Ezoic
Les tests A/B ont des limites. La chose la plus importante que les tests A/B ne prennent pas en compte est le comportement des visiteurs.
Supposons que 60 % des personnes préfèrent le jeu d'annonces A et que seulement 40 % des personnes préfèrent le jeu d'annonces B. Vous choisissez alors le jeu d'annonces A parce qu'il a la préférence de la majorité des 60 %. Comment pouvez-vous tenir compte des 40 % de visiteurs qui ont préféré autre chose ?
Les chiffres mentent. Par exemple, le CPM/CTR d'une publicité est une moyenne, qui révèle très peu de choses sur les données sous-jacentes et sur le prix de vos impressions.
Les groupes de test doivent être aléatoires. Lorsque vous effectuez un test A/B, comment segmentez-vous votre trafic ? Qui se trouve réellement dans chaque groupe ? Chaque utilisateur est-il affecté à un groupe ? À chaque session ? Chaque page vue ?
Les calculs ne sont pas simples ou directs. Quelle est la durée d'exécution ? Quelle est la distribution sous-jacente des données ? De quel niveau de signification ai-je besoin ? Quelle est l'ampleur de l'effet ? Comment puis-je contrôler le trafic aléatoire des robots ?
Ne réagit pas aux changements au moment où ils se produisent. Vous effectuez votre test en juin, vous trouvez un effet statistiquement significatif, vous êtes confiant dans vos résultats... mais comment pouvez-vous être sûr que tout sera pareil en décembre ?
L'I.A. présente de nombreux avantages par rapport aux tests A/B :
Prenez cet exemple. Comment diriez-vous traditionnellement à un système informatique comment définir les variables qui font qu'un chien est un chien ?
C'est très bien, jusqu'à ce que vous obteniez une aberration qui est toujours techniquement un chien, mais qui ne correspond pas à toutes les variables que vous avez données à l'ordinateur - un chien avec trois pattes qui en a perdu une dans un accident.
L'IA renverse la programmation traditionnelle : plutôt que de définir les étapes pour parvenir à un résultat ("prenez A, B, C, D... faites-leur ceci, prenez une décision"), nous pouvons envoyer des données et laisser le réseau neuronal apprendre ce qui est important. Nous pouvons même ajouter un descripteur totalement non pertinent, comme "a une balle rouge dans la bouche". Il apprendra rapidement que cela ne décrit pas du tout les chiens.
L'IA augmente la valeur de l'inventaire publicitaire.
Lorsqu'il s'agit de placements publicitaires, les éditeurs sont souvent confrontés à des dilemmes. Quelle publicité montrer : en haut de la page ou dans la barre latérale ?
Disons que vous regardez vos données publicitaires et que le CPM pour "haut de page" et "barre latérale" est de 3,02 $. Mais le montant est-il le même pour ces deux placements publicitaires lorsque d'autres variables de comportement des visiteurs sont introduites ?
Au lieu de faire toutes ces recherches vous-même, vous pouvez confier ce travail à l'intelligence artificielle d'Ezoic, alimentée par TensorFlow.
Ensuite, nous indiquons à TensorFlow les caractéristiques de nos données à partir desquelles nous voulons qu'il apprenne.
Ensuite, nous indiquons à TensorFlow le type de modèle à utiliser : ici, nous utilisons un régresseur de réseau neuronal profond (qui est un bon modèle pour prédire des chiffres, comme les CPM).
Maintenant, nous indiquons à TensorFlow comment charger et lire les données.
Et enfin, nous lançons la formation. 8 lignes de code au total ! C'est aussi simple que ça. Alors, qu'est-ce qu'il trouve ?
TensorFlow a trouvé comment segmenter les données automatiquement, de manière évolutive. Ce réseau neuronal a trouvé 12 % de revenus publicitaires supplémentaires cachés dans les données.
Les statistiques sommaires sont peu informatives et vous laissez de l'argent sur la table en ne creusant pas plus profondément dans vos données.