AI crawlers-க்கு வடிவமைக்கப்பட்ட விளம்பரங்களை வெளியீட்டாளர்கள் சோதிக்கின்றனர்

விளம்பர சந்தையில் ஒரு புதிய பார்வையாளர்: இயந்திரங்கள்

பல ஆண்டுகளாக, வெளியீட்டாளர்கள் web crawlers-ஐ பெரும்பாலும் வணிகச் செலவுகளின் ஒரு பகுதியாகவே, அல்லது generative AI காலத்தில் அதிகரித்து வரும் அச்சுறுத்தலாகவே பார்த்தனர். Bots கட்டுரைகளை scrape செய்து, அவற்றை machine-readable context-ஆக மாற்றுகின்றன; மேலும், பயனர்களின் கேள்விகளுக்கு பதில் அளிக்கும் சுருக்கங்களை உருவாக்க உதவுகின்றன, அதே நேரத்தில் மூலத்தளத்துக்குத் திரும்பும் traffic மிகக் குறைவாகவே இருக்கும். அந்த முறை, open web-இன் அடிப்படை ஒப்பந்தத்தை பாதித்துள்ளது: வெளியீட்டாளர்கள் உள்ளடக்கத்தை உருவாக்குகின்றனர், platforms பார்வையாளர்களை அனுப்புகின்றன, advertising செலவுகளை ஈடுசெய்கிறது.

இப்போது வேறொரு யோசனை உருவாகி வருகிறது. Bots-ஐ வெறும் extractive intermediaries என மட்டும் பார்க்காமல், சில media நிறுவனங்கள் machines-ஐயே ஒரு வகையான audience-ஆக கருத முடியுமா என்று ஆராயத் தொடங்கியுள்ளன. வழங்கப்பட்ட Fast Company அறிக்கையின்படி, Time குறிப்பாக bots-க்கு உகந்த ads-ஐ வழங்கத் தொடங்கியுள்ளது; machine-readable pages மற்றும் AI-generated answers-க்குள் sponsored information மீண்டும் தோன்றும் வாய்ப்பு ஆகியவற்றை மையமாகக் கொண்டு ஒரு புதிய inventory வகையை உருவாக்கியுள்ளது.

அந்த மாதிரி நிலைத்திருந்தால், search மற்றும் social distribution வந்ததிலிருந்து digital media economics-இல் ஏற்பட்ட முக்கியமான மாற்றங்களில் ஒன்றாக இது அமையலாம். இப்போது கேள்வி, AI scraping-க்கு எதிராக வெளியீட்டாளர்கள் அதைத் தடுக்க, உரிமம் பெற, அல்லது வழக்கு தொடர எப்படி முடியும் என்பதிலேயே மட்டும் இல்லை. சில வெளியீட்டாளர்கள் scrape-இலிருந்தே லாபம் ஈட்ட முடியுமா என்பதே.

மாதிரி எப்படி செயல்படுகிறது

அறிக்கையில் விவரிக்கப்பட்டுள்ள செயல்முறை எளிமையானதுதான், ஆனால் மூலதன ரீதியில் புதியது. Time ஏற்கனவே தனது பக்கங்களின் machine-readable பதிப்புகளை உருவாக்கி வருகிறது. அந்தப் பக்கங்களில், AI search கருவிகளில் பயனர்கள் கேட்கும் brand அல்லது product சார்ந்த கேள்விகளுக்குப் பதில் அளிக்க வேண்டும் என்பதற்காக advertiser-ஐ மையமாகக் கொண்ட FAQ உள்ளடக்கத்தை சேர்த்துவருகிறது என்று கூறப்படுகிறது. இந்த FAQ பகுதிகள் பாரம்பரிய வாசகர்களுக்குப் பதிலாக bots-க்கு தான் காணப்படும்.

அடிப்படை கருத்து எளிமையானது: ஒரு crawler page-ஐ fetch செய்யும்போது, அந்த request impression போன்ற ஒரு நிகழ்வாக கணிக்கப்படலாம், மேலும் downstream AI answer-இல் sponsored தகவல் பெறப்பட்டு ஏதோ ஒரு வடிவத்தில் பிரதிபலிக்கப்படும் வாய்ப்பை advertiser வாங்குகிறது. அந்த பார்வையில், scrape இனி முற்றிலும் இழப்பாக மட்டுமே இருக்காது. அது monetization நிகழும் தருணமாகிறது.

