زاوية Anderson
الاستعداد للإعلان في نماذج اللغة الكبيرة

النقاط الرئيسيةيكشف معيار جديد أن دمج الإعلانات بسلاسة في ردود نماذج اللغة الكبيرة يحسن ثقة المستخدم…
عرض المزيد
- يكشف معيار جديد أن دمج الإعلانات بسلاسة في ردود نماذج اللغة الكبيرة يحسن ثقة المستخدم ولكنه يتطلب المزيد من الطاقة الحاسوبية.
- من المرجح أن يدفع المعلنون نحو إعلانات تندمج بسلاسة في ردود الذكاء الاصطناعي، مما يعرض المصداقية للخطر مقابل زيادة التفاعل.
- تظهر الدراسة أن حقن الإعلانات بالذكاء الاصطناعي يواجه مفاضلات بين مقاييس رضا المستخدم ومعدلات النقر الحاساسية.
تظهر الأبحاث الجديدة كيف يمكن أن تكون الإعلانات متضمنة مباشرة داخل إجابات نموذج ChatGPT – وليس كلافتات أو نوافذ منبثقة، ولكن منسوجة في الاستجابة نفسها. ويقدم معيار جديد اختبارًا لمدى فعالية هذه الإجابات المضمنة للإعلانات في الحفاظ على الفائدة والمصداقية والربحية، ويمكن أن يتطلب توازنًا بين تجربة المستخدم المقبولة والنقرات.
مع الشعبية الواسعة والمتنامية لنماذج اللغة الكبيرة التي تقوّض أساليب الإعلان التقليدية التي موّلت الإنترنت تقريبًا منذ نشأته، سيتساءل كل من يعرف أساليب أصحاب رأس المال المغامر للاستحواذ على الأسواق: إلى متى تستطيع روبوتات الدردشة بالذكاء الاصطناعي الامتناع عن تضمين محتوى إعلاني في إجاباتها؟
كما تُظهر Netflix وقائمة متنامية من خدمات البث، تستعيد استراتيجية عصر التلفزيون الكبلي التقليدية، التي تجمع الاشتراكات المدفوعة بالإعلانات المدمجة، زخمها، وغالبًا ما تُبرَّر بأنها وسيلة لتقليل تكاليف المستهلك. ويبدو التحول نحو إدراج الإعلانات مباشرة في مخرجات نماذج اللغة الكبيرة أقل افتراضية وأكثر شبهًا بتبنٍّ طبيعي لهذا النموذج.

من ورقة «الإعلانات عبر الإنترنت مع نماذج اللغة الكبيرة: الفرص والتحديات»، مثال تمثيلي إلى حد كبير للتحول الذي يتوقعه معظم الناس عندما تبدأ نماذج اللغة الكبيرة بتحقيق الإيرادات. المصدر: https://www.sigecom.org/exchanges/volume_22/2/FEIZI.pdf
قد يبدو إدراج الإعلانات في وسيط ناشئ يعاني أصلًا من مشكلات ملحوظة في المصداقية خطوة متسرعة. لكن حجم الاستثمار في الذكاء الاصطناعي التوليدي خلال الأشهر الاثني عشر الماضية يشير إلى أن الحذر والتروي لا يحددان السوق حاليًا. ومع احتمال الإفراط في الاعتماد على التمويل لدى جهات كبرى مثل OpenAI وحاجتها إلى عائد مبكر على استثمارات ضخمة، يشير التاريخ إلى أن شهر العسل للمخرجات الخالية من الإعلانات قد يوشك على الانتهاء.
GEM-Bench
مع هذا المناخ والتحفيزات التجارية في الاعتبار، تقدم ورقة جديدة من سنغافورة أول معيار يهدف إلى واجهات روبوتات الدردشة بالذكاء الاصطناعي، جنبًا إلى جنب مع معايير كمية جديدة لما قد يثبت أنه واحد من أكثر مجالات الإعلان انفجارًا في 100 عام.
ربما بتفاؤل، يفترض المؤلفون تقسيمًا نظيفًا بين المحتوى “الحقيقي” والمحتوى الإعلاني، حيث يكون الانحراف عن الاستجابات القياسية إلى نسخة تسويقية سهل التمييز:

أمثلة على نوع دمج الإعلانات الذي قد يظهر في ظل النموذجين اللذين تدرسهما الورقة الجديدة. المصدر: https://arxiv.org/pdf/2509.14221
يظل من غير المعروف ما إذا كان المعلنون أنفسهم سوف يسعون، كما جرت عادتهم، إلى إدراج محتوى إعلانيهم بشكل أكثر خفية في المخرجات مقارنة بالأمثلة المذكورة في الورقة.
