Текст книги "Здравый смысл врет. Почему не надо слушать свой внутренний голос"

Заражение – идея о том, что информация и, предположительно, влияние распространяются по сети точно так же, как инфекционное заболевание по системе физических контактов, – является одной из наиболее интригующих гипотез в науке о сетях¹²⁹. Как следует из предыдущей главы, когда на каждого из нас влияют поступки и поведение окружающих, происходят удивительные вещи. Но заражение имеет важное значение и для неформальных лидеров мнений: оно подразумевает, что последний способен оказывать на других людей не только непосредственное влияние, но и косвенное – через соседей, соседей соседей и т. д. Именно через заражение и реализуется закон малого числа. Если соответствующие лидеры мнений способны запустить социальную эпидемию, тогда для оказания влияния на четыре миллиона человек потребуются всего лишь единицы. Это не просто хорошо – это здорово. А поскольку нахождение и влияние всего на нескольких человек очень отличаются от нахождения и воздействия на миллион, это качественно меняет саму природу влияния.

Что сие означает? То, что закон малого числа представляет собой не одну, а две гипотезы, слитые воедино. Согласно первой, одни люди влиятельнее других. А согласно второй, влияние этих людей многократно усиливается через некий процесс заражения, вызывающий социальные эпидемии¹³⁰. Вот эту-то комбинацию утверждений мы с Питером Доддсом и вознамерились проверить в серии компьютерных симуляций несколько лет назад. Поскольку последние предполагали эксплицитные математические модели распространения влияния, от нас требовалось специфицировать все допущения, в описаниях лидеров мнений обычно остающиеся несформулированными. Как определить такого лидера? Кто на кого влияет? О каких типах выбора идет речь? И как на выбор одних оказывают влияние другие? Как я уже говорил, никто толком не знает ответы на эти вопросы. А значит, как и в любой ситуации моделирования, необходимо сделать ряд допущений, каждое из которых, разумеется, может оказаться ошибочным. Задавшись целью подойти к проблеме во всеоружии, мы рассматривали две очень разные модели: и первую, и вторую социологи и специалисты по маркетингу изучают вот уже несколько десятилетий.

Одна представляла собой версию модели массовых беспорядков Грановеттера из предыдущей главы. В отличие от нее, однако, где все в толпе наблюдали за всеми, в нашей модели взаимодействия между отдельными людьми определялись сетью, в рамках которой каждый человек мог наблюдать за относительно небольшим кругом друзей или знакомых. А другая являлась вариантом «модели Басса», названной так в честь специалиста по маркетингу, впервые предложившего ее в качестве модели адаптации продукта. Надо сказать, в реальности последняя неотличима от более старой модели, использовавшейся в математической эпидемиологии для исследований распространения биологических болезней. Таким образом, если согласно модели Грановеттера люди принимают нечто, когда его принимает определенная доля окружающих, то модель Басса рассматривает принятие как процесс заражения, осуществляемый через взаимодействие «чувствительных» и «зараженных» людей. Обе они похожи лишь на первый взгляд: в действительности же – в корне различны. А значит, изучение относительной важности лидеров мнений в них позволяет рассмотреть широкий диапазон вариантов¹³¹.

Какую бы модель мы ни взяли, в большинстве условий для запуска социальной эпидемии лидеры мнений оказывались действительно более эффективны, нежели обычные люди. Впрочем, относительное воздействие было намного меньшим, чем предполагал закон малого числа. Приведу пример. Допустим, количество людей, на которых оказывает влияние лидер мнений, в три раза превышает число тех, на кого оказывает влияние среднестатистический человек. Интуиция подсказывает, что при прочих равных косвенное воздействие лидера мнений также затронет в три раза больше людей. Другими словами, лидер мнений будет иметь, что называется, «мультипликационный эффект» три. Закон малого числа тем временем утверждает: эффект должен быть гораздо сильнее – то есть «эта диспропорция становится более выраженной»¹³². Мы же обнаружили, что мультипликационный эффект для такого типа лидеров был, как правило, меньше трех, иногда – гораздо меньше, а во многих случаях и вовсе отсутствовал.

