Постоянное наблюдение — необходимость, особенно если следить за трендами, которые вырастают из субгрупп, говорят эксперты по social listening и анализу аудитории. Более того, маркетологам нужно глубже разбираться в том, почему тот или иной тренд возникает, особенно в том, как он связан с социально-экономическими настроениями потребителей.

Либби Родни, директор по стратегии The Harris Poll, привела в пример препараты GLP-1. Еще до их широкого клинического распространения исследовательская компания выдвинула гипотезу, что пользователи препаратов для снижения веса сокращают и другие виды потребительского поведения. Позже выяснилось, что они стали меньше пить, играть в азартные игры и бесконечно листать тревожный контент, и эта модель сохраняется до сих пор.

«Миллениалы здесь идут впереди», — сказала Родни, отметив, что эти препараты подпитывают потребность «хотеть меньшего» и нажимать на «кнопку паузы».

«На самом деле этот тренд вовсе не про снижение веса, таблетки для похудения или фармацевтическую помощь», — сказала она.

Есть несколько способов, с помощью которых бренды могут замечать тренды на ранней стадии, включая непрерывный мониторинг потребительских сигналов, чтобы видеть, как модели поведения распространяются из небольших групп. Маркетологи также могут использовать ИИ для более глубокого анализа данных, включая более детализированные виды сегментации.

Ниже — подробнее о том, как брендам выявлять тренды на раннем этапе.

Обращайте внимание на субгруппы

Тренды редко начинаются в мейнстриме. Чаще всего они сначала возникают среди потребителей, экспериментирующих на периферии. Если представить потребителей в виде колоколообразной кривой, где широкая середина — это массовая аудитория, то новые тренды будут зарождаться по краям, то есть в «хвостах» кривой.

«Мы видим, как тренды выходят из этих небольших субгрупп, а затем расширяются», — сказал Уилл Джонсон, генеральный директор Outward Intelligence, платформы количественных маркетинговых исследований на базе ИИ. (До 2025 года Джонсон был CEO The Harris Poll.)

McDonald’s провел несколько кампаний, связавших бренд с трендами, которые сначала вызревают в субгруппах. Например, его WcDonald’s meal был ориентирован на поклонников аниме и на присутствие сети в аниме-культуре.

Чтобы находить такие сигналы, необходимо постоянно анализировать потребительские данные, а не ограничиваться проверками дважды в месяц или раз в квартал, — так можно заметить, когда тренды из «хвостов» начинают распространяться на других потребителей.

«Чтобы ориентироваться в этом пространстве, брендам нужно смотреть на “живые окраины”», — сказал Франческо Д’Орацио, основатель и президент Pulsar, платформы для анализа аудитории. «Это нишевые, нетрадиционные сообщества, существующие за пределами средней потребительской базы, но способные заинтересовать и другие “пузыри” за пределами того, в котором они возникли. В этом и состоит ключевой навык современного трендспоттинга: заметить периферию и оценить ее потенциал выхода на более широкую аудиторию».

Если какая-то «периферийная» группа потребителей демонстрирует непропорционально высокий интерес к новому вкусу или новому способу использования продукта, бренды могут глубже изучить причины этого интереса и предложить соответствующий маркетинг схожим клиентам.

В качестве примера Д’Орацио привел рост популярности ковбойской культуры. На поверхностном уровне можно было бы сказать, что ковбойская культура возвращается из-за тяги к американскому наследию и традициям. Но более глубокий анализ данных показывает, что она откликается людям прежде всего потому, что несет ностальгию и выступает реакцией на чувство неопределенности.

«Людям это нравится, потому что будущее выглядит неопределенным, и поэтому они возвращаются к чему-то знакомому, к понятному архетипу, — сказал он. — Это призыв к стабильности, предсказуемости и субъектности, а не к наследию как таковому. Поэтому, когда вы продвигаете ковбойскую культуру, не стоит подавать ее в духе: “Давайте вернемся на ранчо”. Лучше говорить так: “Давайте войдем в мир, где мы сами можем формировать свое будущее, а не находиться в чьих-то руках и не терять контроль”».

