Авторы-нейронщики и гибель АТ. Часть 3. Как кризис проживали музыка и видео?

Сразу зафиксирую главный вывод, чтобы дальше было понятно, куда я веду: ни в одной из этих сфер кризис не был «решён» в смысле восстановления фильтра качества. 

Везде он был *нормализован* — система пришла к рабочему равновесию, в котором проблема поиска худо-бедно закрыта, а старые жалобы никуда не делись, просто к ним привыкли. И везде равновесие собралось из одних и тех же трёх слоёв: алгоритм + платное продвижение + человеческие кураторы нового типа. Различается только пропорция.

Музыка: алгоритм научился быть радиодиджеем

Музыка прошла кризис первой и наиболее полно — по одной фундаментальной причине, к которой я ещё вернусь: песня длится три минуты. Цена «попробовать неизвестное» ничтожна, поэтому алгоритм получает мгновенную обратную связь и может позволить себе рисковать, подсовывая слушателю новое.

Глобально равновесие собрали плейлисты и рекомендательные ленты Spotify — они фактически заняли место радиоредактора. В России эту же роль сыграла «Моя волна» Яндекс Музыки и рекомендации VK: слушатель перестал искать музыку — музыка стала находить его. А функцию «сарафана» забрали короткие видео: TikTok (а после его ограничений — Reels, VK Клипы, Shorts) превратился в главный канал открытия новых имён. Российские примеры хрестоматийны: «Юность» Dabro разошлась через пользовательские ролики, Ваня Дмитриенко с «Венерой-Юпитером» и Тима Белорусских с «Мокрыми кроссами» — карьеры, запущенные вирусной механикой, «Матушка-земля» Татьяны Куртуковой — свежий случай, когда фольклорный по духу трек взлетел из клипов. Монеточка в своё время выросла из VK-пабликов вообще без лейбла. Показательно и обратное: проекты вроде Инстасамки — это уже *инженерия* виральности, когда механизм открытия изучен настолько, что хайп конструируется как продукт.

Но обратите внимание, чем оплачено это равновесие. 

Во-первых, стриминг почти не кормит: заработок среднего музыканта переехал в концерты, корпоративы и донаты — запись стала маркетингом живого выступления, а не товаром. 

Во-вторых, «средний класс» музыкантов тонок: динамика «победитель получает всё» никуда не делась, просто лотерейный барабан крутится быстрее. 

В-третьих, виральная механика диктует форму — трек пишется под пятнадцатисекундный фрагмент для клипа, что структурно неотличимо от «главы под клиффхэнгер» на Литнете. Кризис поиска решён; кризис однотипности — воспроизведён на новом уровне.

Видео: алгоритм-редактор сработал лучше всего

YouTube — единственная платформа, где рекомендательный алгоритм реально научился вытаскивать нишевый контент к нишевой аудитории: часовое видео о реставрации станка или разборе шахматной партии находит свои сотни тысяч зрителей без всякого продвижения. Причина та же — дешёвый сэмплинг (кликнуть и посмотреть тридцать секунд ничего не стоит) плюс глубокая телеметрия удержания, дающая алгоритму честный сигнал о качестве. В видео, в отличие от книг и музыки, сложился настоящий средний класс создателей — за счёт рекламной модели и интеграций.

Русскоязычный YouTube породил собственные курационные жанры: интервью Дудя в своё время работали как «редактор», выводивший героев к массовой аудитории; обзорщики и подкасты стали фильтрами в своих нишах. После замедления YouTube в России (2024) экосистема начала мигрировать в VK Видео и отчасти Rutube, но интереснее другой сдвиг: главным *дистрибуционным* слоем рунета фактически стал Telegram — каналы взяли на себя роль и витрины, и рекомендательного сарафана, причём это курация чисто человеческая, доалгоритмическая по духу. Это важный российский феномен: там, где платформенный алгоритм слаб или недостоверен, вакуум заполняют персональные кураторы с репутацией. Что происходит с этой сферой после замеделния Telegram, пока не понятно - это новая реальность.

Почему это получилось у видео: анатомия удачного алгоритма

 Формула, из которой всё следует

Качество рекомендательной системы определяется произведением двух величин: **плотности обратной связи** (сколько честного сигнала о вкусе пользователя платформа получает в единицу времени) и **дешевизны эксперимента** (сколько стоит ошибочная рекомендация — пользователю и платформе). Видео оказалось чемпионом по обеим координатам одновременно, а книга — аутсайдером по обеим. Разберём по слагаемым.

