Анатомія ярлика: як влаштована категоризація дорослого контенту

1. Навіщо це знати: категоризація як прихована інфраструктура бажання

Перш ніж рухатися далі, зафіксуємо регістр цього мануала. Йдеться не про контент — йдеться про архітектуру, крізь яку контент стає видимим, знаходимим і вимірюваним. Категорія — це не нейтральний ящик для зберігання: вона визначає, що існує, що популярне, що маргінальне, що взагалі має назву. Розбиратися в цій архітектурі потрібно з тієї самої причини, з якої фахівець з ринків розуміє систему котирувань, а UX-дослідник — навігаційну структуру застосунку: бо саме тут ховається механізм, що керує поведінкою.

---

1.1 Масштаб як аргумент: природний експеримент інформаційної науки

Дорослі відеоплатформи — один із найбільших природних експериментів у розподіленій класифікації, що коли-небудь виникав органічно. Жодна редколегія не проектувала систему заздалегідь. Мільярди запитів, десятки мільйонів завантажень, терабайти метаданих — і з усього цього стихійно виростають стабільні, впізнавані категоріальні структури. Це хрестоматійний об’єкт для інформаційної науки: система, в якій порядок є емерджентним, а не накинутим.

Контраст масштабу промовистий. Великий мейнстрімний відеохостинг обходиться порівняно невеликою кількістю редакційних категорій верхнього рівня — порядку десятка-двох (точні цифри закриті, але порядок величини відомий). Одна tube-платформа для дорослих оперує десятками тисяч тегів одночасно: дослідження, що аналізувало датасет xHamster, фіксує тисячі активних категоріальних одиниць при мільйонах відеозаписів (за даними роботи «YouTube of Porn», Social Network Analysis and Mining, 2020). Різниця — не в обсязі контенту, а в логіці класифікації: там, де мейнстрім вибудовує вузький редакційний словник, дорослі платформи вирощують розлогу гібридну таксономію.

Чому це важливо для інформаційної науки? Тому що це унікальна можливість спостерігати, як два конкуруючих парадигмальних підходи до класифікації — top-down таксономія і bottom-up фолксономія — взаємодіють у реальному промисловому середовищі при екстремальному масштабі та без академічної стерильності.

---

1.2 Два рівні класифікаційної логіки

Класична теорія організації знань (Knowledge Organization, KO) описує два полюси:

• Top-down таксономія — ієрархічна, контрольована, редакційна. Категорії визначаються заздалегідь і нав’язуються контенту. Бібліотечні системи (DDC, LCSH) — архетип.
• Bottom-up фолксономія — емерджентна, розподілена, через вільне теґування. Термін «folksonomy» ввів Томас Ванде Вал у 2004 році для позначення колаборативної класифікації через користувацькі теги. Академічна робота Адама Метіса (курсова GSLIS, Університет Іллінойсу, 2004 — широко цитована, але не рецензована в журналі) зафіксувала ключову властивість: теги утворюють горизонтальну структуру без примусових ієрархічних відносин між вузлами.

Жоден із полюсів окремо не працює в цьому домені. Контрольований словник не встигає за темпом появи нових ніш. Чиста фолксономія генерує хаос синонімів і полісемій: той самий тип контенту описується сімома різними написаннями, і той самий ярлик різними завантажувачами застосовується з різним намірам.

Практика платформ — гібрид: редакційний шар нормалізує найчастотніші теги у формальні категорії з власними URL і SEO-трафіком, тоді як довгий хвіст залишається у вільному тегованому просторі. Дослідники Мазьєр, Трашман, Куанте та ін. («Deep Tags», Porn Studies, 2014) емпірично підтвердили, що дві системи семантично перетинаються, але не збігаються: фолксономія додає тілесні атрибути та естетичні мікростилі, яких немає у фіксованих категоріях.

Теоретичним предком цієї гібридної архітектури є фасетна класифікація Ранганатана (Colon Classification, 1933): замість монолітного дерева — набір незалежних осей (фасетів), що комбінуються під конкретний об’єкт. Платформи де-факто реалізують фасетну модель — пошукові фільтри за актором, жанром, тривалістю, продакшн-стилем — хоча рідко називають це таким терміном.

---

1.3 Подвійна оптика цього мануала

Розглядати цю систему можна крізь дві незалежні, але взаємодоповнюючі лінзи:

Лінза 1 — Інформаційна наука. Як влаштована система? Якими алгоритмічними і редакційними механізмами теги перетворюються на категорії? Що таке «кристалізація ярлика» — перехід від хаотичної фолксономічної одиниці до офіційної категорії з власною сторінкою? Як розподіл Зіпфа (степеневий закон) структурує таксономію незалежно від редакційної волі, концентруючи 80% запитів у ~20 ключових кластерах, а решту розкидаючи по тисячах мікронішевих хвостів? (Ці цифри описані у Ogas & Gaddam, «A Billion Wicked Thoughts», Dutton, 2011 — книга популярно-наукова, методологічно критикована академічним середовищем, але унікальна як перша велика спроба кількісного аналізу пошукових запитів.)

Лінза 2 — Дзеркало культури. Що ця система каже про норми, ринок і владу? Дослідниця Ребека Сондерс (Cardiff University) у статті «Big Data on Pornhub Insights» (Convergence, 2025) описує механізм зворотного зв’язку: аналітика запитів публікується у річних звітах → медіа підхоплюють ярлики → формується дискурс про те, що є «нормальним» або «трендовим» → це впливає на подальші запити. Категоріальна система не просто відображає попит — вона його формує. Це «datafication loop», або петля датифікації: платформа є одночасно дзеркалом і прожектором.

---

1.4 Що цей мануал робить — і чого не робить

Мануал описує СТРУКТУРУ і ПРИНЦИПИ класифікаційних систем:

• таксономічні рівні (редакційні категорії, теги, performer-pages)
• осі фасетної організації (демографія, сценарій, жанр, продакшн-стиль, ніша, формат)
• механізми lifecycle категорій (виникнення, кристалізація, злиття, відмирання)
• регуляторні та модераційні межі як «негативну таксономію»

Мануал НЕ робить наступного:

• не описує сцени, акти або будь-який відвертий контент
• не еротизує жодного матеріалу
• не є гайдом з пошуку контенту

Щодо абсолютних меж: будь-який контент за участю неповнолітніх є федеральним злочином у США (18 U.S.C. § 2257, PROTECT Act 2003) і кримінально переслідуваним у всіх розвинених юрисдикціях. Усі ліцензовані платформи використовують автоматичне виявлення відомого незаконного матеріалу (hash-matching через інфраструктури типу PhotoDNA) і блокують його на рівні завантаження. У цьому мануалі ця межа згадується тільки там, де вона релевантна як структурний елемент модераційної архітектури — і більше ніде.

---

1.5 Чотири практичні причини розбиратися

Розуміння класифікаційної архітектури цього домену має пряме прикладне значення у чотирьох галузях:

Галузь	Що дає розуміння таксономії
SEO / продуктова архітектура	Category pages є основними SEO-активами; naming conventions і URL-структура прямо визначають пошуковий трафік; автоматична генерація метаданих при тисячах сторінок вимагає знання принципів ієрархії
Рекомендаційні системи	«Related videos», collaborative filtering, cold-start проблема — всі вони будуються на тегах і категоріях як атомарних одиницях; розуміння тегового перетину є передумовою проектування recommendation loop
Trust & Safety / комплаєнс	Модераційні системи, вікова верифікація, consent-документація, NCII-детекція — всі вони оперують категоріальними конструктами; регуляторні вимоги (UK Online Safety Act 2023, EU DSA 2024, TAKE IT DOWN Act 2025) фактично кодифікують таксономічні обов’язки платформ
Медіаграмотність споживача	Категоріальні ярлики є маркетинговими конструктами, а не нейтральними дескрипторами реальності; розуміння розриву «ярлик ≠ реальність» є базовою навичкою критичного медіаспоживання

---

1.6 Айсберг як структурна метафора

Видима частина системи — ярлики і категорії на поверхні інтерфейсу — є лише верхівкою значно глибшої конструкції. Під поверхнею розташовані шари, які і є предметом цього мануала:

• Фолксономія — хаотичний, але функціональний шар вільних тегів від завантажувачів і користувачів
• Query-логи — анонімний масив пошукових запитів, що є де-факто картою реального попиту і одночасно інструментом таксономічного управління
• Embeddings / алгоритмічний шар — латентні простори, в яких семантична близькість між одиницями контенту виявляється автоматично, поза будь-якими явними ярликами
• Регуляторна межа — «негативна таксономія» заборонених категорій, що визначає абсолютну стелю системи через кримінальне право та платформні умови обслуговування

Саме ця прихована інфраструктура визначає, що стає видимим, що лишається нішевим, що кристалізується в офіційну категорію, а що зникає під тиском модерації або регуляторного шоку. Розуміти домен — значить розуміти не ярлики, а механізм, що їх породжує.

---

Далі: Розділ 2 — Таксономічна архітектура: як влаштовані рівні класифікації.

2. Методологічна рамка: дві парадигми Knowledge Organization

Перш ніж аналізувати конкретні осі класифікації або індустріальну практику платформ, необхідно закласти теоретичний фундамент. Інформаційна наука виробила дві принципово різні відповіді на запитання «хто і як присвоює ярлики знанню?». Обидві відповіді реалізовані в існуючих системах, обидві мають задокументовані переваги та провали — і жодна не перемагає поодинці.

---

2.1 Таксономія: порядок, спущений зверху

Класична таксономія — це ієрархічна, top-down система організації знань. Вона передбачає центральний авторитет: редакційну комісію, кураторську команду або наукове товариство, яке заздалегідь визначає категоріальний каркас, встановлює терміни та регулює їхні відносини. Найбільш показові приклади в бібліотечній науці — Library of Congress Subject Headings (LCSH) та Medical Subject Headings (MeSH).

Ключова властивість таксономічної логіки: кожне поняття має рівно одну канонічну форму. У контрольованому словнику (controlled vocabulary, CV) синоніми не співіснують як рівноправні позначення — вони зв’язані посиланнями «Use» / «Use For» («вживай замість»): якщо MeSH вирішив, що коректний термін — «Myocardial Infarction», то «heart attack», «cardiac arrest» і «MI» є лише «входами» в цю єдину авторизовану форму. Це забезпечує узгодженість: будь-хто, хто шукає будь-який синонім, приземляється на одну сторінку, з одним набором результатів.

Будується такий словник роками редакційної праці. LCSH налічує понад 300 тисяч авторизованих заголовків; кожне додавання проходить через документований процес рецензії. Це ціна, яку платять за передбачуваність і семантичну точність.

Переваги таксономічної моделі:

• Висока узгодженість — один термін, одне значення
• Контроль над синонімами та полісемією
• Відповідність регуляторним і юридичним вимогам (важливо для доменів з жорсткою нормативною рамкою)
• Можливість побудови формальних ієрархій (ширше поняття / вужче поняття / пов’язане поняття)

Системний недолік: таксономія реагує повільно. Коли з’являється нове явище — новий жанр, нова технологія, нова субкультура — редакційна машина потребує часу, щоб ухвалити рішення про включення і форму терміна. Цей лаг у динамічних доменах є фатальним.

---

2.2 Фолксономія: порядок, що виникає знизу

Протилежний полюс — фолксономія (folksonomy). Термін введений Томасом Вандер Валом (Thomas Vander Wal) у 2004 році для позначення практики класифікації через вільне теґування звичайними користувачами. Академічну теоретизацію феномену здійснив Адам Матез (Adam Mathes) у роботі «Folksonomies: Cooperative Classification and Communication Through Shared Metadata» (2004) — важливо атрибутувати цю роботу коректно: вона є курсовою роботою програми LIS590CMC в GSLIS Університету Іллінойсу, а не рецензованою журнальною статтею, хоча широко цитується в академічній літературі.

Матез зафіксував фундаментальну властивість фолксономічних систем: теги утворюють нефіксовану, горизонтальну структуру без примусових ієрархічних відносин між вузлами. Це різко контрастує з бібліотечними класифікаціями, де кожному документу призначається єдине місце в дереві. У фолксономії одна одиниця контенту може одночасно нести будь-яку кількість ярликів, з будь-якого словника, без жодного редакційного рішення.

Головна перевага цієї моделі — миттєва реакція на нові явища. Коли в 2020 році зросли пошукові запити, пов’язані з пандемійним локдауном, тегова система зафіксувала це за годинами, а не за місяцями редакційного рецензування. Нові субкультури, жаргон, мемові тренди — все це входить у фолксономічний простір органічно, без центрального дозволу.

---

2.3 Три операційні проблеми вільного теґування

Академічна literatura з інформаційної науки зафіксувала три типи системних збоїв у фолксономіях:

1. Синонімія — різні ярлики для одного класу об’єктів. Один і той самий тип контенту може бути позначений 7–15 варіантами написання: скорочення, сленг, транслітерація, офіційний термін, розмовний еквівалент. Пошуковий запит за будь-яким окремим варіантом поверне неповний результат.

2. Полісемія — той самий ярлик застосовується різними тегерами з різним наміром. Слово, яке для одного означає жанр, для іншого — конкретний акт, для третього — регіональну асоціацію. Один ярлик, різні семантичні об’єкти.

3. Омонімія — літерально однакові рядки з різним контекстним смислом у різних субкультурних полях. Це загострена форма полісемії: не просто розмиття, а повне семантичне розходження при збігу форми.

Саме ці три проблеми є центральними операційними викликами для будь-якого домену, що спирається на user-generated теги. У медичній інформатиці вони вирішуються роками роботи над MeSH; у динамічних цифрових платформах — частковою автоматизованою нормалізацією.

---

2.4 Фасетна класифікація: третя парадигма як архітектурна основа гібриду

Між жорсткою таксономією і хаотичною фолксономією існує ще одна теоретична рамка, яку часто не виокремлюють як самостійну, але яка є практичною архітектурою більшості реальних систем. Це фасетна класифікація, запропонована індійським бібліотекознавцем Шіялі Ранганатаном (S. R. Ranganathan) у «Colon Classification» (1933).

Ключова ідея: замість монолітної ієрархії — набір незалежних аналітичних осей (фасетів), кожна з яких описує окремий вимір об’єкта. Будь-яка одиниця контенту отримує значення з кожного фасету, і саме перетин (intersection) цих значень утворює точний дескриптор. П’ять базових фасетів Ранганатана (PMEST: Personality, Matter, Energy, Space, Time) є концептуальним прообразом того, як сучасні платформи будують пошукові фільтри: фасет за суб’єктом, фасет за жанром, фасет за форматом, фасет за тривалістю.

Академічна аналітика Hedden Information Management фіксує: фасетна модель дозволяє звужувати вибірку вздовж кількох незалежних осей одночасно, без конфлікту «де в дереві розмістити одиницю з множинними атрибутами». Саме це і є механіка пошукових фільтрів.

---

2.5 Чому жодна парадигма не перемагає поодинці

Критерій	Таксономія (top-down)	Фолксономія (bottom-up)
Джерело влади	Редакційна комісія, куратор	Розподілені користувачі
Швидкість реакції	Повільна (місяці–роки)	Миттєва
Узгодженість	Висока (один термін = одне значення)	Низька (синоніми, полісемія)
Синонімія	Контролюється явно	Проліферує некеровано
Приклад	LCSH, MeSH, BBFC R18	Теги на tube-платформах, del.icio.us

Таблиця демонструє: переваги однієї системи є недоліками іншої. Контрольований словник не встигає за швидкістю появи нових ніш. Кожен цикл редакційного рецензування в MeSH займає місяці; для домену, де нові субкультурні ярлики з’являються щотижня, це неприйнятна затримка.

З іншого боку, чиста фолксономія без будь-якого нормалізуючого шару — некерована. Дослідження Cattuto та ін. (arXiv:0704.3316, 2007), що аналізувало тегову систему del.icio.us, показало: словник тегів зростає за суб-лінійним степеневим законом — спочатку швидко, потім сповільнено, але не зупиняється. Конвергенції до стабільного канонічного набору самостійно не відбувається. Синонімічний хаос не вирішується сам собою.

Розподіл попиту за темами підпорядковується класичному степеневому закону / розподілу Зіпфа: невелика кількість категорій акумулює переважну більшість пошукового трафіку, тоді як нескінченно довгий «хвіст» нішевих запитів розподілений по тисячах рідкісних ярликів. Це породжує методологічну дилему: широкі категорії зручні для навігації, але розмивають специфіку; вузькі ніші точні, але фрагментують таксономію до некерованого розміру.

---

2.6 Практика — це гібрид: механізм кристалізації

Реальні великомасштабні платформи вирішують цей конфлікт через гібридну архітектуру:

Верхній шар — редакційна таксономія. Відносно невеликий (50–200 позицій) контрольований набір офіційних категорій, кожна з яких має власну сторінку, URL, SEO-вагу. Цей шар визначає platform-контрольований каркас, відповідає регуляторним вимогам і задає нормативний словник.

Нижній шар — фолксономічний простір. Необмежений або мало обмежений тегований простір, куди потрапляє весь «довгий хвіст»: нішеві варіанти, новизна, регіональний сленг, мемові неологізми. Дослідження xHamster зафіксувало тисячі тегів при відносно невеликій бібліотеці офіційних категорій — це і є фолксономічний шар у чистому вигляді.

Механізм кристалізації — переміщення між шарами. Коли частотність певного тегу перетинає встановлений поріг, редакційна команда або алгоритм «підвищує» його до рівня офіційної категорії: тег отримує власну сторінку, потрапляє в навігаційне меню, індексується окремо. Загальна концепція цього переходу — від фолксономічного до таксономічного — обгрунтована в корпусі folksonomy-literature, що описує, як емерджентні теги набувають інституційного статусу.

Verbeke та ін. (arXiv:0903.1788, 2009) показали, що системи пропозиції тегів (autocomplete) значно прискорюють конвергенцію до спільного словника: якщо система пропонує варіант A замість варіанту B, A отримує більше застосувань, раніше досягає порогу кристалізації і швидше стає частиною де-факто контрольованого словника. Автодоповнення — це не просто інтерфейсна зручність; це активний інструмент таксономічного управління.

Паралельно, як аналізує Ребекка Сондерс (Rebecca Saunders) у Cardiff University в роботі «Big Data on Pornhub Insights» (Convergence, 2025), аналітика пошукових запитів утворює зворотну петлю: дані про популярні категорії стають публічними або передаються виробникам контенту, що стимулює виробництво під ці категорії, що ще більше зміцнює їхню позицію в таксономії. Класифікація перестає бути пасивним описом реальності — вона активно формує ту реальність, яку описує.

---

2.7 Методологічний підсумок

Домен, у якому швидкість появи нових явищ перевищує пропускну здатність редакційного рецензування, не може покластися виключно на контрольований словник. Домен, де масштаб теґування сягає мільярдів одиниць, не може функціонувати в умовах некерованої фолксономії. Практичне рішення — фасетна гібридна архітектура: редакційний каркас на верхньому рівні, фолксономічний простір на нижньому, алгоритмічно керований механізм кристалізації між ними.

Цей теоретичний словник — таксономія, фолксономія, контрольований словник, синонімія, полісемія, фасетна класифікація, кристалізація — є операційною рамкою для всього подальшого аналізу. Наступні розділи розглядають, як саме ця архітектура реалізується в конкретних осях класифікації, індустріальній практиці та регуляторній рамці.

3. Фасетна класифікація Ранганатана: чому платформи де-факто будують PMEST

Від дерева до пульта: зміна парадигми

Класична бібліотечна класифікація — це дерево. Документу призначається одне місце у ієрархії: від загального до конкретного, від роду до виду. Деймі-Десяткова система (DDC), Бібліотека Конгресу (LC), Універсальна десяткова класифікація (UDC) — всі вони поділяють одну онтологічну передумову: у кожного об’єкта є єдина правильна адреса у просторі знань.

Ця передумова функціонує добре, коли об’єкти є монотематичними. Монографія про геологію Карпат — однозначно у рубриці «геологія» → «Центральна Європа». Але що робити з документом, який одночасно є про конкретного суб’єкта, конкретну дію, конкретний фізичний атрибут, конкретний географічний або ситуаційний контекст і конкретний формат? Куди у дереві помістити одиницю, що однаково правомірно належить до п’яти різних гілок?

Саме тут у 1933 році Шіяалі Рамамріта Ранганатан запропонував радикально інший підхід — аналітично-синтетичну класифікацію у своїй «Colon Classification» (CC). Замість того щоб примушувати документ обирати єдину гілку дерева, Ранганатан розклав його на незалежні виміри — фасети — і дозволив описувати об’єкт як комбінацію значень з кожного виміру одночасно.

Назва «Colon Classification» пояснюється просто: двокрапка (colon) слугує роздільником між фасетами у нотації. Документ отримував не одну адресу, а структурований запис вигляду «Вимір₁:Вимір₂:Вимір₃…».

---

П’ять базових фасетів PMEST

Ранганатан виокремив п’ять базових категоріальних осей, відомих як PMEST:

• Personality (Особистість/Суб’єкт) — центральний суб’єкт чи тема, «про що» документ у найглибшому розумінні
• Matter (Матерія/Субстанція) — матеріал, речовина або властивість, якої торкається документ
• Energy (Енергія/Дія/Процес) — операція, процес або відношення між елементами
• Space (Простір/Місце) — географічний або локаційний контекст
• Time (Час) — хронологічний контекст або часовий вимір

Важлива ремарка щодо хронології: акронім PMEST і повне його теоретичне опрацювання не з’явилися у першому виданні CC 1933 року у завершеному вигляді. Система еволюціонувала через кілька видань — третє (1950), четверте (1952), п’яте (1957) і сьоме (1987, посмертне). Кожна ітерація уточнювала як перелік фасетів, так і правила їх упорядкування (т.зв. «sequence of facets»). Саме тому коректно говорити, що PMEST є результатом тривалої теоретичної роботи Ранганатана, а не одноразовим одкровенням.

Принципова новизна підходу полягала у тому, що фасети є взаємно незалежними. Значення на осі «Час» не детермінує значення на осі «Простір», а «Суб’єкт» не диктує «Дію». Об’єкт описується як декартовий добуток значень з усіх осей одночасно — і це опис без конфлікту «де в дереві».

---

Природність фасетного підходу для мультивимірного контенту

Уявімо одиницю мультимедійного контенту. Вона одночасно характеризується:

• Ким — демографія і ідентичність суб’єктів, що беруть участь
• Чим — конкретна дія або тип взаємодії
• Як — естетичний стиль і виробничий режим
• У якому контексті — наративна рамка або ситуаційний сценарій
• У якому форматі — тривалість, технічний стандарт, платформна модель

У будь-якій ієрархічній схемі ця одиниця породжує нерозв’язний конфлікт: куди її помістити? Якщо на першому рівні — «Хто», то «Що» і «Як» стають другорядними підрубриками, втрачаючи пошукову повноту. Якщо на першому рівні — «Що», то пошук за «Ким» потребує обходу всього дерева.

Фасетна архітектура знімає цей конфлікт структурно. Об’єкт отримує значення на кожній осі незалежно, і будь-яка комбінація осей є рівноправним пошуковим запитом. Дослідники мультивимірного контенту (зокрема академічний аналіз у роботі Mazières et al. «Deep Tags», Porn Studies, 2014, де проводився кількісний аналіз тегових систем) емпірично підтверджують: одиниця контенту не тяжіє до єдиного класифікаційного острівця — вона є вузлом у щільній мережі, де кожна вісь відкриває власний навігаційний шлях.

---

Платформи реалізують фасетну модель, не називаючи її

Гедден (Heather Hedden, Hedden Information Management) у роботі «Faceted Classification and Faceted Taxonomies» прямо констатує: пошукові фільтри на сучасних веб-платформах є фасетами у точному сенсі Ранганатана. Фільтри дозволяють звужувати вибірку вздовж кількох незалежних осей одночасно, не нав’язуючи ієрархічної черговості. Це і є механіка фасетного пошуку.

Berkeley Pressbooks та інші навчальні матеріали з інформаційної науки підтверджують цей висновок: фасетна класифікація — не архівна теорія, а активна інфраструктура сучасних пошукових систем, інтернет-магазинів, бібліотечних каталогів і медіаплатформ.

Подивимося на типову платформу з великим відеоархівом. Її пошукові фільтри утворюють приблизно таку структуру:

Фасет у термінах PMEST	Платформний фільтр	Приклад значень
Personality — суб’єкт	Демографія учасників	Стать, вікова категорія, ідентичність
Energy — процес/дія	Тип сценарію або акту	Жанр, тип взаємодії, наративна рамка
Matter — атрибут/властивість	Фізичні або естетичні характеристики	Тілесні ознаки, стиль виробництва
Space — контекст	Ситуаційний або географічний контекст	Локація, культурна специфіка
Time — часовий вимір	Тривалість, епоха виробництва	Хронометраж, вінтажний vs сучасний

Платформа не знає термінології Ранганатана. Її розробники не читали Colon Classification. Але архітектура фільтрів, що виникла органічно з потреб навігації у мільйонному контентному просторі, є де-факто реалізацією фасетної моделі.

