Facebook is constantly experimenting on consumers

Użytkownikom platform mediów społecznościowych - jak Facebook, Instagram czy TikTok - może się wydawać, że po prostu wchodzą w interakcje ze znajomymi, rodziną i obserwatorami i przy okazji oglądają reklamy. 

Jednak według badań przeprowadzonych przez naukowców z Sauder School of Business przy Uniwersytecie Kolumbii Brytyjskiej (UBC) w Kanadzie, interakcje te są częścią ciągłych eksperymentów marketingowych, których często nie rozumieją w pełni nawet firmy, które za nimi stoją.

Autorzy przeanalizowali wszystkie znane, opublikowane, recenzowane badania dotyczące stosowania przez Facebooka i Google testów A/B — czyli sytuacji, gdy różnym konsumentom pokazywane są różne reklamy, aby określić, które są najskuteczniejsze.

Współautorzy badania dr Yann Cornil i dr David Hardisty twierdzą, że w dowolnym momencie miliardy użytkowników mediów społecznościowych są testowane, aby sprawdzić, w co klikają i - co najważniejsze dla marketerów - co kupują. Mogłoby się wydawać, że reklamodawcy sprawdzają w ten sposób, które komunikaty są skuteczne, a które nie; ale jak się okazało, nie jest to takie proste.

Facebook is constantly experimenting on consumers — and even its creators don’t fully know how it works #news #worldnews

(image or embed)

— News HQ (@newshq.bsky.social) 10 marca 2025 22:16

Dzięki stosowaniu testów A/B na Facebooku można dotrzeć do ogromnej publiczności i obserwować rzeczywiste zachowania — a ponieważ uczestnicy nie są świadomi, że są częścią eksperymentu, ich odpowiedzi są uważane za bardziej autentyczne i wiarygodne.

Problem polega na tym, że wysoce złożone algorytmy decydują, którym konsumentom zostaną pokazane różne treści i reklamy; w rezultacie nikt — nawet ci, którzy stworzyli algorytmy — nie jest w stanie w pełni zrozumieć, dlaczego konkretni konsumenci zostali wybrani przez reklamę i określić, dlaczego niektórzy z nich zdecydowali się na kliknięcie w nią. 

Według dr Cornila sprowadza się to do braku czegoś, co nazywa się "losowym przypisaniem" — na przykład, gdy eksperymentatorzy losowo prezentują dwie różne reklamy wybranym grupom.

"Nie możesz powiedzieć, że zmiany wprowadzone w reklamie powodują wzrost klikalności, ponieważ w każdej reklamie będzie algorytm, który wybierze uczestników, którzy najprawdopodobniej na nią klikną. Jeśli algorytmy są różne, oznacza to, że nie ma prawdziwego losowego przydziału" — zaznaczył. 

A/B test tool shows Facebook constantly experimenting on consumers—and even its creators don... https://techxplore.com/news/2025-03-ab-tool-facebook-constantly-consumers.html #Consumer #& #Gadgets Event Attributes

(image or embed)

— TikTok (@TikTok.activitypub.awakari.com.ap.brid.gy) 10 marca 2025 18:19

"Oznacza to również, że nie możemy z całą pewnością stwierdzić, że reklama wygenerowała wyższy współczynnik klikalności, ponieważ pod względem kreatywnym jest lepszą reklamą. Może tak być, ponieważ jest powiązana z lepszym algorytmem" - dodał.

Co więcej, ludziom często wyświetlane są reklamy na podstawie ich historii wyszukiwania, ale jeśli już zdecydowali się na konkretny produkt, a następnie algorytm wyświetli im jego reklamę, badacze mogą błędnie wywnioskować, że reklama skłoniła ich do zakupu.

"(AI) wybiera ludzi nie tylko na podstawie obserwowalnych rzeczy, takich jak wiek, płeć lub lokalizacja, które możemy łatwo poznać, ale także na podstawie rzeczy nieobserwowalnych, jak przeszłe zachowania, zainteresowania, a nawet parametry, których sam Facebook nie może skwantyfikować, ponieważ są one ustalane przez uczenie maszynowe i sztuczną inteligencję" — podkreślił dr Hardisty. Jak dodał, grupy docelowe mogą wydawać się podobne pod pewnymi względami, ale algorytm mógł je wybrać z zupełnie innych powodów.

"To w zasadzie skomplikowany model, który w jakiś sposób odkrył, że pewien typ osoby — nie wiemy, jaki — jest bardziej skłonny do kliknięcia. Więc nawet gdybyśmy zapytali ludzi z Facebooka: Dlaczego wybrano tę grupę osób?, nie znaliby odpowiedzi" - opisał.

Ma to znaczenie z różnych powodów. Po pierwsze, wielu marketerów polega na testach A/B na Facebooku, aby określić, co reklamować i w jaki sposób; ale być może jeszcze ważniejsze jest to, że różne segmenty odbiorców mogą zostać wykluczone z ważnych informacji, co może wzmacniać podziały.

"Istnieje jeden artykuł wyjaśniający, dlaczego kobiety nie są celem reklam edukacji STEM (Science, Technology, Engineering, Mathematics - nauka, technologia, inżynieria i matematyka) wyłącznie z powodu algorytmów" — zauważył dr Cornil.

"Kobiety są droższe w targetowaniu (targetowanie to precyzyjne kierowanie przekazu reklamowego do określonej grupy odbiorców - przyp. red.) w mediach społecznościowych, a te algorytmy będą próbowały generować jak najwięcej kliknięć przy jak najniższym koszcie. Więc jeśli kobiety są zbyt drogie w targetowaniu w celu edukacji STEM, to nie są targetami" - opisał badacz.

Co więcej, algorytmy wzmacniają to, co działa, a co nie, więc jeśli kobiety nie klikają konkretnych reklam, będą na nie jeszcze mniej eksponowane.

Badanie UBC koncentrowało się na Facebooku i Google, jednak autorzy uważają, że wszystkie główne platformy mediów społecznościowych, od Instagrama po TikToka, stosują podobne praktyki. 

Na konferencji pracownik Facebooka powiedział kiedyś dr Hardisty'emu, że w dowolnym momencie każdy użytkownik Facebooka jest nieświadomym uczestnikiem średnio 10 różnych eksperymentów. Wraz z pojawieniem się treści i reklam generowanych przez sztuczną inteligencję liczba ta prawie na pewno rośnie.

Autorzy ostrzegają, że marketerzy powinni uważać, aby nie doszukiwać się zbyt daleko idących konsekwencji w wynikach testów A/B na Facebooku.

"Jeśli masz reklamę, która otrzymuje dużo więcej kliknięć, może to być spowodowane tym, że Facebookowi udało się zidentyfikować niewielką, konkretną grupę osób, którym się ona naprawdę podoba" — podkreślił dr Hardisty. 

"A jeśli zmienisz całą linię produktów lub kampanię, aby dopasować ją do tego, może to być dla większości ludzi odpychające. Musisz więc bardzo uważać, aby nie wyciągać szerszych wniosków z jednego badania na Facebooku" - zwrócił uwagę.

Jak dodał dr Cornil, stosowane algorytmy są tak złożone i precyzyjne, że platformy mediów społecznościowych mogą "mikrotargetować" ludzi aż do poziomu indywidualnego: "Chodzi o wybieranie najlepszych możliwych reklam dla określonego segmentu — a segment ten nie jest nawet grupą osób". Reklamodawca nie jest więc świadomy tego, co naprawdę wie sztuczna inteligencja.