Perspectives IX

Une adaptation intelligente pour une évolution optimale

Dans notre dernier billet sur l’Adaptive Timeout™, vous avez pu lire que « l’adaptation est la clé de l’évolution ». Par nature, l’évolution est souvent le fruit de modifications environnementales. Par exemple, si le climat se refroidit, les espèces s’adaptent à ces nouvelles températures. De bien des façons, l’évolution intervient en réaction à un changement extérieur.

Et si l’évolution n’était pas toujours l’effet, mais plutôt la cause ? La technologie nous a permis de constater que cette hypothèse est parfaitement plausible. Prenons l’exemple des plateformes de streaming. Lorsqu’un utilisateur se connecte pour la première fois, la plateforme ne sait pas quel genre de film ou de série lui recommander, donc elle suggère simplement les programmes les plus populaires. À mesure que l’utilisateur consomme du contenu (comédies romantiques, films de science-fiction, drames, etc.), la plateforme apprend et s’adapte pour mieux cibler son offre. Grâce à cette connaissance, la plateforme de streaming en vient vite à influencer ce que regarde l’utilisateur. Tel est le pouvoir du machine learning offert au secteur de l’AdTech par l’Adaptive Timeout, qui permet une adaptation intelligente pour une évolution optimale.

Machine learning : une nouvelle fonctionnalité indispensable

Depuis toujours, le calcul de la valeur optimale de timeout du wrapper représente un défi de taille pour les éditeurs, car un nombre colossal de facteurs sont à prendre en compte, notamment le type d’appareil utilisé, ou encore les caractéristiques de la connexion Wi-Fi ou du réseau cellulaire, selon le cas. Or, certains de ces facteurs changent constamment, ce qui les rend tout simplement impossibles à interpréter à travers l’analyse manuelle de données agrégées. Les éditeurs perdent donc du temps à déterminer une valeur de timeout qui, au final, n’offrira pas les meilleurs résultats possible.

Optimiser le header bidding grâce au machine learning adaptatif

L’Adaptive Timeout exploite un algorithme de machine learning adaptatif permettant d’optimiser rapidement et facilement la valeur de timeout. Cet algorithme analyse les conditions réseau et le comportement de l’internaute et s’y adapte en ajustant sans cesse la valeur de timeout. Résultat : le calcul tient compte de facteurs importants comme le type d’appareil utilisé et de variables dynamiques comme la vitesse du réseau.

Avec l’Adaptive Timeout, la solution de header bidding d’un éditeur optimise le timeout de son wrapper en exploitant le machine learning pour :

  • Reconnaître le type d’appareil utilisé : l’Adaptive Timeout identifie le type d’appareil utilisé et ajuste son algorithme de machine learning en fonction des capacités de traitement et de connexion associées.
  • Détecter la vitesse du réseau : l’Adaptive Timeout détecte la vitesse du réseau de l’internaute (Wi-Fi ou 3G) et tient également compte de la bande passante en cours d’utilisation. Ainsi, l’algorithme adapte en temps réel le timeout du wrapper à la connectivité réseau de l’utilisateur.

Au cours de notre série sur le machine learning adaptatif, nous découvrirons comment nous introduisons cette technologie dans d’autres domaines de l’AdTech. En attendant, vous pouvez consulter notre Knowledge Base pour en savoir plus sur l’Adaptive Timeout et nos autres innovations.