ومع ذلك، فهذه هي الأمور التي ستتم في وقت لاحق؛ لأن المجال في هذه المرحلة المبكرة جدًا، حتى المصطلحات الأساسية مفقودة أو لم يتم الاتفاق عليها بعد.
لذلك تقدم الورقة تسويق المحركات التوليدية (GEM) إطارًا جديدًا لتحقيق الإيرادات من روبوتات الدردشة القائمة على نماذج اللغة الكبيرة، عبر تضمين إعلانات ذات صلة مباشرة في الردود المولدة.
يحدد الباحثون توليد استجابة محقونة بالإعلان (AIR) كتحدي مركزي في GEM، ويجادلون بأن المعايير الحالية غير مناسبة لدراستها. لسد هذه الفجوة، يقدمون ما يُدعى بأنه أول معيار مصمم خصيصًا لهذا الغرض.
يتكون GEM-Bench من ثلاث مجموعات بيانات منتقاة تغطي سيناريوهات روبوتات الدردشة ومحركات البحث. ويتضمن أيضًا منظومة تصنيف للمقاييس لتقييم جوانب متعددة من رضا المستخدم وتفاعله، إلى جانب مجموعة من الأساليب المرجعية المنفذة ضمن إطار معياري متعدد الوكلاء.
يرى المؤلفون أن الأساليب البسيطة القائمة على المطالبات قد تحقق مقاييس تفاعل جيدة، مثل ارتفاع معدلات النقر (CTR)، لكنها تميل إلى إضعاف رضا المستخدم. أما الأساليب التي تدرج الإعلانات في ردود مولدة مسبقًا وخالية من الإعلانات، فتحسن الثقة وجودة الرد، وإن كان ذلك على حساب أعباء حاسوبية أكبر.
تُبرز هذه المفاضلات، بحسب الورقة، الحاجة إلى تقنيات أكثر فعالية وكفاءة لدمج الإعلانات في المخرجات التوليدية.
تحمل الدراسة الجديدة عنوان GEM-Bench: معيار لتوليد الردود المحقونة بالإعلانات ضمن تسويق المحركات التوليدية، وهي من إعداد أربعة باحثين في جامعة سنغافورة الوطنية.
الطريقة
يستعير إطار تسويق المحركات التوليدية (GEM) المبادئ الأساسية لتسويق محركات البحث (SEM). ويطابق SEM التقليدي الاستعلامات مع الإعلانات عبر مسار متعدد المراحل: يقدم المعلنون عروض أسعار على الكلمات المفتاحية؛ ويحدد النظام الاستعلامات التي تستدعي الإعلانات؛ ويقدّر احتمال النقر على كل إعلان؛ ثم يخصص مواضع العرض عبر مزاد يوازن بين عروض الأسعار والتفاعل المتوقع.
وبالمقارنة، يكيّف نهج GEM هذه المراحل مع النماذج التوليدية، لكنه يواجه تحديات جديدة في كل خطوة: فلا توجد مساحات إعلانية ثابتة، ولذلك يجب على النظام أن يقرر ما إذا كان الاستعلام مناسبًا لإعلان وأين يدرجه داخل نص حر؛ كما يصبح تقدير معدلات النقر أصعب من دون تخطيطات موحدة؛ ويجب موازنة الصلة مع رضا المستخدم، لأن الإعلان يُدمج مباشرة في مخرجات النموذج بدل تقديمه كوحدة مستقلة.
تمثل إحدى الطرق الأساسية التي تمت دراستها في العمل، Ad-Chat، طريقة بسيطة حيث يُدرج محتوى الإعلان في مطالبة النظام قبل توليد الاستجابة. هذا يعني أن النموذج ينتج استجابة تحتوي على الإعلان المضمن بالفعل، تحت إرشاد جدول أعمال مسبق.