И вот почему: когда влияние распространяется через некий процесс заражения, итоговый эффект, как правило, намного больше зависит от общей структуры сети, нежели от качеств самих людей. Как масштабы лесного пожара зависят от ветра, температуры, низкой влажности и наличия горючих материалов, так и социальные эпидемии требуют соблюдения определенных условий. Как выяснилось, это условие не имеет никакого отношения к горстке влиятельных людей. Как раз наоборот: все дело в наличии критической массы внушаемых людей, которые, в свою очередь, воздействуют на других внушаемых людей. Когда эта критическая масса присутствует, даже самый обычный человек способен запустить социальную эпидемию – так, одной искры будет достаточно, чтобы, когда на то есть все условия, вспыхнул лесной пожар. И наоборот, если такая масса отсутствует, даже самый влиятельный человек может рассчитывать лишь на маленький каскад, не более того. Отсюда вывод: какие бы свойства мы ни измеряли, пока не будет установлено, как потенциальный лидер мнений вписывается во всю сеть, неизвестно, насколько влиятельным он окажется.

В некотором отношении в этом нет ничего удивительного. Услышав о большом лесном пожаре, например, мы ведь не думаем, что в искре, которая его спровоцировала, было нечто особенное. Такая идея просто смешна. Но когда в социальном мире случается нечто особенное, мы тут же приходим к мысли: кто бы ни явился причиной, этот человек непременно должен быть особенным. Каждый большой каскад в наших симуляциях, разумеется, обязательно кто-то инициировал. И каким бы заурядным ни был этот человек раньше, он оказался подходящим под описание закона малого числа: «крошечный процент людей, которые выполняют большую часть работы». Впрочем, наши симуляции четко показали, что ничего особенного на самом деле в этих личностях не было – мы создали их такими. Большая часть работы выполнялась не ими, выступавшими в качестве триггеров, а более крупной критической массой людей, легко поддающихся влиянию. Это значит, что неформальный лидер, чьи энергия и связи могут превратить книгу в бестселлер или продукт в хит, в основном определяется случайным стечением обстоятельств. Это, так сказать, «случайный лидер»¹³³.

Как тут же было подмечено, этот вывод целиком и полностью основывался на компьютерных симуляциях. Последние представляли собой (в силу необходимости) крайне упрощенные версии реальности и предполагали большое количество допущений, любое из которых могло оказаться ложным. Они – полезные инструменты, способные дать уникальную информацию. Но в конечном счете эти симуляции больше похожи на умозрительные, чем на реальные эксперименты и потому лучше подходят для постановки новых вопросов, а не поиска ответов на уже существующие. Так, если мы хотим узнать, способны ли конкретные люди на стимулирование диффузии идей, информации и, в итоге, воздействия, – и если эти влиятельные люди существуют, какие свойства отличают их от «обычных», – эксперименты нужно проводить в реальном мире. Однако на практике изучать взаимоотношения между индивидуальными влияниями и воздействием в широких масштабах безумно сложно.

Главная загвоздка – в огромных массивах данных, большинство которых очень трудно собрать. Продемонстрировать, что один человек повлиял на другого, – уже проблематично. А если требуется установить их воздействие на более крупные популяции? Необходимо собрать сведения о целых цепочках влияния, в которых один человек влияет на другого, тот – на третьего, и т. д. Очень быстро речь пойдет о тысячах и даже миллионах взаимоотношений. И все это – чтобы отследить распространение одного-единственного фрагмента информации! А ведь в идеале хотелось бы исследовать многие подобные случаи. Для проверки такого вроде бы незамысловатого утверждения – «некоторые люди влиятельнее других, и каким-то образом это важно» – требуется громадный объем данных. Кстати, вот почему так называемые исследования диффузии столь долго окружали различные мифы: когда невозможно ничего доказать, всякий волен предложить любую правдоподобную историю, какая ему нравится. Ведь кто прав – неизвестно.

