Кирилл Черновол, научный сотрудник лаборатории анализа лучших международных практик Института Гайдара, подготовил рецензию на книгу Марианы Маццукато «Рента в цифровую эпоху», изданную в Издательстве Института Гайдара в 2026 году.
Мариана Маццукато вместе с соавторами (Тим О’Райли, Илан Штраусс) предлагают посмотреть на власть цифровых платформ через необычную «точку входа»: не через сбор персональных данных сам по себе, а через то, как платформы управляют вниманием пользователей и превращают это внимание в источник дохода. Книга состоит из двух частей: в первой описывается идея «алгоритмической ренты внимания» и способы ее выявления. Рента внимания – это доход платформы, который возникает, когда она с помощью своих алгоритмов направляет внимание пользователей в выгодную для себя сторону и может делать поисковую выдачу хуже для пользователя, но при этом не теряет достаточно пользователей, продаж или партнеров, чтобы ей стало невыгодно так поступать. Во второй части дается более широкий обзор современных форм экономической ренты и попытка различить «полезные» и «вредные» рентные доходы. Рента – это доход, который, грубо говоря, не требует дополнительных усилий, и есть ситуации, когда рента становится симптомом того, что компании минимизируют усилия в ущерб пользователям и партнерам, пользуясь, например, своей рыночной силой вместо того, чтобы эволюционировать и быть лучше конкурентов.
Первая часть книги посвящена цифровым платформам и тому, как «рынки внимания» отличаются от обычных рынков, где товар покупают за деньги. Авторы утверждают, что ключевой ресурс платформ – это не данные, а внимание пользователей, а рыночная власть проявляется в возможности направлять внимание в выгодную для платформы сторону, причем иногда так, что итоговая «лента» или выдача не зависит от предпочтений пользователей, релевантности материалов конкурентов и даже от явных поисковых запросов. Здесь важно оговориться: авторы не отрицают, что платформы не собирают данные или что этот сбор не важен для роста их рыночной власти. Но для тех видов платформ, которые рассматриваются в книге (соцсети, поисковые системы, маркетплейсы) данные ценны не сами по себе, они позволяют платформам понимать, какие рекламные объявления и в какой части страницы размещать, чтобы пользователь их наверняка просмотрел и кликнул, и тем самым превращать внимание пользователей в средство заработка. Впрочем, авторы и не делают оговорки о том, что для компаний данные о пользователях могут быть условным «товаром» сами по себе, этот момент остается за рамками их внимания.
«Рентное изъятие внимания» возникает, когда платформа специально перестает показывать пользователю наиболее релевантные запросу результаты (за счет чего платформы, по сути, изначально привлекали аудиторию), и может позволить себе такое ухудшение без серьезной потери продаж/пользователей/партнеров.
Платформа может себе это позволить, потому что выступает как «доверенный посредник»: пользователь склонен доверять верхним позициям поисковой выдачи, а платформа может вставлять в «зону основного внимания» материалы, которые не оптимальны для пользователя, но выгодны ей - например, проплаченные. Авторы связывают это с «позиционным» и «доверительным» когнитивными искажениями: людям проще кликать на то, что показано «выше» и выглядит как «рекомендованное системой».
Авторы приводят несколько примеров поисковиков в собственно поисковых системах и на маркетплейсах и показывают, как рекламные объявления (точнее, проплаченные продавцами поисковые выдачи) занимают те места в результатах поиска, куда по статистике пользователи смотрят больше всего. Из-за этого «органические» результаты (то есть те, которые реально соответствуют запросу пользователя) могут оказываться вне поля зрения, что ухудшает качество поисковой выдачи и при этом позволяет платформам и собирать плату за рекламу, и тратить меньше средств на повышение качества поиска.
Важный блок первой части - попытка измерять такие практики. Авторы предлагают сравнивать органическое ранжирование и платное ранжирование, а также смотреть, не дублирует ли реклама уже имеющуюся информацию (уменьшая разнообразие), и сравнивать качество органической выдачи доминирующей платформы с органической выдачей конкурентов, которые сильнее зависят от конкуренции.
Отдельно обсуждается возможный ущерб: потребители могут видеть больше материалов, «заточенных» под «плохую вовлеченность» (конфликты, нездоровый интерес, дезинформация), а рекламодатели - страдать от размещения рядом с неподходящим контентом. Выигрывает при этом в первую очередь сама крупная платформа.
В попытке ответить на вопрос «что делать?» авторы предлагают, например, закрепить, что часть самых заметных позиций на экране должна быть зарезервирована под «органические» результаты, а если рекламное объявление по сути повторяет уже имеющуюся «органическую» ссылку и не добавляет новой информации, «органический» результат должен показываться раньше. Для рекомендаций (TikTok, X/Twitter, Instagram) авторы предлагают обязать платформы давать пользователям «жесткие» настройки предпочтений, которые реально сохраняются (если человек отказался от навязанного режима, платформа не должна вскоре незаметно возвращать все обратно). При этом сами авторы признают, что одних поведенческих запретов может быть недостаточно: платформы быстро меняют дизайн и алгоритмы, сопротивляются правилам, а слишком жесткое регулирование может случайно «придавить» полезные нововведения. Поэтому самая важная мера, которая предлагается в книге - регулярное раскрытие платформами «эксплуатационных» показателей, за счет которых платформы управляют вниманием: рекламная нагрузка, доля органических и рекламных кликов, время пользователей в сервисах, объем трафика на внешние сайты и на собственные продукты компании, данные о продажах и сборах на маркетплейсах и т.п.
