Хвост», который машет всем остальным

Ситуацию можно рассмотреть и при помощи следующего графика. Когда «хвост» удлиняется, отношение «сигнал-шум» ухудшается. Единственной способ постоянно получать хороший сигнал — увеличение мощности фильтров (рис. 13).

Почему отношение «сигнал-шум» падает при движении по «хвосту»? Там слишком много всего, и то, что вы ищете, теряется среди того, что вам не нужно. В «хвосте» находится подавляющее большинство существующих продуктов в мире.

Живя в культуре, основанной на хитах, мы предполагаем, что хиты занимают большую долю рынка, чем это происходит в действительности. Они — редкое исключение. Нассим Талеб (Nassim Taleb) называет это «проблемой черного лебедя».

Выражение принадлежит Дэвиду Юму, шотландскому философу XVIII века, который привел его в качестве примера трудностей, которые возникают при формулировании общих правил на основе наблюдений. В «задаче индукции Юма» он спрашивает, сколько белых лебедей нужно наблюдать, чтобы сделать вывод, что все лебеди — белые, а черных не существует. Сотни? Тысячи? Неизвестно. («Черный лебедь» — это не просто метафора. До открытия Cygnus atratus в Австралии считалось, что все лебеди — белые.)

Нам сложно рассматривать редкие события в контексте. Среди населения любого региона будет группа чрезвычайно богатых людей. Некоторые из них умны, некоторым повезло. В действительности, мы не можем определить, кто их них кто. В книге «Одураченные случайностью» (Fooled by Randomness) Талеб высмеивает бестселлер «Миллионер по соседству» (Millionaire Next Door), посвященный описанию инвестиционных стратегий и приемов работы миллионеров, чтобы дать читателю возможность перенять их и самому стать богатым. Талеб отмечает, что случайные факторы с такой же долей вероятности ответственны за миллионы вашего соседа, как и инвестиционные стратегии.

Он определяет «черного лебедя» так:

Случайное событие, удовлетворяющее трем следующим критериям: глубокое влияние, невычислимая вероятность, эффект неожиданности. Во-первых, такое событие оказывает диспропорционально глубокое воздействие. Во-вторых, вероятность такого события мала и невычислима на основе доступной информации до его наступления. В-третьих, коварство «черного лебедя» в эффекте неожиданности: наблюдая, нельзя предположить повышение вероятности его наступления.

Очень похоже на описание хита.

Реальность такова, что подавляющее большинство контента (от музыки до фильмов) — не хиты. Большинство произведений настолько далеки от хитов, насколько возможно, их аудитория исчисляется сотнями, а не миллионами. Иногда это происходит по причине низкого качества. Иногда виноват плохой маркетинг или отсутствие нужных связей. А иногда — причина в некоем случайном событии, которое помешало. Вероятность такого события такая же, что и случайного события, превратившего в блокбастер что-нибудь из самых неубедительных произведений (сразу вспоминается «Who Let the Dogs Out»).

Это естественное следствие экспоненциального распределения, кривой, на которой небольшое число событий происходит с высокой амплитудой (то есть продажи), а большое число — с невысокой амплитудой. Мало продуктов продается хорошо, и много продуктов— плохо. (Кривая имеет форму графика функции f(x)=1/x, что равнозначно x-1.)

Поскольку большинство продуктов продается плохо, то объем доступного материала и, естественно, объем того, чего вы не хотите, растет по мере падения «длинного хвоста». Вот информация по книгам, показывающая количество наименований в каждой из категорий в 2004 году.

Итак, что бы вы ни искали, того, что вам не нужно, всегда больше, чем дальше вы идете по «хвосту». Именно поэтому отношение «сигнал-шум» падает, несмотря на то, что часто вам с большей долей вероятности (применяя поиск и хорошие фильтры) удается найти искомое в «хвосте». Звучит как парадокс, но не является им: это проблема, которую решают фильтры.

