Радио 
Мы привыкли считать вкус, интересы и культурные предпочтения результатом собственного выбора. Сегодня значительный объем результатов этого выбора проходит через невидимый алгоритмический фильтр. Рекомендательные системы активно участвуют в формировании того, что миллионы людей смотрят, слушают, обсуждают и считают нормой. О том, как алгоритмы становятся одним из механизмов производства культурного кода, и чем это оборачивается для бизнеса, Sostav рассказал Дмитрий Федосеев, CEO 
Hybrid в России.
Фильтр смыслов
Мы привыкли считать культурный код чем-то устойчивым: набором ценностей, образов и норм, которые общество передает через семью, образование, литературу, кино и медиа. Однако сегодня значительная часть потребляемого в цифровой среде контента, который люди считают собственным выбором, проходит через невидимый фильтр.
Еще пару десятилетий назад путь идеи к массовой аудитории был длительным процессом. Чтобы стать частью культуры, ей требовалось общественное признание, поддержка институтов, годы повторения и обсуждения. Сегодня в этой цепочке появился новый участник — рекомендательный алгоритм.
Сам по себе алгоритм смыслов не создает. Зато эффективно выполняет другую функцию: определяет, какие из них получат масштаб, а какие останутся незамеченными. И чем больше времени общество проводит внутри цифровых платформ, тем сильнее именно этот механизм начинает влиять на формирование культурной нормы.
При этом алгоритмы оценивают контент принципиально иначе, чем человек. Для них не существует категорий «важно», «полезно» или «истинно». Главный критерий — вероятность реакции. Поэтому цифровая среда все чаще вознаграждает не самое содержательное, а самое заметное: ложные новости с сенсационным зарядом в X/Twitter получают на 70% больше ретвитов. На виду не самые сильные идеи, а самые совместимые с логикой быстрого распространения с хорошим охватом.
В этом заключается одно из ключевых изменений последних лет. Если раньше культура распространяла смыслы, то сегодня она все чаще распространяет реакции на смыслы. Репост, комментарий, обсуждение, возмущение или одобрение становятся не менее важными, чем само содержание. Именно поэтому в информационной среде выигрывает не то, что помогает лучше понимать мир, а то, что вызывает сильный эмоциональный отклик.
Так меняется механизм культурного производства. Раньше для появления новой нормы требовались институты и время. Теперь достаточно алгоритмической актуальности. Попадая в рекомендации, контент получает тысячи повторений, интерпретаций и социальных подтверждений. Именно эта система повторений постепенно превращает отдельные идеи, образы и модели поведения в элементы коллективного опыта.
Поэтому культурный код все меньше напоминает наследие, которое общество передает из поколения в поколение, и все больше — систему цифрового отбора. Люди по-прежнему создают культуру, но какая ее версия станет массовой и закрепится — решают уже алгоритмы.
Понравиться машине
Когда алгоритмы становятся главным механизмом отбора культурных сигналов, неизбежно меняется и поведение тех, кто эти сигналы создает. Авторы, бренды и медиа больше не думают исключительно о том, что хотят сказать аудитории. Они вынуждены учитывать, что сочтет достойным распространения цифровая платформа. Так возникает новый тип культурной адаптации: контент начинает создаваться одновременно и для человека, и для машины — то есть для алгоритмов оценки и рекомендации.
Никто не получает от платформы инструкцию по созданию вирусного контента. Однако страх цифровой невидимости заставляет миллионы авторов самостоятельно искать формулы, которые помогут пройти алгоритмический отбор. Одни и те же приемы, сценарии, визуальные решения и интонации начинают воспроизводиться снова и снова, формируя общий язык цифровой среды.
Алгоритмы влияют на культуру дважды. Сначала они определяют, какой контент получит видимость. Затем заставляют рынок адаптироваться к этой системе отбора. В результате платформа из нейтрального канала дистрибуции превращается в инфраструктуру, которая влияет на форму продукта. Или, если хотите, в инфраструктуру современной культуры.
Это хорошо заметно по изменениям медиасреды. Контент проектируется не вокруг идеи автора, а вокруг предполагаемой реакции, которую необходимо вызвать. Логика алгоритмов постепенно становится частью логики творчества, маркетинга и коммуникаций.
Управляемый вкус: действительно ли мы любим то, что любим?
Мы привыкли считать вкус одной из самых личных характеристик человека. Долгое время считалось, что рекомендательные системы помогают пользователям находить контент, который им уже нравится. Сегодня алгоритмы не только угадывают предпочтения, но и постепенно меняют их.
Механизм выглядит достаточно безобидно. Пользователь получает рекомендацию, которая лишь немного отличается от его привычных интересов. Затем еще одну, потом еще. Каждый следующий шаг кажется логичным продолжением предыдущего. Но спустя какое-то время (месяцы или годы) человек обнаруживает, что слушает другую музыку, смотрит другой видеоконтент и интересуется темами, которые раньше его не интересовали.
Особенно ярко эта логика проявляется в TikTok. Платформа опирается на так называемый граф интересов — interest graph. Алгоритм анализирует не столько социальное окружение человека, сколько его фактическое поведение: какие ролики он досматривает, пропускает, пересматривает и с какими публикациями взаимодействует. Приложение быстро накапливает сигналы и формирует персональную ленту, способную регулярно выводить пользователя за пределы уже известных ему тем и предпочтений.
В результате TikTok становится самостоятельным механизмом культурной и потребительской навигации. По данным Pew Research Center, 62% взрослых пользователей TikTok в США обращаются к платформе в том числе ради обзоров товаров и рекомендаций, а среди пользователей от 18 до 29 лет эта доля достигает 74%. Иными словами, алгоритмическая лента все чаще не просто показывает контент, соответствующий уже сложившимся интересам, но и участвует в выборе того, что человек будет смотреть, обсуждать и покупать.
