该模型将有助于分析需求方平台（ DSP ）的表现，并仅向其发送最相关的广告请求。
RTB 竞价涉及 SSP 和 DSP 交换数十亿个广告请求和响应，这给双方的服务器造成了巨大压力。 最重要的是，并非每个请求最终都与给定的DSP相关。这意味着由于低效的流量利用率，大量的服务器能力基本上被浪费了。
为了节省所有参与方的资源并提高流量转化率，我们推出了智能节流方案。 此解决方案将帮助算法从合作伙伴的结果中学习，预测给定 DSP 的广告请求效率，从而提升收入。
智能节流后端技术探秘
智能节流由机器学习模型提供支持。该模型分析 100 多个因素：从最通用的驱动因素到每个用户的个别数据。 对于每个合作伙伴，系统会根据投放、地理位置、格式和许多其他指标确定个别的流量转换标准。 这有助于为每个 DSP 个性化广告请求。
以前，在配置标准预定位参数时， Yandex SSP 会随机发送请求（在给定的 QPS 内）。 现在，该模型旨在最大限度地提高收入。 凭借对 DSP 合作伙伴投标人行为的了解，它可以预测流量转化率，仅发送最相关的请求。
服务器资源效率是S2S集成双方的关注重点。 根据我们的数据，新解决方案已经帮助降低了CPU 使用率。通过训练模型，我们可以为我们和我们的合作伙伴减轻服务器的压力，同时改进特定的业务指标。 例如， DSP的流量个性化会增加平均转化率（winRate、showRate），从而提升每一个DSP的收入。
合作伙伴体验： Hybe.io 借助智能节流提高其应用内收入
在实施Yandex智能节流后，我们注意到关键指标显著增长。 在短短一个月内，我们的总收入增加了20％ ，展示次数增加了70％。 这些引人注目的数字凸显了这项新技术对我们活动表现的积极影响。 我们相信，智能节流将进一步提高我们的营销效率，并将开展更多研究，以最大限度地发挥这一功能的优势。
智能节流的引入是我们努力提高Yandex SSP效率的又一个里程碑。 我们将继续在全球市场上实施最佳解决方案，为我们的合作伙伴增加广告收入。