Dr. Öğr. Üyesi Mehmet Safa Çam
ORCID:0000-0001-6046-4585
Aksaray Üniversitesi İletişim Fakültesi
msafacam@aksaray.edu.tr
ISBN: 978-605-71074-1-1 
Yayın Tarihi: 24.03.2022
Doi: 10.5281/zenodo.7301765

İnternet teknolojilerinin hayatın içinde yer edinmeye başladığı ilk zamanlardan bu yana, tüm pazarlama ve marka iletişimi süreçleri büyük bir dönüşümü deneyimlemiştir. Bu süreçte, dijital reklamcılığın ilk aşaması olan etkileşimli reklamcılık, kullanıcı deneyimi açısından büyük bir çığır açmıştır. Programatik reklamcılıkla birlikte yazılım tabanlı otonom uygulamalar, dijitalin ikinci aşaması olarak markaların hizmetine sunulmuştur. Günümüzde, markaların dijital reklam bütçelerini etkin bir şekilde yönetebilmeleri adına yapay zeka reklamcılığının oldukça önemli avantajlar sunduğunu ifade etmek gerekmektedir (Li, 2019; Seitz & Zorn, 2016). Merkezinde algoritmalar barındıran veri tabanlı bir platform tarafından desteklenen yapay zeka reklam süreci, yönetilebilir, senkronize ve yüksek verim vadeden bir pazarlama etkinliğini olanaklı hale getirmektedir (Qin & Jiang, 2019, s. 338). Medya ve iletişim teknolojileri makine öğrenimi süreçlerine entegre hale geldiğinden, yapay zeka bilgisayar aracılı iletişim süreçlerinin ayrılmaz bir parçası olarak varlığını pekiştirmiştir. Kullanıcılar diğer kişiler ve algoritmalarla kesintisiz bir şekilde etkileşime girdikçe, çevrimiçi sosyal ilişkiler yazılımsal arayüzler aracılığı ile derinleşmekte ve yönetilmektedir. Böylece, dijital medyayı var eden algoritmalar, etkileşimleri sürekli gözlemleyerek ve proaktif olarak katkıda bulunarak veriden beslenen bir sistemin devamını sağlamaktadır  (Sundar, 2020, s. 75-78). Bu durumun reklamcılık endüstrisi açısından olağanüstü bir değişime kapı araladığı ifade edilebilir. Yapay zeka teknolojilerinin reklamcılık endüstrisinde kullanılmasıyla birlikte araştırma, stratejik planlama, metin yazarlığı, medya planlama ve satın alma, performans değerlendirmesi başta olmak üzere reklam yönetim süreçlerinin büyük bir dönüşüm geçirdiğine vurgu yapmak gerekmektedir (Liao, 2017). Ayrıca, yapay zeka ve makine öğrenimi teknolojilerinin her geçen gün medya araçlarında daha yoğun bir şekilde kullanıldığı günümüzde; tüketici sezgilerini araştırmak, reklam gösterimini optimize etmek, kampanya etkinliğini değerlendirmek ve hatta mesajın bileşenlerini otomatikleştirmek (Wu & Wen, 2021, s. 133) gibi pek çok reklam süreci algoritmaların yeteneklerine devredilmiş durumdadır. Tüketiciler ise, bu değişimi web tarayıcılarındaki kişiselleştirilmiş reklamlarda ve satın alma kararları vermelerine yardımcı olan çevrimiçi sosyal platformlarda tecrübe etmektedirler. Yapay zeka, kişisel verilere dayanarak insan davranışlarını taklit etmeye programlanmış, düşünen ve öğrenen makinelerin insan zekasını simüle etme biçimine atıfta bulunmaktadır. Algoritmalar, dijital parmak izlerini takip ederek daha yerinde kararlar almak ve uygulamak üzere kişisel verilerden yararlanmaktadır. Bu nedenle, reklamcılar ve pazarlamacılar, kişiselleştirilmiş deneyimler oluşturmak, doğru kitleyi hedeflemek, doğru etkileyicilere ulaşmak ve daha hızlı kararlar almak amacıyla yapay zekadan yararlanmaktadırlar (IBM Watson Advertising, 2021). Reklamcılık endüstrisinin dijitalleşmesiyle birlikte gelinen nihai noktada yapay zeka, markalara tüketicileri hiç olmadığı kadar hızlı ve kapsamlı bir hedefleme imkanı vadetmektedir. Bu durumun veri mahremiyeti ve etik endişeleri beraberinde getireceği dillendirilse de, markaların önümüzdeki dönemde yapay zeka reklamcılığına giderek daha fazla yatırım yapacaklarını düşünmek oldukça olasıdır.

