Yapay görünen reklam görselleri daha az mı tıklanıyor?
Taboola reklam verilerinde, yapay görünen reklam görselleri daha az mı tıklanıyor? Görseller daha yapay algılandıkça tıklama oranı düşüyordu ve bu ilişki yapay zekâ görsellerinde daha güçlüydü. İlk karşılaştırmada yapay zekâ görsellerindeki %0,76 ve insan yapımı görsellerdeki %0,65 tıklama oranları arasındaki fark, benzer reklamlar karşılaştırılınca kayboldu. İşletmeler için bu bulgu, görseli kimin ürettiğinden çok izleyiciye yapay görünüp görünmediğinin önemli olduğuna işaret ediyor.
İngilizce kaynak · Türkçe inceleme: 19 Ekim 2026 · Kaynak tarihi yukarıdaki künyededir.
Editoryal inceleme taslağı
Kaynak kontrolü yapıldı; Türkçe inceleme insan editör değerlendirmesini bekliyor. DijitalPi bu çalışma için müşteri deneyi yapmadı.
KISA AÇIKLAMA
Bu Araştırma Size Ne Söylüyor?
DijitalPi yorumu: Bir reklam görselinin yapay zekâyla üretilmesi, tek başına daha çok tıklanacağını göstermez.
Bir örnek düşünün
Temsili bir mobilya mağazası, aynı koltuğun doğal renkli ve aşırı doygun görsellerinin ne kadar yapay göründüğünü müşterilerine sorar.
İşinizde ne yapabilirsiniz?
Yayından önce hedef kitlenize her reklam görselinin ne kadar yapay göründüğünü sorun.
DijitalPi’nin uygulama yorumu. Örnek, konuyu açıklamak için hazırlanmıştır.
ARAŞTIRMAYI BİRLİKTE OKUYALIM
Önce araştırmacıların sorusunu, yöntemini ve bulgularını tanıyalım. Ardından sonuçların nasıl okunabileceğini DijitalPi’nin açıklamalarıyla ele alalım.
01 / ARAŞTIRMACILAR NEYİ ANLAMAK İSTEDİ?
Benzer reklamlarda tıklama oranı, görselin yapay zekâyla üretilmesine ve ne kadar yapay göründüğüne göre değişiyor mu?
Araştırmacılar, Taboola’nın GenAI Ad Maker aracıyla hazırlanan görselleri benzer insan yapımı reklamlarla karşılaştırdı. Amaç, aracın kullanımına ilişkin karar desteği sağlamak ve hangi görsel özelliklerin yapay zekâ üretimi algısıyla ilişkili olduğunu anlamaktı.
Konuyu açalım · DijitalPi açıklaması
DijitalPi yorumu: Görsel üretim yöntemini seçmek ile yayına çıkacak görseli seçmek farklı kararlardır. Bu çalışma, üretim kaynağının tek başına yeterli bir seçim ölçütü olmayabileceğini düşündürüyor. Bir görselin yapay algılanıp algılanmadığını ayrıca incelemek, tıklama verisini yorumlarken kullanılabilecek bir soru sunuyor. İşletmenin satış sonucunu baştan belirlemiyor.
02 / ARAŞTIRMA NASIL YAPILDI?
Soruyu nasıl sınadılar?
Araştırmacılar, ABD merkezli Taboola’nın yayıncı sitelerinde dağıttığı İngilizce reklamları 3 Haziran ile 15 Ağustos 2023 arasındaki dönemde inceledi. Ana karşılaştırma 202 reklamverenin 351 kampanyasındaki 4.633 reklamı, 1.186 yarı-deneyi ve 29.631 reklam-gün gözlemini kapsıyordu. Bu örneklemde 369 milyondan fazla gösterim ve 2,5 milyon tıklama vardı. Yarı-deney, burada rastgele atama yapmadan benzer reklamları karşılaştırmak anlamına geliyor. Ayrıca 1.751 benzersiz görselin her biri, ABD’deki MTurk katılımcılarından 5 kişi tarafından yapaylık algısı açısından değerlendirildi. Toplam 612 farklı değerlendirici katıldı.
Yöntemi anlamak · DijitalPi açıklaması
Araştırmacılar aynı reklamverenin, aynı kampanyada ve aynı gün yayına aldığı seçeneklere “kardeş reklam” adını veriyor. Hem yapay zekâ hem insan yapımı görsel içeren gruplarda reklamveren, kampanya, hedef sayfa, amaç ve başlangıç tarihi ortak tutuluyor. Karşılaştırma, gruptaki ilk reklam durduğunda bitiriliyor. Analiz ayrıca gün, metin ve görsel farklılıklarını hesaba katıyor. Ana ölçüt tıklama oranı: tıklama sayısının gösterim sayısına bölünmesi. Tam veri setindeki 305.121 reklam ve 16,4 milyardan fazla gösterim, ana karşılaştırma örneklemiyle karıştırılmamalı.
