Как работает внимание в цифровой ленте

Ты открыл ленту — и сразу увидел новость про протесты. Через пять кликов — видео, где всё «объясняют» с юмором и три смайлика. А через десять — ещё одно, ещё более эмоциональное, с цитатой «они сами виноваты». Но если бы ты просто открыл сайт — там бы был текст, анализ, мнения разных сторон.

Лента не говорит тебе, прав ли ты. Она лишь показывает, *что* ты уже готов воспринимать как правду. Это не попытка переубедить — это усиление того, что уже резонирует. Как если бы ты сидел в комнате, где каждый звук повторяется дважды — и со временем перестаёшь слышать тишину.

Алгоритм не меняет убеждения — он лишь создаёт условия для их доминирования. Не потому что лжёт, а потому что усиливает релевантное. Он не предлагает альтернативу — он просто её не показывает. И тогда кажется: мир делится по фактам, а не по взглядам — но на деле мы просто перестали видеть другую сторону. Не потому что её нет — а потому что она не попадает в поток, который *уже* работает против неё.

Это не провал платформы — это следствие их успеха: чем точнее алгоритм «понимает» тебя, тем меньше шансов, что ты начнёшь думать, а не просто реагировать.

Как формируется лента новостей

Лента не следует хронологии — она строится на основе механизма релевантности, который анализирует поведение пользователя: какие публикации он смотрел, сколько времени провёл, какие лайки и комментарии оставил. Instagram, например, с июня 2021 года открыто объясняет: алгоритм продвигает контент с высокой вовлечённостью, а новые сообщения ранжируются именно по этому признаку, а не по дате. Даже если новость вышла три дня назад, но вызвала реакцию — она появится раньше более свежей, но менее заметной. Такой подход превращает ленту в персонализированный поток, где приоритетом становится не новизна, а персональная значимость.

Почему алгоритм усиливает, а не меняет взгляды

Алгоритмы социальных сетей влияют на выбор контента, но не меняют политические установки — исследования 2020 года на Facebook и Instagram показали: даже при изменении алгоритмов на несколько месяцев политические взгляды пользователей оставались прежними. Уменьшение доли единомышленников в ленте на 30 % также не привело к сдвигу идеологии — люди продолжали верить в то, во что верили, просто стали реже видеть противоположные аргументы. Алгоритм не переубеждает — он лишь усиливает эхо-камеры, создавая условия для доминирования уже сформировавшихся точек зрения. Он не фильтрует «ложь» — он усиливает то, что вызывает эмоциональную реакцию, особенно если она совпадает с установками пользователя. Так формируется замкнутый круг: чем больше человек видит подтверждающего его взгляды контента, тем меньше он открыт к иному — и тем сильнее дезинформация укореняется в узкой группе. Алгоритм здесь не провоцирует — он обслуживает предвзятость.

Что происходит при смене алгоритма — экспериментальные данные

Когда Meta временно перешла на хронологическую ленту вместо алгоритмической, вовлечённость резко снизилась — это подтвердило: алгоритм не просто удобен, а критически важен для времени, проведённого на платформе. Удаление дублирующихся публикаций также привело к падению кликов и реакций: даже качественный контент, появившийся повторно без дополнительного «сигнала» интереса, уже не вызывался отклика. Алгоритм не просто показывает — он усиливает значимость, создавая эффект «важного события», которого на самом деле может не быть. Без этих сигналов — ни вовлечения, ни внимания.

Как сегрегация и дезинформация усиливаются через алгоритмы

В США наблюдается чёткая идеологическая сегрегация: значительная часть политических новостей потребляется исключительно консерваторами — и этот разрыв усиливается персонализированными лентами. Большая часть дезинформации в соцсетях сосредоточена в однородном консервативном сегменте пользователей Facebook — потому что алгоритм не фильтрует «ложь», а усиливает то, что вызывает эмоциональный отклик, особенно если он совпадает с установками пользователя. Это создаёт замкнутый круг: чем больше человек видит подтверждающего его взгляды контента, тем меньше он открыт к иному — и тем сильнее дезинформация укореняется в узкой группе. Алгоритм здесь не провоцирует — он обслуживает предвзятость.

Как работают алгоритмы сегодня — примеры из TikTok

Современные алгоритмы, такие как у TikTok, оценивают видео по удержанию внимания: если пользователь досматривает ролик до конца — это сильный сигнал качества, и такое видео попадёт в рекомендации чаще, чем короткое с теми же показателями. В 2026 году TikTok запустил Local Feeds — локальные ленты, показывающие контент по точному местоположению (до города), что усиливает релевантность на уровне региона. Для попадания в рекомендации важно, чтобы видео сохраняли, пересматривали и отправляли друзьям — это «локальные сигналы», которые алгоритмы воспринимают как признак ценности. Алгоритм обновляется каждый месяц, а не раз в квартал, и сначала тестируется на небольшой группе из 300–500 человек, прежде чем выйти к тысячам. Если видео не вызывает реакции — оно почти сразу останавливается в рекомендациях. Это не политика — это механика.