Інтернет довгий час сприймався як середовище живої взаємодії: користувачі створюють контент, спілкуються, формують попит і впливають на ринки. Однак із розвитком автоматизації, алгоритмів рекомендацій і генеративного ШІ ця модель поступово ускладнилася. Все частіше постає питання: яка частка онлайн-активності насправді належить людям, а яка — програмам?
У цьому контексті набуває популярності так звана теорія мертвого інтернету. Вона виходить за межі конспірології та все частіше обговорюється як гіпотеза, що частково відображає реальні процеси, особливо у сферах реклами, соціальних мереж і трафіку. Для індустрії арбітражу це не абстрактна дискусія, а фактор, що прямо впливає на якість аудиторії, ефективність кампаній і підхід до аналітики.
Що таке теорія мертвого інтернету і чому вона популярна?
Теорія мертвого інтернету (Dead Internet Theory) — це припущення, що значна частина онлайн-контенту і взаємодій створюється не людьми, а ботами, автоматизованими системами або алгоритмами.
Вперше вона отримала широку увагу приблизно у 2021 році після публікацій на форумах на кшталт Agora Road, але її коріння — у значно раніших спостереженнях про бот-активність і маніпуляції в мережі.
Суть теорії можна звести до кількох тез:
- Значна частина контенту генерується автоматично.
- Соціальні взаємодії частково імітуються ботами.
- Алгоритми підсилюють штучно створену активність, створюючи ілюзію «живого» інтернету.
Популярність цієї ідеї підсилюється тим, що вона спирається на вимірювані дані. Наприклад, згідно з дослідженням компанії Imperva, у 2025 році вперше за десятиліття автоматизований трафік перевершив людську активність, складаючи 51% усього веб-трафіку. Водночас 37% бототрафіку становлять так звані шкідливі боти (malicious bots), які використовуються для скрейпінгу, накруток або атак.
Цікаво, що окремі представники індустрії також публічно визнають масштаб проблеми.
Наприклад, засновник Cloudflare Меттью Прінс зазначав, що «боти — це фундаментальна частина сучасного інтернету, і їх частка продовжує зростати». Виступаючи на конференції SXSW в Остіні, Принс зазначив, що стрімке зростання генеративного штучного інтелекту значно збільшує кількість ботів, що працюють в інтернеті.
Водночас важливо розуміти: теорія мертвого інтернету у своєму радикальному вигляді (де майже весь інтернет — штучний) не має наукового підтвердження. Проте як метафора вона досить точно описує тенденцію — зміщення балансу від людського контенту до алгоритмічного.
Це і робить її настільки популярною: вона пояснює відчуття штучності стрічок, повторюваності контенту та дивної поведінки аудиторій, з якими стикаються як звичайні користувачі, так і фахівці з трафіку.
Інтернет помер у 2016 році?
Твердження про «смерть» інтернету часто прив’язують саме до 2016 року — не як до буквальної дати, а як до переломного моменту. Саме тоді кілька масштабних подій продемонстрували, що онлайн-середовище може бути не просто каналом комунікації, а інструментом системного впливу, в якому роль ботів і штучної активності вже складно ігнорувати.
Найчастіше згадуються дві політичні кампанії:
- Президентські вибори у США 2016 року;
- Референдум щодо Brexit у Великій Британії.
У обох випадках дослідники фіксували масову присутність ботів у соціальних мережах. Наприклад, дослідження Oxford Internet Institute показало, що під час виборів у США значна частка політичного контенту в Twitter поширювалася автоматизованими акаунтами. Частина цих ботів не просто репостила контент, а імітувала поведінку реальних користувачів: вступала в дискусії, відповідала на коментарі, підсилювала певні наративи.
У випадку Brexit ситуація була подібною: аналіз соціальних медіа виявив координовані кампанії з використанням ботів для просування політичних меседжів.
Ключова зміна полягала не лише у масштабі, а й у сприйнятті. Якщо раніше ботів розглядали як технічну аномалію або інструмент спаму, то після 2016 року стало очевидно, що вони можуть:
- формувати інформаційний порядок денний;
- впливати на громадську думку;
- створювати ілюзію масової підтримки або протесту.
Окрему роль відіграли й платформи. Соціальні мережі, зокрема Facebook і Twitter, на той момент вже працювали на основі алгоритмічних стрічок, де контент ранжувався за показниками залученості. Це створювало сприятливе середовище для маніпуляцій: штучно згенеровані лайки, репости та коментарі безпосередньо впливали на видимість контенту.
Показовим є і кейс Cambridge Analytica, який став публічним у 2018 році, але базувався на даних і практиках, зібраних саме у 2016 році. Компанія використовувала персональні дані мільйонів користувачів Facebook для таргетованого політичного впливу. Хоча це не класичний приклад бот-мереж, кейс підсвітив іншу сторону проблеми — поєднання даних, алгоритмів і автоматизації.
У підсумку 2016 рік став моментом, коли:
- Масштаби штучної активності стали очевидними.
- Вплив ботів вийшов за межі маркетингу і торкнувся політики.
