Страница 25 из 53
Многочисленные патенты Google, полученные им в те ранние годы, иллюстрируют этот взрыв новаторства, изобретательности и сложности, вызванный чрезвычайным положением и решимостью фирмы развивать эксплуатацию поведенческого излишка[164]. Я сосредоточусь здесь только на одном патенте, заявка на который была подана в 2003 году тремя ведущими компьютерными специалистами фирмы, озаглавленном «Генерирование информации о пользователях для использования в таргетированной рекламе»[165]. Патент очень символичен для новой мутации и рождающейся логики накопления, которая будет определять успех Google. Что еще интереснее, он также позволяет лучше увидеть «экономическую ориентацию», глубоко укутанную в технологические одежки, отражая образ мышления лучших специалистов Google, поставивших свои знания на службу новых целей фирмы[166]. В этом смысле патент представляет собой трактат по новой политической экономике кликов и ее моральной вселенной, созданный еще до того как компания научилась маскировать этот проект туманом эвфемизмов.
Патент позволяет увидеть разворот закулисных операций Google лицом к новой аудитории его настоящих клиентов. «Данное изобретение касается рекламы», – заявляют изобретатели. Несмотря на огромное количество демографических данных, доступных рекламодателям, ученые отмечают, что значительная часть рекламного бюджета «просто теряется <…> выявлять и устранять такие потери очень трудно»[167].
Реклама всегда была игрой в догадки: искусством, отношениями с людьми, набором трюизмов, сложившейся практикой, но никак не «наукой». Идея о возможности донесения конкретного послания до конкретного человека в тот самый момент, когда оно может с высокой вероятностью повлиять на его или ее поведение, всегда была Священным Граалем рекламы. Авторы изобретения отмечают, что системы онлайн-рекламы также не смогли достичь этой неуловимой цели. Преобладавшие подходы, используемые конкурентами Google, когда рекламные объявления привязывались к ключевым словам или контенту, не могли определить рекламу, которая будет релевантна «для конкретного пользователя». Теперь изобретатели предложили научное решение, которое превзошло самые смелые мечты любого рекламщика:
Необходимо повысить релевантность объявлений, показываемых по какому-либо запросу пользователя, такому как поисковый запрос или запрос документа <…> для пользователя, который отправил запрос <…> Настоящее изобретение может включать в себя новые способы, механизмы, форматы сообщений и/или структур данных для создания профиля пользователя и использования созданного таким способом профиля пользователя для показа рекламы[168].
Другими словами, Google больше не будет анализировать поведенческие данные исключительно для улучшения обслуживания пользователей, а вместо этого будет читать мысли пользователей в целях сопоставления рекламы их интересам, как эти интересы выводятся из побочных следов поведения в интернете. Благодаря уникальному доступу Google к поведенческим данным теперь стало возможным узнать, о чем думал, что чувствовал и делал конкретный человек в конкретное время и в конкретном месте. То, что это нас больше не ошарашивает и даже не кажется заслуживающим внимания, свидетельствует о глубоком психическом онемении, которое позволило нам привыкнуть к смелому и беспрецедентному изменению капиталистических методов.
Методы, описанные в патенте, означали, что каждый раз, когда пользователь запрашивает поисковую систему Google, система одновременно представляет ему конкретную конфигурацию конкретного объявления, причем всего за те доли секунды, которые необходимы для выполнения самого поискового запроса. Данные, используемые для выполнения этого мгновенного перевода из запроса в объявление, и прогнозирующий анализ, который окрестили «поиском соответствий», или «мэтчингом», выходили далеко за рамки значения поисковых терминов. Компилировались новые наборы данных, которые значительно повышали точность этих прогнозов. Эти наборы данных были названы «сведениями о профиле пользователя» (user profile information, UPI). Эти новые данные означали, что догадки больше не нужны и что гораздо меньшая часть рекламного бюджета будет тратиться впустую. На смену догадкам придет математическая точность.
Откуда будет браться UPI? Ученые заявляют о прорыве. Сначала они объясняют, что часть данных может быть взята из существующих систем фирмы с ее постоянно накапливающимися кэшами поведенческих данных из поиска. Затем они подчеркивают, что еще больше данных о поведении можно выследить и собрать в любой точке онлайн мира. UPI, пишут они, «могут быть получены в результате вероятностных умозаключений», «допущений» и «логических выводов». Их новые методы и вычислительные инструменты могут создавать UPI на основе интеграции и анализа пользовательских моделей поиска, запросов документов и множества других следов поведения в интернете, даже когда пользователи не предоставляют эту личную информацию напрямую:
Сведения о профиле пользователя могут включать в себя любую информацию об отдельном пользователе или группе пользователей. Такая информация может быть предоставлена пользователем, предоставлена третьей стороной, уполномоченной раскрывать пользовательскую информацию, и/или выведена из действий пользователя. Определенные сведения о пользователе можно вывести логически или предположить на основе других сведений об этом же пользователе и/или сведений из профилей других пользователей. UPI может быть связана с различными объектами[169].