Читайте также: Как бренды используют ковбойскую культуру

Среди организаций, делающих ставку на ковбойскую культуру, — Colorado Lottery, недавно выпустившая рекламу в рамках кампании “Winning Country” от агентства Cactus: в ролике ковбой кричит в долину о выигрыше в миллион долларов в год пожизненно.

Ищите экономическую основу

Чтобы понять, обладают ли зарождающиеся тренды устойчивостью, брендам необходимо разобраться в глубинных потребительских настроениях, которые их подпитывают. Тренды, не укорененные в экономической реальности или реакции на нее, скорее всего, являются мимолетной модой, а не долгосрочным явлением.

Несколько экспертов указали на один из нынешних растущих трендов: так называемую «лотерейную экономику». Многие представители поколения Z и миллениалы считают, что традиционные финансовые системы их подвели, и потому видят единственный путь к значительному богатству в криптовалютах и азартных играх. Д’Орацио отмечает, что именно поэтому выросла популярность Kalshi и Polymarket. Потребители также чувствуют, что у них стало меньше контроля над тем, как устроен мир.

«Если я не могу контролировать свою судьбу, то почему бы не сыграть и не посмотреть, повезет ли мне», — сказал Д’Орацио.

«Деньги и экономика — это базовый слой, который определяет все, что затем происходит поверх него, — продолжил он. — Эта глубинная структура формирует наши ожидания относительно того, как будут происходить изменения. Поэтому, если вы понимаете тренд внутри этой экономической структуры, вы действительно понимаете, как именно он будет разворачиваться и почему».

Потребители также начали обращаться к альтернативным способам добиться хорошего результата, поскольку упорный труд, как им кажется, больше не дает ответа.

Родни из The Harris Poll привела в пример “Etsy witches” — разговорное обозначение людей, предлагающих в интернете услуги ведьмовства, часто через TikTok, Instagram или Etsy (хотя платформа начала бороться с такими предложениями). Такие «ведьмы» накладывают для потребителей самые разные заклинания — на защиту, любовь, новую работу, удачу и т. д.

На первый взгляд это может показаться просто причудливым или забавным способом «приманить» желаемое, но, по словам Родни, это связано с лотерейной экономикой и стремлением потребителей вернуть себе контроль над собственной жизнью.

«Нужно взять один такой сигнал и потянуть за ниточки, чтобы понять, чего мы не замечаем, — сказала Родни. — Мне кажется, именно здесь некоторые тренд-бюро ошибаются. Они могут сказать: “Ведьмы — это круто” или “Крипта по-прежнему на хайпе”. Да, это интересно, но каков культурный контекст происходящего? Какие крупные макросдвиги реально происходят и на что нам действительно стоит обращать внимание?»

Брендам могут помочь и другие источники данных для выявления ранних трендов, включая веб-трафик, использование приложений и данные по транзакциям банковских карт, которые показывают, что именно потребители ищут и покупают. Джейми Фальковски, креативный директор Day One Agency, отметил, что индикаторами также могут служить репосты в соцсетях или реакция на тестовый пост в социальных сетях.

«Если мы делаем что-то в условно трендовом пространстве, я смотрю аналитику, и если люди чаще делятся этим, чем просто ставят лайки или оставляют комментарии, это показывает, что они заметили это и хотят обсудить с друзьями. В духе: “Смотри, что сделал этот бренд”».

Используйте AI с умом — сам по себе он не может предсказывать новые тренды

Даже при наличии более совершенных инструментов для «слушания» одной технологии недостаточно, чтобы выявить следующий большой сдвиг. У AI есть своё место в поиске трендов, но маркетологи идут неверным путём, когда просят ChatGPT назвать самые свежие тренды.

«Эти данные будут стремиться к среднему, а это противоречит самой задаче поиска трендов, которые обычно проявляются на периферии распределения», — сказал Джонсон из Outward Intelligence. «И эти модели обучаются на том, что уже в каком-то смысле произошло. Так что в обоих отношениях это в определённой степени противоречит поиску трендов».

