Як працюють сучасні операції впливу, частина 1: Новий стек впливу

Як працюють сучасні операції впливу, частина 1: Новий стек впливу

Автор Чарльз Девіс через The Epoch Times,

У вівторок ввечері в гуртожитку студент відкриває TikTok для «п’ятихвилинної перерви».

Перший кліп – це монтаж з уламками та сиренами.

Другий – це пояснення у стилі професора, акуратно підписане, яке доносить єдиний моральний висновок.

Третій – це тремтяче відео зі смартфона конфлікту в іншому кампусі – крики, поліцейські вогні, натовп, що насувається, як погода.

Студент не шукає жодного з цього.

Він навіть не підписується на акаунти.

Канал вже впевнено знає, що важливо.

Це політична технологія нашої епохи: система, яка щодня тисячі разів вирішує, що ви побачите далі.

Стек впливу

Більшу частину останнього століття вплив означав мовлення. Ви купували газету, транслювали радіоспот, друкували листівки, сперечалися на міській площі. Зворотний зв'язок був повільним, непрямим і дорогим.

Сьогодні вплив працює на іншій основі. Це мікротаргетування – визначення, яку частину населення потрібно націлити. Це рекомендаційна дистрибуція – визначення, що розмістити перед цільовою групою та в якій послідовності. Це вимірювання ефектів – час перегляду, повторні перегляди, пауза при прокручуванні, коментарі, поширення. І це ітерація – швидке коригування того, що працює, і відкидання того, що не працює.

Як тільки ці частини з’єднуються, переконання перестає виглядати як партійна дискусія. Він набуває вигляду термостата: відчуває кімнату, трохи змінює температуру, відчуває знову.

Мікротаргетування не почалося з TikTok

Мікротаргетування старше, ніж стрічка смартфона.

Кампанії давно об’єднують файли виборців із даними про споживачів і демографічні дані, а потім адаптують звернення до конкретних сегментів. Що змінилося, особливо на початку 2010-х років, це темп: здатність бачити, що працює, поки момент ще розгортається.

Цифрова операція кампанії Обами у 2012 році пропонує корисний міст між старим світом і поточним. Їхні команди спостерігали за поведінкою в Інтернеті майже в реальному часі та використовували це для швидкої реакції. Під час президентських дебатів, коли колишній губернатор Массачусетсу Мітт Ромні сказав «пов’язані жіночі папки», кампанія негайно купила рекламні оголошення в пошукових системах, пов’язані з цією фразою, і посилалася на інформаційний бюлетень; цифровий керівник кампанії описав «негайне збільшення трафіку та залучення» від користувачів, які шукали цей термін.

Це не TikTok. Це все ще відкритий Інтернет – пошук, реклама, цільові сторінки. Але зміна показує нову логіку: спостерігайте за поведінкою, коли це відбувається, а потім перенаправте увагу, перш ніж історія охолоне. Ударте, поки залізо гаряче.

Алгоритмічні платформи індустріалізують цей цикл. Мікротаргетування – це не «кому який листівку надіслати». Це стає живою системою, з’єднаною з дистрибуцією та зворотним зв’язком. Різні демографічні групи можуть бачити цільові версії однієї реальності, і система вчиться – у великих масштабах – як кожна група реагує.

І «відповідь» не вимагає явної згоди. Це може бути увага, збудження та волатильність: дві додаткові секунди часу перегляду, повторний перегляд, коментар, набраний у гніві та опублікований, поширення в груповий чат.

Ранжування не просто відображає переваги. Вони формують їх.

Нам не потрібно гадати, чи змінює ранжування те, що бачать люди. Дослідники перевірили це всередині платформ.

Велике дослідження, опубліковане в Proceedings of the National Academy of Sciences of the United States of America (PNAS), спиралося на «масштабний рандомізований експеримент» на X, раніше відомому як Twitter, який призначив рандомізовану контрольну групу – майже два мільйони щоденних активних акаунтів – хронологічній стрічці «без алгоритмічної персоналізації», саме щоб виміряти ефекти ранжування. Автори повідомили про вимірні відмінності в «алгоритмічному посиленні» політичних акторів у кількох країнах.

Це ключ: ранжування є втручанням. Коли система замовляє контент, вона вирішує, що стає значущим, що здається загальним для певних груп, що здається терміновим, і що згасає. Політична влада може виникати навіть тоді, коли ніхто не пише маніфест всередині компанії. Канал навчає користувача. Це середовище, і середовища формують поведінку.

Це також пояснює, чому публічна дискусія часто пропускає сутність.

Люди сперечаються, якби єдиним питанням було, чи «цензурує» платформа певну точку зору чи «пропагує пропаганду». Ці проблеми мають значення. Вони просто лежать поверх глибшого механізму: простий акт ранжування, повторюваний мільярди разів, змінює те, про що говорять суспільства.

