Habere Güven

Son Dakika Hızlı Haber ve Güncel Gelişmeler

Hedefli reklamlar, politik olmadıklarında bile bizi izole ediyor ve bölüyor

| 10:00
A+ | A-

Brexit oylamasından bu yana beş yıl ve Cambridge Analytica skandalından bu yana üç yıl geçti, artık hedefli siyasi reklamcılığın kutuplaşmayı körüklemede oynayabileceği rolü biliyoruz. 2018’de Cambridge Analytica’nın, Donald Trump’ın 2016 seçim kampanyasının çevrimiçi reklamlarla kilit seçmenleri hedeflemesine yardımcı olmak için, kullanıcıların rızası olmadan 87 milyon Facebook profilinden toplanan verileri kullandığı ortaya çıktı.

O zamandan beri, bu tür hedefli reklamların nasıl siyasi filtre balonları ve yankı odaları yaratabildiğini, insanları böldüğünden ve zararlı dezenformasyonun dolaşımını artırdığından şüphelenildiğini öğrendik.

Ancak çevrimiçi alışverişi yapılan reklamların büyük çoğunluğu siyasi değil ticaridir. Ticari hedefli reklamcılık, internet ekonomisindeki birincil gelir kaynağıdır , ancak bunun bizi nasıl etkilediği hakkında çok az şey biliyoruz. Kişisel verilerimizin, hedefli reklamcılığı, gizliliğimizi ihlal edecek şekilde desteklemek için toplandığını biliyoruz . Ancak gizlilikle ilgili hususların dışında, hedefleme bize başka nasıl zarar verebilir ve bu zararlar nasıl önlenebilir?

Bu sorular son araştırmamızı motive etti . Çevrimiçi hedefli reklamcılığın, itiraz ettiğimiz reklamları toplu olarak işaretlememizi engelleyerek bizi böldüğünü ve izole ettiğini gördük. Bunu fiziksel dünyada (belki bir otobüs durağında veya tren istasyonunda bir reklam gördüğümüzde) düzenleyicileri zararlı içeriğe karşı uyararak yaparız. Ancak çevrimiçi tüketiciler, gördükleri bilgiler kendilerine hedeflenenlerle sınırlı olduğu için tecrit edilmiştir.

Hedefli reklamların bizi başkalarının geri bildirimlerinden izole etmesini önleyen bu kusuru giderene kadar, düzenleyiciler bizi zarar verebilecek çevrimiçi reklamlardan koruyamaz.

Çevrimiçi olarak değiş tokuş edilen reklamların hacmi nedeniyle, insan denetçiler her kampanyayı inceleyemez. Giderek artan bir şekilde, makine öğrenimi algoritmaları , reklamların içeriğini tarayarak zararlı olma veya standartlara uymama olasılığını tahmin ediyor. Ancak bu tahminler taraflı olabilir ve genellikle yalnızca en açık ihlalleri yasaklarlar. Bu kontrolleri geçen birçok reklamın önemli bir kısmı hala potansiyel olarak zararlı içerik barındırmaktadır.

Geleneksel olarak, reklam standartları yetkilileri, tüketici şikayetlerine dayanarak reklamları düzenlemek için reaktif bir yaklaşım benimsemiştir. Protein World’ün Londra Metrosu’ndaki reklam panolarında bikinili bir modelin yanında “Plaj vücudu hazır mısınız?” yazan “ Beach Body ” kampanyasının 2015 örneğini ele alalım. Birçok taşıt , zararlı stereotipleri teşvik ettiğini söyleyerek şikayet etti. Kısa bir süre sonra, reklam yasaklandı ve sosyal sorumluluk sahibi reklamlara yönelik bir kamu soruşturması başlatıldı.

Reklamları düzenlemek

Protein Dünyası vakası, düzenleyicilerin nasıl çalıştığını göstermektedir. Tüketici şikayetlerine yanıt verdikleri için düzenleyici kurum, reklamların algılanan sosyal normlarla nasıl çeliştiğini değerlendirmeye açıktır. Sosyal normlar zaman içinde geliştikçe, bu, düzenleyicilerin halkın zararlı olarak gördüğü şeylere ayak uydurmasına yardımcı olur.

Tüketiciler, reklamın zararlı bir mesajı desteklediğini ve normalleştirdiğini düşündükleri için reklamdan şikayet ettiler. Ancak , onları görmüş olabilecek yüz binlerce kişiden yalnızca 378 taşıtın düzenleyiciye şikayette bulunduğu bildirildi . Bu şu soruyu gündeme getiriyor: Peki ya diğerleri? Kampanya çevrimiçi olarak gerçekleşseydi, insanlar hoşnutsuz taşıtlar tarafından tahrif edilen posterleri görmezdi ve mesajını sorgulamaları istenmeyebilirdi.

