10.02.2022

Dijital Pazarlamada Yapay Zeka

RTB House Türkiye Ülke Müdürü Can Tunçer ve Programatik Envanter Satın Alma Müdürü Ali Cihan Özsüt ile gerçekleştirdiğimiz sohbette, yapay zekanın dijital pazarlama alanındaki etkilerinden ve RTB teknolojilerine kattıklarından söz ettik. Konuştuklarımızdan derlediğimiz yazıyı güncel gelişmelerden de bilgiler ekleyerek zenginleştirmeye çalıştık. Keyifli okumalar…

Yazımıza yapay zekanın en temel anlamıyla ne olduğuna ve günümüz dünyasına damgasını vuran iki insanın yapay zekâ konusundaki görüşlerine değinerek başlayalım.

Yapay zekâ, en temel anlamıyla, normalde insan zekasına ihtiyaç duyulan işlerin bilgisayarlara yaptırılması teknolojisi. 1950’lerde yapay sinir ağları (düşünen makine kavramı) üzerine çalışmalara başlanmasının ardından 1980’lerde makine öğreniminin popüler olduğunu, günümüzde ise deep learning (DL) ile yapay zekânın bambaşka bir seviyeye ulaştığını görüyoruz. Bununla birlikte, yapay zekâ donanımı olarak çoğunlukla ekran kartları kullanılıyor ve her geçen gün ucuzlayan donanımlar yapay zekâ temelli araştırma ve uygulamaların önünü açıyor.

Yapay sinir ağları ile makinaların aynı bir insan beyni gibi öğrendiği bilgileri kullanarak daha sonra gördüğü benzer örnekler hakkında karar verebilmesi sağlanabiliyor. Örneğin köpek şekli veya resmi gören bir insan hiç düşünmeden onun bir köpek olduğuna karar verebiliyor, yapay sinir ağlarıyla makinalara yaptırılmaya çalışılan da bu karar verme mekanizmasını oluşturmak.

Elon Musk’a göre yapay zekâ çok önemli ve tehlikeli olabilecek bir güç, o nedenle kontrol altına alınmalı. Mark Zuckerberg ise yapay zekanın çok önemli bir güç olduğu konusunda Musk ile hemfikir olmakla birlikte bu teknolojinin negatif yanlarından ziyade pozitif yanlarına ağırlık verilmesi gerektiğine inanıyor.

Machine Learning vs Deep Learning

Machine learning (ML) ve deep learning (DL) kavramları arasındaki en önemli fark, Machine learning’de bilginin girişi ve sonucu arasında manuel bir ayrıştırma varken, yani bu manuel işlem için hala bir insana gereksinim duyulurken, Deep learning’de bu manuel işleme gerek olmaması. Gelin şimdi deep learning algoritmasına sahip bir tasarımın nasıl çalıştığına ilişkin bir araştırmaya (*) göz atalım. Bir araştırma grubu ayak uçları, dirsekleri ve gövdesi olan bir örümcek tasarlıyor ve deep learning ile çalışan bu algoritmaya ayak uçları yere minimum seviyede temas ederek A nokrasından B noktasına gitmesi söyleniyor. Ne olacağını görmek için algoritma kendi kendine bırakılıyor ve algoritma hiçbir müdahale olmaksızın kendi kendine denemeler yapmaya başlıyor. İzleyenler tek ayak ucunda sıçramak, iki ayak ucunu kullanmak ve ayak ucu hiç yere değmeden ilerlemek gibi sonuçlar beklerken algoritmanın çok farklı bir hareket yaptığı, sırt üstü dönerek tamamen dirsekleri üzerinde yürüdüğü gözlemleniyor. Buradan yapay zekanın insanlardan daha farklı düşünebilen bir teknoloji olduğu sonucu elde ediliyor. Başka bir örnek olarak da Google DeepMind’ın bir bilgisayara deep learning ile A noktasından B noktasına gitmesi için komut verdiği deneyi verebiliriz. Bu örnekte, üretilen cisim hiçbir müdahale olmaksızın yerdeki cisimlerin üzerinden atlayarak ve yüksek cisimlerin altından geçerek ilerlemeyi tıpkı bir insan gibi deneye yanıla kendisi öğreniyor.

