Aarki는 AI 기반 모바일 마케팅 플랫폼입니다.

고객사가 광고 성과 품질에 신뢰를 가질 수 있도록 Ad fraud를 방지하기 위한 노력을 기울이고 있습니다. 이를 위해서는 지속적인 노력과 여러 단계의 완화 전술이 필요합니다.

Aarki는 인벤토리 품질 관리 및 Fraud 탐지를 통해 고객사의 캠페인 예산이 낭비되지 않도록 여러 보안 단계를 적용하고 있습니다.

• 내부 알고리즘을 활용해 Fraud 및 저품질 인벤토리를 나타내는 유저 행동을 지속적으로 분석하고 평가합니다.
• 타사 데이터와 모든 MMP의 통합 데이터를 활용해 사기성 IP 및 게시자 목록을 업데이트했습니다.

프로세스의 다음 단계에서는 심층 신경망(DNN: Deep Neural Network) 모델을 사용하여 각 노출 및 유저 가치를 예측합니다.

Aarki는 궁극적으로 각 노출의 가치에 대해 더 정확하고 더 나은 예측을 제공하기 때문에 다단계 DNN 모델을 사용합니다. 각 ML 모델은 해당 전환 이벤트에 가장 중요한 기능을 학습합니다.

DNN 모델은 앱스토어 API를 통해 얻은 광고주-퍼블리셔 및 광고주 인스톨 번들(>50,000) 유사성을 기반으로 인스톨 유저와 구매자를 식별합니다. DNN은 확률이 희박한 고차원 속에서 앱 유사성 클러스터를 탐색합니다. 오직 딥러닝 AI만이 이것을 가능케 합니다!

각 입찰 요청에 대한 유저 가치가 결정되면 Aarki는 입찰가에 대한 ROI를 극대화하기 위한 다목적 입찰 최적화 알고리즘을 사용합니다. 대부분의 타 DSP는 낙찰가 예측치보다 살짝 낮게 입찰가를 책정하는 입찰 셰이딩 알고리즘을 사용합니다. 당사의 알고리즘에서 가격은 고려 대상 목표 중 하나로써 더 정교하게 다목적 최적화를 진행합니다.

과대 입찰은 쉬운데다 자주 이행되고, 과소 입찰은 저조한 성과로 이어지고 캠페인 예산을 효과적으로 활용하지 못하게 됩니다. 광고 비딩에서 낙찰받아 KPI목표를 달성하고, 캠페인 예산을 완전히 활용 가능한 올바른 페이스를 유지할 수 있는 적절한 입찰가를 찾는 것은 어렵습니다.

Aarki의 다목적 입찰 최적화(Multi-Objective Bid Optimizer) 기능은 캠페인 및 인벤토리 어트리뷰트, 예측된 유저 가치와 같은 여러 동적 변수를 사용하며 CPM 별로 분류됩니다. 이러한 모든 요소는 고객사의 KPI (ROI 또는 CPI)에 대한 다목적 최적화를 돕는데 활용됩니다. 이를 통해 예산 효율성과 함께 가치가 높은 유저를 동적으로 확보하는 동시에, 원래의 모델 학습 범위 밖에 있는 아직 도달하지 못한 유저와 인벤토리를 탐색할 수 있습니다.