Це не випадковий збіг. Фасетна архітектура є природньою відповіддю на проблему мультивимірного опису. Будь-яка платформа, що намагається дати користувачеві повноцінний навігаційний контроль над складним контентним простором, рано чи пізно наближається до неї — незалежно від теоретичного апарату.

---

Діаграма-концепт: «Міксерний пульт»

Підпис до візуалу: Уявіть мікшерний пульт, де кожен незалежний повзунок — це окремий фасет (вісь класифікації), і кожен повзунок має власну шкалу можливих значень. Одна конкретна одиниця контенту — це одне конкретне положення усіх повзунків одночасно. Зміна положення будь-якого одного повзунка (зміна значення на одній осі) не зачіпає інших. Фасетний пошук — це відбір усіх одиниць, у яких зазначені повзунки знаходяться у заданих діапазонах. На відміну від дерева, де вибір на першому рівні обмежує всі наступні, у фасетній системі всі повзунки рівноправні.

---

Компроміс: стандартизація всередині кожної осі

Фасетна архітектура вирішує проблему мультивимірного конфлікту, але породжує власну: кожен фасет сам є потенційним джерелом хаосу, якщо значення на осі не стандартизовані.

Повернемось до класичної проблеми фолксономій (термін Thomas Vander Wal, 2004): система тегування без контрольованого словника неминуче породжує синонімію (різні ярлики для одного поняття) і полісемію (один ярлик, застосований з різним наміром різними тегерами). У академічній роботі «Folksonomies: (Un)Controlled Vocabulary?» (ResearchGate, 2005) зафіксовано три типи цих проблем як системну характеристику будь-якої вільної тегової системи.

Застосовано до фасетної моделі: якщо вісь «демографія» містить одночасно десятки варіантів написання, абревіатур, сленгових позначень і власних назв для того самого концепту — ця вісь деградує з чіткого фасету у власний хаос синонімів. Вона зберігає структурне місце у схемі, але втрачає функціональну цінність.

Рішення, до якого прийшли великі платформи — гібридний підхід: редакційний шар стандартизує значення на кожній осі для найбільш частотних концептів (утворюючи де-факто контрольований словник для «голови» розподілу), тоді як довгий хвіст залишається у вільному тегованому просторі. Дослідження «Automatic Taxonomy Extraction from Query Logs» (Romero et al., arXiv 1510.00618, 2015) показує, як аналіз пошукових логів може автоматично виявляти кандидатів для канонізації — тобто динамічно підтримувати стандартизацію у реальному часі.

Cattuto et al. (arXiv:0704.3316, 2007), аналізуючи динаміку тегового словника на del.icio.us, виявили суб-лінійне зростання активного словника: словник не стабілізується у твердому сенсі, але швидкість появи нових концептів сповільнюється — частотні теги конвергують до обмеженого стабільного ядра. Саме це ядро і є матеріалом для стандартизованих значень на фасетних осях.

---

Від фільтра до матриці: перехід до ядра гайда

Якщо прийняти аргумент цього розділу — що пошукові фільтри є фасетами, — то повна картина класифікаційної архітектури платформи набуває чіткої форми: матриця незалежних осей, де кожна вісь є самостійним фасетом зі стандартизованим (або частково стандартизованим) набором значень.

Ця матриця не є метафорою. Вона описує реальну операційну структуру:

• Кожна вісь відповідає одному виміру опису (демографія, сценарій, естетика, продакшн-стиль, специфічний інтерес, платформний формат).
• Кожне значення на осі є ярликом, що може бути частиною контрольованого словника або фолксономічного простору.
• Кожна одиниця контенту є точкою у цьому багатовимірному просторі — комбінацією значень з усіх осей.
• Кожен пошуковий запит або навігаційний фільтр є проекцією цього простору на підпростір за заданими обмеженнями.

Академічний аналіз DOCA (Database of Variables for Content Analysis, UZH, 2024) виокремлює вісім аналітичних вимірів для дослідницького кодування відеоконтенту. Промислова таксономія великих платформ, незважаючи на маркетинговий, а не науковий генезис, структурно відповідає подібній мультиосьовій логіці.

Розділи 4 і 5 цього гайда розгортають цю матрицю — вісь за віссю. Але перш ніж перейти до конкретних осей, необхідно зафіксувати методологічний висновок поточного розділу:

Фасетна модель Ранганатана описує не стародавній бібліотечний курйоз, а загальний принцип організації будь-якого мультивимірного контентного простору. Платформи реалізують цей принцип незалежно від теоретичної рамки — просто тому, що альтернатива (монолітне дерево) функціонально неспроможна для об’єктів, що одночасно належать до багатьох категоріальних вимірів. Розуміння цього принципу перетворює «набір фільтрів» на когерентну класифікаційну архітектуру — і відкриває шлях до системного аналізу кожної осі.

4. Головна матриця осей (ядро, частина I): шість фасетів категоризації

Будь-яка одиниця дорослого відеоконтенту є не точкою в одновимірній шкалі, а вектором у шестивимірному просторі. Це не метафора — це технічна реальність фасетної класифікації. Платформи де-факто реалізують принцип, який Shiyali Ramamrita Ranganathan формалізував у 1933 р. у «Colon Classification»: замість одного місця в ієрархічному дереві — набір незалежних осей (фасетів), що комбінуються для будь-якої конкретної одиниці. Дослідження Mazières et al. («Deep Tags», Porn Studies, 2014) емпірично підтвердило цей принцип на реальних платформних даних: теги не утворюють ізольованих кластерів, а формують щільний семантичний граф, де унікальна ніша виникає на перетині значень з кількох осей одночасно.

Нижче — перші чотири осі матриці, розгорнуті як система із внутрішньою субструктурою.

---

Вісь 1 — Демографія та ідентичність виконавців

Це найбільш розгалужена вісь матриці. Вона описує людей перед камерою, але через промислові ярлики — конструкти маркетингу, а не дескриптори ідентичності.

A. Вікова стилізація як industry-ярлик

Вікові категорії в індустріальній таксономії не є тверженнями про реальний вік — це стилістичні сигнали, що адресуються специфічному психографічному сегменту аудиторії. Ярлик «teen» позначає виконавців 18+, стилізованих під образ ранньої дорослості. Це критично важлива правова та таксономічна межа: будь-яка реальна участь неповнолітніх є федеральним злочином (18 U.S.C. § 2257, PROTECT Act 2003) і блокується модерацією на всіх ліцензованих платформах — тема виникає в цьому гайді виключно для позначення абсолютної заборони.

Вікова шкала в промисловій таксономії охоплює чотири стилістичні зони:

Ярлик	Стилістичний регістр	Примітка
teen / barely legal	рання дорослість, 18–19	industry-ярлик, не вік
college-age	18–24, студентський контекст	ситуативний наратив
MILF / cougar	30–45+, зрілість як атрактор	акрон. «Mother I’d Like to…»
mature / granny	45+, зрілий вік як жанр

B. Гендерна конфігурація

Ця підвісь описує склад і конфігурацію виконавців за гендером:

• Solo female / solo male
• M/F (гетеросексуальна пара)
• F/F (girl-girl)
• M/M
• MFM / FMF (тріо з різними конфігураціями лідерства)
• Gangbang (множинні виконавці)
• Trans / transgender (термін «TS» застарілий, поступається «transgender»)

C. Расово-етнічна маркація

Категорії на зразок ebony, latina, asian, interracial функціонують як маркетингові сегменти, а не як самоідентифікація виконавців. Академічна критика в рамках feminist media studies документує, що ці ярлики нерідко комерціалізують расові стереотипи. Для таксономічного аналізу принципово: ярлик описує аудиторний запит, а не ідентичність людини.

D. Тілесна морфологія

Підвісь фіксує габітуальні ознаки тіла як атрибути пошуку: BBW (big beautiful woman), petite, busty, muscular, curvy, natural. Дослідження «Deep Tags» (Mazières et al., 2014) встановило, що user-generated теги тілесних ознак є семантично розвиненішими порівняно з редакційними категоріями — фолксономія тут додає роздільну здатність, якої немає у платформних таксономіях.

E. Орієнтація

Straight, gay, lesbian, bisexual — ця підвісь перехрещується з гендерною конфігурацією, але є концептуально відмінною. Академічна сексологія (Sexual Configurations Theory, van Anders, Archives of Sexual Behavior, 2015) підкреслює: жанровий ярлик відображає лише одну точку у значно ширшому просторі сексуальної конфігурації — ідентичність, орієнтація і поведінка не зводяться одне до одного.

---

Вісь 2 — Сценарій і наратив

Теоретичну основу цієї осі забезпечує Sexual Script Theory (Gagnon & Simon, «Sexual Conduct», Aldine, 1973): кожна одиниця контенту кодує культурний сценарій — заздалегідь визначену послідовність ролей, соціального контексту й очікуваного результату.

Три рівні сценаріїв за Гагноном і Сімоном:

1. Культурні сценарії — загальносоціальні наративи про те, «як це відбувається» в певній культурі. Промислова таксономія безпосередньо відображає ці сценарії у своїх категоріях.
2. Міжособистісні сценарії — динаміка конкретної взаємодії між учасниками: ролі, статусний диференціал, контекст стосунків.
3. Інтрапсихічні сценарії — внутрішній фантазійний рівень, що у контенті читається через наративні підказки, а не прямо.

Промислові категорії осі 2:

• Romantic / couples — партнери у стосунках, емоційний тон, м’яке освітлення
• Stranger / pickup — незнайомці, ситуативне знайомство, відсутність попередньої історії
• Transactional — implicit або explicit обмін ресурсами (escort, sugarbaby — як наратив)
• Power-differential — boss/employee, teacher/student, landlord/tenant: ярлики ієрархічних стосунків
• Family-fantasy (step-) — найбільш обговорювана категорія, яка потребує чіткої декларації: це суто наративна конвенція рольової гри між непов’язаними повнолітніми виконавцями. Ярлики «stepmom», «stepsister» тощо не мають жодного зв’язку з реальними родинними стосунками. Академічна база DOCA (UZH, 2024) кодує цю вісь як «relational context of sex» і «consent communication». Стрімке зростання цієї категорії з середини 2010-х — задокументований феномен платформної аналітики, але його слід читати як жанрову конвенцію, аналогічну «detective mystery» у художній літературі.
• Group / party — оргія, свінгерство, реляційні мережі
• CNC / roleplay — consensual non-consent як фантазійний сценарій, жанрова конвенція

---

Вісь 3 — Естетика і жанр

Ця вісь відповідає кінознавчим категоріям, адаптованим для специфіки дорослого виробництва. Вона описує художню мову й атмосферу, а не сценарій.

Feature / narrative — золота ера як архетип

Повнометражні картини з побудованим сюжетом, діалогами, акторською грою і кінематографічним виробництвом. Архетип жанру — «золота ера» 1970-х (1972 р. умовно вважається точкою відліку з виходом «Deep Throat» і «Behind the Green Door»): у цей період дорослий фільм претендував на статус кінематографічного артефакту, демонструвався у комерційних кінотеатрах і розглядався як частина сексуальної революції. Ця традиція задала жанрову граматику, від якої gonzo пізніше відштовхувався як від антитези.

Gonzo — чотиривимірна стилістична модель

Gonzo-порнографія відмовляється від narrative-дистанції: камера потрапляє всередину дії, сценарій відсутній або мінімальний. Академічна стаття у Porn Studies (vol. 3, no. 4, 2016) описує gonzo через чотири виміри:

Вимір	Характеристика
Репрезентативний / перформативний	акцент на фіксації акту, а не режисурі
Технічний / експресивний	ручна камера, природне освітлення
Анунціативний / комунікативний	виконавець звертається до камери / глядача
Семіо-прагматичний	сигнали «реальності» й «присутності»

POV (point-of-view) є підвидом gonzo: камера утримується одним з виконавців, створюючи суб’єктивну перспективу.

Інші естетичні жанри:

• Glamour / softcore — неявний або символічний показ, акцент на естетиці тіла й освітленні
• Arthouse / erotic — наближення до авторського кіно, мінімальна експліцитність, наративний пріоритет
• Vintage / retro — класифікація за епохою виробництва (1960–1990-ті), ностальгічна естетика
• Reality / documentary — імітація документальності, нібито підглядання за реальними подіями
• Compilation — тематичний монтаж фрагментів; специфічний формат без власного наративу

---

Вісь 4 — Стиль продакшну

Технічно-виробнича вісь, концептуально відмінна від естетичного жанру (gonzo може бути знятий як аматорами, так і студією). Вона описує інфраструктуру виробництва.

Сім підвидів:

Стиль	Характеристика
Studio / professional	знімальний майданчик, освітлення, постпродакшн, IMDb-credited performers
Prosumer / indie	малі студії, одиночний продюсер-оператор, повна відповідальність
Amateur / UGC	user-generated content без технічного персоналу; за індустріальними оцінками, UGC складає більшість uploads на tube-платформах (дані закриті)
POV	суб’єктивна камера, утримувана виконавцем; власна семіотика присутності
VR-360	стереоскопічне 360° відео або повна 3D-симуляція; дослідження PMC (PMC9684871, 2022) описує специфічні психологічні ефекти sense of presence
Webcam / live-stream	стрімінг у реальному часі (OnlyFans, Chaturbate моделі) або асинхронне записане відео
Animated / hentai / CGI	2D-аніме (japan-originated), 3D CGI, stop-motion; класифікується окремо від live-action через правові й технічні особливості

Критична примітка: amateur як естетичний сигнал

«Amateur» у промисловій таксономії позначає не юридичний статус виконавця і не відсутність оплати — це естетичний сигнал автентичності. Виконавці в цій категорії можуть бути повністю оплаченими та працювати з продюсером; камера вибудована під «ефект необробленості». Академічна база підтверджує: категорія відображає аудиторний попит на відчуття реальності, а не виробничу реальність.

---

DOCA (UZH) як академічна валідизація

Database of Variables for Content Analysis (DOCA, Університет Цюриха, 2024) надає вісім аналітичних вимірів для контент-аналізу в академічних дослідженнях: насильство, деградація, сексуальні дії, демографія виконавців, тілесна зовнішність, практика безпечного сексу, реляційний контекст і комунікація згоди.

Порівняння DOCA з промисловою матрицею:

Вісь DOCA	Відповідна промислова вісь
Демографія виконавців	Вісь 1 (демографія)
Тілесна зовнішність	Вісь 1 підвісь D (морфологія)
Реляційний контекст / комунікація згоди	Вісь 2 (сценарій)
Насильство / деградація	Вісь 5 (ніша/kink — анонс наступного розділу)
Сексуальні дії	Вісь 5 (ніша)
Практика безпечного сексу	Вісь 6 (платформа/формат — анонс)

Структурна відповідність не є випадковою: промислова таксономія й академічне кодування вирішують одне й те саме завдання — мультиаксіальний опис одиниці контенту, — але з різних нормативних позицій. DOCA надає академічну легітимацію самому факту, що фасетна класифікація є валідним інструментом для цього домену.

---

Принцип мульти-аксіального перетину

Ключовий висновок цього розділу: жоден ярлик сам по собі не є категорією — категорія виникає на перетині значень. Одиниця контенту одночасно несе мітку з кожної осі. Наприклад:

[Вісь 1: MILF + interracial] × [Вісь 2: stranger/pickup] × [Вісь 3: gonzo] × [Вісь 4: amateur/POV]

— і саме цей перетин формує специфічну нішу, яку платформний алгоритм подає як рекомендацію. Mazières et al. (2014) встановили, що такі перетини утворюють не чіткі кластери, а щільний граф із «мостами» між розмитими категоріями — структура, яку наївна плоска таксономія не здатна відобразити.

---

Осі 5–6: анонс

Матриця має ще дві осі, розгорнуті в наступному розділі:

• Вісь 5 — Ніша / специфічний інтерес: BDSM-парасоля, fetish-родини, body-specific категорії, альтернативні реляційні структури (понад 500 паrafільних категорій за апендиксом Aggrawal, CRC Press, 2009)
• Вісь 6 — Платформа / формат / тривалість: tube-site vs. subscription, тривалість, роздільна здатність, модель монетизації, регуляторна юрисдикція

---

Запропонований візуал: Велика матрична таблиця 6 рядків × кілька колонок. Рядки = осі 1–6; колонки = (1) назва осі, (2) підвіміри / внутрішня субструктура, (3) приклади ярликів, (4) теоретична база. Осі 1–4 заповнені повністю; рядки 5–6 позначені «→ Розділ 5» як анонс продовження. Таблиця унаочнює, що кожна вісь є не плоским переліком, а структурою зі своєю внутрішньою логікою.

5. Головна матриця осей (ядро, частина II): ніша, формат і два мета-виміри

До цього моменту матриця описала чотири осі — демографію виконавців, сценарний контекст, естетичний жанр і стиль продакшну. Разом вони окреслюють, хто і як з’являється на екрані та в якому виробничому режимі. Але матриця залишалась би неповною без двох осей, що відповідають на питання що саме приваблює глядача і яким каналом одиниця контенту до нього потрапляє. Саме ці виміри — вісь специфічного інтересу і вісь платформи/формату — утворюють п’яту і шосту координати системи. Поверх усіх шести осей накладаються два мета-виміри: тип класифікаційної системи і розрив між ярликом і реальністю. Разом вони перетворюють плоский реєстр категорій на операційно повноцінну аналітичну рамку.

---

Вісь 5 — Ніша / специфічний інтерес

Якщо перші чотири осі описують контекст і форму, п’ята відповідає на питання про зміст потягу — конкретний атрактор, заради якого глядач обирає саме цю одиницю, а не будь-яку іншу. За кількістю ярликів це найширша вісь матриці; саме тут концентрується більша частина «довгого хвоста» попиту.

BDSM-парасоля об’єднує три концептуально пов’язані, але окремі практики: Bondage & Discipline, Dominance & Submission і Sadism & Masochism. Кожен сегмент розгалужується далі: bondage охоплює мотузковий ригінг / шибарі, шкіряні фіксатори; домінування — femdom і maledom як дві полярні конфігурації ролей. Об’єднувальним принципом є не конкретна дія, а владно-підкорена динаміка між учасниками.

Fetish-родини структуровані за об’єктом уваги: foot fetish, latex/leather, voyeurism/exhibitionism, нижня білизна. Спільний знаменник — перенесення ключового збудження з генітального контакту на специфічний об’єкт, матеріал або ситуацію.

Body-specific niches позначають конкретний фізіологічний або сексуальний акт як центральний атрактор одиниці контенту (squirting, creampie, facial). Тут класифікаційна одиниця — не жанр і не роль, а кульмінаційний елемент сцени.

Alternative-relational ніші (cuckolding, swinging, polyamory) класифікують за реляційною структурою, а не за окремою дією: акцент на динаміці між більше ніж двома людьми або на присутності третьої сторони.

Нарешті, hentai-specific subgenres (tentacle erotica, futanari та ін.) є нішею всередині вже нішевої анімаційної гілки: вони не мають еквіваленту у live-action і підпорядковуються власній внутрішній таксономічній логіці.

DSM-5 і межа між парафілією та патологією

Клінічна сексологія надає концептуальний каркас для п’ятої осі. DSM-5 (APA, 2013) запровадив принципове розмежування: парафілія — інтенсивний, стійкий (понад шість місяців) атиповий сексуальний інтерес — сам по собі не є діагнозом. Парафілічний розлад діагностується лише за наявності клінічно значущого дистресу, порушення функціонування або залучення неконсентуальних осіб. Практичне значення для таксономії контенту: існування теми у пошуковому запиті або категорії платформи не передбачає жодного клінічного статусу користувача. Як зазначає Майкл Фьорст (JAAPL, 2014), судова практика десятиліттями використовувала «парафілію» як синонім патології — нова термінологія DSM-5 цю плутанину автоматично не усуває, але дає коректну концептуальну точку відліку.

Консенсуальне BDSM без дистресу після перегляду DSM-5 не відповідає критеріям розладу — це не «виключення» BDSM як такого, а переформулювання загальних критеріїв так, що ключовим є не зміст інтересу, а його психосоціальний вплив.

Масштаб категоріального простору

Судово-медичний дослідник Аніл Аґравал («Forensic and Medico-Legal Aspects of Sexual Crimes and Unusual Sexual Practices», CRC Press, 2009) каталогізував понад 500 дискретних парафільних категорій (згідно з апендиксом книги, точна цифра у вторинних джерелах варіюється). Це число добре ілюструє масштаб п’ятої осі: вона не є набором десяти-двадцяти позицій, а потенційно безмежним простором, більша частина якого живе у «довгому хвості» розподілу Зіпфа — рідко шукана, але реально існуюча.

---

Вісь 6 — Платформа / формат / тривалість

Шоста вісь є дистрибутивною: вона не описує зміст одиниці контенту, а спосіб її доставки та структурні параметри.

Підвимір	Основні значення
Платформний тип	tube-сайт (безкоштовний, ad-supported), subscription/paywall (OnlyFans, ManyVids), studio-owned vault
Тривалість	clip/scene (5–20 хв), full-length feature (60–120+ хв), trailer (<3 хв), series/episode
Формат / якість	SD / HD / 4K / VR-360 equirectangular
Інтерактивність	passive viewing, choose-your-own-scene, cam-to-cam (двосторонній стрімінг)
Монетизаційна модель	SVOD, TVOD, AVOD, creator-direct paywall

Монетизаційна модель на цій осі має пряму таксономічну вагу: subscription-платформи, де автор верифікований до публікації, проходять жорсткіший вхідний контроль, ніж відкриті UGC-tube-майданчики. Це означає, що та сама одиниця контенту за змістом може потрапити до різних категорій модерації залежно від того, де саме вона розміщена.

Регуляторний контекст також прив’язаний до шостої осі: EU AVMS Directive (2018/2020) і рішення Верховного суду США у справі Free Speech Coalition v. Paxton (2025) щодо Texas HB 1181 формують вимоги до вікової верифікації на рівні платформи, а не на рівні окремої категорії контенту. Тобто, доступність тієї самої ніші (вісь 5) може відрізнятись залежно від того, який платформний тип (вісь 6) її розповсюджує і в якій юрисдикції.

---

Мета-вимір A — Тип класифікаційної системи

Шість осей матриці описують що класифікується. Мета-вимір A відповідає на питання ким і яким способом. Три типи систем існують одночасно і частково перетинаються, але не збігаються.

Редакційна таксономія — ієрархічна система, що встановлюється командою платформи. Верхній рівень (50–200 офіційних категорій) є стабільним і фіксованим: кожна категорія має власний URL, редакційний опис і SEO-значення. Ця система повільно адаптується до нових явищ і відображає насамперед комерційні та регуляторні пріоритети платформи.

Фолксономія — колаборативне тегування без контрольованого словника. Завантажувачі, користувачі і студії вільно присвоюють теги; дослідження xHamster зафіксувало десятки тисяч унікальних тегів при мільйонах відеозаписів. Як показали Mazières et al. («Deep Tags», Porn Studies, 2014) на даних реальних платформ, фолксономія додає семантичні шари — тілесні атрибути, мікро-естетичні стилі, нішеві практики, — яких немає у фіксованих редакційних категоріях. Водночас вона відтворює расові й гендерні ієрархії домінуючої культури і страждає від хронічної синонімії (та сама ніша позначена 7–15 варіантами написання). Особливу роль відіграють «суперметчери» (supertaggers) — невелика когорта гіперактивних тегерів, що непропорційно формують фолксономічний словник (Lorince, Zorowitz, Murdock & Todd, arXiv:1502.02777, 2015 — дослідження на даних Last.fm і Flickr, але принцип є загальним для будь-яких тегових систем).

Алгоритмічний embedding — латентний простір, у якому семантична близькість одиниць контенту виявляється автоматично через векторні представлення тегів, watch history і engagement signals. Це прихована класифікаційна система: вона не пред’являє користувачеві явних категорій, але визначає, що з’являється у «Related videos» і «Because you watched». Алгоритм може зближувати одиниці, які редакційно належать до різних категорій, і навпаки — розводити однойменно тег­овані матеріали, якщо їхній engagement-профіль відрізняється.

Три системи перетинаються, але не збігаються. Редакційна таксономія задає рамку; фолксономія заповнює деталі і нарощує довгий хвіст; алгоритмічний embedding перекроює простір відповідно до поведінкових сигналів. Практичне наслідування для модерації: система, навчена виключно на редакційних категоріях, систематично пропускає нові паттерни у фолксономії, що ще не кристалізувались в офіційні ярлики.

---

Мета-вимір B — Ярлик ≠ реальність: чотири системні розриви

Промислова таксономія є маркетинговим конструктом, а не прямим дескриптором реальності. Академічна і юридична позиція фіксує чотири головні розриви між ярликом і тим, що він насправді позначає.

