Платформенная зависимость СМИ

Происхождение и история термина

У понятия нет установленной в прочитанных работах единственной даты рождения или одного автора. Оно выросло из исследований цифровых посредников и более широкого процесса платформизации. В 2018 году Р. К. Нильсен и С. А. Гантер описали на материале одной крупной европейской новостной организации противоречие между краткосрочными возможностями платформ и долгосрочным страхом зависимости ^[2].

В 2019 году Т. Поэлл, Д. Ниборг и Х. ван Дейк определили платформизацию как проникновение платформенных инфраструктур, рынков и правил управления в разные сферы жизни ^[1]. Специальное исследование Дж. Миза и Э. Хёркомба, впервые опубликованное онлайн в 2020 году и вышедшее в журнальном выпуске 2021 года, вынесло platform dependency в заголовок и показало на австралийском материале, что зависимость редакций от Facebook^* была неодинаковой, частичной и изменялась после смены алгоритмов ^[3]. Эти работы позволяют говорить о развитии исследовательской проблемы, но не доказывают первенство какого-либо автора в употреблении словосочетания.

Суть и причинный механизм

Платформа решает реальную задачу: помогает находить новости, распространять ссылки или контент, собирать реакцию аудитории и получать рекламный доход. Редакция видит результат и вкладывает труд в подходящие платформе форматы, аналитику и производство. Чем больше критических процессов строится вокруг одного посредника, тем дороже становится переход к другой схеме.

Затем возникает асимметрия управления. Правила ранжирования, доступ к данным, допустимые форматы и условия монетизации определяет оператор платформы. Издатель может улучшать материалы, но не управляет самим каналом на равных. В кейсе Нильсена и Гантер редакция одновременно использовала возможности Google и Facebook^* и воспринимала отношения как неравные; среди рисков участники называли потерю контроля над редакционной идентичностью, пользовательскими данными и частью модели доходов ^[2].

Изменение алгоритма, интерфейса или правил становится внешним ударом. Сначала падает видимость или доход внутри канала. Затем эффект переносится на сайт, подписки или рекламу, если платформа приводила значимую долю аудитории и у редакции нет сопоставимой замены. Австралийское исследование показывает и обратный процесс: после изменений Facebook^* редакции диверсифицировали распространение и бизнес-модели, поэтому зависимость нельзя считать постоянной характеристикой всего сектора ^[3].

Механизм можно записать как цепочку: полезная функция → вложения и концентрация → рост стоимости переключения → внешнее изменение → потери → восстановление через замену. Каждое звено нужно проверять отдельно. Большой охват без высокой стоимости переключения означает концентрацию, но не обязательно критическую зависимость.

Виды и классификации

Ниже — рабочая классификация редакции, а не общепринятый стандарт. Она опирается на академическое различение инфраструктуры, рынков и управления платформ ^[1] и на обнаруженные у издателей опасения за доступ к аудитории, данным и доходам ^[2].

Одно издание может быть зависимо по одному виду и устойчиво по другому. Несколько аккаунтов тоже не гарантируют диверсификацию: они могут использовать одну инфраструктуру или требовать одинаковых производственных ресурсов.

Российский и международный контекст

Digital News Report 2026 сообщает, что в среднем по 48 исследованным рынкам социальные и видеоплатформы использовали для новостей 54% респондентов, а сайты и приложения новостных организаций — 51%; в 30 из 48 рынков первая группа источников была популярнее второй ^[4]. Это результат опроса об использовании новостей, а не доля платформенного трафика отдельного СМИ. Он показывает масштаб посредничества, но не измеряет зависимость конкретной редакции.

В России для анализа нужны как минимум два разных класса данных. Mediascope Cross Web измеряет аудиторию интернет-ресурсов в людях среди населения России 12+ на компьютерах и смартфонах ^[7]. Яндекс Метрика относит визиты к источникам по меткам или рефереру и различает поисковые системы, соцсети, мессенджеры и рекомендательные системы ^[6]. Поэтому число людей из панельного измерения нельзя делить на визиты сайта и называть долей зависимости.

