آژانسهای رسانهای برای کاهش زحمت لیستهای شمول به هوش مصنوعی روی میآورند

فهرستهای شمول (Inclusion Lists): استاندارد طلایی برای ایمنی برند
برای بازاریابانی که نگاه تیزبینی بر روی ایمنی و مناسببودن برند (Brand Safety and Suitability) دارند، فهرستهای شمول (Inclusion Lists) تا حدی یک استاندارد طلایی محسوب میشوند. و مانند طلا، گرانقیمت هستند.
کاهش بار کاری با هوش مصنوعی
بهطور فزایندهای، آژانسهای رسانهای در حال استفاده از هوش مصنوعی مولد (Generative AI) برای کاهش بار کاری مرتبط با فهرستهای شمول هستند. تیم لاثروپ، معاون Vice President پلتفرم دیجیتال در Mediassociates میگوید: «در گذشته، [انجام این کار] ساعاتی طول میکشید.» او افزود: «حالا اساساً میتوانید یک فهرست را در عرض چند دقیقه بسازید.»
فهرست شمول در مقابل فهرست حذف
زمانی که یک تبلیغکننده از یک فهرست شمول استفاده میکند، هزینه برنامهریزیشده (Programmatic Spend) را به فهرستی از ناشران و سایتها محدود میکند. این عمل معکوس یک فهرست حذف (Exclusion List) است که به سادگی ناشرانی را که یک بازاریاب نمیخواهد با آنها هزینه کند، حذف مینماید.
در تئوری، این کار تضمین میکند که بودجه تبلیغات تنها به جایی که باید، اختصاص مییابد – و از شوکهای ناخوشایند سایتهای ساختهشده برای تبلیغات (MFA) جلوگیری میکند. در عمل، این یک اقدام زمانبر – و در نتیجه پرهزینه – است.
چالش هزینه و نگهداری
ایولین میچل-وولف، تحلیلگر فناوری تبلیغات در فورستر میگوید: «میزان تلاشی که برای راهاندازی یک فهرست و بهروز نگه داشتن آن لازم است، قابل توجه است.» در نتیجه، این یک روش است که توسط اقلیت قابل توجهی از متخصصان رسانه استفاده میشود. بر اساس مطالعه پالس CMO فورستر در سهماهه سوم ۲۰۲۵، ۴۲ درصد از تصمیمگیرندگان بازاریابی مصرفکننده در ایالات متحده از فهرستهای شمول ناشران استفاده میکنند.
راهحلی برای نگرانیهای ایمنی برند
با توجه به حجم نگرانیهای بازاریابان درباره ایمنی برند، برخی از خریداران رسانه، فهرستهای شمول را به عنوان یکی از تنها راههای هزینه کردن در موجودی وب باز (Open Web Inventory) در حالی که نگرانیهای مشتری را برطرف میکنند، میبینند. برای مثال، مایندشر به گفته الکسیس فاکنر، مدیر ارشد трансформация در مایندشر، «به شدت بر شمول متمرکز است.»
فاکنر گفت: «در آنجا موجودی واقعاً باکیفیتی وجود دارد که هنوز هم عملکرد خوبی دارد، اما با همه محتوای بیارزش دیگر دستهبندی میشود. مگر اینکه بتوانید از فناوری برای درک این موضوع و درک سیگنالهای کیفیت، نه فقط سیگنالهای ایمنی، استفاده کنید، در غیر این صورت به یک رسانه کامل بیاحترامی کردهایم.»
شتابگیری با کمک هوش مصنوعی
کاهش زمان صرفشده برای تدوین یک فهرست شمول خاص برند (یا زمان صرفشده برای نگهداری یک فهرست شمول مرکزی آژانس) میتواند باعث شتابگیری این روش شود.
مکانیزم اجرایی هوش مصنوعی
در مفاهیم پایه، آژانسهایی مانند Mediassociates فهرستهای شمول ثابتشده خود را گرفته و آنها را در مقابل اطلاعات بهروز از سرویسی مانند OpenSincera متعلق به ترید دسک (The Trade Desk) مقایسه میکنند. سپس، آنها از یک ابزار هوش مصنوعی مولد مانند ChatGPT در کنار بریفهای مشتری برای شناسایی شکافهای موجود در فهرست خود – ناشرانی که در یک دسته خاص از قلم انداختهاند – برای بررسی بیشتر توسط خریداران یا برنامهریزان استفاده میکنند. برای مثال، اسمبلی به گفته وین بلادول، رئیس بخش برنامهریزیشده، از Copilot مایکروسافت استفاده میکند.