1. Стилізація ≠ вік. Категорія «teen» позначає повнолітніх виконавців, стилістично відповідних образу ранньої дорослості. Будь-яка участь неповнолітніх є федеральним злочином (18 U.S.C. § 2257; PROTECT Act, 2003) і блокується на рівні завантаження всіма ліцензованими платформами через hash-matching інфраструктуру. Ярлик є суто естетичним сигналом, не юридичним дескриптором.

2. Расові теги ≠ самоідентифікація. Категорії на кшталт «ebony», «latina», «asian» є маркетинговими сегментами, що нерідко відтворюють і комерціалізують расові стереотипи. Вони відображають те, як платформа або завантажувач класифікує виконавця, а не те, як виконавець ідентифікує себе сам. Дослідження Rama, Bainotti, Gandini et al. («The platformization of gender and sexual identities», Porn Studies, Vol. 10, No. 2, 2022) показало, що алгоритмічні рекомендації платформи відтворюють гетеронормативні патерни незалежно від задекларованих уподобань користувача.

3. Family-fantasy ≠ стосунки. Ярлики «step-» (stepmom, stepsister тощо) є чисто наративною конвенцією рольової гри між непов’язаними повнолітніми. Юридично і морально ці ярлики не мають жодного зв’язку з реальними родинними відносинами. Це — сценарний код (відповідно до Sexual Script Theory Ганьйона і Саймона, 1973), а не дескриптор біографічного факту.

4. Amateur ≠ неоплачуваність. «Amateur» як категорія є естетичним сигналом автентичності — ефект відсутності студійного освітлення, постпродакшну і сценарію, — а не юридичним статусом виконавця. За індустріальними оцінками, значна частина контенту під цим ярликом є спланованою і оплачуваною виробництвом, що свідомо імітує аматорську естетику.

Ці чотири розриви мають безпосереднє значення для модерації: алгоритм або модератор, що реагує виключно на ярлик, буде системно помилятися — або через надмірне блокування легального контенту, або через пропуск проблемного.

---

Механіка перетину: ніша як точка в шестивимірному просторі

Ключовий висновок фасетної архітектури полягає в тому, що ніша — це не окремий ярлик, а перетин. Одна одиниця контенту одночасно несе по одному значенню з кожної осі, і саме комбінація всіх шести значень визначає її унікальне місце в класифікаційному просторі.

Приклад: одиниця може бути описана як [Вісь 1: MILF + interracial] × [Вісь 2: power-differential] × [Вісь 3: gonzo] × [Вісь 4: amateur/POV] × [Вісь 5: bondage-lite] × [Вісь 6: tube-clip 15 хв / 4K]. Жоден із цих атрибутів окремо не визначає нішу: нею є виключно їхній перетин.

Mazières et al. (2014) емпірично підтвердили, що тегова структура на реальних платформах формує не чіткі ізольовані кластери, а щільну мережу з множинними семантичними містками між розмитими категоріями. Іншими словами, таксономія є не деревом, де кожна гілка відокремлена, а гіперграфом, де вузли-теги з різних осей пов’язані ребрами через спільні одиниці контенту.

Це має два практичних наслідки:

• Для рекомендаційних систем: кожен тег є вузлом гіперграфа; алгоритм переміщується вздовж ребер, знаходячи семантично близький контент через спільні атрибути в різних осях. Це пояснює, чому рекомендований наступний ролик може не збігатись з жодною з редакційних категорій вихідного — але бути семантично близьким через комбінацію трьох-чотирьох атрибутів.

• Для модерації: проблематична одиниця рідко є такою через один ізольований ярлик. Вона стає проблемною через перетин: певна комбінація осей може бути тригером навіть тоді, коли кожен окремий атрибут є цілком легальним. Модераційні системи, навчені реагувати на ізольовані ярлики, систематично пропускають проблемні комбінації. Саме тому ефективна модерація в цьому домені вимагає оцінки перетину, а не переліку.

---

Підсумок: матриця як аналітичний інструмент

Шість осей і два мета-виміри утворюють повну аналітичну рамку. Редакційна таксономія задає рамку видимості; фолксономія заповнює деталі; алгоритмічний embedding перекроює простір поведінково. Ярлики є маркетинговими конструктами з чотирма документованими розривами щодо реальності. А центральна класифікаційна одиниця — не ярлик і не категорія, а точка перетину в шестивимірному просторі, яку академічна традиція від Ранганатана (1933) до Mazières et al. (2014) описує як фасетний синтез: аналіз → вісі → комбінація → ніша.

6. Голова і довгий хвіст: чому закон Зіпфа структурує таксономію

Будь-яка система класифікації, що зростає знизу вгору — через пошукові запити, призначені теги, перегляди, — неминуче набуває однієї і тієї самої форми: різко спадна крива, де кілька одиниць акумулюють непропорційно великий обсяг трафіку, тоді як переважна більшість залишається у «хвості» з мізерними але ненульовими частотами. Це не артефакт редакційних рішень і не випадковість — це прояв степеневого закону, відомого в лінгвістиці та інформаційній науці як розподіл Зіпфа.

6.1 Емпіричний розподіл попиту: що означає «голова» і «хвіст»

Ogi Ogas та Sai Gaddam у монографії «A Billion Wicked Thoughts» (Dutton, 2011) проаналізували близько 400 мільйонів пошукових запитів через агрегатор Dogpile — великий зріз реальних переваг без соціальної бажаності. Ключовий кількісний висновок стосується концентрації попиту: приблизно 80% еротичних запитів тяжіє до близько 20 тематичних кластерів інтересів, а 90% охоплюється приблизно 35 кластерами. Решта 10% попиту розсіяна по тисячах нішевих підзапитів.

Важливе застереження: ці кластери — інтереси (психологічні атрактори, що організують пошукову поведінку), а не платформні категорії в прямому розумінні. Ogas і Gaddam застосовують еволюційно-психологічний фрейм, що отримав методологічну критику від академічних рецензентів. Їхні дані не проходили стандартного peer review, а сама монографія позиціонована як науково-популярна. Ці числа варто читати як кількісну інтуїцію порядку величин — ілюстрацію закономірності, а не як результат статтесту.

Закономірність, однак, відтворювана. Степеневий розподіл — властивість, що фіксується незалежно від предметної області: у частоті слів у текстах (класичний Зіпф, 1949), у розподілі трафіку вебсторінок, у популярності музичних треків. Принцип один: у будь-якій великій системі вільного вибору «голова» (head) — мала кількість елементів з надвисокою частотою — співіснує з «хвостом» (long tail) — величезною кількістю елементів з низькою, але ненульовою частотою. Для таксономії контенту це означає: кілька десятків широких категорій обслуговують масовий попит, тоді як тисячі нішевих ярликів — реальні, але рідкісні інтереси.

Дослідження xHamster («YouTube of Porn», Social Network Analysis and Mining, 2020) зафіксувало понад 56 000 унікальних тегів при кількох мільйонах відео. SEO-аналітики галузі оцінюють, що 80% цих тегів мають або мізерний трафік, або є синонімічними дублікатами ефективно кількох сотень ключових концептів. Це Зіпф у чистому вигляді.

6.2 Дилема «широке проти вузького» і її дворівнева розв’язка

Степеневий розподіл попиту породжує фундаментальну таксономічну дилему. З одного боку, широкі категорії зручні для навігації: сторінка «Amateur» або «MILF» на великій платформі акумулює сотні тисяч одиниць, отримує стабільний SEO-трафік і формує впізнаваний навігаційний орієнтир. З іншого боку, широка категорія розмиває специфіку: вона не дозволяє відрізнити, скажімо, конкретний наративний тип від конкретного естетичного стилю в межах одного загального ярлика.

Вузькі категорії вирішують проблему точності, але породжують іншу: їх стає некерована кількість. Таксономія фрагментується, навігація втрачає логіку, а пошукові рушії не знають, яку сторінку вважати авторитетною для конкретного запиту.

Практична відповідь індустрії — дворівнева архітектура:

Рівень	Тип	Масштаб	Функція
Основна таксономія	Редакційні категорії	50–200 URL-сторінок	SEO-посадкові, навігаційна опора
Тегований простір	Фолксономія (вільні теги)	Тисячі–десятки тисяч	Деталізація, довгий хвіст, пошуковий індекс

Основна таксономія — верхній рівень — визначається редакційним рішенням платформи: кожна категорія отримує власний URL, шаблон сторінки і виступає самостійним SEO-активом. Тегований простір не обмежений у розмірі: завантажувачі і користувачі проставляють ярлики вільно, без контрольованого словника. Цей простір покриває довгий хвіст попиту — ніші, де, за метафорою Зіпфа, частота низька, але сукупно вони утворюють значний обсяг.

Паралельно між двома рівнями існує третій, неформальний — «проміжна таксономія», що генерується пошуковим автодоповненням (autocomplete). Дослідження Verbeke et al. (arXiv:0903.1788, 2009) показало, що системи пропозиції тегів суттєво збільшують конвергенцію до спільного словника: коли платформа пропонує конкретний варіант написання, користувачі обирають його замість власного неологізму. Автодоповнення таким чином є інструментом де-факто канонізації без формального редакційного рішення.

6.3 Кристалізація: як тег стає категорією

Між рівнями фолксономії і редакційної таксономії відбувається динамічний процес, який можна назвати кристалізацією — перехід тегу з вільного простору до статусу офіційної категорії. Механізм такий:

1. Нова практика, образ або субкультурне явище починає накопичувати теги у вільному просторі — спочатку з різними написаннями, частотами і варіаціями.
2. Алгоритм або редакційна команда відстежує порогову частоту: скільки разів ярлик з’являється, скільки трафіку він генерує, наскільки стабільний його зріст.
3. Тег, що перетнув поріг, «підвищується»: отримує виділену сторінку-категорію з власним URL, потрапляє у навігаційне меню, його синоніми зводяться до канонічної форми.

Загальна логіка цього процесу задокументована в ширшому корпусі folksonomy-літератури. Дослідження Cattuto et al. (arXiv:0704.3316, 2007) на даних платформи del.icio.us зафіксували характерну динаміку тегових систем: словник не «стабілізується» у сенсі зупинки росту — він демонструє суб-лінійне (sub-linear) зростання за степеневим законом. Нові теги продовжують з’являтися, але темп приросту сповільнюється: найбільш частотні ярлики конвергують до стійкого ядра, а новизна концентрується у хвості. Це і є фізика кристалізації: ядро ущільнюється, хвіст залишається рухливим.

Компроміс порогу кристалізації є операційно критичним:

• Занизький поріг → кожна дрібна ніша отримує власну category page → проліферація категорій, навігаційний шум, каннібалізація пошукового трафіку між сторінками-синонімами. Таксономія стає непрохідною для нового відвідувача.
• Зависокий поріг → легітимні нішеві інтереси залишаються невидимими в офіційній структурі → контент «існує», але не має власної сторінки-акумулятора → знижена дискаверабільність → знижений попит, хоча реальний інтерес наявний.

Платформи вирішують цей компроміс по-різному: одні вводять явні числові пороги (N відео за тегом, M пошукових запитів на місяць), інші — суб’єктивне редакційне судження з підтримкою аналітики. Жодне рішення не є нейтральним: вибір порогу визначає, які інтереси отримують символічну видимість у формі категоріальної сторінки, а які залишаються у безіменному хвості.

6.4 Динаміка словника: не стабілізація, а сповільнене зростання

Поширена спрощена версія тезису про тегові системи звучить так: «словник тегів врешті-решт стабілізується». Дані Cattuto et al. уточнюють цю картину. На del.icio.us вони спостерігали, що частотний розподіл тегів підпорядковується степеневому закону і залишається стабільним у своїй формі — але сам словник продовжує рости, лише повільніше. Це суб-лінійна залежність: обсяг словника збільшується як степеневий корінь від обсягу тегувань, а не лінійно.

Практичний висновок для таксономії: редакційна команда ніколи не може вважати словник «закритим». Нові явища — технологічні (VR, AI-генерований контент), культурні (мем-хвилі, вірусні тренди), демографічні (нові аудиторні сегменти) — безперервно продукують нові ярлики у хвості. Частина з них зникне, частина почне зростати. Кристалізаційний фільтр повинен бути безперервним процесом, а не одноразовою таксономічною операцією.

Pornhub Insights — щорічні звіти з агрегованою статистикою пошуків і категорій — є прямою ілюстрацією цієї динаміки у промисловому масштабі. Дослідниця Rebecca Saunders (Convergence, 2025) аналізує, як ці звіти самі стають механізмом управління таксономією: публікація трендів впливає на виробничі рішення студій, що, своєю чергою, посилює позиції відповідних категорій у наступному циклі. Тобто аналітика попиту не просто відображає розподіл — вона активно його формує через петлю зворотного зв’язку.

6.5 Чому закон Зіпфа є структурним, а не редакційним

Ключова теоретична точка цього розділу: степеневий розподіл виникає не тому, що редакційна команда так вирішила структурувати таксономію, — він є структурним наслідком децентралізованого вибору мільйонів користувачів. Незалежно від того, скільки категорій офіційно затверджено, пошуковий трафік розподіляється за однією і тією ж кривою.

Це означає, що будь-яка таксономія приречена бути асиметричною: кілька категорій будуть «жирними» (head) і конкурувати між собою за аудиторію масового попиту, тоді як тисячі ярликів у хвості обслуговуватимуть реальні, але малочисельні аудиторні сегменти. Спроба «вирівняти» цю асиметрію редакційними засобами — наприклад, штучно обмежити категорії «голови» — призводить лише до перерозподілу трафіку в рамках тієї ж кривої, але не змінює її форми.

Практичний наслідок для проектування таксономічної системи: голова і хвіст вимагають різних інструментів. Категорії голови потребують ретельної SEO-архітектури, внутрішньої перелінковки і контрольованого словника для уникнення канібалізації. Хвіст потребує гнучкої фолксономічної інфраструктури, що дозволяє ярликам накопичуватися органічно — і механізму кристалізації, що своєчасно витягує найбільш стійкі з них на наступний рівень видимості.

---

Концепт візуалу до розділу

Класична крива довгого хвоста (розподіл Зіпфа): вісь X — категорії та теги, впорядковані за рангом популярності (від найпопулярнішої до найрідкіснішої); вісь Y — відносна частота (пошукові запити / перегляди). Крива різко спадає зліва направо. Ліва зона («голова», перші 20–35 позицій) залита насиченим кольором і позначена підписом «Редакційні категорії з власними URL». Права зона («хвіст», решта) — світліша, підписана «Фолксономічний тегований простір». Між зонами — вертикальна пунктирна лінія із підписом «Поріг кристалізації: тег → категорія». Стрілка вгору над порогом показує напрямок «підвищення» тегу.

7. Пошук, query-логи й автодоповнення як де-факто карта інтересів

Пошукова інфраструктура великих медіаплатформ — і платформ дорослого контенту зокрема — давно вийшла за межі суто сервісної функції. Сьогодні вона є одночасно дзеркалом попиту і механізмом його формування: query-логи виявляють інтереси раніше, ніж редакція встигає їх зафіксувати, а автодоповнення тихо канонізує словник, яким користувачі описують власні пошуки. Ця подвійна роль — пасивного реєстратора і активного управлінця — утворює те, що дослідники позначають як петлю датифікації: рекурсивний механізм, у якому аналітика формує видимість, видимість формує попит, а попит генерує нову аналітику.

Query-логи як bottom-up таксономія: методологія і відкриття

Традиційна редакційна робота з таксономіями рухається зверху вниз: команда кураторів вирішує, які категорії існуватимуть, і призначає контент до них. Проблема цього підходу — затримка. Нові культурні явища, що відображаються у пошуковій поведінці, можуть місяцями не потрапляти до офіційного рубрикатора, доки редакція їх не «помітить».

Query-логи вирішують цю проблему через кластеризацію знизу. Академічна робота Romero та ін. (arXiv:1510.00618, 2015) «Automatic Taxonomy Extraction from Query Logs with No Additional Data» демонструє технічну методологію: пошукові запити групуються у тематичні кластери спочатку на верхньому рівні, потім рекурсивно у підкатегорії — без участі редактора. Суміжні дослідження з ScienceDirect щодо taxonomy extraction із search engine logs («Enriching Web Taxonomies Through Subject Categorization of Query Terms From Search Engine Logs») підтверджують: ієрархія, що виявляється таким способом, відображає реальну структуру попиту, а не апріорну концептуальну модель.

Для великих платформ це означає конкретну операційну перевагу: алгоритм фіксує зростання нової ніші (наприклад, підвищений інтерес до певного жанру або виконавця) через збільшення частоти відповідних запитів — і сигналізує про потенційну нову категорію задовго до того, як редакційна команда розгляне питання формально. Пошукові логи стають, по суті, постійно оновлюваним чернетком таксономії.

Емпіричний приклад такого зсуву: у Pornhub Year in Review 2021 жанр «Hentai» (анімований контент японського походження) вперше вийшов на перше місце за кількістю пошукових запитів глобально — позиція, яку він утримує вже четвертий рік поспіль згідно зі звітом 2024 р. З точки зору таксономічного менеджменту це означає зміщення «голови» розподілу: категорія, яка роками була нішевою у довгому хвості, піднялась до вершини. Відстеження таких міжрічних зрушень у топ-запитах дозволяє платформам своєчасно переглядати пріоритети навігаційної структури, рекомендаційних алгоритмів і виробничих сигналів для студій-партнерів.

Автодоповнення: де-факто канонізація словника

Якщо query-логи виявляють попит, то автодоповнення його перетворює. Механіка проста: коли система пропонує конкретне формулювання запиту до того, як користувач його завершив, вона фактично здійснює вибір — якому варіанту з-поміж синонімів та варіацій дістанеться трафік.

Verbeke та ін. (arXiv:0903.1788, 2009) у роботі про роль пропозиції тегів у фолксономіях показали: системи, що пропонують готові варіанти позначення, суттєво підвищують конвергенцію до спільного словника. Користувачі обирають запропоноване, а не вигадують власне — і це не просто зручність, а таксономічний ефект. Застосоване до автодоповнення пошукових запитів, це спостереження означає наступне: якщо система пропонує варіант A на третьому введеному символі, а варіант B лише після п’ятого, варіант A отримує непропорційно більше кліків — а отже, більший потік запитів, більше контенту, пов’язаного з цим ярликом, і швидший шлях до порогу «кристалізації» у повноцінну офіційну категорію.

Це і є де-факто канонізація: без жодного редакційного рішення автодоповнення тихо вирішує, яке з кількох синонімічних позначень стане домінуючим. Сукупний ефект такого механізму за тисячі запитів на добу є більш потужним таксономічним інструментом, ніж більшість свідомих редакційних рішень.

Петля датифікації: концепт і його критика

Rebecca Saunders (Cardiff University) у статті «Big Data on Pornhub Insights: Datafication and the Making of a New Sexual Culture» (Convergence, 2025) формалізує цей процес у концепт петлі датифікації. Її структура — чотири з’єднаних вузли, що утворюють замкнене кільце:

1. Запити — користувачі шукають контент, генеруючи масив пошукових даних.
2. Аналітика / Insights — платформа агрегує запити, виявляє тренди й публікує звітність (наприклад, щорічні Pornhub Year in Review).
3. Видимість категорій — публічний дискурс навколо аналітики посилює увагу до певних категорій: медіа передруковують рейтинги, студії отримують сигнали попиту, алгоритми підвищують видимість трендових рубрик.
4. Попит — збільшена видимість формує нові очікування і моделі пошуку, що повертається до початкового вузла.

Критично важлива деталь: Saunders не просто фіксує цю петлю — вона ставить під сумнів достовірність даних, на яких вона базується. Pornhub Insights не публікують абсолютних чисел — лише відсоткові зміни без базових значень, що унеможливлює незалежну верифікацію. Дані Google Analytics, на яких базується аналітика, є результатом probabilistic sampling, а не прямого вимірювання. Географічна репрезентативність спотворена: близько 40% трафіку платформи генерують США, тоді як звітність подається як «глобальна». Усе це означає, що петля датифікації функціонує не лише як дескриптивний механізм («ось що популярне»), а й як прескриптивний: таксономія, яку Insights подають як «природну», насправді є конструктом із вбудованими методологічними обмеженнями.

Іншими словами, Saunders описує не просто цикл «дані відображають культуру» — вона показує, що дані конструюють культуру, причому через інструмент із непрозорою методологією.

Гібридна модель: редакційний каркас + алгоритмічне оновлення

Жодна з двох крайніх логік — чисто top-down редакційна чи чисто bottom-up алгоритмічна — не спрацьовує окремо. Редакційна таксономія реагує повільно і не встигає за динамікою нових ніш; чиста алгоритмічна кластеризація без нормалізуючого шару продукує надмірний шум синонімів.

Практична гібридна модель, що прослідковується в роботі великих платформ, виглядає так:

Рівень	Метод	Функція
Верхній (50–200 категорій)	Редакційне рішення	Навігаційний каркас, юридична відповідність, SEO-архітектура
Середній (теги з автодоповненням)	Алгоритм + редакційна нормалізація	Динамічна «проміжна таксономія», канонізація синонімів
Нижній (довгий хвіст тегів)	User-generated folksonomy	Нішева специфіка, виявлення нових кластерів

Редакційний шар вирішує принципове питання, яке алгоритм не може вирішити автономно: «категорія» чи «тег»? Це не технічне, а концептуальне рішення — чи виправдано виділяти явищу власну посадкову сторінку з URL, редакційним описом і місцем у навігаційному меню, чи достатньо присутності у тегованому просторі. Алгоритм може сигналізувати: «цей кластер запитів перетнув поріг трафіку». Але рішення про промоцію — прерогатива редакції.

Алгоритмічний шар, своєю чергою, забезпечує те, що редакція фізично не може: безперервний моніторинг нижнього рівня таксономії у реальному часі. Дослідження Romero та ін. показують, що ієрархічна класифікація запитів дозволяє автоматично виявляти нові тематичні угруповання — і це є основним механізмом, через який платформи відстежують появу нових жанрових ніш задовго до їхнього редакційного визнання.

Пошукова інфраструктура як активний таксономічний актор

Зведення описаних механізмів до єдиної тези: пошукова інфраструктура — query-логи, алгоритм ранжування, автодоповнення, аналітичні звіти — не є пасивним відображенням попиту. Кожен компонент активно формує таксономічну реальність:

• Query-логи виявляють нові категоріальні кластери раніше за редакцію — але самий факт відстеження і агрегування вже є актом класифікації.
• Автодоповнення тихо стандартизує словник — перетворюючи одне з кількох синонімічних позначень на «канонічне» без жодного оголошеного рішення.
• Алгоритм ранжування вирішує, які категорії є «популярними» — а оскільки популярність у замкнутій системі є частково наслідком видимості, рейтинг виконує нормативну функцію.
• Аналітичні звіти (такі як Pornhub Insights) перетворюють агреговані пошукові дані на публічний культурний документ — замикаючи петлю датифікації і роблячи таксономічну структуру платформи частиною ширшого публічного дискурсу.

Саме Saunders вказує на найтонший парадокс: система, яка начебто лише «вимірює» інтереси, фактично їх конфігурує — через те, що вирішує показувати й чого не показувати, що лічити «трендом» і на яких базових числах. Петля датифікації є не нейтральним технічним механізмом, а інфраструктурою влади над тим, що стає видимим у таксономічному просторі.

---

Концепт для візуалу: Циклічна SVG-діаграма з чотирма рівновіддаленими вузлами по колу, з’єднаними стрілками за годинниковою стрілкою: «Запити користувачів» → «Аналітика / Insights» → «Видимість категорій» → «Попит» → і назад до «Запитів». Стрілки товщі в напрямку руху, кожен вузол виділений окремим кольором. Поруч із вузлом «Аналітика / Insights» — невелика іконка попередження (⚠), що позначає методологічні застереження Saunders щодо достовірності самих даних. Підпис: «Петля датифікації (за Saunders, 2025): аналітика не лише фіксує попит — вона його конструює».

8. Індустріальна архітектура: три рівні таксономії на tube-платформах

Теорія фасетної класифікації та динаміка фолксономій — це аналітичний інструментарій. Але де він зустрічається з промисловою реальністю масштабу мільярдів переглядів? Відповідь — на tube-платформах, де абстрактні принципи Knowledge Organization стали операційною інфраструктурою, що обслуговує одночасно discovery, утримання і монетизацію.

---

8.1. Трирівнева ієрархія: від редакційного каркаса до семантичної мережі

Сучасні tube-платформи реалізують три організаційні рівні, які функціонують паралельно і взаємно посилюють один одного.

Рівень 1: Редакційні категорії (50–200 одиниць). Це верхній шар, контрольований командою платформи. Кожна категорія отримує канонічний URL (platform.com/category/[keyword-slug]), виступає SEO-посадковою сторінкою під власний keyword-кластер і відображається у навігаційному меню. Кількість категорій варіюється приблизно від 50 до 200 — достатньо, щоб покрити «голову» розподілу Зіпфа (20 топ-кластерів, що поглинають левову частку трафіку), але не настільки багато, щоб фрагментувати навігацію. Оновлення цього рівня відбувається рідко і завжди є свідомим редакційним рішенням: коли пошуковий трафік певного тегу перетинає внутрішній поріг, тег «кристалізується» у повноцінну категоріальну сторінку з власним метаописом. Цей механізм — перехід частотних тегів до офіційного категоріального статусу — задокументований у ширшій folksonomy literature як фундаментальна властивість гібридних класифікаційних систем.

