MasterClass 02 · Zefr
Bu ders, video ve sosyal platformlarda reklamın hangi içeriğin yanında göründüğünü nasıl yönetebileceğinizi anlatır. Önce marka güvenliği ile marka uygunluğu arasındaki farkı tanımlıyoruz. Ardından içeriğin nasıl sınıflandırıldığını, teklif öncesi ve teklif sonrası kontrollerin ne işe yaradığını, ölçümün neyi gösterip neyi göstermediğini ve bir brief'in uygunluk kurallarına nasıl çevrildiğini adım adım inceliyoruz.
Ders örnek olarak Zefr'in YouTube, Meta ve TikTok üzerindeki yaklaşımını kullanır. 11 bölüm, yaklaşık 9 dakikalık okuma.
Reklamın tüm markalar için kabul edilemez sayılan içeriklerin yanında çıkmamasıdır: şiddet, nefret söylemi, müstehcenlik, terörizm gibi. Bu kategoriler sektörde ortak bir set olarak tanımlanır ve Zefr'in kullandığı sette 12 kategori bulunur.
Marka uygunluğu bir adım ileridedir. İçerik güvensiz değildir ama belirli bir marka veya kampanya için uygun değildir. Çocuk içeriği iyi bir örnektir: tamamen güvenlidir, ancak hedef kitlesi yetişkin olan bir kampanya için boşa harcanan gösterim demektir. Riskli haberler, marka istismarı ve sektöre özel hassasiyetler de bu gruba girer.
Sınıflandırma hedeflemenin sınırını belirler. Platformlarda satın alma çoğunlukla ilgi alanı, kategori veya kanal sinyalleriyle yapılır. Bu sinyaller kitleyi tanımlar, videonun içindeki anı değil. "Güzellik ve Wellness" etiketi hem bir makyaj videosunu hem de aşırı diyet iddiası içeren bir videoyu kapsayabilir.
Kaba sınıflandırma bütçe kaybıdır. Zefr verisine göre YouTube'da tespit edilen 111 milyonu aşkın çocuk videosunun yalnız %16'sı "Çocuklara Özel" etiketi taşıyordu.
Yeni riskler hızlı hareket eder. Üretken yapay zekâ içeriği, dezenformasyon ve boykot söylemleri statik listelerden daha hızlı değişir. Zefr araştırmasında aktarılan Gartner öngörüsüne göre 2030'a kadar internet içeriğinin %90'ı yapay zekâ üretimi olabilir.
111M+
çocuklara yönelik video; yalnızca %16'sı "Çocuklara Özel" etiketli
%98,5
anlaşmazlık çıkan içeriklerde gereksiz işaretleme payı (6.368 içerik)
12 × 3
risk kategorisi, her biri için üç tolerans eşiği
100+
bağlamsal konsept; video seviyesinde hedefleme
Rakamlar Zefr verisine ve Zefr ortaklı araştırmalara dayanır; bağımsız denetim raporu değildir.
Ekosistemde dört taraf vardır:
Reklamveren ve ajans: uygunluk standardını belirler, bütçeyi yönetir.
Platform: YouTube, Meta, TikTok, Snap gibi kapalı ekosistemler (walled garden). Kendi envanter filtrelerini ve raporlamalarını sunarlar.
Üçüncü taraf uygunluk ve doğrulama sağlayıcısı: platformun yerleşik kontrollerinin yanında, onlarla birlikte çalışır; hedefleme, engelleme ve ölçüm katmanı ekler.
Bağımsız denetim ve akreditasyon kurumları: ölçüm yönteminin kendisini denetler. MRC (Media Rating Council) bu alanda ABD merkezli bağımsız kurumdur.
Birincisi içeriğin kendisidir: video, ses, görsel, metin. İkincisi teslimat verisidir: reklamın hangi videoda, kaç kez, ne kadar görünür biçimde gösterildiği.