AI можно использовать, чтобы помогать брендам обрабатывать данные о клиентах. Но Джонсон подчеркнул: чтобы получить качественный результат, нужны качественные входные данные — начиная хотя бы с того, что бренды опрашивают реальных клиентов, а не ботов. Он также отметил, что AI-ассистенты могут помогать с микросегментацией потребителей за пределами возраста, пола и региона.

«Поскольку вы проводите анализ временных рядов на больших массивах данных, анализируя еженедельные или ежедневные изменения в этих сегментах, вы начинаете видеть, как это постепенно проникает в более широкие группы, или как растёт уровень принятия, или что вообще начинают происходить какие-то сдвиги», — сказал Джонсон.

Если тренд действительно начинает распространяться на другие группы клиентов, именно тогда стоит опросить их, чтобы понять, почему это находит у них отклик.

AI также может помочь брендам определить, стоит ли им опираться на тот или иной тренд. По словам Д’Орацио, в маркетинговых исследованиях уже экспериментируют с использованием AI для создания synthetic personas, или так называемых digital twins, обученных на этнографических и поведенческих данных о потребителях бренда, чтобы понять, как они могли бы отреагировать, если бы бренд сделал что-то, связанное с трендом.

Сообщение Трендспоттинг в 2026 году: как брендам отличать моду от трендов появились сначала на 1to10.

2025 год прошел под непрерывный барабанный бой тревожных сигналов о психологических рисках текстогенерирующих больших языковых моделей (LLM), таких как ChatGPT. Исследователи Microsoft обнаружили, что генеративный ИИ снижает у пользователей уровень критического мышления, а пугающие истории показывают, что эти инструменты подпитывают параноидальный бред, разводы, пугающие публичные срывы — включая тот, который пережил крупный инвестор OpenAI, — а также даже предполагаемые самоубийства и убийства.

Популярные генераторы изображений вроде Midjourney и функции Generative AI («genAI») в дизайнерских инструментах, таких как Canva, основаны на том же базовом подходе к обработке данных, что и эти чат-боты. Создание изображений с помощью LLM направляется статистическим анализом уже существующих изображений, шаблонов и связанного с ними языка в наборе данных модели, а не каким-либо более глубоким пониманием содержания, смысла или эстетики. Эта технология (и нередко те, кто ее продвигает) провоцирует смешение анализа и творчества, подражания и мышления — и, похоже, именно в этой путанице кроется суть потенциальных психологических рисков LLM.

Многие неврологи, психологи и специалисты по креативности пытаются понять эти риски и последствия, и уже имеются веские предварительные данные о том, что ИИ-изображения могут отталкивать именно ту аудиторию, которую заказчики дизайна надеются убедить. Есть и намеки на куда более глубокую угрозу: что распространение генеративной визуальности, в резком противоречии с обещанием, будто художником может стать каждый, снизит уровень креативности в любом обществе, которое ее примет.

Возвышенно-неприятное ощущение зловещей странности

Стремительная эволюция LLM за последние три года превратила их изучение в постоянно ускользающую цель. Но один вывод в ряде исследований прослеживается совершенно ясно: когда люди думают, что изображение создано LLM, оно им не нравится.

В одном эксперименте Университета Дьюка испытуемым сказали, что одна группа изображений «изобразительного искусства» была сгенерирована ИИ, а другой набор изображений создан человеком. Испытуемые стабильно предпочитали те, которые, как им сказали, были созданы человеком, — хотя в действительности все изображения были сгенерированы ИИ.

«К искусству можно подходить двумя способами, — говорит руководитель исследования Лукас Беллеш, чья основная область исследований — человеческие эмоции. — Первый — сугубо физический, вообще без критического мышления: красиво, некрасиво, красное и так далее. А второй — социокультурный: “что это значит? что это говорит? что это отражает?” Я называю это коммуникативным режимом». Исследование Беллеша показывает, что зрителей отталкивают изображения, лишенные такого коммуникативного намерения — или хотя бы восприятия такого намерения.

