Yapay Zekâ Odaklı Reklam İçeriği için Ses Düzeyi Ayarı

Popüler yapay zekânın “balayı” dönemi henüz tam olarak sona ermedi. Bunu Netflix’in altın çağından, yayın platformlarının bugün yaşadığı parçalanma ve ticarileşme sürecine geçişle karşılaştırırsak, yaklaşık 2019’dayız. Piyasadaki köklü oyuncu OpenAI artık varlıklı rakiplerle ciddi biçimde karşı karşıya; ancak bunların hiçbiri, değişken kullanıcı kitlesine reklam dayatmayı göze alacak kadar kesin bir üstünlük elde etmiş değil.

Benzer şekilde ChatGPT, sohbet içi reklamları şu anda yalnızca Free ve Go kullanıcılarıyla sınırlıyor; Gemini reklamlarını yalnızca AI Overviews’ta ve AI Mode’da gösteriyor; Perplexity geçen kış reklam planlarından vazgeçti; xAI’nin bir noktada reklam göstermesi planlanıyor; Microsoft Copilot’ta zaten reklam var; Claude ise bu olasılığı kesin bir dille reddediyor.

Ancak bunun böyle sürmeyeceğini biliyoruz: çıkarımın gerçek maliyeti ortaya çıktıkça ve yaklaşan yapay zekâ halka arzları hissedar beklentilerini gündeme taşıdıkça, tarihin gösterdiği üzere, sonunda LLM çıktısını incelemeye başlamamız gerekeceğini öngörebiliriz. Böylece reklam temelli içeriği ticari olmayan içerikten ayırt edebiliriz.

Ses Düzeyini 11’e Yükseltmek

Reklamların ne kadar kişiselleştirileceği ya da hangi demografik grupların hedefleneceği gibi konuların yanı sıra, sağlayıcıların ticari içeriğin entegrasyonunun kapsamını ve türünü de değerlendirmesi gerekecek.

Bu kolay değil: Reklamları fazla belirsiz tutarsanız daha çok kullanıcıyı elde tutar, ancak daha değerli reklamverenleri kaybedersiniz. Reklam içeriğini daha fazla entegre etmek, reklam açıklamalarına ilişkin düzenlemeleri aşmanızı sağlayabilir ve daha iyi reklam anlaşmaları getirabilir; ancak tartışmalara ve başka olumsuz sonuçlara da yol açabilir.

Üstelik kademeli reklam platformları, LLM’lerin değişkenlerini nicel olarak ölçmek oldukça zor olsa da farklı “ses düzeyi” ve entegrasyon seviyeleri gerektirebilir. Örneğin, LLM çıktılarındaki reklamlar için bir tür “ses düzeyi düzenleyici” oluşturmayı amaçlayan önceki bir yöntem, ölçüm terimlerini sohbetin içine yerleştirmişti:

Yeni makaleden: Eski bir “ses düzeyi düzenleme” yönteminin etiketlerinin üretilen metne sızdığı bir örnek. Kaynak

Yukarıdaki örnek, LLM tabanlı reklamlarda iki temel sorunu ele alan yeni bir makaleden* alınmıştır: sohbet robotlarının yanıtlarında reklamların ne kadar belirgin göründüğünü denetlemek ve bu yanıtların hangi bölümlerinin ücretli reklam niteliği taşıdığını belirlemek:

Yeni AdKnob yaklaşımının şeması. Solda, seçilen reklam düzeyine bağlı olarak Subway birkaç öneriden biri ya da yanıtın ana odağı oluyor. Sağda, yeşil vurgular üretilen yanıttaki reklam içeriğini gösteriyor.

AdKnob adlı yaklaşım, bir sohbet robotunun ürünü ne kadar yoğun biçimde tanıttığını belirlemek için dört düzeyli bir ölçek kullanırken reklam içeren cümleleri de saptıyor. Amaç, ek modeller çalıştırmaya gerek kalmadan ve süreci hiçbir şekilde yavaşlatmadan reklam içeriğinin kolayca belirlenmesini sağlamak; bu süreç, geleneksel olarak, çevredeki en hızlı sektörlerden biri için yürütülüyor.