طوّر المؤلفون النهج الآخر، Ad-LLM، ضمن المعيار الجديد. ويتبع مسارًا معياريًا يبدأ بتوليد إجابة نظيفة خالية من الإعلانات، ثم اختيار إعلان ذي صلة، وتحديد أفضل نقطة لإدراجه وفق التدفق الدلالي، وأخيرًا إعادة كتابة المخرجات لدمج الإعلان بسلاسة:

مقارنة بين Ad-Chat وطريقة Ad-LLM التي طورها المؤلفون. يحقن Ad-Chat الإعلانات عبر مطالبة النظام قبل التوليد، مع تحكم محدود في موضعها. ويفصل Ad-LLM بين توليد الرد وإدراج الإعلان، ويختار مواضع الإدراج وفق التدفق الدلالي ثم يحسّن النتيجة. وتُقيَّم الطريقتان بمقاييس GEM-Bench للرضا والتفاعل.
بينما يكون Ad-Chat أقل تكلفة وأكثر إقناعًا أحيانًا، إلا أنه يميل إلى تقليل الثقة والدقة. يؤدي Ad-LLM بشكل أفضل على مقاييس رضا المستخدم، ولكن بتكلفة أكبر.
البيانات
لتوليد الردود المحقونة بالإعلانات (AIR)، أُنشئ في البداية نوعان من مجموعات البيانات: مجموعة استعلامات المستخدم (User) وقاعدة بيانات الإعلانات (AdDB).
لأن استعلامات المستخدم تحدد فرص الإعلان في ردود النموذج، يمكن القول إن «المخزون الإعلاني» يوجد داخل هذه الردود. لكنه يتحدد بملاءمة الاستعلام وبمدى التزام النظام بقواعده في الموازنة بين الصدق وأهداف المعلنين.
في أي حال، ستظهر الإعلانات فقط في الاستجابات، حتى لو (انظر إلى مخطط أعلاه) قد يتم تعزيز طلبات المستخدمين سرًا لاستيعاب عملية تقديم الإعلانات.
لسيناريو محادثة، بنى المؤلفون مجموعتي استعلامات: MT-Human وLM-Market.
تم سحب MT-Human من قسم العلوم الإنسانية من MT-Bench، وهو معيار متعدد الدورات لنماذج اللغة، ويحتوي على أسئلة قد تتيح إدراج محتوى إعلاني.
تم بناء LM-Market من أكثر من نصف مليون استعلام حقيقي لChatGPT تم جمعه بواسطة LMSYS-Chat-1M، وتمت تصفيته لاستعلامات التسويق ذات الصلة باللغة الإنجليزية، وتم تجميعها حسب الموضوع باستخدام التضمينات الدلالية.
في الحالتين، اختيرت الاستعلامات النهائية عبر مسار متعدد المراحل يجمع التجميع الآلي، وتقييم نماذج اللغة الكبيرة، والتحقق البشري، لتحديد المطالبات التي يكون إدراج الإعلانات فيها طبيعيًا ومعقولًا.
لتقييم جودة الردود المحقونة بالإعلانات، يحدد GEM منظومة تصنيف للقياس تشمل رضا المستخدم وتفاعله. ويتضمن ذلك مقاييس كمية مثل تدفق الاستجابة، الترابط، ومعدل النقر، بالإضافة إلى معايير نوعية مثل الثقة، الدقة، والطبيعية — وهي مقاييس تهدف إلى عكس مدى ملاءمة الإعلان داخل الرد ومدى احتمال أن يلاحظه المستخدمون ويتفاعلوا معه.
بخصوص “الطبيعية”، يُذكر في الورقة:
«تقيس [الطبيعية] مدى إخلال إدراج الإعلان بتدفق المحادثة وطبيعتها، استنادًا إلى المقاطعة والأصالة. وتفحص المقاطعة ما إذا كان الإعلان يخلق إحساسًا بالقفز خارج السياق أو بالمفاجأة أثناء القراءة، بما يقطع تركيز المستخدم المستمر على الموضوع.»
«وتقيّم الأصالة ما إذا كان الإعلان يقوّض اللمسة الإنسانية أو التدفق الطبيعي للمحادثة، مما يجعل الرد يبدو جامدًا ونمطيًا وأقل أصالة.»
