Ogury : cibler et convaincre avec la publicité sur mobile

Damien Russier, ancien élève du MS Big Data, désormais Data Scientist chez Ogury depuis février 2018, est venu présenter, lors du Meetup du MS Big Data du 8 novembre 2011, les activités du pôle data science de l’entreprise. Il a présenté la technologie et le positionnement d’Ogury, puis fait un focus sur la recommandation d’applications pour mobile (Android) à installer.

Le positionnement d’Ogury

Dans le contexte hyper concurrentiel et particulier de l’AdTech, le positionnement d’Ogury est de suivre l’utilisateur sur son parcours complet, sans se limiter aux données collectées au sein d’une unique application.

Ogury a la particularité de proposer aux applications partenaires, un kit « SDK » (Software Development Kit) venant s’installer en supplément de l’application en question. Grâce à ce kit, Ogury récolte un spectre plus large de données et dresse un profil utilisateur au fil des interactions.

Pour autant, Ogury se conforme aux exigences RGPD depuis sa création, c'est-à-dire que les données d’un utilisateur sont collectées si et seulement si celui-ci a donné son consentement explicite. Sur les 12 derniers mois, les applications ont totalisé 241 millions d’utilisateurs, ayant consenti à partager leurs données via le kit SDK, répartis essentiellement en Europe et Amérique du nord.

Le kit SDK permet entre autres de récolter : la liste des apps possédés, le temps d’usage des apps, les balises d’installation, les sites visités, les demandes d’impression publicitaires, les tokens d’identification Facebook, Google…

Leur technologie

Par le biais du SDK inclus dans les applications partenaires, l’utilisateur choisit d’abord s’il souhaite voir des publicités ciblées ou non. Si oui, Ogury établira un profil basé sur son identifiant et lui proposera des annonces en conséquence. Les propositions sont le fruit d’un algorithme d’apprentissage quotidien prenant en compte les données récoltées ainsi que les informations déduites de celles-ci.

Ogury se positionne principalement sur la publicité diffusée dans les applications : des campagnes sont proposées aux annonceurs partenaires et un système d’enchères désigne quelle campagne sera affichée. Enfin, Ogury est rémunéré uniquement lorsque l’utilisateur ouvre l’application, après avoir cliqué sur la publicité, puis installé cette application.

Cela demande un effort supplémentaire car l’installation d’une application peut être une opération longue. En revanche, pour Ogury c’est un modèle économique plus intéressant que le simple coût par clic car il permet de calculer un retour sur investissement.

Focus sur le moteur de recommandation

Le système de recommandation sur lequel travaille Damien Russier est basé sur un modèle du type item-based collaborative filtering. Sa finalité : l'identification des applications similaires à celles utilisées fréquemment par chaque utilisateur.

Les relations entre les applications sont construites à l'aide d’un modèle de word embedding de type Word2vec (ou son équivalent fastText), ensembles de modèles préalablement entraînés pour reconstruire des contextes linguistiques entre des mots-clefs en utilisant une représentation vectorielle des mots. Dans le cas du système de recommandation d'Ogury, ces modèles sont appliqués aux descriptions des différentes applications sur Google Play ou App Store. Cette technique est assez efficace pour l'identification des applications concurrentes.

Une deuxième approche basée sur les séquences d'usage des applications par les utilisateurs a été utilisée afin d'identifier des relations entre les applications non-concurrentes, comme par exemple Uber et RATP. Ce système de recommandation a montré une efficacité considérablement supérieure à un système aléatoire et permet bel et bien de mieux connaitre nos habitudes sur smartphone.

En savoir plus : www.ogury.com

Compte-rendu rédigé par Alexandre BEC et André MACEDO FARIAS, étudiants du Mastère Spécialisé Big Data