Dahası, reklam, mesajına en açık olan tüketicilerin alt kümesini hedef alsaydı, herhangi bir şikayette bulunmayabilirlerdi. Sonuç olarak, zararlı mesaj tartışmasız kalacak ve düzenleyicinin mevcut sosyal normlara uygun olarak yönergelerini güncelleme fırsatını kaçıracaktı.

Bazen reklamlar, yüksek yağ içerikli yiyeceklere yönelik reklamların çocukları hedef alması veya kumar reklamlarının kumar bağımlılığı olan kişileri hedeflemesi gibi belirli bir bağlamda zararlıdır. Hedefli reklamlar, atlayarak da zarar verebilir. Örneğin, ayakkabı reklamları, birinin daha yararlı ve hatta hayati bulabileceği iş ilanlarını veya halk sağlığı duyurularını dışlıyorsa, durum böyledir.

Bu durumlar bağlamsal zararlar olarak tanımlanabilir: belirli bir içeriğe bağlı değildirler, bunun yerine reklamın tüketiciye sunulduğu bağlama bağlıdırlar.

Makine öğrenimi algoritmaları, bağlamsal zararları belirlemede kötüdür. Aksine, hedeflemenin çalışma şekli onları gerçekten güçlendirir. Örneğin, birkaç denetim , Facebook’un sosyoekonomik eşitsizlikleri kötüleştiren ayrımcı hedeflemeye nasıl izin verdiğini ortaya çıkardı .

Daha derine inmek

Tüm bu sorunların temel nedeni, tüketicilerin çevrimiçi ortamda çok izole bir deneyime sahip olmaları gerçeğine dayandırılabilir. Buna , Londra Metrosu gibi ortak bir alanda başkalarıyla karşılaştırma fırsatı olmaksızın, her bireye sunulan bilginin onları hedeflenenlerle sınırlı olduğu bir “ epistemik parçalanma ” durumu diyoruz .

Kişiselleştirilmiş hedefleme nedeniyle her birimiz farklı reklamlar görüyoruz. Bu bizi daha savunmasız hale getiriyor. Reklamlar, kişisel güvenlik açıklarımız üzerinde oynayabilir veya varlığından asla haberdar olmadığımız fırsatları bizden esirgeyebilir. Diğer kullanıcıların ne gördüğünü bilmediğimiz için diğer savunmasız insanlara bakma yeteneğimiz de sınırlıdır.

Şu anda düzenleyiciler, bu zorlukların üstesinden gelmek için iki stratejinin bir kombinasyonunu benimsiyor. İlk olarak, nasıl hedef alındıkları üzerinde “kontrol” sağlamak için tüketicileri eğitmeye giderek daha fazla odaklanıldığını görüyoruz . İkinci olarak, reklam kampanyalarını proaktif olarak izlemeye, reklamlar çevrimiçi olarak yayınlanmadan önce tarama mekanizmalarını otomatikleştirmeye yönelik bir baskı var. Bu stratejilerin her ikisi de çok sınırlıdır.

Bunun yerine, çevrimiçi reklamcılığın düzenlenmesinde aktif katılımcılar olarak tüketicilerin rolünü yeniden canlandırmaya odaklanmalıyız. Bu, hedefleme kategorilerinin kesinliğini azaltarak, hedefleme kotaları oluşturarak veya hedeflemeyi tamamen yasaklayarak başarılabilir. Bu, çevrimiçi reklamların en azından bir bölümünün daha çeşitli tüketiciler tarafından, bunlara itirazların yükseltilebileceği ve paylaşılabileceği ortak bir bağlamda görülmesini sağlayacaktır.

Cambridge Analytica skandalının ardından, Seçim Komisyonu , Birleşik Krallık’taki 2019 seçimlerine kadar, hedefli siyasi reklamların gizli dünyasını açığa çıkarmak için çaba sarf etti . Bazı yayıncılar , daha geniş bir kitleyle paylaşmak için hedef kitlelerinden sosyal medya akışlarına hedefli reklamlar göndermelerini istedi. Kampanya grupları ve akademisyenler , hedeflenen kampanyaları daha ayrıntılı olarak analiz ederek reklamların nerede zararlı veya yanlış olabileceğini ortaya çıkardı.

Bu stratejiler, şu anda zararlı reklamlara toplu olarak yanıt vermemizi engelleyen epistemik parçalanmayı kıracak olan ticari hedefli reklamcılık için de kullanılabilir. Araştırmamız, zarar verenin yalnızca siyasi hedefleme olmadığını gösteriyor; ticari hedefleme de dikkatimizi gerektiriyor.

  1. Silvia Milano Postdoctoral Researcher in AI Ethics, University of Oxford
  2. Brent Mittelstadt Research Fellow in Data Ethics, University of Oxford
  3. Sandra Wachter Associate Professor and Senior Research Fellow, Oxford Internet Institute, University of Oxford

deneme