В 2024 году исследователи из Туринского университета обнаружили, что даже без указания на то, что изображения были сгенерированы LLM, зрители последовательно воспринимали их как «чужеродные», «зловещие» и в целом отталкивающие. Исследователи сопоставили эту реакцию с ощущением «зловещей долины», которое возникает из-за напряжения, вызываемого не вполне реалистичными изображениями; хрестоматийный пример — фильм 2004 года «Полярный экспресс».

В исследовании использовалась уже устаревшая версия модели генерации изображений Stable Diffusion, и у части испытуемых чувство странности и зловещего, вероятно, вызывали заметные ошибки в результатах работы LLM — например, лишние пальцы.

В более новых моделях LLM очевидных ошибок, по которым зритель мог бы сразу распознать подделку, меньше, однако изображения все равно могут содержать более тонкие сигналы, запускающие подсознательные негативные реакции. Некоторые ошибки менее заметны, чем лишние пальцы, и могут вызывать смутное ощущение зловещей странности, даже если зритель сознательно их не фиксирует. Даже сама ИИ-индустрия, в том числе в недавнем исследовании OpenAI, все чаще признает, что подобные «галлюцинации» присущи LLM по самой их природе и, вероятно, неустранимы полностью.

Но даже если бы из генератора изображений удалось убрать все явные ошибки, исследователи предполагают, что простота и «гладкость» изображений, созданных LLM, — свойства, заложенные в сам способ их производства, — могут оказаться неизбежно вредными для важнейшей цели коммерческого дизайна: привлечения и удержания внимания.

Сложность и внимание

Изображения, созданные LLM, имеют по меньшей мере одну общую черту: они менее сложны, чем сопоставимые изображения, созданные человеком. Эта относительная простота выявляется при объективном математическом анализе результатов и заложена в самой технологии LLM. Это имеет последствия как для непосредственного, так и для более долгосрочного воздействия изображения на зрителя.

Изображения, созданные LLM, менее сложны отчасти потому, что фактически основаны на «усреднении» изображений из обучающей выборки и не способны создавать ничего за пределами этого набора данных. Это может приводить к стереотипному содержанию — например, когда LLM по запросу визуализировать «гения» выдает изображение человека, отдаленно напоминающего Альберта Эйнштейна.

Но более тонкая особенность может оказаться еще коварнее: сама по себе чрезмерная гладкость линий и градиентов в изображениях, созданных LLM. «Изображения LLM гораздо более гладкие, чем другие изображения, — говорит когнитивный психолог Стэнфордского университета Кэмерон Эллис. — У меня почти нет сомнений, что их сложность будет ниже».

Эллис руководил исследованием 2019 года для Национальных институтов здравоохранения США, в котором проверялась связь между вниманием и сложностью изображения. Его работа (в которой не использовались ИИ-изображения) показала, что математически более простые изображения хуже удерживают внимание зрителя, потому что реже вызывают любопытство и побуждают к внимательному рассматриванию.

В отличие от острого, почти телесного ощущения зловещей неправильности, это снижение сложности вокруг нас мы можем даже не замечать. По словам Беллеша, у людей, вероятно, возникает «эффект привыкания».

«Не хочу сравнивать ИИ-искусство с войной, но в мире много ужасных вещей, и мы просто продолжаем их видеть, — объясняет он. — И постепенно начинаем меньше о них переживать».

Отдельные рекламодатели и маркетологи могут воспринимать такую отстраненность как всего лишь неспособность удержать взгляд в конкурентной среде: чем проще изображение, тем меньше вероятность, что зритель потратит время на его осознанное рассмотрение — или на осмысление его послания. Но для общества в целом опасение может быть противоположным: что гладкость и простота продуктов LLM делают их слишком легкими для принятия — вообще без какого-либо размышления.

Сложность, когниция и креативность

Нейробиолог из Джорджтауна Адам Грин — один из тех, кто исследует, не происходит ли, по его выражению, «унификация идей под влиянием AI».