- Довіра до онлайн-взаємодій почала поступово знижуватися.
Саме після цього дискусії про «мертвий інтернет» почали набирати обертів — спочатку у вузьких колах дослідників і спеціалістів, а згодом і в ширшому інформаційному полі.
Зміна алгоритму Facebook і при чому тут македонські підлітки
2016 рік став переломним не лише через політичні події, а й через зміну логіки роботи соціальних платформ. Facebook переглянув принципи формування стрічки новин, зробивши акцент на залученості (engagement): реакції, коментарі, поширення. У результаті контент, який викликав сильні емоції — обурення, страх, здивування — отримував суттєво більше охоплення.
Це призвело до кількох ефектів:
- Нові сайти могли швидко отримувати значний трафік без репутації.
- Клікбейтні заголовки системно переважали нейтральні.
- Масштабування відбувалося майже миттєво — достатньо було одного вірусного поста.
Це створило сприятливі умови для поширення клікбейту та маніпулятивних матеріалів. Алгоритм не оцінював достовірність інформації — лише реакцію аудиторії. Відповідно, навіть сумнівний або відверто неправдивий контент міг швидко масштабуватись, якщо він «чіпляв».
Найбільш показовим прикладом стала історія з містом Велес у Північній Македонії. За даними журналістських розслідувань, десятки місцевих підлітків створювали сайти з політичними новинами, орієнтованими переважно на американську аудиторію. Їхня мотивація була суто економічною: заробіток на рекламних показах через Facebook-трафік.
Схема виглядала доволі просто:
- Створення сайтів із гучними, часто маніпулятивними заголовками.
- Публікація контенту з емоційним забарвленням (переважно політичного).
- Поширення матеріалів через Facebook-сторінки та групи.
- Отримання доходу від рекламних мереж за рахунок великого обсягу переходів.
У результаті підлітки з Велеса змогли генерувати тисячі доларів на місяць — суми, суттєві для локального контексту. У цьому кейсі важливо не лише саме існування фейкового контенту, а його ефективність. Алгоритми Facebook фактично підсилювали такі матеріали, оскільки вони демонстрували високі показники взаємодії.
У результаті:
- Органічне охоплення якісного контенту знижувалося.
- Інформаційне поле заповнювалося низькоякісними або маніпулятивними матеріалами.
- Економічна модель стимулювала масштабування саме такого підходу.
Цей кейс часто розглядається як ранній приклад контент-ферм, де виробництво інформації ставиться на потік і оптимізується під алгоритми платформи. І хоча тоді мова йшла переважно про людей, а не ботів, сама логіка вже була близькою до автоматизованої: швидкість, обсяг і оптимізація під метрики, а не під якість.
Один із учасників прямо за��начав, що тексти писалися з урахуванням того, що краще заходить у Facebook, а не з огляду на достовірність. Це важливий момент: уже тоді контент оптимізувався не під читача як такого, а під реакцію алгоритму.
Для теорії мертвого інтернету це важливий етап. Він демонструє, як поєднання алгоритмів і економічних стимулів може поступово змінювати природу контенту — навіть без повної автоматизації.
Кейс македонських підлітків показує, що трансформація інтернету почалася ще до масового поширення ШІ. Алгоритми, які винагороджують залученість, у поєднанні з простою моделлю монетизації створили умови, де контент виробляється як продукт для машинної обробки.
Наступним кроком стала поява інструментів, які дозволяють масштабувати подібні підходи вже без участі людини у кожній одиниці контенту.
Як Meta заробляє на мертвих душах?
Питання неавтентичного трафіку — це не лише технічна проблема, а й економічна. Рекламна модель соціальних платформ напряму залежить від обсягу показів і взаємодій, незалежно від того, хто саме стоїть за цими діями — людина чи бот.
У цьому контексті показовим став судовий кейс DZ Reserve v. Meta Platforms, Inc., поданий у 2021 році.
Позивачі звинувачували Meta у тому, що компанія:
- Завищувала потенційне охоплення реклами (estimated reach).
- Недостатньо ефективно боролася з фейковими акаунтами.
- Фактично монетизувала неякісний або неіснуючий трафік.
Суть претензії полягала в тому, що рекламодавці платять за доступ до аудиторії, яка частково може складатися з ботів або дублікатів акаунтів.
Що таке Potential Reach і чому це важливо
Potential Reach — це оцінка кількості користувачів, яким теоретично може бути показана реклама при заданих параметрах таргетингу. Цей показник використовується для планування кампаній і розрахунку бюджету.
Проблема полягає в тому, що це не фактичне охоплення; метрика базується на внутрішніх оцінках Meta; вона може включати акаунти, які не є активними або реальними.
У позові зазначалося, що ця цифра могла бути суттєво завищена, що впливало на рішення рекламодавців щодо витрат.
Чи задовольнили позов?
Meta у відповідь заявляла, що регулярно очищає платформу від фейкових профілів і публікує відповідну статистику. Наприклад, у квартальних звітах компанія неодноразово зазначала, що частка дублікатів акаунтів може сягати 11%, а фейкових — близько 5%.