GenAI Ad Maker, 12 Temmuz 2023’te tüm İngilizce reklamverenlere açıldı. Görseller Stable Diffusion 2 ile üretiliyordu. Araç her istekte 4 görsel adayı sunuyor, reklamveren hangisini yayınlayacağını seçiyordu. Araştırmacılar yalnız yayınlanan seçeneği görebiliyordu. İzleyicilere görsellerin yapay zekâyla üretildiği açıklanmıyordu. Yapaylık değerlendirmesinde katılımcılara görselin insan yapımı mı, yapay zekâ ürünü mü olduğu 5’li ölçekte soruldu. Bu değerlendirme satın alma isteğini ölçmüyordu.
03 / ARAŞTIRMANIN BULGULARI
Üretim kaynağından çok yapaylık algısı tıklama farklarını açıklamaya yardımcı oluyor
Reklamlar arasındaki farklar hesaba katılmadan hesaplanan tıklama oranı yapay zekâ görsellerinde %0,76, insan yapımı görsellerde %0,65’ti. Kardeş reklam karşılaştırmasında bu ham üstünlük kayboldu. Yapay zekâ görselinin ortalama farkı küçük, negatif ve istatistiksel olarak anlamsızdı. Dolayısıyla ortalama üstünlük, dezavantaj veya eşdeğerlik sonucu çıkarılamaz. Yapaylık algısı yükseldikçe daha düşük tıklama oranı görülüyordu ve bu ilişki yapay zekâ görsellerinde daha güçlüydü. İnsan yapımı görseller için ayrı tahminin belirsizlik aralığı sıfırı içerdiğinden, bu grupta da aynı ilişkinin açık biçimde gösterildiği söylenemez. Modelde az yapay algılanan yapay zekâ görselleri insan yapımı kardeşlerinden daha yüksek tıklama oranıyla ilişkiliydi. Görsel daha yapay algılandıkça bu fark azalıyordu. Daha yüksek yapaylık algısında ilişki ters yöndeydi. Ek analizde dönüşüm oranı, dönüşümün gösterime bölünmesiyle ölçüldü: üretim kaynağının ve yapaylık algısının ayrı ana etkileri anlamlı değildi, birlikte değişimlerini temsil eden etkileşim negatif ve anlamlıydı.
Yapay zekâ görsellerinin ham tıklama oranı
%0,76Ana kardeş reklam örneklemindeki kontrolsüz oran. Karşılaştırılabilirlik kontrollerinden sonra bir üstünlük olarak kalmıyor.
İnsan yapımı görsellerin ham tıklama oranı
%0,65Aynı örneklemdeki kontrolsüz karşılaştırma değeri. Satış veya dönüşüm oranı değil.
DijitalPi yorumu: Yayın öncesi değerlendirmede beğeniyle birlikte yapaylık algısını da sorun. Araştırmacılar, yüksek estetik ve renk doygunluğunu görselin yapay zekâyla üretilmiş olduğu algısıyla ilişkili buldu. Gerçekçilik, netlik ve sıcaklık ise görselin insan yapımı olduğu algısıyla ilişkiliydi. Bu özellikleri otomatik düzeltme kuralları olarak almak yerine, kendi görsellerinizde sınanacak sorulara dönüştürün. Algı değerlendirmesini yayın performansından, tıklamayı da gerçekleşen iş sonucundan ayrı tutun.
Bu ilişkiler, renk doygunluğunu azaltmanın veya görsele yüz eklemenin tıklamayı artıracağını göstermiyor. Özelliklerin ilişkisi kategoriye göre değişebilir. Reklamverenlerin aracı kullanmayı ve adaylar arasından hangi görseli yayınlayacağını seçmesi, sonuçların kapsamını daraltıyor. İlk reklamın erken sonuçlar nedeniyle durdurulması, karşılaştırma süresini etkileyebilir. Yazarlar bunu kontrol ettiklerinde sonucun değişmediğini bildiriyor. Ayrıca başka yapay zekâ araçlarıyla üretilip elle yüklenen görseller ayırt edilemiyor.
05 / SONUÇ VE AÇIK SORULAR
Neyi öğrendik, neyi henüz bilmiyoruz?
Çalışma rastgele atamalı bir deney değildir. Bu SSRN çalışma makalesi, benzer reklamlar karşılaştırıldığında yapay zekâ görselleri için saptanabilir bir ortalama tıklama dezavantajı bulmuyor. Yapaylık algısının ayrıca değerlendirilmesine dayanak sunuyor. Hakemli dergi yayını olduğuna dair bilgi yok. Sonuçlar tek platforma, Stable Diffusion 2’ye, 2023 lansman dönemine, aracı seçen reklamverenlere ve üretim kaynağı açıklanmayan İngilizce reklamlara dayanıyor; Türkçe ve Türkiye için doğrudan geçerli sayılamaz. Tıklama merakı veya dikkati yansıtabilir. Satış artışı sonucu çıkarılamaz. Yazarlar Taboola ile veri sağlamak için çalıştıklarını, şirketten ücret almadıklarını, bildirilecek finansman ve finansal çıkar çatışması bulunmadığını beyan ediyor. Makale, bulguları Taboola’nın lansman iletişimi ve reklamveren yönlendirmelerini destekleyen bir çerçevede sunuyor.