Рівень 2: Теги-фолксономія (десятки тисяч одиниць). Якщо редакційний рівень — це нормований словник, то тегова фолксономія є його живою тінню. Завантажувачі контенту проставляють теги вільно, без контрольованого словника, що породжує масштаб, несумірний з редакційним шаром. Дослідження xHamster, опубліковане в журналі Social Network Analysis and Mining (Springer, 2020) і засноване на корпусі близько 4 мільйонів відео, зафіксувало тисячі унікальних тегів — і ця ж дослідницька лінія (академічний аналіз ASONAM 2019 того самого сервісу, 2,9 млн відео) підтверджує порядок масштабу у десятки тисяч тегових одиниць. Галузеві практики SEO оцінюють, що серед цього масиву близько 80% є синонімічними варіантами одного концепту — різні написання, регіональний сленг, скорочення. Це класична проблема, зафіксована ще в роботі «Folksonomies: (Un)Controlled Vocabulary?» (ResearchGate, 2005): без канонізації фолксономія вироджується у хаос синонімії й полісемії. Саме тому автодоповнення (autocomplete) є не просто зручністю інтерфейсу — це інструмент де-факто канонізації. Як показала дослідницька група Verbeke et al. (arXiv:0903.1788, 2009), системи пропозиції тегів значно збільшують конвергенцію до спільного словника: якщо система підказує варіант A замість B, то A швидше набирає критичну масу і просувається до кристалізації у категорію.

Рівень 3: Performer pages як організаційна вісь. Третій рівень — часто недооцінений в академічному аналізі таксономій — це сторінки виконавців. Функціонально вони є повноцінною третьою організаційною віссю, паралельною і незалежною від категорій та тегів. Performer page агрегує весь контент, пов’язаний з конкретною особою, формує branded search-трафік (запит на ім’я виконавця як keyword), накопичує зворотні посилання з фан-спільнот і виступає природним «кластером інтересу» для рекомендаційного рушія. З точки зору інформаційної архітектури, це фасетна вісь «виконавець» у повному розгортанні — з власними URL, сортуванням, метаданими.

Ці три рівні не ізольовані. Будь-яка одиниця контенту одночасно індексована в усіх трьох: вона належить до 1–3 редакційних категорій, несе 5–30 тегів і прив’язана до performer page. Перетин усіх трьох осей визначає її унікальну позицію в інформаційному просторі платформи.

---

8.2. Масштаб тегів і проблема 80%: чому надлишок є структурним, а не випадковим

Цифра «десятки тисяч тегів» при порівняно скромному числі редакційних категорій виглядає як дисфункція. Насправді це конструктивна надлишковість.

Природа попиту задає цей масштаб: розподіл Зіпфа, детально задокументований Ogas та Gaddam («A Billion Wicked Thoughts», Dutton, 2011; аналіз близько 400 мільйонів пошукових запитів через Dogpile) — та академічно підтриманий у folksonomy literature (Cattuto et al., arXiv:0704.3316, 2007) — показує, що «хвіст» тематичних запитів є безмежним. 80% трафіку концентруються приблизно у 20 ключових кластерах; решта 20% попиту розкидані по тисячах нішевих мікро-інтересів. Редакційні категорії закривають голову; тегова фолксономія — хвіст.

Де вони перетинаються методологічно, там і виникають проблеми. Тег «stepmom», тег «step mom» і тег «step-mother» позначають абсолютно ідентичний наративний концепт — і всі три можуть одночасно існувати у тегованому просторі великої платформи. Пошуковий алгоритм нормалізує їх у пошуковому індексі, але у відображуваному інтерфейсі вони залишаються трьома окремими тегами. Саме тому практики SEO-архітектури говорять про 80% семантичного дублювання: більшість тегового простору є перефразуванням вузького словника концептів.

Механізм кристалізації (перехід тегу до статусу офіційної категорії) є відповіддю на цю проблему: він канонізує «переможця» серед синонімів, не знищуючи конкурентів у пошуковому індексі.

---

8.3. Вертикальна інтеграція: Aylo як архітектор галузевих стандартів

Промислова таксономія tube-платформ не є результатом нейтральної еволюції попиту. Вона значною мірою визначається структурою власності в галузі.

Компанія Aylo (до серпня 2023 р. — MindGeek) є найбільшим оператором adult-контенту у світі. Вона одночасно контролює дистрибуційний шар (tube-платформи Pornhub, RedTube, YouPorn, Tube8 та інші) і виробничий шар (студії Brazzers, Reality Kings, Digital Playground). За даними Wikipedia, Aylo оперує трьома з десяти найбільш відвідуваних adult-сайтів у світі. Ця вертикальна інтеграція — дистрибуція плюс виробництво в одних руках — є структурним чинником, що задає де-факто стандарти категоризації для решти галузі.

Логіка механізму така: Pornhub Insights (щорічні звіти з 2013 р., які Rebecca Saunders досліджує у Cardiff University, Convergence, 2025) акумулюють статистику пошукових запитів і категоріальних переглядів. Ці дані передаються студіям-партнерам як сигнали попиту. Студії (у тому числі власні студії Aylo — Brazzers і Reality Kings) виробляють контент під виявлені тренди. Контент завантажується на tube-платформи Aylo, посилює той самий категоріальний сигнал — і петля замикається. Saunders характеризує цей механізм як структурну особливість платформізації культурної індустрії: аналітика попиту не просто відображає культуру, а рекурсивно її конструює.

Важливо для академічного аналізу: Saunders також документує методологічні обмеження самих Pornhub Insights — відсутність абсолютних чисел (лише відсотки без базових значень), непрозорість ієрархії categories/subcategories/tags, залежність від predictive sampling Google Analytics. Тобто Pornhub Insights є одночасно і першоджерелом галузевих тенденцій, і корпоративним продуктом із власною риторикою.

---

8.4. Channel/Studio pages: конвертаційна лійка в одній екосистемі

Окремою таксономічною інновацією tube-платформ є channel-сторінки студій. Brazzers channel на Pornhub — це, буквально, промо-канал платної підписки (brazzers.com) вбудований у безкоштовну платформу.

Архітектурно це означає: студія розміщує на tube-сайті preview-фрагменти (trailer clips, сцени в скороченому форматі), кожен з яких посилається на повну версію за пейволом. Tube-сайт отримує контент і трафік; студія отримує конверсії з безкоштовного до платного. Для таксономії це суттєво: channel-сторінки є третьою організаційною віссю поряд із performer pages — вони агрегують контент за брендом виробника, а не за темою чи особою виконавця.

У межах вертикально інтегрованої екосистеми Aylo ця схема набуває замкненого характеру: Pornhub генерує трафік на Brazzers channel, Brazzers конвертує його у підписки, Aylo отримує доходи з обох кінців воронки. Це і є класичний freemium-тунель, реалізований не між різними компаніями, а між різними поверхами однієї корпоративної архітектури.

---

8.5. Deep Tags: таксономія як семантична мережа, не ієрархічне дерево

Найважливіший академічний внесок у розуміння тегової архітектури tube-платформ зробила група дослідників під керівництвом Antoine Mazières — робота «Deep Tags: Toward a Quantitative Analysis of Online Pornography» (Porn Studies, том 1, 2014; повний авторський колектив: Mazières, Trachman, Cointet, Coulmont, Prieur). Аналізуючи реальні тегові дані платформ, вони встановили фундаментальний факт: теги не утворюють ізольованих кластерів — вони формують щільну семантичну мережу з численними зв’язками між нішами.

Це означає кінець ілюзії про «дерево категорій». У класичному деревовидному класифікаторі кожен вузол має одного батька і може мати кількох нащадків; будь-яка одиниця займає єдину позицію. У семантичній мережі вузли (теги) з’єднані між собою через спільні одиниці контенту — і ці зв’язки утворюють «мости» між категоріями, що видаються тематично далекими. Теги не описують окремі ізольовані ніші; вони описують унікальні перетини кількох осей одночасно.

Це прямо відповідає фасетній логіці Ранганатана: якщо кожна одиниця контенту одночасно несе мітки з осі «демографія», осі «сценарій», осі «продакшн-стиль» і осі «специфічний інтерес», то кожен перетин цих міток є окремим «вузлом» у мережі. І таких перетинів — теоретично нескінченна кількість. Звідси тисячі тегів при кількох десятках редакційних категорій: редакційний рівень фіксує вузлові точки мережі з найвищою щільністю зв’язків; тегова фолксономія описує весь простір між ними.

Практичний наслідок для recommendation систем: сусідство у тегованому просторі є мірою семантичної близькості — і саме на ній будуються алгоритми «пов’язаних відео». Для модерації: перевірка ізольованих тегів є недостатньою — порушення часто детектуються лише на рівні перетину кількох тегів.

---

8.6. Географічна варіативність і lifecycle категорій

Таксономія не є статичним артефактом — вона живе у постійній динаміці виникнення, зростання, консолідації і відмирання категорій.

Географічна диференціація: категоріальний простір варіюється за регіоном. Mazières et al. (2014) зафіксували, що певні категорії є топ-пошуками у конкретних мовних ареалах, але практично не існують поза ними (французький сленговий термін для жінок арабського походження є прикладом регіонально-специфічного тегу, що не транслюється між культурами). Це означає, що «глобальна» таксономія великих платформ насправді є агрегатом регіонально диференційованих підсистем.

Lifecycle: категорії можуть виникати з вірусних культурних моментів — Pornhub Year in Review 2024 фіксує вибухове зростання запитів, пов’язаних із TikTok-трендами та реаліті-шоу («tradwife» +72%, «Mormon wife» +71%). Вони можуть також зникати або різко стискатися під регуляторним тиском: видалення близько 10,5 мільйонів відео з Pornhub у грудні 2020 р. (після журналістського розслідування New York Times та відключення платіжних систем Mastercard і Visa) фактично знищило цілий шар категорій неверифікованого контенту за одну ніч — найрадикальніший примусовий таксономічний шок в історії платформи.

---

Підсумок: архітектура як влада

Трирівнева таксономія tube-платформ — редакційні категорії, тегова фолксономія, performer/channel/studio pages — є не просто навігаційним інструментом. Вона є системою розподілу видимості: що потрапляє до редакційної категорії — отримує трафік; що залишається в тегованому «довгому хвості» — існує, але не рекомендується.

Вертикальна інтеграція Aylo перетворює цю архітектуру на замкнений механізм галузевої нормалізації: дані про пошуковий попит → виробничий сигнал студіям → новий контент під наявні категорії → посилення тих самих категоріальних сигналів. Семантична мережа тегів (за Mazières et al.) є інфраструктурою, на якій цей механізм функціонує — і яка одночасно відображає культурні патерни та активно їх формує.

---

Ідея візуалу: Тришарова архітектурна діаграма у вигляді горизонтальних плит. Верхня плита (вузька, чітка) — редакційні категорії: 50–200 прямокутників-категорій із підписами-прикладами, кожен з’єднаний з URL-рядком знизу. Середня плита (широка, з шумом) — тегова фолксономія: хмара тисяч вузлів різного розміру (розмір = частота), пов’язаних павутиною — семантична мережа, не дерево; угорі позначка «80% синонімічне дублювання». Нижня плита — performer/channel/studio pages: горизонтальні рядки з аватарами та лого студій, кожен підписаний своєю URL-моделлю. Вертикальні пунктирні стрілки між плитами показують: «кристалізація тегу → категорія» (знизу вгору) і «категорія розкладається на теги» (зверху вниз). Збоку — відокремлений блок «Вертикальна інтеграція Aylo»: зліва колонка tube-платформ (Pornhub, RedTube, YouPorn, Tube8), справа — студій (Brazzers, Reality Kings, Digital Playground), між ними двонаправлена стрілка «дані попиту ↔ виробничий сигнал».

9. SEO та рекомендаційні рушії: коли категорія стає продуктом

Категорія на tube-платформі — це не просто ярлик у навігаційному меню. Це одночасно SEO-актив, рекомендаційний вузол і прихований нормативний регулятор. Щоб зрозуміти, чому платформи так ретельно проектують таксономію, потрібно прослідкувати три окремі, але взаємопов’язані логіки: пошукову оптимізацію, алгоритм рекомендацій і культурний ефект ранжування.

---

Category page як SEO-актив першого порядку

Центральна одиниця пошукової стратегії tube-платформи — не окреме відео, а category page. Кожна сторінка категорії отримує окремий URL, побудований за шаблоном platform.com/category/[keyword-slug], і цілиться у власний keyword-кластер. Наприклад, slug /milf/ відповідає пошуковому кластеру з десятками варіантів запитів навколо одного концепту. Ця URL-архітектура є не випадковою: вона реалізує принцип «одна сторінка — один кластер», що мінімізує внутрішню канібалізацію запитів.

Programmatic metadata generation автоматично формує title і meta-description для тисяч таких сторінок із комбінації трьох змінних: category slug + platform name + шаблонна фраза. Для платформ масштабу 5–50 мільйонів сторінок ручна редактура неможлива — весь SEO-шар генерується алгоритмічно. Практики індустрії (SEO Francisco Adult SEO Industry Guide, 2026 — джерело practitioner-рівня, не peer-reviewed) оцінюють вплив правильно сформованої метадата-стратегії на CTR у діапазоні +15–40%. Ці оцінки варто трактувати як маркетингові твердження, а не верифіковані дослідницькі дані: незалежного академічного підтвердження вони не мають.

Окрема SEO-вісь — performer pages. Сторінка виконавця функціонує як довготривалий SEO-актив з кількох причин:

• Branded search: ім’я виконавця генерує власний branded-search трафік, незалежний від жанрових запитів. Популярні імена можуть мати десятки тисяч пошукових запитів на місяць.
• Акумуляція backlinks: fan-сайти, форуми та огляди природно посилаються на performer pages — це органічне нарощування link equity, яке з роками перетворює сторінку на авторитетний вузол у пошуковій мережі.
• Aggregation effect: performer page агрегує всі відео за особою, формуючи глибину сайту та внутрішню перелінковку.

Дослідження xHamster (Measurement and Analysis of an Adult Video Streaming Service, ACM ASONAM 2019; і подальша робота у Social Network Analysis and Mining, 2020) зафіксувало десятки тисяч тегів при мільйонах відеозаписів. За оцінками практиків, близько 80% цих тегів є синонімічними варіантами одних і тих самих концептів — прямий наслідок некерованої фолксономії без controlled vocabulary.

Ієрархія таксономії для SEO виглядає приблизно так:

Рівень	Тип	SEO-функція
Category pages	Редакційна таксономія	Targeting keyword-кластерів, основний SEO-трафік
Tag pages	Фолксономія	Long-tail запити, великий масштаб
Performer pages	Персональна вісь	Branded search, backlink-акумуляція
Channel/Studio pages	Дистрибутивна вісь	Brand-traffic партнерів

---

Рекомендаційні рушії: логіка за аналогією

Важливе застереження, яке необхідно зробити явно: внутрішня архітектура recommendation engines жодної adult-платформи публічно не розкрита. Те, що описується нижче, є висновком за аналогією з документованими архітектурами YouTube і Netflix, а не підтвердженими технічними специфікаціями Pornhub або Aylo.

З огляду на це застереження — двостадійна архітектура рекомендацій, задокументована для великих відеоплатформ (YouTube Deep Neural Networks for YouTube Recommendations, 2016; Netflix research publications), є методологічно найбільш правдоподібним аналогом:

Стадія 1 — Retrieval (відбір кандидатів): система використовує Approximate Nearest Neighbor (ANN) пошук у просторі ембедингів, щоб із мільйонів відео відібрати кілька сотень кандидатів. Вектор запиту будується на основі watch history, категорій, тегів і, можливо, демографічних сигналів.

Стадія 2 — Ranking (ранжування): нейромережа переранжовує кандидатів за engagement signals — насамперед watch time і completion rate. Відео, яке утримує увагу довше, отримує вищий ранг.

Цей пайплайн відповідає двом спостережуваним типам рекомендацій на платформах:

• Related videos (схожі відео): формуються через перетин тегових множин (content-based filtering). Якщо два відео мають 7 спільних тегів із 10, вони семантично близькі у тегованому просторі.
• Because you watched (на основі вашої історії): реалізує collaborative filtering — користувачі зі схожою watch history формують implicit «сусідство», і їхні вподобання проектуються назад.

Холодний старт (нові користувачі без history) — класична проблема рекомендаційних систем. Рішення за замовчуванням: популярність у категорії плюс геолокаційний сигнал. Pornhub публічно підтверджував трекінг геолокації для персоналізації (Aylo/MindGeek business model documentation). Дані Pornhub 2025 Year in Review фіксують середній сеанс 9 хвилин 33 секунди — ключова метрика для оптимізації recommendation loop.

Дослідження Rama, Bainotti, Gandini et al. («The platformization of gender and sexual identities: an algorithmic analysis of Pornhub», Porn Studies, Vol. 10, No. 2, 2022) показало, що алгоритмічні рекомендації Pornhub відтворюють гетеронормативні патерни незалежно від задекларованих уподобань користувача — тобто алгоритм має власну «стереотипну гравітацію», яка тягне рекомендації до мейнстримних категорій навіть тоді, коли явна поведінка сигналізує про нішеві інтереси.

---

Категорія як прихована класифікація: що алгоритм ранжує, те стає нормою

Тут ми підходимо до найглибшого рівня аналізу. Ранжування у рекомендаційному алгоритмі є прихованим актом класифікації: відео з вищим рангом стає більш видимим, отримує більше переглядів, що генерує ще більше engagement-сигналів, що ще більше підвищує ранг. Це позитивна петля зворотного зв’язку між алгоритмічною значимістю і фактичною популярністю.

Дослідниця Rebecca Saunders (Cardiff University) у статті «Big data on Pornhub Insights: Datafication and the making of a new sexual culture» (Convergence, 2025, DOI: 10.1177/13548565251363693) документує цей механізм як datafication loop: аналітика категорій публікується (щорічні Pornhub Insights з 2013 р.), медіа підхоплюють її як відображення «норми», що формує громадський дискурс, який, своєю чергою, впливає на подальші пошукові запити. Зовнішній спостерігач бачить «що шукають люди», тоді як внутрішній механізм значною мірою визначає, що виводиться в топ — і тому шукається.

Два наслідки для розуміння категорії як продукту:

1. Категорія як де-факто норма: те, що алгоритм просуває, отримує статус «типового» або «нормального» в межах жанру. Нішеві категорії, навіть із реальним попитом, залишаються невидимими, якщо не досягли порогу трафіку для входження в рекомендаційний цикл. Таким чином, алгоритмічна значимість є прихованим регулятором нормативності.

2. Виробничий зворотний зв’язок: Saunders фіксує, що Pornhub Insights функціонують як сигнал попиту для виробничих студій — Aylo передає партнерам аналітику трендів, а ті орієнтують виробничий план на категорії з найвищим зростанням пошуку. Вертикальна інтеграція Aylo (дистрибуційні платформи + виробничі студії Brazzers, Reality Kings, Digital Playground) замикає цикл усередині однієї корпоративної структури: таксономія → аналітика → виробництво → таксономія.

Ця петля є принципово відмінною від редакційної логіки: тут не редактор вирішує, що є жанром — це вирішує агрегована поведінка мільйонів користувачів, відфільтрована і підсилена алгоритмом.

---

Резюме: категорія як триєдиний продукт

Сучасна category page на tube-платформі одночасно виконує три функції:

• SEO-посадкова сторінка під keyword-кластер із programmatic-генерованими метаданими
• Рекомендаційний вузол у двостадійному пайплайні retrieval → ranking
• Нормативний конструкт, що через datafication loop між аналітикою і виробництвом визначає, що вважається «популярним» і «типовим» у жанрі

Performer pages додають четвертий вимір — brand equity — перетворюючи ім’я людини на SEO-актив і рекомендаційний кластер одночасно.

---

Концепт візуалу: двопанельна схема. Ліва панель — SEO-воронка зверху вниз: пошуковий запит → category page URL (platform.com/category/[slug]) → внутрішні посилання на performer/tag pages → позиція в SERP. Права панель — двостадійний рекомендаційний пайплайн: watch history + теги → ANN retrieval (сотні кандидатів) → нейромережевий ranking за engagement signals → фінальна стрічка рекомендацій. Між панелями — стрілка з підписом «datafication loop»: аналітика категорій → медіа-дискурс → пошукова поведінка → аналітика категорій.

10. Життєвий цикл категорії: народження з трендів, кристалізація, регуляторний шок

Категорія на платформі дорослого відеоконтенту — це не статичний ярлик. Це динамічний об’єкт зі своїм народженням, зростанням, піком і можливою смертю. Розуміння цього циклу дозволяє побачити таксономію не як картографічний знімок, а як живий процес — де пошукові запити, культурні меми, редакційні рішення та юридичний тиск безперервно перебудовують архітектуру категорій.

---

10.1 Чотири фази lifecycle

Академічна та індустріальна аналітика дозволяє виокремити чотири стадії існування категорії:

1. Emergence (поява). На цьому етапі майбутня категорія не має власної сторінки — вона існує лише як дифузний кластер пошукових запитів і тегів завантажувачів. Алгоритм автодоповнення фіксує зростаючу частоту певного словосполучення; query-log показує, що запит регулярно «не потрапляє» ні в одну наявну категорію, тобто має аномально низький click-through rate. Редакційна команда або автоматизована система відстежує ці сигнали. Критичний механізм тут — autocomplete-ефект, описаний Verbeke та ін. (arXiv:0903.1788, 2009): якщо система підказує певний варіант написання запиту, він акумулює більше кліків, швидше досягає порогу і прискорює власну кристалізацію.

2. Promotion (підвищення). Тег, що перетнув поріг трафіку, «промотується» до офіційної категорії: отримує виділену URL-сторінку, редакційний опис, потрапляє в навігаційне меню. Цей перехід — від фолксономічного хаосу до контрольованої таксономії — відповідає механізму, який в академічній літературі з фолксономій описується як субліненійне зростання словника (Cattuto et al., arXiv:0704.3316, 2007): на певному етапі частотні теги стабілізуються й конвергують до обмеженого канонічного набору. Рішення про промоцію є редакційним, але диктується даними.

3. Growth / Peak (зростання та пік). Категорія закріплює SEO-позиції, акумулює внутрішні посилання, потрапляє в рекомендаційні блоки. На піку вона може увійти до топ-20 або топ-50 переглядів і стати точкою відліку для виробничих студій, які отримують від платформ аналітику пошукових трендів — цю петлю зворотного зв’язку Ребекка Сондерс (Cardiff University, Convergence, 2025) описує як механізм datafication loop: аналітика запитів публікується, підхоплюється медіа, впливає на попит, і попит повертається до категорії у посиленому вигляді.

4. Consolidation або Decline (консолідація або занепад). Нішеві категорії зливаються під «парасольні» мета-категорії або поступово втрачають трафік на користь конкуруючих ярликів. Деякі категорії відмирають не через падіння попиту, а через регуляторний тиск — про що нижче.

---

10.2 Меми як spike-категорії: вірусна поява і тренд-уособлені ніші

Окремий клас категорій народжується не органічно, а через різкий культурний імпульс ззовні — з соцмедіа, реаліті-шоу або вірусного моменту. Ці об’єкти мають характерну spike-форму кривої: майже вертикальне зростання, короткий пік, а потім різкий спад або стабілізація на нижчому плато.

Найяскравіший задокументований приклад 2024 року — ефект вірусного аудіоматеріалу, що циркулював у соціальних мережах під іменем «Hawk Tuah»: за даними Pornhub Year in Review 2024, пов’язаний пошуковий кластер набрав близько 10 мільйонів запитів за рік, що дозволило йому увійти до річного рейтингу незважаючи на відсутність будь-якого контентного підґрунтя до вірусного моменту. Характерно, що spike-категорії рідко досягають стадії promotion: більшість з них затухає раніше, ніж редакція встигає прийняти рішення про виділену сторінку.

Інший клас тренд-категорій формується під тиском соцмедіа та реаліті-шоу — і, на відміну від мемових спайків, демонструє стійке зростання. За даними Pornhub Year in Review 2024, пошуковий ярлик «tradwife» (традиційна дружина) зріс на 72% у річному вимірі, «Mormon wife» — на 71%. Обидва ярлики безпосередньо відповідають культурним дискусіям у TikTok і Netflix-документалках того ж року — що є підтвердженням того, як мейнстримний медіадискурс матеріалізується у платформній таксономії.

Цей механізм має методологічне значення: пошукові дані не є нейтральним дзеркалом уподобань. Вони відображають те, що отримало культурну видимість у той чи інший момент. Категорія «з’являється» не тому, що інтерес виник раптово, а тому, що інтерес отримав публічне ім’я.