Yapay Zeka ve Dönüşen Reklamcılık

Teknolojinin yeni bir boyut kazandığı yazılım tabanlı dijital uygulamalar, reklam ve pazarlama faaliyetlerinin gerçekleştirilme şeklini önemli ölçüde dönüştürmüştür. Yapay zeka, insan yardımıyla ya da tümüyle kendi kendine öğrenen bir dizi algoritmayı kapsayan şemsiye bir terimdir. Dolayısıyla, yapay zeka teknolojileri, belirli bilişsel görevleri tıpkı insanlar gibi ya da onlardan daha verimli bir şekilde yerine getirmektedirler (Kaput, 2021). Metinleri okuyup anlayan, görüntüleri analiz eden, otonom kararlar verip hareket eden, sesleri duyabilen ve çevrelerini yorumlayan “akıllı” makineler, yapay zekanın işleyiş mantığını örneklendirmektedir. Kullanıcıların dijital dünyaya gönderdiği verilerden beslenen algoritmik yazılımlar, reklamcılık endüstrisinin dijital serüveninde önemli bir dönüm noktasına ulaşmasını sağlamıştır. Reklamcılığın süreç modelleri tümüyle değişmiş ve tüketicilere daha hızlı ve etkin bir erişimin yolu açılmıştır. Yapay zeka teknolojilerinin reklamcılık alanında işlerlik kazanmasıyla birlikte, programatik satın alma en önemli medya satın alma modeli haline gelmiş ve çok sayıda şirket yazılım tabanlı uygulamalarla dijital reklamcılık süreçleri konusunda hizmet vermeye başlamıştır (Qin & Jiang, 2019, s. 338). Yapay zeka ve makine öğrenimi, yazılım tabanlı reklamcılık çözümleri geliştirmek amacıyla karmaşık bilgileri büyük hacimlerde işlemektedir. Bu bağlamda, reklam platformları ve içerik sağlayıcılar yapay zeka teknolojilerini çeşitli amaçlarla sistemlerine adapte etmişlerdir. Reklam yayın sürecini optimize etmek, reklamverenlerin iş yükünü hafifletmek, hata riskini en aza indirmek, mesaj ve reklam bileşenlerinin niteliğini artırmak bu amaçlardan bazılarıdır (Osadchuk, 2021). Google, pazarlama performansını artırmak amacında olan işletmelere reklam çözümleri sunan en önemli dijital çözüm ortaklarından birisi konumundadır (Ha & Khoa, 2021, s. 154). Ayrıca, makine öğrenimi destekli araçların ve algoritmaların geliştirilmesine öncülük eden önemli bir aktöre dönüşmüştür. Google, makine öğrenme metodolojisini kullanarak dijital açık artırma yöntemiyle reklam fiyatlandırmalarını belirlemekte ve reklam mesajlarının doğru hedef kitleye doğru zamanda ulaştırılmasına yardımcı olacak çözümler üretmektedir. Böylece, ürün ve markaların tüketiciler ile hızlı bir şekilde biraraya gelmesi sağlanmaktadır. Google, ayrıca, işletmelere ait konum bilgisi ve reklam görsellerini biriktirerek, ürün ve marka alıcılarının alışveriş ihtiyaçlarına çözümler sunmakta, belirli bir lokasyonda tüketicileri ihtiyaçları doğrultusunda mağazalara yönlendirebilmektedir. Böylece, mağaza trafiğini artırmayı amaçlayan yerel kampanyaların düzenlemesine yardımcı olmaktadır (Ha & Khoa, 2021; Osadchuk, 2021). Öte yandan, Facebook ve İnstagram gibi sosyal platformlar da reklam yayını ve erişimini maksimize etmek amacıyla makine öğrenme teknolojisini etkin bir şekilde kullanmaktadır. Makine öğrenimi modelleri, kullanıcıların web sitesi ziyaretleri, tıklama eğilimleri ya da satınalma olasılıkları gibi arzulanan davranış çıktılarını reklam hedeflerine bağlı olarak analiz etmekte ve yorumlamaktadır. Bu süreçte yapay zeka algoritması kullanıcıların tüm dijital izlerini reklam içeriğinin planlanması, zamanlaması ve gösterimi gibi süreçlerin etkinliği doğrultusunda incelemektedir. Ayrıca, kullanıcıların reklamları tıklamak ya da bir gönderiyi beğenmek gibi Facebook uygulamalarını kullanırken gerçekleştirdiği davranış eğilimleri, platform dışındaki ziyaretler, tıklanan uygulamalar ya da çevrim içi satınalma biçimleri makine öğrenme modellerinin analiz ettiği davranışlara örnek olarak verilebilmektedir. Reklamverenle doğrudan paylaşılmayan ancak reklamverenin tasarladığı dijital mesajların etkin bir şekilde hedefe yönlendirilmesinde kullanılan kişisel veriler, platformun reklam etkinliğini artıran en önemli bileşenlerinden birisidir  (Facebook Business, 2022). Böylece, yalnızca yapay zeka ile kontrol edilen bir reklamcılık iş modeli hızlı ve maliyet etkin bir şekilde markaların hizmetine sunulmuş olmaktadır.