سرعت و مقیاس بیشتر
در حالی که ریتم این فرآیند مانند قبل است، عنصر هوش مصنوعی به آژانسها این امکان را میدهد که یک فهرست را سریعتر از زمانی که فقط تحلیلگران انسانی در اختیار داشتند، گسترش دهند. بلادول گفت: «اگر با بیش از ۱۰۰,۰۰۰ دامنه سر و کار دارید، بررسی دستی آن بسیار دشوار است.»
به گفته تاجی زامیناسلی، بنیانگذار و شریک مدیریتی آژانس رسانهای AxM، «این [روش] در کشف ایدههایی که ممکن است ما آنها را آزمایش نکرده باشیم، واقعاً مفید است.»
اما این روش بینقص نیست
با این حال، این روش بینقص (Foolproof) نیست. «زامیناسلی» که به Digiday گفت آژانس او بیش از یک سال است که از این استراتژی استفاده میکند، خاطرنشان کرد: «ما همیشه باید با دقت زیادی آن را زیر نظر داشته باشیم زیرا برخی از توصیهها مناسب نیستند.» او تخمین زد که این فرآیند، روند تدوین را ۳۰ درصد سریعتر کرده است.
«لاتروپ» گفت: «ما هنوز در حال کار با مدلهای زبانی بزرگ (LLMs) هستیم – آنها کامل نیستند.»
شکاکیت و محدودیت در استفاده
اگرچه آژانسهای AxM، Assembly و Mediassociates خودداری نکردهاند، اما سایر مدیران اجرایی آژانسهای رسانهای گفتند که شکاکیت آنها نسبت به هوش مصنوعی تولیدی (Gen AI) باعث شده است استفاده از آن را محدود کنند. یکی از مدیران اجرایی که به شرط ناشناس ماندن، نظرات صریح خود را بیان کرد، گفت آژانس آنها از ابزارهای هوش مصنوعی تولیدی برای دستهبندی و مرتبسازی ناشران درون یک فهرست الحاق (Inclusion List) استفاده میکند – اما نه برای تدوین خود فهرست.
آنها به Digiday گفتند: «برای انجام دقیقاً کاری که امیدواریم بتواند انجام دهد، کمی زودرس است. حتی با وجود نردههای حفاظتی (Guardrails)، شما همچنان اعتماد زیادی به نظر ذهنی (Subjective Opinion) میکنید که هوش مصنوعی برای شما بیرون میریزد. به همین دلیل ما هنوز بر تعامل دستی و انسانی با سایتهای فهرست شده تکیه میکنیم.»
اهمیت مسائل مربوط به مناسب بودن برند
برای برخی دیگر، مسائل مناسب بودن برند (Brand Suitability) آنقدر مهم هستند که نمیتوان آنها را از دست انسانها خارج کرد. «لوییز اوونز»، مدیر ارشد عملکرد در Kinesso، گفت که این آژانس از یک «کنسول هوش مصنوعی (AI Console)» با توصیههای برنامهریزی رسانهای مبتنی بر هوش مصنوعی تولیدی استفاده میکند، اما فهرستهای الحاق همچنان یک مسئولیت محفوظ و انسانی است.
چالشهای گستردهتر صنعت
کاهش زمان صرف شده برای تدوین فهرستهای الحاق، به سایر سوالات شکآلود صنعت در مورد این روش پاسخ نمیدهد. تعداد ناشران موجود در چنین فهرستهایی بسته به نیازهای مشتری متفاوت است و از حداقل ۶۰۰ تا حداکثر ۵۰,۰۰۰ متغیر است. با اتخاذ یک رویکرد عمداً محدود در هزینهکرد تبلیغات، تبلیغکنندگان ممکن است دسترسی (Reach) کمپینهای خود را به طور غیرضروری کاهش دهند – و هزینه را در بین تعداد کمی از ناشران از پیش تثبیت شده متمرکز کنند.
«جاناتان دسوزا-راوتو»، مشاور فناوری تبلیغات (Ad Tech)، گفت: «چالش این نوع رویکرد این است که واقعاً به ناشران کوچک و متوسط توجهی نمیکند.»
اتوماسیون و تصمیمگیریهای ظریف
و خودکارسازی (Automating) این فرآیند میتواند به خریداران و برندها این فرصت را بدهد تا زمان بیشتری برای اتخاذ تصمیمهای ظریفتر (Nuanced Decisions) در مورد موارد مرزی (Edge Cases) داشته باشند – یا در صورتی که برنامه آنها از مجموعه بسیار محدودی از ناشران استفاده میکند، محدودیتها را کاهش دهند. «مایک اوسالیوان»، مدیر کل محصول در The Trade Desk، گفت: «حتی اگر موردی از تحویل کمتر از حد انتظار [در عملکرد کمپین] پیش بیاید، فقط کافی است محدودیتها را شل کنید.»