Yeni çalışmanın ek materyallerinden: Reklam eklenmiş metin örnekleri kırmızıyla vurgulanıyor.

AdKnob yöntemi Alibaba, Microsoft ve Meta’nın altı yapay zekâ modeli üzerinde test edildi. Her modelde reklam miktarı, üründen gelişigüzel söz edilmesinden yanıtın neredeyse tamamen bir markayı tanıtmaya ayrılmasına kadar dört düzeyde ayarlanabiliyordu.

AdKnob’un en yoğun “ses düzeyinde” (burada efsanevi “11” yerine “4”), marka mesajları çıktıya hâkim olma eğilimindedir.

Eğitim sırasında iç parametrelerinin değiştirilmesi ve üretilen yanıtlardaki reklamları belirlemek için dikkat örüntülerinin incelenmesi gerektiğinden, açık ağırlıklı modeller kullanılması zorunluydu. Bu durum, yalnızca API üzerinden erişilebilen öncü modellerin test edilmesini olanaksız kıldı.

Sonuçlar, Amazon Mechanical Turk aracılığıyla 913 kişiyle test edildi. AdKnob’un yanıtları dört rakip yöntemin yanıtlarıyla karşılaştırıldığında, katılımcılar AdKnob’un yanıtlarını zamanın %75’inden neredeyse %90’ına kadar değişen oranlarda tercih etti.

İnanması güç ama, öne sürülen başlıca nedenler arasında yararlılık ve açık reklam etiketleri de vardı. Reklam düzeyi en yüksek ayardayken bile yanıtların ortalama kalite puanı 4 üzerinden 3,1 oldu; en düşük ayardaki puan ise 3,6’ydı.

Yazarlar, AdKnob’un reklam içeren cümleleri belirlemede de daha başarılı olduğunu ileri sürüyor. Test edilen modellerden birinde bu denetim süreci, yanıt başına yalnızca üç milisaniye sürdü; bu, kabul edilebilir ölçüde düşük bir ek yük ve önceki bazı yaklaşımların aksine özel token üretimi gerektirmeyen bir süreçti.

Yeni sisteme güç vermek için, daha önceki Webis Generated Native Ads 2024 MI-KnobSet veri kümesinden yola çıkılarak yeni bir veri kümesi oluşturuldu. Önceki koleksiyon, sohbet robotlarının yanıtlarında farklı düzeylerde reklam içerecek şekilde genişletildi; eğitim için 3.946 örnek ve test için 913 örnek kapsama alındı.

Yazarlar şöyle diyor:

‘[AdKnob] tek bir LLM’nin çok çeşitli reklam yoğunluğu düzeylerinde yanıtlar üretmesini sağlar. Reklam atıf kaybı, reklamla ilişkili girdi tokenları ile üretilen reklam içeriği arasındaki atfı daha da güçlendirerek çıkarım sırasında reklamların doğru biçimde etiketlenmesini mümkün kılar.

‘Altı temel model üzerinde yapılan deneyler ve kullanıcı çalışmaları, AdKnob’un hem reklam kalitesi hem de reklam etiketleme açısından mevcut temel yöntemlerden tutarlı biçimde daha iyi performans gösterdiğini ortaya koyuyor. Çalışmamız, gerçek dünyadaki hizmetlerde LLM tabanlı reklamcılığın şeffaf ve denetlenebilir olmasına yönelik pratik bir temel sunuyor.’