В одном из недавних исследований Грин проанализировал вступительные эссе в колледжи до и после массового распространения LLM примерно в 2022 году. Он обнаружил, что «внезапно жизненные истории всех стали гораздо более похожими» после того, как LLM вошли в повседневную практику, даже там, где их использование формально запрещалось. Ещё тревожнее то, что студенты, использовавшие AI для написания текстов о собственной жизни, «воспринимают эти [результаты] как действительно свою историю», говорит Грин. «Их собственное понимание своей жизненной истории унифицируется. Они смотрят на это [эссе, сгенерированное AI] и думают: да, это я. И это довольно страшно».

Унификация мышления пугает, потому что, по словам Грина, люди с более разнообразными идеями демонстрируют «в целом более высокие когнитивные способности и … в дальнейшем получают хорошие GPA. У них хорошие результаты в реальной жизни». Меньшее разнообразие идей неизбежно ведёт к менее успешному и менее продуктивному обществу.

Исследование Грина было сосредоточено на письме, и среди учёных и преподавателей уже стало общим местом утверждение, что письмо делает мышление более точным. Но в книге 2008 года титан дизайна Милтон Глейзер выдвинул куда более смелую мысль: рисование тоже является частью более качественного мышления. Глейзер утверждал, что физическое создание изображения — это исследование идей, и что этот процесс нередко вводит в медитативное состояние потока, способствующее креативности. Сам физический акт рисования — ещё и одна из главных причин, по которым человеческие работы содержат больше сложности, чем AI-изображения: дрожание или неожиданное колебание линии несёт в себе именно тот тип деталей и вариативности, который притягивает и удерживает человеческий взгляд.

Другое исследование, в котором Лукас Беллейш участвовал в 2023 году, показало, что даже при использовании LLM профессиональные художники создавали более сложные и креативные изображения, чем люди без художественного опыта. Если творчески настроенные пользователи способны привносить креативность в изображения, созданные с помощью LLM, то верно и обратное. Сокращение числа опытных художников в будущем, где доминируют LLM, может запустить самоподдерживающийся нисходящий цикл упрощения визуального языка и мышления — по мере того как у операторов LLM будет угасать собственная творческая искра.

Некоторые опасаются, что даже более широкие последствия сами по себе не замедлят внедрение LLM в коммерческое использование. «Я вижу, что рыночные силы на самом деле не особенно заботятся об этих вещах», — говорит Шон Спрокетт, практикующий дизайнер, помогавший в эксперименте 2023 года. «Существует вполне реальное коммерческое давление: руководители просто вводят описание логотипа и получают что-то достаточно хорошее».

Но это «достаточно хорошее» на деле может оказаться очень плохим. «Представьте, что вы растёте в мире с меньшим культурным разнообразием», — говорит Адам Грин. «Маловероятно, что это сделает ваше мышление более гибким, подвижным или разнообразным».

Напротив, «это, скорее всего, сужает широту мышления целого поколения».

Сообщение «Внезапно жизнь у всех стала куда более одинаковой»: ИИ унифицирует мышление появились сначала на 1to10.

В культуре возникает новый тип власти: промышленник идентичности. Это не кинематографист, не технолог и не маркетолог, а человек, который производит человеческие существа так же, как прежние поколения производили сталь, автомобили или знаменитостей. Они не управляют талантами — они их создают. И их сырье — не силикон и не код, а сама идентичность.

Недавно мы перешли еще один порог, когда креатор и VFX-художник Джефф Дотсон представил «Мишель» — синтетическую женщину, созданную с помощью Nano Banana Pro и Google Veo 3.1. Мишель выглядит настоящей — так, как настоящим кажется человек через весь бар. Выразительная. Человечная. Каким-то образом знакомая. И неприятная правда состоит в том, что сейчас она представляет собой худшую версию самой себя. Мишель будет становиться только лучше. Когда отправная точка — «почти неотличима от реального человека», вопрос уже не в том, станет ли это совершенным, а в том, что произойдет, когда это совершенство будет достигнуто.

Последние два десятилетия мы выстраивали культурные условия, которые сделали синтетических людей не просто возможными, но неизбежными. И началось это не с ИИ. Это началось с массового производства персоны.

