Накрутка подписчиков

Происхождение и история термина

В англоязычной работе Феррары и соавторов используется выражение fake followers — фальшивые подписчики, а также описывается рынок таких аккаунтов. ^[1] Русское название в этой статье обозначает действие по искусственному увеличению подписок. Здесь полезно различать два предмета проверки: происхождение аккаунтов и организацию их действий. Первое употребление русского выражения и его автор не установлены.

Исследовательский контекст даёт работа Эмилио Феррары и соавторов, опубликованная в Communications of the ACM в 2016 году. Авторы описывают рынок фальшивых подписчиков, программных участников социальных сетей и способы их распознавания. Авторская версия работы обновлена в марте 2017 года. ^[1] Это историческое описание проблемы, а не сведения о нынешнем размере рынка или точности современных проверок.

В правилах платформ обсуждение охватывает также действия людей. Например, политика X с отметкой «апрель 2025» рассматривает и согласованные действия участников ради увеличения показателей. ^[3] Поэтому полезно разделять технический вопрос «кто управляет аккаунтом» и содержательный вопрос «зачем совершена подписка». Ответ на первый не всегда даёт ответ на второй.

Суть и механизм

Представим учебную ситуацию: редакция ведёт канал о жизни города. В нём тысяча подписок, а рекламодателю показывают этот счётчик как свидетельство читательского интереса. Затем исполнитель добавляет ещё триста подписок, единственной задачей которых является увеличение числа. Счётчик меняется, но обещание дополнительных заинтересованных читателей из этого изменения не следует. Именно разрыв между записанной подпиской и приписанным ей интересом составляет проблему.

Здесь важно различать аккаунт, человека и действие. Аккаунт — учётная запись на платформе; подписка — связь этой записи с каналом. В учебном примере не требуется предполагать, что все добавленные записи вымышлены. Даже если задания выполняют люди, покупателю рекламы ещё нужно объяснить, почему их действия означают интерес к публикациям. С другой стороны, отсутствие комментариев не устанавливает, что интереса нет: читатель может пользоваться материалом без публичного ответа.

Учебный пример делает различие нагляднее. У канала сто подписанных аккаунтов. Допустим, двадцать человек используют по два аккаунта, а шестьдесят — по одному. Получается сто аккаунтов, но восемьдесят человек. Это условная известная структура, а не способ восстановить людей по счётчику. Если доступно только число сто, распределение неизвестно. Правила X действительно допускают несколько аккаунтов с разными назначениями при соблюдении условий платформы. ^[3] Следовательно, различие числа аккаунтов и людей само по себе ещё не устанавливает накрутку.

Отдельный вопрос — за что платят. В первой учебной кампании редакция оплачивает показ приглашения на лекцию, а читатели сами решают, подписываться ли на канал с материалами. Во второй исполнитель вознаграждает участников именно за добавление подписки, независимо от интереса к лекциям. Деньги присутствуют в обеих ситуациях, но приобретаются разные действия. Критерий YouTube связывает подлинность с основным намерением человека взаимодействовать с содержанием, а не с отсутствием расходов у автора канала. ^[2] Поэтому название услуги «платное привлечение» не доказывает ни накрутку, ни добросовестность: нужно выяснить, что делал исполнитель.

Платформа оценивает не только внешний вид профиля. YouTube запрещает искусственно увеличивать показатели и отдельно предупреждает, что нарушения нанятого исполнителя могут повлиять на канал заказчика. При этом обычный призыв подписаться допускается, а условный обмен подписками запрещён. ^[2] Это конкретное правило YouTube, которое не следует автоматически переносить на другие сервисы.

Для понимания причин полезна простая последовательность. Сначала фиксируется событие: число подписок выросло. Затем выясняется источник: реклама, публикация, рекомендация или иной механизм. После этого оцениваются свидетельства искусственного увеличения. Если второй шаг пропущен, необычная динамика легко превращается в бездоказательное обвинение. Если установлен искусственный механизм, остаётся отдельный вопрос о том, кто его организовал: получатель новых подписок и заказчик действий не должны автоматически считаться одним лицом.

Виды и классификации

Для разбора используются три редакционные категории, выделенные по способу получения действий. Это учебная схема, а не общепринятый отраслевой стандарт.

Категории могут пересекаться. Например, в условной схеме обмена часть действий выполняется вручную, часть программой. Для объяснения результата важен общий механизм, поэтому подсчёт только автоматизированных записей даст неполную картину. И наоборот, обнаружение программы, публикующей полезные уведомления, не доказывает, что число читателей искусственно увеличено.

Искажение отчётности следует рассматривать отдельно. В учебном примере продавец может назвать десять тысяч просмотров десятью тысячами подписчиков, вообще не меняя счётчик. Это подмена показателя, а не способ накрутки подписок. Обе проблемы способны ввести покупателя в заблуждение, но требуют разных проверок: в первом случае проверяют происхождение действий, во втором — соответствие названия и содержания числа.