Hedef Kitle Belirleme ve Yapay Zeka

Reklam araştırması ve hedef kitle belirleme aşamalarında gerçek zamanlı verinin toplanması ve analiz edilmesi yapay zeka teknolojileri sayesinde anlık olarak gerçekleştirilmektedir. Veri toplama, kullanıcı bilgileri ve davranış eğilimlerinin algoritmalar tarafından yönlendirilen takip uygulamaları yardımıyla elde edilmesi süreci olarak tanımlanmaktadır (Qin & Jiang, 2019, s. 340). Bu süreç kullanıcıların internette sergiledikleri davranışları gözlemleyen, kayıt altına alan ve kişiselleştirilmiş reklam gösterimi doğrultusunda verileri kategorize eden bir yapay zeka teknolojisine dayanmaktadır. Böylece, makine öğrenimi ve yapay zeka, markaların stratejik hedef kitle tanımları doğrultusunda etkileşim merkezli bir reklam maruziyeti üzerinden etkili kampanyalar tasarlanmasına olanak tanımaktadır. Programatik reklamcılık, kullanıcı bilgilerinden hareketle reklam hedefleme konusunda markalara oldukça hızlı çözümler sunmaktadır. Yapay zeka algoritmasının entegre edildiği programatik reklamcılık, internet ortamında sürekli olarak gözetleme ve istihbarat toplama etkinlikleri gerçekleştirmektedir. Böylelikle, reklamverenlerin ve yayıncıların hızlı bir şekilde bağlantıya geçmesi sağlanarak internet kullanıcılarına ilgi alanları özelinde anlık olarak reklam içeriklerinin ulaştırılması sağlanmaktadır (Smith, 2021). Google, Facebook ve diğer sosyal platformların geliştirdiği makine öğrenme metodolojileri programatik reklamcılık süreçlerinin hedefleme başarısını oldukça ileri noktalara taşımışlardır.