Во второй части авторы проводят разделение между «полезную» ренту, например, когда компания изобрела что-то новое и какое-то время получает благодаря этому повышенный доход, и «вредную», когда прибыль извлекается главным образом из контроля над правилами игры, доступа к рынку или чужими зависимостями, а не из реального улучшения продукта или технологий.
В этой части заметно внимание к логике «созидательного разрушения» Шумпетера: инновации могут давать «ренту» как временную награду за более эффективную технологию, но по мере распространения технологии эта рента должна уменьшаться. На примере патентов авторы показывают, что на практике «временное вознаграждение за инновацию» может превращаться в долгую монопольную прибыль, и что исследования инноваций часто не различают эти случаи.
Говоря о сильных сторонах книги, авторы переводят разговор из абстрактного «у них много данных» в более понятную плоскость - что именно видит пользователь, почему и как на этом зарабатывают. Авторы приводят примеры конкретных компаний, опираясь на доступные им данные, и честно отмечают, когда информации недостаточно для однозначных выводов. Механизм «конкуренции за место на экране» (между платным и органическим) описан ясно и «приземленно», с понятными следствиями для пользователей и бизнеса.
Еще один плюс в том, что авторы пытаются выйти на проверяемые признаки «алгоритмической ренты», то есть предлагают варианты, как измерить эту самую ренту и как понять, что платформа перестает быть полезной для пользователей и клиентов.
При этом нельзя обойтись и без замечаний. Авторы заявляют, что платформы – это среда «с изобилием данных», где негативные последствия можно измерять напрямую, но тут же отмечают, что регуляторов сдерживает то, что платформы не раскрывают регулярно ключевые эксплуатационные показатели. Это не строгая логическая ошибка (можно сказать: «данные есть, но доступа нет»), но, если измерение «прямое», то без доступа к внутренним метрикам и экспериментам платформы оно в реальности может оказаться косвенным и неполным. Из этого следует, что практическая применимость предложенных в книге тестов сильно зависит от будущих правил раскрытия информации - а это уже политический вопрос, который в книге обозначен скорее как вывод, чем как проработанный механизм.
В методике измерения авторы пишут, что если платформы «пообещали и продемонстрировали», что цель алгоритмов – оптимально распределять внимание, то расхождение между органической и платной выдачей является признаком рентного изъятия. Но ведь, даже если платформа когда-то привлекала пользователей обещанием «лучшей выдачи», в реальности она может считать своей целью смешанную оптимизацию (сочетать качество и доход), и тогда расхождение органического и платного будет не обязательно «злоупотреблением», а следствием выбранной бизнес-модели. Чтобы уверенно назвать это именно рентой, нужно дополнительно доказать, что пользователь действительно ожидал одного, получил другое, и что качество реально ухудшилось (а не просто изменилось).
Кроме того, авторы связывают ренту с отклонением от «наилучших распределений внимания», на которые способна платформа и которые она как бы обещала. Но в практическом смысле «наилучшее» - понятие скользкое: для разных пользователей, контекстов и задач оно различно. В итоге «наилучшее» легко превращается из измеримого критерия в норму «как должно быть». Это важно, потому что вся конструкция про «низкокачественные распределения» требует понятного способа отделить «хуже для пользователя» от «просто иначе».
Наконец, в книге качественно поставлена проблема, но итоговые выводы – это скорее как программа дальнейших исследований, а не набор работающих критериев «на сегодня». Это прямо признается и абсолютно нормально для научных публикаций, но у обычного читателя может остаться ощущение недосказанности: проблема понятна, а «что делать» остается на уровне направлений и принципов.
Подводя итог, книга говорит о цифровых платформах как о системах, которые управляют вниманием и могут извлекать из этого «лишний доход» за счет своего положения посредника. Эта тема продолжает проблематику использования платформами данных, и в этом смысле есть приятное ощущение эволюции исследования. В этом смысле она будет интересна не только ученым, но и всем, кто интересуется вопросами того, как «бесплатные» платформы зарабатывают на пользователях, по какой логике работает рыночная власть платформ и как наше внимание превращают в «товар».
При этом ключевые допущения («что именно обещала платформа», «что считать наилучшей выдачей», «когда расхождение органики и рекламы – это злоупотребление, а не особенность модели») нуждаются в более строгих критериях, иначе выводы легко становятся спорными. Тем, кто ожидает готовый набор конкретных регуляторных решений и четких тестов «в один шаг», стоит учитывать: значительная часть второй половины – это именно постановка проблемы и приглашение к дальнейшим исследованиям.