DijitalPi’nin açık sorusu: Türkçe reklamlarınızda yapaylık algısıyla tıklama oranı arasında bir ilişki görülse, bu ilişki nitelikli başvuru veya satın almada da sürer mi?
Bu üç senaryoyu konuyu birlikte düşünmek için hazırladık. Araştırmadan alınmış vaka veya ölçülmüş müşteri sonucu değildir.
ÖRNEK 01
E-ticaret: ürün görselindeki aşırı doygun renkler
Temsili bir mobilya mağazası, aynı koltuğun doğal renkli ve aşırı doygun reklam görsellerini değerlendiriyor.
Dikkat çeken renkler görselin yapay algılanmasıyla birlikte mi görülüyor?
Örnek 01 için öneriyi aç+
Ürünün rengini doğrulayın ve yapaylık algısını ayrı sorun.
Her görselin gerçek ürün rengini doğru yansıttığını kontrol edin ve hedef kitleden ne kadar yapay göründüğünü değerlendirmesini isteyin. Yayın karşılaştırmasında reklam metnini, hedef sayfayı ve gösterim dönemini aynı tutup tıklama oranı ile satın almayı ayrı kaydedin. Çalışmadaki renk doygunluğu ilişkisi, renkleri azaltmanın bu mağazada daha çok tıklama veya satış getireceğini göstermiyor.
ÖRNEK 02
Turizm: fazla kusursuz görünen konaklama reklamı
Temsili bir konaklama işletmesi, aynı oda için fotoğraf ve yapay zekâyla hazırlanmış bir reklam görseli arasında seçim yapıyor.
Görselin estetiği ile yapay görünmesi nasıl ayrılabilir?
Örnek 02 için öneriyi aç+
Beğeniyi ve yapaylık algısını farklı sorularla değerlendirin.
Önce görsellerin gerçek oda özelliklerini doğru aktardığını doğrulayın. Hedef kitleden beğeni ve yapaylık algısı için ayrı değerlendirmeler alın. Yayında tıklama oranını ve tamamlanan rezervasyonları ayrı izleyin. Makaledeki estetik ilişkisi, güzel görünen her reklamın daha az tıklanacağı anlamına gelmez.
ÖRNEK 03
B2B yazılım: görsel seçimi ve başvuru kalitesi
Temsili bir işletme yazılımı sağlayıcısı, aynı tanıtım metnini insan yapımı ve yapay zekâyla üretilmiş görsellerle yayınlamayı planlıyor.
Daha doğal algılanan görsel nitelikli başvurularla da ilişkili mi?
Örnek 03 için öneriyi aç+
Tıklama ile başvurunun niteliğini ayrı başarı ölçütleri yapın.
Yayın öncesinde görselleri yapaylık algısı bakımından değerlendirin. Aynı hedef sayfaya giden reklamları karşılaştırırken tıklama oranını, başvuru sayısını ve başvuruların önceden belirlenmiş uygunluk koşullarını karşılayıp karşılamadığını kaydedin. Araştırmanın ana ölçütü tıklama olduğu için nitelikli başvuru veya sözleşme kazanımı bu makaleden çıkarılamaz.
EKİBİNİZLE DENEYİN
Görsel karşılaştırmasını planlayın
Aynı kampanyada kullanılacak görseller için yapaylık değerlendirmesi hazırlayın ve karşılaştırmada metin, hedef sayfa ve yayın koşullarını tutarlı tutun. Tıklama oranıyla birlikte işletmeniz için anlamlı sonraki sonucu ayrıca ölçmeyi planlayın. Bu, DijitalPi tarafından henüz uygulanmamış bir pilot önerisidir.
Bu kontrolü sosyal medya görsellerinize de uygulayabilirsiniz. SMMACHINE, markanıza uygun görseller hazırlar; okunabilirlik ve görsel düzen kontrollerini destekler. Hangi görselin daha çok tıklama getirdiğini kendi kampanyanızda ölçmelisiniz. SMMACHINE hakkında bilgi alın ↗
Yannick Exner, Jochen Hartmann, Ziqian Ding, Shunyuan Zhang, Oded Netzer TUM School of Management (Exner, Hartmann); Carnegie Mellon University (Ding); Harvard Business School (Zhang); Columbia Business School (Netzer).
Akademik çalışma yukarıdaki araştırmacılara aittir. Bu sayfa, DijitalPi’nin AI desteğiyle hazırladığı açıklamalı inceleme ve özgün iş örneklerini içerir; makalenin tam çevirisi değildir.
Çerez tercihleri