---

10.3 Географічна диференціація: категорії як мовно-культурні конструкти

Не всі категорії є транскультурними. Певні ярлики існують виключно у специфічному мовно-культурному контексті і не мають функціонального аналога в інших регіонах.

Хрестоматійний приклад — французький ярлик Beurette, розмовне слово для позначення жінки арабського походження, що народилась або виросла у Франції. В аналізі Mazières, Trachman, Cointet та ін. («Deep Tags», Porn Studies, 2014) географічна варіативність тегів фігурує як структурна характеристика фолксономії: теги, що є частотними в одній мовній зоні, просто не мають семантичного еквівалента в іншій. Ярлик Beurette є топ-категорією у французькомовному сегменті, але залишається семантично непрозорим за межами франкофонного простору — і тому не отримує промоції на глобальному рівні.

Це явище має важливе теоретичне наслідування: платформні таксономії, які видають себе за «глобальні», насправді відображають переважну частку трафіку з домінуючих ринків. Сондерс (2025) зафіксувала, що близько 40% трафіку Pornhub генерують США, що структурно спотворює «глобальні» рейтинги категорій на користь англомовних ярликів. Категорія, що посідає перше місце у Японії або Бразилії, може бути взагалі невидимою в агрегованому топ-20.

Регіональна диференціація виражається й у тому, що деякі категорії отримують промоцію лише в мовно-регіональних версіях платформи — і ніколи не потрапляють до глобального навігаційного меню. Це свідчить про те, що lifecycle категорії є не єдиним, а мультирегіональним процесом, де одна й та сама ніша може перебувати у фазі emergence в одному контексті й у фазі peak — в іншому.

---

10.4 Регуляторний шок як примусове скорочення таксономії

Якщо звичайний lifecycle категорії є поволі наростаючим і поволі загасаючим процесом, то регуляторний шок — це раптовий зовнішній розрив, що одночасно видаляє цілі сегменти таксономії.

Найкраще задокументований приклад у сучасній історії платформ — грудень 2020 року. Журналістське розслідування Ніколаса Крістофа у New York Times («The Children of Pornhub», 4 грудня 2020) описало системні провали модерації Pornhub: платформа, що працювала на реактивній моделі — контент публікується, видаляється за скаргою — містила матеріали з неверифікованим походженням, включно зі свідченнями щодо матеріалів за участю неповнолітніх і записів без згоди. Протягом кількох днів після публікації Mastercard та Visa заблокували платіжні транзакції для платформи.

Реакція була безпрецедентною за масштабом: Pornhub видалив приблизно 10 мільйонів відео — скоротивши бібліотеку з близько 13,5 мільйона до приблизно 3 мільйонів одиниць контенту. Видалено було весь контент, завантажений невіфікованими користувачами. З таксономічної точки зору це означало, що цілі сегменти категорій — передусім ті, що живились UGC-завантаженнями без верифікації — були відрізані в одну ніч. Категорії, які мали трафік, але не мали верифікованого контентного наповнення, фактично спорожніли.

Структурний наслідок: платформа перейшла від відкритої UGC-моделі до закритої — upload став доступним лише для верифікованих учасників програми. Таксономія не зникла, але її нижні шари — де зосереджувались нішеві, аматорські та неверифіковані категорії — були примусово стиснуті. Це є прикладом того, що в теорії таксономій можна назвати регуляторним pruning: примусове видалення гілок не через семантичне рішення, а через зовнішній юридичний або фінансовий тиск.

---

10.5 Резильєнтність до шоків: міграція контенту і офшорна екосистема

Регуляторний шок не знищує попит — він перенаправляє його. Це є фундаментальним обмеженням будь-якого підходу, який намагається скоротити таксономію через тиск на окрему платформу або платіжну інфраструктуру.

Дослідження Куевас і Хорта Рібейро (Cuevas & Horta Ribeiro, arXiv:2602.02754, 2025) про екосистему deepfake-контенту документує цей механізм кількісно: після регуляторного тиску на основні платформи контент мігрує на дрібніші, офшорні, поза-юрисдикційні майданчики, де модерація відсутня або мінімальна. Ця міграція відтворює структуру категорій оригінальної платформи — але вже за межами регуляторного досяження.

Механізм міграції має кілька вимірів:

• Географічний арбітраж: платформи, зареєстровані в юрисдикціях із слабким або відсутнім законодавством щодо adult-контенту, не підпадають під дію американського FOSTA-SESTA, британського Online Safety Act або нормативів ЄС.
• Технічний арбітраж: децентралізовані або peer-to-peer мережі розподілення контенту не мають єдиної точки, до якої можна застосувати платіжний тиск або судовий припис.
• Таксономічний перенос: категорії, витіснені з основної платформи, відтворюються на периферійних майданчиках у часто більш грубій, неверифікованій формі — без модерації, без стандартів метаданих, без hash-matching.

Deepfake-екосистема є крайнім виразом цієї резильєнтності: за даними Sensity AI (звіт 2019 р., аналіз 14 678 відео), близько 96% deepfake-відеоматеріалів онлайн є некомплаєнтними сексуальними зображеннями. Кожен новий AI-генерований файл має унікальний hash, що унеможливлює виявлення через PhotoDNA. Регуляторна відповідь (US TAKE IT DOWN Act 2025, директива ЄС 2024/1385) криміналізує поширення, але технічний gap між можливостями виробництва і виявлення залишається відкритим.

---

10.6 Lifecycle як аналітична рамка

Підсумовуючи, категорія у платформній таксономії проходить шлях від дифузного кластера пошукових запитів через поріг кристалізації до офіційного статусу — і може бути знищена або стиснута раптовим зовнішнім шоком. Цей цикл не є ізольованим від культурного контексту: він синхронізований з темпами соцмедіа, журналістськими розслідуваннями, рішеннями платіжних систем і геополітикою юрисдикцій.

Ключові параметри, що визначають lifecycle:

Параметр	Вплив на lifecycle
Швидкість накопичення запитів	Визначає темп переходу emergence → promotion
Культурна видимість ярлика (меми, ЗМІ)	Може скоротити emergence до тижнів замість місяців
Регіональна концентрація трафіку	Визначає, чи отримає категорія глобальну vs локальну промоцію
Верифікаційний статус контенту	Ключовий фактор резильєнтності до регуляторного шоку
Географічна юрисдикція платформи	Визначає схильність до примусового pruning

Регуляторний шок грудня 2020 залишається найбільшим одноразовим скороченням таксономії в документованій історії платформ. Але він же показав: таксономія як система є більш стійкою за будь-яку окрему платформу. Категорії не вмирають разом з контентом на одному хості — вони мігрують, адаптуються й відтворюються там, де регуляторна рука не дістає.

---

Ілюстративна концепція для візуалу: Спарклайн-крива на осі часу (2006–2025) з позначеними фазами emergence → promotion → peak → consolidation. Паралельно — окрема крива «загальний обсяг таксономії», що різко обривається у грудні 2020 (вертикальний «обрив» зі стрілкою-підписом «регуляторний шок: –10 млн відео / –70% бібліотеки»). Нижче основної кривої — пунктирна лінія «офшорна міграція», що продовжує зростання вже поза основною платформою. Окремий spike-елемент на 2024 р. позначає мемові категорії (tradwife +72%, вірусний кластер ~10 млн запитів).

11. Академічна сексологія: типології патернів і три рівні — поведінка, орієнтація, ідентичність

Платформні категорії та пошукові кластери описують, що люди шукають у конкретний момент часу. Але академічна сексологія давно встановила: між тим, що людина шукає, тим, до чого вона стійко тяжіє, і тим, ким вона себе вважає, — три принципово різних рівні аналізу. Змішування цих рівнів є хронічною методологічною проблемою поля і джерелом більшості хибних інтерпретацій даних.

---

11.1. Три рівні аналізу: чому вони не взаємозамінні

Академічна традиція розрізняє щонайменше три рівні опису сексуальності:

Поведінка (behavior) — що людина фактично робить або шукає: конкретні дії, пошукові запити, переглянутий контент. Це операціоналізований, вимірюваний рівень, найближчий до емпіричних даних.

Орієнтація (orientation) — стійкий, повторюваний патерн потягу або збудження, що зберігається в часі незалежно від конкретних поведінкових актів. DSM-5 використовує критерій тривалості щонайменше 6 місяців для парафілій саме тому, що стійкість є діагностично значущою ознакою.

Ідентичність (identity) — самоатрибуція: як людина сама себе описує і до якої спільноти зараховує. Ідентичність може відповідати орієнтації, а може суттєво від неї відрізнятись. Гомосексуальна поведінка без гомосексуальної ідентичності — добре задокументоване явище в кроскультурних дослідженнях.

Систематичний скопінг-рев’ю BDSM-літератури (магістерська робота Калафатіс-Рассел, University of North Florida, 2021), що охопив 60 академічних статей, зафіксував: 52 з 60 статей використовують поведінкові формулювання, 55 з 60 — формулювання орієнтації, 42 з 60 — ідентитарні, причому в переважній більшості випадків ці три регістри вживаються взаємозамінно. Це не редакційна недбалість — це системна проблема: поле не виробило операціоналізованого консенсусу щодо того, яку саме змінну вимірює конкретний інструмент.

Практичний наслідок: коли дослідник говорить «X% людей мають BDSM-орієнтацію», не уточнюючи методу вимірювання, це твердження може означати будь-що з трьох: частку тих, хто практикував BDSM хоч раз (поведінка), частку тих, хто стійко збуджується від відповідних стимулів (орієнтація), або частку тих, хто ідентифікує себе з BDSM-спільнотою (ідентичність). Різниця між цими цифрами може бути п’ятикратною.

Ілюстративний концепт для візуалу: Тривимірна осьова схема з трьома ортогональними осями — Поведінка / Орієнтація / Ідентичність. На осях відкладені умовні шкали. Точка-проєкція в просторі демонструє: людина з певним пошуковим кластером займає конкретну координату лише на осі Поведінки. Де знаходяться дві інші координати — невідомо без додаткового вимірювання. Категорія контенту = одна точка, а не весь простір.

---

11.2. Більшість «незвичайних» фантазій є статистично поширеними

Одним із найбільш методологічно надійних контраргументів патологізуючому підходу залишається дослідження Joyal, Cossette & Lapierre (2015, Journal of Sexual Medicine), яке опитало 1 516 дорослих канадців щодо 55 сексуальних фантазій.

Ключовий результат: 30 із 55 типів фантазій є «поширеними» принаймні для однієї статі (common for one or both genders). При ширшому критерії — більше 50% підтримки по всій вибірці загалом — 39 із 55 фантазій виявились схваленими більш ніж половиною учасників. Фантазії з виразно домінантним або субмісивним компонентом, відвертим рольовим сценарієм або нестандартним контекстом увійшли до списку статистично звичайних.

Авторська позиція: будь-яке поспішне ярликування конкретного змісту фантазії як «анормального» або «девіантного» вимагає значно вищого доказового порогу, ніж факт самої незвичності. Рідкісність за розповсюдженістю та патологічність — не синоніми.

Це перекликається з операціоналізацією DSM-5 (APA, 2013): парафілія — інтенсивний, стійкий атиповий сексуальний інтерес — сам по собі не є діагнозом. Парафілічний розлад діагностується лише за наявності (а) клінічно значущого дистресу або порушення функціонування, або (б) реалізації інтересу з неконсентуальними особами. Michael First (2014, Journal of the American Academy of Psychiatry and the Law) попереджав: три декади судова практика вживала «парафілія» як синонім патології, і нова термінологія цього автоматично не змінила. Але принциповий сдвиг рамки зафіксований: зміст фантазії сам по собі не є класифікаційним критерієм.

---

11.3. Факторно-аналітична структура фантазій

Якщо широкі жанрові ярлики платформ є маркетинговими конструктами, академічна сексологія пропонує альтернативу: факторний аналіз — метод виявлення латентних вимірів, що лежать в основі кореляцій між конкретними відповідями.

Репліційне дослідження Schippers et al. (2024, Sexual Abuse, SAGE), проведене на вибірці 256 дорослих нідерландських чоловіків, відтворило п’ятифакторну структуру фантазій:

Фактор	Характеристика
Submission / masochism	Фантазії з підкоренням, болем, приниженням у ролі пасивного партнера
Forbidden activities	Контексти, що порушують соціальні або ситуативні норми
Dominance / sadism	Контроль, домінування, больовий вплив на партнера
Mysophilia	Фантазії, пов’язані з «брудним», нечистим, табуйованим у сенсі гігієни
Fetishism	Стійка зосередженість на нетипових об’єктах, матеріалах, частинах тіла

Критичне застереження щодо цього дослідження: вибірка включала виключно чоловіків, без жіночої когорти. Твердження про гендерну порівнянність цієї структури потребує окремого джерела — Schippers et al. (2024) такого порівняння не проводили. Дослідження є репліцією, а не оригінальною розвідкою, і базується на обмеженій вибірці, що вимагає обережності при генералізації.

Водночас сама п’ятифакторна модель методологічно цінна саме тим, чим вона не є: вона не відтворює ієрархію жанрових категорій жодної платформи. Фактор «forbidden activities» агрегує те, що на платформі може розміщуватись у принципово різних категоріях. Фактор «submission/masochism» не збігається ані з BDSM як категорією, ані з якимось конкретним пошуковим кластером. Латентна структура фантазій і таксономія дистрибуційних платформ — різні об’єкти опису.

---

11.4. Sexual Configurations Theory: мультивимірна альтернатива бінарній орієнтації

Бінарна модель сексуальної орієнтації (гетеро-/гомосексуальна) є операціонально зручною, але принципово спрощеною. Sari van Anders у статті «Beyond Sexual Orientation» (Archives of Sexual Behavior, 2015, нагорода Distinguished Publication Award) запропонувала Sexual Configurations Theory (SCT) — мультивимірну рамку, що зосереджується насамперед на параметрах партнерської сексуальності (partner sexuality): стать/гендер потенційних партнерів та їх кількість (один / множинні).

SCT не є загальною таксономією всіх аспектів сексуальності, але вона розширює дискусію в кількох важливих напрямках:

• Сексуальне і romantičне потяги можуть бути спрямовані на різні групи (асексуальна людина з романтичним потягом — валідна конфігурація, а не «нульова точка»).
• Параметр «кількість партнерів» (один / множинні) є самостійним виміром, не похідним від статі партнерів.
• Ідентичність і орієнтація можуть не збігатись: людина може мати певну конфігурацію потягів і водночас не ідентифікувати себе з відповідною спільнотою або навпаки.

Для цілей таксономічного аналізу SCT підкреслює: будь-яка система класифікації, що оперує єдиною віссю «орієнтація» (або, тим більше, одним ярликом пошукового кластера), системно спрощує простір, що насправді є мінімум двовимірним лише за параметрами партнерської сексуальності.

---

11.5. Community folksonomy як ідентитарна таксономія: FetLife

На відміну від платформних категорій (top-down, задані системою) та академічних факторів (виведені з вибіркових даних), спільнотна платформа FetLife формує власну знизу-вгору ідентитарну таксономію: кожен користувач самостійно обирає роль (домінант, субмісив, свіч тощо), вказує орієнтацію і додає переліки конкретних інтересів з відкритого словника.

Дослідження Fay, Haddadi, Seto, Wang та Kling (arXiv 1511.01436, 2015) проаналізувало понад 504 тисячі вузлів і понад 1,9 мільйона з’єднань у European-user сегменті платформи. Виявлена структура: гомофілія за роллю та орієнтацією виражена статистично (гей-чоловіки мають ~32% друзів-геїв при приблизно 1,5% їхньої частки у вибірці); спільноти організуються насамперед за осями стать/орієнтація/роль, а не за конкретними практиками.

Принципова відмінність від платформ дорослого контенту: FetLife-таксономія є ідентитарною (хто я), а не поведінковою (що я шукаю). Людина, що зазначила певну роль або практику у профілі FetLife, декларує ідентичність; людина, що вводить той самий термін у пошукове поле tube-сайту, здійснює поведінковий акт. Ці дані не є взаємозамінними для побудови популяційних висновків: спільнота FetLife є самовибраною, активно ідентитарною вибіркою, не репрезентативною для всіх, хто має відповідні інтереси.

---

11.6. Категорія контенту ≠ ідентичність: системне розмежування

Повертаючись до тривимірної схеми з підрозділу 11.1: пошуковий кластер або платформна категорія фіксує одну координату на осі Поведінки в конкретний момент часу. Це не еквівалентно орієнтації і тим більше не еквівалентно ідентичності.

Кілька причин, чому пошукові дані системно не можуть замінити вимірювання двох інших рівнів:

1. Пошук не розрізняє curiosity-driven і preference-driven запити. Людина, що шукає певний тип контенту вперше із цікавості, і людина зі стійким преференційним патерном дають ідентичний пошуковий сигнал.

2. Алгоритм рекомендацій циркулярно формує «популярне». Дослідження Rama, Bainotti, Gandini et al. («The platformization of gender and sexual identities», Porn Studies, 2022) показало: алгоритмічні рекомендації платформи відтворюють гетеронормативні патерни незалежно від задекларованих уподобань користувача. Те, що «популярне» у даних платформи, частково є артефактом рекомендаційної системи.

3. Категорія задає платформа, а не користувач. Людина не обирає, під яку категорію потрапляє контент; вона шукає або переглядає. Агрегація за платформними ярликами — це агрегація за чужою класифікаційною системою.

4. Відсутній контекст відторгнення. Пошук реєструє позитивний сигнал (ввів запит, клікнув), але не реєструє skip, відразу або нейтральну реакцію на нав’язаний алгоритмом контент.

5. Digital divide та WEIRD-упередження. Пошукові дані відображають людей із доступом до мережі, в конкретних юрисдикціях, з конкретними мовними патернами пошуку. Висновки, зроблені на основі даних Dogpile або Pornhub, не є популяційно-репрезентативними для людства.

Saunders («Big Data on Pornhub Insights», Convergence, 2025) документує ще одну проблему: Pornhub Insights публікує відсотки без абсолютних базових значень, не розкриває власну категоріальну ієрархію, і функціонує prescriptively — нормалізуючи одні категорії і маргіналізуючи інші через саму логіку публічної видимості. Аналітика попиту тут не є нейтральним дзеркалом: вона активно формує уявлення про те, що «нормально» шукати.

---

11.7. Що дає академічна типологія, якої немає у платформних категоріях

Узагальнюючи: академічна сексологія пропонує три інструменти, відсутніх у платформній таксономії.

По-перше, розмежування рівнів аналізу (поведінка / орієнтація / ідентичність) дозволяє ставити точніші питання і уникати хибних висновків вигляду «якщо людина шукає X, вона X-орієнтована або X-ідентична».

По-друге, факторно-аналітична структура (submission/masochism, forbidden activities, dominance/sadism, mysophilia, fetishism) описує латентні виміри, що перетинають жанрові категорії платформ. Один і той самий фактор може проявлятися в десятках різних платформних категорій; одна платформна категорія може містити матеріал, релевантний кільком різним факторам.

По-третє, мультивимірні рамки на кшталт SCT van Anders нагадують: «орієнтація» — не єдина вісь, «стать/гендер» — не єдиний параметр, і будь-яка двійкова класифікація захоплює лише частину простору.

Жоден пошуковий кластер, жодна платформна категорія не описує людину — вони описують момент взаємодії між людиною, алгоритмом і таксономічною системою конкретної платформи. Академічна сексологія нагадує, що ці три речі — принципово різні об’єкти.

12. DSM-5 і клінічна межа: парафілія проти парафілічного розладу

Мабуть, жодне інше психіатричне розмежування не має такого прямого операційного значення для теорії таксономії контенту, як дворівнева структура DSM-5, запроваджена у 2013 році. Ця структура змінила не лише клінічний словник, а й саму логіку відповідності між «наявністю інтересу» і «патологічним статусом» — і саме тому вона заслуговує на окремий, детальний аналіз у будь-якому серйозному дослідженні систем категоризації.

---

12.1 Дворівнева структура: що таке парафілія і що таке розлад

DSM-5 (APA, 2013) вперше формально розмежував два поняття, що раніше часто вживалися як синоніми:

Парафілія — інтенсивний, стійкий (тривалістю не менше шести місяців) атиповий сексуальний інтерес або збудження. Сама по собі парафілія не є психіатричним діагнозом. Це дескриптивний термін — характеристика патерну, а не клінічний ярлик.

Парафілічний розлад — діагноз виставляється лише за наявності щонайменше однієї з двох умов:

1. Інтерес зумовлює клінічно значущий особистий дистрес або суттєве порушення функціонування у соціальній, професійній чи іншій важливій сфері.
2. Задоволення інтересу передбачає залучення неконсентуальних осіб — тобто людей, які не дали добровільної, усвідомленої згоди.

Схематично цю логіку можна уявити як «систему воріт» з двома фільтрами: наявний атиповий інтерес проходить крізь перший фільтр (дистрес / порушення функціонування) і крізь другий (контекст згоди). Якщо жодна з умов не виконується — людина залишається в зоні «парафілія», яка не є діагностичною категорією. Якщо хоча б одна виконується — стає підставою для розгляду діагнозу «парафілічний розлад».

Це архітектурне рішення має далекосяжні наслідки: зміст фантазії або пошукового запиту сам по собі не є клінічним маркером. Класифікаційний ярлик категорії — чи то в таксономії платформи, чи то в пошуковому кластері — не відповідає і не може відповідати психіатричному статусу особи.

---

12.2 Наслідки для таксономічної логіки

Розмежування DSM-5 безпосередньо підриває спрощену логіку, за якою «наявність теми в пошуку = патологія». Академічний консенсус у сексології давно фіксує розрив між трьома рівнями аналізу: поведінка (що людина робить або шукає), орієнтація (стійкий патерн потягу), ідентичність (самоатрибуція та спільнотна приналежність). Дослідження Joyal, Cossette & Lapierre (Journal of Sexual Medicine, 2015), що охопило вибірку з 1 516 дорослих канадців і 55 типів сексуальних фантазій, показало: більшість із перевірених типів фантазій є статистично поширеними серед загальної популяції. Автори прямо застерегли від поспішного ярликування будь-якого конкретного змісту як «анормального».

Для таксономії контенту цей висновок перекладається так:

Рівень	Що фіксує	Що НЕ фіксує
Пошуковий кластер	Намір знайти контент у певній темі	Ідентичність, дистрес, клінічний статус
Категорія платформи	Маркетингово-навігаційний конструкт	Психологічний профіль глядача
Парафілія (DSM-5)	Стійкий атиповий інтерес	Патологія
Парафілічний розлад (DSM-5)	Дистрес / порушення / неконсент	—

Таксономічний ярлик описує структуру контенту і поведінку платформи — але не стан суб’єкта. Плутання цих рівнів є методологічною помилкою, яка має реальні правові наслідки.

---

12.3 Судово-психіатричне попередження: Майкл Фірст (2014)

Критичний аналіз судово-психіатричних наслідків нової термінології здійснив Майкл Фірст у статті «DSM-5 and Paraphilic Disorders» (Journal of the American Academy of Psychiatry and the Law, JAAPL, 2014). Його попередження є одним із найточніших у всій постревізійній літературі.

Фірст вказав: три декади судової практики вживали слово «парафілія» фактично як синонім патології. У кримінальних справах, пов’язаних із сексуальними злочинами, діагноз «парафілія» нерідко використовувався як підстава для цивільного утримання правопорушника після відбуття покарання. Нова номенклатура DSM-5 (розмежування парафілія / парафілічний розлад) ці звички автоматично не усуває: судові психіатри і прокурори, що звикли до старого словника, можуть продовжувати патологізуючу логіку, просто перекладаючи її в нові терміни.

Це методологічне попередження принципово важливе: зміна термінології сама по собі не змінює практику, якщо не супроводжується зміною рамки інтерпретації. У контексті таксономії контенту це означає, що навіть коректний академічний словник може бути деформований при застосуванні в юридичних або адміністративних процедурах, де звичка ототожнювати «незвичний інтерес» з «патологією» залишається інституційно закріпленою.

---

12.4 Відхилені пропозиції DSM-5: paraphilic coercive disorder і hebephilia

Показовим підтвердженням логіки DSM-5 є саме те, що було з нього виключено. Під час підготовки п’ятого видання розглядалися дві додаткові категорії:

Paraphilic coercive disorder (парафілійний коерцитивний розлад) — передбачав би наявність у частини сексуальних правопорушників автономного психіатричного розладу. Пропозицію відхилено з кількох причин одночасно: проблеми валідності конструкту, слабка відтворюваність результатів між дослідницькими групами, і — найважливіше — ризик перекваліфікації кримінально переслідуваної поведінки у психіатричний розлад. Включення цієї категорії відкрило б шлях до зловживань у судовій практиці, де злочинна дія могла б бути переосмислена як симптом хвороби з усіма наслідками для питання осудності та цивільного утримання.

