«Фабрики личин»: действительно ли агрегаторы знакомств и вакансий создают иллюзию реальности?
Предварительный вывод
Ваша гипотеза убедительна в своей основной части, но в максимально жёсткой формулировке требует корректировки. Цифровые агрегаторы действительно создают отфильтрованное представление о людях, вакансиях и возможностях. Их интерфейсы, правила ранжирования и коммерческие стимулы могут усиливать самопрезентацию, конкуренцию за внимание и разрыв между тем, что видно на экране, и тем, что происходит в действительности.
Но из этого не следует, что все данные таких платформ ложны или что использовать их для жизненных решений методологически недопустимо. Более точный вывод таков:
Агрегатор показывает не саму реальность, а её представление, сформированное пользователями, правилами платформы и её бизнес-моделью. Ошибка возникает, когда это представление принимают за прямое и полное измерение реальности.
Это существенно и для Tinder, и для hh.ru, SuperJob, Работа.ру, Badoo и Mamba. Однако степень искажения зависит от конкретного показателя, платформы, рынка и способа проверки. Поэтому исследование должно различать подтверждённые механизмы искажения, правдоподобные гипотезы и утверждения, для которых пока недостаточно доказательств.
Ниже я разбираю вашу гипотезу по составляющим, сопоставляю механизмы двух типов агрегаторов и обозначаю, какие выводы можно сделать для практики. Для проверки использую исследования и документацию платформ, а не только пользовательские отзывы или отдельные истории.
1. Что именно означает «фабрика личин»
Это понятие можно превратить из метафоры в проверяемую научную модель. Для этого важно разделить четыре процесса, которые часто смешивают.
1. Самопрезентация
Человек выбирает, что показать, что опустить и как выгоднее описать себя. Соискатель подчёркивает достижения и навыки; пользователь приложения знакомств выбирает фотографии и детали биографии.
2. Стандартизация
Платформа задаёт поля анкеты, шаблоны, категории, фильтры и формат сравнения. Человека приходится представлять в удобных для системы единицах: «стаж — пять лет», «ожидаемая зарплата — X», «интересы — Y».
3. Алгоритмический отбор
Пользователь видит не всё множество людей или возможностей, а отобранные, отсортированные и рекомендованные объекты. Поэтому наблюдаемая витрина зависит не только от реальности, но и от алгоритма показа.
4. Коммерческое посредничество
Платформа может зарабатывать на подписке, продвижении, доступе к контактам и инструментах повышения видимости. Это создаёт потенциальный конфликт интересов: пользователю нужно получить результат, а платформе — сохранить ценность своего посредничества.
Эта схема согласуется с теорией Эрвинга Гофмана: в социальном взаимодействии люди управляют впечатлением о себе, подобно тому как актёр формирует образ перед аудиторией.
Но из Гофмана не следует, что всякая самопрезентация — обман.
Человек может показывать реальную, но отобранную часть себя.
Это различие принципиально: «личина» может быть не фальшивкой, а селективной и выгодно оформленной версией действительности.
Именно здесь первоначальная гипотеза наиболее сильна: проблема не обязательно в том, что все лгут, а в том, что система делает отобранное представление основным объектом наблюдения и сравнения.
2. Проверка четырёх основных тезисов
Тезис A. Пользователи идеализируют себя
Подтверждён частично, с прямыми эмпирическими данными
Исследование Toma, Hancock и Ellison, опубликованное в 2008 году, сопоставило анкеты 80 пользователей сайтов знакомств с измерениями их физических характеристик. Расхождения встречались часто, но обычно были небольшими. Участники также сообщали, что фотографии были менее точны, чем информация об отношениях. Это подтверждает стратегическую самопрезентацию, но не тезис о том, что большинство профилей полностью вымышлены.
https://pubmed.ncbi.nlm.nih.gov/18593866/
https://journals.sagepub.com/doi/abs/10.1177/0146167208318067
Тезис B. Платформа влияет на то, кто получает внимание
Tinder официально сообщает, что при подборе учитывает активность пользователей, близость, предпочтения, интересы и сигналы из фотографий. Платные подписки могут давать приоритет лайкам и включать Boost — временное повышение видимости профиля. Следовательно, выдача — не нейтральное окно в совокупность потенциальных партнёров: на неё влияют правила платформы и платные функции.