Фильтры «до» и «после»

Мир наполнен самыми разнообразными фильтрами. На дефицитных рынках ограниченного пространства, экранах и каналах поставок, с которыми мы жили большую часть прошлого века, возникли целые отрасли, чьей задачей был поиск и продвижение качественных продуктов. Этим занимаются охотники за талантами студий звукозаписи, руководители голливудских компаний и менеджеры по закупкам в магазинах. Отделы по исследованию рынков стараются прогнозировать, что будет хорошо продаваться и поэтому достойно ценного места на полке магазина, на экране или бумажной странице… и что, вероятно, продаваться не будет и не заслуживает места.

Ключевое слово в предыдущем абзаце — «прогнозирование». Разница между этими фильтрами и теми, о которых я говорил раньше, в том, что первые фильтруют до выхода на рынок. Они решают, что выйдет на рынок, а что нет. Я их называю фильтры типа «до».

Рекомендации и технологии поиска, наоборот, — фильтры типа «после». Они лучше справляются с поиском того, что уже есть на рынке, вычленяя хорошее (релевантное, интересное, оригинальное) и скрывая, игнорируя плохое. Когда я говорю о том, чтобы выбросить все на рынок и дать ему решить самому, то именно эти фильтры и становятся голосом рынка. Они направляют и поощряют поведение потребителей, вместо того, чтобы его прогнозировать.

В следующей таблице приводится несколько примеров каждого типа фильтров.

Важно то, что фильтры, действующие после выхода на рынок, не прогнозируют, а направляют поведение. На рынках в начале кривой спроса, с дорогостоящей дистрибуцией и высокой стоимостью физического пространства, приходится внимательно следить за тем, что туда попадает. Производители, ритейлеры и маркетологи разработали целую научную дисциплину, посвященную прогнозированию спроса, чтобы повысить вероятность вывода на рынок успешных продуктов. Конечно, прогнозы не всегда оправдываются. Есть множество вещей, достойных выхода на рынок, которых просто не заметили или заметили, но рынок их проигнорировал. Выжившие на рынке обретают репутацию, основанную на какой-то мистической способности заглядывать в душу потребителей.

На рынках «длинного хвоста», где дистрибуция ничего не стоит и отсутствует ограничение физического пространства, можно смело предположить, что со временем все станет доступным.

Сегодня роль фильтров в рекомендациях, а не в надзоре за доступом. Такие фильтры, как Google, не прогнозируют вкусы, а измеряют их. Они не разбивают потребителей на жестко заданные категории, а, подобно рекомендациям Netflix, относятся к ним как к личностям, предпочтения которых отражаются на поведении. Музыкальные блоги не удерживают продукты вне рынка, а создают рынки, привлекая потребителей к уже существующим продуктам и стимулируя спрос на них. Джефф Джарвис называет это отличие рынками «от первого и третьего лица».

Блоги становятся источником влиятельных рекомендаций. Существуют независимые блоги, такие как PVRblog и Horticultural, коммерческие блоги Gizmodo и Joystiq, сотни случайных рекомендаций в любом из блогов, который вы по какой-то причине читаете. (Можно заметить некоторую связь между теми, кто много знает, и блогами.) Возможно, им не хватает глянца и кругозора, но достоверность информации все компенсирует. Читатели знают, что блог ведется реальным человеком, которому можно доверять.

Конечно, фильтры типа «после» — как и охотники за талантами, не всегда выбирающие музыкантов, создающих хиты, — иногда ошибаются. Они управляются любителями, и здесь чаще проявляется зависимость в суждениях и злонамеренность. Более того, проблема таких фильтров в том, что обратная связь возникает после публикации, а не до нее. Появляются ошибки, которые мог бы отловить редактор и другие специалисты, и, хотя коллективный разум может их в итоге исправить, некоторые остаются незамеченными.