“Her Gördüğüne İnanma” Dedirten Deepfake Teknolojisi

Bugün tüm dünyada tehlikeli bir boyuta gelen ve hakkında gerek kişisel verilerin korunması anlamında gerekse hukuki boyutta önlemlerin alınmaya çalışıldığı deep fake teknolojisinden de biraz bahsedelim.

İngilizcedeki “deep learning (derin öğrenme)” ve “fake (sahte)” kelimelerinin bir araya gelmesinden oluşan deepfake, yüz ve ses değiştirme teknikleriyle gerçeğinden ayırt edilemeyecek düzeyde sahte içerik üretebilen bir teknoloji.

Deep fake teknolojisi ile üretilen videolarda kişilerin görüntüleri ve sesleri gerçeğinden ayırt edilemeyen şekilde kopyalanıp o kişilere hiç söylemediği şeyler söylettirilebiliyor veya yapmadığı hareketler yaptırılabiliyor.  Bu durum her ne kadar çok tehlikeli görünse de tıpkı herhangi bir haber içeriğinin doğru olup olmadığını tanımlayan algoritmalar olduğu gibi, deep fake ile üretilen bir videonun gerçek olup olup olmadığını ortaya koyan algoritmalar da olacaktır.  Sonuç olarak, her konuda olduğu gibi bu konuda da eksilerin ve artıların birbirini dengeleyeceğini, ayrıca zaman içinde insanların bilinçleneceğini tahmin etmek güç değil. 

Yapay Zekâ Hangi Alanlarda Kullanılabilir?

Bundan sonrasında bizi neler bekliyor? Hastalıkları keşfeden algoritmalar, Siri benzeri ancak daha gelişmiş asistanlar, olası doğal afetlerin önceden keşfi, insansı robotlar ile daha verimli üretim yapay zekanın kullanılacağı bazı konular olarak sıralanabilir.

Faydalı olabilecek kullanımları dışında, yapay zekanın kaos yaratabileceğini savunan bazı teoriler de mevcut. Bu kaos teorilerine göre, ilerleyen dönemlerde, belli bir üretim hacminin üzerine çıkıldığında yapılması gereken AI araştırma protokollerini, insansı robot haklarını ve kişisel alan ihlalini göz önünde bulundurmak gerekiyor.

Yapay Zekanın Dijital Pazarlama Alanında Kullanımı

Dijital pazarlama alanında yapay zekâ kreatif alandan çok kişiselleştirme üzerine kullanılıyor. Tüketicilerin %71’i kişiselleştirilmiş reklam görmeyi istiyor. (**) Bu da bize gösteriyor ki kullanıcıların kişiselleştirilmiş reklam görme konusundaki taleplerinin karşılanmaması sonuç olarak sektörü kötü yönde etkiliyor. Bu aşamada, yapay zekâ kullanımı milyonlarca kişi arasından kişiye özel reklam seçimi (renk, dil, lokasyon, görsel içeriği, doğru ürün, doğru zaman vb. gibi) yapılabilmesi konusunda önemli bir avantaj sağlıyor. Yapay zekâ ile yapılan dijital pazarlamaya aşağıdaki örnekleri verebiliriz:

  • DL (Deep learning) chatbot – Satış/Ürün öneri/Satış sonrası hizmetler
  • Retargeting – Kişiye özel reklam deneyimi
  • İçerik üretimi – SEO amaçlı ve site içi içerik üretimi
  • Reklam kişiselleştirme – Ürün/mesaj/cinsiyet vb. gibi
  • Kişiye özel video – Hiç video olmadan video içerik üretme
  • E-mail marketing – Kişiye özel mesajlar

Yapay zekâ temelli algoritmaların avantajları olarak, daha fazla data ile doğru kitle analizini, AI ile çok daha verimli pazarlama ve return on investment (ROI)’ı, çok daha etkili kullanıcı deneyimini ve deep learning (DL) ile insanüstü sonuçları sayabiliriz.

