Address

1410 Rue Stanley
Suite 606
Montreal, QC H3A 1P8
Canada


122 East 42nd Street
Suite 2005
NY, NY 10168
USA

 

Email

info@datacratic.com

Adresse

1410 rue Stanley 606
Montréal, QC H3A 1P8


122 East 42nd Street
Suite 2005
NY, NY 10168
USA

 

Courriel

info@datacratic.com

 

Location map

Contactez-nous

Comment pouvons-nous vous contacter?
http://
Votre soumission, excluant les informations personnelles, sera analysée par un détecteur de pourriels. En envoyant ce formulaire, vous acceptez la politique de confidentialité de Mollom.

Contactez-nous

L’optimiseur de données sur l’auditoire

Qu’est-ce que c’est?

Notre optimiseur de données sur l'auditoire est un système de création de modèles en temps réel. L'application utilise toutes les sources de données disponibles pour attribuer une note aux utilisateurs en fonction de la probabilité de ressemblance à un autre utilisateur. Cela permet à nos clients d'utiliser toutes les sources de données disponibles, qu’elles soient les leurs ou celles de tiers, pour attribuer automatiquement une note aux utilisateurs et segmenter ceux qui ont la plus forte probabilité de cliquer ou d’effectuer une conversion.

Comment Datacratic attribue-t-il ses scores?

Datacratic bâtit des modèles multivariés et non linéaires destinés à créer une relation de causalité entre les signaux et événements inhérents à vos données et un évènement (une conversion) à venir. En d’autres mots, Datacratic utilise les données du passé pour prédire l'avenir. Pour ce faire, nous utilisons des algorithmes qui apprennent autant de la présence de segments dans le profil d'un utilisateur que de leur absence. À leur tour, ces algorithmes sont utilisés pour entraîner les modèles. Ils utilisent tous les points de données disponibles, ainsi que l’ordre chronologique dans lequel ces évènements se sont produits, assurant ainsi le caractère essentiel des facteurs de récence et de fréquence au sein des modèles.

 

Quelles sont les principales caractéristiques des modèles de Datacratic?

Données multivariées

Les modèles prennent en compte toutes les informations disponibles sur les segments de l'utilisateur. Ils considèrent également la durée pendant laquelle l'utilisateur est membre de chacun des segments et le nombre de fois que l'utilisateur a rejoint le segment dans les x jours passés.

Relations non linéaires

Les modèles de Datacratic peuvent trouver des relations fortement non linéaires entre les évènements et les signaux inhérents à vos données et le comportement de vos utilisateurs et clients.

Relations causales

Les modèles de Datacratic tirent parti des données passées pour prédire le futur.
 

Données continues et non binaires

Les modèles de Datacratic énoncent des scores plutôt que des distinctions de type oui/non. Par exemple, ils ne se contentent pas de prendre en compte si oui ou non un utilisateur est dans une catégorie (entrée binaire oui/non), mais prennent en compte si l’évènement est récent (entrée continue), et ne se contentent pas non plus d’indiquer si un utilisateur effectuera une conversion (sortie binaire oui/non), mais ils indiquent la probabilité qu'ils effectuent cette conversion (sortie continue).

Données objectives

la plateforme Datacratic est conçue pour nous assurer que nous ne faisons qu’utiliser le passé pour prédire l'avenir. Utiliser des données du futur pour prédire le passé donne d'excellents résultats en laboratoire, mais jamais dans un environnement de production réel. Notre système nous dit quand quelque chose est trop beau pour être vrai, et nous nous assurons que ce « quelque chose » disparaît pour éviter que les modèles ne déçoivent une fois atteinte la phase de production.

Validation croisée

Quand des modèles sont entraînés sur la plateforme Datacratic, une partie des données d’entraînement est systématiquement retenue et sauvegardée. Nous utilisons ensuite la composante de simulation pour de nouveaux tests du modèle avec des données inédites pour surveiller son rendement. C'est ainsi que nous contribuons à créer des modèles qui ne sont ni biaisés ni surformattés. Un modèle particulièrement biaisé ou ayant été sur-entraîné se comporterait bien lors de l’entraînement et mal à l’occasion d’une évaluation par  validation croisée. Nous supprimerions alors l'attribut qui biaise le modèle.

Qui peut utiliser ce produit?

Réseaux publicitaires

Les réseaux publicitaires peuvent tirer parti de l'optimiseur de données utilisateurs pour segmenter les utilisateurs qui sont les plus susceptibles de répondre aux campagnes de vos clients. Appliquez la prochaine génération d’outils d'optimisation pour améliorer les performances de votre campagne et vous donner un réel avantage concurrentiel.

Plateformes de gestion des données (DMP)

Les DMP peuvent intégrer l’optimiseur de données utilisateurs Datacratic directement au cœur de votre plateforme. Vos clients peuvent ainsi créer des modèles sophistiqués utilisant des données propriétaires qu’ils gèrent par le biais de votre plateforme.

Plateforme de gestion de la demande

Les DSP peuvent intégrer l’optimiseur de données utilisateurs Datacratic et en appliquer le résultat à vos stratégies de “bids”. Les DSP peuvent également utiliser le Bidder Datacratic et/ou l'optimiseur de “bids” et équiper votre plateforme de fonctions d'apprentissage-machine en temps réel et de modélisation prédictive.

 

Par où commencer?

Solutions connexes