ஆனால் அந்த ad ஒரு chatbot அல்லது AI search summary-இல் கண்டிப்பாக தோன்றும் என்பதில்லை. அந்த நிச்சயமற்ற தன்மை குறித்து report தெளிவாக உள்ளது. advertiser வாங்குவது உறுதியான placement அல்ல, probability: AI system அந்த உள்ளடக்கத்தை எடுத்துக்கொண்டு, பதிலில் அதன் சில பகுதியைச் சேர்க்கும் வாய்ப்பு. நடைமுறையில், இது product-ஐ ஒரு பகுதி advertising inventory, ஒரு பகுதி retrieval மீது செல்வாக்கு, மற்றும் AI answer engines எதை வெளிப்படுத்த வேண்டும் என்று தேர்வு செய்வதில் ஒரு வகை சூதாட்டமாக மாற்றுகிறது.

ஏன் வெளியீட்டாளர்கள் bots-ஐ மறுபரிசீலனை செய்கிறார்கள்

இதற்கான காலநிலை புரிந்துகொள்வது கடினமல்ல. மனித referral traffic குறைந்து வரும் நிலையில் bot activity அதிகரிக்கிறது, குறிப்பாக AI products நேரடியாக அதிக கேள்விகளுக்கு பதில் அளிப்பதால். விளம்பர வருவாயை நம்பும் வெளியீட்டாளர்களுக்கு, இந்த இரட்டைப் போக்கு வேதனையானது. மதிப்பு வெளியேற்றத்தின் அதிகரிக்கும் பகுதி பாரம்பரிய pageview model-க்கு வெளியே நடக்கிறது, ஆனால் செய்தறை மற்றும் platform செலவுகள் தொடர்கின்றன. அந்த சூழலில், machine-native ad format ஒரு gimmick போல அல்லாமல், ஒரு பாதுகாப்பு சார்ந்த ஏற்பாட்டைப் போலத் தோன்றுகிறது.

இந்த மாதிரி யார் பணம் செலுத்த வேண்டும் என்பதையும் மாற்றுகிறது. AI நிறுவனங்கள் crawling அல்லது reuse-க்கு வெளியீட்டாளர்களுக்கு ஈடுசெய்ய வேண்டும் என்பதற்குப் பதிலாக, சுமை advertisers-க்கு நகர்கிறது. இது முக்கியமான மூலோபாய மாற்றம். AI vendors, publishers விரும்பும் முறையில் அணுகலுக்குப் பணம் செலுத்தாமலும் இருக்கலாம் என்ற உண்மையை இது ஏற்றுக்கொள்கிறது; அதற்கு பதிலாக, scrape செய்யப்படுகின்ற சூழ்நிலையின் மீது ஒரு வணிகப் பொருளை வெளியீட்டாளர் உருவாக்க முடியுமா என்று கேட்கிறது.

இந்தக் கோணத்தில் பார்க்கும்போது, புதுமை வெறும் தொழில்நுட்பம் மட்டுமல்ல. இது பேச்சுவார்த்தை நிலைப்பாட்டில் ஏற்பட்ட மாற்றம். bot-directed ads-ஐ சோதிக்கும் வெளியீட்டாளர்கள் licensing, attribution, அல்லது traffic sharing குறித்து முழுமையான உடன்பாடு வரும் வரை காத்திருக்கவில்லை. அவர்கள் AI systems-இன் தற்போதைய நடத்தைச் சுற்றி ஒரு பொருளாதார அடுக்கை உருவாக்க முயல்கிறார்கள்.

வெளிப்படுத்தல் சிக்கல்

ஆனால் இந்த யோசனை, குறிப்பாக transparency தொடர்பாக, புதிய அபாயங்களை உருவாக்குகிறது. மனித audiences பொதுவாக விளம்பரங்கள் தெளிவாக குறிக்கப்பட்டிருக்க வேண்டும் என்று எதிர்பார்க்கின்றன. Fast Company அறிக்கை, Time அதன் bot ads-இல் disclosures-ஐ சேர்க்கிறது என குறிப்பிடுகிறது. இருந்தாலும், source page-இலிருந்து AI-generated answer-க்கு செல்லும் பாதையில் அந்த disclosures தப்பிச்செல்லும் உத்தரவாதம் இல்லை.

அந்த இடைவெளிதான் இந்த வகையின் வரையறுக்கும் பிரச்சினையாக மாறக்கூடும். ஒரு sponsored FAQ machine summary-இல் தெளிவான commercial labeling இல்லாமல் சேர்க்கப்பட்டால், editorial content எங்கு முடிகிறது, advertising எங்கு தொடங்குகிறது என்பதைக் குறித்து பயனருக்கு தெரியாமல் போகலாம். இந்த குழப்பம் வெறும் தத்துவ விவாதம் அல்ல. இது trust, consumer protection, மற்றும் AI-mediated information systems-இன் பரவலான legitimacy-ஐத் தொடுகிறது.

