مخاطب امروز فقط با پیام رسانه‌ای روبه‌رو نیست؛ او هم‌زمان موضوع تحلیل، پیش‌بینی و شخصی‌سازی نیز هست. پلتفرم‌ها می‌دانند مخاطب کجا مکث می‌کند، چه زمانی ویدئو را رها می‌کند، به چه تصویری واکنش نشان می‌دهد و چه نوع محتوایی او را به بازگشت ترغیب می‌کند. هوش مصنوعی و فناوری‌های شناختی این امکان را فراهم کرده‌اند که رسانه‌ها مخاطب را دقیق‌تر از گذشته بشناسند؛ اما یک پرسش مهم همچنان باقی است: این شناخت برای بهترکردن تجربه مخاطب به کار می‌رود یا برای تصاحب توجه او؟
توجه، امروز یکی از کمیاب‌ترین منابع در اقتصاد رسانه است. هر روز حجم بزرگی از متن، تصویر، ویدئو و پیام در برابر مخاطب قرار می‌گیرد، اما ظرفیت ذهنی او برای دیدن، فهمیدن و به‌خاطر سپردن محدود است. به همین دلیل، رسانه‌ها برای چند ثانیه بیشتر از توجه مخاطب رقابت می‌کنند. در چنین رقابتی، داده‌های رفتاری و ابزارهای هوش مصنوعی به سازمان‌ها کمک می‌کنند الگوهای مصرف محتوا را بشناسند و پیام‌های مناسب‌تری ارائه دهند.
اصل این کار لزوماً مسئله‌ساز نیست. یک رسانه فرهنگی می‌تواند با بررسی رفتار مخاطب بفهمد کدام بخش از یک محتوای آموزشی برای او مبهم بوده، چرا یک ویدئو را نیمه‌کاره رها کرده یا چه قالبی برای دریافت بهتر یک موضوع مناسب‌تر است. این شناخت می‌تواند به کوتاه‌ترشدن مقدمه، ساده‌ترشدن زبان، بهبود طراحی تجربه و تولید محتوای مفیدتر منجر شود.
مسئله از جایی آغاز می‌شود که شناخت مخاطب، از بهبود تجربه او به بهره‌برداری از ضعف‌هایش تغییر کند.
فناوری‌های شناختی و نورومارکتینگ، با استفاده از روش‌هایی مانند تحلیل رفتار، ردیابی چشم و سنجش برخی واکنش‌های فیزیولوژیک، تلاش می‌کنند توجه و واکنش مخاطب به پیام‌ها را بهتر بفهمند. این حوزه می‌تواند برای طراحی ارتباطات روشن‌تر و مرتبط‌تر مفید باشد، اما نباید با ذهن‌خوانی یا کنترل ذهن اشتباه گرفته شود. پژوهش‌های این حوزه هنوز محدودیت‌های علمی و تفسیری دارند و نمی‌توانند با قطعیت توضیح دهند که هر واکنش زیستی الزاماً به چه تصمیم یا رفتاری منجر خواهد شد.
بااین‌حال، همین ظرفیت محدود نیز مسئولیت بزرگی ایجاد می‌کند. ادبیات جدید اخلاق نورومارکتینگ، نگرانی‌هایی مانند حریم خصوصی، رضایت آگاهانه، استقلال فردی، شأن انسانی و احتمال بهره‌برداری از گروه‌های آسیب‌پذیر را از مسائل اصلی این حوزه می‌داند. بنابراین، استفاده از فناوری‌های شناختی فقط یک انتخاب فنی یا تجاری نیست؛ بلکه انتخابی درباره نوع رابطه رسانه با مخاطب است.
رسانه‌ای که مخاطب را می‌شناسد، الزاماً رسانه‌ای اخلاقی نیست. اخلاق به هدف و شیوه استفاده از این شناخت بستگی دارد. اگر یک پلتفرم از داده‌های رفتاری برای پیشنهاد محتوای مرتبط‌تر، کاهش سردرگمی یا بهبود دسترسی استفاده کند، می‌توان از طراحی تجربه سخن گفت. اما اگر همان داده‌ها برای تحریک اضطراب، ایجاد ترس از عقب‌ماندن، تشدید خشم یا نگه‌داشتن اجباری مخاطب در چرخه مصرف به کار رود، موضوع به دست‌کاری توجه نزدیک می‌شود.
این مرز همیشه آشکار نیست. یک عنوان جذاب می‌تواند مخاطب را به دیدن محتوایی مفید دعوت کند؛ اما می‌تواند برای فریب او نیز به کار رود. یک اعلان شخصی‌سازی‌شده می‌تواند نیاز واقعی او را یادآوری کند؛ اما می‌تواند در زمانی ارسال شود که مخاطب از نظر عاطفی یا ذهنی آسیب‌پذیر است. یک الگوریتم می‌تواند انتخاب‌ها را متناسب‌تر کند؛ اما اگر گزینه‌های جایگزین را پنهان کند، آزادی انتخاب را کاهش می‌دهد.
