Что такое SSP и DSP
Что проверяют
Знаете ли вы контур, в котором будет жить ваша модель. В рекламе предсказание не украшает продукт, а участвует в торгах: ставка считается из предсказанной вероятности, и ошибка калибровки сразу превращается в деньги.
Как отвечать
Коротко про роли. SSP это сторона предложения, платформа площадки: она выставляет показ на продажу. DSP это сторона спроса, платформа рекламодателя: она решает, участвовать ли в конкретном показе и по какой цене. Между ними биржа и протокол торгов: на каждый показ уходит запрос ставки, ответы собираются, побеждает лучшая, креатив уезжает пользователю. Весь обмен укладывается примерно в сотню миллисекунд.
Где здесь работа с данными:
- модели вероятности клика и конверсии отвечают прямо в запросе ставки, значит бюджет на признаки жёсткий: то, чего нет в быстром хранилище по ключу, посчитать уже негде;
- ставка это не выход модели, а формула: ценность целевого действия умножается на предсказанную вероятность, сверху пейсинг бюджета и занижение ставки под аукцион первой цены;
- обучение идёт на логах торгов, а они смещены: исход виден только у выигранных показов, отсюда поправки на отбор и на отложенные конверсии;
- калибровка важнее ранжирования: завышенная вероятность это перерасход, заниженная это непотраченный бюджет.
Где спотыкаются
Пересказывают определения и не могут сказать, кто кому платит. Площадка продаёт внимание аудитории через SSP, рекламодатель покупает через DSP, посередине забирают комиссию, и вся оптимизация со стороны спроса сводится к тому, чтобы купить нужную аудиторию дешевле.
Забывают про задержку. Модель, которой нужен поход в тяжёлое хранилище признаков, просто не успеет ответить, опоздавшая ставка в аукционе не участвует, а офлайновые метрики при этом выглядят прекрасно.
Меряют качество площадью под кривой и удивляются убыткам. Ранжирование бывает отличным при сбитой шкале вероятностей, а платим мы абсолютным числом. Смотреть надо на логистические потери и калибровочные кривые, а решение проверять сплит-тестом на живом трафике.