Sponsorlu İçerikleri Haber Sitelerinde Makine Öğrenimi ile Tanıma

Hollandalı araştırmacılar, haber platformlarında sponsorlu veya başka şekilde ödenmiş içeriği %90’dan fazla doğrulukla ayırt edebilen yeni bir makine öğrenimi yöntemi geliştirdiler. Bu, reklamverenlerin “yerli” reklam formatlarına olan artan ilgisine yanıt olarak geldi.

Yeni makale, Leiden Üniversitesi’nden araştırmacılara ait ve Haberlerde Ticari ve Editoryal İçeriği Ayırt Etme başlığını taşıyor.

Ticari (kırmızı) ve editoryal (mavi) alt grafikler, verilerin analizinden ortaya çıkıyor. Kaynak: https://arxiv.org/pdf/2111.03916.pdf

Yazarlar, daha ciddi yayınların, reklamverenlere karşı daha kolay şartlar dikte edebildikleri için, “ortak içerik” ile genel haber ve analiz akışını ayırmak için makul bir çaba sarf edeceklerini gözlemlediler. Ancak, standartlar, yavaş ama kaçınılmaz bir şekilde, bir yayın içindeki editoryal ve ticari ekipler arasındaki entegrasyonu artırmaya doğru kayıyor ve bu da yazarlar tarafından alarm veren ve olumsuz bir trend olarak görülüyor.

‘İçeriği gizleme yeteneği, isteyerek veya istemeyerek, ve advertöriyallerin etiketlenmemiş olarak tanınma olasılığı önemli. Pazarlamacılar buna yerli [reklam] diyor.’

Yerel reklamcılığın bazı güncel örnekleri, çeşitli olarak ‘ortak içerik’, ‘marka içeriği’ ve diğer adlandırmalarla anılıyor ve haber platformlarındaki yerel ve ticari olarak yerleştirilmiş içerik arasındaki ayrıma dikkat çekiyor.

Bu çalışma, Amsterdam’da bulunan ve haber kültürünün ağ yapısını inceleyen ACED Reverb Channel’da daha geniş bir araştırma kapsamında gerçekleştirildi.

Veri Toplama

Proje için kaynak verilerini geliştirmek amacıyla, yazarlar dört Hollandalı haber kaynağından 1.000 makale ve 1.000 advertöriyali kullandılar ve bunları metinsel özelliklerine göre sınıflandırdılar. Veri seti nispeten küçük olduğu için, yazarlar büyük ölçekli yaklaşımları tránh ettiler ve daha klasik makine öğrenimi çerçevelerinin etkinliğini değerlendirdiler. Bunlar arasında Destek Vektör Makinesi (SVM), LinearSVC, Karar Ağacı, Rastgele Orman, K-En Yakın Komşu (K-NN), Stokastik Gradient İnişi (SGD) ve Basit Bayes yer alıyor.

Reverb Kanalı korpusu, gerekli 1.000 ‘doğru’ makaleyi sağlayabildi, ancak yazarlar advertöriyalleri doğrudan dört Hollandalı web sitesinden kazıyarak elde ettiler. Elde edilen veri, kısıtlı形式de (telif hakkı endişeleri nedeniyle) GitHub’da mevcuttur ve burada kullanılan bazı Python kodları da bulunmaktadır.

Çalışmada incelenen dört yayının her biri eşit oranda temsil edildi: Politik olarak muhafazakar Nu.nl, daha ilerici Telegraaf, NRC ve iş dergisi De Ondernemer.

Gerçek native ve sponsorlu içerik için net kalıplar oluşturmak amacıyla, araştırmada oluşturulan leksikondaki potansiyel ‘sızıntı’ kelimelerini tanımlamak ve bunları göz ardı etmek gerekti.

Sonuçlar

Test edilen yöntemler arasında, en iyi sonuçlar SVM, linearSVC, Rastgele Orman ve SGD tarafından elde edildi. Araştırmacılar daha sonra进一步 analiz için SVM’yi kullandılar.

Korpus boyunca sınıflandırma için en iyi model yaklaşımı %90’dan fazla doğrulukla sonuçlandı, ancak araştırmacılar B2B odaklı yayınlarda, gerçek ve sponsorlu içerik arasındaki leksikal örtüşmenin fazla olduğu durumlarda net bir sınıflandırma elde etmenin daha zor olduğunu belirttiler – belki de iş dili already daha öznel ve bir gündemi gizleyebilir.

Dört yayında gerçek ve sponsorlu içeriğin ayrılması için t-Distributed Stochastic Neighbor Embedding (t-SNE) grafikleri.

Sponsorlu İçerik ‘Sahte Haber’ midir?

Araştırmacıların projesi, haber içeriği analizindeki bu alandaki yeniliklerini vurguluyor. Sponsorlu içeriği tanımlayabilen çerçeveler, objektif gazetecilik ile ‘yerli reklamcılık’ arasındaki dengeyi yıllık olarak izlemenin yolunu açabilir ve bu, çoğu yayında aynı görsel ipuçlarını (CSS stilleri ve diğer biçimlendirmeleri) kullanan bir içerik türüdür.

Bir anlamda, sponsorlu içeriğin sık sık açık bir bağlamdan yoksun olması, ‘sahte haber’ çalışmasının bir alt alanı olarak ortaya çıkıyor. Çoğu yayıncı, ‘kilise ve devlet’ ayrımının必要 olduğunu ve okuyuculara ödenmiş ve organik olarak üretilen içerik arasında net bir ayrım sunma zorunluluğunu tanır, ancak basılı gazetecilik sahnesinin gerçekleri ve reklamverenlere olan artan bağımlılık, UI psikolojisinin bir parçası olarak sponsorlu içerik göstergelerinin vurgusunu azaltmıştır. Bazen sponsorlu içeriği çalıştırmaktan elde edilecek kazançlar, büyük bir optik felaket riskini göze almaya yetecek kadar cezbedici olabilir.

2015 yılında, sosyal medya ve rekabetçi benchmarking platformu Quintly, Facebook’ta bir gönderinin sponsorlu olup olmadığını belirlemek için bir AI tabanlı algılama yöntemi sundu ve %96’lık bir doğruluk oranından bahsetti. Ertesi yıl, Georgia Üniversitesi’nden bir çalışma, yayıncıların sponsorlu içeriği açıklama şeklinin ‘aldatmacaya complicit’ olabileceğini iddia etti.

2017 yılında, medya ve teknoloji arasındaki kesişimi inceleyen MediaShift, gözlemledi ki New York Times, operasyonlarını T Brand Studio adlı markalı içerik stüdyosu aracılığıyla nasıl para kazandırdığını ve sponsorlu içeriğin etrafındaki şeffaflık düzeylerinin azaldığını, böylece okuyucuların içeriğin gerçekten üretilip üretilmediğini kolayca anlayamadıklarını belirtti.

2020 yılında, Hollanda’dan başka bir araştırma girişimi, otomatik olarak tanımlamak için makine öğrenimi sınıflandırıcıları geliştirdi. Sırp haber platformlarında çıkan Rus devlet tarafından finanse edilen haberleri. Ayrıca, 2019 yılında Forbes’in ‘medya içerik çözümlerinin’, 2010 yılında yayıncı tarafından başlatılan BrandVoice adlı içerik stüdyosu aracılığıyla toplam gelirinin %40’ını oluşturduğu tahmin edildi.