Cara Kerja Operasi Pengaruh Modern, Bagian 1: Tumpukan Pengaruh Baru

Bagaimana Operasi Pengaruh Modern Bekerja, Bagian 1: The New Influence Stack

Ditulis oleh Charles Davis via The Epoch Times,

Pada malam Selasa di sebuah asrama, seorang mahasiswa membuka TikTok untuk "istirahat lima menit."

Klip pertama adalah montase reruntuhan dan sirine.

Kedua adalah penjelasan bergaya profesor, dengan keterangan rapi, menyampaikan satu kesimpulan moral.

Ketiga adalah video ponsel bergetar dari konfrontasi di kampus lain—teriakan, lampu polisi, kerumunan mengalir seperti cuaca.

Mahasiswa tidak mencari salah satunya.

Mereka bahkan tidak mengikuti akun-akun tersebut.

Feed-nya tiba sudah percaya diri tentang apa yang penting.

Inilah teknologi politik masa kita: sistem yang memutuskan—ribuan kali sehari—apa yang akan Anda lihat selanjutnya.

The Influence Stack

Selama sebagian besar abad lalu, pengaruh berarti penyiaran. Anda membeli koran, menayangkan iklan radio, mencetak selebaran, berdebat di alun-alun. Umpan balik lambat, tidak langsung, dan mahal.

Sekarang, pengaruh berjalan pada tumpukan yang berbeda. Ini adalah microtargeting—menentukan irisan populasi mana yang akan ditargetkan. Ini adalah distribusi recommender—menentukan apa yang akan ditempatkan di depan kelompok target dan dalam urutan apa. Ini adalah pengukuran efek—waktu tayang, penonton ulang, jeda gulir, komentar, berbagi. Dan ini adalah iterasi—menyesuaikan dengan cepat apa yang bekerja dan membuang yang tidak.

Ketika potongan-potongan itu terkunci, persuasi tidak lagi terlihat seperti debat partai. Ia mengambil penampilan termostat: merasakan ruangan, mendorong suhu, merasakan lagi.

Microtargeting Tidak Dimulai Dengan TikTok

Microtargeting lebih tua dari umpan ponsel pintar.

Kampanye telah lama menggabungkan file pemilih dengan data konsumen dan demografi, lalu menyesuaikan ajakan untuk segmen tertentu. Yang berubah, terutama pada awal 2010-an, adalah tempo: kemampuan untuk melihat apa yang bekerja saat momen masih berlangsung.

Operasi digital kampanye Obama 2012 menawarkan jembatan yang berguna antara dunia lama dan dunia saat ini. Tim mereka memantau perilaku web secara nyata dekat dan menggunakannya untuk respons cepat. Selama debat presiden, ketika Gubernur Massachusetts Mitt Romney waktu itu mengatakan "binder full of women," kampanye langsung membeli iklan pencarian yang diatur dengan frasa itu dan ditautkan ke lembar fakta; pemimpin digital kampanye menggambarkan "peningkatan langsung baik lalu lintas maupun keterlibatan" dari pengguna yang mencari istilah itu.

Itu bukan TikTok. Ini masih web terbuka—pencarian, iklan, halaman arahan. Tapi pergeseran itu menunjukkan logika baru: amati perilaku saat terjadi, lalu alihkan perhatian sebelum cerita mereda. Menyala besi saat panas.

Platform algoritmenseleksi industri loop itu. Microtargeting bukan tentang "siapa yang mendapat mailer." Ia menjadi sistem langsung, dijahit dengan distribusi dan umpan balik. Demografi berbeda dapat ditampilkan versi yang ditargetkan dari realitas yang sama, dan sistem belajar—pada skala besar—bagaimana setiap kelompok merespons.

Dan "respons" tidak memerlukan persetujuan eksplisit. Dapat berupa perhatian, arousal, dan volatilitas: dua detik ekstra waktu tayang, penonton ulang, komentar diketik dalam marah dan diposting, berbagi ke group chat.