Deep Learning ile Real Time Bidding (RTB) Nasıl Yapılıyor?

Programatik reklamcılık ve envanter satın alma yöntemleri arasında yer alan gerçek zamanlı açık arttırma (Real Time Bidding- RTB) kullanıcıların ilgi alanlarına göre doğru yer ve doğru zamanda reklam gösterimi yapan bir teknoloji. Peki deep learning’in bu teknolojiye sunduğu katma değer nedir?

Retargeting’i temel olarak bir markanın web sitesine giren bir kullanıcının cookie verilerini takip edip daha sonra gezdiği sitelerde ilgili markanın reklamını göstermek olarak tanımlayabiliriz.  Deep learning tekonolojisi ise kullanıcının markanın sitesinde aldığı aksiyonları yapay zekâ ile analiz edip daha efektif bir retargeting süreci sunuyor. Kullanıcıların retargeting sürecinde geçtiği farkındalık, değerlendirme ve dönüşüm fazları arasındaki ilişki, deep learning tarafından sitede gezme, ürünleri gezme, reklama tıklama ve satın alma gibi ek bilgi katmanlarıyla analiz edilerek kullanıcıya doğru ürününün göstermesi sağlanıyor.

Retargeting yapan teknoloji şirketleri genellikle machine learning kullanıyor ancak machine learning’in kullanıcının hangi fazda olduğunu analiz etme konusunda deep learning kadar yeterli olmadığını söyleyebiliriz. Deep learning teknolojisi kullanıcının hangi ürünleri gezdiğini, kaç kere incelediğini, sepete atıp atmadığını, sayfada geçirdiği süreleri çok daha efektif bir şekilde analiz edip kullanıcıya doğru ürünü doğru zamanda göstererek dönüşüm potansiyelini arttırıyor.

Programatik Reklamcılıkta Envanter Satın Alımı Nasıl Gerçekleşiyor?

Programatik reklamcılık, reklam alanlarının SSP (Supply side platform)’ler ve DSP (demand side platform)’ler aracılığıyla alınıp satıldığı sürecin adıdır. Bu süreç DSP’ler, ad exchange’ler ve SSP’ler arasında gerçekleşiyor. Bu terimlerden kısaca bahsedelim.

DSP: Demand side platform, programatik dünyada envanteri otomatize şekilde satın almayı sağlayan bir arayüz. DSP’ler sayesinde display, mobil ve video envanter satın alımı yapılabiliyor.

SSP: Supply side platfom yayıncılar tarafından kullanılan ve programatik envanter satışını sağlayan bir arayüz. Bu arayüz sayesinde de yayıncılar, sahip oldukları standart display, mobil ve video envanterleri satabiliyorlar.

Bu iki arayüz haricinde bir de direkt entegrasyondan bahsedilebilir. Direkt entagrasyonla ise bir SSP kullanılmadan, sahip olunan DSP bir yayıncının sitesine direkt olarak entegre edilerek de envanter satın almak mümün.

Envanter Satın Alma Yöntemleri

Envanter satın alma yöntemlerini aşağıdaki şekilde sıralayabiliriz:

Premium Inventory / Direct- sold: Satın alma yöntemleri piramidinin en tepesinde yer alır. Ajansların geleneksel yöntemlerle envanter satın aldığı ordinolu satın alma şeklidir.

Private Marketplace / Not Guaranteed Programmatic: Satın alma yöntemleri piramidinin orta kısmında yer alır. Yayıncılar, ajanslar ile kullandıkları programatik platformlar (SSP’ler ve DSP’ler) aracılığıyla anlaşmalar yaparak envanteri öncelikli satmak istedikleri partnere satarlar. Yani envanter satın alması yaparken en hassas nokta envanteri rakiplerden önce analiz ederek kullanıcıyı yakalamak ve reklamı göstermektir. Burada hızlı olan ve yüksek fiyatı veren kazanır denilebilir.   

