
Как Facebook пользовался данными Google
Реальная угроза конкуренции между этими двумя гигантами появилась и пропала в 2017 году. Чуть позже Facebook мелким шрифтом в одну строку упомянул, что будет сотрудничать с Google на рекламной платформе Open Bidding. В сентябре 2018 года Google и Facebook договорились о взаимовыгодном сотрудничестве под кодовым названием «Jedi Blue». Партнерство было секретным, потому что частично нарушало принятые в обеих компаниях правила прозрачности и равного доступа к рекламному инвентарю для всех участников. В декабре 2020 года десять прокуроров разных штатов справились со своей задачей — так в самом крупном антимонопольном расследовании появилась новая глава Jedi Blue. В иске говорится, что Google предоставлял рекламодателям Facebook эксклюзивные возможности: пока другие рекламодатели получали 160 миллисекунд для определения ставки на рекламных биржах Google, рекламодатели из Facebook могли оценивать и делать ставки уж 300 миллисекунд. Кроме разницы в тайминге, Facebook получал гарантированный процент побед в рекламных аукционах Google в обмен на обязательную закупку рекламного инвентаря в размере $500+ миллионов USD в год. Со своей стороны, Facebook гарантировал участие в 90% рекламных аукционов, в которых он мог безошибочно определить пользователей. Взамен, Facebook требовал от Google полной конфиденциальности — поисковик не мог использовать данные о рекламных ставках рекламодателей Facebook для собственного преимущества на своих рекламных биржах. Коктейльная вишня на торте, да не одна: при соблюдении всех условий сделки, Google помогал рекламодателям Facebook определять 80% мобильных и 60% декстопных пользователей. Но самым интересным пунктом сделки Jedi Blue было условие победы Facebook в гарантированном проценте аукционов — даже если остальные участники аукциона делали ставку больше ставки Facebook, побеждал в аукционе все равно Facebook. Таким образом, Facebook получал весомую фору в работе с программатик-рекламой на рекламных биржах Google, а остальные рекламодатели вынуждены были соблюдать все правила. В попытке защитить себя, Google и Facebook заявили, что подобные сделки являются устоявшейся нормой в онлайн-рекламе и среди ad tech партнеров. Представитель Facebook подтвердил, что такие секретные сделки только стимулируют здоровую конкуренцию, помогают остальным рекламодателями и паблишерам. Промежуточный вывод по работе с программатик рекламой Если у вас большие объемы закупки рекламы, если вы накопили данные своих пользователей, то можете смело требовать специальные условия, эксклюзивное отношение в обход принятых правил. Это называется здоровая конкуренция, прецедент уже есть. Платформа дистрибуции нативной рекламы SocialJet работает с исключительно большими рекламными кампаниями на миллионные охваты. Мы только учимся работать с модерацией в англоязычных сообществах Facebook. Но уже сейчас видим, что нативная реклама в подавляющем большинстве случаев работает эффективнее в соцсетях — пользователей тошнит от таргета, все ищут приличных и этичных рекламных интеграций в исполнении живых блогеров. Попытки популярных брендов продавать через нативку встречаются в штыки всеми: много ограничений со стороны модераторов соцсетей, большие ожидания со стороны обычных пользователей.Как работать в пузырях и эхо-камерах
«Что вы получаете, когда помещаете нормального человека в закрытую группу Facebook? Вы получаете то, что, черт возьми, заслуживаете!»Джокер


Рубенс: Facebook сам создает проблему и героически борется с нею. Источник.
А потом выборы заканчиваются и начинаются антимонопольные расследования. Бинго: после 6 января 2021 года Facebook в срочном порядке хочет переписать правила для закрытых групп. Хочется верить, что основательный пересмотр алгоритмов убьет информационные пузыри в закрытых группах. Это не значит, что информационные пузыри исчезнут. Для такого полезного инструмента всегда найдется укромное место. Интернет огромен, а UX-механика и логика большинства приложений, всех соцсетей решают задачи вовлечения в первую очередь. Чем больше соцсеть, тем больше алгоритмов и автоматической фильтрации контента. Тем выше вероятность появления новых пузырей, новых способов вовлечения и поляризации аудиторий. Стохастические модели в соцсетях чувствительны к вмешательству со стороны алгоритмов, а чрезмерная персонализация приводит к непредсказуемым последствиям. Потому что алгоритмы мыслят в категориях вовлеченности — комфорт, безопасность, удовлетворение поисковой активности живых людей им не интересны. Социальные алгоритмы живо интересуются всем, чем интересуются живые люди. Пример: это сегодня Netflix показывает 7000+ сериалов и 6000 фильмов. А в конце 2000-х Netflix показывал документалки.
- раздражают как можно большее количество людей.
- помещают раздраженных людей внутрь информационного пузыря.
- собирают данные раздраженных людей из пузыря, монетизируют эти данные или трафик.
- продают собранные данные рекламодателям.
- повторяют пункт 1 и проходят весь цикл заново.
Глобальный вывод
Как и в реальной жизни, правила пользования соцсетей соблюдают не все. Победители генерируют вовлечение, получают эксклюзивные права. Остальные довольствуются правилами и политикой модерации. Мы все равны, только одни равнее других. Might is right — у кого больше левериджа в общении с соцсетями, тот и получает больше возможностей. Чтобы побеждать в соцсетях, нужно думать, как соцсети. Учитесь генерировать вовлечение, учитесь производить страх и ненависть, конспирологию и фейки в промышленных масштабах, учитесь постить оптимизированный контент с высоким аддиктивным потенциалом. Для генераторов прибыли есть эксклюзивные сделки, для всех остальных есть правила. Если вы хотите делать продажи из соцсетей, то вовлекайте, а не соблюдайте правила, которые элементарно обходятся балканскими школьниками. Мы в платформе дистрибуции контента SocialJet любим и умеем работать с пузырями в соцсетях. Чего и вам желаем. *** SocialJet — платформа дистрибуции контента. Неутомимый исследователь пузырчатого мира соцсетей. *** Дополнительная литература:- After The Digital Tornado: Networks, Algorithms, Humanity (Werbach, 2020).
- Taming the News Feed on Facebook: Understanding Consumptive News Feed Curation through a Social Cognitive Perspective (Shuning Lu, 2020).
- Analyzing the Impact of Filter Bubbles on Social Network Polarization (Chitra, 2020).
- Curation Algorithms and Filter Bubbles in Social Networks (Berman, 2020).
- Hiding hate speech: political moderation on Facebook (Kalsnes, 2020).
- A metric for Filter Bubble measurement in recommender algorithms considering the news domain (Lunardi, 2020).
- Incivility on Facebook and political polarization: The mediating role of seeking further comments and negative emotion (Kim, 2019).
- The triple-filter bubble: Using agent-based modelling to test a meta-theoretical framework for the emergence of filter bubbles and echo chambers (Geschke, 2018).
Есть вопросы?
Оставьте заявку с помощью формы ниже, и мы свяжемся
с вами и обсудим все ваши вопросы.
Помогу вам разобраться, как работает сервис, подобрать удобный тариф и отвечу на все
вопросы.