اقتصاد الانتباه: كيف تُحوّل شركات التقنية الكبرى تركيزك إلى ربح

في عام 2017، ألقى شون باركر — الرئيس المؤسس لفيسبوك — خطابًا لم يكن من المفترض أن يكون بهذا الصراحة. "كيف نستهلك أكبر قدر ممكن من وقتك وانتباهك الواعي؟" هكذا وصف السؤال المؤسس للمنصة. الإجابة التي توصلوا إليها كانت استغلال "ثغرة في علم النفس البشري" بمنح الناس "جرعة دوبامين صغيرة" كلما أعجب أحدهم بمنشور أو علّق عليه. وصف هذا بأنه شيء فعلوه "بوعي." ووصف نفسه ومارك زوكربيرغ بأنهما كانا يعرفان "بالضبط ما نفعله."

نال الخطاب الاهتمام لأسبوع واحد. المنتج لم يتغيّر.

صياغة باركر — الدوبامين، الثغرة، الاستغلال — دقيقة في جوهرها لكنها غير دقيقة قليلًا في آليتها. الواقع العصبي أكثر إثارة للاهتمام، وفهمه يفسّر ليس فقط ما تفعله هذه الشركات، بل لماذا ينجح الأمر بهذا القدر من الموثوقية، وما الذي تكلّفه تلك الموثوقية.

الآلية الفعلية

صياغة الدوبامين منتشرة في كل مكان وهي ليست دقيقة تمامًا. يُفرَز الدوبامين توقعًا للمكافأة، لا استجابة لها. لحظة فحص هاتفك — قبل أن تعرف ما إذا كان هناك إشعار — هي جرعة الدوبامين. الإشعار نفسه يكاد يكون هامشيًا. ما يجعل التعزيز المتغير النسبة قويًا إلى هذا الحد (الآلية التي حدّدها بي. إف. سكينر في تجاربه خلال خمسينيات القرن الماضي مع الحمام وآلات القمار) هو أن المكافأة تظهر وفق جدول غير قابل للتنبؤ. التعزيز الثابت النسبة — مكافأة في كل فحص خامس — يفقد جاذبيته سريعًا. أما التعزيز المتغير النسبة — مكافأة أحيانًا في الفحص الثاني، وأحيانًا في الخمسين — فهو الجدول الأكثر مقاومة للانطفاء. وهو أيضًا الجدول الذي صُمّمت وفقه آلات القمار، وميزة "السحب للتحديث"، وتصفح إنستغرام.

قال لورين بريكتر — مصمم ميزة "السحب للتحديث" في تويتر — في مقابلة عام 2017 إنه يندم عليها. ليس لأنها كانت ذكية، بل لأنها كانت ذكية أكثر مما ينبغي: "الهواتف الذكية أدوات مفيدة، لكنها إدمانية. السحب للتحديث إدماني. تويتر إدماني. هذه ليست أشياء جيدة."

للآلية كلفة قابلة للقياس. أمضت غلوريا مارك في جامعة كاليفورنيا-إيرفاين عقدين من الزمن في قياس المدة التي يحافظ فيها الناس على تركيزهم على مهمة رقمية واحدة قبل التبديل عنها. عام 2004، كان المتوسط دقيقتين ونصف. وبحلول 2012، أصبح 75 ثانية. وفي أحدث دراساتها، بات 47 ثانية. يترافق هذا التراجع مع صعود الهواتف الذكية والإشعارات الفورية. لا يعني هذا سببية واضحة. لكنه رقم لافت للتأمل فيه: نافذة العمل المتواصلة اليوم أقصر من فاصل إعلاني نمطي.

نموذج العمل هو التصميم

اقتصاد الانتباه ليس استعارة. إنه نموذج اقتصادي محدد يكون فيه المستخدم هو المنتج، والانتباه هو المخزون، والمعلن هو الزبون. بلغت إيرادات الإعلانات لأكبر خمس منصات انتباه — ميتا وغوغل وتيك توك وسناب وتويتر/إكس — نحو 400 مليار دولار عام 2024. كل دولار من تلك الإيرادات هو دولار دفعه معلن للوصول إلى انتباه مستخدم. وكلما زاد الانتباه الذي تلتقطه المنصة، زاد المخزون المتاح لبيعه.

