Алгоритмы привлечения внимания базируются на психометрии — измерении поведения, позиции и личности человека. Психометрию разработал в XIX веке англичанин сэр Фрэнсис Гальтон — человек многих талантов, прославившийся изобретением статистики корреляции, но запятнавший репутацию продвижением евгеники. В первых психометрических исследованиях умственные способности измеряли сперва физическими тестами, а потом вопросами — так появилось понятие «коэффициент интеллекта». Теперь опросы и тесты не нужны, датчики незаметно для человека собирают информацию о нем. Такие компании по исследованию рынка, как Innerscope, собирают биометрические данные участников лабораторных экспериментов во время просмотра рекламных роликов с помощью биодатчиков. Они учитывают траекторию и направление взгляда, выражение лица, потоотделение и эмоции. Если человек потеет, значит, он возбужден, а по выражению лица можно определить, нравится ему ролик или нет. Маркетинговая компания Numerator использует алгоритмы покупательского поведения для классификации по 350 психографическим переменным и предоставляет эту информацию для повышения продаж.
Онлайн-реклама успешно пользуется этой информацией. В эпоху новой рекламы компания Cambridge Analytica провозгласила, что может получить данные о любом гражданине США без его ведома и описать по теории большой пятерки: открытость, доброжелательность, экстраверсия, добросовестность и невротизм. Например, Cambridge Analytica установила, что жители Нью-Йорка более невротичные, чем калифорнийцы.
Далее я подробнее расскажу о большой пятерке и продемонстрирую, насколько одна черта (невротизм) влияет на внимание и подверженность отвлекающим факторам. Для клиентов, специализирующихся в политической рекламе, Cambridge Analytica подбирала целевую аудиторию по психометрическому профилю. Данные использовались в предвыборных кампаниях в США и других странах, в том числе, по неофициальным источникам, в голосовании по Брекзиту в Великобритании. Но жадность вышла боком: компанию прикрыли, и в истории она оставит память как похититель личных данных пользователей.
Что делать с полученными данными, как их анализировать? В эпоху больших данных это не представляет сложностей. Каждый раз, когда вы посещаете сайт «Амазон», просмотренные страницы, паттерн поиска и профиль пополняют базу, где есть данные миллионов других пользователей. Алгоритмы «Амазона» предполагают, что вам может быть интересно, исходя из предпочтений похожих на вас пользователей, и постоянно обновляются. В этом сила интернета: можно в реальном времени собирать сотни миллионов единиц информации о пользователях и выводить закономерности. Алгоритмы узнают, кто вы, как вы себя чувствуете, что вы делаете, когда и где, и используют полученные данные для привлечения внимания.
Вы, вероятно, уже задумались, что можно выяснить о вас по вашему поведению онлайн. Заполняя анкету, вы точно знаете, какую информацию предоставляете. Но говорит ли о чем-нибудь ваш цифровой след? Оказывается, да, и немало.
Цифровое фенотипирование — это сбор данных о поведении онлайн и использование их для измерения, например, настроения и восприятия. Греческий корень pheno переводится как «являю», а фенотип — совокупность признаков индивидуума, обусловленных генетически, таких как веснушки, тип ушной серы и тембр голоса. В Сети мы неосознанно раскрываем не только свою личность: вспомните, что вы делаете в интернете. В профиле соцсети указаны ваш пол, возраст, место жительства и прочее. Поиск, лайки и посты — все это дает информацию о вас, не касающуюся содержания написанного.
Исследователи из Китайской академии наук и Наньянского технологического университета выяснили, что — в числе прочего — ваши лингвистические паттерны (словесные обороты) в соцсетях говорят о субъективном отношении к жизни. Дело не в том,