Впрочем, как и в случае с экспериментами типа «Музыкальной лаборатории», с развитием Интернета ситуация явно начала меняться к лучшему. Сегодня целый ряд новейших исследований диффузии в социальных сетях проводится в масштабе, просто немыслимом каких-то лет 10 назад. Записи в блогах распространяют сообщения и информацию по сетям блогеров. Странички фанатов – по Facebook. Голосовой сервис Instant Messenger – по сети друзей. А участники онлайн-игры Second Life распространяют жесты среди других игроков¹³⁴. Вдохновленные этими исследованиями, мы с коллегами по Yahoo! Джейком Хофманом и Уинтером Мейсоном, а также Эйтеном Бакши, талантливым аспирантом Мичиганского университета, решили поискать лидеров общественного мнения в самой крупной коммуникационной сети, которую только смогли заполучить в свое распоряжение, – в Twitter.

Во многих отношениях Twitter идеально подходит для поиска неформальных лидеров. Во-первых, в отличие от Facebook, например, где люди связываются друг с другом по множеству причин, суть Twitter – в передаче информации «подписчикам», эксплицитно указывающим, что они читают ваши записи. Результирующий «график реципиентов», таким образом, отражает распространение информации по сети друзей и контактов. Во-вторых, эта сеть невероятно многообразна. Основную массу ее пользователей составляют простые люди, чьи подписчики – их настоящие друзья. Но есть здесь пользователи, записи которых читает уйма народа – это общественные деятели (блогеры, журналисты и знаменитости – Эштон Кэтчер, Шакил О’Нил, Опра Уинфри и другие), медиаорганизации (такие как CNN) и даже правительственные и некоммерческие организации (администрация Барака Обамы; Даунинг-стрит, 10[28]28
  Дом № 10 по Даунинг-стрит – резиденция премьер-министра Великобритании. – Прим. пер.


[Закрыть]; Всемирный экономический форум). Подобное разнообразие позволило нам дать качественную оценку влияния обычных людей так же, как Опры, избежав ряда двусмысленностей, отличавших более ранние представления о лидерах общественного мнения.

Наконец, если одни твиты представляют собой новости о повседневной жизни тех, кто их пишет («Пью кофе в Starbucks на Бродвее! Замечательный день!»), то другие – миллионы – относятся либо к иному контенту (новости или смешные видео), либо к понятиям из внешнего мира (книги, фильмы и т. д.), о которых пользователи Twitter хотят выразить свое мнение. А поскольку формат сети ограничивает объем каждого сообщения 140 знаками, люди часто прибегают к «сокращателям ссылок», заменяющим длинный путаный адрес сайта короткой аккуратной записью вроде http://bit.ly/beRKJo. Преимущество этих укороченных URL в том, что они, по сути, приписывают свой уникальный код каждому сегменту контент-эфира на Twitter. Следовательно, когда пользователь делится интересным твитом, мы можем увидеть, от кого он исходил первоначально, и проследить цепочки диффузии по графику подписчиков.

В общей сложности в течение двух месяцев в конце 2009 года нам удалось отследить более 39 млн таких «событий» диффузии, инициированных более чем 1,6 млн пользователей. Для каждого события мы посчитали количество ретвитов обсуждаемого URL: сперва непосредственными подписчиками пользователя-инициатора («сида»), потом их подписчиками, потом подписчиками их подписчиков, и так далее – в итоге проследив весь каскад ретвитов, запущенных одним-единственным первоначальным твитом. Как показано на схеме ниже, одни каскады были широкими и плоскими, другие – узкими и глубокими. Третьи – очень большими, со сложной структурой: некоторое время они оставались маленькими, а затем вдруг начинали резко увеличиваться. Впрочем, большинство каскадов – примерно 98 % – не распространялись вообще.

Каскады на Twitter

Последнее наблюдение крайне важно. Как мы будем подробно обсуждать в следующей главе, стремясь понять, почему некоторые вещи «распространяются как зараза» – загруженные миллионы раз видео с YouTube или смешные послания, циркулирующие по электронной почте или Facebook, – грубейшей ошибкой будет учитывать лишь те немногие из них, которые действительно стали популярными. В большинстве ситуаций изучать можно только «успехи», ибо никто просто-напросто не дает себе труд отслеживать неудачи. Поэтому последние имеют тенденцию очень быстро исчезать в мусорной корзине истории. В сети Twitter, однако, мы можем проследить каждое событие – маленькое или большое. Это, в свою очередь, позволяет установить, кто именно влиятелен, насколько он влиятельнее обычного человека и возможно ли выявить различия между ними так, чтобы это можно было использовать на практике.

