Index Exchange se complace en ofrecer una nueva función a nuestros editores: Adaptive Timeout. Hoy en día, todos los wrappers disponibles para los editores usan un tiempo de espera con un valor fijo y muchos editores usan un único tiempo de espera fijo para todo su suministro de Header Bidding, sin tener en cuenta factores como el tipo de dispositivo o las condiciones de la red del usuario. Esto representa una oportunidad de optimización considerable. Gracias a Adaptive Timeout, los editores ahora pueden disponer de una función de Machine Learning adaptable que tiene en cuenta estas variables. Esta función ayuda a aumentar la cantidad de pujas procedentes de los adaptadores de pujas que los editores pueden evaluar y aumenta los ingresos de los editores, además de mejorar la experiencia del usuario. Los tiempos de espera estáticos provocan una pérdida, ya que los editores tienen que sacrificar la experiencia del usuario para esperar más tiempo al Header Bidding o sacrificar los ingresos al configurar tiempos de espera agresivos.
Header Bidding con Machine Learning adaptable: por qué es importante
Entre todos los editores que usan el wrapper de Index Exchange, el tiempo de espera medio para todos los adaptadores de pujas ronda el quince por ciento, lo que provoca que los editores pierdan oportunidades mientras esperan pujas en entornos con una latencia restringida. Debido a que no todas las pujas potenciales se evalúan por culpa de los tiempos de espera, un editor puede perder muchas pujas, incluyendo las pujas más altas procedentes de sus partners de demanda. Nos dimos cuenta de que al crear un algoritmo de Machine Learning adaptable que tuviera en cuenta el tipo de dispositivo, la ubicación geográfica y las condiciones de la red, podíamos optimizar los tiempos de espera del wrapper del editor.
Cómo funciona
Adaptive Timeout de Index Exchange es una función basada en un algoritmo de Machine Learning adaptable que optimiza el tiempo de espera del Wrapper del editor para cada usuario individual en cada vista de página individual. Este enfoque maximiza los ingresos de los editores sin necesidad de realizar ningún trabajo de desarrollo, además de mejorar la experiencia del usuario. Adaptive Timeout permite al editor acceder a un algoritmo de Machine Learning adaptable para ajustar el valor del tiempo de espera del wrapper según la velocidad de la red del usuario. También toma en cuenta otros factores como el tipo de dispositivo y la ubicación geográfica del usuario. Con todos estos factores, Adaptive Timeout puede garantizar que se otorga el tiempo óptimo al Header Bidding y se ofrece una experiencia de navegación óptima al usuario final.
«Nuestra colaboración a largo plazo con Index Exchange es una demostración del compromiso continuado de la compañía con la innovación y la optimización de los ingresos de los editores», afirmó Jeremy Hlavacek, responsable de ingresos de Watson Advertising. «Esta última función garantizará que lleguen más pujas hasta nuestro servidor de publicidad, además de mejorar la experiencia del usuario. Es una enorme oportunidad para aumentar los ingresos».
Si quiere saber más sobre los tiempos de espera adaptables, consulte nuestra Base de conocimiento.