И никто не доказал работоспособность этой модели лучше, чем Кардашьяны.

Именно они стали первыми подлинными промышленниками идентичности. Семья, превратившая себя в миллиардную империю, рассматривая личную идентичность как продукт: курируемый, оптимизируемый, сконструированный и точно дистрибутируемый. Они прославились не благодаря своим личностям. Они прославились потому, что поняли: сама личность может быть упакована, сформована и продана. Операции. Монтаж. Сюжетные линии. Рекламные контракты. Все было сконструировано. Не обманным образом, а стратегически. Они поставили производство самости на системную основу.

Кардашьяны показали миру, что идентичность можно проектировать и монетизировать в промышленных масштабах. ИИ просто устраняет единственный ресурс, который им все еще необходим: человеческое тело.

Джеффу Дотсону не нужны ни актерский состав, ни съемочная группа, ни студия, чтобы оживить Мишель. Ему нужны рабочая станция и замысел. И в отличие от человеческой знаменитости, Мишель не стареет, не торгуется, не требует указания авторства и не наращивает переговорный вес. Она может бесконечно появляться в фильме, рекламной кампании или чьих-то фантазиях. Она бесконечно тиражируема. Целая продуктовая линейка без ограничений цепочки поставок — если не считать токенов и электронов.

Именно здесь выражение «промышленник идентичности» перестает быть просто метафорой.

Впервые создатель, обладающий достаточными техническими навыками, может управлять целым пулом синтетических людей: моделей, актрис, инфлюенсеров, ведущих подкастов, представителей брендов, романтических компаньонов. Персонажей, подогнанных под рынки, ниши и демографические группы, — каждый со своей внешностью, поведением и сюжетными линиями. Целый флот идентичностей, каждая из которых оптимизирована под вовлечение, влечение или убеждение. Идентичность как промышленное производство.

Для создателей это обещание соблазнительно. Представьте, что вы строите целую кинематографическую вселенную без актеров, которые болеют, увольняются или публично срываются. Представьте глобальную кампанию с виртуальной моделью, которую никогда не вытеснит следующий тренд. Представьте инфлюенсера, который точно знает, как двигаться, говорить и вести себя, чтобы максимизировать вовлечение, потому что ее поведение — результат оптимизации, а не личности.

Творческий потенциал здесь реален. Но и мрачные векторы очевидны, и по мере роста достоверности они становятся все опаснее.

Первый — дезинформация. Когда синтетические люди неотличимы от реальных, подозрение падает на все: новостные кадры, политические сообщения, свидетельства жертв, заявления корпораций, исторические доказательства. Эти новые существа не просто манипулируют реальностью — они способны фабриковать ее целиком.

Второй — синтетическая интимность. ИИ-компаньоны уже сейчас представляют собой миллиардный бизнес, и эти ранние модели еще грубы. Добавьте гиперреалистичные лица, голоса, эмоциональную память и персонализированное внимание — и вы получите нечто гораздо более мощное, чем порнография или парасоциальные отношения: таргетированную эмоциональную инженерию. Любовь по запросу. Желание, которое никогда не выгорает.

Третий — эрозия «человеческой премии». Люди прежде обладали ценностью, потому что только мы были источником харизмы, красоты, эмпатии и творческого самовыражения. Но как только синтетические персоны начнут превосходить нас — будучи дешевле, надежнее и идеально настроенными, — бренды будут выбирать их не потому, что они искусственные. Они будут выбирать их потому, что они эффективны.

По мере роста реалистичности цена перехода этических границ стремительно падает. Синтетическая актриса, способная плакать, яриться или соблазнять убедительнее реальной, размывает границу между исполнением и манипуляцией. А поскольку у синтетических существ нет прав, кто-то неизбежно настроит их эмоциональные рычаги на максимальный эффект.

