Убийственные большие данные. Как математика превратилась в оружие массового поражения

Смогут ли подобные подсчеты сработать, если применить их к неопределившимся избирателям? Вооруженные огромным количеством данных по потребителям, избирателям и демографии, Гани и его команда решили это выяснить. Однако они столкнулись с одним серьезным отличием. В проекте, посвященном супермаркетам, вся доступная информация относилась точно к области покупок. Они изучали покупательские привычки, чтобы предсказать, что люди будут покупать (и повлиять на это). Но в политике у них имелось очень мало релевантной информации. Нужны были прокси – а это потребовало исследований.

Команда Гани начала с того, что взяла у нескольких тысяч человек очень подробные интервью. Эти люди оказались в разных группах. Кто-то заботился об образовании и правах ЛГБТ, других тревожили социальная защищенность и влияние технологии гидравлического разрыва при добыче сланцевой нефти на водоемы с пресной водой. Некоторые поддерживали действующего президента во всем. Другие занимали нейтральную позицию. Большому числу граждан он просто нравился, но при этом они обычно не ходили голосовать. Некоторые из них – и это было жизненно важно – были готовы вложить деньги в кампанию Обамы.

Как только команда Гани определила эту маленькую группу избирателей, проанализировала их желания и страхи, выяснила, что нужно для того, чтобы изменить их поведение, предстояло сделать следующий шаг – найти миллионы других избирателей (они же спонсоры), которые были бы похожи на первую группу. Это включало в себя исследование потребительских и демографических данных избирателей, у которых они взяли интервью, и создание их математических профилей. Затем нужно было просто изучить национальные базы данных, найти людей с похожими профилями и поместить их в те же группы.

Затем каждой группе стали направлять рекламные объявления – на Facebook или на новостных сайтах, которые они посещали, – и проверять, реагируют ли адресаты ожидаемым образом. Для этого они проводили те же самые тесты, что использует Google, чтобы узнать, какой оттенок синего набирает больше кликов по кнопке. Попробовав разные подходы, они выяснили, например, что электронные письма, в заголовках которых было одно только слово «Эй!», раздражали людей, но в то же самое время приводили к большей вовлеченности и большим пожертвованиям.

В результате тысяч тестов и корректировок кампания наконец охватила всю свою аудиторию – включая самый важный контингент из 15 миллионов неопределившихся избирателей. В процессе каждая кампания разработала профили американских избирателей. Каждый профиль содержал большое количество показателей по разным параметрам – не только ценность человека как избирателя, волонтера или спонсора, но и его отношение к различным проблемам. У одного избирателя мог быть высокий показатель в области экологических проблем, но низкий в сфере национальной безопасности или международной торговли. Эти политические профили очень похожи на те, которые создают интернет-компании, такие как Amazon и Netflix, чтобы эффективно взаимодействовать с десятками миллионов своих потребителей. Аналитические механизмы, которые задействуют эти компании, практически непрерывно проводят анализ затраты/выгоды, чтобы максимизировать прибыль от каждого покупателя.

Четыре года спустя кампания Хиллари Клинтон была построена на методологии, разработанной командой Обамы. Клинтон заключила контракт со стартапом в области таргетированной рекламы Groundwork, который был основан тогдашним председателем совета директоров Google Эриком Шмидтом и управлялся Майклом Слэби, техническим директором кампании Обамы 2012 года. Предстояло создать нечто вроде «политической версии» систем, которые торговые компании разрабатывают для взаимодействия с миллионами своих потребителей.