Hebephilia (сексуальний потяг до осіб у пубертатному віці) — пропозиція спиралася переважно на дослідження однієї канадської групи, що було розцінено як недостатня доказова база. Ризик судово-психіатричних зловживань і тут виявився вирішальним аргументом проти: категорія могла бути використана для виправдання цивільного утримання осіб, засуджених за сексуальні злочини проти неповнолітніх, на підставі «психіатричного розладу» без достатнього клінічного обґрунтування.

Обидва відмовних рішення демонструють одну й ту саму інституційну логіку: нова категорія в психіатричній номенклатурі має проходити подвійну перевірку — не лише на наукову обґрунтованість, але і на можливість зловживання в правовій системі, де психіатричні ярлики мають прямі юридичні наслідки.

---

12.5 Консенсуальне BDSM: що насправді змінив DSM-5

Одним із найчастіших хибних формулювань є твердження, що «DSM-5 виключив BDSM» із патологічних категорій. Це неточне спрощення, що потребує виправлення.

DSM-5 не виключив BDSM як категорію явно. Він переформулював загальні критерії таким чином, що консенсуальна BDSM-практика без особистого дистресу перестала відповідати порогу для діагнозу. Конкретніше: особа, яка практикує сексуальний мазохізм або садизм у добровільному контексті з обізнаними повнолітніми партнерами і не відчуває жодного власного дистресу та не порушує функціонування, залишається в зоні «парафілія» — і не отримує діагнозу «парафілічний розлад».

Таким чином, зміна не полягала у вилученні певного типу практики зі словника — вона полягала в уточненні умов, за яких практика стає клінічно значущою. Це тонка, але критично важлива різниця: DSM-5 не сказав «BDSM нормальне» у нормативному сенсі — він сказав, що відсутність дистресу і консентуальний контекст виключають патологізацію.

Академічний коментар у Psychiatric Times (Moser & Kleinplatz та ін.) зафіксував: це рішення відображає довгу дискусію між активістами BDSM-спільнот, клінічними сексологами і психіатрами, що тривала ще від DSM-III. Ключовим аргументом став принцип: шкода, а не відхилення від норми, є підставою для клінічного втручання.

---

12.6 Правові наслідки розмежування

Операційна значущість межі парафілія / парафілічний розлад особливо проявляється в трьох правових контекстах:

Цивільне утримання після покарання (sexually violent predator laws, SVP). У ряді штатів США SVP-закони вимагають психіатричного діагнозу як умови цивільного утримання. Якби «парафілія» сама по собі залишалась діагнозом, будь-який нестандартний сексуальний інтерес теоретично міг би стати підставою для SVP-процедури. Нова термінологія ускладнює цю логіку — але, як підкреслює Фірст (2014), не унеможливлює її, поки стара практика зберігається.

Кримінальна осудність. Наявність психіатричного розладу може впливати на питання осудності. Якщо парафілія не є розладом, вона не може слугувати підставою для зменшення осудності.

Відповідальність платформ і класифікація контенту. Хоча DSM не є регуляторним документом прямої дії, його категорії опосередковано впливають на правові аргументи щодо «шкодливості» певних типів контенту. Чітке розмежування між «атиповим інтересом» і «розладом» послаблює аргументи на користь заборони контенту виключно на підставі його тематики — без доказів шкоди.

---

12.7 Підсумок: де проходить реальна межа

DSM-5 зробив операційну ставку на функціональний критерій, а не на критерій відповідності нормативним стандартам. Це рішення може здаватися суто технічним, але воно несе глибоку концептуальну логіку: патологія визначається через шкоду — власну або завдану іншим без їхньої згоди, а не через відхилення від статистичної або культурної норми.

Для аналізу систем категоризації контенту це означає: жоден тег, пошуковий кластер, категорія платформи чи частота перегляду не можуть слугувати доказом клінічного статусу — ні для окремої особи, ні для групи, ні для культурного феномену загалом. Ярлик описує інформаційну структуру. Діагноз описує людину у взаємодії з її психосоціальним контекстом. Ці два рівні аналізу є концептуально несумісними, і їх змішання — незалежно від того, чи відбувається воно в академічному тексті, судовій залі або публічній дискусії — є методологічною помилкою з реальними правовими наслідками.

Візуальний концепт (підпис до схеми): Схема-«ворота» у вигляді двоступеневого фільтра. Вхід — стрілка з написом «атиповий сексуальний інтерес, стійкий ≥6 міс» (парафілія). Перший фільтр — ромб з питанням: «Є клінічно значущий дистрес або порушення функціонування?» — стрілка «ні» іде вниз до другого фільтра. Другий фільтр — ромб: «Передбачає залучення неконсентуальних осіб?» — стрілка «ні» веде до блоку: «Парафілія — НЕ діагноз (DSM-5)». Стрілки «так» з обох фільтрів ведуть до блоку «Парафілічний розлад — підстава для діагнозу». Під схемою — примітка: «Консенсуальне BDSM без дистресу → залишається зліва від воріт».

13. Community folksonomy: FetLife і самокатегоризація знизу вгору

Якщо tube-платформи нав’язують категорії згори — через редакційні рубрики, SEO-оптимізовані ярлики і рекомендаційні алгоритми — то FetLife демонструє радикально протилежну логіку: категорії тут виникають знизу, від самих учасників, і описують не те, що людина шукає, а те, ким вона є. Саме ця відмінність — між поведінковою і ідентитарною таксономіями — є теоретичним ядром цього розділу.

Що таке FetLife і чому він є показовим кейсом

FetLife — найбільша у світі соціальна мережа для BDSM- і kink-спільнот, заснована 2008 року. Принципово: платформа позиціонує себе не як пошуковий майданчик контенту, а як соціальну мережу з профілями, групами і стрічками. Це архітектурне рішення має прямий таксономічний наслідок: ключова одиниця класифікації тут — не відео чи зображення, а профіль людини.

При реєстрації користувач самостійно обирає:

• Роль — домінант, сабміссів, свіч, fetishist, vanilla, та десятки варіантів між ними;
• Орієнтацію — гетеросексуальна, гомосексуальна, бісексуальна, пансексуальна, асексуальна тощо;
• Інтереси — відкритий словник, де кожен учасник сам додає ярлики з вільного поля: bondage, shibari, femdom, wax play, impact play, і будь-яке інше поняття, яке він вважає релевантним для своєї ідентичності.

Жодна з цих категорій не є обов’язковою для заповнення, жодна не є фіксованою платформою як «правильна». Це і є класична folksonomy у розумінні Томаса Вандер Вала (2004): класифікація через вільне анотування, де словник утворюється не редакторами, а самими учасниками.

Мережевий аналіз: що показали дані

У 2015 році колектив дослідників — Damien Fay, Hamed Haddadi, Michael C. Seto, Han Wang і Christophe Carl Kling — опублікував мережевий аналіз FetLife під назвою «An Exploration of Fetish Social Networks and Communities» (arXiv:1511.01436). Повний авторський колектив тут принципово важливий: присутність Майкла К. Сето, одного з провідних дослідників сексуальної девіантності і парафілій, задає строгий дослідницький контекст і відрізняє роботу від суто технічних мережевих розвідок.

Масштаб датасету: 504 416 вузлів (профілів користувачів) і 1 912 196 з’єднань (зв’язків між ними). Обмеження: вибірка охоплює переважно European-аудиторію платформи, тому узагальнення на глобальний FetLife потребує застереження.

Ключові структурні знахідки:

1. Низький кластерний коефіцієнт (~0,15). Для порівняння: у Facebook і Twitter кластерний коефіцієнт суттєво вищий, що відображає щільні, замкнені дружні кола. FetLife, натомість, нагадує ринок із рідкими трикутниками — тобто друзі користувача здебільшого не є друзями між собою. Це свідчить про те, що платформа функціонує радше як ринок пошуку партнерів або зв’язків, ніж як закрита спільнота з міцними внутрішніми зв’язками.

2. Виражена гомофілія за орієнтацією і роллю. Гомофілія — тенденція з’єднуватись із подібними до себе — є одним із найбільш стійких феноменів соціальних мереж. У FetLife вона виражена надзвичайно яскраво: гей-чоловіки мають близько 32% друзів-геїв, тоді як їхня частка в загальній популяції платформи становить лише ~1,5%. Тобто коефіцієнт гомофілії в цій групі перевищує пропорційний майже в 20 разів. Аналогічні патерни спостерігаються за роллю (домінанти тяжіють до домінантів у певних типах зв’язків, сабміссіви — до своїх кіл) і за орієнтацією в інших сегментах.

3. Приблизно 12 «суперспільнот». Алгоритмічна детекція спільнот виявила близько дванадцяти великих кластерів, організованих переважно за перетином трьох осей: стать × орієнтація × роль. Точні параметри кластеризації (зокрема загальна кількість задекларованих груп — дослідники зафіксували їх десятки тисяч) потребують верифікації за повним PDF статті, доступ до якого обмежений; тому наводжу ці цифри з позначкою «підтверджено за abstract і вторинними описами».

Ідентитарна логіка проти поведінкової: принципова відмінність

Щоб зрозуміти, чим FetLife-фолксономія відрізняється від таксономії tube-платформ, корисно чітко розмежувати три рівні, які у BDSM-літературі хронічно змішуються.

Рівень	Питання	Приклад ярлика на FetLife	Приклад ярлика на tube-платформі
Поведінка	Що людина робить або шукає?	impact play (у профілі інтересів)	«flogging videos» (тег контенту)
Орієнтація	Стійкий патерн потягу	dominant, submissive	— (платформа не фіксує)
Ідентичність	Ким я є у спільноті?	leather daddy, little, rigger	— (платформа не фіксує)

Систематичний огляд академічної літератури про BDSM (дипломна робота Каlафатіс-Расселл, University of North Florida, 2021) встановив: з 60 проаналізованих наукових статей 52 використовують мову поведінки, 55 — мову орієнтації, 42 — мову ідентичності, часто взаємозамінно. FetLife як платформа де-факто наполягає на тому, щоб усі три рівні були вказані явно — саме через структуру профілю.

На tube-платформі тег «bondage» описує те, що відбувається у відео. На FetLife тег «bondage» у профілі означає: це частина того, ким я є. Обидва ярлики формально однакові, але онтологічний статус різний.

Ця відмінність важлива для розуміння того, чому мережевий аналіз виявив саме такі суперспільноти: вони виникають не навколо спільного контенту, а навколо спільної ідентичності.

Народна таксономія: структура без редактора

З точки зору класифікаційної науки, FetLife реалізує чисту фолксономічну модель з кількома характерними рисами.

Відкритий словник інтересів означає, що будь-який учасник може ввести будь-який ярлик — немає авторизованого переліку, немає обов’язкової ієрархії. Це породжує звичні для фолксономії проблеми: синонімія (rope bondage, shibari, kinbaku — різні ярлики для перекривних практик), полісемія (ярлик «discipline» може означати різне залежно від контексту), і відсутність контрольованого словника. Проте платформа не намагається це виправити — варіативність тут є особливістю, а не помилкою, бо відображає реальну різноманітність самовизначень.

Кристалізація через групи. Паралельно до індивідуальних профілів існує система груп (десятки тисяч за даними дослідників). Популярні групи де-факто виконують роль таксономічних вузлів: вступ до групи «Leather Families» або «Pet Play» є сильнішим ідентитарним сигналом, ніж просто наявність відповідного тегу в профілі.

Гомофілія як таксономічний механізм. Оскільки людина будує свою мережу з подібними, структура зв’язків сама по собі стає класифікаційним артефактом: мережева позиція користувача (до якого кластера він належить) несе більше інформації про його ідентичність, ніж будь-який окремий ярлик.

Bias спільнотних даних: що FetLife не може розповісти

Мережева структура FetLife є цінним джерелом, але її обмеження необхідно назвати прямо.

По-перше, вибірка активних афіліантів. FetLife — це люди, які свідомо обрали участь у ідентитарно-орієнтованій спільноті, зареєструвались, заповнили профіль і активно взаємодіють. Це принципово відрізняється від, наприклад, анонімних глядачів tube-платформ або людей, які мають відповідні інтереси, але не ідентифікують себе з кінк-спільнотою. Дослідники (Fay et al., 2015) самі визнають цей bias: популяція FetLife — не репрезентативна вибірка людей з відповідними сексуальними інтересами, а підмножина тих, хто готовий публічно й ідентитарно до них долучитися.

По-друге, self-report і соціальна бажаність. Ярлики в профілі відображають те, ким людина хоче бути сприйнятою у спільноті, а не обов’язково поведінковий факт. Ідентичність «dominant» на FetLife є соціальним твердженням, а не клінічним дескриптором.

По-третє, географічна нерівномірність. Датасет Fay et al. охоплює переважно European-аудиторію; самі автори не претендують на глобальну репрезентативність.

Отже, узагальнення даних FetLife на ширшу популяцію людей з kink-інтересами є методологічно некоректним. FetLife каже нам, як організується ідентитарна спільнота — але не як розподілені інтереси в популяції загалом.

Контраст із платформними таксономіями: підсумок відмінностей

Параметр	Tube-платформи (top-down)	FetLife (bottom-up)
Хто присвоює категорії	Редактори + алгоритми	Самі учасники
Логіка класифікації	Поведінкова («що шукають»)	Ідентитарна («хто я»)
Одиниця класифікації	Одиниця контенту (відео, зображення)	Профіль людини
Контрольований словник	Частково (офіційні категорії)	Відсутній (відкритий словник)
Мета категорії	Discovery, SEO, утримання	Ідентифікація, пошук подібних
Гомофілія	Відображається в рекомендаціях	Вбудована в архітектуру мережі
Bias вибірки	Анонімні глядачі	Активні ідентитарні афіліанти

Ця таблиця ілюструє ключовий теоретичний висновок: не існує «нейтральної» таксономії. Tube-платформи конструюють категорії під комерційні цілі — SEO і монетизацію. FetLife конструює категорії під соціальні цілі — ідентифікацію і формування спільноти. В обох випадках таксономія є не відображенням реальності, а її продуктом.

Народна таксономія FetLife дає вищу ідентитарну роздільну здатність: ярлики там більш нюансовані, контекстуально навантажені і семантично щільні. Натомість вона відмовляється від навігаційної ефективності — і це свідомий компроміс, що відповідає природі платформи.

---

Концепт візуалу: Спрощена network-graph візуалізація на темному тлі. Вузли — профілі користувачів, ребра — з’єднання між ними. Кластери-«суперспільноти» виділені різними кольорами (від 10 до 12 кластерів), кожен підписаний узагальненою ідентитарною міткою за осями стать/орієнтація/роль (наприклад: «gay male submissive», «heterosexual female dominant», «bisexual switch» тощо). Товщина ребер усередині кластерів — значно більша, ніж між кластерами, що унаочнює гомофілію. Кілька тонких «містків» між кластерами показують міжспільнотні з’єднання. Кластерний коефіцієнт (~0,15) відображається у рідкості трикутних конфігурацій порівняно з типовими соціальними мережами.

14. Trust & Safety: трирівнева негативна таксономія і дві межі — закон і згода

Будь-яка платформа, що розміщує контент, оперує в системі координат, яку визначають не редактори чи алгоритми, а інституційна рамка Trust & Safety (T&S). Саме ця рамка вирішує: який контент взагалі може існувати, за яких умов він обмежується, і де проходить межа, перетин якої унеможливлює жодне бізнес-рішення. Розуміти таксономію дорослого контенту без розуміння T&S-рамки — значить описувати лише надводну частину айсберга.

---

14.1 Трирівнева негативна таксономія

T&S-команди на практиці оперують трирівневою класифікаційною структурою, яку можна назвати «негативною таксономією» — адже вона описує не те, що є, а те, чого не може бути або що обмежується.

Рівень 1 — Нелегальний контент. Видаляється без апеляції, а звітування до правоохоронних органів є обов’язковим або нормативно очікуваним. До цього рівня належать матеріали сексуального насильства над дітьми (CSAM), некомплаєнтні інтимні зображення (NCII), терористичний контент, а також матеріали, що криміналізовані конкретною юрисдикцією. Жодне рішення платформи не скасовує кримінального права: абсолютна стеля задається не Terms of Service, а законодавством тієї юрисдикції, в якій діє сервер, компанія або користувач.

Рівень 2 — Небажаний, але легальний контент. Обмежується залежно від контексту, аудиторії та платформного рішення. Типові приклади: явний дорослий контент на платформах з мішаною аудиторією, певні форми ненормативної лексики, зображення насильства без пропаганди. Рішення про розміщення або обмеження тут є дискреційним — платформа сама визначає поріг через Terms of Service.

Рівень 3 — Дозволений контент у рамках стандартів платформи. Нижня частина піраміди — найширший простір. Контент дозволений, але може підпадати під додаткові умови: вікова верифікація, маркування, обмеження рекламного монетизування.

Ця трирівнева структура не є суто теоретичним конструктом. Аналіз платформних community guidelines (arXiv:2405.05225), що вивчав правила 43 найбільших UGC-платформ, підтверджує: майже всі платформи диференціюють між мінімальним порогом хостингу (що взагалі дозволено бути на платформі) і вужчими правилами для монетизованого або рекламованого контенту. Регуляторні акти — UK Online Safety Act 2023, EU Digital Services Act 2024 — фактично кодифікували цю трирівневість у законодавство, зобов’язавши платформи формалізувати власні таксономії і публікувати звітність.

---

14.2 Абсолютна стеля: кримінальне право, не платформа

Ключова концептуальна помилка, яку варто зруйнувати на початку: платформна модерація не є джерелом заборон першого рівня — вона є механізмом їх виконання. CSAM заборонений не тому, що Pornhub або Meta вирішили його заборонити; він заборонений кримінальним законом у переважній більшості юрисдикцій (в США — 18 U.S.C. § 2256 та PROTECT Act 2003, в ЄС — відповідними директивами). Платформа лише реалізує цю заборону технічними засобами.

Центральним технічним інструментом автоматичного виявлення відомого нелегального матеріалу є perceptual hash-matching — метод, що дозволяє ідентифікувати повторне поширення раніше верифікованого нелегального контенту без його перегляду людиною. Принцип роботи PhotoDNA (розроблений Microsoft спільно з Dartmouth College у 2009 році): зображення перетворюється на стійкий «fingerprint» — hash-значення, що залишається стабільним при стисненні, зміні розміру чи незначних кольорових корекціях. Цей hash порівнюється з базами даних раніше ідентифікованого нелегального матеріалу, якими опікується NCMEC (США) та IWF (Велика Британія); бази поширюються між платформами через Tech Coalition.

Важливе технічне застереження: hash-matching розпізнає лише раніше ідентифікований матеріал. Кожне нове зображення, що вперше з’являється в мережі, не має відповідного запису в базі і проходить крізь цей фільтр. Це принципова структурна обмеженість, яка особливо загострилася в епоху AI-генерованого контенту (детальніше — у розділі про NCII та deepfakes).

Блокування відбувається на рівні завантаження — ще до того, як контент стає доступним іншим користувачам. Це попереджувальна, а не реактивна модель для відомих матеріалів. Саме завдяки цьому модерація відповідного типу є єдиним рівнем T&S-піраміди, де платформа не має дискреційного простору: якщо hash збігається — видалення автоматичне, незалежно від жодного іншого контексту.

---

14.3 Згода як другий принципоутворювальний конструкт

Якщо кримінальне право задає верхню межу таксономії, то згода (consent) є вертикальним операційним чекпоінтом, що пронизує всі три рівні.

До 2020 року стандарт згоди в дорослій індустрії зводився переважно до документального підтвердження повноліття — 18 U.S.C. § 2257 (США) вимагав від виробників зберігати фото-ID кожного виконавця. Цей стандарт фіксував факт повноліття, але не враховував конкретних умов зйомки, права на подальше використання матеріалу або механізму його відкликання.

Криза грудня 2020 року — репортаж Ніколаса Крістофа в New York Times, що задокументував присутність на Pornhub матеріалів без верифікованої згоди, — і наступне відключення платіжних систем спричинили системний перегляд цього стандарту.

Два ключові регуляторні кроки через платіжну інфраструктуру:

Компанія	Програма	Дата	Суть вимог
Mastercard	AN5196	Жовтень 2021	Задокументована, чітка, акт-специфічна згода від кожного виконавця; верифікація віку та ідентичності; механізм видалення за запитом
Visa	VIRP (Visa Integrity Risk Program)	2023	Аналогічні вимоги до consent-верифікації як умова доступу до платіжних рейок

Ці два документи — різні продукти двох різних компаній — є прикладом того, що дослідники T&S називають «приватним регулюванням через інфраструктурних посередників»: платіжна інфраструктура стала де-факто регулятором, нав’язавши стандарти, яких закон ще не вимагав. Pornhub у відповідь обмежила завантаження виключно верифікованими учасниками програми та партнерськими студіями.

Паралельно з’явилося нове законодавство, що розширює концепцію згоди за межі первинного моменту підписання контракту:

• TAKE IT DOWN Act (США, підписаний 19 травня 2025 р., набирає чинності для платформ 19 травня 2026 р.) — криміналізує поширення некомплаєнтних інтимних зображень (NCII), включно з AI-генерованими; вимагає видалення протягом 48 годин за запитом жертви.
• EU Directive 2024/1385 (строк транспозиції — 14 червня 2027 р.) — криміналізує поширення та оприлюднення NCII, включно з «маніпульованим матеріалом» (deepfakes).
• North Carolina HB 805 (Session Law 2025-84) — надає виконавцям право відкликати згоду на розповсюдження контенту постфактум; платформа зобов’язана видалити матеріал протягом 72 годин.

Таким чином, згода еволюціонувала від одноразового «так» при підписанні контракту до задокументованого, акт-специфічного, гранулярного і відкличного чекпоінту — що в операційному сенсі означає значно вищі вимоги до workflow верифікації на рівні кожного завантаженого матеріалу.

---

14.4 Дворівневий операційний стандарт: хостинг vs. реклама

Трирівнева юридично-платформна піраміда на практиці доповнюється ще одним розрізом, суто операційним: розрізом між загальним порогом хостингу і вужчим рекламним порогом.

Платформи можуть дозволяти певний клас контенту (рівень 3 піраміди) і водночас виключати його з рекламної монетизації. Цей принцип систематизований у IAB Content Taxonomy 2.2 — індустріальному стандарті для рекламного ринку, що визначає 11 категорій «sensitive topics» (дорослий контент, тероризм, мова ненависті, незаконні наркотики та ін.) з чотирма рівнями brand-suitability ризику:

• Floor — абсолютна межа: бренди не з’являються поруч з цим контентом за жодних умов (еквівалент рівня 1 піраміди для рекламного ринку).
• High Risk — більшість брендів уникає; індивідуальна оцінка контексту.
• Medium Risk — частина брендів може розглядати за умов контекстної відповідності.
• Low Risk — широкий спектр брендів може розміщувати рекламу.

Застереження: Глобальний альянс відповідальних медіа (GARM), який активно формував brand safety стандарти для галузі з власними 11 категоріями шкідливого контенту, призупинив свою діяльність у серпні 2024 року. Академічний аналіз змін у T&S-галузі — стаття «The End of Trust and Safety?» (ACM CHI 2025, DOI: 10.1145/3706598.3713662) за авторством Moran, Schafer, Bayar та Starbird — фіксує цей момент як симптом глибшої інституційної кризи в екосистемі контент-модерації. GARM не слід подавати як поточний активний стандарт.

Для платформ дорослого контенту ця дворівнева логіка означає конкретні операційні наслідки: tube-сайти можуть хостити явний контент (нижній рівень піраміди), але програми brand-safe реклами великих мереж на ньому не розміщуються — звідси специфічна рекламна екосистема з власними мережами (TrafficJunky) та власними CPM-ставками, значно нижчими за mainstream.

---

14.5 Структурна прогалина: AI-генерований контент

Будь-яка T&S-таксономія, побудована на логіці «відомий матеріал → hash → блокування», має вбудовану системну прогалину: вона не охоплює контент, що з’являється вперше. Ця прогалина завжди існувала, але генеративний AI (з 2022–2023 рр.) масштабував її в кризу.

Кожен AI-генерований файл має унікальний hash. Системи на кшталт StopNCII.org, побудовані на hash-databases, не перекривають synthetic media. За даними звіту Sensity AI (2019), 95–96% deepfake-відео в мережі на той момент становили некомплаєнтні сексуальні зображення (застереження: дані 2019 р., методологія корпоративна). Дослідники (arXiv:2504.17663) вказують на системний провал технічного врядування: governance зосереджене на «виявленні» синтетичного контенту, але навіть видимо фальшиве зображення, що зображує реальну особу, завдає реальну шкоду — незалежно від того, чи вдається його технічно ідентифікувати як AI.

Регуляторна відповідь охоплює: TAKE IT DOWN Act (явно криміналізує AIG-NCII), EU AI Act ст. 50 (обов’язкове machine-readable маркування AI-генерованого контенту з 2 серпня 2026 р.), технічний стандарт C2PA v2.3 (специфікація від 5 січня 2026 р.) — криптографічне підписання провенансу як спроба відновити онтологічну прозорість «реальне/синтетичне».