 Слагаемое 1: видео отдаёт алгоритму посекундную телеметрию

YouTube видит акт потребления целиком и в разрешении до секунды: где вы остановились, что перемотали, что пересмотрели, досмотрели ли до конца, кликнули ли на следующее, вернулись ли к автору. Каждый час просмотра — это тысячи честных микросигналов о вкусе, причём честных в сильном смысле: удержание нельзя накрутить лайками, тело не врёт — скучно, значит палец уже свайпнул. На таком плотном сигнале обучается что угодно
Книжный магазин классической модели видит *покупку* — один бит информации, отделённый от акта чтения. Купил — а прочёл ли? Бросил на третьей главе? Понравилось? Платформа слепа. Даже Kindle Unlimited с его учётом страниц даёт сигнал в тысячи раз более разреженный: одна книга — это недели потребления и горстка событий против тысяч событий за вечер на YouTube. Алгоритм, которому нечем питаться, не может поумнеть — это не вопрос таланта инженеров, это вопрос физики сигнала.

Слагаемое 2: у видео ошибка рекомендации почти бесплатна — поэтому алгоритм может себе позволить исследовать

Любая рекомендательная система живёт в дилемме «эксплуатация или исследование»: показывать проверенное или рисковать новым. Сколько она может исследовать — зависит от цены ошибки. YouTube подсунул вам странное нишевое видео, вы ушли через восемь секунд — потеряно восемь секунд, а алгоритм получил ценный отрицательный сигнал. При десятках рекомендательных слотов на пользователя в день платформа может тратить заметную их долю на эксперименты — и именно эксперименты вытаскивают длинный хвост: нишевое видео о реставрации станка находит аудиторию, потому что алгоритму *не страшно* его пробовать на похожих пользователях.
Ошибочная рекомендация книги стоит читателю денег и часов жизни. Обжёгшись, он не «свайпает дальше» — он перестаёт доверять рекомендациям вообще. Поэтому книжный алгоритм структурно обречён на трусость: он эксплуатирует проверенное (бестселлеры, «покупатели этого брали также», знакомый жанровый каркас) и почти не исследует. Консерватизм книжных витрин — не глупость площадок, а рациональный ответ на дорогую ошибку. Отсюда же и власть социального доказательства именно в книгах: там, где алгоритм не может позволить себе рисковать за читателя, читатель требует, чтобы за него рискнули другие люди.

 Слагаемое 3: экономика платформы совпала с интересом ниши

YouTube зарабатывает на рекламе, вшитой в любой просмотр, — минута внимания на нишевом видео стоит платформе столько же, сколько минута на хите, а продаётся рекламодателю порой дороже (нишевая аудитория точнее таргетируется). Платформе *выгодно*, чтобы каждый зритель нашёл свою кроличью нору и остался в ней на часы — даже если нора на сто тысяч человек. Плюс монетизация создателя работает на малых масштабах: канал со ста тысячами нишевых подписчиков кормит автора рекламой и интеграциями — существует средний класс, которому есть смысл производить нишевое. Книжная платформа зарабатывает с продажи: ей выгоден оборот хитов, а нишевый автор без тиража не может жить с ниши — и предложение в хвосте вырождается само.

Проверка теории: книги начинают вести себя «как видео» ровно там, где становятся потоком

Лучшее подтверждение этой механики — исключения. Единственные книжные среды, где рекомендации и обратная связь работают заметно лучше классического магазина, — это KU и наши прода-платформы. Почему? Потому что обе превращают книгу из «товара-кирпича» в *поток*: KU видит прочитанные страницы, АТ видит дочитываемость глав, скорость возврата за продой, отвал по главам — то есть искусственно повышают плотность телеметрии, приближая книгу к видео. Серийная прода, если смотреть под этим углом, — это не только снижение цены сэмплинга для читателя (о чём мы говорили), но и оцифровка чтения для алгоритма. Обе адаптации — про одно: втащить книгу в ту физику сигнала, где алгоритмы вообще способны работать.

Честная оговорка

Успех видео не надо идеализировать: тот же самый механизм, что вытаскивает нишу, породил кликбейт, оптимизацию превьюшек до карикатуры и собственную гомогенизацию в голове распределения — алгоритм научился доставлять нишевое, но и создателей он дрессирует под метрику удержания не хуже, чем Литнет дрессирует под проду. YouTube решил проблему *доставки* нишевого контента, но не отменил власть метрики над формой. Идеального исхода нет ни у кого — есть разные точки на одной кривой компромисса между «найдут ли тебя» и «что метрика сделает с твоим ремеслом».

Завтра речь пойдет о зарубежном самиздате, гдавным образом об Амазоне. Как с кризисом справляются там?