Есть и технические границы. В отчёте Яндекс Метрики о рекомендательных системах не учитываются агрегаторы новостей, а переходы из Google Discover на устройствах iOS не включаются в категорию Discover ^[6]. Если редакция не учтёт эти условия, она может занизить или неверно распределить платформенный трафик. Документация Google отдельно предупреждает, что трафик Discover менее предсказуем, чем переходы из поиска по запросу, и предлагает рассматривать его как дополнительный ^[5]. Это свойство конкретного продукта, а не всех платформ.

Как измерить или проверить

Сначала выберите функцию и единицу. Для трафика считайте визиты, для дохода — рубли, для производства — часы работы. Период, правила атрибуции и знаменатель должны быть одинаковыми.

1. Доля платформы:

где $X_p$ — объём выбранного показателя от платформы, а $X_{all}$ — общий объём того же показателя за тот же период. Метрика источников сайта пригодна для визитов, если ссылки размечены UTM-метками и учтены ограничения рефереров ^[6].

2. Стресс-потеря:

где $S_p$ записана долей от 0 до 1, а $D_p$ — предполагаемое сокращение канала от 0 до 1. Это сценарий, а не прогноз вероятности.

Учебный пример. За месяц сайт получил 1 000 000 визитов, из них 600 000 — из рекомендательной платформы. Доля равна $600\ 000 / 1\ 000\ 000 = 0{,}60$, или 60%. Если в стресс-сценарии этот канал сокращается наполовину, потери составят $0{,}60 \times 0{,}50 = 0{,}30$, то есть 30% всех исходных визитов. Останется 700 000 визитов: 400 000 из других источников и 300 000 от платформы. Расчёт предполагает, что остальные каналы не изменились и потерянные визиты не заместились.

3. Время восстановления: число дней до возвращения выбранного показателя к заранее установленному уровню, например 90% исходных визитов. Его проверяют учебным отключением некритичного канала, планом переноса или наблюдением после реального изменения. Альтернатива считается рабочей, только если у неё есть ответственный, ресурс, срок запуска и измеримый результат.

Полезно свести показатели в одну карту: функция, платформа, доля, сценарная потеря, доступная замена и время восстановления. Итоговый вывод делают по всей карте, а не по одному проценту.

Ошибки, ограничения и спорные вопросы

Главная ошибка — смешивать просмотры внутри платформы, визиты на сайт, уникальных людей и выручку. Эти показатели имеют разные знаменатели. Даже отчёты Яндекс Метрики о визитах и источниках просмотров материалов могут давать разные числа, потому что одному визиту присваивается один источник, а отдельным просмотрам материалов — несколько источников ^[6].

Вторая ошибка — считать прямой трафик полной независимостью. Сайт, рассылка или приложение тоже используют внешние хостинг, магазины приложений и системы доставки. Карта зависимостей должна доходить до критической инфраструктуры, но оставаться практичной: малозначимые связи не равны угрозам редакции.

Третье ограничение связано с причинностью. Одновременное падение платформенных переходов и выручки ещё не доказывает, что первое вызвало второе: могли измениться сезонность, спрос на новости или рекламный рынок. Сравнивайте одинаковые периоды, фиксируйте изменения продукта и проверяйте промежуточное звено — например, действительно ли сократились визиты, на которых показывалась реклама.

Наконец, зависимость не всегда вредна. Платформа может дешёво давать охват, который издание не получило бы самостоятельно. Управленческая задача состоит в том, чтобы знать возможный ущерб и подготовить замену, а не свести присутствие на внешних каналах к нулю.

Частые вопросы

Связанные термины

• pryamoy-trafik-smi
• organicheskiy-trafik
• google-news-i-google-discover-dlya-izdateley
• distributsiya-kontenta-smi
• brend-smi
• auditornaya-strategiya-redaktsii
• loyalnost-auditorii-smi