Введение

Большинство людей до сих пор думают, что X (Twitter) — это просто социальная сеть с постами, подписками и рекламой.

На самом деле X давно превратился в нечто другое.

Это уже не “лента друзей”. Не “микроблог”.

X — это:

глобальная машина распределения внимания

Система, которая:

• анализирует миллиарды действий,
• предсказывает человеческое поведение,
• решает, что люди увидят,
• определяет, какие идеи станут вирусными,
• и перераспределяет внимание между людьми, брендами, политиками, компаниями и рекламой.

Сегодня X — это смесь:

• recommendation engine,
• ad auction,
• social graph,
• behavioral prediction system,
• и attention marketplace.

И если понять, как это устроено, становится ясно:
популярность в X — это не “удача”.

Это результат взаимодействия человека с огромной машиной ранжирования внимания.

1. Что такое алгоритм X на самом деле

Большинство людей представляют алгоритм как:

если много лайков — пост показывается дальше

Но это крайне упрощённая модель.

На практике алгоритм X — это многоуровневая система, которая пытается ответить на один вопрос:

что удержит пользователя внутри платформы максимально долго

Потому что время внутри платформы:

• превращается в рекламу,
• превращается в данные,
• превращается в деньги.

2. Главная валюта X — внимание

X не продаёт подписчиков.
Не продаёт посты.
Не продаёт лайки.

X продаёт:

внимание пользователей

Причём внимание — ограниченный ресурс.

У человека:

• ограниченное время,
• ограниченная концентрация,
• ограниченное количество эмоций.

И тысячи систем борются за это:

• TikTok,
• YouTube,
• Instagram,
• Netflix,
• Telegram,
• игры,
• новости.

X конкурирует не с Twitter-подобными сервисами.

Он конкурирует за человеческое сознание.

3. Почему лента больше не хронологическая

Раньше Twitter был проще:
ты видел посты людей, на которых подписан.

Теперь почти всё иначе.

Лента X — это:

динамически ранжированный поток контента

Где одновременно смешиваются:

• подписки,
• рекомендации,
• вирусные посты,
• реклама,
• ответы,
• quote tweets,
• suggested accounts,
• promoted tweets.

И всё это проходит через ranking system.

4. Как X решает, что показать человеку

Каждый раз, когда ты открываешь приложение, система начинает процесс отбора.

Условно:

из миллионов возможных постов нужно выбрать несколько десятков

И сделать это так, чтобы:

• ты не закрыл приложение,
• продолжил скроллить,
• начал взаимодействовать,
• вернулся снова.

5. Какие сигналы анализирует алгоритм

Система анализирует огромное количество факторов.

5.1 Лайки

Не сами лайки важны.

Важно:

• кто лайкнул,
• как быстро,
• насколько эти люди “ценны” для системы.

Лайк от случайного бота ≠ лайк от активного пользователя с высокой вовлечённостью.

5.2 Время просмотра

Это один из самых важных факторов.

Если человек:

• остановился,
• читал,
• перечитывал,
• открыл комментарии,

то система понимает:

контент удерживает внимание

5.3 Replies

Ответы невероятно ценны.

Почему?

Потому что reply:

• создаёт дискуссию,
• удерживает людей,
• вызывает повторные открытия приложения.

5.4 Quote tweets

Quote tweet особенно важен, потому что:

• переносит пост в другие social graphs,
• создаёт вторичную волну распространения.

5.5 Переоткрытия

Если человек:

• увидел пост,
• закрыл приложение,
• потом снова открыл и нашёл этот пост,

это очень сильный сигнал.

6. Почему негативный контент часто вирусится

Потому что негатив:

• вызывает эмоции,
• вызывает конфликты,
• увеличивает replies,
• увеличивает время внутри приложения.

Система не “любит зло”.

Она любит:

интенсивную вовлечённость

7. Почему ragebait раньше работал особенно хорошо

Ragebait — это контент, специально вызывающий:

• злость,
• споры,
• конфликты.

Например:

• провокационные мнения,
• токсичные тейки,
• политические вбросы.

