Дух времени. Введение в Третью мировую войну - Андрей Владимирович Курпатов Страница 6

«Добро пожаловать в Новую Норму, — пишет Герт Ловинк в своей книге „Критическая теория интернета“. — Социальные медиа переформатируют наш внутренний мир. По мере того как становится невозможным разделять индивида и платформу, социальный нетворкинг сливается с „социальным“ как таковым. […] Социальные медиа как новое телевидение — это часть долгоиграющего тренда, заключающегося в эрозии когда-то воспевавшейся артиципаторной культуры и переходе от интерактивности к интерпассивности. Это гигантский, но пустой мир. […] Пока мы, проверяя соцсети, покидаем границы сознания, начинается движение в обратную сторону, и Другой, незаметно для нас, проникает в наш мир. Даже когда мы ненадолго достаём телефон, беспокойство не уходит. […] Мгновенное сканирование ленты социальных медиа может быть бегством от наличной в данный момент действительности, но можем ли мы сказать, что это намеренное бегство в мир фантазии? Едва ли. Как и в случае с грёзами, мы обновляем ленту и просматриваем входящие, чтобы избавиться от скуки».

«Цифровое гражданство» — не фигура речи. Пользователи получают в Сети хоть и виртуальные, но вовсе не иллюзорные «гражданства» (подданство): каждый ваш аккаунт в той или иной социальной сети, на маркетплейсах, игровой платформе или просто на каком-нибудь сайте, по сути, является аналогом физического паспорта — «документа, удостоверяющего личность».

Поскольку таких «личностей» у пользователей стало слишком много, и обо всех о них им не упомнить, более мелкие интернет-ресурсы, подобно политическим сателлитам, входят в «зоны», контролируемые основными «геополитическими игроками» Сети.

Эти монстры сначала принуждают вас создать ваш персональный ID (Apple ID, Google Account, Facebook[12] Account, включая использование биометрии) — тут предложение формируется так, что вы не можете отказаться, иначе ваше устройство просто не будет работать. Но наличие такого ID, по сути, является виртуальной «шенгенской визой» на все сайты, входящие в соответствующие «содружества».

Мелкие сетевые игроки получают функциональный протекторат со стороны основных платформ, а те, в свою очередь, собирают с нас данные о нашем поведении на этих, сторонних вроде бы ресурсах. Данные о действиях пользователей в Сети — это в каком-то смысле её внутренний капитал, внутренняя валюта, которая не видна глазу пользователей.

Эта валюта — почти физическая ценность, виртуальное «золото», которое используется для производства в цифровом мире наших аватаров, опять-таки для внутреннего использования теми игроками, которые их создают. Переработанные таким образом наши данные служат для продажи нам же рекламы и товаров (рекомендательные сервисы на маркетплейсах, стриминговых платформах и т. д.).

Существует едва различимый зазор времени между тем, как страница, которую вы открываете в Сети, загрузится, и тем, как вы увидите рекламу на ней. В эти считаные доли секунды происходит самый настоящий аукцион, на котором разыгрывается ваше внимание.

Десятки, а то и сотни роботов делают в этот момент свои ставки — то есть фактически выставляют цену за ваше внимание, ориентируясь на то, насколько ваш (их) цифровой аватар подходит под рекламу, которую они должны разместить.

Допустим, вы хотите купить дом или машину и сделали соответствующий запрос в поисковой строке… Для вас это просто поиск подходящего дома или машины, а для робота, оперирующего вашим цифровым аватаром по ту сторону экрана, — прямое указание на то, что ваше внимание стоит существенно дороже для тех, кто продаёт в этот момент дома или машины.

Поэтому при переходе на следующую страницу вы обнаружите на ней рекламные предложения, которые соответствуют целям вашего поиска, — от агентств недвижимости, дилерских автомобильных центров и т. д. Для продавцов шариковых ручек или кастрюль ваше внимание в этот момент будет слишком дорогим удовольствием.

Чем больше информации в вашем цифровом аватаре по ту сторону экрана, тем удобнее и комфортнее вам жить: роботы, выполняющие заказы, принятые от рекламодателей, делают вам более точные ценовые предложения, точнее попадают в ваши пристрастия.

Аналогичным образом работают и платформы, которые непосредственно что-то вам продают: товары, услуги, контент. У них тоже есть свои «ваши» цифровые аватары, которые знают, что вы покупали прежде, в каком количестве, за какую цену, с какой периодичностью, а также что покупают люди, которые «похожи на вас» (Look-alike аудитория — LAL).

Причём эта LAL создаётся далеко не только из тех данных, которые вы оставили на данной платформе — Amazon или Netflix, но и тех, которые они собрали о вас на других своих площадках (у Amazon, например, их предостаточно), получили от своих партнёров по бартеру или же которые они просто купили на рынке данных у других игроков.

Наконец, та же Amazon не только продаёт товары своим клиентам, но и предоставляет другим компаниям целый стек облачных технологий: Amazon Web Services (AWS) — облачная платформа, представляющая собой целую инфраструктуру технологических сервисов и услуг (файловый хостинг, распределённые хранилища данных, аренда виртуальных серверов, предоставление вычислительных мощностей и т. д.), — технически имеет доступ к в принципе неограниченному объёму данных[13].

Впрочем, как показывает опыт, даже не обладая таким объёмом данных, но эффективно используя набор инструментов (особенно если речь идёт об одном контекстом поле), можно добиваться поразительных экономических результатов. Например, 80 % стримингового времени на Netflix обеспечивается с помощью рекомендательной системы, а также приводит к улучшению пользовательского опыта (то есть увеличивает лояльность пользователей и способствует их удержанию), что, в свою очередь, позволяет экономить на привлечении новых клиентов (так, считается, что ещё в 2016 году компания сэкономила на этом порядка миллиарда долларов).

Рекомендательная система Netflix использует целую батарею алгоритмов: Personalised Video Ranking (PVR), создающий жанровые ряды, выбирая из всего каталога именно то, что идеально подойдёт для пользователя; Top-N Video Ranker — отвечает за подбор самых популярных фильмов, которые могут быть интересны именно вам; Trending Now Ranker — позволяет отслеживать ваше поведение по году и событийности (праздники, катастрофы и т. д.); Continue Watching Ranker — анализирует, что вы начали смотреть, но не закончили, и вычисляет вероятность того, что вы продолжите просмотр, используя контекстно-зависимые сигналы (например, время, прошедшее с момента просмотра, момент, на котором пользователь остановился, устройство, на котором пользователь смотрел контент, и т. д.); Video-Video Similarity Ranker — позволяет сличать то, что вы уже смотрели, с матрицей сходства между элементами, и т. д.

Кроме того, ряд подходов позволяют провести ранжирование результатов, полученных с помощью указанных алгоритмов: row-based подход использует уже существующие рекомендации и применяет к ним подход learning-to-rank — то есть ставит оценки и ранжирует по ним; stage-wise-подход — делает то же самое, но уже не для всех рядов одновременно, а