இதுவே AI platforms தங்களுக்கான ஒரு design சவாலையும் எழுப்புகிறது. அவர்களின் answers advertiser-targeted machine content-ஐ உள்ளே இழுத்துக்கொள்கிறதா அல்லது பிரதிபலிக்கிறதா என்றால், அது பயனர்களுக்கு எப்படி சுட்டிக்காட்டப்படும்? வெளியீட்டாளர் source page-இல் disclosure செய்யலாம், ஆனால் summary வேறொரு இடத்தில் உருவாக்கப்பட்டவுடன், control துண்டிக்கப்படுகிறது. browser pages-க்கு உருவாக்கப்பட்ட disclosure regime, conversational அல்லது answer-engine interfaces-க்கு சரியாக பொருந்தாமல் போகலாம்.

நிச்சயமற்ற நிலையின் மீது கட்டப்பட்ட premium product

ஒரு machine-readable page-க்கு Time ஒரு agent ad-ஐ மட்டுமே விற்பதாகவும், அதை premium inventory ஆக விலை நிர்ணயிப்பதாகவும் report கூறுகிறது. அந்த விலை நிர்ணயத்தின் தர்க்கம் scarcity மற்றும் novelty-யை அடிப்படையாகக் கொண்டது; அதே நேரத்தில், AI retrieval pathways-இல் இருப்பதன் மூலமான மூலோபாய மதிப்பையும் பிரதிபலிக்கிறது. பயனர்கள் கேள்விகள் கேட்கும் இடத்தில் செல்வாக்கு செலுத்த brands அதிகமாக விரும்புகின்றன, அந்தக் கேள்விகள் AI systems-க்கு நகர்ந்து வருகின்றன.

இருந்தாலும், இந்த product இயல்பாகவே probabilistic. ஒரு crawler fetch, AI answer-இல் காணக்கூடிய brand message-ஆக மாறும் என்று வெளியீட்டாளர்கள் உத்தரவாதம் அளிக்க முடியாது. AI system அந்த உள்ளடக்கத்தை புறக்கணிக்கலாம், வேறுபட்ட முறையில் சுருக்கலாம், அல்லது மற்றப் பொருட்களுடன் கலக்கலாம். Advertisers-க்கு, இது இன்னும் நிலைபெறாத measurement மற்றும் outcome standards கொண்ட channel-இல் பணம் செலுத்துவதாகும்.

ஆனால் நிச்சயமற்ற தன்மை இந்தச் சோதனையை முக்கியமற்றதாக்காது. Digital advertising பலமுறை, inventory விற்கப்பட்டபின்பே norms, metrics, மற்றும் disclosure standards முழுமையாக நிலைபெற்ற காலகட்டங்களின் வழியாக வளர்ந்துள்ளது. முக்கியமானது, publishers machine consumption-ஐ மையமாகக் கொண்டு ஒரு market-ஐ வரையறுக்க முயல்கிறார்கள்; அதை வேறொருவரின் நிபந்தனைகளில் உருவாக விட காத்திருக்கவில்லை என்பதே.

இது media business-க்கு சொல்வது

Bot-targeted ads-இன் பரந்த முக்கியத்துவம் என்னவெனில், அவை AI-ஐ வெறும் distribution disruptor-ஆக அல்ல, ஒரு commercial environment-ஆகவும் கருதுகின்றன. இது ஆழமான மறுவிளக்கம். அதிகமான வெளியீட்டாளர்கள் இதைப் பின்பற்றினால், இணையம் குறைந்தது இரண்டு அடுக்குகளாக மேலும் பிரிந்துவிடலாம்: ஒன்று மனிதர்கள் படிப்பதற்காக வடிவமைக்கப்பட்டது, மற்றொன்று machine interpretation, retrieval, மற்றும் monetization-க்கு உகந்ததாக வடிவமைக்கப்பட்டது.

அது நிலையான வருவாய் வழியாக மாறுமா என்பது இன்னும் தெளிவில்லை. அதில் advertiser appetite, AI platform நடத்தை, மற்றும் transparency-ஐ காக்கும் தொழில்துறை திறன் ஆகியவை பெரிதும் சார்ந்துள்ளன. ஆனால் மூலோபாயச் செய்தி ஏற்கனவே தெளிவாக உள்ளது. Referral traffic-இன் பொருளாதாரம் பலவீனமடையும் போது, வெளியீட்டாளர்கள் internet-இன் முதன்மை உண்மை ஒன்றாக machine reading-ஐ ஏற்றுக்கொள்வதோடு, அதை ஒரு பக்க விளைவாக அல்ல, business model-ஆக கருதும் வழிகளை சோதித்துப் பார்க்கின்றனர்.

அதனால் இது ஒரு ad-tech ஆர்வக்குறிப்பை விட அதிகம். மிக வேகமாக வளர்ந்து வரும் audience என்பது மனிதர்களால் ஆனதல்ல என்ற சூழலில், publishing industry எப்படி தழுவிக் கொள்ளக்கூடும் என்பதற்கான ஆரம்பச் சிக்னல் இது.

இந்தக் கட்டுரை Fast Company-யின் செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.