Yöntem

Artış düzeyini belirtmek için kullanılan sözcüklerin çıktıya sızdığı yukarıda anılan önceki yaklaşımın aksine, yeni yöntemde her biri farklı bir reklam yoğunluğunu temsil eden dört özel kontrol tokenı kullanılıyor:

q̂ = q ⊕ [AD_LV_n]

Elbette yukarıdaki n tokenı potansiyel olarak herhangi bir sayıyı temsil edebilir; ancak bu durumda AdKnob aralığı 1-4 ile sınırlandırıyor. Bu aralık, söz konusu değişkenler, yani reklam içeriğinin ne kadar “bariz” ve ne kadar “yüksek sesli” olduğu açısından muhtemelen ulaşılabilecek en ayrıntılı düzeydir.

Bu soyut tokenların önceden belirlenmiş bir anlamı olmadığından, model amaçlanan işlevlerini sıradan dille karıştırmadan öğrenebilir.

Yazarların açıkladığına göre model, kontrol tokenlarını istenen yoğunluk düzeyine uyarlamak için Direct Preference Optimization (DPO) yöntemiyle eğitiliyor:

‘[We] bu nedenle tercih oluşturma sürecini iki ölçüte dayandırın: markanın ve reklam metninin yanıta ne kadar belirgin ve olumlu biçimde dâhil edildiğini ölçen reklam [score] ve yanıtın kullanıcıya [query] ne ölçüde karşılık verdiğini ölçen yanıt kalitesi [score].’

Eşleştirilmiş örneklerden oluşan veri kümesini oluşturmak için aday yanıtlar reklam yoğunluğu, ilgi düzeyi, akıcılık ve reklamsız bir yanıttan korunan bilgi bakımından puanlandı; ardından puanlar, her reklam düzeyi için eğitim örneklerinin seçilmesinde kullanıldı.

Her reklam senaryosu için, farklı düzeylerde ürün tanıtımını teşvik eden istemlerle GPT-4o kullanılarak 25 olası yanıt üretildi. Her hedef düzey için en yüksek puanı alan yanıtın yanı sıra, düşük kaliteyi, yanlış reklam yoğunluğunu veya her ikisini temsil eden, özellikle daha kötü üç alternatif seçildi:

Beş farklı istemle üretilen 25 aday yanıtın reklam puanları. Beş eğrinin büyük ölçüde örtüşmesi, yalnızca istem vermenin neden birbirinden belirgin biçimde farklı reklam düzeyleri üretmekte güvenilir olmadığını gösteriyor.

Bu karşılaştırmalar, modeli yukarıda belirtilen DPO tekniğiyle eğitmek için kullanıldı; böylece model, istenen reklam düzeyine uyan, ancak yine de yararlı ve doğal kalan yanıtlar üretmeyi öğrendi.

Testler

AdKnob, dört reklam yoğunluğu düzeyinde altı model üzerinde değerlendirildi: Qwen3-4B-Instruct; Phi-4-Mini-Instruct (3.8B); LLaMA-3.2-3B-Instruct; Qwen2.5-14B-Instruct; Phi-4 (14B); ve LLaMA-3.1-8B-Instruct.

Reklam yoğunluğu ve yanıt kalitesi ayrı ayrı puanlanırken reklam etiketleme doğruluğu ROC-AUC; kesinlik ve duyarlılık; ve F1 kullanılarak ölçüldü.

Modeller, Düşük Sıralı Uyarlama (LoRA) kullanılarak ince ayardan geçirildi; üretilen yanıtlar 500 tokenla, reklam etiketleme eşiği ise 0.005 ile sınırlandırıldı. Tüm deneyler, insanı hayrete düşüren 141 GB HBM3e VRAM’e sahip tek bir NVIDIA H200 GPU üzerinde gerçekleştirildi.

Kıyaslama için dört yöntem kullanıldı. İki aşamalı yöntemde reklam, önceden üretilmiş bir yanıta eklendi; istem tabanlı yöntemde ise reklam sistem istemleri aracılığıyla yanıta dahil edildi.