Open Market / Real Time Bidding Programmatic: Satın alma yöntemleri piramidinin en alt kısmında yer alır. Herhangi bir anlaşma yapmadan envanter satın almayı sağlayan bir alım satım yeridir. Burada DSP kullanan her ajans ve teknoloji şirketi herhangi bir yayıncıyla anlaşma yapmadan envanter satın alabilir. Bu alım satım şeklinde envanterin performansı piramidin en üstündeki Premium satın alma şeklideki kadar yüksek değildir. Bu nedenle performans kampanyalarından yüksek dönüş elde etmek isteyen satın almacıların “Private Marketplace” anlaşmalar yapmaları önerilebilir.

Envanter Satın Alma Sürecinde Deep Learning

Real Time Bidding (RTB) protokolü envanter satın alması yapacak olan tüm partnerler için aynı şekilde işliyor ancak deep learning algoritması bize sunulan envanteri birçok bilgi katmanıyla değerlendirip satın alıyor.

Deep learning teknolojisi RTB protokolüne müdehalede bulunamamakla birlikte, bu protokolden geçen envanteri satın alırken, arkada kullandığı teknoloji sayesinde iyi bir analiz yapabiliyor. Dolayısıyla kullanıcının ürünle ne kadar ilgili olduğu, müşterinin sitesinde ne kadar gezdiği, satın alma eğitimleri gibi verileri analiz ederek dönüşüm ihtimalini hesaplayıp, çıkardığı sonuca göre kullanıcıya ürünü gösteriyor veya göstermiyor. Kullanıcıya doğru değeri verip doğru para harcamanın hedefleri tutturma konusunda ne kadar önemli olduğunu biliyoruz. Yapay zeka teknolojilerinin, sağladıkları efektif analizlerle bu sürece sağladığı katma değerin  farkına varıldığını ve önümüzdeki dönemde kullanımının daha da artacağını söyleyebiliriz.  

Peki Bundan Sonrasında Bizi Neler Bekliyor?

Gelecekle ilgili en çok konuşulan iki konu GDPR ve KVKK uyumluluğu. Sektördeki tüm paydaşların yerel kanunlara, ülkelerdeki gelişim ve değişimlere, teknolojinin kullanıcıları takip etme şeklindeki değişimlere ayak uydurması oldukça önemli. Yakın gelecekteki değişimler, yapay zekanın hayatımıza daha fazla girecek olması e-ticaretin de evrilmesine ve doğal olarak farklı bir geleceğe doğru gidilmesine neden olacak.

En çok gündemde olan bir diğer konu ise cookie takibi. Üçüncü parti çerezlerin kaldırılmasıyla ilgili atılan adımlar akla retargeting’in nasıl yapılacağıyla ilgili soruları da getiriyor. Bu konuda düzenlemeler getirmeye çalışan büyük firmaların da gelirlerinin büyük kısmı reklam üzerinden olduğu için hiçbir zaman bu sektörün sonunu getirecek aksiyonlar almayacaklarını, yapılmaya çalışılanın retargeting’i global GDPR kurallarına biraz daha uygun hale getirmek olduğunu söyleyebiliriz. Bu süreçte yapılması gerekense tracking kurallarını ve cookie takip süreçlerini değiştirmek ve süreci zorlaştırsa da yeni kurallara uyumlu hale gelmek.

Yapay zekanın dijital pazarlamada kullanımı konusunu daha detaylı bir şekilde ele aldığımız yayınımızı buradan izleyebilirsiniz.

Deep learning calışmaları için aşağıdaki linklerde verilen örnekleri inceleyebilirsiniz:

https://machinelearningmastery.com/inspirational-applications-deep-learning/

http://www.yaronhadad.com/deep-learning-most-amazing-applications/

Kaynaklar

(*)https://www.researchgate.net/publication/263967682_Robots_that_can_adapt_like_natural_animals    

https://www.youtube.com/watch?v=GdTBqBnqhaQ

(**)https://www.marketingdive.com/news/study-71-of-consumers-prefer-personalized-ads/418831/

Yasemin Koçak

IAB, Üye İlişkileri ve Çalışma Grupları Yöneticisi