بلغ متوسط إيراد ميتا لكل مستخدم في الولايات المتحدة وكندا 233.42 دولارًا عام 2024. تلك هي القيمة السنوية لانتباه مستخدم أمريكي واحد لميتا وحدها. رقم غوغل المكافئ، عبر البحث ويوتيوب، أعلى. رقم تيك توك في ارتفاع. عبر منظومة الإعلان الكاملة — ميتا وغوغل وتيك توك والتلفزيون المتصل والعرض البرمجي — تتجاوز الإيرادات السنوية العائدة لانتباه البالغ الأمريكي المتوسط الرقمي 500 دولار.

هذا ليس شرًا بطبيعته. الانتباه بيع دائمًا — باعت الصحف انتباه القراء للمعلنين، وباع التلفزيون انتباه المشاهدين، وباعت الإذاعة انتباه المستمعين. ما تغيّر هو دقة الاستهداف، وحميمية الجهاز، وتطور التحسين.

دقة الاستهداف هي الفارق الجوهري. كان بإمكان معلن في صحيفة تسعينية أن يستهدف عبر ديموغرافيا قراء المطبوعة. أما معلن في ميتا عام 2024 فيمكنه الاستهداف بحسب الحالة الاجتماعية الحالية، والحدث الحياتي الأخير، والانتماء السياسي (المُستنتَج من الإعجابات بالصفحات)، وشريحة الدخل (المُنمذَجة من الرمز البريدي وسلوك الشراء)، وما إذا كان المستخدم قد تصفح مؤخرًا منتجات المنافسين. المخزون ليس الانتباه عمومًا. إنه انتباهك أنت تحديدًا، مطابَق مع ملف زبون المعلن.

تطور التحسين مهم لأنه يعني أن المنتج لا يصممه بشر. يصممه التعلم المعزز. خوارزمية ترتيب الخلاصة ليست محررًا بشريًا يقرر ما ينبغي أن تراه. إنها محسِّن مُدرَّب على هدف تعظيم التفاعل — الوقت على المنصة، معدل النقر، معدل المشاركة — ويعمل منذ سنوات على مئات ملايين المستخدمين. كل ميزة تتفاعل معها اختُبرت مقارنة بعشرات البدائل. الصيغة الفائزة كانت تلك التي أبقت انتباهك أطول. أنت نقطة بيانات في مجموعة تدريب.

Zuloma — مقالات

ما الذي تدفعه فعليًا

العملة ليست المال. إنها الوقت والسعة المعرفية، ولكلاهما تكاليف قابلة للقياس.

كلفة الوقت مباشرة. إذا أمضيت ثلاث ساعات يوميًا على منتجات منصات الانتباه — وهو رقم يتسق مع متوسط استخدام الهواتف الذكية في الولايات المتحدة — فأنت تُمضي نحو 1,100 ساعة سنويًا، أي ما يعادل 27 أسبوع عمل كامل من أربعين ساعة. أما إذا كان هذا الوقت مُستثمَرًا جيدًا فتلك مسألة شخصية. النقطة البنيوية هي أن إيرادات المنصة تعتمد على أن تُمضي منه أكبر قدر ممكن.

كلفة السعة المعرفية أدق. الانتباه ليس متجددًا إلى ما لا نهاية خلال اليوم. تشير الأبحاث حول الاستنزاف المعرفي — عمل باوماستر عن استنزاف الأنا، رغم الجدل حوله، والأدبيات الأوسع عن إرهاق القرار — إلى أن جودة التفكير المركّز تتدهور مع الاستخدام. ما لا جدال فيه هو أن التبديل بين السياقات مكلف. كل تبديل من عمل مركّز إلى إشعار والعودة يتطلب فترة إعادة توجّه تقدّرها أبحاث مارك بـ23 دقيقة للعودة الكاملة للتفاعل. 47 ثانية من متوسط التركيز، مع كلفة عودة قدرها 23 دقيقة لكل مقاطعة، وصف جيد نسبيًا ليوم عمل تكون فيه طبقة الإشعارات مفعّلة دائمًا.