Тезис C. Данные агрегаторов вакансий не равны всему рынку труда
Подтверждён исследованиями
Исследования ILO, OECD и Cedefop указывают, что данные онлайн-вакансий могут быть смещены по отраслям, профессиям, регионам и типам работодателей. Часть найма идёт через внутренние переходы, рекомендации и другие каналы, не оставляющие обычной публичной вакансии. Это значит, что объявления нельзя автоматически считать репрезентативной переписью всех рабочих мест.
International Labour Organization https://www.ilo.org/publications/methodological-issues-related-use-online-labour-market-data
https://www26.cedefop.europa.eu/en/publications/6217
Тезис D. Данные платформ поэтому вообще нельзя использовать
В такой формулировке не подтверждён
Из наличия смещения не следует полная бесполезность данных. Исследования онлайн-вакансий предлагают проверять их репрезентативность, сопоставлять с независимыми источниками и корректировать методы анализа, а не отбрасывать источник целиком. Онлайн-данные могут быть полезны для динамики и сравнений внутри достаточно стабильной системы, даже если плохо описывают абсолютное число людей или рабочих мест.
Springer Nature Link https://link.springer.com/article/10.1186/s40172-015-0034-4
https://www.ilo.org/publications/methodological-issues-related-use-online-labour-market-data
Первые три тезиса поддерживаются источниками. Четвёртый требует замены: не «данным нельзя доверять ни в коем случае», а «нельзя без проверки трактовать показатели платформы как непосредственную меру реальности».
3. Tinder, Badoo и Mamba: насколько профиль соответствует человеку?
3.1. Что подтверждено
Исследования онлайн-знакомств обнаруживают несколько механизмов, которые прямо соответствуют вашей модели «витрины».
-
Избирательный показ. Пользователь выбирает фотографии и сведения, которые должны вызвать интерес, а не обязательно дать полное описание повседневной жизни.
-
Редактируемость. Текст и фотографии можно менять, подбирая наиболее привлекательный образ.
-
Расхождение с офлайн-впечатлением. Человек оценивает профиль до встречи, когда значительная часть информации ещё не проверена.
-
Стереотипизация самопрезентации. Профили оформляются в повторяющихся стилях, что облегчает сравнение, но может скрывать индивидуальные особенности.
В исследовании фотографий пользователей онлайн-знакомств 2009 года независимые оценщики сочли примерно треть изученных фотографий неточными. Это важный сигнал, но не универсальная оценка всех современных приложений: выборка была небольшой, а исследование не измеряло долю фальшивых аккаунтов в Tinder, Badoo или Mamba.
https://academic.oup.com/joc/article-abstract/59/2/367/4098407 Oxford Academic
https://onlinelibrary.wiley.com/doi/10.1111/j.1460-2466.2009.01420.x
Более новое исследование 1000 фотографий профилей Tinder, опубликованное в 2025 году, выявило девять повторяющихся категорий визуальной самопрезентации. Оно подтверждает, что фотографии профилей можно группировать в устойчивые стили, но само по себе не доказывает обман или массовую подделку личности.
PubMed https://pubmed.ncbi.nlm.nih.gov/41020373/
3.2. Где проходит граница между идеализацией и фальсификацией?
|
Наблюдаемое явление |
Что это означает |
Доказывает ли обман? |
|---|---|---|
|
Удачный ракурс, хорошее освещение |
Отбор привлекательного изображения |
Нет |
|
Старое или ретушированное фото |
Возможное расхождение с текущей внешностью |
Не всегда |
|
Преувеличение возраста, роста или иных характеристик |
Искажение проверяемых фактов |
Да, если установлено намеренное искажение |
|
Фальшивая личность или мошеннический аккаунт |
Подмена субъекта |
Да |
|
Давно неактивный профиль |
Человек может не пользоваться приложением |
Само по себе нет |
|
Профиль, который не отвечает на сообщения |
Может быть неактивным, избирательным или автоматизированным |
Само по себе нет |
Здесь важное ограничение: неактивный профиль, бот и мошенник — три разные категории. Их нельзя объединять в одну статистику «ненастоящих пользователей». Для этого необходимы данные о проверке личности, времени последней активности, автоматизации и нарушениях правил.
