Персонализация новостей с помощью алгоритмов: как рекомендательные системы формируют новостную повестку

Алгоритмическая персонализация новостей – это процесс, при котором специальный программный алгоритм подбирает новости и другие материалы для пользователя на основе его индивидуальных интересов и поведения в интернете. Такие алгоритмы используются в социальных сетях, новостных агрегаторах, он-лайн-платформах и позволяют сформировать ленту новостей, которая максимально релевантна именно для конкретного пользователя. Современный медиапространство претерпевает значительные изменения благодаря внедрению алгоритмов персонализации новостей, которые становятся ключевым инструментом формирования индивидуальной новостной повестки для каждого пользователя.

Искусственный интеллект анализирует поведение пользователя в сети, собирает данные, просматривает действия на сайтах и на основе этого формирует представление об интересах пользователя. Благодаря этим данным формируется «умная лента», которая специально показывает пользователь релевантный контент.

Такие технологии применяются не только для новостей. Механизмы умных алгоритмов работают в таргетированной рекламе, предлагая пользователям рекламные баннеры с товарами или услугами, которые по мнению искусственного интеллекта интересны им в настоящий момент времени [1]. Подобный анализ используют и маркетплейсы, предла- гая купить товары, похожие на те, что вы смотрели ранее или дополнения для них (например, вы заказали телефон и теперь умные алгоритмы предлагают вам купить зарядный блок или чехол для него).

В конце двадцатого века, приблизительно в 1990-х годах, в области информации возникли алгоритмические системы рекомендаций. Первоначально их функция заключалась в предоставлении пользователям возможности точного выбора контента, соответствующего их индивидуальным вкусам. Они служили своего рода проводниками в информационном пространстве, оказывая помощь в ориентации в медийной среде.

Однако, с расширением цифровых медиаплатформ и применением алгоритмических технологий, роль рекомендательных систем претерпела изменения. Они начали играть более значимую роль в формировании информационной повестки дня, активно влияя на то, какие темы и вопросы становятся приоритетными для внимания аудитории. Это изменение в функциональности привело к новым вызовам и дискуссиям о влиянии алгоритмов на восприятие информации [2].

Результаты исследования

Алгоритмическая персонализация новостей существенно отличается от традиционных методов по принципам отбора, технологиям и результатам для пользователя.

Таблица. Отличия алгоритмической персонализации новостей от традиционных методов

Характеристика	Традиционные методы	Алгоритмическая персонализация
Кто отбирает новости	Редакторы, журналисты	Искусственный интеллект и алгоритмы
Тип персонализации	Один и тот же набор новостей для всех (или по нескольким тематическим блокам)	Индивидуальная лента для каждого пользователя, постоянно обновляемая
Технологии	Ручная верстка, редакционная политика	Машинное обучение, анализ больших данных, гибридные системы фильтрации
Принципы отбора	Журналистские стандарты, актуальность, значимость, ожидания аудитории	Автоматизированный анализ цифровых следов: поведение пользователя, интересы, история просмотров, лайки, комментарии
Гибкость  и  дина мичность	Неизменяемая на протяжении дня, недели	Мгновенно реагирует на поведение пользователя, изменяется в реальном времени (лайки, дизлайки, время просмотра)

Как работает персонализация контента и создается «умная лента новостей»? В первую очередь, системы собирают сведения о поведении пользователей: какие новости вы читаете, какие темы интересуют, на какие статьи вы кликаете, сколько времени проводите на странице, что лайкаете или комментируете. Далее начинается глубокий анализ данных. Важно отметить, что задействование нейронных сетей для персонализации и транслирования «рекомендованного контента» возможно лишь в том случае, если у нейросети есть доступ к большим объемам информации о пользователях [3]. Используются методы машинного обучения и аналитики для определения ваших предпочтений.

На основе этого анализа формируется персональная лента новостей. Например, если вы часто читаете новости о технологиях, то алгоритм будет показывать больше технологических статей. При этом учитываются свежесть контента и его популярность среди вашей группы интересов. Но и на этом работа искусственного интеллекта не заканчивается, происходит корректировка. Чем больше вы взаимодействуете с контентом, тем точнее становится подборка. Алгоритмы регулярно обновляются и оптимизируются, анализируют отклик человека на рекомендованный контент, проводит A/B тестирования и совершенствует принципы персонализации.

«В 21 веке персонализация стала ключевым элементом успешного взаимодействия с клиентами в условиях высокой конкуренции», – отмечает в своей работе А.Н. Михайлов [4]. Дело в том, что системы искусственного интеллекта способны анализировать обширные массивы клиентской информации, охватывающей историю приобретений, индивидуаль- ные вкусы, активность на веб-ресурсе и взаимодействие с торговой маркой. Подобная обработка способствует формированию всестороннего понимания потребителя и позволяет применять полученные сведения для разработки индивидуальных маркетинговых кампаний.

Рекомендательные системы формируют новостную повестку, влияя на то, какие темы и материалы получает пользователь, за счет алгоритмического отбора и ранжирования новостей. Они анализируют предпочтения, поведение, геолокацию и взаимодействия пользователя, чтобы представить наиболее релевантный контент, что приводит к созданию индивидуализированной ленты новостей. При этом такие системы не только повторяют уже интересующие пользователя темы, но и могут акцентировать внимание на определенных событиях, формируя у аудитории своеобразное восприятие актуальных проблем. Это усиливает влияние медиа на общественное мнение, так как именно через рекомендательные алгоритмы задается приоритет тем, которые становятся частью повестки дня каждого пользователя. В результате алгоритмы выполняют функцию фильтра и модератора информационного пространства.