لإنشاء سيناريو لمحرك بحث تقليدي في مرحلة الاختبار، أنشأ المؤلفون مجموعة بيانات باسم CA-Prod من المدونة التجارية AdsCVLR التي تضم 300,000 زوج من الاستعلام والإعلان، يتكون كل منها من كلمة مفتاحية وبيانات وصفية ووسم يدوي يحدد الصلة:

من الورقة الأصلية، أمثلة من مجموعة بيانات AdsCVLR التي ساعدت في توفير مواد لاختبارات المؤلفين. المصدر: http://www.jdl.link/doc/2011/20221224_AdsCVLR.pdf
أُزيلت السجلات التي تحتوي على حقول مفقودة، وتم الاحتفاظ فقط بالاستعلامات التي تحتوي على إعلانات إيجابية وسلبية (انظر الصورة أعلاه للاطلاع على أمثلة)، وتم تجميع الإعلانات في ست مجموعات مواضيعية (معدات الحديقة والبستنة، الأحذية سهلة الارتداء دون أربطة، الأشياء المنزلية، مكملات التغذية، أجهزة Android، وفساتين النساء) باستخدام التضمين الدلالي وتجميع K-means.
تم تعيين الاستعلامات إلى المواضيع وفقًا للإعلانات الإيجابية، مع استبعاد المجموعات المفرطة في الندرة أو الكثافة، قبل أخذ عينة من 120 استعلامًا و2,215 منتجًا فريدًا للمعيار.
الاختبارات
لتقييم أداء استراتيجيات حقن الإعلانات المختلفة، تناول المعيار ثلاثة أسئلة رئيسية: مدى فعالية كل طريقة وفق مقاييس الرضا والتفاعل المحددة؛ وكيف تؤثر خيارات التصميم الداخلي في Ad-LLM على النتائج؛ وكيف تتقارن التكاليف الحاسوبية بين الأنظمة.
قيّم المؤلفون Ad-Chat وثلاثة أشكال من مسار Ad-LLM، تختلف في طريقة استرجاع الإعلانات، إما من المطالبة أو من الرد المولد، وفي ما إذا كانت المخرجات النهائية تُعاد كتابتها لتحسين سلاستها.
تم تشغيل جميع الطرق باستخدام doubao-1-5-lite-32k كنموذج أساسي، وتم تقييمها باستخدام gpt-4.1-mini.

فعالية Ad-Chat وأشكال Ad-LLM عبر مجموعات MT-Human وLM-Market وCA-Prod. تشمل المقاييس الكمية تدفق الرد (RF)، وترابط الرد (RC)، وتدفق الإعلان (AF)، وترابط الإعلان (AC)، ومعدل الحقن (IR)، ومعدل النقر (CTR)، والدرجات الإجمالية. وتشمل المقاييس النوعية الدقة والطبيعية والشخصية والثقة والملاحظة والنقر والأداء الإجمالي.
عبر جميع مجموعات البيانات الثلاث، أنتج Ad-LLM نتائج أقوى من Ad-Chat على مقاييس رضا المستخدم والانخراط. كما هو موضح في جدول النتائج أعلاه، حسّنت أفضل متغيرات Ad-LLM على Ad-Chat بنسبة 8.4 و1.5 و3.8 في المائة في الدرجات الكمية الإجمالية؛ وبنسبة 10.7 و10.4 و8.6 في المائة في الدرجات النوعية لMT-Human وLM-Market وCA-Prod على التوالي.
من هذه النتائج، يُذكر المؤلفون:
‘تُظهر هذه النتائج أن توليد استجابة خام ثم حقن الإعلانات يُنتج جودة استجابة أفضل مقارنة بالنهج البسيط الذي يعتمد على حقن الإعلان عبر مطالبة النظام وحدها.’
‘لأبعاد رضا المستخدم والانخراط الفردية، يُظهر Ad-Chat فجوة أداء كبيرة مقارنة بحلول Ad-LLM عبر جميع مجموعات البيانات الثلاث، خاصة في أبعاد مثل الدقة والشخصية والثقة.’
أظهر Ad-LLM مكاسبه الأكبر في الدقة والشخصية والثقة، متجاوزًا Ad-Chat بنسبة تصل إلى 17.6 و23.3 و17.2 في المائة على التوالي. وفقًا للورقة، يمكن أن تنتج هذه الفروق من الطريقة التي يستخدم بها Ad-Chat مطالبات النظام لتحويل النموذج نحو لغة أكثر شخصنة وترويجية – والتي يُدعى أنها تؤدي إلى نغمة “بائع” تقلل من الدقة والثقة.