Mesaj Tasarımı ve İçerik Yazılımı Sistemleri

İnternet ortamında ya da sosyal platformlarda yapay zeka destekli uygulamalar sayesinde içerik üretimi ve mesaj tasarımı gibi reklamcılık etkinlikleri anlık olarak kontrol edilebilmektedir. Dijital ağların  yapay zeka algoritmaları, markanın pazarlama dili ve mesaj tonu doğrultusunda kişiselleştirilmiş bir organik metin yazımı simülasyonu sunmaktadır. Böylelikle, tıklama ve etkileşimlerin etkinliğini artırmak amacıyla tasarlanan karmaşık algoritmalar sayesinde geniş ölçekte reklam metni alternatifleri üretilebilmektedir (Kaput, 2021). Yapay zeka yeteneği yalnızca görsel içeriğin oluşturulmasıyla sınırlı değildir. Son dönemlerde doğal dil işleme (NLP – Natural Language Processing) ve doğal dil oluşturma (NLG – Natural Language Generation) alanındaki gelişmeler, yapay zekayı metin yazarı ekiplerinin bir parçası haline getirmiştir (Koidan, 2020). Sosyal platformlar ve dijital ajanslar metin yazarlığı ve reklam tasarımı süreçlerini hızlandırmak, müşterilerine doğru ve hızlı çözümler üretmek adına metin yazarlığı algortimalarından yararlanabilirken, markalar da kendi mesaj tasarımı süreçlerini yönetebilmekte, yapay zekayı içerik tasarımında yardımcı bir araç olarak kullanabilmektedirler.

Reklam Mesajı ve Dilsel Algoritmalar (NLP-Natural Language Processing)

Dil analitiği olarak da bilinen doğal dil işleme (NLP), ürün kullanım deneyimlerine ilişkin yazılı-sözlü tepkiler gibi içgörüler ve diğer ham veriler üzerinden makine öğrenme mantığını esas alan bir yapay zeka teknolojisidir (Hansen, 2021). Doğal dil işleme (NLP), yapay zeka algoritmasının anlam türetmek için insan dilinin nüanslarını analiz etmesine olanak tanımaktadır. Bloglar, çevrimiçi topluluklar, ürün incelemeleri, sosyal paylaşımlar, durum güncellemeleri, yorum ve eleştiriler dil işleme algoritmasının analiz birimlerini oluşturmaktadır (Kietzmann, Paschen, & Treen, 2018). Dil analitiği algoritması, genellikle bir olgunun neden ve sonuçlarını yorumlamaya yönelik bir anlayış kazanmak amacıyla kullanılmakta ve tüketici içgörülerine dayanan pazarlama kararlarını almayı kolaylaştırmaktadır (Eng, 2020). IBM, Google Analytics, Facebook gibi dijital platformlar, dil tanıma algoritması geliştirerek reklamveren markalara tasarım, görsel, metin yazımı gibi reklam süreçlerinde dijital çözümler sunan başlıca hizmet sağlayıcılar olarak öne çıkmaktadır.

Medya Planlama ve Programatik Satınalma

Yapay zeka sistemlerinin medya planlama ve satın alma süreçlerinde kullanımı programatik satın alma algoritmalarının üretilmesiyle birlikte yaygınlık kazanmıştır (Qin & Jiang, 2019). Yazılım tabanlı medya satın alma, belirli bir bağlamda belirli bir kullanıcı grubu ile uygun reklam içerikleri arasındaki ideal eşleşmeyi sağlamak üzere, verilerden yola çıkarak optimum hedefleme gerçekleştirmeyi olanaklı hale getirmektedir (Chen, Xie, Dong, & Wang, 2019). Otomatik satın alma ve planlama sistemi, veri yönetim platformu (DMP) ve talep tarafı platformu (DSP) şeklinde tanımlanan iki algoritma sistemi üzerine kurgulanmıştır. Reklamverenler, her bir potansiyel gösterim fırsatını değerlendirmek ve talep platformu üzerinden makine öğrenimi algoritmalarını kullanarak teklif vermek için veri yönetim platformu tarafından sağlanan çok büyük miktarda tüketici verisinden yararlanmaktadır. Bu süreçte yapay zeka algoritması, program tabanlı satınalmayı etkinleştirmek için her iki platfromu birbirine bağlantılı hale getirmektedir. Talep platformu ise reklamveren ve reklam ajansının banner reklamlar, dijital video içerikleri ve diğer türde reklam içeriği satın aldığı platformlar olarak, yapay zeka tabanlı programatik satın alma sürecinin merkezinde yer almaktadır. Reklamverenlerin kitleleri hızlı ve etkin bir şekilde hedeflemesine ve gösterim sağlamak üzere gerçek zamanlı teklif verme sisteminin işlerlik kazanmasına yardımcı olmaktadır (Chen et al., 2019; Peterson, Pitt, Plangger, Ferguson, & Mills, 2019; Seitz & Zorn, 2016). Böylece, tıklama bazlı reklam ücretlendirme modeli, reklamverenlerin pazarlama faaliyetleri ile ortaya çıkan medya satınalma maliyetleri üzerinde etkin bir planlama yapılabilmesine de olanak tanımaktadır. Ayrıca, yapay zeka, veriye dayanan bir hedeflemeyle potansiyel müşteri-mesaj içeriği etkileşimini üst düzeye çıkaran reklam süreçlerinin, medya planlama ve satınalma faaliyetlerinin dijital ortamda büyük bir hız kazanmasına öncülük etmektedir.

