Проект

Rambler&Co улучшил качество рекламных продуктов с помощью IBM Cloud

Заказчики: Rambler&Co

Москва; Интернет-сервисы

Продукт: IBM Cloud

Дата проекта: 2021/02 — 2021/07
Технология: Cloud Computing
подрядчики - 105
проекты - 245
системы - 392
вендоры - 167
Технология: IaaS - Инфраструктура как услуга
подрядчики - 217
проекты - 1237
системы - 435
вендоры - 228
Технология: PaaS - Platform As A Service - Бизнес-платформа как сервис
подрядчики - 146
проекты - 526
системы - 260
вендоры - 152
Технология: SaaS - Программное обеспечение как услуга
подрядчики - 1166
проекты - 14989
системы - 1820
вендоры - 1025
Технология: Виртуализация
подрядчики - 239
проекты - 596
системы - 487
вендоры - 202
Технология: Центры обработки данных - технологии для ЦОД
подрядчики - 388
проекты - 947
системы - 691
вендоры - 254

2021: Улучшение качества рекламных продуктов с помощью IBM Cloud

Rambler&Co улучшил качество рекламных продуктов с помощью IBM Cloud. Об этом стало известно 17 августа 2021 года.

Rambler&Co – один из медиахолдингов России. В него входят такие активы, как «Лента.ру», «Газета.Ru», «Чемпионат», «Секрет фирмы», портал «Рамблер», WMJ.ru, Motor.ru, LiveJournal и ряд других активов.

Для того чтобы эффективно монетизировать все эти сервисы, команда AdTech разработала собственную реализацию RTB (Real Time Bidding – торги в реальном времени) – алгоритмическую закупку рекламы, когда множественные рекламодатели делают свои предложения на единичный показ страницы с контентом издателя и заявка с наибольшей ценой показывается в виде рекламы целевому посетителю страницы.

Одним из ключевых элементов этой системы является DMP (Data Management Platform – платформа управления данными), которая, путем анализа огромного количества данных (свыше 10 ТБ в день) разделяет пользователей на более чем 10 тысяч аудиторных сегментов.

Особой популярностью пользуются социально-демографические признаки аудитории – возраст, пол и т. д., которые и так были достаточно качественно представлены Rambler&Co. Поэтому перед командой DMP стояла весьма амбициозная цель: сделать основные метрики еще лучше, используя нейронные сети для анализа потребления пользователем контента в виде эмбеддинга (векторного представления).

Это довольно непростая задача как для математика, так и для инженера. Дело в том, что ИТ-инфраструктура для работы таких моделей может отличаться от других необходимостью использования высокопроизводительных видеокарт. На тот момент в распоряжении DMP было несколько таких устройств, на которых команда опробовала нейросетевые технологии. Но им не хватало вычислительных мощностей и понятного способа масштабирования.

Для удовлетворения растущих вычислительных потребностей Rambler&Co выбрал публичное облако IBM Cloud. Оно обеспечивает DMP необходимой архитектурой с устойчивым сетевым подключением и масштабируемостью, которая может поддерживать сложные модели данных, а также предоставлять доступ к облачным сервисам, таким как инструментарий ИИ, автоматизация и аналитика. Rambler&Co использует IBM Cloud для разработки моделей, обучения и применения нейронных сетей. IBM Cloud позволяет получить унифицированную и гибкую платформу, которая может беспрепятственно предоставлять выделенные вычислительные мощности для поддержки каждой из этих критических частей жизненного цикла нейронной сети.

«
Дата-инженеры команды DMP AdTech Rambler&Co смогли эффективно адаптировать свои решения, чтобы использовать их в облаке IBM Cloud для повышения отказоустойчивости, уменьшения простоев и большего масштабирования. Теперь они готовы к возросшему объёму задач, реализуемых на нейросетях с масштабируемой инфраструктурой. Уже на август 2021 года регулярно рассчитываются эмбеддинги для 168 млн пользователей, которые ежемесячно посещают медиаресурсы Rambler&Co,
сказал Иван Цветков, руководитель отдела технологий обработки данных Rambler&Co.
»

Сотрудничество с IBM при участии её бизнес-партнера – компании My-Sky – позволило Rambler&Co значительно улучшить качество социально-демографических сегментов и увеличить их охваты, тем самым повышая качество рекламных продуктов.