Sistem Peringkat Tidak Hanya Mencerminkan Preferensi. Mereka Membentuknya.

Kita tidak perlu menebak apakah peringkat mengubah apa yang dilihat orang. Peneliti telah mengujinya di dalam platform.

Studi berskala besar yang diterbitkan dalam Proceedings of the National Academy of Sciences of the United States of America (PNAS) mengandalkan "eksperimen acak berskala masif" di X, saat itu dikenal sebagai Twitter, yang menugaskan kelompok kontrol acak—hampir dua juta akun aktif harian—ke feed kronologis terbalik "bebas dari personalisasi algoritmik," tepat untuk mengukur efek peringkat. Penulis melaporkan perbedaan terukur dalam "penguatan algoritmik" di seluruh aktor politik di beberapa negara.

Itu kuncinya: peringkat adalah intervensi. Ketika sistem mengurutkan konten, ia memutuskan apa yang menjadi menonjol, apa yang terasa umum untuk kelompok tertentu, apa yang terasa mendesak, dan apa yang memudar. Kekuasaan politik dapat muncul bahkan ketika tidak ada yang menulis manifeste di dalam perusahaan. Feed melatih pengguna. Ia adalah lingkungan, dan lingkungan membentuk perilaku.

Ini juga mengapa debat publik seringkali melewatkan poin.

Orang berargumen seolah-olah satu-satunya pertanyaan adalah apakah platform "menyensor" sudut pandang atau "mendorong propaganda." Kekhawatiran itu penting. Mereka hanya duduk di atas mekanisme yang lebih dalam: tindakan sederhana peringkat, diulang miliaran kali, mengubah apa yang dibicarakan masyarakat.

Pengukuran: Kekuatan Tersembunyi Adalah Dashboard

Tumpukan pengaruh ditenagai oleh dashboard.

Si penyiaran mungkin belajar minggu kemudian apakah pesan berhasil. Platform belajar dalam menit apakah klip meningkatkan retensi di kalangan anak 19 tahun di tempat tertentu, pada jam tertentu, setelah urutan video sebelumnya yang disetel secara strategis.

Ini menciptakan kemampuan persuasi yang institusi-institusi lama tidak dibangun untuk mencocokkan: eksperimen cepat pada perhatian manusia. Konten menjadi hipotesis. Audiens menjadi laboratorium hidup. Sistem mempertahankan apa yang bekerja.

Universitas memperbarui kebijakan sekali per semester. Newsroom menyesuaikan framing selama hari-hari. Legislatur bergerak selama bulan-bulan. Cakupan dan fokus feed dapat berputar sebelum makan siang.

Mengapa Kemarahan Menang Di Dalam Loop

Kebenaran keras tentang tumpukan pengaruh adalah bahwa tidak semua emosi berjalan sama baiknya melalui sistem ini. Emosi dengan arousal tinggi bergerak lebih cepat karena memicu aksi.

Dalam studi landmark tentang berbagi, Jonah Berger dan Katherine Milkman menemukan bahwa virality terkait dengan arousal fisiologis: konten yang memicu emosi arousal tinggi, termasuk kemarahan dan kecemasan, lebih mungkin menyebar daripada konten yang memicu emosi arousal rendah seperti kesedihan.

Politik menambahkan penguat lain: emosi moral. Studi PNAS yang menganalisis dataset besar debat media sosial menemukan bahwa bahasa moral-emosional meningkatkan difusi; dalam sampel mereka, setiap kata moral-emosional tambahan dalam pesan dikaitkan dengan peningkatan substansial dalam berbagi.

Dan kemarahan memiliki keunggulan khusus di lingkungan jaringan. Analisis komputasi Weibo menemukan kemarahan lebih "kontagius" daripada sukacita dan lebih mampu bergerak di sepanjang ikatan sosial yang lemah—artinya dapat bergerak di luar kelompok ketat dan tumpah ke komunitas yang lebih luas.