Sonuç

Yapay zeka sistemleri, reklamcılık faaliyetlerinin maliyet ve süreç bağlamında çok daha etkin bir şekilde yönetilmesine önemli katkılar sunmuştur. Tüketici içgörülerinin veri bazlı bir algoritma ile saptanması sonucunda, neredeyse, hatasız bir eşleşmeye olanak tanıyan yapay zeka algoritmaları, geleneksel reklamcılık anlayışının ötesinde bir süreç yönetimi imkanı ortaya koymaktadır. Bu doğrultuda, reklam ajansları ve reklamverenler pazarlama stratejilerinde dijital mecra yönelimlerine zamanla daha büyük bir bütçe ayırmaya başlamışlardır. Bu açıdan dijital reklamcılık, günümüzde, gerek yapay zeka kaynaklı etkin süreç yönetimi olanakları ve gerekse de yatırımın geri dönüşü (ROI) merkezli değerlendirme sonuçları itibariyle marka iletişiminde yeni fırsatların ortaya çıkmasını sağlamaktadır. Bu süreçlerin yanı sıra, reklamcılar internet ortamındaki pek çok platformdan (sosyal paylaşım siteleri, topluluklar, web siteleri, uygulamalar vb.) kullanıcı verilerini algoritmaların yardımıyla toplayarak enformasyona dönüştürebilmekte ve tüketici içgörülerine hızlı bir şekilde ulaşabilmektedirler.

Yapay zeka destekli reklamcılık uygulamaları, kullanıcıların anlık dijital eylemlerini takip etmektan reklamın davranışsal etkinliğinin değerlendirilmesine kadar biri dizi reklam yönetimi sürecini optimize etmektedir. Ayrıca, yapay zeka algoritmalarının işlerlik kazandırdığı programatik reklamcılık sayesinde markalar, potansiyel tüketicileri çevrim içi yollardan hızlı bir şekilde hedefleme imkanına kavuşmuşlardır. Bu etkinin ortaya çıkmasını sağlayan en önemli faktör ise, yapay zekanın, potansiyel tüketicilere erişimi olanaklı kılan kullanıcı verilerinin kolaylıkla elde edilebilmesine imkan tanımasıdır. Demografik ve davranışsal verilerin analiz edilip hedef kitle tanımlarına dönüşmesi, veriler ışığında en uygun mesaj içeriğinin tasarlanması ve yapay zeka algoritmalarının anlık reklam gösterimine imkan tanıması, dijital reklamcılığın başarısının ardındaki diğer gelişmeler olarak sıralanabilmektedir. Bu nedenle, günümüzde markaların giderek daha büyük bütçelerle dijital reklamcılığı benimsedikleri görülmektedir. Ayrıca, reklamcılık endüstrisinin temel dinamiklerini temsil eden reklam ajansları da bu dönüşüme ayak uydurarak iş süreç ve modellerini yapay zeka teknolojilerine adapte etmişlerdir. İnternet ortamında özgün olarak tasarlanan ve kullanıcıların hizmetine sunulan yapay zeka sistemleri, günümüzde marka iletişimi hedeflerini başarmanın en etkili yollarını tümüyle otonom sistemler üzerinden olanaklı hale getirmektedir. Yapay zeka, marka ihtiyaçlarının belirlenmesi ve en uygun kitlenin hedeflenmesini de aynı ölçüde otomatikleştirilmiş sistemler kullanarak gerçekleştirmektedir. Bu nedenle, pazarlama dünyası geleceğin reklamcılık anlayışını hızla benimsemekte, tüketicilerle daha sıkı bağlar ve yeni iş fikirleri geliştirmek üzere yapay zekayı etkin kullanma konusunda önemli adımlar atmaya devam etmektedir.

