Мысли о том что делать с баннерной сетью или Tg спамом. Всех касается).

Есть вот такая история по мотивам первых выборов Трампа - «Ученый из Стэнфорда Михал Косински открыл способ предсказывать индивидуальные особенности человека по использованию кнопки «Нравится» (лайкам) в соцсетях – в сущности, цифровым уликам, оставляемым пользователем на «теле» своей цифровой личности – социологическом документе. Речь идёт о знаменитой «крупнейшей краже данных в истории» компанией Cambridge Analytica – данные около 50.000.000 пользователей социальной сети Facebook были собраны и обработаны с помощью алгоритма указанной компании .

В чём суть разработанного М. Косински метода?

В его основе лежит пятифакторная модель личности: набор из пяти качеств, которые характеризуют личность.

Речь идет о так называемой «Большой пятёрке»:

• открытость новому

• добросовестность

• экстраверсия

• доброжелательность

• невротизм

Онлайн-анкету из 100 вопросов заполнили примерно 86.200 добровольцев Их наиболее близким френдам в известной запрещённой социальной сети разослали анкету, содержащую 10 контрольных вопросов. При прохождении анкетирования опрашиваемые получали несколько долларов и соглашались на сбор данных как о них, так и об их друзьях: таким образом Cambridge Analytica получила доступ к профилям примерно 50.000.000 пользователей.

После сбора данных о столь значительном числе людей-документов при проведении разного рода рекламных и пропагандистских кампаний включался микротаргетинг: конкретный пользователь социальной сети видел те новости, которые точечно воздействовали на его индивидуальные страхи и надежды.

Мы доверяем новости, если доверяем источнику этой новости. Важное значение исследователи социальных медиа придают «числу Данбара»: человек в состоянии поддерживать не более 150 относительно устойчивых знакомств 60 % социальной активности типичного индивида приходится на общение с 15 людьми, только 5 из которых придут нам на помощь в случае крупных неприятностей.

Примерно 50 человек из 150 – просто хорошие знакомые . Карта социальных связей постоянно перестраивается: за полтора года примерно 40 % знакомств меняют статус Иронично, но вывод о том, что «все так поступают», мы делаем на основании активного общения всего с 5-15 людьми».

Как это применимо для маркетинга, например, финансовых инструментов?

Как превратить «лайки-как-рентген личности» в работающий финмаркетинг

(и не схлопотать штраф по GDPR, MiFID II и кармический бан одновременно)?

1 — Сначала данные, потом «магия»

Шаг Что делаем На что обращаем внимание

2 — Строим «пятифакторный» скоринг

1. Фичи: бинаризованные лайки/клики, TF-IDF тем чтения, поведенческие метрики (длина сессии vs. время до принятия решения).
2. Модель: обычный градиентный бустинг или fine-tuned transformer → выдаёт вероятность по каждому из Big Five.
3. Валидация: мини-панель из добровольцев с классическим NEO-PI-R / BFI-2 (100 вопросов) для ground-truth.
4. Privacy by design: храните сразу кластеры («O↑ C↑ N↓») вместо сырых ответов.

(На практике accuracy ≈ 65-80 % по публикуемым работам на инвесторах — см. Singh et al., 2023) (ScienceDirect)

3 — Переводим черты в продукт и креатив

Черта (↑) Типичное для персоны Инструменты Тон сообщений

Эти соответствия подтверждаются свежими исследованиями корреляции Big Five и склонности к риску у инвесторов (ScienceDirect, ResearchGate).

4 — Микротаргетинг в духе Kosinski, но без тёмных паттернов

1. Audience-pods ≥ 1000 ID (чтобы не «один-к-одному» — требование Facebook/Google Ads).
2. Dynamic creative optimisation: 5 вариантов баннера × 5 персональностей → собираем 25 креативов за минуту через Gen-AI.
3. Look-alike expansion: обучаем на top 20 % конвертирующих «O↑ E↑» → создаём похожую аудиторию, но проверяем, что критерии кредитоспособности соблюдены (MiFID II suitability).
4. Соц-доказательство по Данбару: показываем отзыва/чек-карту «3 твоих знакомых уже инвестируют здесь» — используем граф только в пределах разрешённых 1-hop друзей, чтобы избежать Cambridge-Analytica-эффекта.

5 — Как это выглядит в реальном стэке

McKinsey в 2025-м измерила: компании, внедрившие персоналку «до уровня тона», растят выручку на 40 % быстрее пэров (McKinsey & Company).

6 — Метрики и контроль

1. Lift-тест: hold-out 10 % «рандомный креатив» → смотрим Δconversion, ΔAUM.
2. Early-warning: если Neurotic-кластер получает > 25 % high-risk кликов — автомат омаркировка + ручной аудит (fairness guardrail).
3. Прибыль / Privacy: KPI «€-маржа на лично-идентифицируемый байт».

7 — Юридический чек-лист (EU фокус)

1. GDPR Art. 22: дайте право на human review, если от скоринга зависит «существенное решение» (например, лимит маржинального счёта).
2. Карта DPIA: описываем модель, риски манипуляций, план смягчения.
3. Reject dark nudges: не подталкиваем нервных клиентов к CFD-торговле — иначе штраф и репутационный суицид.
4. Маркетинг-документация MiFID II: подтверждение, что продукт соответствует risk-profile сегмента.

8 — Коротко о главном

1. Собираем чистые, согласованные данные →
2. Предсказываем Big Five →
3. Матч-таблица «черта → продукт → тон» →
4. Креативы + audience-pods →
5. Тестируем, соблюдаем регуляторов, спим спокойно.

А если всё сделать правильно, пользователь увидит не навязчивый спам, а почти дружеский совет от «того самого знакомого из топ-15 Данбара». И это как раз та точка, где маркетинг перестаёт быть шумом и становится сервисом. 😉

Короче персонализируем рекламу, господа!