بر اساس گزارش جدید انجمن تبلیغات تعاملی اروپا (IAB Europe)، هوش مصنوعی به طور گستردهای در بهینهسازی کمپینهای تبلیغاتی ادغام شده است؛ با این حال، صنعت تبلیغات دیجیتال همچنان در پذیرش کامل معاملات خودگردان و بدون دخالت انسان احتیاط میکند. این گزارش نشان میدهد که تفاوتی اساسی میان استفاده از الگوریتمها برای بهبود کارایی کمپینها و واگذاری اختیار کامل خرید و فروش رسانه به عاملهای هوشمند (AI Agents) وجود دارد. همزمان، تغییرات اخیر در قوانین قیمتگذاری گوگل بار دیگر اهمیت کنترل ناشران بر فرآیند مزایدهها را برجسته کرده است.
شکاف میان بهینهسازی کمپین و خودگردانی کامل عاملهای هوشمند
مطالعه سال ۲۰۲۶ نهاد IAB Europe نشان میدهد که ۸۶ درصد از ۵۰ پاسخدهنده در این نظرسنجی، از هوش مصنوعی در فعالیتهای بازاریابی خود استفاده میکنند. با این حال، میزان نفوذ این فناوری در بخشهای مختلف یکسان نیست. در میان ۲۹ پاسخدهندهای که به طور اختصاصی درباره جریانهای کاری تبلیغات مورد پرسش قرار گرفتند، ۵۹ درصد از هوش مصنوعی برای بهینهسازی برنامهریزیشده (Programmatic Optimization) و ۵۵ درصد برای برنامهریزی و استراتژی رسانه استفاده میکنند. در مقابل، خرید و فروش مبتنی بر عاملهای هوشمند با ۳۸ درصد در رتبه پایینتری قرار دارد.
انتظارات فعالان بازار فراتر از سطح فعلی پیادهسازی این فناوری است. در پاسخ به این پرسش که طی یک سال آینده چه تحولی رخ خواهد داد، ۳۰ درصد از شرکتکنندگان پیشبینی کردند که عاملهای هوشمند به روش اصلی خرید و فروش تبلیغات در برخی بازارها تبدیل خواهند شد. ۲۸ درصد انتظار دارند استفاده از آنها بدون رسیدن به مقیاس گسترده، به امری عادی تبدیل شود و ۱۸ درصد نیز معتقدند این فناوری توسعه بیشتری خواهد یافت اما در کارهای روزمره کاربرد چندانی نخواهد داشت.
از میان ۴۷ پاسخدهندهای که به سوالی درباره سطح خودگردانی هوش مصنوعی پاسخ دادند، ۳۶ نفر اعلام کردند که یا هیچ سیستم مبتنی بر عامل هوشمند را در فعالیتهای روزانه خود به کار نمیگیرند، یا سیستمهای آنها در دو سطح ابتدایی قرار دارد؛ یعنی سطوحی که انسانها مستقیماً عامل را هدایت میکنند یا در کنار آن به برنامهریزی میپردازند. سازمانهای بزرگتر به طور میانگین سیستمهای پیشرفتهتری را نسبت به شرکتهای کوچکتر گزارش کردهاند و فعالان حوزه فناوری تبلیغات (Ad Tech) نیز نسبت به آژانسها و تبلیغدهندگان، به سطح بالاتری از خودگردانی دست یافتهاند.
چالشهای سنجش عملکرد و ضعف در حاکمیت دادهها
شواهد مربوط به عملکرد هوش مصنوعی در عملیات تبلیغاتی همچنان متناقض است. پاسخدهندگانی که به عملکرد فعلی هوش مصنوعی در فرآیندهای تبلیغاتی خود امتیاز دادند، به طور میانگین نمره ۲.۷۶ از ۵ را ثبت کردند. در میان ۲۹ پاسخدهندهای که درباره نحوه ارزیابی ابزارهای هوش مصنوعی مورد پرسش قرار گرفتند، ۶۹ درصد کارایی عملیاتی و ۴۸ درصد بهبود شاخص هزینه به ازای هر هزار نمایش (CPM) را به عنوان معیارهای اصلی خود انتخاب کردند. این در حالی است که تنها ۲۱ درصد به بهبود کیفیت مخاطبان یا دقت هدفگیری اشاره کردند و سهم نرخ تکمیل ظرفیت تبلیغات (Fill Rate) یا بازدهی (Yield) تنها ۳ درصد بود. پنج پاسخدهنده نیز اعلام کردند که هیچ سیستم سنجش رسمی برای این ابزارها ندارند.
علاوه بر این، ساختار خرید تبلیغات بعید است که به طور کامل به سیستمهای اختصاصی درونسازمانی یا پلتفرمهای بیرونی محدود شود؛ پاسخدهندگان ترکیبی از ابزارهای داخلی و شخص ثالث را توصیف کردهاند. این موضوع پرسشهای مهمی را درباره حاکمیت داده ایجاد میکند: تصمیم نهایی خرید در یک کمپین توسط سیستم چه کسی گرفته میشود، چه کسی میتواند آن را بازرسی کند و در صورت بروز خطا در هزینهکرد، مسئولیت با کیست؟
اگرچه ۷۸ درصد از کل پاسخدهندگان اعلام کردند که سازمان آنها دارای یک متولی برای حاکمیت هوش مصنوعی (AI Governance Owner) است، اما تنها ۴۸ درصد دستورالعملهای اختصاصی برای استفاده از هوش مصنوعی در بازاریابی داشتند. همچنین در میان سازمانهایی که آموزشهای مرتبط ارائه میدهند، کمتر از یکچهارم (۲۴ درصد یا ۹ سازمان از ۳۸ مورد) آموزشهای خود را به بررسی اقدامات خودگردان سیستمها و زمان مناسب برای مداخله انسانی اختصاص دادهاند.