Как применяется на практике

В международной практике удобны конкретные правила платформ. X запрещает согласованную оплату увеличения метрик и одновременно допускает несколько аккаунтов с разными назначениями при соблюдении правил. ^[3] Такая граница объясняет, почему наличие у редакции отдельных страниц для разных городов само по себе не показывает манипуляцию.

Для анализа русскоязычного Telegram-канала особенно важно понимать просмотры. В справке Telegram указано, что счётчик учитывает просмотры пересланных копий сообщения, приблизителен и способен повторно учитывать того же зрителя спустя некоторое время. ^[4] Следовательно, отношение просмотров к подпискам нельзя читать как точную долю подписчиков, увидевших материал.

В учебном примере у канала две тысячи подписок, а у публикации три тысячи просмотров. Деление даёт полтора просмотра на подписку. Это не означает, что публикацию прочитали сто пятьдесят процентов подписчиков, и не требует искать «лишних» людей. Числитель описывает события просмотра, знаменатель — число подписок; уже поэтому результат не является долей уникальных читателей. Сам расчёт допустим, если его правильно назвать и сохранить одинаковый срок наблюдения за публикациями.

Российский пример другого уровня измерения — Яндекс Метрика. Она распознаёт роботов по поведению и техническим сигналам, позволяет сравнивать статистику сайта с роботными визитами и без них. Яндекс отдельно указывает, что способы определения роботов в Метрике и Директе различаются. ^[5] Эти данные относятся к посещениям сайта, а не непосредственно к составу подписчиков канала.

Допустим, в учебной кампании из канала на сайт зарегистрировано сто визитов, из которых двадцать аналитическая система отнесла к роботным. Среди этих визитов доля составляет одну пятую. Но делить двадцать на все подписки канала и объявлять результат долей ботов неверно: подписчик мог не перейти, один посетитель мог зайти несколько раз, а принадлежность посещения конкретному подписчику не установлена. Проверяемый результат здесь ограничен посещениями и правилами их классификации.

Как измерить или проверить

Начать можно с воспроизводимого описания данных. Редакционный протокол предлагает записать канал, источник статистики, моменты начала и конца периода, часовой пояс и точность счётчиков. Затем к периоду добавляются известные события: публикации, размещения рекламы, изменения содержания. Сначала сравниваются числа из одного источника, затем проверяется, объясняют ли события их динамику. Это порядок аналитической работы, а не тест с гарантированным ответом.

Два снимка позволяют вычислить чистое изменение. Обозначим начальное число подписок через S₀, конечное — через S₁, продолжительность периода в днях — через d. Используются обычные арифметические определения разности, относительного изменения и среднего за период:

Разность ΔS измеряется в подписках. Процент g сравнивает её именно с начальным числом: это знаменатель, то есть величина, на которую делят. Среднее a измеряется в подписках за день. Оно распределяет общий результат равномерно для удобства сравнения; из расчёта не следует, что каждый день происходил одинаковый рост.

Учебный пример: сначала было тысяча подписок, через десять дней — тысяча триста. Разность равна трёмстам. Триста, делённые на тысячу и умноженные на сто процентов, дают тридцать процентов. Деление трёхсот на десять даёт тридцать подписок в день. Если все изменения произошли в последний день, эти три результата останутся такими же. Чтобы увидеть скачок, нужны промежуточные наблюдения.

Чистое изменение не равно числу новых подписок. В одном учебном случае пришло четыреста подписок и исчезло сто; в другом пришло семьсот и исчезло четыреста. Обе ситуации дают прирост триста. По двум итоговым снимкам нельзя определить приход и уход отдельно. Кроме того, YouTube сообщает, что удалённые аккаунты и подписчики, признанные спамом, исключаются из итогового количества. ^[2] Поэтому уменьшение счётчика не обязательно означает только добровольные отписки.

При нулевом начальном значении процент g не определён: делить на ноль нельзя. Если канал вырос с нуля до ста за пять дней, остаются два осмысленных результата — сто подписок чистого прироста и двадцать в день. При снижении с тысячи до восьмисот за десять дней получаются минус двести, минус двадцать процентов и минус двадцать в день. Отрицательное число обозначает направление изменения, а не ошибку вычисления.

Учебный мини-инструмент выполняет эти три расчёта локально. Он принимает целые счётчики от нуля до триллиона и целое число дней от одного до миллиона. Дроби, знаки, экспоненциальная запись и пустые поля отклоняются; пробелы по краям убираются. Поля должны содержать точные исходные значения: округлённое обозначение вроде «тысяча» нельзя превращать в якобы точный снимок. Если изменить любое поле, предыдущий результат исчезнет. Чтобы увидеть расчёт по новым значениям, нажмите «Рассчитать». Инструмент не загружает аккаунты и не оценивает долю ботов.

