CARA de Moloco
Composée Annonce Recommandation Architecture pour Moloco Ads
Aperçu
CARA (Compound Ad Recommendation Architecture) est le système d'IA de Moloco qui orchestre plus de 30 modèles, agents et logiciels spécialisés pour générer des résultats de performance sur l'Internet ouvert.
La publicité sur l'Internet ouvert est complexe. L'écosystème englobe des milliards d'utilisateurs, plus d'un billion d'opportunités publicitaires quotidiennes, des milliers d'annonceurs et des millions d'applications. Chaque décision doit être prise au niveau de l'impression publicitaire et dans un délai de quelques dizaines de millisecondes. La plupart des combinaisons annonceur-utilisateur-contexte n'ont jamais été rencontrées auparavant. Et les signaux dont l'IA tire parti arrivent sous différents formats, à différentes vitesses et avec différents niveaux de fiabilité.
Moloco développe des solutions pour ces complexités uniques depuis 2013, bien avant la vague actuelle d'enthousiasme pour l'IA. CARA utilise des architectures d'apprentissage profond pour ingérer simultanément des signaux provenant de nombreuses sources et générer des informations cruciales sur la manière dont les utilisateurs, les applications, les créatifs et les conversions sont liés. Sur plus d'un billion d'opportunités publicitaires par jour en moyenne, CARA estime l'intention de l'utilisateur, la probabilité de conversion, l'adéquation créative et l'économie des enchères – de manière unique pour chaque annonceur, en temps réel. ⓘ
Architecture
Pour Moloco Ads, le système est organisé en six domaines techniques, composés de multiples modèles, agents et logiciels spécialisés : Automatisation des campagnes, Offre, Recommandations publicitaires, Enchères, Créatifs et Signaux.
.png)
Détails des domaines
Chaque domaine résout un défi distinct et fonctionne de concert pour atteindre des résultats de performance rentables.
Les annonceurs définissent ce que représente le succès pour leur entreprise : maximiser le retour sur investissement publicitaire ou générer des événements in-app tels que des inscriptions, des dépôts ou des achats. De plus, les agents CARA évaluent les campagnes en cours, identifient les opportunités d'améliorer les performances et transmettent les informations qui en découlent aux annonceurs.
Pour chaque impression, CARA estime la valeur de l'opportunité en fonction de la probabilité qu'un utilisateur entreprenne une action particulière, mesurée par rapport à la valeur de cette action pour l'annonceur. Pour ce faire, nos modèles utilisent l'apprentissage profond pour ingérer simultanément des signaux provenant de nombreuses sources, formant des informations cruciales sur les comportements des utilisateurs, les applications des éditeurs, les produits, les formats créatifs, le contenu et l'interaction entre eux.
Chaque utilisateur voit une création choisie spécifiquement pour lui : la Création est une décision par impression, et non une évaluation au niveau de la campagne. Pour le SDK Moloco, les modèles CARA ajustent les composants publicitaires individuels que le SDK assemble en unités publicitaires complètes au moment de l'impression. Les modèles de sélection de CARA identifient ensuite la combinaison la plus susceptible de fonctionner pour cet utilisateur, dans ce contexte, parmi le vaste espace de candidats.
Les Signaux constituent la base des cinq autres domaines. CARA ingère des signaux provenant d'une grande variété d'événements de conversion d'annonceurs, d'interactions d'éditeurs, de requêtes d'enchères, de partenaires de mesure mobile et d'activités SDK. Ces signaux arrivent sous différents formats, à différentes vitesses et avec différents niveaux de fiabilité. Notre système est conçu pour intégrer tous ces signaux et trouver les modèles pertinents. Nos modèles apprennent les relations entre les utilisateurs, les produits, les créations, les contextes d'éditeurs et les événements de conversion, formant une couche unifiée qui rend chaque autre domaine plus précis.
Comment le système se renforce
Les améliorations dans chaque domaine renforcent la performance globale du système et se cumulent. Tous les domaines alimentent et lisent une couche de Signaux unifiée, de sorte que, à mesure que ce domaine s'enrichit, tous les autres domaines en bénéficient, même sans changement spécifique à un domaine. Les gains se transmettent d'un domaine à l'autre : une meilleure sélection de Créations améliore le signal d'entraînement pour les Recommandations publicitaires, des signaux d'Approvisionnement plus riches améliorent la précision des Enchères, et des Enchères plus précises génèrent davantage de données de résultats qui affinent les prédictions en aval.
Nos équipes itèrent en parallèle pour offrir des améliorations de performance, menant des centaines d'expériences simultanées chaque jour pour tester de nouvelles approches sur le trafic en direct. Ces expériences contribuent aux améliorations des modèles, totalisant 65 mises à jour de modèles en 2025.
FAQ
Un système d'IA composé coordonne plusieurs modèles, agents et logiciels spécialisés plutôt que de s'appuyer sur un seul modèle. Chaque composant de CARA est construit et optimisé pour un domaine spécifique : Enchères, Création, Approvisionnement, et ainsi de suite. L'architecture composée signifie que les améliorations dans un domaine se propagent aux autres : une meilleure couche de Signaux affine la précision des Enchères ; une meilleure sélection de Créations produit des données d'entraînement plus riches pour les Recommandations publicitaires. Ces améliorations se multiplient à travers le système plutôt que de s'additionner indépendamment.
Les versions de modèles mises à jour sont déployées en production aussi souvent que toutes les deux heures. Les résultats réels – tels que les conversions, les clics et les signaux d'engagement – sont continuellement réinjectés comme données d'entraînement. Cette boucle de rétroaction continue signifie que le système apprend toujours des données les plus récentes sur ce qui fonctionne pour chaque annonceur, segment d'utilisateurs et contexte d'approvisionnement.
Le signal épars est l'un des défis majeurs que CARA a été conçu pour relever. Sur l'Internet ouvert, une part significative de l'inventaire présente des signaux utilisateur limités, de nouveaux utilisateurs, des contextes d'applications à faible activité ou des environnements où l'historique comportemental est mince. L'architecture de modélisation de séquences de CARA (entraînée sur les historiques d'événements utilisateur à travers les applications) dans le domaine des Recommandations publicitaires est spécialement conçue pour prédire les résultats dans ces conditions, en s'appuyant sur des représentations apprises à travers toute l'étendue des relations de Moloco avec les fournisseurs et les annonceurs.
CARA représente l'architecture d'IA composée de Moloco, et cette approche s'applique à l'ensemble de la suite de produits Moloco. Les domaines techniques spécifiques et leur configuration varient selon le contexte du produit. Des informations sur la manière dont l'architecture d'IA composée s'applique à Moloco Commerce Media peuvent être trouvées ici.
Le SDK Moloco remplit deux fonctions simultanément. Premièrement, il s'intègre directement aux éditeurs, permettant à CARA d'accéder directement à leur inventaire publicitaire au lieu de passer par des partenaires d'échange. Deuxièmement, il donne à CARA un contrôle direct sur le rendu des créations sur les appareils, débloquant des formats publicitaires plus riches et des signaux comportementaux pour les modèles. Chaque nouvelle intégration SDK renforce l'ensemble du système composé, car le signal qu'il génère améliore la qualité des données d'entraînement dans les six domaines techniques.
