интерДаже самые передовые методики не помогут выиграть выборы откровенно слабому политику. Зато точечная работа с колеблющимися избирателями в разы увеличивает шансы на их голоса.

Стандартный арсенал украинских политтехнологов зачастую ограничивается прямым и непрямым подкупом избирателей в виде гречки, ремонтов школ, установки детских площадок и прочих подачек перед выборами. На Западе, где предвыборные гонки проводятся на высоком технологическом уровне, от таких приёмов давно отказались. Их штабы наводнили сотни программистов и психологов, которые изучают аудиторию, определяя, что, кому, а главное — как говорить.

Пример тому — мультимиллиардер Дональд Трамп, ставший самым противоречивым президентом США за всю историю. Заполучить президентское кресло он смог вопреки беспрецедентному шквалу критики в свой адрес. Одна из причин победы — анализ огромного объёма данных избирателей, вследствие которого людей разделили по небольшим группам в зависимости от их спецификаций. Это позволило Трампу максимально персонифицировать кампанию, обращаясь к избирателям с учётом индивидуальных особенностей каждого из них. Автором этого компьютерного алгоритма стала малоизвестная в то время компания Cambridge Analytica, приложившая руку и к Brexit. В Украине подобные технологии также работают, преимущественно в масс-маркетинге. Но скоро они проявят себя и в политической борьбе.

Как на ладони

Одной из первых отечественных компаний, сделавших ставку на использование таких алгоритмов, стала Artellence. В её базе 25 млн украинцев, зарегистрированных во всевозможных социальных сетях. Основной является Facebook — данная соцсеть содержит информацию, которая максимально полно описывает человека. Причём с помощью специально разработанного алгоритма Artellence способна анализировать не только открытые данные вроде лайков, комментариев и чекинов, но и дополнительную информацию, которую пользователь скрывает.

«К примеру, стоит задача узнать возраст человека. Год рождения открыт у 15–20%, у остальных указаны только день и месяц. Чтобы определить их возраст, мы берём фотографии пользователей и «прогоняем» их через нейросеть. Потом анализируем список друзей человека, находим его одноклассников, одногруппников и просчитываем медиану. Таким образом количество людей, чей возраст по косвенным признакам становится известен, повышается до 97%», — рассказывает ФокусуВладимир Лозовой, директор Artellence.

Как же создаются машинные алгоритмы? Например, необходимо на­учить компьютер определять уровень экстраверсии/интроверсии человека. Чтобы создать такой алгоритм, эксперт с помощью опросов, научных теорий и т. п. делает первоначальную разметку данных, присваивая каждому человеку из контрольной выборки чёткий маркер: этот экстраверт, а вот этот — интроверт. Затем программисты загружают в этот алгоритм данные про людей из соцсетей, также расставляя отметки «экстраверт» или «интроверт».

На этих данных и происходит обучение компьютеров, которые уже самостоятельно отыскивают в человеке признаки, отвечающие за его экстраверсию или интроверсию. После этого алгоритм готов к использованию. В него можно загрузить информацию о человеке из соцсетей, он её проанализирует и скажет, к какому типу характера относится человек.

Artellence сотрудничает преимущественно с клиентами, товары и услуги которых имеют высокий уровень эмоциональной составляющей, например, с индустрией одежды или фармацевтикой. Большинство клиентов Artellence, желающих повысить уровень продаж женской одежды, рисуют портрет своего покупателя типично: обеспеченные, уверенные в себе женщины. Но на самом деле в каждый из магазинов ходят совершенно разные люди. Алгоритмы, анализирующие информацию о покупателях, позволяют из обезличенного образа некой покупательницы выделить абсолютно конкретные специфические группы. Например, карьеристок, покупающих одежду для поддержания образа и построения успешной карьеры, или креативщиц, которые следят за последними нишевыми трендами.

Зная предпочтения таких групп, компания определяется с особенностями коммуникации в каждом конкретном случае, ведь все они по-разному воспринимают информацию. Кто-то любит короткие тексты, кто-то длинные, одни предпочитают красный фон в постах, другие зелёный. Анализируя эти данные, можно найти самую эффективную стратегию продвижения товара, показывая каждой группе персонализированную рекламу.

«Глобальная цель нашей работы — это создание win-win ситуации для брендов и покупателей. С одной стороны, человек видит только релевантную и приятную для себя рекламу, с другой — бренд не тратит лишних средств на коммуникацию с нецелевой аудиторией», — объясняет Лозовой.