YouTube tarafında akredite ortaklar bu teslimat verisine Google'ın Ads Data Hub ortamı üzerinden erişir. Zefr bu erişimle kampanya gösterimlerinin tamamını video seviyesinde gördüğünü belirtir: örneklem yerine tam veri.
Metadata (başlık, açıklama, etiket) içerik üreticisi tarafından girilir ve çoğu zaman gerçeği değil gelir hedefini yansıtır. Bu yüzden içerik seviyesinde sınıflandırma videonun kendisine bakar. Zefr'in çok modlu modeli şu sinyalleri birlikte analiz eder: video kareleri, ses transkripsiyonu, küçük resim, ekran üstü metin, görseller, başlık, açıklama, beğeniler, yorumlar, kanal adı ve açıklaması.
Marka standartları üç katmanda kurala çevrilir:
1. Standart güvenlik kategorileri: 12 kategori, her biri için düşük, orta ve yüksek tolerans eşiği.
2. Markaya özel uygunluk: sektör, pazar ve kampanya hassasiyetleri. Zefr menüsünde otomotiv, finans, güzellik, alkol, seyahat gibi sektör hassasiyeti kategorileri bulunur.
3. Yeni nesil riskler: GenAI alt türleri, dezenformasyon, marka istismarı, boykot söylemleri.
Kurallar gösterim satın alınmadan önce uygulanır; reklam uygunsuz içeriğe hiç girmez. Aynı sınıflandırma hedeflemede de kullanılır: 100'den fazla bağlamsal konsept ve markaya özel oluşturulan konseptlerle video seviyesinde hedefleme yapılır.
Hedefleme dört katmanda daralır: standart risklerin çıkarılması, özel marka profiliyle markaya uymayan içeriğin çıkarılması, ilgili bağlamsal kategorilerin seçilmesi ve son olarak markaya veya yerel anlara özel konseptlerin eklenmesi (ör. Ramazan'da aile anları).
Gösterimlerden sonra uygunluk, görüntülenebilirlik ve geçersiz trafik ölçülür. Teslimat verisi bir sonraki hedefleme ve engelleme kararlarına geri beslenir.
YouTube'da In-Stream ve Shorts için teklif öncesi dahil etme ve hariç tutma desteklenirken Google Video Partners ve YouTube Select için yalnız hariç tutma desteklenir; Search Partner ve Display ağlarında yalnız site seviyesinde hariç tutma vardır. Snap tarafında Zefr teklif sonrası ölçüm sunar.
METRİK
GÖSTERDİĞİ
GÖSTERMEDİĞİ
Marka güvenliği oranı
Gösterimlerin ne kadarının 12 yüksek riskli kategorinin dışında kaldığı.
Markaya uygunluk. Güvenlik oranı %99,99 olan bir kampanyada uygunluk %85 olabilir.
Marka uygunluğu oranı
Gösterimlerin markanın kendi kurallarına ne kadar uyduğu.
Kuralların doğru kurulup kurulmadığı. Oran, tanımlanan profile göredir.
Görüntülenebilirlik
Ekrana gerçekten giren gösterim payı.
İçeriğin uygunluğu veya reklamın etkisi.
IVT (geçersiz trafik)
Bot ve geçersiz trafik payı.
Yüksek tıklama oranının diğer nedenleri (kurulum, satın alma modeli).
Brand lift (hatırlanırlık, değerlendirme)
Reklamın kitle üzerindeki etkisi.
Tek başına hangi içerik ortamının etkiyi ürettiği.
Yalnız ölçüm korumaz. Bir testte, teklif öncesi kontrol açılmadan önceki dönemde Meta gösterimlerinin yaklaşık %15'i, TikTok gösterimlerinin yaklaşık %8'i markanın uygunluk kriterlerinin dışında kaldı. Teklif sonrası ölçüm nerede göründüğünüzü söyler; önleme teklif öncesinde olur.
