Шрифт:
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] .
13
В 2020 году выручка Amazon Web Services составила 45,37 млрд долларов, а прибыль достигла 13,53 млрд долларов, и хотя на облачное подразделение Amazon пришлось лишь 12 % всей выручки компании, её доля в совокупной прибыли превысила 50 %.
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 последовательно друг за другом (если вы выбрали какую-то рубрику, например содержащую «ужасы», то это приводит к пересчёту всех остальных рядов с учётом вашего интереса); ML-подход – создаёт рейтинг с учётом того, какие страницы были сгенерированы для вас рекомендательной моделью в прошлом (учитывается то, что вы уже видели и как взаимодействовали с отображаемым контентом).
Разумеется, это только самая верхушка айсберга и пара платформ, хотя и очень успешных. Но представьте, какой массив данных хранится о вас на всех этих серверах. Кажется, что если вы не совершаете ничего предосудительного, то вам и нечего опасаться – мол, ну собирают данные для моей же пользы, и хорошо.
Но дело не в том, что кто-то из нас нужен этому монструозному «Большому брату», дело в том, что совершенствование этих алгоритмов и аватаров потенциально превращает вас в зависимых существ: вам будут показывать зрелища, от которых именно вы не сможете оторваться, вы не сможете выбрать что-либо самостоятельно, потому что просто потеряете этот навык.