор Mile – Интервью-серия

Виджай Кумар, основатель и генеральный директор Mile, сосредоточил свою карьеру на помощи цифровым издателям извлекать большую ценность из программной рекламы посредством продвинутого машинного обучения и оптимизации, основанной на данных. С момента основания Mile в 2013 году он руководил стратегией и видением продукта компании по улучшению производительности открытой биржи, разработке систем, которые динамически управляют ценами, оптимизируют аукционные механизмы и повышают качество сигнала для достижения измеримых доходных выгод, а также снижения операционной сложности для издателей.

Mile – это нью-йоркская ад-тех компания, которая работает как слой оптимизации доходов, основанный на ИИ, на “последней миле” монетизации – где аукционные динамики в конечном итоге определяют доход издателя. Ее платформа интегрируется с существенной программной инфраструктурой для предоставления динамического ценообразования, формирования трафика, обогащения ставок и аналитики в реальном времени, что позволяет издателям максимизировать коэффициенты заполнения и CPM посредством интеллектуальной автоматизации. Сосредоточившись на точной оптимизации, а не на добавлении сложности в рекламный стек, Mile помогает издателям захватить больше ценности, уже присутствующей в их инвентаре.

Вы основали Mile в 2013 году, задолго до того, как ИИ стал модным словом в ад-техе. Что вы видели непосредственно в монетизации издателей и динамике открытой биржи, что убедило вас, что система фундаментально сломана и стоит перестроить?

Когда Mile начал работать, открытая биржа быстро расширялась, но интеллект на стороне издателя не поспевал за этим. Большинство решений на стороне продаж были статическими – ручные полы, грубые правила, редкие изменения – в то время как поведение покупателей становилось все более динамичным и стратегическим.

Что выделялось на ранней стадии, так это то, что аукционы не были неэффективными из-за отсутствия спроса, а потому, что у издателей не было реального контрольного слоя. Обнаружение цен было фактически передано покупателям и посредникам, и издатели реагировали после факта.

Система не была “сломана” в драматичном смысле – она была несбалансирована. Когда аукционы становились более сложными, издатели нуждались в адаптивном, основанном на данных принятии решений на своей стороне аукциона. Этот пробел сделал проблему достойной перестройки с нуля.

Сегодня Mile работает как слой оптимизации ИИ поверх существующих стеков издателей. Как бы вы описали основную проблему, которую платформа решает для издателей сейчас?

Основная проблема – координация.

Издатели уже запускают сложные стэки – Prebid, Amazon, AdX, несколько SSP – но каждый компонент работает независимо. Нет родной системы, которая смотрит на аукционы и спрашивает: как должна быть оценена и маршрутизирована эта инвентарь прямо сейчас, учитывая фактическое поведение рынка?

Mile действует как слой интеллекта над стэком. Мы не заменяем Prebid или существующий спрос. Мы помогаем издателям принимать лучшие, реальные решения о ценообразовании и допуске, используя результаты аукциона как обратную связь.

На практике это означает защиту ценности, когда существует конкуренция, и избежание ненужных ограничений, когда она не существует – все без дестабилизации доставки.

ИИ Mile обучается на собственных аукционных данных каждого издателя до активации. Почему обучение на конкретном сайте имеет такое большое значение в живых программиных средах?

Потому что программиные рынки являются высоко локальными.

Два издателя с похожими аудиториями могут иметь очень разные эластичность спроса, перекрытие биддеров, профили задержки и чувствительность дохода. Общие модели, обученные на пуле данных, склонны учиться средним значениям, которые не существуют в производстве.

Обучаясь на истории аукциона издателя, Mile учится, как их спрос реагирует на цену, конкуренцию и сегментацию. Это позволяет системе работать осторожно, где это необходимо, и уверенно, где сила сигнала оправдывает это.

Обучение на конкретном сайте не является приятным – это то, что делает ИИ пригодным для использования в живых аукционах без введения риска.

Mile использует машинное обучение для непрерывного корректировки минимальных цен на рекламу в реальном времени, реагируя на сигналы спроса без вреда для коэффициентов заполнения. Почему такое адаптивное ценообразование так сложно реализовать в программиной рекламе?

Потому что ошибки ценообразования являются асимметричными.

Если вы занижаете цену инвентаря, стоимость скрыта. Если вы завышаете ее, штраф немедленный – потеря заполнения, потеря дохода и сломанное доверие. Это делает большинство систем ценообразования либо слишком агрессивными, либо постоянно осторожными.

Кроме того, аукционы являются нестационарными. Стратегии покупателей меняются в течение дня, по гео и в ответ на более широкие рыночные условия. Статические правила быстро ломаются.

Адаптивное ценообразование работает только в том случае, если система понимает неопределенность, тестирует безопасно и знает, когда не действовать. Это менее связано с максимизацией CPM и более связано с поддержанием стабильности, одновременно захватывая потенциал, когда условия позволяют.