Еще более тревожная сила — это скорость. Дотсон не просто создал Мишель; он показал новый базовый уровень. Развитие идет слишком быстро, чтобы институты успевали за ним. Регуляторы будут гоняться за уже устаревшими инструментами, студии — опираться на модели, которые уже превзошли любители, а публика будет и дальше настаивать, что способна отличить реальное от поддельного, еще долго после того, как эта уверенность превратится в иллюзию.

Это не призыв к панике, не ностальгия и не требование резко нажать на тормоза. Технологическую неизбежность нельзя отменить. К ее последствиям можно только подготовиться. Вопрос не в том, как остановить промышленников идентичности, а в том, как заставить культуру столкнуться с тем, что она вот-вот потеряет: с самой собой.

Что станет с порядочностью, когда сама идентичность превратится в товар? Не с порядочностью в моралистическом смысле. С порядочностью как структурным принципом. Порядочность как граница. Порядочность как система сдерживания. Порядочность как последний ров, который у нас остается, когда стимулы прибыли толкают все к минимально возможной этической цене.

Промышленные революции всегда порождают победителей и проигравших. Но они также порождают культурные сдвиги, которые переживают сами технологии: эксплуатацию, нормализованную как эффективность; манипуляцию, замаскированную под персонализацию; власть, концентрирующуюся вокруг тех, кто контролирует средства производства.

Промышленники идентичности будут формировать следующее десятилетие медиа, политики, рекламы и интимности не потому, что их творения уже жизнеподобны (пока еще нет), а потому, что их творения работают и аудитория на них откликается. Поскольку синтетические люди идеально настроены на удовлетворение ожиданий, а люди — редко, рынок будет вознаграждать каждого, кто способен производить связь в промышленных масштабах.

Оптимисты скажут, что это демократизирует. Пессимисты скажут, что это разъедает основы. И те и другие будут правы. Но точность — не то же самое, что ясность. Более глубокая истина состоит в том, что, как только идентичность можно будет производить безупречно, граница между манипуляцией и повествованием исчезнет. Кто-то создаст лица, которым мы доверяем. Кто-то спроектирует голоса, за которыми мы следуем. Кто-то сформирует персонажей, которым мы сопереживаем.

И когда это произойдет, мы по-прежнему будем называть это культурой. Но строиться она будет уже не на человеческом самовыражении. Она будет строиться на том, кто владеет фабрикой.

Сообщение Промышленники идентичности появились сначала на 1to10.

Media Rating Council (MRC), сторонняя организация, аккредитующая продукты в области медиаисследований и рейтингов, пока не приняла решения по аккредитационному статусу Nielsen Big Data + Panel с момента начала проверки прошлой осенью. MRC начал оценку этого измерительного продукта в сентябре, и Nielsen попросили устранить ряд замечаний, касающихся точности данных, которые продукт предоставлял. Как сообщал Marketing Brew осенью, среди этих замечаний были более точное представление демографических сегментов и корректировка весов для снижения ошибок.

С тех пор статус аккредитации продукта остается в подвешенном состоянии, а решение MRC откладывалось — чтобы либо дать Nielsen больше времени, либо начать процесс лишения аккредитации. В феврале организация провела встречу, на которой решение о том, будет ли продукт Nielsen аккредитован, снова было перенесено, сообщили два источника, знакомые с ходом заседаний членов MRC.

На прошлой неделе MRC опубликовал обновление, в котором отметил: хотя Nielsen предложила решения и добилась «заметного прогресса» в устранении части проблем, члены MRC все еще ожидали получить от компании данные о влиянии изменений, чтобы оценить эффект от корректировок в моделировании и процессах взвешивания.

Поскольку эти данные о влиянии внедряются поэтапно, проверка MRC остается незавершенной, и до финальной оценки потребуется еще больше времени, заявили в MRC.

«Мы понимаем и сожалеем, что эти изменения будут нарушать бизнес-процессы рынка; нас обнадеживает, что Nielsen активно работает над приоритетными направлениями улучшения, возникшими в рамках их измерения Big Data + Panel», — говорится в письме организации. «Мы продолжим в срочном порядке оценивать предполагаемое влияние этих запланированных методологических изменений, поскольку они важны для текущей аккредитации коммерчески значимого национального сервиса Nielsen, который в настоящее время остается на рассмотрении».

