В дополнение к метаданным о контенте Интернета уникальные характеристики, предпочтения и история поисков, проведенных разными людьми, также образуют важный контекст для каждого поиска. Нынешние поисковые машины в большей или меньшей степени построены на предположении, что все люди одинаковы. То есть если результаты моего поиска релевантны для меня, то они будут релевантны и для вас, будь вы 90-летней бабушкой, 12-летним мальчиком или крестьянином из Найроби.
Поведенческое таргетирование пытается заполнить этот пробел, создавая профиль каждого интернет-пользователя на основании его биографических данных и истории его деятельности в Интернете и затем показывая ему только ту рекламу, которая ему будет заведомо интересна. Рекламные сети и некоторые порталы, такие как AOL и Yahoo, уже почти десятилетие используют поведенческое таргетирование, чтобы показывать пользователям рекламу и контент, основываясь на их прошлой истории – посещенных сайтах, длительности визитов, нажатых баннерах и покупках. DoubleClick (приобретенный Google) был в свое время лидером в разработке таргетирования рекламы при помощи куков. В последнее время такие компании, как Tacoda (купленная AOL), Revenue Science, Front Porch, NebuAd и Phorm, возродили эти методы для использования широкополосными провайдерами, которые имеют доступ к гораздо большему количеству данных о веб-активности, поскольку обрабатывают трафик своих пользователей, направленный ко всем возможным сайтам, в отличие от обработки трафика на стороне сайтов, входящих в небольшой круг. Понятно, что поведенческое таргетирование вызвало к жизни целую волну дискуссий о вопросах сохранения приватности, поскольку в большинстве таких систем пользователи не дают в явном виде разрешения на такой доступ к их данным и даже часто не имеют возможности и отписаться от него и, таким образом, не могут контролировать, какая информация о них собирается и как она используется.
Будущее: социальное фильтрование
Сегодняшний бум «каждый – издатель» привел к взрывному росту онлайнового контента. Люди уже не смогут самостоятельно обработать всю имеющуюся информацию. С точки зрения отдельного человека, бόльшая часть того, что он видит на экране компьютера, – это мусор. Хотя поисковые машины и поведенческое таргетирование были первыми и важными шагами к тому, чтобы сделать изобилие онлайновых медиа более управляемым, продолжается тяжелая битва за преодоление гор информации и борьба с отвлекающими факторами. Мы продолжаем кажущуюся бесконечной войну со спамом в наших почтовых ящиках. Когда мы ищем информацию, нам приходится пролистывать десятки страниц результатов поиска, не содержащих ничего для нас интересного. Навязчивые всплывающие баннеры, рекламирующие совершенно ненужные нам товары и услуги, блокируют экран как раз в тот момент, когда мы хотим прочитать с таким трудом найденную интересную статью.
Но надежда еще не умерла. Онлайновый социальный граф может дать нам возможность впервые найти соответствие между тем, что издатели и рекламисты хотят нам показать, и тем, что пользователи хотят увидеть (рис. 2.1).
Рис. 2.1. До возникновения социального графа большее распространение приводило к большему количеству мусора. С помощью социального графа мы можем использовать наших друзей в качестве фильтров для поиска нужного нам контента и данных в нужное время
Например, формируется «подталкиваемый» контент: люди в Facebook и Twitter уже сейчас могут организовывать социально отфильтрованные ленты новостей, извещения и СМС-сообщения, касающиеся веб-страниц, статей, фотографий и постов в блогах. То есть контент, получаемый пользователем, зависит от рекомендаций его друзей. Такие извещения воспринимаются как менее навязчивые не только потому, что их получатели сами могут регулировать частоту и формат их получения, но и потому, что получаемая ими информация касается людей, которых они знают и о которых волнуются. Вы с меньшей вероятностью сочтете спамом сообщение, полученное от друга или от того, за кем вы следите в Twitter. Наоборот – большинство людей считают найденный их друзьями контент интересным и релевантным.