Рекомендательная система из инструмента поиска становится механизмом культурной навигации. Она помогает человеку не просто находить контент, а перемещаться между различными вариантами вкуса, жанрами, стилями и моделями потребления. Современные платформы все чаще работают не с массовой аудиторией, а с тысячами микросообществ, объединенных схожими культурными предпочтениями.
Это хорошо видно на примере Netflix. Компания давно ушла от работы с крупными жанровыми категориями вроде «боевиков» или «комедий» и строит рекомендации вокруг гораздо более узких сообществ вкуса. По данным самой платформы, около 80% просмотров происходит через рекомендательные механизмы. Фактически зритель все чаще выбирает не из всего каталога, а из той версии культурного пространства, которую для него собрала система рекомендаций.
На YouTube рекомендации обеспечивают свыше 70% времени просмотра. На российском RUTUBE через рекомендательные механизмы приходится 43% смотрения видео, причем за год время просмотра такого контента выросло в пять раз. После обновления рекомендательной системы VK Music пользователи стали на 35% чаще добавлять треки из VK Mix в собственные плейлисты, на 30% реже ставить дизлайки, в 77% случаев чаще использовать функцию «Микс по треку» для знакомства с новой музыкой, а количество повторных прослушиваний одних и тех же композиций сократилось в десять раз.
Эффект постепенной смены вкусов уже получил собственное название — Algorithmic Drift. Исследователи используют этот термин для описания ситуации, когда рекомендательная система постепенно смещает предпочтения пользователя в сторону контента, который сама же и продвигает. Для оценки этих эффектов существует две метрики.
Delta Target Consumption показывает, увеличивается ли со временем доля контента, который платформа стремится продвигать пользователю. Вторая — Algorithmic Drift Score — оценивает, насколько изменилась сама траектория движения человека по информационному пространству под влиянием рекомендаций.
В основе модели лежит предположение, что каждый пользователь по-разному сопротивляется рекомендациям и обладает разной степенью инерции при выборе нового контента. Именно сочетание случайности, инерции и сопротивления определяет, насколько далеко алгоритм способен сместить пользовательские интересы.
Возникает вопрос: если алгоритмы способны менять не только выбор в моменте, но и долгосрочные предпочтения миллионов пользователей, можно ли по-прежнему считать их нейтральными посредниками между человеком и контентом? Ответ на него имеет стратегическое значение. Потому что в такой парадигме выигрывают не самые известные бренды или наиболее качественные продукты.
Побеждает тот, кто смог встроиться в механизмы цифрового производства и потребления раньше конкурентов, точнее их, тоньше и в более умном ключе.
Звоночек для бизнеса
Главный вызов для бизнеса сегодня заключается не только в том, чтобы лучше изучать аудиторию. Важно четко понимать, как формируются новые нормы, какие сигналы становятся культурно значимыми и какие механизмы превращают идею в часть коллективного опыта.
Традиционная модель маркетинга исходила из того, что вкусы, интересы и потребности существуют относительно независимо от бренда. Однако в среде, где рекомендательные системы влияют на то, что люди смотрят, слушают, обсуждают и считают нормой, сама аудитория становится постоянно меняющимся объектом.
Поэтому бизнесу приходится учитывать не только характеристики потребителя, но и механизмы, которые ежедневно формируют его предпочтения. Ведь культурная норма возникает не в момент контакта с брендом. Она появляется через повторение, социальное подкрепление и постоянное присутствие определенных образов в информационной среде.
Выигрывают те, кто понимает систему культурных повторений. В цифровой среде идея становится значимой не потому, что ее однажды увидели миллионы людей, а потому, что она продолжает воспроизводиться, обсуждаться, цитироваться и получать новые интерпретации.
Поэтому следует избегать отождествления охвата с влиянием. Миллионы просмотров способны обеспечить заметность, но далеко не всегда превращают бренд в часть культурного контекста. Настоящее влияние возникает тогда, когда бренд начинает существовать за пределами собственной рекламы: становится объектом обсуждений, мемов, цитат, пользовательских интерпретаций и социальных практик.
Победители в новой культурной среде
Если культурная норма формируется через алгоритмический отбор, то главным конкурентным преимуществом становится способность видеть изменения раньше других. Не тогда, когда тренд уже появился в лентах миллионов пользователей, а в тот момент, когда он только начинает формироваться внутри небольших цифровых сообществ.
Отслеживать нужно не только сами тренды, но и механизмы их возникновения. Интересоваться нужно не тем, что стало популярным, а тем, что начинает повторяться, получать социальное подкрепление. И главное — причиной и механизмом этого процесса. Фактически бизнесу приходится учиться работать с культурной динамикой так же внимательно, как раньше он работал с рыночной аналитикой.
Потому что новые предпочтения все чаще возникают не в результате долгих социальных процессов, а как следствие миллионов алгоритмически усиленных взаимодействий между людьми, контентом и платформами.
Это меняет и роль бренда: он получает возможность участвовать в создании культурного контекста.
Культурный код современности все меньше напоминает архив достижений прошлого и все больше — живой датасет, который непрерывно обновляется, переобучается и меняется под воздействием миллионов ежедневных цифровых взаимодействий.
Тот, кто правильно поймет правила работы этой системы, получит преимущества не только в маркетинге. Он обретет способность влиять на будущий спрос изнутри, определяя паттерны его формирования и влияя на конечный вид.