Sponsoroitu sisältö uutissivuilla koneoppimisen avulla

Tutkijat Alankomaista ovat kehittäneet uuden koneoppimismenetelmän, joka pystyy erottamaan sponsoroituja tai muuten maksullisia sisältöjä uutisalustoissa yli 90%:n tarkkuudella, vastauksena kasvavaan mielenkiintoon “alkuperäisistä” mainosmuodoista, jotka ovat vaikeita erottaa “oikeasta” journalistisesta tuotoksesta.

Uusi artikkeli, jonka otsikko on Erottaminen kaupallisesta ja toimittajasta sisällön uutisissa, tulee Leidenin yliopiston tutkijoilta.

Kaupalliset (punainen) ja toimittajien (sininen) aliverkot tulevat esiin datan analyysistä. Lähde: https://arxiv.org/pdf/2111.03916.pdf

Kirjoittajat huomauttavat, että vaikka vakavammat julkaisut, jotka voivat määrätä mainostajille ehdot, tekevät kohtuullisen vaivansa erottamaan “kumppanuussisällön” yleisestä uutis- ja analyysivirtauksesta, standardit siirtyvät hitaasti mutta vääjäämättä kohti lisääntynyttä yhteistyötä toimittaja- ja kaupallisten tiimien välillä julkaisijalla, mitä he pitävät hälyttävänä ja negatiivisena suuntauksena.

‘Sisällön naamioimisen kyky, tahallisesti tai tahattomasti, ja todennäköisyys, että mainosartikkeleita ei tunnista sellaisiksi, vaikka ne on oikein merkitty, on merkittävä. Markkinoijat kutsuvat sitä alkuperäiseksi [mainonnaksi] jonkin syyn takia.’

Joitain nykyisiä esimerkkejä alkuperäisestä mainonnasta, jota kutsutaan myös “kumppanuussisällöksi”, “brändisisällöksi” ja monilla muilla nimillä, jotka on suunniteltu peittämään ero alkuperäisen ja kaupallisen sisällön välillä journalistisissa alustoissa.

Työ tehtiin osana laajempaa tutkimusta verkottuneesta uutiskulttuurista ACED Reverb Channelissa, joka sijaitsee Amsterdamissa ja keskittyy dataohjattuun analyysiin kehittyvistä journalistisista trendeistä.

Tiedon hankinta

Hankkimaan lähtötietoja projektiin, kirjoittajat käyttivät 1 000 artikkelia ja 1 000 mainosartikkelia neljästä hollantilaisesta uutissivusta ja luokittelivat ne tekstimuotoisesti. Koska aineisto oli suhteellisen pieni, kirjoittajat välttivät suurimittakaavaisia lähestymistapoja, kuten BERT, ja arvioivat klassisten koneoppimisraamien, kuten Support Vector Machine (SVM), LinearSVC, Decision Tree, Random Forest, K-Nearest Neighbor (K-NN), Stochastic Gradient Descent (SGD) ja Naïve Bayes, tehokkuutta.

Reverb Channelin aineisto pystyi tarjoamaan 1 000 tarvittavaa “suoraa” artikkelia, mutta kirjoittajien piti kerätä mainosartikkeleita suoraan neljästä hollantilaisesta verkkosivusta. Saatu aineisto on saatavilla rajoitetussa muodossa (tekijänoikeus huomioon ottaen) GitHubissa yhdessä joitain Python-koodin osia, joita käytettiin aineiston hankkimiseen ja arvioimiseen.

Neljä tutkittua julkaisua olivat poliittisesti konservatiivinen Nu.nl, enemmän edistyksellinen Telegraaf, NRC ja liiketoimintajulkaisu De Ondernemer. Jokainen julkaisu oli edustettuna tasan aineistossa.

Se oli välttämätöntä tunnistaa ja poistaa potentiaaliset “vuotajat” sanastosta, joka muodostui tutkimuksen aikana – sanat, jotka voivat esiintyä molemmissa sisällöntyypeissä vähäisen eron kanssa niiden esiintymisen ja käytön suhteen, jotta voitiin vahvistaa selviä malleja aidoille ja sponsoroituille sisällöille.