اینجاست که مسئله اعتماد اهمیت پیدا می‌کند. مخاطب شاید نداند الگوریتم دقیقاً چگونه او را تحلیل می‌کند، اما به‌تدریج احساس می‌کند چه اندازه اختیار دارد، آیا با او صادقانه رفتار می‌شود و آیا رسانه به او کمک می‌کند یا فقط می‌خواهد زمان بیشتری از او بگیرد. پژوهش‌های مربوط به شخصی‌سازی مبتنی بر هوش مصنوعی نیز نشان می‌دهند که شخصی‌سازی می‌تواند تعامل و ارتباط را افزایش دهد، اما در صورت نبود شفافیت و رضایت روشن، به کاهش اعتماد و تضعیف استقلال مخاطب منجر می‌شود.
نسل Z در این میان اهمیت ویژه‌ای دارد. این نسل در محیطی رشد کرده که در آن مرز میان تبلیغ، سرگرمی، توصیه دوستانه و محتوای تولیدشده توسط کاربر بسیار باریک است. مخاطب جوان ممکن است با محتوای کوتاه و هیجان‌انگیز تعامل کند، اما این تعامل لزوماً به معنای اعتماد نیست. دیده‌شدن با باورشدن تفاوت دارد و ماندن مخاطب در یک پلتفرم نیز الزاماً به معنای شکل‌گیری رابطه‌ای پایدار نیست.
به همین دلیل، رسانه‌ها نباید «زمان توجه» را تنها معیار موفقیت خود قرار دهند. پرسش مهم‌تر این است که مخاطب پس از مواجهه با محتوا چه تجربه‌ای داشته است: آیا چیزی آموخته؟ آیا انتخاب آگاهانه‌تری انجام داده؟ آیا به رسانه اعتماد بیشتری پیدا کرده؟ آیا احساس کرده با او مانند یک انسان رفتار شده یا مانند مجموعه‌ای از داده‌های قابل‌فروش؟
برای پاسخ مسئولانه به این پرسش‌ها، سازمان‌های فرهنگی و رسانه‌ای باید سه اصل را جدی بگیرند.
اصل نخست، شفافیت است. مخاطب باید بداند چه داده‌ای از رفتار او جمع‌آوری می‌شود و این داده برای چه منظوری به کار می‌رود. توضیح‌های پیچیده و حقوقی به‌تنهایی کافی نیست؛ شفافیت باید به زبانی قابل‌فهم و در زمان مناسب ارائه شود.
اصل دوم، اختیار است. شخصی‌سازی نباید به معنای حذف انتخاب‌های مخاطب باشد. او باید بتواند در حد معقول درباره استفاده از داده، دریافت پیشنهادهای شخصی‌سازی‌شده و نحوه تعامل با پلتفرم تصمیم بگیرد. رضایت واقعی زمانی معنا دارد که انتخاب آگاهانه و امکان انصراف وجود داشته باشد.
اصل سوم، فایده واقعی برای مخاطب است. هر فناوری شناختی باید به بهبود تجربه، فهم بهتر، دسترسی آسان‌تر یا ارتباط معنادارتر منجر شود. اگر تنها خروجی آن افزایش کلیک، زمان ماندن یا واکنش لحظه‌ای باشد، سازمان باید در هدف خود بازنگری کند.
در این میان، نقش مدیران رسانه‌ای تعیین‌کننده است. آن‌ها باید از تیم محتوا و فناوری بپرسند که هر داده برای چه هدفی جمع‌آوری می‌شود، چه کسی به آن دسترسی دارد، چه خطری برای مخاطب ایجاد می‌کند و آیا نتیجه استفاده از آن واقعاً برای مخاطب ارزشمند است یا نه. همچنین باید میان شاخص‌های تجاری و شاخص‌های اعتماد تعادل برقرار کنند. نرخ بازگشت مخاطب، کیفیت گفت‌وگو، رضایت از تجربه، احساس امنیت و برداشت مخاطب از صداقت برند، در کنار تعداد بازدید و مدت تماشا اهمیت دارند.
هوش مصنوعی و علوم شناختی می‌توانند رسانه‌ها را به مخاطب نزدیک‌تر کنند؛ اما این نزدیکی فقط زمانی ارزشمند است که بر پایه احترام شکل بگیرد. شناختن مخاطب، مجوز عبور از مرزهای او نیست. داده بیشتر، الزاماً به معنای حق بیشتر برای تأثیرگذاری نیست.
آینده ارتباطات متعلق به رسانه‌ای نیست که بیشترین اطلاعات را درباره مخاطب جمع‌آوری می‌کند. متعلق به رسانه‌ای است که می‌داند با این اطلاعات چه کاری نباید انجام دهد. رسانه حرفه‌ای از فناوری شناختی استفاده می‌کند تا پیامش روشن‌تر، تجربه‌اش بهتر و ارتباطش انسانی‌تر شود؛ نه این‌که مخاطب را ناآگاهانه در چرخه‌ای از تحریک، کلیک و مصرف نگه دارد.
در عصر هوش مصنوعی، اعتماد زمانی ساخته می‌شود که مخاطب احساس کند رسانه او را می‌فهمد، اما از او سوءاستفاده نمی‌کند؛ پیشنهاد می‌دهد، اما انتخاب را از او نمی‌گیرد؛ و توجه او را جلب می‌کند، اما به قیمت ازبین‌بردن اختیارش تمام نمی‌شود.