Как большие данные меняют кино: отрывок из книги Марии Кувшиновой

Большие данные — кровеносная система сегодняшних нейросетевых моделей — начали оказывать существенное влияние на киноиндустрию в начале 2010-х. И более того — с позиций технооптимизма вся предыдущая история кино теперь выглядела как ремесленное производство с нестабильным и непредсказуемым результатом. Пока фильмы существовали на физическом носителе — кинопленке, VHS и DVD, — единственным маяком (как минимум для коммерческого сегмента) оставалось количество проданных физических токенов: билетов в кинотеатр, дисков или кассет. Даже телевидение вынуждено было опираться лишь на ограниченные социологические выборки.

Крупные студии с их огромными финансовыми рисками не могли предсказать реакцию аудитории до тестовых показов — так же, как сегодня ни одна метеослужба не может достоверно предсказать погоду на две недели вперёд. Увеличение пропускной способности сети, следствием которого стало появление потокового видео, превратило каждого зрителя в пользователя с некоторым количеством параметров, позволяющих строить дальнейшие модели его предпочтений.

В 2013 году крупнейший поисковик планеты опубликовал статью «Количественная оценка магии кино с помощью поиска Google», в которой были приведены результаты исследования поисковых запросов и кликов по платной рекламе в Google Ads. Оказалось, что перед походом в кинотеатр зритель в среднем просматривает 13 источников, а объём запросов заметно коррелировал с результатами кассовых сборов, которые на основании этих данных можно было предсказать с точностью до 94 %.

В том же году «Карточный домик» Дэвида Финчера стал первым оригинальным сериалом онлайн-кинотеатра Netflix — в прошлом сервиса проката DVD по почте — и первым громким проектом, созданным на основе больших данных (так, по крайней мере, утверждалось). За несколько лет в интернете компания собрала большой массив информации о предпочтениях своих подписчиков, который впоследствии был использован далеко не только для составления списка персональных рекомендаций на главной странице сайта.

Аналитики Netflix обнаружили пересечение аудитории британского политического мини-сериала начала 1990-х по роману Майкла Доббса с тем же названием с фанбазами актёра Кевина Спейси и режиссёра Дэвида Финчера. Они также установили, что зрители с большой долей вероятности будут смотреть сериал с дорогим продакшеном и запутанными сюжетными линиями. Аналогичные расчёты предшествовали запуску таких, на первый взгляд, рискованных проектов, как «Оранжевый — хит сезона» (про женскую тюрьму), «Ход королевы» (про юную шахматистку) и «Очень странные дела» (про сверхъестественные приключения подростков).

Каждое движение пользователя внутри интерфейса онлайн-кинотеатра теперь отслеживалось и обрабатывалось статистическими алгоритмами, а кнопка Continue Watching («Продолжить смотреть») помогала мгновенно вернуться к фильму или сериалу с того места, где он был по какой-то причине остановлен. Если вы — один из 300 млн подписчиков Netflix, на содержание вашего следующего любимого фильма или сериала может повлиять даже пауза, которую вы включили, чтобы налить себе кофе.

Разумеется, в медиа чаще фигурируют успешные результаты работы с данными при принятии творческих решений, чем провалы, а доступ к значительному объёму полезной статистики есть только у очень больших компаний вроде Netflix и Amazon — или у производителей, существующих в специфических условиях. В огромной и почти закрытой от мира китайской киноиндустрии функционируют несколько компаний, анализирующих данные из онлайн-стримингов, социальных сетей и других цифровых источников для выявления трендовых сюжетов, персонажей и визуальных стилей, которые впоследствии будут использованы в анимационном и игровом кино.

В первые годы цифровые гиганты, и в особенности Netflix, активно подпитывали миф о всесилии больших данных, чтобы подчеркнуть свою инновационность и доступ к сакральным знаниям, недоступным заурядному человеческому разуму. В 2015 году глава Netflix по контенту Тед Сарандос утверждал, что финальные решения на 70 % основаны на данных и только на 30 % — на человеческой экспертизе.

Подобное позиционирование легко объединялось с идеей инклюзивности: аналитика данных помогала выявить новые аудиторные группы и темы, о существовании которых могли не подозревать шоураннеры и продюсеры, как правило выходцы из белого среднего класса.

Однако со временем аудитория узнала об алгоритмах больше, и в конце 2010-х в своей риторике руководство стриминга начало отходить от идеи алгоритмического превосходства, отмечая, что опора исключительно на данные создаёт риски при производстве оригинального контента, поскольку взгляд в прошлое ничего не говорит о будущем. «В современных дебатах о big data мы находим как утопическую, так и антиутопическую риторику», — пишет исследовательница Карин ван Эс в своей работе «Netflix и большие данные: стратегическая амбивалентность развлекательной компании»*.

Ван Эс изучила публичные заявления представителей стриминга, связанные с использованием больших данных в принятии творческих решений, характеризуя их как «дискурсивно скользкие» и отмечая некритическое отношение прессы к утверждениям о том, что «Карточный домик» и другие хиты фактически «созданы алгоритмом».

Как в случае почти любой технологии, дата-ориентированный подход поначалу шокировал и восхищал, а потом постепенно демистифицировался, превратившись лишь в один из инструментов.

В 2020 году «Доклад Нострадамус», который уже более десяти лет публикует Гётеборгский кинофестиваль, уделил много внимания big data, отмечая тревожную диспропорцию в доступе к ним между производителями и дистрибьюторами. Авторы доклада пришли к выводу: хотя значение данных для кинобизнеса заметно растёт, они не являются универсальным инструментом. Из таблицы Excel продюсер не узнает о своём фильме того, что он может узнать, просто поговорив со зрителем.

Речь не о том, чтобы во всём полагаться на алгоритмы — художественное чутьё всё ещё невозможно алгоритмизировать, однако с их помощью проще понять, где искать аудиторию и как разобраться, что именно её волнует. Большинству продюсеров действительно не помешали бы качественные структурированные данные, чтобы проверять или опровергать творческие гипотезы, возникающие «по наитию».

Однако секретным ингредиентом успешных проектов Netflix и его конкурентов всё это время оставался человек**. «Оранжевый — хит сезона» произвели не алгоритмы, а создательница литературной основы Пайпер Керман, отсидевшая два срока за участие в отмывании денег и транспортировке наркотиков; сценаристка Дженджи Коэн — женщина средних лет с разноцветными волосами; а также несколько режиссёров, актрис и сотни других членов съёмочной группы.

Идея Коэн добавить в сюжет больше разнообразия — самых разных женщин, отличных от конвенционально красивой белой американки Керман, — совпала с выводами аналитиков Netflix, которые предположили, что аудитории интересны сильные женские персонажи и социально значимые темы, поднять которые вряд ли решились бы продюсеры большого кино.

Однако сама мысль о том, что зритель может своим поведением и своими предпочтениями влиять на содержание фильмов, подсказывая направление движения, — нечто принципиально новое в истории кино, мифология которого на протяжении многих десятилетий складывалась вокруг фигуры режиссера-демиурга.**

* Van Es К. Netflix & Big Data: The Strategic Ambivalence of an Entertainment Company // Sage Journals. Televisi­ on and New Media, Volume 24 Issue 6 (September 2023)

** «Человеческое» в противовес «алгоритмическому» стало еще одним маркетинговым ходом, когда на платформах Mubi и Criterion Channel, специали­зирующихся на арт-кино, начали появляться «ку­раторские подборки», составленные известными людьми.