Это работает потому что:

• люди отвечают,
• спорят,
• пересылают,
• возвращаются к обсуждению.

8. Почему X начал ограничивать токсичность

Потому что рекламодатели не любят хаос.

Большие бренды не хотят:

• стоять рядом с экстремизмом,
• токсичностью,
• политическим адом.

Поэтому X балансирует между:

• удержанием внимания,
• и “безопасностью” среды для рекламы.

9. Как работает реклама внутри X

Реклама в X — это не “баннеры”.

Это auction system.

10. Что происходит, когда открывается лента

Система:

• генерирует кандидатов,
• прогнозирует реакцию,
• сравнивает рекламодателей,
• ранжирует рекламу.

11. Что такое ad auction

Допустим:
три компании хотят показать тебе рекламу.

У каждой:

• свой бюджет,
• ставка,
• качество объявления,
• прогноз вовлечённости.

X пытается понять:

какая реклама принесёт максимум денег не разрушив пользовательский опыт

12. Почему самая дорогая реклама не всегда выигрывает

Потому что система оценивает:

• вероятность клика,
• вероятность просмотра,
• вероятность раздражения,
• влияние на retention.

Если реклама ухудшает experience,
её могут показывать меньше.

13. Что такое attention graph

Это одна из важнейших идей.

Раньше были:

• social graphs,
• подписки,
• друзья.

Теперь важнее:

где находится внимание людей

Например:
если все обсуждают AI —
алгоритм начинает усиливать AI-контент.

14. Почему replies стали настолько важны

Reply — это способ встроиться в чужой attention graph.

Ты:

• не создаёшь внимание с нуля,
• а подключаешься к уже существующему потоку.

Именно поэтому:

• ранние ответы,
• сильные комментарии,
• провокационные мысли,

могут набирать огромные просмотры.

15. Почему small accounts иногда взрываются

Потому что X не полностью завязан на подписчиках.

Если пост:

• вызывает удержание,
• discussion density,
• высокий dwell time,

алгоритм может начать масштабировать его.

16. Почему аккаунты иногда “умирают”

Система постоянно переоценивает trust score аккаунта.

Учитываются:

• spam patterns,
• резкие всплески активности,
• одинаковые replies,
• mass following,
• automation signals,
• блокировки,
• жалобы.

17. Что происходит после ограничений аккаунта

После:

• блокировок,
• shadow restrictions,
• spam detection,

аккаунт попадает в зону недоверия.

И дальше алгоритм начинает:

• ограничивать reach,
• тестировать качество поведения,
• снижать distribution.

18. Почему Premium и верификация важны

Потому что это:

• identity signal,
• economic signal,
• anti-spam signal.

X понимает:

• пользователь платит,
• подтвердил документы,
• меньше похож на disposable spam account.

Но это НЕ гарантирует охваты.

Это лишь снижает риск недоверия.

19. Почему старые аккаунты ценнее

Возраст аккаунта —
очень сильный trust factor.

Потому что:

• спамеры часто создают новые аккаунты,
• старые аккаунты исторически безопаснее.

20. Почему X любит видео

Видео:

• удерживает внимание дольше,
• увеличивает session time,
• создаёт больше ad opportunities.

Особенно:

• короткие видео,
• эмоциональные видео,
• нативные видео.

21. Как X строит профиль пользователя

Платформа постепенно создаёт:

behavioral embedding

Условно “цифровой психологический профиль”.

Система понимает:

• чем интересуется человек,
• как он реагирует,
• какие темы вызывают эмоции,
• какие люди ему интересны.

22. Почему X сейчас особенно важен для AI и founders

Потому что:

• discussion density очень высокая,
• новости распространяются быстро,
• network effects сильные,
• opinion leaders влияют мгновенно.

X стал:

• полем идей,
• battlefield narratives,
• распределительной системой влияния.

23. Почему distribution стал важнее продукта

Сегодня создать продукт проще, чем получить внимание.

AI резко удешевил:

• разработку,
• дизайн,
• контент.

Но внимание осталось ограниченным.