3.3. Как алгоритм превращает витрину в отфильтрованную реальность
В документации Tinder описывает приоритет активности и одновременной активности пользователей, а также влияние географии, предпочтений, интересов и некоторых сигналов из фотографий. Платные функции дают дополнительные возможности повысить видимость.
Tinder https://www.help.tinder.com/hc/en-us/articles/115004487406-Tinder-subscriptions
Из этого можно вывести три методологических следствия:
- Показанный набор профилей не равен всем доступным людям. Пользователь видит результат отбора.
- Частота появления профиля не является прямой мерой привлекательности или совместимости. На неё влияют активность, настройки, местоположение и алгоритмические правила.
- Количество совпадений не измеряет вероятность устойчивых отношений. Совпадение — промежуточный показатель, а не конечный жизненный результат.
Последний пункт особенно важен: даже совершенно подлинные анкеты не превращают число лайков или совпадений в надёжный прогноз семейной совместимости.
При этом официальное описание алгоритма раскрывает лишь часть механизма. Оно не даёт независимой проверки того, насколько точно алгоритм работает, какова распространённость ботов и мошеннических профилей и насколько платное продвижение меняет конечные результаты. Поэтому нельзя на основании одной документации доказать, что Tinder намеренно создаёт ложную картину знакомств.
4. hh.ru и другие сайты вакансий: здесь ваша гипотеза особенно интересна
На рынке труда «личина» имеет несколько форм. Это не только резюме соискателя, но и образ работодателя, рекламная вакансия, алгоритмическая оценка конкуренции и агрегированная статистика.
4.1. Резюме — не сам человек
Резюме является инструментом отбора. Оно должно уместить опыт, навыки и достижения в формат, удобный для быстрого сравнения. Это неизбежно приводит к селекции:
-
достижения могут подаваться выгоднее, чем выглядели в реальной работе;
-
разные люди могут использовать одинаковые формулировки и ключевые слова;
-
навыки в резюме не обязательно одинаково хорошо подтверждаются на практике;
-
одно лицо может иметь несколько резюме для разных специализаций, карьерных сценариев или зарплатных ожиданий;
-
активное резюме не обязательно означает, что человек готов немедленно выйти на работу.
Но важно не перескакивать от возможного механизма к оценке его распространённости. Сам факт, что можно создать несколько резюме, ещё не доказывает, что дубли массово искажают статистику. Для этого нужен аудит уникальности соискателей и методики дедупликации.
4.2. Что именно измеряет hh.индекс
Здесь есть конкретный пример, который подтверждает вашу претензию к буквальному прочтению статистики.
Согласно документации hh.ru, hh.индекс — это отношение активных резюме к активным вакансиям. В методологии сервиса:
-
активное резюме — резюме, которое было видно работодателям в течение последних 60 дней; оно могло быть отредактировано или использовано для отклика;
-
активная вакансия — вакансия, которая была видна соискателям хотя бы один день в течение последних 30 дней;
-
предлагаемая и ожидаемая зарплаты рассчитываются как медианы значений, указанных соответственно в вакансиях и резюме.
hh Статистика https://stats.hh.ru/about
hh Статистика https://stats.hh.ru/api/v1/monthly-report/f-2a3d864d-7eb6-459c-aaa2-2bb0ef26e846
Это не бессмысленная метрика, но это метрика активности базы платформы, а не прямой подсчёт уникальных людей, которые прямо сейчас ищут работу, и реальных рабочих мест, на которые работодатели готовы немедленно нанять сотрудника.
Представим, что в условной профессиональной области индекс равен 8. Это не означает, что на каждого работодателя, готового нанять одного человека сегодня, действительно претендуют ровно восемь уникальных, доступных и одинаково подходящих кандидатов. В числителе и знаменателе находятся объекты, отобранные по правилам активности и видимости платформы.
Причём есть ещё одна тонкость: hh.ru менял классификацию специализаций.
В описании изменения каталога компания объясняла, что одно резюме стало соответствовать нескольким профессиональным областям, что повлияло на значения hh.индекса внутри отдельных областей.
Это наглядный пример того, как статистика может измениться вследствие изменения классификации, даже если реальные люди не изменили своих намерений.
latvia.hh.ru https://latvia.hh.ru/article/31451
Вывод: hh.индекс полезен как показатель соотношения активных объектов в базе hh.ru, но его нельзя автоматически трактовать как точную вероятность трудоустройства или как исчерпывающее описание всего рынка труда.
