Главная Кейсы

Кейс Sparrow: как с помощью Machine Learning увеличить CTR в два-четыре раза

О том, как увеличить CTR вдвое при помощи технологии искусственного интеллекта, – в новом кейсе

Sparrow на рынке рекомендательных сетей РФ и СНГ с 2013 года. В прошлом году компания вышла на рынок с новым продуктом — сетью обмена трафиком для СМИ.

Задачи

На пути развития обменной сети и налаживания продуктивной работы встал вопрос о необходимости увеличения CTR обменных виджетов.

Решение

К октябрю 2022 года команда Sparrow успешно завершила тестирование системы на основе ML — технологии машинного обучения, которая собирает данные, классифицирует их и по заранее написанным алгоритмам обучает систему работать с этими данными. Улучшить показатель было решено путем внедрения технологии на основе машинного обучения. Первыми Machine Learning опробовали:

«Федерал Пресс»;
«Вечерняя Москва»;
BFM.ru;
«Эксперт»;
360.

Систему научили распознавать людей, которым будет интересна потенциальная новость. По выявленным взаимосвязям технология на основе ML показывает новость тем, кому она с наибольшей долей вероятности интересна.

«Вечерняя Москва»

Входит в топ-3 лучших СМИ столицы*.

Скриншот ЛК обменной сети

«Вечерняя Москва» пользовалась сетью обмена трафиком с мая 2022 года. С ноября 2022 года была запущена технология машинного обучения. Уже в рамках первого месяца CTR вырос на 60%. С этого момента система начала обучаться, искать оптимальные пути — и за четыре месяца увеличила CTR почти в четыре раза.

«Федерал Пресс»

СМИ функционирует при финансовой поддержке Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации.

Скриншот ЛК обменной сети

«Федерал Пресс» присоединился к Sparrow в июле 2022 года. На тот момент CTR варьировался в диапазоне от 4,3 до 5,36. В ноябре оптимизацией обмена трафиком занялся ML и увеличил CTR почти в два раза. В первый месяц наблюдался рост на 49%, затем показатель начал планомерно расти. В феврале он был уже на 113% больше стартового значения.

Технология Machine Learning ошибается, но умеет учиться на своих ошибках. Найдя взаимосвязи между своими неудачными показами объявлений, система делает выводы и записывает себе новое правило, на основе которого двигается дальше. Поэтому чем дольше технология регулирует обмен трафика, тем умнее она становится и эффективнее работает.

BFM.ru

Скриншот ЛК обменной сети

До начала действия системы портал находился в обменной сети полгода. За первые полгода работы CTR менялся от 1,83 до 4,39. С ноября трафиковый обмен начал оптимизироваться с применением технологии ML. Уже в первый месяц работы системы CTR увеличился почти в два раза и каждый последующий месяц продолжал расти.

«Эксперт»

Издание про бизнес, экономику и политику.

Скриншот ЛК обменной сети

За полгода обмена трафиком CTR варьировался от 2,2 до 3,25. Сначала показатель был 2,59. В ноябре 2022 года обмен трафиком начал регулироваться искусственным интеллектом, после чего в первый месяц достиг отметки 3,84. Такого CTR у сайта ранее не было. Уже в ноябре показатель вырос на 48%. В дальнейшем система продолжает обучаться и к февралю увеличивает CTR на 101% по отношению к тем данным, которые были до внедрения системы.

Изначально система на основе ML создавалась по подобию мышления человека. Но если оптимизацией показов занимается человек, здесь имеют место следующие сложности: фактор невнимательности, эмоциональная составляющая, наличие или отсутствия определенного опыта, рабочий график. В то время как технология ML работает без сбоев 24/7.

360

Скриншот ЛК обменной сети

Несмотря на сравнительно небольшой бэкграунд данных, в случае с «360» ML справился отлично. До внедрения системы портал обменивался трафиком всего два месяца. За это время сеть показывала CTR 2,47 и 3,43. Но уже в первый месяц работы системы показатель вырос на 46%. А к февралю CTR удалось «вырастить» на 176%. В октябре кликабельность была 3,43, а уже спустя четыре месяца стала 9,48.