Anormal bir metrik önce kurulumla açıklanır. Aynı testte yüksek TikTok tıklama oranının geçersiz trafikten kaynaklandığı hipotezi doğrulanmadı; IVT test boyunca düşük ve sabit kaldı.
1. Brief'i risk diline çevirin. Kampanyanın hedef kitlesi, sektörü ve pazarı hangi içeriği uygunsuz kılar? Yetişkin hedefli bir kampanyada çocuk içeriği, finans markasında dezenformasyon öncelikli olabilir.
2. Standart kategoriler için tolerans seçin. 12 kategorinin her biri için düşük, orta veya yüksek eşik.
3. Özel marka profilini kurun. Sektör hassasiyetleri, marka istismarı, boykot söylemleri.
4. GenAI politikasını alt türe göre belirleyin. Tüm AI içeriği mi engellenecek, yalnız zararlı veya düşük değerli olanlar mı?
5. Hedefleme katmanını ekleyin. Bağlamsal kategoriler ve gerekiyorsa markaya özel konseptler.
6. Ölçüm planını baştan yazın. Hangi metrik raporlanacak, hangi dönem karşılaştırılacak, brand lift ölçümü olacak mı?
7. İlk dönemi okuyup kuralları güncelleyin. Teslimat verisi hangi içeriklerin uygun, hangilerinin sorunlu olduğunu gösterir.
Aşırı engelleme. Güvenlik uğruna uygun içeriği engellemek erişimi daraltır. Zefr'in karşılaştırdığı 6.368 içerik ID'sinde, sınıflandırma anlaşmazlıklarının %98,5'inde eski sağlayıcının içeriği gereksiz yere işaretlediği görüldü; wellness, müzik ve meditasyon gibi uygun içerikler engellenmişti.
GenAI içeriğini tek kategori saymak. Kanada ve ABD'de yapılan bir araştırmada katılımcılar AI sanat ve yaratıcı ifadeye daha olumlu, AI dezenformasyonu ve spam'e daha olumsuz yaklaştı; katılımcıların %81'i en az bir AI içerik türünün yanında reklam çıkmasını uygunsuz buldu. Tümünü engellemek erişimi gereksiz daraltabilir, hiçbirini engellememek ise marka algısını riske atar.
Gerçek ile yapay ayrımının zorlaşması. Aynı araştırmada katılımcıların %32'si insan yapımı içeriği AI üretimi sandı veya ayırt edemedi. Ayırt edilemeyen içerik, araştırmada marka beğenisi ve güven üzerinde olumsuz etkiyle ilişkilendirildi.
Hedefleme ayarının içerik dilini garanti ettiğini sanmak. Bir testte ülke hedeflemesi doğru seçilmiş olmasına rağmen reklamın yanında çıkan içeriklerin önemli kısmı hedef pazarın dilinde değildi; bu, video seviyesinde görünürlükle fark edildi.
Kapsam platforma ve yerleşime göre değişir; her format için teklif öncesi kontrol mümkün değildir.
Bir yerleşimde uygunluğu iyileştirmek diğer metrikleri otomatik iyileştirmez. Aynı testte Meta görüntülenebilirliği belirgin biçimde artarken TikTok görüntülenebilirliği değişmedi.
Bu dersteki vaka rakamları tek kampanyalara aittir ve genellenemez.
Araştırma bulguları Kanada ve ABD panelinden gelir; Türkiye tüketicisine genellenmez.
VAKA 1 · FİNANS · ABD · 2025 Ç1
Bir finans kuruluşu YouTube kampanyasında mevcut üçüncü taraf sağlayıcısını Zefr ile birebir karşılaştırdı; sonuçlar üçüncü taraf ölçümle doğrulandı. Zefr tarafında ortalama eCPM %18 daha verimli oldu; reklam hatırlanmasındaki artış %21, satın alma değerlendirmesindeki artış %2,9 daha güçlüydü.