Такая же схема работает и в случае продвижения политических месседжей и мобилизации людей определённых взглядов, интересов, статуса. Яркий пример — кампания по привлечению участников Киевского международного экономического форума, чья основная целевая аудитория — собственники и директора бизнеса. Разделив с помощью условного искусственного интеллекта пользователей социальных сетей по группам, алгоритм Artellence выявил в каждой из них самых интересных спикеров. «Они очень чётко определили по информации из соцсетей интересы наших предыдущих участников, сегментировали их, нашли лидеров мнений в каждом сегменте. Это помогло понять, кого лучше приглашать в качестве спикеров, чтобы привлечь под них новую аудиторию, — рассказывает Фокусу Юрий Пивоваров, организатор форума. — Данная технология помогла найти людей, у которых схожие с нашими участниками интересы. Благодаря этому мы перестроили всю рекламную коммуникацию, что почти в два раза увеличило аудиторию форума».

Человек из текста

Для получения сведений о поддержке политиков отечественные политтехнологи зачастую пользуются соцопросами, но и здесь в игру вступают новые технологии. К примеру, текстовая аналитика, которая помогает компьютеру не просто распознать человеческий текст, но и выделить из него смысловые единицы, определить тональность и силу высказываний. Обрабатывая большие объёмы текстов из социальных сетей и медиа, можно определять страхи и надежды людей. Эта информация является бесценной во время избирательных кампаний.

Лев Коршевнюк, директор InfoExpert, специализирующейся на текстовой аналитике, рассказывает, как с помощью этой технологии можно оцифровывать общественное мнение и понимать стремления отдельно взятого человека. В качестве примера приводит анализ интервью украинского олигарха. Его оппоненты обратились к специалистам, чтобы понять, чего тот добивается и что им делать. «Заказчики срочно хотели узнать, что на самом деле имел в виду олигарх, — рассказывает Коршевнюк. — Мы «скормили» машине его интервью, и она выдала слабые места олигарха, его цели, дала ответ, по кому он хотел ударить. Такой анализ помог спрогнозировать развитие событий и подготовиться оппонентам». Так же, анализируя новости в СМИ, посты в социальных сетях, можно отслеживать и общественное мнение в масштабах всей страны.

Текстовая аналитика позволяет проводить исследования любых материалов. Владимир Савастьянов, младший научный сотрудник Института прикладного системного анализа КПИ, с группой коллег проанализировал предвыборные программы партий и кандидатов в президенты. Учёные хотели понять логику составления программ, отследив связи между различными обещаниями внутри каждой из них. Результаты оказались удручающими. «Получилось, что многие вещи, которые по логике должны быть вместе, распались, — объясняет Севастьянов. — Финансовый кластер, к примеру, замкнулся на себе, связей с юридической сферой у него практически не было. То есть партии, которые обещали реформировать финансы, менять для этого законодательство не хотели. Всё, что касалось легализации и послабления налогов, тоже висело отдельно. Изменения в финансовых институциях не были взаимо­связаны с борьбой с коррупцией. Это говорит о том, что партии формировали и лоббировали свои программы, исходя из интересов узкой группы людей».

Цифровой кандидат

Ещё одно важное применение анализа больших массивов данных — составление психологических портретов избирателей. В специальных таблицах раскладываются проблемы, страхи, ожидания людей, их стереотипы, авторитеты. Из соцсетей можно вытянуть, какую специфическую лексику используют люди при описании хороших и плохих явлений. На основании оцифрованных данных людей классифицируют, и каждая группа получает подобранный только под неё месседж. «Мы получаем методику, на кого и как воздействовать информацией, чтобы получить ожидаемый эффект. Один из наших сотрудников — бывший работник спецслужб, специалист по психоэмоциональному воздействию. Все модели, которые прорабатываются машинным способом, он проверяет лично», — говорит Лев Коршевнюк. По его словам, такая аналитика позволяет понять, что именно хотят услышать люди. После этого остаётся лишь встроить политика в просчитанную с математической точностью систему, которую воспринимает избиратель. «Выходит человек на трибуну и начинает вещать то, что люди сами пишут, о чём они думают. И для каждого сегмента аудитории политик будет как свой. Вот у Трампа похоже было, его часто ловили на том, что разным группам он говорил прямо противоположные вещи. Они слушали и думали: «О! Это то, что нам надо», — рассказывает специалист.

Впрочем, новые технологии не панацея. Даже самые передовые методики не помогут выиграть выборы откровенно слабому политику. Также использование персонализированных месседжей и рекламы практически не может изменить мнение ядерного электората, который на 100% уверен в своём выборе. Зато точечная работа с колеблющимися избирателями в разы увеличивает шансы на их голоса. Учитывая, что в Украине численность неопределившихся со своим выбором подчас достигает 50%, специалистам, работающим с искусственным интеллектом, есть где развернуться.