Интересно, что сам я выступаю в обеих ролях. Редактируя физический журнал с ограниченным числом страниц, я фильтрую до выхода на рынок. Я пытаюсь определить, какие статьи публиковать. Однако журнал Wired публикует много обзоров и в этом случае выступает фильтром другого рода. Мы смотрим на то, что уже есть на рынке, и привлекаем внимание читателей к лучшему.

Пока существует рынок заранее отфильтрованных материалов, публикуемых на глянцевой бумаге, думаю, останется спрос на таких специалистов, как я. Однако время, когда люди, подобные мне, решают, что выпускать на рынок, скоро кончится. Вскоре все будет появляться на рынке и подвергаться последующей фильтрации.

8. Экономика «длинного хвоста»

Дефицит, изобилие и конец «правила 20/80»

Летом 1897 года итальянский эрудит по имени Вильфредо Парето работал в одном швейцарском университете, изучая движение богатства и прибыли в Англии XIX века. Это была эпоха Маркса, и вопрос распределения богатства волновал многих. Парето обнаружил, что в Англии богатство и в самом деле было распределено неравномерно. Когда он подсчитал точное соотношение, то выяснилось, что 20 % населения обладали 80 % богатств. Более того, после сравнения с другими странами и регионами, соотношение осталось тем же самым.

Открытие Парето — предсказуемое математическое описание шаблонов распределения и богатства, которое он назвал «законом жизнеспособного меньшинства». В его время закон оставался неизменным во всех странах. Парето — прекрасный экономист, но объяснял он плохо, и лишь немногие осознали важность открытия. Он писал невнятные социологические трактаты об элитах, которые, к сожалению, к моменту его смерти были переняты Муссолини. Однако теория неравномерного распределения зажила своей жизнью. Сегодня открытие Парето известно под названием «правило 20/80».

В 1949 году Джордж Ципф, лингвист из Гарварда, обнаружил похожую картину при исследовании языка. Он открыл, что малое число слов используется очень часто, в то время как остальные — редко. Это само по себе не удивительно, но Ципф обнаружил, что отношение предсказуемо и совпадает с кривой богатства Парето. Частота использования слова была пропорциональна единице, деленной на ранг слова среди остальных. Это значит, что второе слово применяется в 1/2 раза чаще, чем первое, третье — в 1/3 раза и так далее. Сегодня это называют законом Ципфа.

Как обнаружил Ципф, то же отношение применимо и к другим явлениям, от статистики роста населения до производственных процессов. Он исследовал свидетельства о браке в Филадельфии в районе 20 кварталов и обнаружил, что 70 % браков заключаются между людьми, которые живут друг от друга не дальше, чем 30 % от этого общего расстояния.

С того времени различные исследователи расширили область применения правила на все — от атомов в плазме до размера городов. В основе всех этих наблюдений — распространенность экспоненциальных кривых, 1/x, которую Парето впервые заметил в распределении богатств.

Экспоненциальные кривые можно обнаружить практически везде — от биологии до данных по продажам книг. «Длинный хвост» — закон экспоненциального распределения, который не обрывается из-за физических ограничений и неэффективности каналов поставок. Поскольку значение функции приближается, но никогда не достигает нуля, то кривая, ее иллюстрирующая, называется кривой с «длинным хвостом», откуда я и позаимствовал название для книги.

С точки зрения потребительских рынков, законы экспоненциального роста применимы при следующих трех условиях:

— разнообразие (множество товаров);

— неравноправие (некоторые товары более качественны, чем другие);

— сетевые эффекты (общение потребителей и репутации, которые лишь усиливают различия качества).

Другими словами, экспоненциальное распределение возникает, если товаров много, их качество неодинаково, и есть такие инструменты, как репутация, которые могут помочь отделить качественное от некачественного. В результате возникает то, что Парето называет «предсказуемым дисбалансом» рынков, культур и общества. Успех приводит к успеху. Эти силы описывают значительную часть мира, описывающего нас.

Дата добавления: 2015-10-31