Поэтому:

• distribution,
• audience,
• reach,
• attention capture,

стали главным активом.

24. Что на самом деле означает “стать популярным”

Это не “набрать подписчиков”.

Это:

научиться регулярно входить в потоки внимания

Снова и снова.

25. Главная идея всей системы

X — это не социальная сеть в старом понимании.

Это:

глобальный рынок человеческого внимания

Где:

• алгоритмы управляют распределением видимости,
• реклама конкурирует за секунды сознания,
• люди конкурируют за эмоциональную реакцию,
• а популярность становится функцией удержания внимания.

Именно поэтому:

• идеи могут становиться вирусными за часы,
• неизвестные аккаунты могут резко вырастать,
• а внимание превращается в деньги, влияние и власть.

26. Архитектура recommendation system

Большинство людей представляют алгоритм X как:

• “если пост хороший — его покажут”,
• “если много лайков — он полетит”.

Но реальная recommendation system устроена намного сложнее.

Проблема X не в том:

как отсортировать 100 постов

А в том:

как из сотен миллионов постов за доли секунды выбрать несколько десятков

Это уже задача распределённых систем, машинного обучения и realtime-ranking.

27. Candidate Generation — самая важная часть системы

Перед тем как что-то показать человеку,
система сначала должна найти кандидатов.

Это называется:

candidate generation

Условно система делает так:

Шаг 1

Берёт:

• подписки,
• популярные посты,
• похожие интересы,
• активные discussions,
• тренды,
• replies.

Шаг 2

Из этого генерирует:

• 500,
• 1000,
• иногда тысячи кандидатов.

Шаг 3

Только потом ranking system начинает решать:
что реально попадёт в ленту.

Почему candidate generation настолько важен

Потому что:

если пост не попал в candidate pool его не существует

Даже если он очень качественный.

28. Embeddings — как X “понимает” людей и контент

Современные recommendation systems почти полностью завязаны на embeddings.

Что такое embedding

Условно:

математический отпечаток поведения

Система создаёт embeddings:

Для пользователей

• интересы,
• поведение,
• реакции,
• темы,
• политические взгляды,
• стиль взаимодействия.

Для контента

• тема,
• эмоциональность,
• токсичность,
• вероятность engagement,
• semantic similarity.

То есть X уже работает не только через:

• подписки,
• лайки,
• follows.

А через:

поведенческую похожесть

Например

Если:

• ты читаешь founders,
• AI,
• стартапы,
• systems thinking,
• инфраструктуру,

то система начинает искать:
не только тех, на кого ты подписан,
а людей с похожими behavioral vectors.

29. Exploration vs Exploitation

Это одна из главных проблем recommendation systems.

Exploitation

Показывать человеку:
то, что ему уже нравится.

Например:

• AI,
• crypto,
• politics,
• startups.

Exploration

Периодически тестировать:
новые темы,
новых людей,
новые форматы.

Почему это важно

Если recommendation engine будет делать только exploitation:

лента станет предсказуемой

И retention начнёт падать.

Поэтому X постоянно балансирует:

знакомое vs неожиданное

Именно поэтому в ленте появляются:

• странные посты,
• новые авторы,
• неожиданные темы.

Система тестирует:
можно ли расширить твой attention profile.

30. Глубокий economics layer

На самом деле X оптимизирует не лайки.

И даже не время просмотра.

Платформа пытается максимизировать:

long-term expected user value

То есть:

• сколько денег принесёт пользователь,
• сколько времени останется,
• как часто возвращается,
• кликает ли по рекламе,
• насколько токсичен,
• приводит ли других пользователей.

Потому что пользователь может:

Быть:

• токсичным,
• конфликтным,
• но удерживающим внимание.

И это выгодно краткосрочно.

Но:

Если из-за него:

• уходят рекламодатели,
• уходят пользователи,
• ухудшается бренд платформы,

то long-term platform value падает.

Поэтому платформы постоянно балансируют:

short-term engagement vs long-term ecosystem stability

31. Trust / Reputation Systems

У аккаунта почти наверняка существует внутренний trust profile.