Tulokset

Parhaat tulokset saavutettiin SVM, linearSVC, Random Forest ja SGD -menetelmillä. Tutkijat päättivät jatkaa SVM:n käyttöä tarkemmassa analyysissä.

Paras mallin lähestymistapa luokittelun poimimiseksi aineistosta ylitti 90%:n tarkkuuden, vaikka tutkijat huomauttavat, että selkeän luokittelun saavuttaminen muodostuu haasteelliseksi, kun on kyse B2B-suuntautuneista julkaisuista, joissa kaupallisen ja “oikean” sisällön sanastollinen päällekkäisyys on liiallinen – ehkäpä siksi, että liiketoimintakielen alkuperäinen tyyli on jo ennestään subjektiivisempi kuin yleisen uutis- ja analyysiraportoinnin tavanomaiset käytännöt, ja voi helpommin piilottaa agendan.

t-Distributed Stochastic Neighbor Embedding (t-SNE) -kaaviot aidojen ja sponsoroitujen sisältöjen erottamiseksi neljässä julkaisussa.

Onko sponsoroitu sisältö “väärää uutista”?

Kirjoittajien tutkimus osoittaa, että heidän projektinsa on uudenlainen uutissisällön analyysin alalla. Kehykset, jotka pystyvät tunnistamaan sponsoroituja sisältöjä, voivat avata tien kehittää vuosittain seurattavaa tasapainoa objektiivisen journalistiikan ja kasvavan “alkuperäisen mainonnan” määrän välillä, joka sijoittuu lähes saman kontekstin sisällä useimmissa julkaisuissa, käyttäen samoja visuaalisia vihjeitä (CSS-tyylit ja muu muotoilu) kuin yleinen sisältö.

Jonkinlaisessa mielessä sponsoroitu sisältö puuttuvan selkeän kontekstin usein esiintyminen on nousemassa “väärän uutisen” tutkimuksen alaan. Vaikka useimmat julkaisijat tunnustavat tarpeen erottaa “kirkko ja valtio” ja velvollisuuden tarjota lukijoille selkeitä eroja maksullisen ja itsestään syntyneen sisällön välillä, journalistisen kentän jälkeisen todellisuuden realiteetit ja lisääntynyt riippuvuus mainostajista on muuttanut sponsoroitujen osoitusten vähättelyksi taidon UI-psychologiassa. Joskus sponsoroitu sisältö tuottaa tarpeeksi houkuttelevia tuloksia riskin ottamiseen suurelle optiselle katastrofille.

Vuonna 2015 sosiaalisen median ja kilpailijoiden vertailujen alusta Quintly tarjosi menetelmän havaitsemaan, onko Facebook-postaus sponsoroitu, väittäen 96%:n tarkkuusasteen. Seuraavana vuonna Georgian yliopiston tutkimus väitti, että julkaisijoiden tapa kertoa sponsoroitujen sisältöjen olemassaolosta saattaa olla “avunannaista petokselle”.

Vuonna 2017 MediaShift, järjestö, joka tutkii median ja teknologian leikkauspistettä, huomautti The New York Timesin liiketoiminnan kasvavaa rahoitusta brändätyn sisältöstudion, T Brand Studion, kautta, väittäen vähenevän avoimuuden tasoa sponsoroitujen sisältöjen ympärillä, jolloin lukijat eivät voi helposti tietää, onko sisältö itsestään syntynyt vai ei.

Vuonna 2020 toinen Alankomaissa tehty tutkimushanke kehitti koneoppimisluokittelijoita tunnistamaan Venäjän valtion rahoittamaa uutista Serbian uutissivuilla. Lisäksi arvioitiin vuonna 2019, että Forbesin “median sisältöratkaisut” tuottavat 40%:n yhtiön kokonaistulosta BrandVoicen kautta, joka on sisältöstudio, jonka kustantaja perusti vuonna 2010.