Gabungkan itu semua dan logika penargetan menjadi hampir mekanis. Kemarahan membuat orang tetap menonton. Ia meningkatkan peluang mereka akan berbagi. Cenderung menjembatani keluar dari cluster lokal ke jaringan yang lebih luas. Dalam sistem yang dioptimalkan keterlibatan, kemarahan bukan hanya perasaan. Ini adalah keuntungan distribusi.

Iterasi: Cara Titik Pembicaraan Kembali sebagai Tema yang Dioptimalkan

Dan kemudian ada trik penyiaran lama—frasa berulang, tagline, talking point—muncul kembali dalam pakaian baru.

Di berita televisi, theming bekerja karena pengulangan membuat ide terasa umum. Di tumpukan pengaruh, sistem menguji variasi. Ia memantau kurva retensi, mengamati kecepatan berbagi dan intensitas komentar. Frasa yang bertahan adalah yang bepergian dan mengeras menjadi slogan yang terasa "di mana-mana," karena platform telah belajar persis di mana "di mana-mana" itu.

Ini cara bingkai moral menjadi transportasi. Frasa pendek mudah untuk keterangan, mudah untuk hashtag, mudah untuk di-stitch dan di-remix. Juga mudah bagi sistem untuk mengenali dan merutekan ke audiens yang secara historis merespons kunci emosi itu.

Masalah Verifikasi

Fakta politik kedua dari tumpukan pengaruh adalah bahwa orang luar kesulitan memverifikasi apa yang terjadi secara waktu nyata.

Platform menunjuk ke transparansi dan akses peneliti. Sementara program-program itu bermakna; terkadang mereka tertinggal kecepatan peristiwa. Keunggulan tumpukan pengaruh adalah kecepatan dalam dunia pengawasan yang lambat. Ketika Anda tidak bisa melihat sistem penuh—bobot distribusi, aturan downranking, jalur rekomendasi, keputusan penegakan—Anda tidak bisa andal memisahkan gelombang organik dari gelombang yang dikuatkan algoritmik, atau mengevaluasi apakah intervensi netral atau asimetris.

Apa yang Akan Dilakukan Seri Ini

Selama instalasi berikutnya, kita akan berjalan di sepanjang tumpukan.

Kita akan memeriksa pengenalan emosi dan mengapa bahkan inferensi afek yang cacat bisa berbahaya ketika institusi memperlakukan output sebagai kebenaran. Kita akan melihat model operasional Tiongkok—resolusi identitas plus cakupan sensor plus fusion data—dan mengapa arsitektur lebih penting daripada sensor tunggal apa pun. Kita akan memperlakukan TikTok sebagai lapisan distribusi di mana iterasi cepat dan verifikasi sulit. Kemudian kita akan menerapkan kerangka ke kasus uji yang dialami orang Amerika: ledakan dinamika protes kampus selama perang Gaza, apa yang bisa kita ukur, dan apa yang tidak bisa kita klaim secara bertanggung jawab.

Tujuannya bukan untuk mengurangi keyakinan politik sejati menjadi "algoritmilah yang melakukannya." Orang protes karena alasan nyata. Institusi gagal karena alasan nyata. Tapi di dunia di mana perhatian dapat diprogram, menjadi ceroboh untuk berpura-pura feed hanya hiburan.

Tumpukan pengaruh tidak menggantikan politik. Ia mengubah suhu di mana politik terjadi.

Dan setelah Anda melihatnya, pertanyaan tidak lagi menjadi apakah video tunggal "menyebabkan" apa pun.

Pertanyaan menjadi: siapa yang mengendalikan termostat—dan siapa yang berhak mengauditnya?

Pandangan yang dinyatakan dalam artikel ini adalah opini penulis dan tidak selalu mencerminkan pandangan The Epoch Times atau ZeroHedge.

Tyler Durden
Mon, 04/06/2026 - 23:25