---

14.6 Колатеральна цензура як системний ризик надширокого регулювання

T&S-рамка не є нейтральним інструментом — вона несе системний ризик over-enforcement. Найбільш задокументований прецедент: FOSTA-SESTA (США, 2018), який вирізав виняток з Section 230 CDA і зробив платформи юридично відповідальними за контент, що сприяє sex trafficking.

Практичний ефект виявився протилежним задекларованій меті: платформи почали видаляти будь-який сексуальний контент, включно з легальним, аби уникнути юридичного ризику. GAO-звіт показав, що закон практично не вплинув на рівень trafficking, але завдав задокументованої шкоди секс-працівникам. EFF документує тривалі правові кроки щодо конституційності закону.

FOSTA-SESTA залишається класичним прикладом того, що широко сформульована норма платформної відповідальності системно породжує колатеральну цензуру: платформи раціонально обирають over-enforcement, коли вартість помилки — юридична відповідальність — є асиметрично вищою, ніж вартість видалення легального контенту.

---

Ключові тези розділу

• T&S-таксономія є трирівневою: нелегальне (видалення + звітування) / небажане-але-легальне (контекстне обмеження) / дозволене за стандартами платформи.
• Абсолютна стеля визначається кримінальним правом, а не платформою. CSAM є незмінною межею першого рівня, що блокується технічно (perceptual hash-matching) і юридично (кримінальна відповідальність).
• Згода еволюціонувала від простої вікової перевірки до задокументованої, акт-специфічної, гранулярної і відкличної — під тиском Mastercard AN5196 (2021), Visa VIRP (2023) і нового законодавства.
• Дворівневий операційний стандарт (хостинг vs. реклама) кодифікований у IAB Content Taxonomy 2.2 з 11 sensitive-категоріями та 4 рівнями brand-suitability ризику.
• Системний ризик надширокого регулювання — колатеральна цензура — є передбачуваним і задокументованим наслідком асиметрії відповідальності.

---

Концепт візуалу: Піраміда з трьох горизонтальних шарів: вершина (червоний) — «Нелегальне / Правова стеля / Кримінальне право»; середній шар (жовтий) — «Небажане-але-легальне / Контекстне обмеження / Terms of Service»; основа (зелений) — «Дозволене / Стандарти платформи». Ліворуч від піраміди — вертикальна стрілка з написом «Вісь згоди» (від «Вікова перевірка» знизу до «Акт-специфічна / Гранулярна / Відклична» вгорі). Праворуч — вертикальна риска з двома позначками: «Поріг хостингу» (нижче) і «Рекламний поріг» (вище, у жовтому шарі), що ілюструє дворівневий операційний стандарт IAB.

15. Регуляторна карта і колатеральна цензура: межі категоризації як політика

Таксономічні рішення платформ зовні виглядають як технічні або редакційні акти — категорія з’являється тому, що алгоритм зафіксував зростаючий попит, або тому, що редактор вирішив нормалізувати популярний тег. Але за кожним таким рішенням стоїть трирівнева детермінація: кримінальне право юрисдикції, вимоги платіжної інфраструктури та умови страхових/рекламних партнерів. Категоризація дорослого контенту — це не нейтральне упорядкування інформації, а постійно переговорюваний регуляторно-фінансовий контракт.

---

Вікова верифікація: від self-declaration до zero-knowledge proof

Першим і найстарішим регуляторним вузлом є вікова верифікація. Логіка тут проста: якщо доступ до певної категорії контенту обмежується повнолітніми, то сама наявність цієї категорії обумовлена тим, чи може платформа технічно гарантувати таке обмеження. Без верифікації категорія або зникає, або migrates на платформи з іншою юрисдикційною базою.

Технічний спектр методів верифікації охоплює щонайменше чотири рівні надійності. Найменш надійний — self-declaration (користувач стверджує, що йому 18+): регулятори вже розглядають його як юридично недостатній для adult-контенту. Далі — AI-based facial age estimation (система аналізує селфі або відео і оцінює вік за алгоритмом). Вищий рівень — Open Banking verification або credit card check (наявність рахунку або картки опосередковано підтверджує повноліття). Найнадійніший — hard ID verification (сканування державного документа або eIDAS-сумісного цифрового ідентифікатора).

Ofcom, регулятор за UK Online Safety Act 2023 (BBFC більше не є регулятором у цій сфері — ця функція повністю перейшла до Ofcom), описує цей спектр як зростаючу шкалу надійності: від слабких методів самодекларації до надійних ID-методів. Офіційна документація Ofcom не нумерує рівні як «Tier 1/2/3» у такому формулюванні, але принцип градації закріплений у нормативних актах щодо захисту дітей.

Паралельно Єврокомісія розробила EU Age Verification Blueprint — стандартизований підхід до підтвердження віку. Перша версія опублікована у липні 2025 р., друга — у жовтні 2025 р.; status «feature-ready» настав у квітні 2026 р. Ключова технологічна інновація Blueprint — zero-knowledge proof: система підтверджує, що користувач досяг необхідного порогу, не передаючи самому сайту жодних ідентифікаційних даних. Це пряма відповідь на структурний tension між верифікацією і приватністю: платформи не хочуть зберігати копії паспортів, користувачі не хочуть їх передавати.

Американський ландшафт різнорідний. COPPA зберігає поріг 13 років для збору даних неповнолітніх. Штатні закони (Луїзіана, Техас, Юта та ін.) вимагають обов’язкової ID-верифікації для adult-сайтів, а рішення Free Speech Coalition v. Paxton (27 червня 2025, Верховний суд США, 6–3) закріпило стандарт intermediate scrutiny для оцінки конституційності таких вимог — тобто вікова верифікація є конституційно допустимою за умови пропорційності засобів.

---

Ключові регуляторні акти: хронологія 2018–2027

Регуляторна карта станом на середину 2026 р. включає декілька ключових законодавчих інструментів із різними юрисдикційними охопленнями і різними механізмами дії.

FOSTA-SESTA (США, 2018) — перший великий прецедент. Закон вирізав виняток із Section 230 CDA, зробивши платформи потенційно відповідальними за контент, що сприяє торгівлі людьми. GAO-звіт показав: закон мав мінімальний вплив на реальний trafficking, але задокументував значну шкоду — секс-працівники втратили цифрові інструменти скринінгу клієнтів і безпеки. FOSTA-SESTA є класичним підручниковим прикладом колатеральної цензури: передбачуваним системним наслідком широко сформульованих норм відповідальності є over-enforcement — видалення не лише незаконного, а й великих масивів легального контенту. EFF досі оскаржує конституційність закону.

UK Online Safety Act 2023 вступив у фазу імплементації через Ofcom у 2024–2025 рр. Закон зобов’язує платформи з ризиковим контентом для дітей запровадити ефективні (не декларативні) заходи вікової верифікації. Важливо: саме Ofcom, а не BBFC, є регулятором цього режиму. BBFC зберігає роль класифікатора фізичних носіїв і кінопродукції, але онлайн-верифікація — повністю в компетенції Ofcom.

TAKE IT DOWN Act (США) підписаний 19 травня 2025 р.; норми щодо платформ набули чинності 19 травня 2026 р. Закон криміналізує non-consensual intimate imagery (NCII) — як реальні зображення, так і AI-генеровані (AIG-NCII). Платформи зобов’язані видаляти матеріал протягом 48 годин після отримання запиту від жертви. Це перша федеральна норма США, що прямо охоплює синтетичні інтимні зображення.

EU Directive 2024/1385 (Директива про насильство щодо жінок і домашнє насильство) зобов’язує держави-члени ЄС криміналізувати non-consensual sharing «маніпульованого матеріалу» — термін, що явно охоплює deepfakes і synthetic NCII. Строк транспозиції — 14 червня 2027 р. Директива криміналізує поширення і оприлюднення, але не саме виробництво синтетичного матеріалу — регуляторний gap, який дослідники вже позначають як системну проблему.

---

Платіжні системи як приватні регулятори

Найменш помітний, але операційно найпотужніший механізм регулювання категорій — платіжна інфраструктура. У грудні 2020 р. Mastercard і Visa призупинили платежі на Pornhub після журналістського розслідування NYT (Nicholas Kristof, «The Children of Pornhub»). Платформа того ж тижня видалила ~10 мільйонів відео — тих, що були завантажені невіфікованими акаунтами.

Цей епізод закріпив принцип, який дослідники T&S називають регулюванням через інфраструктурних посередників: платіжні системи де-факто виконують регуляторну функцію, встановлюючи consent-стандарти як умову доступу до платіжних рейок. Mastercard (программний документ AN5196, жовтень 2021 р.) зобов’язав платформи adult-контенту верифікувати вік і ідентичність усіх учасників, документувати згоду на кожен акт, і забезпечити механізм takedown за запитом. Visa Integrity Risk Program (VIRP, запущена 2023 р.) встановила аналогічні вимоги — це два окремих документи двох різних систем, які часто помилково змішують.

Ключова характеристика цього механізму: він діє поза будь-яким законодавчим процесом, без публічних слухань і судового контролю, з моментальним ефектом. Платформа, яка не відповідає вимогам — просто втрачає монетизацію. Для комерційної платформи це рівнозначно закриттю.

---

Регуляторна карта: матриця юрисдикцій

Вимога	США	ЄС	Велика Британія	Австралія
Вікова верифікація	Штатні закони (TX, LA, UT); FSC v. Paxton (intermediate scrutiny, 2025)	AVMSD 2018; Age Verification Blueprint (v2, жовтень 2025; feature-ready квітень 2026)	Online Safety Act 2023; Ofcom регулятор; hard methods обов’язкові	Online Safety Act (Cth); eSafety Commissioner
NCII / deepfake	TAKE IT DOWN Act (підписано 19.05.2025, платформи — 19.05.2026; 48-год. видалення)	Directive 2024/1385 (транспозиція до 14.06.2027; поширення + маніпульований матеріал)	Online Safety Act 2023 (NCII як harmful content)	Criminal Code Amendment (Deepfake Sexual Material) Act 2024
Платформна відповідальність	Section 230 CDA; FOSTA-SESTA вирізає виняток щодо trafficking (2018)	Digital Services Act 2024 (DSA); диференційовані обов’язки за розміром платформи	OSA 2023; категоризація сервісів (різні duty of care залежно від масштабу)	Online Safety Act (Cth); Basic Online Safety Expectations
AI-генерований контент	TAKE IT DOWN Act криміналізує AIG-NCII	EU AI Act Art. 50: machine-readable маркування з 02.08.2026	Covered під OSA 2023 (NCII)	Criminal Code Amendment 2024

Таблиця актуальна станом на середину 2026 р.; регуляторна карта змінюється швидко.

---

Колатеральна цензура: over-enforcement як системний ефект

Між рядками будь-якого регуляторного акту, що розширює відповідальність платформ за контент, прихований механізм передбачуваного over-enforcement. Логіка така: якщо платформа несе юридичний ризик за категорію X, раціональна відповідь — видалити все, що хоча б нагадує X, включно з тим, що явно не є X. FOSTA-SESTA 2018 — найкраще задокументований кейс: GAO зафіксував мінімальний вплив на trafficking, але масштабне видалення легального контенту і закриття форумів для організації безпеки секс-праці.

Механізм відтворюється щоразу, коли норма сформульована достатньо широко, щоб породжувати правову невизначеність. Adult-платформи після грудня 2020 р. переключились з реактивної моделі (пост-публікаційна модерація за скаргою) на превентивну (верифікація до публікації). Це зменшило ризик незаконного контенту — але одночасно відфільтрувало значну частину легальних завантажень від неверифікованих учасників. Дослідження deepfake pornography resilience (arxiv 2602.02754) показує: контент, що потрапляє під жорсткіший модераційний режим, мігрує на офшорні платформи поза юрисдикцією. Категорії не зникають — вони зміщуються.

Схожу динаміку відтворює і алгоритмічна «невидимість»: платформи мають три операційні рівні — заборонений контент (видаляється), обмежений (залишається, але алгоритм його не рекомендує), дозволений (повна visibility). Середній рівень — де мешкає більшість граничних категорій — є зоною де-факто цензури без формального видалення. Для виробника контенту ця різниця є несуттєвою: якщо категорія алгоритмічно невидима, вона комерційно мертва.

---

Таксономічні ярлики під регуляторним тиском

Регуляторний тиск безпосередньо переформовує не лише те, що існує на платформі, а й те, як воно іменується. Ярлики є першою лінією модераційного тригера: якщо певне словосполучення в назві категорії або тегу входить до списку автоматичних прапорів, весь контент під цим ярликом потрапляє під перевірку або видалення — незалежно від фактичного змісту.

Це породжує специфічну таксономічну еволюцію: категорії, що потрапили під регуляторний прожектор, або зникають, або переіменовуються у нейтральніші еквіваленти, або дрейфують у підкатегорії (де видимість нижча). Алгоритм модерації, натренований на ярлики, а не на зміст, систематично пропускає нові тег-патерни у фолксономії (Moran, Schafer, Bayar, Starbird, «The End of Trust and Safety?», CHI 2025). Це пояснює, чому між регуляторним актом і реальним зникненням забороненого контенту завжди є лаг: фолксономія адаптується швидше, ніж модераційні списки.

---

Регуляторна карта як рухома мішень

Ключова характеристика цього ландшафту — його висока швидкість змін. BBFC ще кілька років тому розглядалась як майбутній онлайн-регулятор у Великій Британії; Online Safety Act 2023 повністю перетасував колоду. EU Age Verification Blueprint пройшов від першої версії до feature-ready за дев’ять місяців (липень 2025 — квітень 2026). TAKE IT DOWN Act перейшов від підписання до набуття чинності за рік. Для платформ, чия таксономія детермінована регуляторним контекстом, це означає постійний operational overhead: категорійна архітектура мусить оновлюватись синхронно з регуляторними змінами у кожній з ключових юрисдикцій.

Регуляторна карта, таким чином, є не статичним довідником, а динамічною змінною, що безпосередньо детермінує, які категорії існуватимуть завтра. Таксономічне рішення — це завжди і юридичне рішення, і фінансове рішення, і рішення про те, на якій карті взагалі існуватиме платформа.

16. Історія категоризації: від друкованої полиці до алгоритмічного рангу

Кожен технологічний зсув у медіа не просто розширював наявну таксономію дорослого контенту — він повністю змінював її базову логіку: хто присвоює ярлики, за яким принципом, в чиїх інтересах і з якими соціальними наслідками. Якщо простежити п’ять великих ер — друковану, відеопрокатну, ранній веб, tube-революцію та алгоритмічну добу, — вимальовується послідовна дуга: класифікаційна влада мігрує від вузького редакційного кола до розподілених спільнот і, зрештою, до нелюдських агентів — алгоритмів ранжування. Паралельно змінюється і сам об’єкт класифікації: від акту до ідентичності, від опису до оцінки.

---

16.1 Друкована ера (1950–1980-ті): вертикальна редакційна шкала

У друкованій ері класифікація була редакційною та вертикальною: один видавець через вибір обкладинки, рубрик і рівня відвертості одноосібно визначав, до якого жанрового регістру належить видання. Таксономія не описувала всесвіт можливого — вона маркувала позицію видавця на публічно впізнаваній шкалі прийнятності.

Структуротвірною тут є тріада, яку пізніше регулятори та медіадослідники використовували як еталонну шкалу:

Видання	Рік заснування	Жанрова межа, що порушувалась
Playboy	1953	Оголення тіла в lifestyle-контексті; nude без геніталій
Penthouse	1965 (UK)	Лобкове волосся вперше — лютий 1970 р.
Hustler	1974	«Pink shots» — відкрита демонстрація вульви, листопад 1974 р.

Кожен новий гравець у цій тріаді ідентифікував себе саме через порушення попередньої жанрової межі: Penthouse позиціонував себе відносно Playboy, Hustler — відносно обох. Таксономія тут породжується не редакційним словником, а дистанцією від конкурента. Ступінь експліцитності стала першою і найстабільнішою категоріальною віссю в усіх подальших системах.

Паралельно виникала нішева диференціація за суб’єктом: анатомічний акцент, етнічна ідентичність, вікова група. Особливо показовим є gay press: до середини 1970-х він функціонував під евфемістичними кодами «фізичної культури» — найбільш відомий приклад Physique Pictorial (з 1951 р.), який публікував ідеалізовані зображення чоловічих тіл у рамках дискурсу фітнесу та класичної скульптури. Це не лише маркетингова мімікрія — це структурна вимога: пряма гей-маркація в публічному просторі тягла за собою юридичні та соціальні ризики. Евфемізм як таксономічний прийом дозволяв формувати спільноту через код, доступний лише обізнаним. Жанровий ярлик тут виконував ідентитарну, а не просто дескриптивну функцію.

Класифікаційна влада в цю еру: редактор/видавець — єдиний агент присвоєння ярлика. Читач отримував готову категоріальну рамку і не мав механізмів її оспорити чи розширити.

---

16.2 Відеопрокатна ера (VHS/DVD, 1976–2000-ні): дистрибутор як класифікатор

VHS-революція перетворила жанровий ярлик на фізичний об’єкт — обкладинку касети, — і зробила дистрибуцію головним класифікаційним механізмом. Таксономія тут реалізується не через видавничий апарат, а через просторову організацію торгівельної точки.

Обкладинка відеокасети виконувала функцію мгновенного жанрового сигналу в умовах point-of-sale відбору: колір, візуальні коди пози, шрифтова гарнітура — все це складало семіотичний конденсат, який покупець мав декодувати за кілька секунд. Фізичне розміщення в магазині (окрема кімната, непрозора ширма, «задня полиця») ставало паратекстуальним класифікатором поза будь-яким офіційним рейтингом: вже сама необхідність пройти через захищену зону сигналізувала про клас контенту — до прочитання назви.

Перший детальний регуляторний глосарій adult-жанрів з’явився в Британії: Video Recordings Act 1984 (прийнятий на хвилі моральної паніки щодо «video nasties») зобов’язав BBFC класифікувати всі комерційні відеозаписи. Категорія R18 (розповсюдження виключно через ліцензовані секс-шопи) містила перелік дозволених актів і детальний список заборонених: non-consensual roleplay, екстремальний bondage, fisting, urolagnia, bloodplay, будь-яке зображення, що натякало на неповноліття. Це — перша публічна спроба інституціоналізувати не лише ступінь відвертості, а конкретний поведінковий реєстр як таксономічний принцип. Регулятор вперше став вичерпним укладачем жанрового словника.

Окремої уваги заслуговує міф про «VHS і порно». У публічному дискурсі поширена теза, що adult-індустрія «вибрала VHS» і тим самим вирішила формат-війну з Betamax. Ця теза є оспорюваним спрощенням: adult-контент виходив на обох форматах, а справжнім чинником перемоги VHS була загальна тривалість запису, зручна для повнометражних фільмів. Тим не менш, сам факт циркуляції цього наративу показовий: він фіксує усвідомлення того, що технічні параметри носія прямо формують жанрові можливості — тривалість сцени, яка не вміщається на касету, просто не існує як жанровий формат.

Класифікаційна влада в цю еру: дистриб’ютор та роздрібний магазин — через просторову логіку, упаковку і фізичну недоступність. Регулятор вперше кодифікував жанровий словник у юридичний документ.

---

16.3 Ранній веб (1988–2004): перший user-driven таксономічний експеримент

Usenet-ієрархія alt.sex — перший масштабний приклад того, що пізніше отримає назву фолксономія. Newsgroup alt.sex був створений 3 квітня 1988 р. Браяном Рідом у рамках нової alt.*-ієрархії. До жовтня 1993 р. він налічував 3,3 млн читачів — аудиторія, порівнянна з масовими журналами, але без жодного редактора.

Жанрова структура зростала органічно, знизу: alt.sex.bondage (кінець 1980-х — початок 1990-х), alt.sex.stories (7 травня 1992 р., засновник Тім Пірс) і десятки субгруп з’явилися не з редакційного рішення, а як відповідь на накопичений попит спільноти. Механізм простий: якщо достатня кількість учасників хотіла обговорювати конкретну тему — вони просто створювали нову групу. Дослідники вже у 1993 р. зафіксували, що sexually oriented boards функціонують як «групи підтримки» для маргіналізованих сексуальних ідентичностей — тобто таксономічна одиниця (назва групи) була одночасно ідентитарним простором, а не лише тематичною рубрикою.

Технічне обмеження раннього вебу — необхідність кодувати бінарні файли в ASCII для передачі через Usenet — безпосередньо обмежувало та формувало логіку поширення зображень. Пізніше, з появою HTTP і браузерів, Thumbnail Gallery Post (TGP) сайти впровадили статичні категорії-рубрики як основний навігаційний інструмент: десятки заздалегідь визначених розділів, упорядковані редактором сайту. Це — попередник сучасних category pages на tube-платформах, але ще з повністю редакційною логікою: користувач обирав з меню, яке склав інший.

Класифікаційна влада в цю еру: спільнота (Usenet) або редактор-аматор (TGP). Перший масштабний досвід низового таксономічного будівництва — але ще без механізмів агрегації, злиття синонімів і ранжування за попитом.

---

16.4 Tube-революція (2006–2015): подвійна таксономія і відтворення ієрархій

Запуск YouPorn (2006) і Pornhub (2007) означав, що дорослий відеоконтент перейшов у модель, яку ентузіасти назвали «Porn 2.0» — за аналогією з Web 2.0, де цінність платформи генерується переважно самими користувачами. Структурний наслідок: подвійна таксономічна архітектура.

Перший рівень — редакційні категорії (50–200 офіційних рубрик, контрольованих платформою, кожна з власним URL і SEO-посадковою сторінкою). Другий рівень — теги завантажувачів (bottom-up folksonomy, необмежений простір ключових слів, де, наприклад, xHamster, за академічними оцінками, акумулював десятки тисяч унікальних тегів). Дослідження xHamster (академічна робота «YouTube of Porn», Social Network Analysis and Mining, ~2020) зафіксувало масштаб цього простору при мільйонах відеозаписів — для порівняння, YouTube оперує значно меншою кількістю верхньорівневих редакційних категорій.

Ключовий науковий документ цієї трансформації — «Deep Tags: Toward a Quantitative Analysis of Online Pornography» (Mazières, Trachman, Cointet, Coulmont, Prieur; Porn Studies, том 1, №1-2, 2014). Перший кількісний аналіз тегової системи на даних реальних платформ показав: фолксономія додає семантичні шари (тілесні атрибути, естетичні стилі, нішеві практики), яких немає у фіксованих редакційних категоріях. При цьому теги не утворюють ізольованих кластерів — вони формують щільну мережу з численними «мостами» між розмитими категоріями. Кожна одиниця контенту існує на перетині кількох осей одночасно.

Критичний висновок «Deep Tags»: обидві системи — і редакційна таксономія, і фолксономія — відтворюють расові та гендерні ієрархії домінуючої культури. Категоріальні ярлики не нейтральні: вони маркують, ієрархізують і комерціалізують ідентичності. Пізніші дослідження (зокрема «The platformization of gender and sexual identities: an algorithmic analysis of Pornhub», Porn Studies, Rama, Bainotti, Gandini et al., 2022) підтвердили: алгоритм ранжування посилює видимість одних категорій і систематично маргіналізує інші.

Географічна диференціація виявилась значнішою, ніж очікувалось: категорія «Beurette» (французький сленг, що стосується жінок арабського походження) — топова рубрика французького сегменту, але практично відсутня поза франкомовним контекстом. Це вказує на те, що навіть глобальні платформи реалізують регіонально адаптовані таксономії, де ярлик є культурним конструктом, непрозорим для зовнішнього спостерігача.

Класифікаційна влада в цю еру: uploader + платформна редакція — паралельно і часто у конфлікті. Уперше статистика попиту стає доступною в агрегованому вигляді.

---

16.5 Алгоритмічна ера (2015 — теперішнє): ярлик як аксіологічна позиція

Алгоритмічна ера здійснила подвійний зсув: по-перше, класифікаційна влада перемістилась від людей до систем ранжування; по-друге, самі категорії почали виражати не опис акту, а ціннісну позицію аудиторії.

Щорічні Pornhub Year in Review (Pornhub Insights, з 2013 р.) перетворили аналітику категорій на публічний культурний документ. Дослідниця Rebecca Saunders (Cardiff University) у статті «Big data on Pornhub Insights: Datafication and the making of a new sexual culture» (Convergence, 2025) описує це явище як datafication loop: дані публікуються → підхоплюються медіа → формують публічний дискурс про «норму» → впливають на подальші запити → підтверджують категорії. Аналітика тут не просто відображає попит — вона його конструює.

Дані 2024 р. фіксують два паралельні процеси. Стабільна голова розподілу: «Hentai» — глобально найбільш шукане на Pornhub вже четвертий рік поспіль; «MILF» — друге місце, «Pinay» — третє (уточнення: саме «Pinay», а не «Lesbian», посіло третє місце у 2024 р.; «Lesbian» — четверте). Нові аксіологічні категорії: зростання пошуків «ethical porn» (+92%), «authentic sex» (+43%), «respectful sex» (+61%).