En çok teslimat yapılan kanallarda uygunluk TrueView'da %95,3'e karşı %78, Non-Skip'te %95,5'e karşı %84 ölçüldü. Diğer sağlayıcının engellediği içerikler incelendiğinde Zefr tarafında engellenenlerin %93'ü, diğer tarafta %86'sı aslında uygundu.
VAKA 2 · TÜKETİCİ ELEKTRONİĞİ · KAZAKİSTAN · 2026
Test dönemi 29.06.2026 ile 02.08.2026 arası. Birinci aşamada yalnız ölçüm yapıldı, ikinci aşamada teklif öncesi uygunluk kontrolleri açıldı. Marka uygunluğu Meta'da %84,97'den %98,54'e, TikTok'ta %92,10'dan %98,43'e çıktı.
Meta görüntülenebilirliği kontrolün açıldığı gün %13,3'ten %59,0'a yükseldi. TikTok'ta GenAI içeriği yanında gerçekleşen gösterim payı %18,05'ten %9,75'e indi. Marka adı anonimdir.
VAKA 3 · YOUTUBE SELECT · 2024 Ç3 – 2025 Ç3
Her çeyrekte 11 ile 12,5 bin kanallık dizilimler bağlamsal olarak analiz edildi. Çeyrek başına ortalama 1,5 bin kanal uygunsuz bulunarak engellendi; önlenen israf çeyreğe göre %8,03 ile %15,86 arasında, ortalama %12,8 oldu.
Bu vaka, "premium" olarak paketlenmiş envanterde bile içerik seviyesinde kontrolün ayrı bir iş olduğunu gösterir.
Vaka rakamları tek kampanyalara aittir ve genellenemez.
TERİM
AÇIKLAMA
Pre-bid (teklif öncesi)
Reklam gösterimi satın alınmadan önce uygulanan filtre veya hedefleme.
Post-bid (teklif sonrası)
Gösterim gerçekleştikten sonra yapılan ölçüm ve doğrulama.
Dahil etme / hariç tutma listesi
Kampanyanın hedeflediği veya dışarıda bıraktığı kanal, video veya kategori listesi (inclusion / exclusion list).
GARM kategori seti
Marka riski kategorilerinin 12 başlıklı seti: silah, ölüm ve yaralanma, suç, uyuşturucu-alkol-tütün, nefret söylemi, dezenformasyon, müstehcenlik, korsan içerik, cinsel içerik, toplumsal meseleler, spam, terörizm.
IVT (geçersiz trafik)
Bot veya düşük kaliteli envanter kaynaklı, geçersiz ya da sahtecilik şüpheli trafik.
Görüntülenebilirlik (viewability)
Kullanıcının ekranına gerçekten giren gösterimlerin payı.
MRC
Media Rating Council; ABD merkezli bağımsız medya ölçüm denetim kurumu.
Ads Data Hub (ADH)
Google'ın, akredite ortakların kampanya gösterimlerini analiz etmesine izin veren veri ortamı.
AI slop
Düşük değerli, seri üretilmiş yapay zekâ içeriği için kullanılan terim.
Aşırı engelleme (over-blocking)
Uygun içeriğin gereksiz yere engellenmesi ve buna bağlı erişim kaybı.
Marka güvenliği herkes için kabul edilemez içeriği, marka uygunluğu size özel uygun olmayanı dışarıda bırakır.
Metadata videonun içini anlatmaz; doğru hedefleme ve doğru engelleme içerik seviyesinde sınıflandırmaya dayanır.
Teklif öncesi kontrol önler, teklif sonrası ölçüm gösterir; ikisi birlikte ve bir geri besleme döngüsüyle çalışır.
GenAI içeriği tek bir risk değildir; alt türe göre karar vermek gerekir.
Aşırı engelleme de bir maliyettir: güvenlik ile erişim arasında denge kurulur.
Uygunluk planı brief'le başlar ve ilk dönem verisiyle güncellenir.
Merak ettikleriniz, detaylandırmamızı istediğiniz konular varsa bize ulaşın.
Marka uygunluğu planınızı birlikte konuşalım.