كما أنتج Ad-Chat معدلات حقن أقل، حتى عند تقييمه على استعلامات تم اختيارها لملاءمتها للإعلانات، ويعزى المؤلفون ذلك إلى الاعتماد على التوجيهات القائمة على المطالبات (التي يُوصفونها بأنها صعبة التحكم).
في إعداد محرك البحث، على الرغم من ذلك، حقق Ad-Chat معدل النقر الأعلى بنسبة 8.6 في المائة، ويفترض المؤلفون أن هذا قد يعكس ميزة استخدام نموذج اللغة لاسترجاع مرشحي المنتجات، بدلاً من الاعتماد على التضمين الدلالي وحده:

مقارنة الأداء الإجمالي عبر أربعة نماذج حكم (GPT-4.1-mini وQwen-max وclaude-3-5-haiku وkimi-k2) لAd-Chat وثلاثة متغيرات من Ad-LLM (GI-R وGIR-R وGIR-P) على مجموعات البيانات MT-Human وLM-Market وCA-Prod. بينما تختلف الدرجات حسب الحكم، يُحافظ Ad-LLM على تفوقه على Ad-Chat عبر جميع الحالات
يوضح جدول النتائج الثاني أعلاه أن حلول Ad-LLM تتفوق باستمرار على Ad-Chat في مجموعات البيانات الثلاث لدى أربعة نماذج تحكيم: GPT-4.1-mini وQwen-max وClaude-3-5-haiku وKimi-k2.
اختيرت نماذج التحكيم لتختلف عن النموذج الأساسي doubao-1-5-lite-32k، مما يساعد على تقليل الانحياز الناتج عن الانتماء إلى عائلة النماذج نفسها. وجاء GIR-R في المرتبة الأولى أو الثانية في جميع الحالات، بما يشير إلى اتفاق واسع بين المحكّمين على تفوق Ad-LLM. ويتبع تفصيل الأبعاد النوعية الفردية النمط الذي ظهر في النتائج السابقة مباشرة، المعروضة أعلاه.
وفي الختام، تشير الورقة إلى أن كلًا من Ad-Chat وAd-LLM يتطلب موارد أكبر من النماذج الأكثر ابتكارًا وفعالية، وأن استخدام وكلاء نماذج اللغة الكبيرة في هذا النوع من المعاملات قد يشكل عبئًا كبيرًا. ويمكن تخيل مشكلات في زمن الاستجابة، وهو عادة عامل حاسم في تقديم الإعلانات، نتيجة استخدام نماذج اللغة بهذه الطريقة، مع أن الورقة لا تتناول ذلك تحديدًا.
على أي حال، حقق تنفيذ المؤلفين لاستراتيجية Ad-Chat، الموضحة في الصف العلوي من المخطط قرب بداية المقال، أعلى معدل نقر، رغم أنه ارتبط بأعلى تكلفة لاستخدام نماذج اللغة الكبيرة.
الاستنتاج
رغم أنه ليس مفاجئًا أن تتناول الأبحاث طرق حمل نماذج اللغة الكبيرة للإعلانات، فإن البحوث المتاحة علنًا حول الموضوع قليلة بالفعل. ولذلك تُعد الورقة الحالية وما يمكن اعتباره بصورة معقولة سابقتها مادة جديرة بالاهتمام.
يعرف كل من عمل مع قسم مبيعات الإعلانات أو في بيع المخزون الإعلاني أن المعلنين يريدون المزيد دائمًا؛ وفي الحالة المثالية لديهم، تُقدَّم الإعلانات بوصفها محتوى واقعيًا لا يمكن تمييزه إطلاقًا عن تدفق المحتوى المضيف. وهم مستعدون لدفع علاوة كبيرة مقابل ذلك، ويدفع المضيف أيضًا ثمنًا من نوع آخر، إذ يخاطر بمصداقيته ومكانته لدى القراء وغيرهم من أصحاب المصلحة.
سيكون من المثير للاهتمام رؤية مدى وجود حوافز تدفع الإضافات الإعلانية إلى التقدم التي تُصورها الورقتان، إن وجدت، إلى أعلى استجابة نموذج اللغة، وأقرب إلى “الحمولة”.
نُشر لأول مرة يوم الخميس، 18 سبتمبر 2025