Доверие имеет решающее значение, когда ИИ влияет на решения о ценообразовании. Как вы думаете о прозрачности и контроле для издателей, использующих Mile?

ИИ должен помогать издателям, а не переопределять их.

В Mile издатели определяют границы – диапазоны пола, объем инвентаря, темп внедрения и пороги производительности. Система работает в этих границах и предоставляет четкую видимость того, что меняется и как это влияет на результаты.

Мы намеренно избегаем непрозрачной автоматизации. Издатели могут сегментировать, приостанавливать или откатывать изменения в любое время и видеть, как решения о ценообразовании коррелируют с коэффициентами выигрыша, CPM и доходом.

Доверие исходит от наблюдаемости и контроля, а не от просьбы к издателям “доверять модели”.

Вы сидите на пересечении ИИ и ад-теха издателя через свою работу с Prebid и IAB Tech Lab. Как эти перспективы формируют то, как вы строите и управляете технологией Mile?

Работа в тесном сотрудничестве с Prebid и IAB Tech Lab подкрепляет важность мышления на уровне экосистемы.

Краткосрочная оптимизация, которая искажает аукционы или эксплуатирует крайние случаи, обычно заканчивается неудачей. Долгосрочная ценность исходит от укрепления открытых, прозрачных систем, где издатели сохраняют контроль.

Эта перспектива формирует как архитектуру, так и управление в Mile. Мы интегрируемся чисто в существующие рамки, уважаем аукционные механизмы и избегаем логики, которая создаст скрытые преимущества или подорвет доверие в открытой бирже.

Наша цель – сделать принятие решений на стороне издателя умнее, не ослабляя систему, от которой оно зависит.

Многие инструменты монетизации, основанные на ИИ, обещают рост, но терпят неудачу в производстве. Из вашего опыта, что отличает системы, которые обеспечивают устойчивые результаты, от тех, которые не делают этого?

Разница заключается в том, что система построена для реальности производства.

Многие инструменты оптимизируют статическую цель и предполагают, что условия будут сохраняться. В живых рынках они не сохраняются. Спрос адаптируется, стратегии меняются, и вчерашний сигнал становится шумом.

Системы, которые выдерживают, рассматривают производство как непрерывную среду обучения. Они постоянно измеряют, адаптируются осторожно и ухудшаются плавно, когда уверенность низка.

Не менее важно сдержанность. Лучшие системы не вмешиваются повсюду – они действуют избирательно, только когда сигнал достаточно силен, чтобы оправдать изменение.

Когда изменения конфиденциальности, потеря сигнала и рыночная волатильность продолжают менять программную рекламу, где ИИ обеспечивает наибольшую отдачу для издателей сегодня?

Наибольшая отдача заключается в понимании поведения рынка, а не идентичности пользователя.

Даже когда адресуемость снижается, аукционы все еще генерируют богатые сигналы – плотность ставок, дисперсия цен, модели ответа, конкурентное перекрытие. Эти сигналы трудно интерпретировать для людей в масштабе, но хорошо подходят для машинного обучения.

ИИ позволяет издателям оптимизировать на основе того, как спрос фактически ведет себя, а не полагаться на прокси-идентичности, которые становятся все более хрупкими.

Mile работает с премиальными издателями на нескольких рынках Tier-1. Какие различия вы видите в динамике спроса или стратегиях оптимизации по регионам?

Основы остаются одинаковыми, но профили риска различаются.

Северная Америка имеет тенденцию иметь более глубокие и волатильные аукционы, что вознаграждает адаптивные системы, которые могут быстро реагировать без чрезмерной реакции.

Европейские рынки часто более ограничены и стабильны, что ставит премию на точность и осторожность.

В APAC фрагментация и вариативность задержки делают защиту от снижения и стабильность доставки столь же важными, как и оптимизацию дохода.

По регионам общим уроком является то, что жесткая логика терпит неудачу, а адаптивные, специфические для издателя системы работают лучше.

Для издателей, оценивающих слои оптимизации ИИ сейчас, что они должны понимать о том, что предлагает Mile, и когда это оказывает наибольшее влияние?

Mile не является заменой вашего стэка, и это не捷径.

Это оказывает наибольшее влияние, когда у издателей уже есть спрос, но им не хватает возможности оценить и координировать его интеллектуально в реальном времени. Это обычно происходит, когда ручные правила и статические полы начинают достигать плато.

Издатели должны думать о Mile как о слое интеллекта, который сложится со временем – изучая их рынок, работающий в их границах и улучшая качество принятия решений, когда условия развиваются.

Если вы ищете быстрые хитрости, это не тот инструмент. Если вы строите долгосрочную устойчивость и контроль, это то, где Mile лучше всего подходит.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить Mile.