Анна Шипкова
Ежедневно мы пользуемся мобильными приложениями и посещаем десятки сайтов. Оставляем цифровой след. Это информация о действиях в Сети. Ее анализ определяет потребности, интересы и темы, волнующие пользователя. Система изучает поисковые запросы, соцсети, приложения. Так она составляет портфолио человека без личной коммуникации. Все — на основе данных из открытого доступа.
Но как система получает эти сведения? Есть несколько способов, самые популярные — при установке приложений и посещении сайтов. Например, большинство программ просят доступ к личным данным. Согласие принимают в один клик, а поведение анализируют в фоновом режиме — без участия владельца гаджета. Еще один способ получения информации — сайты. При посещении они просят разрешение на использование cookie-файлов. Это фрагменты текста, передаваемые через браузер. Они дают представление о пользователе, его интересах и географии.
Например, c помощью Big Data стриминговые сервисы анализируют запросы аудитории при производстве сериалов и кино. Так они отсеивают темы и героев, способных отпугнуть или привлечь большую аудиторию. Также большие данные используют для анализа рынка, обучения нейросетей и составления психограмм. Последнее — деление населения по особенностям поведения: от черт личности до убеждений и интересов.
Система изучает контент пользователя в соцсетях — его группы, новости, теги и реакции, — а позже ищет взаимосвязи, чтобы выявить психологические характеристики. Затем настраивается реклама, направленная на конкретные группы. Ее задача — эмоциональное заражение человека. Чтобы он включился в контекст. Как правило, это делается с помощью микротаргетинга. Его инструменты погружают человека в изолированную информационную среду, которая соответствует психограмме конкретного интернет-пользователя.
Например, в 2016-м эта механика помогла Дональду Трампу мобилизовать малоинформированных, но убеждаемых избирателей. По разным причинам они были аполитичны или негативно настроены к политическим новостям, и это свыше 10 миллионов человек. Грамотный микротаргетинг изменил мнение людей, а будущий президент заручился новой поддержкой.
Уже сейчас анализ Big Data позволяет прогнозировать результаты выборов. Так, в 2014‑м ученые в Индии оценивали популярность кандидатов на основе реакций пользователей на официальных страницах. И выяснили, что количество лайков почти совпало с долей голосов на выборах. Лучшим временем для прогноза назвали последний месяц перед голосованием, точность — 86 %.
А в Нидерландах ученые оценивали качество публикаций жителей в соцсетях. Они поделили их на два класса. Первый — отрицательный по отношению к партии, второй — нейтральный. Ученые проверили свыше 1,6 тысячи сообщений, и распределение мест на выборах в парламент оказалось близким к прогнозам.
Современная политика невозможна без интернет-технологий. Ни одна избирательная кампания в России не обходится без анализа больших данных. Особенность работы с Big Datа — скорость и объем: алгоритмы анализируют информацию в реальном времени. Но главное — они потенциально не ограничены в выборке. Это отличает их от соцопросов населения. Система обозначает вопросы, которые волнуют население. На этом строятся предвыборные программы кандидатов. Такие, которые уже отвечают запросам граждан.
Обработка больших данных была бы невозможна без искусственного интеллекта. Он использует огромные объемы информации для обучения и улучшения процессов, а Big Datа задействует его для качественного анализа. Вместе они открывают новые способы коммуникации с избирателями — без прямого диалога. И каждый год эти возможности только растут, как и цифровой след человека.
Эксперты уверены, что будущее мировой политики за Big Datа, психометрией и таргетированным контентом. Уже сейчас российские вузы готовят аналитиков больших данных, а ведущие компании используют специальные алгоритмы сбора информации и приближают цифровое будущее.