4.3. «Вакансии-призраки»: реальная проблема, но не универсальное объяснение
Под вакансией-призраком обычно понимают объявление, которое не соответствует текущему намерению работодателя нанять человека. Возможные причины различны:
-
позицию уже закрыли, но объявление осталось;
-
работодатель собирает резюме на будущее;
-
объявление публикуется для формирования кадрового резерва;
-
найм заморожен или решение отложено;
-
объявление используется для поддержания имиджа компании;
-
вакансия реальна, но процесс найма длительный.
Последний случай особенно важен: длительно открытая вакансия не обязательно фиктивна. Сложная позиция, высокая текучесть или несколько планируемых наймов могут объяснять длительную публикацию.
Проблема «ghost jobs» обсуждается и за пределами России. Например, в мае 2026 года Indeed отдельно описывал меры по выявлению объявлений без реального намерения нанимать. Это подтверждает, что проблема признаётся индустрией, но не устанавливает долю таких объявлений на hh.ru, SuperJob или Работа.ру.
Insights from Indeed https://www.indeed.com/news/releases/ghost-jobs-explained?co=US
Чтобы проверить масштаб проблемы в России, нужен собственный аудит: случайная выборка вакансий, повторные проверки, связь с работодателями, фиксация ответа и, где возможно, подтверждение фактического найма. По одним комментариям соискателей нельзя надёжно вычислить распространённость вакансий-призраков.
4.4. Зарплатная статистика: предложение и ожидание — не выплата
Здесь ваша критика особенно обоснованна, если речь идёт о неправильной интерпретации показателей.
Медиана зарплатных предложений в объявлениях отвечает на вопрос:
Какую сумму указали работодатели в тех вакансиях, которые попали в соответствующий набор данных?
Медиана зарплатных ожиданий в резюме отвечает на другой вопрос:
Какую сумму указали соискатели в тех резюме, которые попали в соответствующий набор данных?
Ни одна из этих величин сама по себе не отвечает на вопрос: «Сколько реально зарабатывает типичный работник на этой должности?»
Между объявлением и выплатой могут быть различия в бонусах, комиссионных, премиях, графике, налогах, объёме фактической занятости и условиях, которые обсуждаются уже на собеседовании. Кроме того, показатели могут быть несопоставимы по профессии, региону и уровню опыта.
Поэтому сравнивать зарплатные ожидания кандидатов с предлагаемыми зарплатами можно, но нужно понимать: это разрыв между двумя заявленными сторонами ожиданий, а не прямое измерение разрыва между зарплатой и реальной стоимостью труда.
Для оценки фактических заработков нужны дополнительные источники — например, официальная статистика зарплат, данные о состоявшихся наймах или репрезентативные опросы работников. Исследования методологии онлайн-данных о рынке труда рекомендуют как раз сопоставлять их с независимыми статистическими источниками, а не переносить показатели объявлений на всю экономику.
International Labour Organization https://www.ilo.org/publications/methodological-issues-related-use-online-labour-market-data
https://link.springer.com/article/10.1186/s40172-015-0034-4
5. Общая ли у них механика? Сравнение агрегаторов знакомств и вакансий
Да, общие механизмы есть. Но сходство не означает, что обе системы одинаково искажают данные или что результаты можно сравнивать напрямую.
|
Механизм |
Tinder, Badoo, Mamba |
hh.ru, SuperJob, Работа.ру |
|---|---|---|
|
Самопрезентация |
Фотографии, биография, интересы, желаемый образ |
Резюме, навыки, опыт, достижения, зарплатные ожидания |
|
Вторая сторона тоже создаёт витрину |
Другой пользователь представляет себя выгодным образом |
Работодатель представляет привлекательную вакансию и компанию |
|
Стандартизация |
Поля профиля, фильтры, предпочтения |
Поля резюме, категории профессий, фильтры, шаблоны вакансий |
|
Алгоритмический отбор |
Показывает потенциальных партнёров в определённом порядке |
Подбирает и ранжирует вакансии и кандидатов |
|
Монетизация видимости |
Подписки, Boost, приоритет лайков |
Платное размещение, продвижение вакансий, доступ к инструментам поиска кандидатов |
|
Показатель успеха |
Лайки, совпадения, переписки — но не обязательно отношения |
Просмотры, отклики, приглашения — но не обязательно трудоустройство |
|
Главная проблема измерения |
Профиль не равен человеку во всех жизненных обстоятельствах |
Резюме не равно уникальному активному соискателю, вакансия не равна подтверждённому найму |
Для Tinder платные функции повышения видимости и приоритета лайков описаны в официальной документации. Для рынка труда hh.ru публикует показатели конкуренции и инструменты анализа эффективности вакансий, в которых учитываются параметры объявлений и активность откликов. Это подтверждает, что обе платформы не просто хранят анкеты, а организуют и коммерчески обслуживают конкуренцию за внимание.
