تغییرات بنیادینی در نحوه مدیریت تبلیغات کلیکی (PPC) در حال وقوع است. با معرفی فناوری جدیدی به نام «پروتکل زمینه مدل» (Model Context Protocol یا MCP)، متخصصان بازاریابی دیجیتال اکنون میتوانند بدون نیاز به ورود به رابط کاربری سنتی Google Ads، کمپینهای خود را مدیریت کنند. این پروتکل به عنوان یک رابط برنامهنویسی کاربردی (API) برای عوامل هوش مصنوعی (AI Agents) عمل میکند و به مدلهایی مانند Claude، ChatGPT یا Gemini اجازه میدهد تا به دادههای زنده دسترسی داشته باشند و اقدامات لازم را در پلتفرمهای تبلیغاتی اجرا کنند. این رویکرد جدید، شیوه تعامل بازاریابان با نرمافزارها را دگرگون کرده و تمرکز را از یادگیری رابطهای کاربری پیچیده به سمت تعریف نتایج مطلوب سوق داده است.
پروتکل MCP چیست و چگونه کار میکند؟
پروتکل MCP یک استاندارد جدید است که به دستیارهای هوش مصنوعی اجازه میدهد به سیستمهای خارجی متصل شوند، دادههای زنده را بخوانند و اقدامات مشخصی را انجام دهند. فردریک والیس (Frederick Vallaeys)، مدیرعامل شرکت Optmyzr، توضیح میدهد که MCP مانند یک پل ارتباطی امن عمل میکند که دسترسیهای آن توسط ابزار مبدا تعریف میشود. به این ترتیب، عامل هوش مصنوعی تنها به دادههایی دسترسی دارد و اقداماتی را انجام میدهد که صراحتاً به آن اجازه داده شده است.
در حال حاضر، گوگل یک سرور رسمی MCP برای Google Ads API منتشر کرده است که در نسخه فعلی (current release) فقط به صورت خواندنی (read-only) عمل میکند و سه ابزار شامل فهرست کردن حسابها، اجرای پرسوجوهای GAQL و توصیف منابع را ارائه میدهد. با این حال، گوگل اعلام کرده است که قابلیتهای نوشتن (writes) نیز در آینده اضافه خواهند شد. در مقابل، رابطهای شخص ثالث مانند ابزار Sidekick در پلتفرم Optmyzr، امکانات گستردهتری از جمله خواندن و نوشتن دادهها، دسترسی به دادههای رفتاری GA4، تحلیل رقبا و تاریخچه تغییرات حساب را فراهم میکنند.
چالشها و خطرات پنهان مدیریت خودکار تبلیغات
انتقال مدیریت تبلیغات از رابط کاربری سنتی به چتباتهای هوش مصنوعی بدون ریسک نیست. یکی از بزرگترین خطرات، «توهم در ساختار دادهها» (hallucination of shape) است. از آنجا که APIها به سینتکس و ساختار بسیار دقیقی نیاز دارند، یک اشتباه کوچک هوش مصنوعی در تشخیص تفاوت میان یک کمپین و یک گروه آگهی (ad group) میتواند به جای ایجاد چند گروه آگهی ساده، دهها کمپین جدید و ناخواسته ایجاد کند.
چالش دیگر، ناپدید شدن وضعیت جاری حساب (state) در تاریخچه چت است. در رابط کاربری Google Ads، تغییرات به صورت بصری و دائمی در جدولها قابل مشاهده هستند، اما در محیط چت، این اطلاعات در میان پیامهای متوالی گم میشوند. علاوه بر این، خطر «شکست خاموش» (silent failure) در اتوماسیونهای فراموششده وجود دارد. والیس به تجربه شخصی خود در سال ۲۰۱۲ اشاره میکند که اسکریپتی برای ردیابی امتیاز کیفیت (Quality Score) نوشته بود، اما این اسکریپت به دلیل محدودیت اجرای ۳۰ دقیقهای در حسابهای بزرگ، بدون ارسال هیچ گزارشی متوقف شد و دادههای تاریخی ارزشمندی از دست رفت؛ چرا که گوگل تا سال ۲۰۱۷ ستونهای تاریخچه امتیاز کیفیت را ارائه نمیداد.
راهکارهای مدیریت ایمن و حاکمیت بر عوامل هوش مصنوعی
برای جلوگیری از تکرار اشتباهات گذشته (مانند دورانی که اسکریپتهای Google Ads در ژوئن ۲۰۱۲ معرفی شدند و به دلیل عدم نظارت، مشکلات زیادی ایجاد کردند)، بازاریابان باید اصول حاکمیتی دقیقی را پیادهسازی کنند. اولین قدم، اتصال عامل هوش مصنوعی به صورت فقطخواندنی (read-only) برای چند هفته اول است تا رفتار آن در تحلیل دادهها سنجیده شود.
همچنین، محدود کردن دسترسیها باید در سطح حساب کاربری (account level) انجام شود، نه از طریق دستورهای متنی (system prompts) مانند «بیشتر از ۵۰۰ دلار خرج نکن»، زیرا این دستورها برای مدلها صرفاً یک پیشنهاد تلقی میشوند. استفاده از فایلهای راهنما مانند CLAUDE.md در سطح پروژه میتواند به حفظ زمینه و قوانین کلاینتها کمک کند تا نیازی به آموزش هرروزه هوش مصنوعی نباشد.
در نهایت، ثبت یک «دفترچه تصمیمات» (decision log) در کنار تاریخچه تغییرات رسمی گوگل ادز ضروری است. جولی فریدمن باچینی (Julie Friedman Bacchini) در برنامه PPC Town Hall اشاره کرده است که عدم وجود نظارت و ثبت دلایل تصمیمگیری، دلیل اصلی تردید بسیاری از متخصصان در واگذاری کنترل کامل حسابها به هوش مصنوعی است. بنابراین، ثبت اینکه چه چیزی بررسی شد، چه شواهدی وجود داشت و چرا هوش مصنوعی تصمیمی را اتخاذ کرد، برای آینده این صنعت حیاتی است.