Współczesne media społecznościowe wychodzą z założenia, iż doświadczenie z ich platformą musi być tak unikalne, jak sam użytkownik. To, co widzimy nie jest więc niezależne od obserwatora, lecz odzwierciedla sympatie i zainteresowania, które algorytm proponujący treści wywnioskował z naszych wcześniejszych akcji. Choć niektórzy cenią sobie doświadczenie szyte na miarę, inni czują się osaczeni zbyt osobistymi treściami. Jakie zagrożenia są związane z tym zjawiskiem? Czy personalizacja może działać w interesie użytkownika? W poniższym artykule przyjrzymy się oddziaływaniu społecznemu tego zjawiska.

Większość portali dominujących dziś w internetowym krajobrazie zyskała popularność w latach 2000. Początek działania Facebooka przypada na rok 2004, a obecnie skupia on prawie 3 miliardy użytkowników^[1]. Wyszukiwarka Google została stworzona w 1998^[2] i szybko zyskała popularność dzięki innowacyjnemu algorytmowi PageRank. W międzyczasie wyludniały się konkurencyjne serwisy oparte na prostszych technikach webowych, takie jak klasyczne fora internetowe czy MySpace. Wraz z rozwojem rynku danych, firmy w posiadaniu platform społecznościowych ewoluowały ku nowym, niedostępnym wcześniej modelom biznesowym.

Dlaczego serwisy dostosowują się do użytkownika?

Personalizacja pozwala na osiągnięcie celów biznesowych na różnych szczeblach szczegółowości:

1. Niektóre płatne serwisy korzystają z personalizacji, by proponować lepiej dopasowane treści wewnątrz aplikacji. W ten sposób utrzymują przywiązanie użytkownika do swoich usług, zwiększają czas spędzany na konsumowaniu treści i budują wrażenie, jakoby stanowiły nieodzowną część życia codziennego. Te czynniki pozwalają uzyskiwać stałe płatności w modelu subskrypcyjnym. W taki sposób działają m.in. serwisy streamingowe, takie jak Spotify i Netflix.
2. Inne aplikacje monetyzują swoją wiedzę o użytkowniku serwując mu dopasowane reklamy opłacane przez podmioty zewnętrzne. Usługa jest wówczas udostępniana nieodpłatnie. Ten model przyjmują Facebook, Google czy Pinterest.
3. Ciekawym przypadkiem jest portal YouTube, który co prawda opiera się na reklamach, jednak oferuje także pakiet Youtube Premium. Za opłatą subskrypcyjną usuwane są reklamy oraz dodawane nowe funkcjonalności.

Personalizacja może występować w aplikacjach o różnym modelu biznesowym, nawet całkowicie bezpłatnych. Jednak najczęściej wzbudza kontrowersje z uwagi na charakterystyczne taktyki monetyzacji zgromadzonych danych.

Wiemy,  co zjesz jutro na śniadanie

Sukces mediów społecznościowych jest oparty na precyzyjnym monitorowaniu danych behawioralnych o użytkowniku i tworzeniu modeli predykcyjnych, które będą w stanie jak najskuteczniej przewidzieć jego przyszłe zachowania.^[3] Dotyczy to zarówno typowania osób, stron i treści, których pojawienie się na feedzie wzbudzi zaangażowanie, jak i określania grup produktów, które użytkownik będzie skłonny kupić po jak najmniejszej liczbie ekspozycji.

Podstawowe dane, takie jak wiek, płeć i miejsce zamieszkania zapewniamy już przy rejestracji do serwisu. Jednak ślady zostawiane podczas korzystania z platformy są bardziej szczegółowe:

1. Zdarzenia. Na poziomie programistycznym, każde wciśnięcie klawisza, zmiana pozycji kursora lub przewinięcie okna może być zarejestrowane przez system obserwatorów zdarzeń w przeglądarce^[4]. Takie dane są zbyt surowe, by opłacało się gromadzenie ich na co dzień w dużych ilościach. Jednak dociekliwy badacz może wykorzystać je do obserwacji zachowania użytkownika, zwłaszcza podczas testowania nowych funkcjonalności. Przykładem pomysłowego wykorzystania informacji płynących z podstawowych zdarzeń jest dymek informujący użytkownika Messengera, że rozmówca pisze wiadomość.
2. Interakcje. Podstawową formą aktywności w mediach społecznościowych jest reagowanie na treści tworzone przez innych użytkowników. Przycisk „polubienia” został wprowadzony na Facebooku w 2009 roku^[5]. Z kolei w 2015 roku zaoferowano użytkownikom gamę 6 reakcji, które precyzyjniej określają ich nastawienie względem posta. Ta zmiana spotkała się ze szczególnym entuzjazmem wśród marketingowców, gdyż zwiększyła użyteczność raportów z Facebook Ads^[6]. Nieco inny zestaw reakcji wprowadził portal LinkedIn. Widocznie zaznacza się tu tendencja do gromadzenia dokładniejszych danych wraz ze wzrostem mocy obliczeniowej i rozwojem technik analizy.
3. Analiza tekstu i obrazu. Dzięki przetwarzaniu języka naturalnego treść postów, komentarzy, a nawet wiadomości prywatnych staje się źródłem wiedzy o tematach dominujących w życiu danej osoby. Facebok używa także uczenia głębokiego, by przewidywać ładunek emocjonalny, jaki niesie dla użytkownika zdjęcie^[7].
4. Geolokalizacja, szczególnie gdy łączone są dane użytkowników przebywających w pobliżu siebie.

Powyższe informacje są następnie kompilowane w listę preferencji reklamowych użytkownika. Zestaw przypisanych nam tematów można sprawdzić pod tym adresem. Do wglądu udostępniono także listę podmiotów, których reklamy ostatnio kliknięto.

Od danych do zarobku

Po wstępnym wytypowaniu kandydatów, których lista zainteresowań zgadza się z tematyką produktu, portal prezentuje im reklamy. Jednak droga od zapoznania się z produktem do konwersji jest jeszcze daleka. Pierwszym krokiem jest skłonienie użytkownika, by odwiedził stronę reklamodawcy, a więc doprowadzenie do kliknięcia linku lub przycisku CTA (call to action). Wiele portali oferuje domyślny layout posta reklamowego z wyróżniającym się CTA, na którym reklamodawca umieszcza adekwatną zachętę, np. “Sprawdź ofertę” lub “Kup teraz”.

Następnie, już w witrynie zewnętrznej, narzędzia marketingowe mogą zbierać dużo więcej szczegółów na temat sposobu interakcji użytkownika ze stroną. Na przykład sklepy internetowe rejestrują listę produktów, którym poświęcono najwięcej uwagi, a następnie przekazują tę informację z powrotem do medium społecznościowego. Gdy następnym razem tej samej osobie zostanie wyświetlona reklama, na pierwszym planie pojawią się uprzednio oglądane przedmioty lub usługi. Ten efekt kumuluje się z czasem – im więcej wejść na stronę, tym więcej danych o tym, jaki zakup prawdopodobnie rozważa konsument.

By zastosować tę technikę, marketingowcy umieszczają w kodzie strony skrypt analityczny danego dostawcy. W przypadku Facebooka jest to Meta Piksel^[8]. Umożliwia on śledzenie konwersji (conversion tracking). Każda interakcja użytkownika z witryną może zostać przechwycona przez funkcję obserwatora zdarzeń, który z kolei wywołuje odpowiednią funkcję śledzącą Piksela. To w tym miejscu kliknięcie – samo w sobie niewiele znaczące – jest uzupełniane o wartościowy kontekst biznesowy, np.:
1. rodzaj zdarzenia („dodano do koszyka”, „sfinalizowano zakup”),
2. cena produktu,
3. waluta, w jakiej dokonywana jest transakcja.
Informacją podlegającą śledzeniu jest także adres url, z którego użytkownik trafił na obecnie przeglądaną stronę.

Inne przykłady personalizacji

Spotify

Serwis Spotify przetrwarza dane w dwojaki sposób. Po pierwsze, przeprowadza analizy różnych parametrów muzyki, takich jak tempo, nastrój i okres powstania, by tworzyć sieć powiązań pomiędzy podobnymi utworami i wykonawcami oraz wyznaczać granice gatunków. Określona w ten sposób struktura serwisu jest taka sama dla wszystkich. Po drugie, już na poziomie użytkownika gromadzone są dane o odsłuchanych wcześniej utworach, by proponować spersonalizowaną stronę główną, osobiste radio i playlisty.

Jako przyczynę sukcesu usługi wymienia się fakt, iż uwzględniońo w jej działaniu społecznościowy wymiar słuchania muzyki. Oprócz współpracy z innymi platformami cyfrowymi, takimi jak Facebook, Uber czy Playstation^[9], Spotify oferuje coroczne podsumowania sposobu, w jaki korzystano z platformy, w tym łączny czas odsłuchu, ulubione gatunki i playlistę 100 najczęściej słuchanych utworów. Podsumowanie można udostępnić znajomym jako grafikę.