Алгоритмизация и применение искусственного интеллекта позволяет платформам предлагать пользователю наиболее интересный и релевантный контент. Публикации, которые рекомендуются в ленте VK или истории ваших друзей, которые первыми появляются на панели мониторинга, определяются алгоритмами [5].

Алгоритмы Яндекс.Дзен не только подбирают интересный для конкретного пользователя контент, но и анализируют его на нали- чие фейковой информации, применение сгенерированного текста и на количество просмотров и реакций.

В Telegram умные алгоритмы и искусственный интеллект активно применяются для автоматической модерации каналов и чатов, выявления нежелательного контента и обеспечения безопасности пользователей. Это помогает поддерживать порядок и комфортную среду для общения и потребления контента. Также и маркетплейсы Amazon и Wildberries персонализирует веб-сайт для каждого пользователя, показывая релевантные продукты и рекомендации.

Важно понимать, что когда мы говорим о персонализации контента, то речь идет не только о подборе персональной ленты новостей или рекламных рекомендаций, но и о адаптации контента под определенную аудиторию еще на этапе создания. В настоящее время СМИ и другие медиа предприятия располагают широким спектром нейросетевых решений, способствующих оптимизации контента с учетом запросов целевых потребителей.

Среди наиболее востребованных инструментов выделяются: ChatGPT, DALL-E 2, You.com, CopyMonkey, Anyword, Midjourney, Syntesia.io, Kandinsky 2.0 и другие. Каждая из перечисленных нейросетей характеризуется индивидуальным набором функций, находящих применение в маркетинговых стратегиях компаний разного профиля. Функциональные возможности каждой нейросети позволяют решать специфические задачи, стоящие перед бизнесом [3].

Алгоритмическая персонализация помогает улучшить пользовательский опыт. Пользователю не нужно искать интересующий контент вручную – платформа автоматически подбирает материалы, соответствующие его потребностям, экономя время и упрощая навигацию, а в следствии этого пользователь проводит на платформе больше времени, увеличивается вероятность возвращения и взаимодействия с контентом (обратная связь, лайки, репосты, комментарии, а иногда даже покупки).

Еще одним важным плюсом является то, что искусственный интеллект прогнозирует предпочтения и динамически адаптирует интерфейс и контент под изменения во вкусах и поведении пользователя. И как следствие пользователь чувствует, что сервис понимает его нужды, что способствует укреплению доверия и лояльности к бренду, платформе или СМИ.

Персонализированный контент и дизайн могут сделать взаимодействие с веб-сайтами и приложениями более приятным и удовлетворительным для пользователей [6]. В современном мире, где много стресса и негативного инфополя, это возможность абстрагироваться от неприятного контента и получать только релевантную информацию. Но есть у этого явления и обратная, негативная сторона.

С появлением персонализации человек остался жить в своём информационном поле и не стремится преодолеть его границы. Информационный пузырь – негативная сторона персонализированного поиска – явления, при котором веб-сайты определяют, какую информацию пользователь хотел бы увидеть, основываясь на его «цифровом следе»: месторасположение, прошлые поисковые запросы, предпочтениях и т.п. [7]. Суть феномена заключается в сужении спектра потребляемой информации.

Индивид утрачивает навыки критической оценки новостных материалов, поиска надежных первоисточников, расширения интеллектуального пространства и всестороннего анализа информации. Пользователи часто не понимают, как именно формируется их персонализированная лента новостей или контента, что ограничивает их возможность сознательного выбора и повышает уязвимость к манипуляциям. В данный момент наблюдается тенденция к потреблению контента, определяемого алгоритмами социальных сетей и браузеров как наиболее релевантного, что приводит к искаженному восприятию объективной реальности.

Еще один важный вызов касается не только алгоритмизации для подбора контента, но и всего использования искусственного интеллект – это утрата приватности и риск утечки информации. Персонализация требует сбора и анализа больших объемов персональных данных, что вызывает у пользователей ощущение вторжения в личное пространство и недоверие к сервисам.

Один из основных рисков в персонализации контента – влияние на психику человека. С другой стороны, персонализация контента и информационной ленты создает ощущение уникального и индивидуального подхода, повышая чувство значимости у пользователя [8]. Такой контент снижает когнитивную нагрузку, облегчая выбор и восприятие информации, что уменьшает стресс и усталость от избы- точного потока нерелевантных данных.

Заключение

Персонализация контента открывает зна- чительные возможности для улучшения пользовательского опыта, повышая релевантность и вовлеченность аудитории за счет точного подбора информации под интересы и потребности каждого пользователя. Она способствует экономии времени, укреплению доверия и лояльности к платформам, создавая уникальный и комфортный интерфейс. Вместе с тем, данная технологическая парадигма не лишена сложностей, включая вопросы обеспечения конфиденциальности персональной информации, вероятность создания информационных пузырей с ограниченным спектром мнений, а также существенные финансовые вложения, необходимые для создания и обслуживания индивидуализированных платформ.

Информационный пузырь представляет собой феномен, преодоление которого становится возможным лишь посредством осознанного и намеренного стремления пользователя контента расширить горизонты своего восприятия, выходя за рамки предложений, формируемых социальными сетями. Важно отме- тить, что использование искусственного интеллекта для анализа данных вызывает опасения по поводу защиты персональной инфор- мации.

Персонализация новостей требует сбора больших объемов данных о пользователях, что может нарушить их право на конфиденциальность [9]. Вместе с тем персонализация несёт в себе вызовы, связанные с информационными пузырями, снижением разнообразия мнений и отсутствием прозрачности в работе алгоритмов, что требует серьёзного внимания со стороны исследователей и разработчиков. Конечно, в связи с этим необходимо внести в законодательство соответствующе изменения, касающиеся работы СМИ, защиты персональных данных и распространению контента, созданного с помощью нейросетей.