Вимірювання: прихована сила – це панель керування

Стек впливу живиться панелями керування.

Транслятор може дізнатися через тижні, чи прижився меседж. Платформа дізнається за хвилини, чи збільшив кліп утримання уваги 19-річних у певному місці, у певну годину, після стратегічно встановленої послідовності попередніх відео.

Це створює здатність переконувати, які старі інститути не були створені для відповідності: швидке експериментування з людською увагою. Контент стає гіпотезою. Аудиторія стає живою лабораторією. Система зберігає те, що працює.

Університети оновлюють політику раз на семестр. Редакції коригують структуру протягом кількох днів. Законодавчі органи рухаються протягом місяців. Сфера охоплення та фокус каналу можуть змінюватися до обіду.

Чому гнів перемагає всередині циклу

Жорстка правда про стек впливу полягає в тому, що не всі емоції однаково добре передаються через нього. Емоції з високим рівнем збудження рухаються швидше, тому що вони спонукають до дії.

У новаторському дослідженні поширення Джона Бергера та Кетрін Мілкен виявили, що вірусність пов’язана з фізіологічним збудженням: контент, який викликає емоції з високим рівнем збудження, включаючи гнів і тривогу, частіше поширюється, ніж контент, який викликає емоції з низьким рівнем збудження, такі як смуток.

Політика додає ще один прискорювач: моральну емоцію. Дослідження, опубліковане в PNAS, яке аналізує великі набори даних соціальних медіа-дебатів, виявило, що морально-емоційна мова збільшує дифузію; у їхній вибірці кожне додаткове морально-емоційне слово в повідомленні було пов’язане зі значним збільшенням поширення.

І гнів має особливі переваги в мережевих середовищах. Обчислювальний аналіз Weibo виявив, що гнів є більш «заразним», ніж радість, і більш здатним подорожувати слабкими соціальними зв’язками – тобто він може вийти за межі тісної групи та вилитися в ширші спільноти.

Об’єднавши це все, логіка таргетингу стає майже механічною. Гнів змушує людей дивитися. Він збільшує ймовірність того, що вони поділяться. Він схильний виходити з локальних кластерів у ширші мережі. У системі, оптимізованій для залучення, гнів – це не просто почуття. Це перевага в розподілі.

Ітерація: як гасла повертаються як оптимізовані теми

І потім є старий телевізійний трюк – повторювана фраза, слоган, гасло – що з’являються в новому одязі.

У телевізірних новинах тематика працювала, тому що повторення робить ідеї загальними. У стеку впливу система тестує варіації. Він контролює криву утримання, спостерігає за швидкістю поширення та інтенсивністю коментарів. Фрази, які виживають, – це ті, які подорожують і твердіють у слогани, які здаються «повсюдно», тому що платформа навчилася, де саме «повсюдно».

Ось як моральний фрейм стає транспортним механізмом. Коротку фразу легко підписати, легко додати хештег, легко зшити та змішати. Його також легко розпізнати та направити до аудиторії, яка історично реагувала на цей емоційний ключ.

Проблема перевірки

Нам не потрібно гадати, чи змінює ранжування те, що бачать люди. Дослідники перевірили це всередині платформ.

Велике дослідження, опубліковане в Proceedings of the National Academy of Sciences of the United States of America (PNAS), спиралося на «масштабний рандомізований експеримент» на X, раніше відомому як Twitter, який призначив рандомізовану контрольну групу – майже два мільйони щоденних активних акаунтів – хронологічній стрічці «без алгоритмічної персоналізації», саме щоб виміряти ефекти ранжування. Автори повідомили про вимірні відмінності в «алгоритмічному посиленні» політичних акторів у кількох країнах.

Це ключ: ранжування є втручанням. Коли система замовляє контент, вона вирішує, що стає значущим, що здається загальним для певних груп, що здається терміновим, і що згасає. Політична влада може виникати навіть тоді, коли ніхто не пише маніфест всередині компанії. Канал навчає користувача. Це середовище, і середовища формують поведінку.

Це також пояснює, чому публічна дискусія часто пропускає сутність.

Люди сперечаються, якби єдиним питанням було, чи «цензурує» платформа певну точку зору чи «пропагує пропаганду». Ці проблеми мають значення. Вони просто лежать поверх глибшого механізму: простий акт ранжування, повторюваний мільярди разів, змінює те, про що говорять суспільства.

Вимірювання: прихована сила – це панель керування

Стек впливу живиться панелями керування.

Транслятор може дізнатися через тижні, чи прижився меседж. Платформа дізнається за хвилини, чи збільшив кліп утримання уваги 19-річних у певному місці, у певну годину, після стратегічно встановленої послідовності попередніх відео.