Ці останні ярлики принципово відрізняються від усього попереднього в цій таксономічній дузі. «Ethical porn» — це не жанровий дескриптор акту: він не описує анатомію, не маркує орієнтацію, не вказує на стиль продакшну. Це аксіологічна споживацька позиція — заява аудиторії про власні цінності через вибір категорії. Ярлик тут виступає не як класифікатор об’єкта, а як ідентитарний маркер суб’єкта, що шукає. Така трансформація є принципово новою: вперше з часів gay press під кодом «фізичної культури» категоріальний ярлик перестає описувати контент і починає описувати того, хто цей контент споживає.

Цифра «mindful please» (+122%), що іноді фігурує у переглядах Insights, потребує окремої верифікації за першоджерелом (повним PDF Pornhub Insights) — наявні вторинні джерела її не підтверджують однозначно.

Класифікаційна влада в цю еру: алгоритм — через ранжування, автодоповнення і рекомендації. Як показала Saunders, Pornhub свідомо не розкриває ієрархію своїх категорій/підкатегорій/тегів і публікує лише відносні відсотки без абсолютних базових значень — що перетворює Insights на інструмент нормування, а не нейтральну статистику. Студії-партнери отримують ці дані і знімають контент під виявлений попит, замикаючи петлю: таксономія → аналітика → виробництво → таксономія.

---

16.6 Синтез: від полиці до рангу — і до ідентичності

Простежена дуга розкриває три глибинні трансформації:

1. Децентралізація класифікаційної влади — від одного видавця (друкована ера) через дистрибутора (відеопрокат), спільноту (Usenet, TGP), масу завантажувачів (tube) до алгоритму (сьогодні). Кожен перехід збільшував кількість агентів, але остання фаза парадоксально рецентралізувала владу: алгоритм кількох великих платформ має більший вплив на «видиму таксономію», ніж мільйони тегерів разом.

2. Зміна принципу присвоєння ярлика — від нормативного (видавець вирішує, що є допустимим) через дескриптивний (тег описує зміст) до аналітичного (алгоритм ранжує за попитом) і, нарешті, до аксіологічного (категорія виражає цінності аудиторії).

3. Крос-культурна варіативність як постійна — на кожному з п’яти етапів таксономія виявлялась культурно специфічною: французька «Beurette», японська система алфавітно-цифрових студійних кодів і pixelation-обмеження ст. 175 КК Японії як жанровий генератор, британська R18 як детальний поведінковий реєстр, regionally targeted category lists у сучасних платформ. Жоден з цих ярликів не транслюється автоматично між культурами — що ставить серйозне методологічне питання перед будь-яким дослідником, що претендує на «глобальний» аналіз категорій.

Саме ця крос-культурна варіативність і стане предметом наступного розгляду.

---

Рекомендований візуал: горизонтальна хронологічна стрічка з п’ятьма сегментами (1950–80-ті / 1976–2000-ні / 1988–2004 / 2006–2015 / 2015–сьогодні); для кожного — піктограма носія (журнал / відеокасета / термінал Usenet / tube-плеєр / граф алгоритму) і двострочний підпис: «Носій» та «Хто присвоює ярлик» — відповідно: Редактор → Дистриб’ютор → Спільнота → Uploader + редакція платформи → Алгоритм. Під стрічкою — додатковий рядок «Принцип ярлика»: Нормативний → Паратекстуальний → Емерджентний → Дескриптивний → Аксіологічний.

17. Крос-культурні відмінності: японська AV-система і регуляторні режими як генератори жанрів

Таксономія дорослого контенту не є нейтральною технічною процедурою — вона є продуктом правових норм, мовних конвенцій і ринкових структур конкретної юрисдикції. Найрадикальніший доказ цього — паралельне існування двох принципово різних класифікаційних логік: western genre-label підходу та японської студійно-кодової системи. Перша описує зміст через жанровий ярлик; друга ідентифікує джерело через алфавітно-цифровий шифр. Ці системи несумірні за своєю базовою онтологією — і саме тому розуміти одну крізь призму другої принципово хибно.

---

17.1 Японська ідентифікаційна система: логіка коду, а не жанру

Японська AV-індустрія (adult video, AV) склалась у 1980-х як легальний, комерційно організований сектор із власною виробничою і дистрибуційною інфраструктурою. Ключовою ознакою системи є студійний алфавітно-цифровий код: кожна одиниця контенту отримує ідентифікатор виду «PREFX-1234», де 3–5-літерний префікс позначає студію-виробника, а числовий суфікс — порядковий номер у каталозі.

Такі коди — наприклад, ONED (S1 No.1 Style), PSD, ABP, MIDE, IPX — є ідентифікаційними, а не дескриптивними. Вони повідомляють: «хто зробив цей продукт і яким він є за порядком у реєстрі». Жодної інформації про тип сцен, гендерну конфігурацію учасників чи естетичний жанр у самому коді немає. Для споживача, орієнтованого у системі, код є ефективним покажчиком: він знає репутацію студії, її естетичний стиль і типовий профіль виконавців. Але для стороннього спостерігача — а особливо для алгоритму чи пошукового індексу — код є семантично непрозорим.

Це фундаментально відрізняється від western genre-label логіки, де ярлики на кшталт «gonzo», «solo», «couples», «BDSM» або «interracial» безпосередньо описують зміст і функціонують як зрозумілі навігаційні одиниці без додаткового контексту.

Порівняльна структура двох логік:

Параметр	Японська система	Західна система
Одиниця класифікації	Студійний код (PREFX-0000)	Жанровий ярлик (gonzo, MILF, bondage)
Принцип	Ідентифікація джерела	Опис змісту
Семантика коду	Непрозора без контексту	Безпосередня
Аудиторія	Знавці екосистеми	Широкий пошуковий трафік
SEO-придатність	Низька (код не є ключовим словом)	Висока (ярлик = пошуковий запит)
Онтологічний клас	Бібліографічний ідентифікатор	Тематичний дескриптор

Дистрибуційна платформа FANZA/DMM (ребрендинг з DMM.R18 у 2018 р.) є головним агрегатором японського AV-контенту і каталогізує продукцію понад 150 студій за цією кодовою системою. FANZA накладає поверх студійних кодів власну категоріальну систему (жанрові рубрики, теги сцен, фізичні характеристики виконавиць), але базовим ідентифікатором залишається код. Таким чином, японська архітектура є дворівневою: первинний рівень — бібліографічний код, вторинний — жанрові мітки платформи.

Для дослідників інформаційної науки ця система є аналогом ISBN або бібліотечного штрих-коду: ефективна для трекінгу, контролю видань і управління ліцензіями, але не самодостатня як навігаційний інструмент для кінцевого споживача, незнайомого з каталогом.

---

17.2 Стаття 175: цензурна норма як генератор унікальних жанрів

Кодова система не виникла у вакуумі — вона є частковою відповіддю на правову рамку, що принципово формує весь японський AV-ринок. Стаття 175 Кримінального кодексу Японії забороняє відкриту демонстрацію геніталій та «непристойного матеріалу». Наслідком є обов’язкова пікселізація (цифровий моузаїк) усього явного генітального зображення у комерційних релізах на японському ринку.

Тут варто зупинитись на механізмі, який у теорії регулювання описується як law-as-genre-generator: правова норма, намагаючись заборонити щось, водночас визначає форму дозволеного — і через цю форму породжує нові творчі/жанрові рішення. Три саморегуляторні галузеві асоціації — Nihon Ethics of Video Association (NEVA), Ethics Organization of Computer Software (EOCS) і Contents Soft Association (CSA) — задають практичні рамки допустимого всередині цього правового обмеження і здійснюють сертифікацію релізів.

Логіка «обходу обмеження через специфіку» породила кілька жанрів, що спочатку виникли як адаптації до японської правової та культурної рамки, а потім поширились глобально. Серед таких жанрів — форми контенту, що акцентують на елементах, які не потрапляють під дію ст. 175 (одяг, специфічні ракурси, альтернативні практики), або аніме- та манга-формати, де зображення є не реальним, а нарисованим, що дозволяє обходити норму про «непристойний матеріал» — правова кваліфікація яких залишається предметом тривалих дискусій.

Пікселізація також сформувала специфічну естетику японського AV, що виконавці і студії частково інкорпорували у власний стиль: вся режисура, освітлення і постановка побудовані навколо регуляторного обмеження, а не всупереч йому. Для порівняльного дослідника це є рідкісним прикладом, коли юридична норма стає безпосереднім чинником естетичного жанру.

---

17.3 Мова, табу і перекодування ярликів між культурами

Японська кейс ілюструє ширший принцип: жанровий ярлик є культурно-мовним конструктом, а не нейтральним описом реальності.

Найбільш задокументований приклад — термін «hentai». У японській мові «変態» (hentai) — загальне слово зі значенням «збочення», «відхилення», «перетворення» і широко вживається в нейтральних або побутових контекстах. Він ніколи не слугував японським жанровим ярликом для аніме-контенту для дорослих: у японській індустрії відповідні аніме-релізи позначаються термінами «18-кін» (18禁, тобто «заборонено до 18»), «ero anime» або через систему студійних кодів та EOCS-сертифікацію.

Трансформація «hentai» у стандартний жанровий термін відбулась виключно на Заході — орієнтовно з початку 1990-х, коли аніме-фандом поширював і перекладав матеріали, не маючи точного відповідника і прийнявши японське «сленгове» слово як технічний термін. З 2020-х по даних Pornhub Insights «Hentai» є стабільно першим або другим глобальним пошуковим запитом — тобто мільярди пошуків щороку здійснюються за терміном, який у мові оригіналу є не жанровим, а загальномовним.

Цей механізм — семантичне перекодування при міжкультурному трансфері — є загальним явищем у таксономії контенту, але японсько-западний кейс є найбільш кількісно верифікованим. Він демонструє, що навіть «технічні» жанрові терміни мають культурну глибину, яку пошукові алгоритми і taxonomy-команди платформ не враховують при глобальному масштабуванні.

---

17.4 Регуляторна варіативність: режими дозволу і заборони

Японська система є одним вузлом у значно ширшій картині регуляторної варіативності. Академічне дослідження «Opposite Trends in the Regulation of Pornography» (ResearchGate, 26 країн за 1960–2010) зафіксувало два паралельні тренди: загальна лібералізація регулювання дорослого контенту між повнолітніми при одночасній глобальній конвергенції дедалі жорсткіших заходів щодо захисту неповнолітніх.

Ці два тренди важливі для таксономічного аналізу, оскільки кожен регуляторний режим визначає, які категорії контенту взагалі є легальними — тобто задає «стелю» можливих жанрів. Різниця між юрисдикціями не лише у ступені дозволу, але у базовій онтології: що вважається «дорослим контентом», а що — «непристойним»; де проходить межа між «художньою цінністю» і «комерційним сексом»; чи дозволена демонстрація конкретних практик у межах BDSM-континууму.

Точні цифри кількості юрисдикцій, що дозволяють або забороняють контент, суттєво різняться між дослідженнями залежно від методології підрахунку та визначення «заборони». Наявні джерела (зокрема ILGA World, Freedom House) вказують на понад 100 юрисдикцій з дозволом різного ступеня і десятки з повною або майже повною забороною, але точна верифікація цих цифр потребує первинного джерела.

Британська R18-категорія BBFC є одним із найдетальніших публічних регуляторних каталогів у цій сфері. R18 — це категорія для відео, що може розповсюджуватись виключно через ліцензовані секс-шопи. BBFC публікує перелік дозволених актів (вагінальний секс, оральний секс, мастурбація, анальний секс, помірний BDSM) та заборонених (non-consensual roleplay без чіткого фантезійного фрейму, екстремальний bondage, fisting, urolagnia, bloodplay, будь-який натяк на неповноліття). Цей перелік функціонує як публічний офіційний глосарій — de facto таксономія дозволених і заборонених типів контенту з юридичним статусом, яка не має прямого аналога в американській або японській системах.

Кількісні показники відсотку порізаних R18-відео у BBFC Annual Reports є релевантними даними, однак конкретні цифри варто наводити лише з прямим посиланням на відповідний BBFC Annual Report, а не за вторинними джерелами.

Для порівняльного таксономіста регуляторні відмінності між юрисдикціями означають, що одна і та ж одиниця контенту може належати до категорії «легальний комерційний продукт», «нелегальний, але некараний», або «кримінальний злочин» залежно від того, де знаходиться сервер, де знаходиться споживач і який закон вважається застосовним. Глобальні платформи (Pornhub, xVideos, FANZA) вимушені підтримувати гео-специфічні таксономічні фільтри — категорії, видимі в одних юрисдикціях і заблоковані в інших, що утворює de facto різні «версії» каталогу для різних ринків.

---

17.5 Синтез: регуляторна рамка як структурний детермінант жанру

Японський кейс формулює загальний принцип: регуляторна норма не лише обмежує жанри, але й генерує їх. Три механізми цього процесу:

1. Обхід обмеження через специфіку — норма створює тиск, і ринок знаходить форми контенту, що технічно залишаються поза нею. Окремі форми, що виникли з японської AV-культури, є прямим продуктом ст. 175 і еволюції індустріальних стратегій роботи з нею.

2. Мова і табу формують ярлики — категоріальний словник кожного ринку відбиває не лише зміст, але й те, що можна і не можна називати прямо. Евфемістична кодова система Japanese AV і трансформація «hentai» на Заході є двома різними відповідями на це обмеження.

3. Регуляторна деталізація породжує жанрові розрізнення — чим детальніша регуляторна класифікація (як у BBFC R18), тим більше вона сама стає жанровим словником. Перелік «дозволених актів» є негативним відбитком таксономії практик.

З інформаційно-наукової точки зору, японська система кидає виклик universalist-підходу до таксономії дорослого контенту: не існує «природної» системи жанрових категорій, яка могла б бути застосована до всіх ринків одночасно. Кожна класифікаційна система є продуктом локального регуляторного, мовного і культурного середовища — і при глобальному масштабуванні ці системи входять у структурну несумісність, яку алгоритмічна уніфікація не може просто «усунути», не спотворивши жодну з них.

18. Синтез і майбутнє: AI-генеративний контент і криза онтологічних осей

Уся попередня архітектура цього гайда — шість осей фасетної матриці, механізми кристалізації тегів, правова стеля, datafication loop, розрізнення behavior/orientation/identity — будувалася на мовчазному припущенні: що класифікований об’єкт є або документальним записом реальної події, або постановочним продуктом, де учасники свідомо зіграли певну роль. Генеративний AI зламав це припущення структурно і безповоротно. Саме тут усі нитки зводяться в один вузол.

---

18.1. Класифікаційна криза: зламана базова онтологічна вісь

Класична таксономія adult-контенту завжди передбачала дихотомію «реальне / постановочне» як базову онтологічну вісь. «Документальне» — прихована камера, аматорський запис — апелює до ефекту справжності. «Постановочне» — студійне виробництво, сценарій, режисер — апелює до жанрової конвенції. Обидва полюси вимагають реальних людей, реальних тіл, реальних актів згоди або незгоди. Навколо цього стрижня формувалися і регуляторні категорії (USC 2257, BBFC R18, AVMSD), і T&S-таксономії (consent-верифікація по performer, hash-matching відомого матеріалу).

Синтетичний контент, згенерований дифузійними моделями або GAN-архітектурами, не розміщується на цій осі. Він не є «документальним» — бо за ним немає події. Він не є «постановочним» — бо немає виконавця, що погодився зіграти роль. Ця порожня ніша між двома класичними полюсами є не просто технічною новизною — це онтологічний зсув, що робить усю попередню класифікаційну логіку частково нерелевантною.

Відповіддю регуляторів і дослідників стало введення нових юридично-технічних категорій:

• NCII (non-consensual intimate images) — реальні зображення, поширені без згоди зображеної особи;
• AIG-NCII (AI-generated NCII) — синтетичні зображення, що реалістично зображують реальну особу в інтимному контексті без її згоди;
• deepfake — відео або зображення, де обличчя або тіло реальної особи синтетично накладено на чужий контент;
• synthetic persona — повністю вигадана особистість без прив’язки до реальної людини, але з характеристиками, що імітують реальність.

Принципово важливо: ці категорії є юридично-технічними конструктами, а не жанрами в інформаційно-науковому сенсі. Вони не описують естетику, наратив чи виробничий стиль — вони описують відношення між контентом, його технічним походженням і правами реальних осіб. Це новий вимір класифікації, ортогональний до всіх шести осей фасетної матриці, описаних у попередніх розділах.

---

18.2. Структурна прогалина детекції

Технічна інфраструктура Trust & Safety, що складалась десятиліттями, оптимізована під відому загрозу. PhotoDNA (Microsoft / Dartmouth, 2009) перетворює зображення на стійкий hash і звіряє його з базами верифікованого нелегального матеріалу (NCMEC у США, IWF у Великій Британії). Механізм надійний і широко розгорнутий — Google, Meta, Reddit, Discord. Але він має одне принципове обмеження: кожен новий AI-генерований файл має унікальний hash.

Логіка проста. Hash-matching ефективний лише для відомого матеріалу: зображення потрапляє до бази лише після того, як воно вже виявлено, верифіковано правоохоронними органами і занесено до реєстру. Генеративні моделі виробляють унікальний контент при кожному запиті — кожен вихідний файл є криптографічно новим. Системи типу StopNCII, що також базуються на hash-реєстрах, не перекривають synthetic media з тієї самої причини.

Звідси виникає детекційний gap: між виробничою потужністю (масштабована, доступна, дешева) і виявленням (ретроспективна, реактивна, прив’язана до відомих зразків). Дослідження Sensity AI (2019) зафіксувало, що 95–96% deepfake-відео в мережі на той момент становили некомплаєнтні сексуальні зображення. З 2022–2023 років, з появою масово доступних дифузійних моделей, масштаб виробництва зріс на порядки, тоді як детекційна інфраструктура не отримала еквівалентного стрибка.

Тип контенту	Hash-matching	AI-детекція	Правовий статус (2026)
Відомий CSAM/NCII	Ефективний	Не потрібна	Криміналізовано повсюдно
Новий реальний NCII	Неефективний (новий hash)	Часткова	TAKE IT DOWN Act (США, 2025)
AIG-NCII (синтетика)	Неефективний	Дослідницька стадія	TAKE IT DOWN Act + EU Dir. 2024/1385
Synthetic persona (анонімна)	Неефективний	Неефективна	Регуляторна прогалина

Цей gap є структурним, а не тимчасовим. Доки детекція будується на принципі «впізнати відоме», вона принципово відстає від генерації, що будується на принципі «створити нове».

---

18.3. Технічна відповідь: провенанс як нова класифікаційна вісь

Якщо hash-matching неефективний для нового синтетичного контенту — логічна відповідь полягає в тому, щоб перенести точку контролю з моменту виявлення на момент створення. Саме цю логіку реалізує специфікація C2PA (Coalition for Content Provenance and Authenticity).

C2PA v2.3 (специфікація датована 5 січня 2026 року, поточна версія v2.4) описує механізм криптографічного підписання метаданих походження: кожен файл супроводжується верифікованим записом про те, хто або що його створило, коли, яким інструментом і з яких джерел. Цей запис підписується криптографічним ключем виробника (камера, модель, редактор) і може бути перевірений незалежно. Якщо файл редагується, підпис оновлюється і фіксує ланцюг трансформацій.

Провенанс — людина-оператор ↔ AI-система — стає нею ж класифікаційною віссю, що перетинає всю попередню матрицю зверху донизу. Це вертикальна вісь, що не замінює фасети (демографія, жанр, продакшн-стиль), але накладається на них як мета-вимір автентичності походження.

Регуляторний вимір закріплює цю логіку нормативно. Стаття 50 EU AI Act встановлює обов’язкове machine-readable маркування AI-генерованого контенту з 2 серпня 2026 року. Йдеться не про видиме водяне маркування (яке можна видалити) — йдеться про вбудовані метадані, що доступні для автоматизованої обробки. Це перша юрисдикційно значуща спроба зробити провенанс структурним елементом контент-класифікації, а не опціональною практикою.

---

18.4. Критика технічного врядування: детекція не вирішує проблему

На цьому місці необхідна принципова зупинка. Ding і Suresh (2025, arXiv:2504.17663) у роботі, присвяченій технічному врядуванню AIG-NCII, формулюють критику, що підриває саму логіку «детекція = рішення».

Центральний аргумент: governance-дискурс зосереджений на задачі виявити синтетичний контент — розрізнити «справжнє» і «фальшиве». Але навіть якщо детекція є стовідсотково точною, видиме фальшиве зображення вже завдало реальної шкоди. Людина, чиє обличчя накладено на синтетичне інтимне зображення, зазнає репутаційної, психологічної та соціальної шкоди — незалежно від того, чи технічно підтверджено синтетичне походження файлу. Детекція допомагає після факту; вона не відміняє ефект поширення.

Це принципова відмінність від класичної CSAM-парадигми, де виявлення = доказова база для переслідування, а заборона відтворення має превентивний ефект. У випадку AIG-NCII шкода не в «неправомірному зберіганні файлу» — вона в акті публікації, який вже стався. Ретроспективна детекція може зупинити подальше поширення, але не скасовує первинний збиток.

Ця критика має пряму імплікацію для класифікаційних систем: правова і технічна відповідь, що зосереджується виключно на категорії «синтетичне / реальне», ігнорує категорію «шкода / відсутність шкоди» як більш операційно значущу вісь. Виявлення синтетичного походження є необхідною, але недостатньою умовою захисту.

---

18.5. Замикання тези: категоризація як дзеркало і як петля

Повернімося до методологічного ядра. Упродовж усього цього гайда категоризація adult-контенту розглядалась одночасно як інформаційна наука і як культурне дзеркало.

З боку інформаційної науки: фасетна класифікація Ранганатана, кристалізація тегів, розподіл Зіпфа по довгому хвосту, механізм autocomplete як таксономічного управління — усе це є технічними інструментами організації знань, нейтральними щодо домену застосування. Вони описують структуру, а не зміст.

З боку культурного дзеркала: Rebecca Saunders (Convergence, 2025) зафіксувала datafication loop — замкнену петлю, де аналітика пошукових запитів (Pornhub Insights) публікується, підхоплюється медіа, формує дискурс «нормальності» і повертається у збільшений попит на відповідні категорії. Дані не просто відображають культуру — вони її конструюють і відтворюють. Mazières et al. (2014) показали, що фолксономія відтворює расові та гендерні ієрархії домінуючої культури. Алгоритми ранжування посилюють видимість певних категорій і маргіналізують інші — це прихований класифікаційний акт без редакційної відповідальності.

Правова стеля лишається незмінною: кримінальне право встановлює абсолютну межу, нижче якої розгортається увесь дискреційний простір платформ. Але ця стеля сама є культурним конструктом, що змінюється — TAKE IT DOWN Act (2025) додав AIG-NCII до переліку криміналізованих категорій; EU AI Act (2026) вводить обов’язковий провенанс. Правова стеля опускається, охоплюючи нові синтетичні категорії.

---

18.6. Майбутнє: боротьба за онтологічну прозорість

Підсумкова теза може бути сформульована так: майбутнє класифікації adult-контенту — це боротьба за відновлення онтологічної прозорості в умовах синтетичної проліферації.

Три фронти цієї боротьби:

1. Технічний. C2PA-провенанс і EU AI Act ст. 50 закладають інфраструктуру для вертикальної осі «людина-оператор ↔ AI-система». Але провенанс — це добровільна або регуляторно нав’язана практика виробників; він не зупиняє акторів, що діють поза легальною інфраструктурою.

2. Юридичний. TAKE IT DOWN Act, EU Directive 2024/1385, Australian Deepfake Act (2024) криміналізують AIG-NCII, але механізми enforcement лишаються юрисдикційно фрагментованими: синтетичний контент виробляється в одній країні, розміщується в іншій, споживається в третій.

3. Класифікаційний. Нові категорії (NCII, AIG-NCII, synthetic persona) є ad hoc регуляторними конструктами без чіткої таксономічної логіки. Вони не утворюють когерентної системи фасетів — вони є аварійними концептуальними «заплатками». Перед інформаційною наукою стоїть завдання інтегрувати вісь провенансу (human-created ↔ AI-generated) у загальну фасетну архітектуру так само органічно, як вісь «реальне / анімоване» була інтегрована в попередні десятиліття.

Datafication loop, описана Saunders, не зупиняється з появою синтетики — вона пришвидшується. AI-модель навчається на людському контенті, генерує синтетичний, який потрапляє назад у пошукові дані, які формують нові запити, під які навчаються нові моделі. Це не метафора — це буквальна технічна петля, що стискає цикл між виробництвом і класифікацією до мінімуму.

Класифікація adult-контенту завжди була дзеркалом культурних тривог свого часу: від моральних панік 1980-х навколо «video nasties» до FOSTA-SESTA і кризи платіжних систем 2020-го. AI-криза онтологічних осей — наступна ланка цієї послідовності. І, як кожна попередня, вона вирішуватиметься не лише технічно і не лише юридично, але передусім через рішення про те, що ми вважаємо реальним — і кому ми довіряємо це вирішувати.