Tinder https://www.help.tinder.com/hc/en-us/articles/115004487406-Tinder-subscriptions
Tinder https://kazan.hh.ru/article/31304
Главное различие
В знакомствах цель пользователя часто неопределённа: знакомство, общение, свидания, секс, отношения или брак. Даже настоящее совпадение двух профилей не гарантирует одинаковых намерений.
В найме есть более проверяемый результат: человек получил предложение, заключил договор и приступил к работе. При этом трудоустройство может оказаться неудачным, а формально закрытая вакансия — не означать, что компания нашла подходящего работника.
Поэтому:
-
Для знакомств нужно проверять, насколько профиль соответствует человеку и насколько алгоритмический выбор ведёт к желаемым отношениям.
-
Для найма нужно проверять, насколько объявления и резюме соответствуют реальным открытым позициям, доступным кандидатам и фактическим наймам.
-
Для исследований рынка необходимо отдельно проверять, насколько данные платформы представляют интересующую совокупность людей и организаций.
6. Насколько бизнес-модель искажает реальность?
Ваше предположение о конфликте интересов заслуживает серьёзного внимания, но его нужно сформулировать точно.
Платформа может одновременно стремиться:
-
дать пользователю полезный результат;
-
увеличить число возвращений и взаимодействий;
-
продавать платные инструменты, повышающие вероятность быть замеченным;
-
поддерживать достаточное количество профилей, объявлений и потенциальных контактов.
Эти цели не обязательно противоречат друг другу. Пользователь может получить работу или найти партнёра, а платформа — заработать. Но потенциальное напряжение возникает там, где интерес пользователя к конечному результату не совпадает с интересом платформы к промежуточным показателям активности.
Например, большое количество просмотров и откликов не обязательно означает высокую вероятность найма. А большое число показанных профилей и совпадений не обязательно ведёт к устойчивым отношениям.
Однако необходимо различать три уровня доказательств:
-
Подтверждённый факт: платформа продаёт функции продвижения или использует алгоритмическое ранжирование.
-
Обоснованный вывод: эти механизмы влияют на то, какие объекты пользователи видят и какие получают больше внимания.
-
Пока не доказанное утверждение: платформа намеренно удерживает пользователей без результата, публикует фиктивные объекты или специально искажает статистику ради прибыли.
Первые два уровня можно изучать по документации, экспериментам и наблюдаемым результатам. Третий требует более сильных доказательств — например, внутренних документов, независимых аудитов или тщательно построенных экспериментов. Нельзя выводить намеренный обман только из того, что у платформы есть коммерческий интерес.
7. «Имитация реальности»: что именно происходит с данными?
Я бы разделил проблему на пять разных видов искажения.
1. Дублирование
Один человек может иметь несколько резюме, а одна потребность работодателя — несколько объявлений или публикаций на разных ресурсах. Количество записей поэтому может не совпадать с количеством уникальных людей и рабочих мест.
Что проверить: дедупликацию, идентификаторы, правила объединения повторных записей.
2. Искажение времени
Недавно обновлённая запись может быть формально активной, хотя человек уже не ищет работу; вакансия, видимая в течение части отчётного периода, может не оставаться открытой к моменту просмотра.
Что проверить: дату обновления, подтверждение намерения искать или нанимать, фактический срок закрытия.
3. Смещение выборки
В данных платформы представлены только люди и работодатели, которые пользуются конкретным сервисом и подходят под его правила. Группы, которые ищут работу через другие каналы, могут быть недопредставлены.
Что проверить: сопоставление с официальной статистикой и другими независимыми источниками.
