Kevel lanza Kai para impulsar la optimización del performance, la relevancia y los ingresos de las RMN
Kevel, el Ad Server de Retail Media, anuncia su nuevo set de funciones de IA bajo el nombre Kai (Kevel Artificial Intelligence). Se trata de un conjunto de tecnologías de IA y machine learning que permiten optimizar el performance e impulsar la relevancia, la rentabilidad y los ingresos. Kai está disponible como parte de Retail Media CloudTM, la plataforma SaaS para la creación de Retail Media Networks con ad-serving que maximiza los presupuestos de los anunciantes.
Según apunta ExchangeWire, las nuevas herramientas han sido desarrolladas y lideradas por el grupo de investigación AI/ML de Kevel, presidido por el CTO Tim Ewald, el director senior de investigación y miembro del W3C Paul DeGrandis, el científico de datos Richard Carter, y el General Manager de Retail Media CloudTM y fundador de Velocidi Paulo Cunha. El grupo cuenta con décadas de experiencia en IA, lo que les ha llevado a desarrollar este potente conjunto de funciones de IA para potenciar el servicio de anuncios y la segmentación de audiencias en el ámbito del Retail Media.
Con Kai, Kevel introduce dos nuevas funciones, Forecast y Custom Relevancy, junto con sus productos AI Audience y DecisionAPI. Kevel Forecast predice el inventario y el performance de las campañas existentes y futuras utilizando simulaciones de machine learning para generar información útil para los clientes.
“Forecast es la primera de su clase para Retail Media. Las herramientas de previsión tradicionales se basan simplemente en datos históricos para predecir el performance futuro de las campañas, mientras que Kevel Forecast utiliza algoritmos de machine learning para proyectar el performance futuro de las campañas teniendo en cuenta todos los parámetros contextuales y de segmentación de la audiencia de usuarios, junto con otros anuncios en curso o futuros. De este modo, los anunciantes siempre saben exactamente cómo será su performance y los retailers pueden maximizar el performance de su inventario", explica Paulo Cunha, director general de Retail Media Cloud en Kevel.
Custom Relevancy, por su parte, permite a los retailers introducir sus propios algoritmos AI/ML en Kevel Ad Server para una segmentación personalizada orientada al performance individual de cada red. Funcionando como un único "BYOM" ('Bring your own model' o 'trae tu propio modelo'), Custom Relevancy ayuda a los retailers a utilizar sus propios modelos avanzados para determinar la relevancia como parte de su stack de anuncios de una manera segura.
"Los retailers conocen a sus clientes mejor que nadie, pero tienen dificultades para influir en su ad serving con la excepcional optimización basada en IA que utilizan para promover una experiencia de usuario personalizada", comentó Tim Ewald, CTO de Kevel. "Todo esto cambia con Custom Relevancy, que permite a los clientes conectar sus propios modelos ML a nuestro proceso de decisión publicitaria para ajustar dinámicamente la relevancia y mejorar la publicación de anuncios por usuario".
Kai engloba no sólo nuevas funciones como Forecast y Custom Relevancy, sino también otras ya existentes. El enfoque de Kevel sobre la entrega y la toma de decisiones se basa en datos históricos, eventos, comportamientos previos, contexto de la experiencia, anuncios vistos y puntuación de relevancia, además de tendencias y predicciones para impulsar el performance de los anuncios.