Yieldmo Leverages AWS for Real-Time Ad Engagement Data Delivery

技术

分析与建模 - 实时分析
机器人 - 轮式机器人

适用行业

电信

适用功能

销售与市场营销

用例

实时定位系统 (RTLS)
资产跟踪

挑战

提高广告活动的有效性

Yieldmo 需要快速部署此解决方案，因为它希望在其即将推出的数据平台中包含会话功能。新平台功能的计划包括深入洞察客户参与度，使活动对广告商更有效，对出版商来说更有利可图，并最终与消费者更相关。

为了满足其需求，Yieldmo 希望使用一个系统来报告会话中广告上每个独特交互的确切时刻。 Yieldmo 数据主管 Indu Narayan 表示：“捕获数千亿次微交互是一项技术挑战，因为这些详细的测量会增加进入的请求数量，并且需要添加更多代理服务器来捕获和分析所有这些事件。” . “我们需要快速大规模地实施解决方案。使用传统方法解决这个问题需要一个工程团队几个月的时间来实施。由此产生的解决方案也很昂贵，需要使用大量的存储和计算能力。对于 Yieldmo 和我们的客户来说，这样的解决方案成本过高。”

客户

产量

关于客户

Yieldmo 移动广告市场提供高性能的广告活动，每月为数百万唯一的移动访问者提供数十亿次广告展示。为了提高这些广告活动的有效性，Yieldmo 需要改进其衡量用户交互的方式，包括访问者点击、滚动和查看广告所花费的时间等。此外，Yieldmo 一直在增加会话化的使用——用户交互的集合，称为微交互，在用户会话中对 Yieldmo 的广告单元执行。为了分析会话数据，Yieldmo 需要在每个广告像素上实时捕获用户行为，以毫秒为粒度获取数十亿次广告展示。所有网站访问者的这些微交互每月包含数千亿个数据点。

解决方案

使用 Amazon Kinesis Services 将用户事件转换为有用的数据

Yieldmo 选择了 Amazon Kinesis 服务来实时捕获、处理和交付其数据。 Yieldmo 在客户移动网页上的广告单元将数据直接发送到 Amazon Kinesis Data Streams，从而高效、持久地大规模捕获实时流数据。

为了处理流中的数据，Yieldmo 使用 Amazon Kinesis Data Analytics 来整合毫秒级用户交互并定义活动用户会话。 Yieldmo 使用标准 SQL 代码逐个像素地计算广告观看时间和广告观看百分比，并跟踪屏幕上有多少像素持续了多少秒（或“像素秒”）。最后，Yieldmo 使用 Amazon Kinesis Data Firehose 将此数据传送到 Amazon Simple Storage Service (Amazon S3) 存储桶。 AWS Lambda 用于最终制定用户级别的参与度分析，然后加载公司的数据仓库，将数据提供给客户。

运营影响

With Amazon Kinesis services, Yieldmo was able to capture and sessionize user interactions in real time, at scale, and without significant cost or operational overhead. The company was able to compute engagement metrics on the fly, making it easier to adjust ad campaigns and achieve effectiveness much earlier in the process. The solution also made it simple to scale end to end, including the capture, processing, and delivery of actionable insights. This empowered Yieldmo's customers to better understand their user base. The company was also able to save a significant amount of money by using Kinesis Data Streams and Managed Service for Apache Flink. The data was structured and accessible within minutes, making it available to a much broader set of engineers.

数量效益

Captures and sessionizes user interactions in real time, at scale, and without significant cost or operational overhead
Delivers ad-interaction data every 200 milliseconds
Gets more accurate ad viewability data