Diğer iki yöntemde ise JU-NLP, daha az göze çarpan reklamları tercih edecek şekilde ince ayara dayanıyordu; NL-prompt (reklam yoğunluğunu belirten, ek eğitim içermeyen sıradan sistem istemleri) ise dört reklam yoğunluğu düzeyini istemek için doğal dilde talimatlar kullandı: örtük (L1); orta (L2); yoğun; (L3); ve en yüksek (L4).

Üç reklam etiketleme yöntemi karşılaştırıldı: yazarken modeli reklamları etiketlemeye yönlendiren Marker; sağlanan reklam metnine benzeyen cümleleri işaretleyen BERTScore; ve reklamın modelin iç işleyişi üzerindeki etkisini izlemek için kullanılan AttnLRP:

Dört yapay zekâ modelinde reklam yoğunluğu ile yanıt kalitesini karşılaştıran test sonuçları. AdKnob (mavi), reklam düzeylerinde (L1–L4) rakip yöntemlerden daha geniş ve eşit aralıklı bir yelpaze sunarken, benzer reklam yoğunluklarında genellikle daha yüksek yanıt kalitesini korudu.

AdKnob, rakip yöntemlerden daha geniş ve tutarlı bir reklam yoğunluğu aralığı sunarken, benzer düzeylerde genellikle daha kaliteli yanıtlar verdi. Bunun nedeni olarak yeni kontrol belirteçleri ve eğitim sırasında düşük kaliteli yanıtların reddedilmesi gösterildi.

Yazarlar burada şöyle belirtiyor:

‘JU-NLP, yoğunluğu açıkça kontrol etmeden reklamların daha örtük sunulması için ince ayar yapıyor ve sabit yoğunlukta yanıtlar üretiyor. NL-prompt birden fazla yoğunluğu kapsasa da aralığı dar ve reklam puanları tutarsız; bu da doğal dil istemlerinin yoğunluğu kontrol etmek için yetersiz olduğunu doğruluyor.

‘Buna karşılık AdKnob, geniş ve düzenli bir reklam yoğunluğu aralığını kapsıyor.

‘Bunun nedeni, önceden eğitilmiş anlamsal içeriği olmayan ve özellikle reklam yoğunluğunu kontrol etmeye yönelik koşullandırma sinyalleri olarak işlev gören reklam kontrol belirteçlerimizdir. Bu belirteçler, DPO’nun her belirteç ile hedef yoğunluğu arasında açık bir eşleştirme kurmasını sağlar.’

Makalede belirtildiğine göre yazarların yaklaşımı, benzer reklam yoğunluklarında rakip yöntemlerden daha kaliteli yanıtlar da üretti. Bu iyileşme, düşük kaliteli yanıtların açıkça reddedildiği eğitim örneklerine bağlandı.

Ardından sistemin reklam etiketleme yetenekleri değerlendirildi:

Dört yapay zekâ modelinde reklam tespit sonuçları. Daha yüksek puanlar daha iyi doğruluğa işaret eder; en iyi sonuçlar kalın yazıyla gösterilmiştir.

AdKnob, dört modelin tümünde genel olarak en yüksek tespit doğruluğuna ulaştı ve her yanıt için 2,5–7,3 milisaniyede reklamları belirledi. Buna karşılık BERTScore yaklaşık 1.800 milisaniye gerektirdi; böylece AdKnob, test edilen en küçük modelde 500 kattan fazla hızlı oldu.

Yazarlar şöyle ekliyor:

‘AdKnob, açık ablasyon temelli yönlendirme aracılığıyla girdi içindeki reklamla ilgili belirteçler ile reklam bölümleri arasında güçlü bir ilişkilendirme kurması için modeli eğitiyor ve tüm modellerde en iyi AUC ve F1 değerlerine ulaşıyor.’

‘Üstelik AdKnob, yanıt başına ∼3 ms maliyetle, ek çıkarım maliyeti olmadan gerçek zamanlı etiketleme olanağı sunuyor [Qwen3-4B.]