Он может включать:

• возраст аккаунта,
• историю поведения,
• частоту блокировок,
• spam patterns,
• automation signals,
• качество аудитории,
• velocity активности,
• репорты,
• reputation connected graph.

То есть система оценивает:

насколько аккаунт похож на человека а не на спам-машину

Именно поэтому опасны:

• mass following,
• одинаковые replies,
• automation,
• резкие всплески активности.

После ограничений аккаунт может попасть в:

low trust zone

Где система:

• уменьшает distribution,
• ограничивает visibility,
• тестирует поведение заново.

32. Graph Propagation — как пост становится вирусным

Пост не “вылетает” сразу на всю платформу.

Обычно распространение идёт волнами.

Сначала:

маленький кластер.

Например:

• подписчики,
• mutuals,
• близкие behavioral groups.

Потом:

если engagement хороший —
система расширяет distribution.

Далее:

пост начинает попадать в:

• соседние interest clusters,
• новые social graphs,
• рекомендации.

То есть вирусность — это не бинарное состояние.

Это:

iterative propagation process

Условно:

small cluster → larger cluster → adjacent clusters → mass distribution

33. Creator Economics

X уже давно не просто платформа для общения.

Это creator ecosystem.

Платформа заинтересована в creators,

потому что creators:

• производят контент,
• удерживают аудиторию,
• создают discussions,
• приводят пользователей.

Поэтому X строит incentives:

• monetization,
• ad revenue sharing,
• Premium,
• creator payouts,
• algorithmic amplification.

Но проблема платформы:

слишком сильная монетизация ломает organic authenticity

Потому что creators начинают:

• фармить engagement,
• ragebait’ить,
• спамить,
• оптимизироваться под алгоритм.

И платформа вынуждена:

одновременно:

• усиливать creators,
• и бороться с creator spam.

34. AI Moderation

Ручная модерация давно не справляется.

X работает в realtime-масштабах.

Поэтому огромная часть платформы —

это AI moderation systems.

Они анализируют:

• spam,
• bot behavior,
• harassment,
• NSFW,
• manipulation,
• brigading,
• coordinated campaigns.

Причём moderation —

это не только delete/ban.

Система может:

• уменьшать reach,
• ограничивать recommendations,
• понижать visibility,
• скрывать replies,
• снижать distribution probability.

То есть moderation встроена прямо внутрь ranking system.

35. Warfare / Influence Operations

Современный X —
это уже не просто соцсеть.

Это:

глобальное поле информационной войны

Потому что через X:

• двигаются narratives,
• влияют на общественное мнение,
• двигают рынки,
• двигают политические идеи,
• координируют сообщества.

Поэтому платформе приходится бороться с:

• bot networks,
• influence campaigns,
• coordinated manipulation,
• synthetic engagement,
• artificial amplification.

И это создаёт огромную проблему:

Платформа должна:

• сохранять свободу распространения идей,
• но одновременно ограничивать manipulation systems.

В результате современный X —

это смесь:

• recommendation engine,
• behavioral prediction system,
• advertising marketplace,
• moderation infrastructure,
• influence battlefield,
• и глобальной машины распределения внимания.

Финальная мысль

Большинство пользователей видят:

• посты,
• лайки,
• подписчиков.

Но под этим находится гигантская система,
которая в realtime:

• прогнозирует поведение,
• управляет distribution,
• оценивает trust,
• балансирует удержание,
• оптимизирует рекламу,
• модерирует контент,
• и перераспределяет человеческое внимание по всей платформе.

P.S.

Эта статья была написана после длительного анализа того,
как устроены recommendation systems, attention platforms и сам алгоритм X.

Большая часть людей видит только:
лайки,
посты,
подписчиков.

Но под поверхностью современных платформ находятся:
ranking systems,
behavioral models,
economics layers,
trust systems,
AI moderation,
и инфраструктура распределения внимания в realtime.

Если вам интересны:
разборы систем,
алгоритмов,
attention economy,
AI,
platform economics,
distribution,
и устройство современных цифровых платформ —

можете посмотреть мой YouTube:

Автор: Kirill Bereznev