Дух времени. Введение в Третью мировую войну

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.