Це створює здатність переконувати, які старі інститути не були створені для відповідності: швидке експериментування з людською увагою. Контент стає гіпотезою. Аудиторія стає живою лабораторією. Система зберігає те, що працює.

Університети оновлюють політику раз на семестр. Редакції коригують структуру протягом кількох днів. Законодавчі органи рухаються протягом місяців. Сфера охоплення та фокус каналу можуть змінюватися до обіду.

Чому гнів перемагає всередині циклу

Жорстка правда про стек впливу полягає в тому, що не всі емоції однаково добре передаються через нього. Емоції з високим рівнем збудження рухаються швидше, тому що вони спонукають до дії.

У новаторському дослідженні поширення Джона Бергера та Кетрін Мілкен виявили, що вірусність пов’язана з фізіологічним збудженням: контент, який викликає емоції з високим рівнем збудження, включаючи гнів і тривогу, частіше поширюється, ніж контент, який викликає емоції з низьким рівнем збудження, такі як смуток.

Політика додає ще один прискорювач: моральну емоцію. Дослідження, опубліковане в PNAS, яке аналізує великі набори даних соціальних медіа-дебатів, виявило, що морально-емоційна мова збільшує дифузію; у їхній вибірці кожне додаткове морально-емоційне слово в повідомленні було пов’язане зі значним збільшенням поширення.

І гнів має особливі переваги в мережевих середовищах. Обчислювальний аналіз Weibo виявив, що гнів є більш «заразним», ніж радість і більш здатним подорожувати слабкими соціальними зв’язками – тобто він може вийти за межі тісної групи та вилитися в ширші спільноти.

Об’єднавши це все, логіка таргетингу стає майже механічною. Гнів змушує людей дивитися. Він збільшує ймовірність того, що вони поділяться. Він схильний виходити з локальних кластерів у ширші мережі. У системі, оптимізованій для залучення, гнів – це не просто почуття. Це перевага в розподілі.

Ітерація: як гасла повертаються як оптимізовані теми

І потім є старий телевізійний трюк – повторювана фраза, слоган, гасло – що з’являються в новому одязі.

У телевізірних новинах тематика працювала, тому що повторення робить ідеї загальними. У стеку впливу система тестує варіації. Він контролює криву утримання, спостерігає за швидкістю поширення та інтенсивністю коментарів. Фрази, які виживають, – це ті, які подорожують і твердіють у слогани, які здаються «повсюдно», тому що платформа навчилася, де саме «повсюдно».

Це так моральний фрейм стає транспортним механізмом. Коротку фразу легко підписати, легко додати хештег, легко зшити та змішати. Його також легко розпізнати та направити до аудиторії, яка історично реагувала на цей емоційний ключ.

Проблема перевірки

Другий політичний факт стеку впливу полягає в тому, що стороннім важко перевіряти, що відбувається в реальному часі.

Платформи вказують на прозорість і доступ для дослідників. Хоча ці програми мають значення; іноді вони відстають від швидкості подій. Перевага стеку впливу – швидкість у світі повільного нагляду. Коли ви не можете бачити всю систему – ваги розподілу, правила зниження рейтингу, шляхи рекомендацій, рішення щодо правозастосування – ви не можете надійно відокремити органічні хвилі від алгоритмічно посилених хвиль або оцінити, чи були втручання нейтральними чи асиметричними.

Що зробить цей серіал

У наступних частинах ми піднімемося по стеку.

Ми розглянемо розпізнавання емоцій і чому навіть дефектне виведення афекту може бути небезпечним, коли інституції розглядають вихід як істину. Ми розглянемо оперативну модель Китаю – розпізнавання ідентичності плюс датчики покриття плюс злиття даних – і чому архітектура має більше значення, ніж будь-який окремий датчик. Ми розглянемо TikTok як шар розподілу, де ітерація швидка, а перевірка складна. Потім ми застосуємо структуру до тестового випадку, через який американці пройшли: сплеск динаміки протестів у кампусі під час війни в Газі, що ми можемо виміряти, і що ми не можемо відповідально стверджувати.

Мета не в тому, щоб звести справжню політичну переконаність до «алгоритм це зробив». Люди протестують з реальних причин. Інституції зазнають невдачі з реальних причин. Але у світі, де увагу можна запрограмувати, стає небезпечно вдавати, що канал – це лише розваги.

Стек впливу не замінює політику. Він змінює температуру, при якій відбувається політика.

І як тільки ви це побачите, питання перестає бути тим, чи окреме відео «щось спричинило».

Питання стає: хто контролює термостат – і хто має право його перевіряти?

Погляди, висловлені в цій статті, є думками автора і не обов’язково відображають погляди The Epoch Times або ZeroHedge.

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