Nitel bir testte Nintendo Switch reklamı, 1. düzeyde birkaç öneriden biri olarak sunuldu. 4. düzeyde ise marka yanıta hâkim oldu; AdKnob her iki yoğunlukta da tanıtım içeren bölümleri belirledi:

Walmart’ta Kara Cuma’yla ilgili bir sorguya verilen, iki reklam düzeyini gösteren örnek yanıtlar. [AD] etiketiyle vurgulanan bölümler tanıtım içeriğini belirtir.

Son olarak**, yazarlar 913 katılımcının yer aldığı bir kullanıcı araştırması yürüttü. Katılımcılar reklam yoğunluğunu ve yanıt kalitesini puanladı, AdKnob’u rakip yöntemlerle karşılaştırdı ve tanıtım içeriğinin ne kadar doğru belirlendiğini değerlendirdi:

AdKnob’a ilişkin insan değerlendirmelerinin sonuçları. Tabloda reklam yoğunluğu ve yanıt kalitesi puanları, rakip yöntemlere kıyasla tercih oranları ve reklam tespit doğruluğu gösteriliyor. Yeşil hücreler, %50’nin üzerindeki tercih oranlarını belirtir.

Yazarlar şu sonuca varıyor:

‘AdKnob en yüksek AUC ve F1 puanına ulaşıyor. Özellikle AdKnob, az sayıda yanlış negatifle yüksek duyarlılık gösteriyor. Bir reklam bölümünün açıklanmaması ciddi hukuki riskler doğurup güveni zedeleyebileceğinden, bu durum düzenlemeler açısından kritik önem taşıyor.’

Sonuç

Büyük dil modelleri içindeki reklamlarla ilgili ilginç bir soru var; benim dikkatimi çektiği kadarıyla şimdiye dek ele alınmamış: Reklam içermeyen çıktı ile reklama dayalı çıktı aynı olduğunda ne oluyor?

Örneğin, yakındaki bir lokanta için öneri istendiğini ve bölgede yalnızca McDonald’s ile puanı gerçekten çok düşük bir kafenin bulunduğunu, ancak McDonald’s’ın listede yer almak için ödeme yaptığını düşünelim. Bu durumda, McDonald’s zaten doğal tercih olsa bile, ev sahibi çerçevenin amaçlarına uygun olduğu için muhtemelen reklam bağlamında sunulacaktır..

Bu sitede oldukça düzenli olarak yazdığım bu tür konuları okumak, kendimi fırın kataloğuna göz atan bir hindi gibi hissettiriyor. Aklımızda tutmamız gereken şu: Bazı bölgelerde zorunlu olan asgari etiketleme yapılsa bile, çıktılarımızdaki “samimiyetsiz” içerik öne çıkarılmayacak. Bu çalışmada ve benzer çalışmalarda sunulan çok sınırlı sayıdaki örneğin bazılarında, ticari içeriğin özgün içeriğe son derece müdahaleci bir biçimde üstün geldiği görülüyor.

Elbette bunlar, özenle seçilmiş örnekler: işe yarayan, halüsinasyon üretmeyen, aşırı ya da saldırgan çağrışımlara yol açmayan ve başka türlü tartışma yaratmayan örnekler. Ölçek büyüdüğünde, kamuoyu önünde itibar kaybı yaşamaya bu kadar yatkın mimariler söz konusu olduğunda, bu durum belki de öncü hizmetlerin çoğunun reklama temkinli yaklaşmasının ek bir nedeni olabilir.

* KAIST Bilgisayar Bilimleri Okulu’ndan altı yazarın kaleme aldığı “AdKnob: LLM Tabanlı Reklamcılıkta Reklam Yoğunluğunun Kontrolü ve Etiketlenmesi” başlıklı çalışma.

** Her zamanki gibi, ablasyon çalışmalarını dışarıda bırakıyoruz (çalışmanın temel katkısının bir parçası oldukları ve yalnızca noktasal bir kontrolden ibaret olmadıkları durumlar hariç).

İlk yayımlanma tarihi: 5 Kasım 2026 Perşembe