Чистое изменение показывается точно. Процент и среднее выводятся с точностью до двенадцати знаков после запятой, без ненужных конечных нулей. Знак ≈ перед числом означает округление. Такой вывод сохраняет даже наименьшие ненулевые изменения в допустимых границах ввода. Учебный граничный пример: счётчик вырос с 999999999999 до 1000000000000 за 1000000 дней. Прибавилась одна подписка; относительное изменение отображается как ≈ 0,0000000001%, а среднее — 0,000001 подписки в день. Первое число приблизительное, второе точное. Миллионная доля подписки здесь означает одну подписку, распределённую при расчёте среднего на миллион дней; это не доля человека. Длинный период выбран только для проверки границ инструмента. Нулевой результат означает отсутствие чистого изменения, а не скрытый малый прирост.

Ошибки, ограничения и спорные вопросы

Самая серьёзная ошибка — заменить оценку динамики оценкой подлинности. В исследовании Феррары и соавторов методы распознавания разделены на анализ связей, оценку людьми и обучение алгоритмов по признакам; рассматриваются также сочетания подходов. ^[1] Связи — это отношения между аккаунтами, например подписки и взаимодействия. Такая задача требует иных данных, чем два числа на графике.

Диагностический признак — наблюдение, которое помогает выбрать случаи для дальнейшего изучения. Это ещё не установленная причина. В учебной ситуации несколько новых аккаунтов подписались одновременно: причиной могло быть общее приглашение на мероприятие, а могла быть согласованная имитация. Чтобы различить версии, нужны сведения об источнике приглашения и действиях участников. Добавление к графику фотографии профиля не превращает догадку в доказательство.

Результат классификации тоже необходимо читать правильно. В собственном учебном примере проверяющий просмотрел сто профилей и отметил двадцать как подозрительные. Из этого следует только результат по выбранным профилям и выбранным признакам. Если он специально открывал самые необычные записи, выборка не представляет весь канал. Если критерий ошибочен, аккуратное деление двадцати на сто не делает вывод верным. Для оценки качества метода понадобятся независимо проверенные примеры и разбор ошибочных решений. Такие ограничения согласуются с обзором Феррары и соавторов: авторы показывают зависимость обнаружения от доступных признаков и предпосылок метода, а не предлагают безошибочное распознавание по одному счётчику. ^[1]

Ещё один учебный контрпример: из ста проверенных профилей метод назвал подозрительными двадцать. По условию примера отдельная полная проверка установила искусственное участие у двенадцати из этих двадцати и ещё у пяти из остальных восьмидесяти; у остальных его не было. В условном наборе выявлены восемь ложных подозрений и пять пропусков. Метка «подозрительный» охватывала двадцать процентов профилей, а подтверждённых случаев оказалось семнадцать. Числа специально заданы для объяснения ошибок: они не оценивают реальный сервис. Без такой внешней проверки даже точный процент меток не является измеренной долей накрутки.

Ещё одна ошибка — смешивать слабый коммерческий результат и накрутку. В учебной кампании объявление могло получить мало переходов потому, что предложение не заинтересовало читателей. Даже если рекламодатель недоволен, причинный вывод требует сравнения с содержанием публикации, условиями размещения и обещанным результатом. Хорошая аналитическая запись отделяет факт «получено мало переходов» от предположения о причинах.

Наконец, нет смысла искать один универсальный порог подозрительного роста. В учебном сравнении два канала увеличились с пяти до шести тысяч подписок за неделю. Для одного доступны сведения о рекламном размещении, для другого объяснения нет. Арифметика совпадает, но полнота сведений различается. Необъяснённое изменение остаётся вопросом для проверки, а наличие рекламы ещё не подтверждает происхождение каждой новой подписки.

Правовой аспект

Правила платформ и нормы закона решают разные задачи. Первые определяют допустимое поведение внутри сервиса. ^{[2, 3]} Для российской сделки может иметь значение достоверность сведений, которые стороны сообщили друг другу. Пункт 1 статьи 431.2 ГК РФ касается недостоверных сведений об обстоятельствах, важных для заключения, исполнения или прекращения договора. Он предусматривает возмещение причинённых такими сведениями убытков по требованию другой стороны либо уплату неустойки, предусмотренной договором. Ответственность предполагает, что сообщившая сведения сторона ожидала, что другая сторона на них положится, или имела разумные основания так считать. ^[6]

Если в учебной сделке продавец сообщил определённые сведения о составе аудитории, их юридическая оценка потребует установить содержание обещания, его значение для договора и другие обстоятельства. Сам график роста этого не решает. Для заверений в предпринимательской деятельности пункт 4 предусматривает применение указанных в нём последствий независимо от осведомлённости об их недостоверности, если стороны не договорились иначе; предполагается также ожидание, что другая сторона положится на сведения. ^[6] Использована редакция части первой ГК РФ от 10 июня 2026 года с изменениями от 22 октября 2026 года; статья 431.2 введена законом № 42-ФЗ от 8 марта 2015 года и действует с 1 июня 2015 года. ^{[6, 7]} Это общий правовой контекст, а не заключение по конкретному спору.

Частые вопросы

Связанные термины

• Накрученный канал