الكلفة الثالثة أقل قابلية للقياس لكنها ربما الأكثر أهمية: تجانس ما تقرأه وتفكر فيه. الخلاصة المُحسَّنة للتفاعل ليست مصممة لتعرّضك لأفكار تتحدى افتراضاتك المسبقة — فالاختلاف يولّد إشارات تفاعل سلبية (إلغاء المتابعة، التصويت السلبي، الخروج) تتعلم الخوارزمية تجنبها. الخلاصة التي تُعظّم تفاعلك هي خلاصة تؤكد ما تؤمن به بالفعل، وتُبرز محتوى تجده مسليًا بالفعل، وتُبعدك عن احتكاك مواجهة موقف مُحكَم الحجة تختلف معه. هذا ليس خللًا. إنه ما يتقارب إليه المحسِّن حين يكون الهدف هو التفاعل.

الطرق المحدودة لتغيير علاقتك به

تحرّك التنظيم ببطء. قانون الخدمات الرقمية للاتحاد الأوروبي، الذي دخل حيز التنفيذ عام 2024، يُلزم المنصات الكبرى بالسماح للمستخدمين بالانسحاب من خوارزميات التوصية وتوفير خيار خلاصة "غير مُخصَّصة." تقدم ميتا وتيك توك الآن كلتاهما خلاصات زمنية نتيجة لذلك. تشير بيانات الاستخدام إلى أن معظم المستخدمين يعودون إلى الخلاصة الخوارزمية خلال أسبوع.

التخفيف الفردي ممكن لكنه يتطلب تصميمًا متعمدًا. النُهج الناجحة بنيوية لا تعتمد على قوة الإرادة: إزالة التطبيقات من الشاشة الرئيسية (تعتمد على الاحتكاك)، وإيقاف كل الإشعارات الفورية باستثناء الرسائل المباشرة (تقليل المقاطعات)، واستخدام حدود زمنية للتطبيقات مفروضة عبر أدوات مراقبة وقت الشاشة بدلًا من المراقبة الذاتية. سبب فشل النُهج القائمة على الإرادة أنك توظّف موارد معرفية محدودة وقابلة للاستنزاف ضد خصم يعمل بالتعلم المعزز ولا يتعب أبدًا.

التغيير الأعمق يكمن في فهم ما أنت عليه داخل المنتج. أنت لست الزبون. أنت المخزون. المنتج هو انتباهك، يُباع بسعر لا تفاوض عليه ولا تراه. الغرض من هذا التأطير ليس إثارة الغضب. بل تحقيق الوضوح. وضوح حول ما يُحسِّن المنتج من أجله فعليًا، وما إذا كان ذلك هو نفسه ما تريده لنفسك.

إجابة باركر عن سؤاله الخاص — "كيف نستهلك أكبر قدر ممكن من وقتك وانتباهك الواعي؟" — كانت التعزيز المتغير النسبة، وحلقات التصديق الاجتماعي، وخوارزمية مُدرَّبة على التفاعل. نجح الأمر. السؤال الذي يستحق طرحه الآن هو ما إذا كان الوقت الذي يستهلكه وقتًا كنت ستختار قضاءه هناك، لو كان الاختيار متعمدًا تمامًا.

---

المصادر

• Parker, S. (2017). Axios interview on Facebook's founding intent. axios.com
• Mark, G. (2023). Attention Span: A Groundbreaking Way to Restore Balance, Happiness and Productivity. Hanover Square Press.
• Skinner, B.F. (1957). Schedules of Reinforcement. Appleton-Century-Crofts.
• Meta. (2024). Q4 2024 Earnings Release: Revenue per User. investor.fb.com
• Alter, A. (2017). Irresistible: The Rise of Addictive Technology and the Business of Keeping Us Hooked. Penguin Press.
• Harris, T. (2017). How a handful of tech companies control billions of minds every day. TED.
• Brichter, L. (2017). The Guardian interview. theguardian.com
• European Parliament. (2022). Digital Services Act. eur-lex.europa.eu