Memrise

Aplikacja Memrise służy do nauki języka. Wykorzystuje wiedzę o spacing effect, by optymalnie rozkładać w czasie powtórki materiału. Proces jest dostosowywany do ucznia w miarę postępów w nauce. Materiał, w którym popełniano najwięcej błędów jest odpowiednio oznaczany i kierowany do intensywniejszej powtórki. Podobnych mechanizmów używają Quizlet oraz Duolingo.

Oddziaływanie społeczne i wątpliwości etyczne

Personalizacja znajduje zastosowanie również w marketingu politycznym. O ile sklepy internetowe i lokalne biznesy dążą raczej do skontaktowania się z poszczególnymi konsumentami, partie polityczne mogą być zainteresowane analizą całych grup demograficznych i masowym wpływaniem na ich zachowania.

Z tym zastosowaniem związany jest skandal Cambridge Analytica. Na podstawie danych z mediów społecznościowych, brytyjska firma analityczna utworzyła profile psychometryczne użytkowników, które zostały wykorzystane w celu manipulowania wynikami wyborów:

Narastający niepokój w środowisku byłych pracowników głównych serwisów społecznościowych znalazł swoje ujście w fabularyzowanym dokumencie Dylemat Społeczny (The Social Dilemma). Jako główne problemy wskazują oni:

• Wpływ na samoocenę i więzi społeczne dzieci i nastolatków; wiążą pojawienie się mobilnych aplikacji społecznościowych ze wzrostem samobójstw w tych grupach wiekowych.
• Efekt bańki filtrującej związany z potwierdzaniem (bądź doprowadzaniem do skrajności) istniejących poglądów, gustów i tendencji. Jego skutkiem jest erozja intersubiektywności prowadzącą do polaryzacji społecznej, a w skrajnych przypadkach do napięć politycznych. Trudno jest znaleźć wspólny grunt z osobami, do których docierają przeciwne informacje o świecie.
• Wykorzystywanie podatnych obszarów psychiki człowieka, by podsycać uzależnienia behawioralne od aplikacji.

Tym, co szczególnie zwraca uwagę w wypowiedziach ekspertów w dokumencie jest jednogłośna opinia o emergentnym charakterze zjawiska, niezależnym od woli poszczególnych projektantów czy zarządców.

Czy istnieją alternatywy?

Warto wspomnieć, że wraz z częstszym podejmowaniem problemu w debacie publicznej pojawiają się zarówno odpowiedzi legislacyjne^[10], jak i alternatywne serwisy społecznościowe.

Wyszukiwarką konkurencyjną wobec Google, deklarującą zwiększoną dbałość o prywatność, jest DuckDuckGo. W obszarze mediów społecznościowych działa zaś Fediverse, zrzeszenie autonomicznych serwisów zachowujących pomiędzy sobą interoperacyjność^[11]. Ostatnio na popularności zyskuje Mastodon, zdecentralizowany portal przypominający działaniem Twittera.^[12]

Źródła

1. https://www.statista.com/chart/10047/facebooks-monthly-active-users/
2. https://about.google/intl/ALL_pl/our-story/
3. Zuboff, S., & Schwandt, K. (2019). The age of surveillance capitalism: the fight for a human future at the new frontier of power. Profile Books.
4. https://developer.mozilla.org/en-US/docs/Web/Events
5. https://techcrunch.com/2009/02/09/facebook-activates-like-button-friendfeed-tires-of-sincere-flattery/
6. https://blog.hubspot.com/marketing/facebook-reaction-buttons
7. https://www.techtarget.com/searchenterpriseai/news/450420189/How-Facebook-uses-deep-learning-models-to-engage-users
8. https://developers.facebook.com/docs/meta-pixel/implementation/conversion-tracking/
9. https://d3.harvard.edu/platform-digit/submission/the-currency-of-spotify-how-it-changed-the-way-we-discover-music/
10. https://developers.facebook.com/docs/meta-pixel/implementation/gdpr/
11. https://doctorow.medium.com/the-future-is-in-interoperability-not-big-tech-2021-in-review-1a6c601ebb62
12. https://www.marketingmag.com.au/featured/twitters-new-rivalry-mastodon-gains-popularity/