تنشهای کنترل در سمت ناشران و قوانین قیمتگذاری گوگل
دغدغههای مربوط به کنترل فرآیندها تنها به خریداران محدود نمیشود و ناشران را نیز در سوی دیگر مزایده درگیر کرده است. اخیراً انتشار مطلبی در لینکدین توسط شرکت MonetizeMore بحثهای گستردهای را درباره یکی از قابلیتهای جدید گوگل اد منیجر (Google Ad Manager) برانگیخته است؛ قابلیتی که به ناشران اجازه میدهد برای پیشنهاددهندگان برنامهریزیشده خاص، کف قیمت (Price Floors) تعیین کنند.
این قابلیت به عنوان بازگشت ابزاری توصیف شده است که ناشران در سال ۲۰۱۹ و با معرفی قوانین قیمتگذاری یکپارچه (Unified Pricing Rules) توسط گوگل از دست داده بودند. بر اساس مستندات دادگاه ضدانحصار گوگل، قوانین یکپارچه سال ۲۰۱۹ توانایی ناشران برای تعیین کف قیمت بالاتر برای سرویس AdX گوگل نسبت به صرافیهای رقیب را از بین برده بود. دستورالعملهای فعلی گوگل نشان میدهند که چگونه میتوان پیشنهاددهندگان خاصی را در قوانین قیمتگذاری انتخاب کرد، هرچند طرفین پرونده حقوقی همچنان در حال کار روی متن نهایی حکم دادگاه هستند.
بحثهای بعدی پیرامون این موضوع بر این محور استوار است که آیا ناشران میتوانند از کف قیمتهای متفاوت برای اعمال فشار بیشتر بر خریداران خاص یا پاداش دادن به منابع تقاضای ارزشمند خود استفاده کنند یا خیر. هشدار عملی این پلتفرم، لزوم محاسبه بر اساس درآمد خالص ناشر است؛ برای مثال، در مستندات خود گوگل آمده است که یک پیشنهاد ۱ دلاری تحت توافق تقسیم درآمد ۸۰ به ۲۰، پس از کسر سهم گوگل به عنوان پیشنهادی معادل ۰.۸۰ دلار ارزیابی میشود.
تحولات کلیدی و روندهای نوظهور در بازار تبلیغات
تغییرات ناشی از هوش مصنوعی با تحولات ساختاری دیگری در بازار همراه شده است. تیم وندرهوک (Tim Vanderhook)، مدیرعامل شرکت Viant، با اشاره به اقدامات متا در حوزه تجارت مبتنی بر عاملهای هوشمند میگوید:
متا سالها صرف یادگیری علایق کاربران خود و نحوه ایجاد تقاضا کرده است. اکنون، با هدف قرار دادن تجربه پرداخت و تسویهحساب، متا در تلاش است تا کل قیف فروش را در یک رابط کاربری واحد ادغام کند.
در همین حال، آمازون دسترسی ابزار هوش مصنوعی Muse متعلق به متا را به دلیل ورود بدون مجوز به فروشگاه خود مسدود کرده است؛ اقدامی که چالشهای مربوط به کنترل تجارت مبتنی بر عاملهای هوشمند را دوچندان میکند. همچنین شرکت Scope3 با تغییر نام تجاری خود به Apostra، تمرکز خود را بر معاملات تبلیغاتی مبتنی بر عاملهای هوش مصنوعی قرار داده است.
در بخش خردهفروشی و خدمات مالی نیز روندهای جدیدی در حال شکلگیری است. سیتیبانک (Citi) با راهاندازی یک واحد رسانه تجاری جدید، به برندها اجازه میدهد تا با استفاده از دادههای هزینهکرد مشتریان، آنها را هدف قرار دهند. مکدونالد نیز در حال آزمایش نمایش تبلیغات روی تابلوهای منوی دیجیتال بخش درایو-ترو (Drive-thru) و بررسی راههای تبدیل دادههای مشتریان به یک کسبوکار رسانهای است.
با این حال، سرعت بالای پذیرش هوش مصنوعی بحران نیروی کار را در این صنعت تشدید کرده است. مدیران تبلیغاتی اذعان میکنند که ورود هوش مصنوعی به محیط کار منجر به بروز یک بحران جدی در استخدام نیروهای تازهکار (Entry-level) شده است، زیرا بسیاری از شرکتها تمایلی به جذب این افراد ندارند. از سوی دیگر، بازاریابان نسبت به شکلگیری فرهنگ «به اندازه کافی خوب» هشدار میدهند؛ رویکردی که در بحبوحه حباب هوش مصنوعی منجر به افت استانداردهای کیفی شده است.