Yapay Zekâ Destekli Kişiselleştirme Algoritmalarının Tüketici Zihninde Filtre Balonu Yaratma Etkisinin İncelenmesi

Öz

Yapay zekâ destekli algoritmalar tüketici davranışını anlamak için pazarlamacılara öngörü olanağı sağlamaktadır. Tüketicinin tıklamalarını takip ederek geçmiş beğenilerine dayalı içerik sağlayan ve doğru hedefleme yapan algoritmalar işletmelere verimlilik ve kârlılık avantajları, tüketicilere ise beğenebileceği hedeflere odaklanabilme fırsatı yaratmaktadır. Öte yandan algoritmalar tarafından izlenen tüketici, zamanla benzeşen ürünleri satın almaya zorlanmakta, tek bir markaya bağlanarak hep aynı perakendeciden ürün almakta ve alternatif ürün/hizmet tekliflerini görüp kendisi için daha avantajlı olanı seçme özgürlüğü tehdit edilmektedir. “Filtre balonu etkisi” olarak adlandırılan bu durum, kavramın isim babası olan Pariser’e göre fikirlerin kutuplaşmasına sebep olarak toplumu olumsuz etkilemektedir. Gelecekteki araştırmalar için bir çerçeve sunmayı amaçlayan derleme niteliğindeki bu çalışmada, büyük veriden kişiselleştirme algoritmalarının oluşumuna uzanan süreç ve algoritmaların tüketici zihninde filtre balonu oluşturma etkisi farklı araştırmacıların görüşleri ışığında kavramsal bir bakış açısıyla değerlendirilmiştir. Konu, tüketici psikolojisi ve etik bakış açısından incelenerek örneklere yer verilmiştir. Çalışma sonunda, tüketicinin dijital manipülasyondan kaçınmasının yine teknoloji bilgisine sahip olmakla mümkün olabileceğine, yapay zekânın etkisi altında kalmamak için algoritmaların dilini olabildiğince öğrenmek, önerilerini sorgulamak, doğru bilgiye ulaşmak için daha fazla zaman harcamak zorunda olduğuna dikkat çekilmiştir. Ayrıca işletmeler tarafından geliştirilecek dijital pazarlama uygulamalarının karşılıklı fayda sağlayan bir gözetleme içermesi, verinin kullanılmasının güvensizliğe yol açmaması gerekliliği vurgulanmıştır. 

Anahtar Kelimeler

• Filtre Balonu Etkisi
• Kişiselleştirme Algoritmaları
• Tüketici Davranışı
• Dijital Pazarlama
• Pazarlama Etiği

An Examination of Filter Bubble Effect of Ai Personalization Algorithms on Consumer Mind

Öz

Artificial intelligence algorithms offer marketers an insight to understand consumer behavior. Algorithms that follow the clicks of the consumer and create content based on their past likes offer efficiency and profitability advantages to businesses. Also consumers can focus on offers they may like. On the other hand, the consumer, monitored by the algorithms, connects to a single brand over time, always buys products from same retailers, is forced to buy similar products, is unable to see alternative products and service offers and choose more advantageous one for him. This situation is described by the concept of "filter bubble". According to Pariser, who named the concept, the situation which is called the "filter bubble effect", affects the society negatively by causing the polarization of ideas. In this review, which aims to provide a framework for future research efforts, the process from big data to the formation of personalization algorithms and the effect of creating a filter bubble in the consumer's mind are evaluated from a conceptual point of view with the approaches of different researchers. The subject is examined from the perspective of consumer psychology and ethics, and some examples are given. As a result, in order to avoid the influence of artificial intelligence, it is pointed out that it is possible for the consumer to avoid digital manipulation by having technology knowledge; it is necessary to spend more time learning the language of algorithms as much as possible, questioning their suggestions, and reaching the right information. In addition, it is also emphasized that digital marketing applications should include mutually beneficial surveillance and that the use of data should not lead to insecurity. 

Anahtar Kelimeler

• Filter Bubble Effect
• Personalization Algorithms
• Consumer Behavior
• Digital Marketing
• Marketing Ethics

Kaynakça

1. Aktan, E. (2018). Büyük veri: Uygulama alanları, analitiği ve güvenlik boyutu. Bilgi Yönetimi, 1(1), 1-22. doi:10.33721/by.403010
2. Atalay, M. ve Çelik, E. (2017). Büyük veri analizinde yapay zekâ ve makine öğrenmesi uygulamaları. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(22), 155-172. doi:10.20875/makusobed.309727
3. Avnur, Y. (2020). What’s wrong with the online echo chamber: A motivated reasoning account. Journal of Applied Philosophy, 37, 578-593. doi:10.1111/japp.12426
4. Aytekin, A., Çakır, F.S., Yücel, Y.B. ve Kulaözü, İ. (2018). Algoritmaların hayatımızdaki yeri ve önemi. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 5(7), 143-150.
5. Berthon, P.R. ve Pitt, L.F. (2018). Brands, truthiness and post-fact: Managing brands in a post-rational world. Journal of Macromarketing, 38(2), 218-227. doi:10.1177/0276146718755869
6. Büyükgöze, S. ve Dereli, E. (2019). Dijital sağlık uygulamalarında yapay zekâ. Uluslararası Bilimsel ve Mesleki Çalışmalar Kongresi-Fen ve Sağlık, 07-10.
7. Calo, R. ve Rosenblat, A. (2017). The taking economy: Uber, information, and power. Columbia Law Review, 117, 1623-1690.
8. Christl, W. (2017). How companies use personal data against people automated disadvantage, personalized persuasion, and the societal ramifications of the commercial use of personal information. Working paper.Vienna, Cracked Labs.