По данным MRC, Nielsen планирует внедрить корректировки в процессы моделирования и взвешивания к апрелю. В этом году upfront week пройдет в середине мая, хотя переговоры и планы часто оформляются заранее.

«Если ожидаемые сроки будут изменены или сдвинутся», — добавила организация, «MRC определит дальнейшие шаги по процедуре».

Bill Daddi, выступающий представителем MRC, сообщил в электронном письме, что национальный сервис Nielsen остается на рассмотрении. Elaine Wong, представитель Nielsen, отказалась комментировать заседание MRC или обновленные сроки, отметив, что «любые вопросы о конфиденциальных процедурах MRC следует адресовать самому MRC».

Некоторые участники индустрии явно недовольны задержками вокруг этого решения. Sean Cunningham, президент и CEO Video Advertising Bureau (VAB), отраслевой ассоциации, представляющей TV-сети, заявил нам, что обновление от MRC «появилось примерно на 10 месяцев позже, чем следовало».

«Каждая проблема, обозначенная в этом заявлении, уже была выставлена напоказ к маю 2025 года», — написал Cunningham, который уже много лет остается активным критиком Nielsen, в заявлении по электронной почте для Marketing Brew. «То, что процесс отраслевого надзора каким-то образом может растянуться до марта 2026 года, пока Nielsen в спешке внедряет давно назревшие “исправления” своих давно отрицаемых дефектов данных, выгодно только Nielsen. По моему мнению, это заявление и связанный с ним затянутый процесс стали для Nielsen выданной MRC карточкой “выйти из тюрьмы бесплатно”».

Детали: Big Data + Panel впервые получил аккредитацию в январе 2025 года, и Nielsen стремится улучшить продукт, чтобы сохранить его статус. В письме клиентам, отправленном в конце января, измерительная компания сообщила, что усилит Big Data + Panel и свою Household Demographic Assignment Model (HDAM), которая, по словам Nielsen, «направлена на исправление существующих ограничений модели» и обеспечит более точное представление уровней просмотра в более молодых и более возрастных домохозяйствах.

Nielsen также начала включать данные из аккредитованного MRC исследования Advertising Research Foundation’s DASH TV Universe Study, которое описывает, как потребители смотрят TV на разных платформах и устройствах. В январе Nielsen заявила Variety в ответ на добавление этого исследования, что «стремится предоставлять клиентам максимально точные и релевантные данные», добавив, что «это улучшение, в координации со многими нашими недавними продуктовыми инновациями, помогает нам этого добиться».

Измерительная компания также делает ставку на новые инициативы, включая пилотную программу co-viewing, в рамках которой участники панели носят измерительные гаджеты, улавливающие аудио и оценивающие совместный просмотр. Продукт впервые протестировали на Super Bowl в прошлом месяце, и его дальнейшее внедрение продолжится в течение первой половины года.

Критики найдутся у всех: поскольку данные Nielsen широко используются при переговорах о рекламных ставках, любые неточности могут иметь серьезные последствия для выручки TV-компаний, а VAB, в число участников которой входят Disney и NBCUniversal, выступает одним из самых громких критиков Nielsen. В декабре VAB опубликовала отчет, в котором изложила дополнительные претензии к продукту Nielsen Big Data + Panel. В отчете, где анализировались данные 33 сетей за период с 15 сентября по 12 октября, утверждалось, что в определенных закупочных демографиях наблюдались более чем значительные расхождения аудиторных показателей между измерениями Big Data + Panel и Panel-Only, а в целом в 1 из 10 часов фиксировались «серьезные расхождения» между Big Data + Panel и Panel-Only по ключевой демографической группе 18–34 лет.

Тогда Nielsen выпустила заявление, в котором назвала отчет VAB «серьезно ошибочным и манипулятивным», а также обвинила ассоциацию в том, что «VAB тратит время и деньги своих участников впустую».

Сообщение В преддверии upfronts аккредитация ключевого TV-измерения зависла появились сначала на 1to10.