По мнению к.ф-м.н., доцента Кафедры математики и анализа данных Финансового университета Савиной Светланы Владимировны, развитие цифровой инфраструктуры и экспансия онлайн-торговли коренным образом изменили ландшафт повседневного потребления. Значительная часть бытовых покупок, оформления подписок и заказа услуг сегодня опосредована платформами, функционирующими на основе рекомендательных алгоритмов. Эти системы, обрабатывая массивы поведенческих и демографических данных, превращают потребительский спрос из величины, внешне заданной по отношению к рынку, в элемент, управляемый экосистемой платформы. В российских условиях данный сдвиг накладывается на общий рост доли онлайн-канала: согласно отраслевым данным, в 2025 году маркетплейсы концентрировали свыше 60% онлайновых продаж.
Теоретическое осмысление этого влияния требует синтеза классических моделей планируемого поведения и подходов современной поведенческой экономики. Исследователи отмечают, что под воздействием алгоритмических подсказок у пользователей усиливаются когнитивные искажения. Это происходит в условиях информационной перегрузки, которая является характерной для цифровой среды. Алгоритмы снижают издержки поиска и задают новые ориентиры. Они выделяют конкретные диапазоны цен и ограничивают визуальное разнообразие предложений товаров и услуг.
Несмотря на значительный корпус исследований, посвящённых бизнес-эффектам рекомендаций – росту конверсии и удержанию клиентов, а также этическим рискам алгоритмического управления, заметно слабее изучен вопрос о том, как взаимодействие с этими системами отражается на структуре расходов домохозяйств с фиксированным доходом.
Рекомендательные системы встраиваются в мотивационную структуру потребления, задействуя базовые потребности, выделяемые в теории выбора: принадлежность, удовольствие и власть. Развлекательные и социальные компоненты интерфейсов – геймификация, публичные рейтинги, отзывы – стимулируют потребность в признании и получении удовольствия, превращая взаимодействие с платформой в эмоционально насыщенный процесс.
Возникающий в результате сдвиг в сторону более частых, но мелких транзакций укладывается в логику экономики внимания. Платформы стремятся наращивать вовлечённость, превращая время контакта и пользовательские данные в основные ресурсы для извлечения прибыли. В этом контуре рекомендации связывают захват внимания с конверсией в покупку, а сам дизайн интерфейса – блоки «вам может понравиться», сценарии покупки «в два клика» – выступает материальным носителем алгоритмической власти над расходами.
Важно оговориться, что перераспределение расходов не всегда носит деструктивный характер. Автоматизация повторяющихся покупок и подбор оптимальных подписок способны повышать субъективную полезность и удобство. В категориях с низкой степенью исследовательского интереса и низкими рисками алгоритмическая повторяемость оказывается функционально выгодной, поскольку сокращает когнитивные издержки. Однако ориентация дизайна на извлечение прибыли создаёт асимметрию между интересами платформ и потребителей. Это усиливает эффект якоря высокой цены, тогда как субъективное благополучие остаётся без изменений.
Рекомендательные алгоритмы функционируют в экономике домохозяйств не как нейтральный инструмент поиска, а как структурирующий механизм, перераспределяющий расходы между каналами и категориями потребления. Высокая степень зависимости от алгоритмических подсказок связана с ростом доли онлайн-трат, увеличением числа мелких транзакций и концентрацией спроса на ограниченном круге брендов. При этом общий объём расходов и субъективная удовлетворённость могут оставаться стабильными, что маскирует постепенную утрату автономии в принятии решений.
Практическая ценность работы состоит в том, что она позволяет иначе взглянуть как на устройство рекомендательных систем, так и на поведение покупателей. Для бизнеса полученные выводы означают, что рост продаж достигается не за счёт увеличения общей суммы трат, а за счёт перераспределения уже существующих расходов. Платформа не расширяет бюджет пользователя, а забирает долю, которая прежде доставалась офлайн-магазинам или иным товарным категориям. В этом кроется и основной риск: избыточно агрессивная эксплуатация импульсивности и когнитивных ловушек способна со временем вызвать у потребителя дискомфорт, заставить его избегать сервис или спровоцировать вмешательство регулирующих органов.
Для банков и финтех-компаний открывается двойственная ситуация. С одной стороны, анализ транзакций клиентов уже позволяет формировать персонализированные предложения, например начислять кешбэк в тех категориях, где человек и без того активно тратит. С другой – те же данные допустимо использовать не для разогрева спроса, а для защиты: система могла бы предупреждать пользователя, когда его расходы под воздействием рекомендаций начинают отклоняться от привычного коридора. Иными словами, банк способен не только подталкивать к покупкам, но и сигнализировать о заметном росте трат на подписки и импульсные товары в текущем месяце.
Наконец, наиболее очевидный и пока недостаточно реализованный шаг – передача части настроек в руки пользователя. Речь идёт не об отказе от рекомендаций, а о возможности управлять их характером. В настройках профиля можно было бы задавать лимит на сумму рекомендованных товаров, временно исключать из показа отдельные категории или выбирать режим «экономия», при котором алгоритм подбирает не самый маржинальный, а наиболее выгодный по цене вариант. Подобные инструменты уже обсуждаются как способ вернуть пользователю чувство контроля над личным бюджетом, не лишая его привычного удобства.
Полученные результаты подтверждают применимость концепции алгоритмически ограниченной рациональности: снижение когнитивных издержек выбора сопровождается переносом части суверенитета над бюджетом к цифровым посредникам, чья коммерческая мотивация нередко остаётся скрытой. В российских условиях, где алгоритмическая инфраструктура уже стала критически значимым элементом торговой и платёжной систем, а законодательное регулирование продолжает формироваться, осмысление описанных механизмов приобретает особое значение.
Таким образом, в долгосрочной перспективе центральной задачей становится поиск равновесия между эффективностью персонализированного маркетинга и сохранением экономической самостоятельности потребителя. Её решение требует согласованных действий по трём направлениям: развития регулирования, внедрения ответственного алгоритмического дизайна и формирования у пользователей критической цифровой грамотности, позволяющей осознавать влияние рекомендательных систем на повседневные расходы и осмысленно ими управлять.