Kaynaklar

Chen, G., Xie, P., Dong, J., & Wang, T. (2019). Understanding programmatic creative: The role of AI. Journal of Advertising, 48(4), 347–355.

Eng, C. (2020). Five Use Cases for Natural Language Processing (NLP) Techniques in Marketing Analytics. Retrieved from https://aithority.com/natural-language/five-use-cases-for-natural-language-processing-nlp-techniques-in-marketing-analytics/

Facebook Business. (2022). Good Questions, Real Answers: How Does Facebook Use Machine Learning to Deliver Ads? Retrieved from https://www.facebook.com/business/news/good-questions-real-answers-how-does-facebook-use-machine-learning-to-deliver-ads

Ha, N. M., & Khoa, B. T. (2021). The Google Advertising Service Adoption Behavior of Enterprise in the Digital Transformation Age. Webology, 18, 153–170.

Hansen, L. (2021). Using Natural Language Processing for Marketing. Retrieved from https://technologyadvice.com/blog/marketing/nlp-marketing/#:~:text=What is Natural Language Processing,to your product or service.

IBM Watson Advertising. (2021). How AI is changing advertising. Retrieved from https://www.ibm.com/watson-advertising/thought-leadership/how-ai-is-changing-advertising

Kaput, M. (2021). AI in Advertising: Everything You Need to Know. Retrieved from https://www.marketingaiinstitute.com/blog/ai-in-advertising

Kietzmann, J., Paschen, J., & Treen, E. (2018). Artificial intelligence in advertising: How marketers can leverage artificial intelligence along the consumer journey. Journal of Advertising Research, 58(3), 263–267. https://doi.org/10.2501/JAR-2018-035

Koidan, K. (2020). AI Companies Generating Creative Advertising Content.

Li, H. (2019). Special Section Introduction: Artificial Intelligence and Advertising. Journal of Advertising, 48(4), 333–337. https://doi.org/10.1080/00913367.2019.1654947 

Liao, B. (2017). Optimization and reconstruction: research on the development of China’s smart advertising industry. Contemporary Communications, 7, 97–10.

Osadchuk, I. (2021). Artificial Intelligence on Facebook and Google Ads: How does it work? Retrieved from https://adwisely.com/blog/how-ai-for-advertising-works-facebook-google-ads/#How_is_AI_used_in_advertising

Peterson, M., Pitt, L., Plangger, K., Ferguson, S. L., & Mills, A. (2019). Marketing and Brand Management in an Era of Programmatic Advertising and Prolific Falsehood. In J. G. Fowler & J. Weiser (Eds.), Society for Marketing Advances. Westerville, OH: Society for Marketing Advances. https://doi.org/978-1-7320408-0-9

Qin, X., & Jiang, Z. (2019). The Impact of AI on the Advertising Process: The Chinese Experience. Journal of Advertising, 48(4), 338–346. https://doi.org/10.1080/00913367.2019.1652122 

Seitz, J., & Zorn, S. (2016). Perspectives of Programmatic Advertising. In O. Busch (Ed.), Programmatic Advertising (pp. 37–55). London and New York: Springer International Publishing. https://doi.org/10.1007/978-3-319-25023-6 

Smith, R. (2021). Why Use Data Backed AI Ad Targeting and Customer Segmentation?

Sundar, S. S. (2020). Rise of Machine Agency: A Framework for Studying the Psychology of Human–AI Interaction (HAII). Journal of Computer-Mediated Communication, 25(1), 74–88. https://doi.org/10.1093/jcmc/zmz026 

Wu, L., & Wen, T. J. (2021). Understanding ai advertising from the consumer perspective what factors determine consumer appreciation of ai-created advertisements? Journal of Advertising Research, 61(2), 133–146. https://doi.org/10.2501/JAR-2021-004