4. Подмена показателя результатом
Лайки принимаются за совместимость, отклики — за реальные шансы трудоустройства, количество объявлений — за число доступных рабочих мест.
Что проверить: связь метрик платформы с конечными результатами.
5. Искажение стимулов
Пользователи адаптируют поведение к тому, что лучше показывается или продаётся: добавляют ключевые слова, редактируют профили, меняют ожидания и стараются повысить видимость.
Что проверить: изменяется ли поведение пользователей вслед за изменением алгоритмов, интерфейса и платных функций.
Эти механизмы не являются доказательством того, что весь рынок превращён в фикцию. Они показывают, почему платформа может быть хорошим источником информации об активности внутри себя, но гораздо менее надёжным источником для оценки внешней реальности без дополнительных проверок.
8. Можно ли доверять hh.ru, SuperJob и другим источникам при планировании карьеры?
Доверять безоговорочно — нет. Игнорировать полностью — тоже нет.
В методологии полезно различать три уровня использования данных.
Уровень 1
Ориентир для поиска
Смотреть, какие вакансии появляются, какие навыки требуют, какие диапазоны зарплат указывают, какие работодатели активны. Для этого агрегаторы весьма полезны, если помнить, что объявления могут быть неполными, устаревшими или рекламными.
Уровень 2
Оценка конкуренции и зарплат
Использовать показатели вроде hh.индекса и медиан зарплатных ожиданий можно только с учётом определений метрик, профессиональной области, региона и периода. Они не дают индивидуальной вероятности найти работу и не равны статистике фактических заработков.
Уровень 3
Решения с высокой ценой ошибки
Не стоит увольняться, переезжать, менять профессию или вкладывать значительные средства в обучение только потому, что на одном сайте показан дефицит специалистов, рост зарплат или множество вакансий. Здесь нужны дополнительные подтверждения.
Практический протокол проверки перед карьерным решением
-
Проверить реальность спроса. Выбрать релевантные вакансии и выяснить, подтверждает ли работодатель, что позиция открыта сейчас.
-
Сравнить несколько источников. Сопоставить hh.ru, SuperJob, Работа.ру, сайты работодателей и независимую статистику. При этом не считать одно и то же объявление на разных сайтах несколькими рабочими местами.
-
Проверить зарплату на сопоставимость. Сравнивать одинаковые регионы, специализации, уровни опыта, графики и типы занятости; отдельно учитывать сумму до налогов и на руки.
-
Проверить требования на практике. Сопоставить описания вакансий с реальными собеседованиями, тестовыми заданиями и ответами работодателей.
-
Измерить собственную воронку. Фиксировать количество подходящих вакансий, подтверждённых открытых позиций, откликов, ответов, интервью и предложений. Это даст более полезную индивидуальную информацию, чем общий индекс.
-
Не путать статистику рынка с прогнозом личного результата. Даже точные сведения о спросе на профессию не гарантируют трудоустройства конкретного человека.
Иными словами, агрегатор должен быть одним из инструментов принятия решений, а не единственным основанием решения.
9. Как проверить гипотезу строго, а не только убедительно
Если мы хотим доказать, что агрегаторы систематически создают искажённую картину, необходимо измерять разрыв между их данными и независимой реальностью.
|
Гипотеза |
Что нужно собрать |
Как проверить |
|---|---|---|
|
Анкеты знакомств идеализированы |
Профили и согласованные с пользователями данные о фактических характеристиках |
Сопоставить заявленные сведения с проверенными |
|
В приложениях много неактивных или фиктивных профилей |
Случайная выборка профилей, время активности, результаты проверки |
Отдельно оценить доли неактивных, автоматизированных, мошеннических и подтверждённых профилей |
|
Вакансии-призраки завышают спрос |
Случайная выборка объявлений, ответы работодателей, сроки закрытия и найма |
Измерить долю вакансий без подтверждённого намерения нанять в заданный период |
|
Резюме завышают предложение труда |
Данные об уникальных кандидатах, дубликатах и фактической готовности искать работу |
Сравнить количество активных записей с числом уникальных доступных соискателей |
|
Зарплатные показатели не отражают заработки |
Зарплатные объявления, резюме, данные о фактических выплатах и наймах |
Сопоставить распределения при одинаковых профессиях, регионах и периодах |
|
Алгоритмы и монетизация меняют видимость |
Наблюдения за выдачей, экспериментальные профили, сведения о платных функциях |
Проверить, насколько видимость зависит от активности, оплаты и других факторов |
Для российских платформ особенно важно не подменять исследование зарубежными цифрами. Исследования Tinder или американского рынка труда помогают определить механизмы и методику, но не позволяют автоматически утверждать, что в России те же доли мошеннических профилей, вакансий-призраков или дублирующихся резюме.
