Page 75 - KobiEfor_Nisan_2019

y›l Türkiye’de ciromuzu yüzde 100’ün üzerinde ar- oran› sayesinde reklam aktivitelerinin yüzde 50’ye
t›rd›k, son 2 y›lda müflteri baz›nda 3 kat büyüme kadar daha verimli olmas› da sa¤lanabiliyor.”
sa¤lad›k. fiu anda Vivense, Teknosa, Morhipo,
Trendyol ve N11 gibi Türkiye’nin önemli e-ticaret Derin ö¤renme insan beynini taklit
flirketlerinin yan› s›ra Koton, Adidas, Flo, ETS ve ederek gelifliyor
Boyner.com.tr gibi markalara hizmet veriyoruz” Derin ö¤renmenin reklamc›l›k alan›ndaki gücü,
aç›klamas›n› yap›yor. herhangi bir spesifik kural ya da yönlendirmeye ge-
rek duymadan devasa bir verinin ifllenerek insan
Derin ö¤renme ayda 10 milyar reklam› davran›fl›n› taklit edebilmesinden geliyor.
iflliyor Can Tunçer anlat›yor: “Eskiden insanlar taraf›n-
Can Tunçer, RTB House’un tamamen derin ö¤- dan önceden belirlenen kurallar çerçevesinde, her-
renme algoritmalar›ndan yararlanan ilk ve tek ye- hangi bir kullan›c›, içerisinde alt›n sar›s› renkte to-
niden reklam hedefleme (retargeting) flirketi ola- kal› siyah bir ayakkab›ya bakt›¤›nda, öneri sistemi
rak öne ç›kt›¤›n› söylüyor. Derin ö¤renme ifllevi, ve- reklamlarda (banner) karfl›s›na tokal› siyah ayak-
rileri kullanarak üst düzey özet modelleri haz›rl›yor kab›lar ç›karmaya devam ediyordu. Ancak derin ö¤-
ve insan beyninin büyük bir h›zla veri iflleme flekli- renme ile birlikte önceden belirlenen kurallara ih-
ni taklit ederek insanlar›n karar verirken kulland›- tiyaç ortadan kalkt›¤› gibi çok daha gerçekçi öneri-
¤› kal›plar› oluflturuyor. Tunçer, “Derin ö¤renme ile ler sunulabiliyor. Bilgisayar otomatik olarak edin-
desteklenen birinci s›n›f yeniden hedefleme plat- di¤i tecrübe ile birlikte siyah ayakkab›lara uygun si-
formu, flu anda saniyede 1 milyon talep, ayda 10 yah bir çanta gibi en iyi kombinasyonu ya da tama-
milyar reklam görüntüleme ve günde yaklafl›k 3.5 men farkl›, kullan›c›n›n be¤enebilece¤i bir seçene-
milyon t›klama iflliyor” diyor. ¤i karfl›s›na ç›kar›yor. Bu ifllemde yaln›zca bilgisa-
yar›n ö¤rendi¤i veriler ve algoritmalar karar meka-
Yapay Zekâ nizmas›nda yer al›yor.”
RTB’nin temelinde karmafl›k algoritmalar yer
al›yor: RTB sisteminin temelinde matematik mo- Yapay Zekâ Laboratuvar›n›n ilk
delleme, istatistik, makine ö¤renimi (machine lear- ürünleri ortaya ç›kt›
ning) ve veri madencili¤i gibi karmafl›k algoritmalar Y›ll›k 5 milyon dolar bütçeli RTB House’un yapay
yat›yor. RTB House araflt›rmalar›na göre, yapay ze- zeka ile pazarlama çözümleri gelifltirdi¤i AI Marke-
ka ile kendi kendine ö¤renebilen teknolojiler, dijital ting Lab, ilk yeniliklerinin alfa testine bafllad›. 2019
reklamlar›n baflar› oran›n› yüzde 50’ye kadar art›- y›l›nda Türkiye’de de hayata geçmesi beklenen bu
rabiliyor. yenilikler daha kiflisellefltirilmifl ve daha fazla içe-
Can Tunçer, ‘Yapay Zeka’ araflt›rmalar›n›n en faz- rik sunabiliyor. Can Tunçer, AI Pazarlama Labora-
la umut vadeden konular›n›n bafl›nda gelen derin tuvar›’n›n ilk 3 inovasyonu aras›nda yer alanlar›
ö¤renmenin, bilimkurgularda görülen, kendi kendi- flöyle aç›kl›yor:
ne düflünebilen robotlara bir ad›m daha yaklafl-
mam›z›n önünü açt›¤›n› dile getiriyor: “Günü-
müzde derin ö¤renme, oyun endüstrisinde kul-
lan›lmas›n›n yan›nda birçok farkl› sektörde de
yer al›yor. Sa¤l›ktan resim alg›lamaya, sürücü-
süz araçlardan kiflisel asistanlara kadar birçok
alanda kendi kendine ö¤renebilen algoritmalar,
birçok farkl› geliflmenin de yaflanmas›n› sa¤l›-
yor. Örne¤in; bir kanser hücresinin teflhis edilmesi RTB House’un yeni sosyal banner’lar›, online
ya da siyah beyaz bir foto¤raf›n renklendirilmesinde al›flverifl yapanlara kontrolü daha fazla vererek
kullan›labiliyorlar.” kullan›c› deneyimini ve öneri mekanizmas›n›n ge-
Oldukça hassas ç›kar›mlar sa¤layan derin ö¤- lifltirilmesini sa¤l›yor. Oyunlaflt›rma özellikleri kul-
renme teknolojisi, reklamc›l›k sektöründe de kul- lan›larak tüketicilerin ürünleri be¤enme durumla-
lan›l›yor. Can Tunçer, RTB House teknolojisiyle r›na göre oylamalar›na olanak tan›yor. Tüketicilerin
üretilen kendi kendine ö¤renebilen algoritmalar dahil olma dönüfllerine göre, daha fazla benzer
sayesinde, kullan›c›lara çok daha do¤ru ürün öne- ürün karfl›s›na ç›kar›l›rken, be¤enilmeyen ürün ç›-
rileri getirmenin mümkün oldu¤unu paylafl›yor: kar›lm›yor. Sosyal medya, online oyunlar ve Pando-
“Ayr›ca kullan›c›lar›n t›klama ihtimallerini çok daha ra gibi web hizmetlerinde gördü¤ümüz bu etkile-
iyi öngörerek dönüflüm potansiyelini ya da dönü- flim fonksiyonu baflar›s›n› daha önce kan›tlam›flt›.
flüm de¤erini hesaplamada sunulan yüksek baflar› Kolektif kullan›c› bildirimleriyle sosyal banner’lar

Nisan 2019 KobiEfor 75