Это довольно сложно, потому что разные рекламные кампании пересекаются и взаимодействуют друг с другом и бо́льшую часть воздействия той или иной из них невозможно измерить точно. Например, увеличивает ли рекламное объявление в автобусе вероятность того, что потенциальный студент позвонит по телефону, указанному в рекламе? Сложно сказать. Легче отследить активность в Сети, и тут коммерческие колледжи могут собрать жизненно необходимую им информацию о каждом потенциальном студенте где он живет и на какие сайты заходит.
Именно поэтому большая часть денег, которые коммерческие университеты тратят на рекламу, достается Google и Facebook. Каждая из этих платформ позволяет рекламщикам сегментировать их целевые группы до мельчайших подробностей. Например, промоушн-кампания нового фильма может сосредоточиться на мужчинах в возрасте от 18 до 28 лет, живущих в 50 самых дорогих регионах страны (это определяется по почтовому индексу); наиболее лояльной частью аудитории будут считаться те, кто раньше кликал на профиль актера, сыгравшего главную роль, лайкал его посты в социальных сетях, зафолловил его в Twitter (или оказался в друзьях у того, кто это сделал). Но коммерческие колледжи охотятся совсем в других угодьях. Они скорее будут выискивать людей в самых бедных районах, уделяя особое внимание тем, кто кликал на объявления о микрокредите до заплаты или, судя по всему, страдает от посттравматического стресса. (Ветеранов вербуют очень активно, отчасти потому, что на них легче получить федеральный кредит.)
Рекламная кампания прогоняет бесконечные серии конкурирующих объявлений, чтобы увидеть, какие принесут наибольшее количество потенциальных студентов. Этот метод, основанный на так называемом А/В-тестировании, уже десятилетиями используется людьми, которые работают на рынке прямой почтовой рекламы. Они рассылают огромное количество рекламных предложений, измеряют количество откликов и соответствующим образом настраивают свои кампании. Каждый раз, когда вы обнаруживаете в своем почтовом ящике очередное предложение обзавестись кредитной картой, вы участвуете в одном из таких тестирований. Даже не вскрыв конверт, даже выбросив его, вы все равно предоставляете компании важную информацию: этот тип рекламы в вашем случае не работает. И в следующий раз они попробуют слегка измененный подход. Это может казаться бессмысленным, учитывая то, какое количество подобных конвертов оказывается в мусоре. Но для многих специалистов прямого маркетинга, действующих как через интернет, так и через почту, даже один процент отклика это уже воплощенная мечта! В конце концов, тут работает закон больших чисел. Один процент населения США это более трех миллионов человек.
Как только эти рекламные кампании перемещаются онлайн, уточнение информации происходит гораздо эффективнее. Интернет предоставляет рекламщикам бесценную лабораторию для исследования рынка потребления и определения круга потенциальных покупателей. Отклик от каждой рекламной кампании поступает в течение нескольких секунд гораздо быстрее, чем в случае с почтовой рассылкой. В течение часов (вместо месяцев) можно отобрать наиболее эффективные послания и подойти ближе к заманчивой цели всей рекламной индустрии: застигнуть потенциального потребителя в нужное время с наилучшим посланием, которое может подтолкнуть его к нужному решению, и таким образом одержать успех в вербовке еще одного потребителя, готового расстаться с деньгами. Настройка и отладка на достижение этой цели никогда не прекращаются.
А тем временем машины, перерабатывающие всю эту информацию, все в больших объемах получают от нас ценные данные, узнают все наши привычки и надежды, страхи и желания. Эти машины постоянно обучаются, искусственный интеллект совершенствуется и в результате компьютер может разобраться в данных, следуя только самым базовым инструкциям. Алгоритм сам находит нужные паттерны, а затем, со временем, соединяет их с полученным результатом. В каком-то смысле он учится.
В сравнении с человеческим мозгом машина учится не слишком эффективно. Маленькая девочка притрагивается пальцем к плите, чувствует боль и запоминает до конца жизни взаимосвязь между горячим металлом и пульсирующей болью в руке. Также она узнает слово, обозначающее то, что с ней случилось: ожог. Программе машинного обучения же зачастую требуются миллионы или миллиарды единиц информации, чтобы создать статистические причинно-следственные модели. Но впервые в истории эти петабайты информации сейчас стали доступны, вместе с мощными компьютерами, которые способны их обработать. Поэтому для многих профессий машинное обучение оказывается более гибким и настраиваемым, чем традиционные программы, основанные на жестких правилах.
Лингвисты, например, потратили десятилетия с 1960-х до начала 2000-х на то, чтобы научить компьютеры читать. И почти все это время ушло у них на программирование определений и грамматических правил. Но, как очень быстро уясняет для себя любой человек, изучающий иностранный язык, все живые языки просто переполнены исключениями. В них есть сленг. В них есть сарказм. Значение определенных слов меняется со временем и местоположением. Живая сложность любого языка настоящий кошмар для программиста. По сути, кодирование правил оказывается бесполезным.