Однак навіть ці офіційні цифри викликають запитання в індустрії. По-перше, методологія підрахунку залишається непрозорою. По-друге, не враховується значний пласт «сірої зони» — акаунтів, які формально виглядають як реальні, але використовуються для автоматизованої або напівавтоматизованої активності.
Суд у підсумку відхилив позов, зазначивши, що:
- Рекламодавці не надали достатніх доказів того, що вони були прямо введені в оману;
- Meta достатньо чітко описує природу своїх метрик як оцінкових;
- Potential Reach не є обіцянкою фактичного результату.
Однак важливо, що справа не спростувала сам факт існування проблеми — вона лише визначила, що у цьому конкретному випадку юридичних підстав для відповідальності недостатньо.
Яке значення мала справа DZ Reserve у контексті якості трафіку?
У ширшому контексті цей кейс ілюструє системну особливість рекламної екосистеми:
- Метрика показів важливіша за якість контакту.
- Алгоритми оптимізуються під engagement, а не під автентичність.
- Очищення від ботів відбувається, але не завжди випереджає їх створення.
Для платформ це баланс між довірою рекламодавців і зростанням бізнесу. Для ринку — джерело постійної невизначеності щодо реальної цінності трафіку.
Саме тому кейс DZ Reserve не став гучним прецедентом у юридичному сенсі, але залишився важливим індикатором: проблема не обмежується окремими шахрайськими схемами, вона вбудована в саму логіку цифрової реклами.
У поєднанні з автоматизацією та генеративним контентом це лише підсилює відчуття, що суттєва частка інтернет-економіки функціонує на «мертвих душах».
Що робити арбітражникам у «мертвому» інтернеті?
Зростання частки бот-трафіку та автоматизованого контенту змінює базові припущення, на яких будувався арбітраж: що клік — інтерес, а показ — шанс на конверсію. У середовищі, де значна частина взаємодій може бути неавтентичною, ці зв’язки послаблюються. Відповідно, акцент зміщується з масштабування на якість і валідацію.
Практичні підходи, які вже використовуються на ринку:
- Фільтрація та валідація трафіку:
- використання anti-bot рішень (DataDome, Cloudflare Bot Management);
- перевірка поведінкових патернів (time-on-site, scroll depth, послідовність подій);
- відсікання підозрілих ГЕО/ASN і аномальних піків.
Це знижує обсяг, але підвищує достовірність даних для оптимізації. Окремо варто враховувати, що сучасні боти вже імітують поведінку людини. Тому прості фільтри (типу «time-on-site < 3 секунди») поступово втрачають ефективність.
- Зміна ключових метрик:
- відмова від орієнтації на CTR/CPM як основні KPI;
- фокус на постклікових діях: конверсії, LTV, повторні візити;
- побудова власних моделей атрибуції, де «цінність» кліка перевіряється подальшою поведінкою.
Фактично, клік перестає бути значущою одиницею. Значення має лише підтверджена дія.
- Робота з first-party даними:
- збір і використання власних аудиторій (email, CRM, пікселі);
- побудова lookalike-моделей на основі підтверджених користувачів;
- зменшення залежності від «холодного» трафіку сумнівної якості.
Це дозволяє контролювати якість аудиторії і точніше оптимізувати кампанії.
- Контроль джерел і креативів:
- тестування майданчиків не лише за ціною, а й за якістю аудиторії;
- відмова від надмірного клікбейту, який часто приваблює нецільовий або бот-трафік;
- регулярний аудит партнерських мереж і субпаблішерів.
У класичному арбітражі масштабування часто відбувалося швидко: зв’язка працює — бюджет збільшується. Зараз цей підхід не завжди безпечний. Особливо це актуально для push-мереж, pop-трафіку, дешевих native-майданчиків. Саме там частка ботів традиційно вища.
- Використання ШІ, але з обмеженнями:
- автоматизація аналітики, виявлення аномалій, кластеризація трафіку;
- водночас ручна перевірка критичних гіпотез, щоб уникнути замкненого кола, де алгоритм оптимізується на неякісних даних.
Окремо варто враховувати, що генеративний ШІ ускладнює ідентифікацію неавтентичної активності. Якщо раніше ботів можна було визначити за шаблонною поведінкою, то зараз вони дедалі краще імітують реальних користувачів. Така стратегія підвищує вимоги до аналітики та тестування.
Арбітражникам також важливо підтримувати чітке співвідношення креативу і лендингу, давати реалістичні обіцянки та забезпечувати чітку сегментацію меседжів під різні аудиторії. Це дещо знижує обсяг трафіку, але підвищує передбачуваність результату.
У підсумку арбітраж переходить у більш інженерну фазу: менше інтуїції, більше валідації гіпотез і контролю якості даних. У середовищі, де частина інтернету справді працює як симуляція активності, критично важливо відокремити сигнал від шуму і будувати рішення на перевірених інсайтах.
Що кажуть арбітражники.