9. Cox, M. ve Ellsworth, D. (1997, 18-24 Ekim). Application-Controlled Demand Paging for Out-of-core Visualization. Proceedings of the 8th Conference on Visualization’97, Phoenix, AZ, U.S.A., 235- 244.
10. Dāvida, Z. (2020). Consumer rights and personalised advertising: Risk of exploiting consumer vulnerabilities. Socrates: Rīga Stradiņš University Faculty of Law Electronic Scientific Journal of Law, 1(16), 76-86. doi:10.25143/socr.16.2020.1.076-086.
11. Doğan, K. ve Arslantekin, S. (2016). Büyük veri: Önemi, yapısı ve günümüzdeki durum. Dil ve Tarih-Coğrafya Fakültesi Dergisi, 56(1), 15-36.
12. Glushko, C. (2020, 8 Şubat). Pop The Personalization Filter Bubbles And Preserve Online Diversity. Erişim adresi: https://marketingland.com/pop the personalization bubbles. (18.02.2021)
13. Google.com. (2021). Arama algoritmaları nasıl çalışır?. Erişim adresi: https://www.google.com/intl/tr/search/howsearchworks/algorithms, (04.01.2021).
14. Hill, R.K. (2016). What an algorithm is. Philosophy & Technology, 29(1), 35-59. doi:10.1007/s13347-014-0184-5
15. Iunera.com. (2021). Airline personalized dynamic pricing: What is it and why is it important?. Erişim adresi: https://www.iunera.com/kraken/big-data-science-apps/airline-personalized-dynamic-pricing-on-airline-e-commerce-what-is-it-and-why-is-it-important/, (15.02.2021).
16. McLean, G. (2019, 25 Şubat). Algorithms are maximising profits for online retailers by colluding to keep prices high. Erişim adresi: https://theconversation.com/algorithms-are-maximising-profits-for-online-retailers-by-colluding-to-keep-prices-high-112179, (08.01.2021).
17. Mills, M. (2020, 2 Temmuz). How does netflix know what ı like? How the algorithm Works?. Erişim adresi: https://itigic.com/tr/how-does-netflix-know-what-i-like-algorithm-works, (05.02.2021).
18. Narin, B. (2018). Kişiselleştirilmiş çevrimiçi haber akışının yankı odası etkisi, filtre balonu ve siberbalkanizasyon kavramları çerçevesinde incelenmesi. Selçuk İletişim, 11(2), 232-251. doi:10.18094/josc.340471.
19. Nguyen, C.T. (2019, 11 Eylül). The problem of living inside echo chambers. Erişim adresi: https://theconversation.com/the-problem-of-living-inside-echo-chambers-110486, (05.02.2021).
20. Ohlhorst, F. (2013). Big data analytics turning big data into big money. Hoboken, NJ, USA: J. Wiley and SAS Business Series, John Wiley & Sons.
21. Pariser, E. (2011). The filter bubble: What the ınternet is hiding from you. New York: Penguin Books Ltd.
22. Searchenginewatch.com. (2020, 22 Ocak). New study: majority of consumers are unaware of how search engines work. Erişim adresi: https://www.searchenginewatch.com/2020/01/22/new-study-majority-of-consumers-are-unaware-of-how-search-engines-work, (15.02.2021).
23. SRI International. (2020, 30 Nisan). 75. years of innovation: Siri. Erişim adresi: https://medium.com/dish/75-years-of-innovation-siri-75244a25c741, (27.01.2021).
24. Vuran, E. ve Alpkoçak, A. (2020). Arama motoru optimizasyon yöntemlerinin analizi. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 22(65), 491-503. doi:10.21205/deufmd.2020226517
25. Wearesocial.com. (2021, 26 Haziran). Digital 2021 global overview report. Erişim adresi: https://wearesocial.com/blog/2021/01/digital-2021-the-latest-insights-into-the-state-of-digital, (26.06.2021).
26. Yazgan, H.R., Candan, G. ve Ataman, M. (2019). Talep tahmini ve dinamik fiyatlandırma ile havayolu bilet fiyatlarının belirlenmesi. İşletme Araştırmaları Dergisi, 11(2), 732-742.