Изобретатели объясняют, что UPI могут быть выведены непосредственно из действий пользователя или группы, из любого вида документа, который просматривает пользователь, или из рекламной страницы, на которую он перешел: «Например, реклама скрининга на рак простаты может быть ограничена профилями пользователей, имеющими атрибуты „мужчина“ и „возраст 45 лет и старше“»[170]. Они описывают различные способы получения UPI. Один способ строится на «машиннообучаемых классификаторах», которые могут предсказывать значения ряда атрибутов. Для выявления взаимосвязей между пользователями, документами, поисковыми запросами и веб-страницами создаются «диаграммы ассоциаций»; «могут генерироваться и ассоциации между различными пользователями»[171]. Авторы изобретения также отмечают, что их методы будут понятны только избранной касте специалистов по компьютерным наукам, которые занимаются аналитическими проблемами этой новой онлайн-вселенной:
Нижеследующее описание представлено с тем, чтобы дать возможность специалистам в данной области воплотить в жизнь данное изобретение и воспользоваться им <…> Специалистам в данной области будут очевидны различные модификации раскрытых нами способов реализации[172].
Крайне важно для нашей истории замечание авторов заявки о том, что наиболее серьезные трения будут связаны не с техническими, а с социальными аспектами этих технологий. Трения возникнут, если пользователи намеренно откажутся предоставлять информацию, просто потому, что не хотят этого делать. «К сожалению, информация профиля пользователя не всегда доступна», предупреждают ученые. Пользователи не всегда станут «добровольно» предоставлять информацию, и «профиль пользователя может быть неполным <…> и, следовательно, не достаточно всесторонним из соображений конфиденциальности и т. п.»[173]
164
См., например, следующую подборку типичных заявок на патенты, поданных Google примерно в этот период: Krishna Bharat, Stephen Lawrence, and Mehran Sahami, Generating user information for use in targeted advertising, US9235849 B2, filed December 31, 2003, and issued January 12, 2016, http://www.google.com/patents/US9235849; Jacob Samuels Burnim, System and method for targeting advertisements or other information using user geographical information, US7949714 B1, filed December 5, 2005, and issued May 24, 2011, http://www.google.com/patents/US7949714; Alexander P. Carobus et al., Content-targeted advertising using collected user behavior data, US20140337128 A1, filed July 25, 2014, and issued November 13, 2014, http://www.google.com/patents/US20140337128; Jeffrey Dean, Georges Harik, and Paul Buchheit, Methods and apparatus for serving relevant advertisements, US20040059708 A1, filed December 6, 2002, and issued March 25, 2004, http://www.google.com/patents/US20040059708; Jeffrey Dean, Georges Harik, and Paul Buchheit, Serving advertisements using information associated with e-mail, US20040059712 A1, filed June 2, 2003, and issued March 25, 2004, http://www.google.com/patents/US20040059712; Andrew Fikes, Ross Koningstein, and John Bauer, System and method for automatically targeting web-based advertisements, US8041601 B2, issued October 18, 2011, http://www.google.com/patents/US8041601; Georges R. Harik, Generating information for online advertisements from internet data and traditional media data, US8438154 B2, filed September 29, 2003, and issued May 7, 2013, http://www.google.com/patents/US8438154; Georges R. Harik, Serving advertisements using a search of advertiser web information, US7647299 B2, filed June 30, 2003, and issued January 12, 2010, http://www.google.com/patents/US7647299; Rob Kniaz, Abhinay Sharma, and Kai Chen, Syndicated trackable ad content, US7996777 B2, issued August 9, 2011, http://www.google.com/patents/US7996777; Method of delivery, targeting, and measuring advertising over networks, USRE44724 E1, filed May 24, 2000, and issued January 21, 2014, http://www.google.com/patents/USRE44724.
165
Методы и технологии, описанные в этом патенте (Generating user information for use in targeted advertising), изобрели трое выдающихся компьютерных ученых – Кришна Бхагат, Стивен Лоуренс и Мехам Сахами.
166
Bharat, Lawrence, and Sahami, Generating user information.
167
Ibid., 11.
168
Ibid., 11–12.
169
Ibid., 15 (выделено мной. – Ш. З.).
170
Ibid.
171
Ibid., 18.
172
Ibid., 12.
173
Ibid. (выделено мной. – Ш. З.).