Также не следует считать комментарии пользователей репрезентативной статистикой. Они ценны как источник гипотез и описаний возможных проблем, но люди, столкнувшиеся с негативным опытом, могут чаще оставлять отзывы, чем те, кто получил работу или нашёл партнёра.
На данный момент найденные источники позволяют обосновать существование механизмов самопрезентации, алгоритмического отбора и смещения данных онлайн-вакансий. Но они не позволяют честно назвать единую долю искажений для hh.ru, SuperJob, Работа.ру, Tinder, Badoo и Mamba. Для такого вывода потребовались бы отдельные репрезентативные аудиты каждой платформы.
10. Итоговый вердикт по вашей гипотезе
Что подтверждено, а что нет
Подтверждено: платформенные профили — селективные представления людей и организаций, а не полные копии реальности.
Это согласуется с исследованиями самопрезентации в знакомствах и с методологическими исследованиями онлайн-вакансий.
PubMed
+2
Подтверждено: алгоритмы, классификации и платные инструменты влияют на то, что пользователи видят и как распределяется внимание.
Следовательно, выдача не является нейтральной и исчерпывающей выборкой всех доступных людей или возможностей.
Tinder
+2
Подтверждено: агрегаторы вакансий не дают автоматически репрезентативную картину всего рынка труда.
Их данные требуют проверки охвата, методологии, определения активных объектов и сопоставления с независимыми источниками.
International Labour Organization
+2
Не установлено в необходимом масштабе: что массовые дубликаты, боты, фальшивые профили и вакансии-призраки настолько распространены именно на всех названных российских платформах, что их данные систематически непригодны для любых целей.
Для такого вывода не хватает сопоставимых независимых аудитов с репрезентативными выборками.
Опровергается как чрезмерное обобщение: что данным агрегаторов нельзя доверять ни в коем случае.
Известные методологические ограничения не делают все данные бесполезными. Они определяют, какие вопросы данные способны надёжно освещать, а какие требуют независимой проверки.
Независимый итог
Исследование подтверждает центральную часть моей гипотезы, но отвергает её абсолютную формулировку.
Метафора «фабрики личин» удачно описывает систему, в которой люди и организации создают выгодные образы, интерфейс приводит эти образы к стандартизированному виду, алгоритмы распределяют видимость, а бизнес-модель стимулирует участие и конкуренцию за внимание.
В этом смысле агрегаторы действительно создают витрину реальности, а не саму реальность.
Но витрина не обязательно является фальсификацией. В ней могут содержаться достоверные сведения, полезные сигналы и реальные возможности. Ошибка начинается тогда, когда количество карточек принимают за количество уникальных людей или рабочих мест, заявленную зарплату — за фактическую выплату, активность профиля — за готовность к взаимодействию, а популярность — за вероятность успешного результата.
Поэтому наиболее обоснованная формулировка вашей идеи звучит так:
Агрегаторы знакомств и вакансий — это коммерчески и алгоритмически организованные системы самопрезентации и отбора. Их данные описывают прежде всего то, как люди и организации представлены внутри платформы, а не всю реальность за её пределами. Использовать эти данные для серьёзных решений без проверки, сопоставления с независимыми источниками и понимания методологии — методологически рискованно и может приводить к систематическим ошибкам.
Для карьерного планирования это означает не отказ от hh.ru или SuperJob, а отказ от их превращения в единственный источник истины.
Для личной жизни — не отказ от Tinder и подобных приложений, а понимание, что профиль и алгоритмическое совпадение не заменяют проверки реального человека и совместимости вне приложения.
Именно эта формулировка, на мой взгляд, научно сильнее лозунга «все агрегаторы лгут»: она указывает конкретные механизмы искажения, допускает эмпирическую проверку и не делает выводов, которых имеющиеся данные пока не доказывают.
Вконтакте 
Телеграм 
YouTube 
Max