Добавить в корзинуПозвонить
Найти в Дзене
Татьяна НейроZ

Почему лента в соцсетях знает о вас больше, чем вам хотелось

Момент, когда лента вдруг начинает понимать тебя слишком хорошо, обычно выглядит невинно. Ты открываешь соцсеть на пять минут, а через двадцать уже смотришь, как кто-то перекрашивает старый буфет, печёт сырники без муки и спасает ёжика из садовой сетки. И всё это почему-то попадает точно в настроение. Возникает чувство, будто телефон не просто показывает контент, а слегка подглядывает в душу. На самом деле всё прозаичнее и потому даже интереснее. Алгоритмы рекомендаций давно учатся не только на лайках. Для них важны просмотры, время удержания внимания, повторные открытия, пересылки, паузы, досмотры и даже то, что вы быстро пролистнули. В свежем инженерном материале Meta прямо говорится, что рекомендательные системы обычно оптимизируются по сигналам вроде watch time, likes и shares, а затем дополняются более тонкой обратной связью о том, насколько контент совпадает с интересом пользователя. Netflix тоже описывает персональные рекомендации как систему, которая строится на истории взаимод

Момент, когда лента вдруг начинает понимать тебя слишком хорошо, обычно выглядит невинно. Ты открываешь соцсеть на пять минут, а через двадцать уже смотришь, как кто-то перекрашивает старый буфет, печёт сырники без муки и спасает ёжика из садовой сетки. И всё это почему-то попадает точно в настроение. Возникает чувство, будто телефон не просто показывает контент, а слегка подглядывает в душу.

На самом деле всё прозаичнее и потому даже интереснее. Алгоритмы рекомендаций давно учатся не только на лайках. Для них важны просмотры, время удержания внимания, повторные открытия, пересылки, паузы, досмотры и даже то, что вы быстро пролистнули. В свежем инженерном материале Meta прямо говорится, что рекомендательные системы обычно оптимизируются по сигналам вроде watch time, likes и shares, а затем дополняются более тонкой обратной связью о том, насколько контент совпадает с интересом пользователя. Netflix тоже описывает персональные рекомендации как систему, которая строится на истории взаимодействий зрителя с контентом.

То есть алгоритм не сидит и не думает: «Татьяна, мне кажется, вам сегодня нужен уютный ролик про хлеб». Он просто видит десятки маленьких следов. Где вы задержались на две секунды дольше. Что посмотрели до конца. Что пересмотрели. Что проигнорировали так быстро, будто это напоминание от банка. И из этих крошек собирается довольно точный портрет внимания.

Самое смешное, что для системы иногда важнее не то, что вы активно одобрили, а то, на чём вы невольно залипли. Лайк можно поставить из вежливости. Репост можно сделать по привычке. А вот лишние четыре секунды на странном ролике про жизнь японского фермера - это уже честный сигнал. Тут вы ничего не планировали, а алгоритм тихо сделал пометку.

Поэтому фраза «телефон меня слушает» часто звучит честнее, чем кажется. Иногда он не слушает. Иногда ему хватает того, как вы смотрите. И вот это уже намного тоньше. Никакой мистики, просто математика внимания. Человек заходит развлечься, а по пути обучает машину понимать, что его цепляет.

В этом и есть главная хитрость современного интернета. Мы думаем, что просто листаем ленту, пока пьём чай. А на самом деле каждый день оставляем цифровой автопортрет своих интересов. Если захочешь, в конце такого текста очень органично ложится фраза про то, что нейросети уже давно рядом, и если хочется попробовать работать с ними осознанно, можно перейти в Syntx AI по ссылке.