Мы старались сымитировать поведение гипотетического маркетолога – то есть, используя знания о свойствах и прошлом поведении примерно миллиона человек, попытаться предсказать, насколько влиятельным каждый из них окажется в будущем. Основываясь на этих прогнозах, маркетолог мог затем «профинансировать» некую группу людей, чтобы она опубликовала необходимую ему информацию, сгенерировав серию каскадов. Чем точнее он мог предсказать величину каскада, инициированного каждым конкретным человеком, тем эффективнее определялся бюджет для спонсируемых твитов.

Проведение такого эксперимента на практике по-прежнему очень трудновыполнимо, поэтому мы сделали все возможное для максимального приближения к реальности. В частности, использовали уже собранные данные, разделив их на две половины: первый месяц стал «историей», а второй – «будущим». Затем мы вложили все наши «исторические» данные в статистическую модель – включая количество подписчиков у каждого пользователя, подписчиков их подписчиков, частоту твитов после регистрации, а также успешность вызывания каскадов в течение этого периода. Потом мы использовали эту модель для предсказания влиятельности каждого пользователя в наших «будущих» данных, а в конце сравнили результаты с тем, что произошло на самом деле.

Если вкратце, то мы обнаружили следующее: прогнозы индивидуального уровня крайне ненадежны. В среднем пользователи с большим количеством подписчиков, успешнее вызывавшие каскады ретвитов в прошлом, действительно имели больше шансов оказаться успешными и в будущем. Но в отдельных случаях наблюдались резкие случайные колебания. Так же как с «Моной Лизой» в предыдущей главе, на каждого человека, проявлявшего качества успешного лидера мнений, приходилось много других людей с теми же самыми качествами, которые, однако, каскадов не вызывали. Не являлась эта неопределенность и следствием нашей неспособности измерить надлежащие качества (в реальности у нас было больше данных, чем обычно бывает у маркетолога) или сделать это аккуратно. Скорее, проблема, как и в случае с вышеописанными симуляциями, заключалась в том, что большая часть факторов, управляющих успешной диффузией, зависит от вещей, находящихся за пределами контроля отдельных сидов. О чем говорит этот результат? Маркетинговые стратегии, фокусирующиеся на горстке «особенных» людей, ненадежны. А значит, оптимальным для маркетологов является подход «портфеля», подразумевающий направленность на большое количество потенциальных лидеров мнений и эксплуатацию их среднего эффекта, что позволяет устранить случайность на уровне индивида.

Будучи многообещающим в теории, подход портфеля ставит вопрос об эффективности затрат или, другими словами, рентабельности. Согласно недавно опубликованной в New York Times статье, например, звезда телевизионного реалити-шоу Ким Кардашьян за твит с упоминанием продукции спонсоров получала 10 тысяч долларов. В то время у нее было больше миллиона подписчиков. Выходит, платить выгоднее ей, а не обычным пользователям со всего-то парой сотен подписчиков. С другой стороны, последние наверняка согласятся упомянуть о некоем продукте за гораздо меньшую сумму. Итак, если более «видные» люди «стоят» дороже, на кого же ориентироваться специалистам по маркетингу: на относительно небольшое количество более влиятельных и «дорогих» или на большое – менее влиятельных и дешевых? А еще лучше – как добиться оптимального баланса?

Прежде всего, ответ на этот вопрос будет зависеть от того, сколько пользователи Twitter захотят получать за свои твиты – если они вообще согласятся на это. Единственный способ сие узнать – попробовать по-настоящему. Мы же провели ряд умозрительных экспериментов, позволивших, во-первых, проверить широкий спектр вероятных допущений, каждое из которых соответствовало разной гипотетической устной маркетинговой кампании, а во-вторых, измерить «доход на инвестиции», используя ту же статистическую модель, что и раньше. Результаты удивили даже нас: будучи действительно влиятельнее обычных людей, кимы кардашьяны стоили настолько дороже, что не оправдывали затрат. С точки зрения распространения информации, наиболее рентабельными оказались «рядовые лидеры мнений» – то есть, люди, чье влияние было средним или даже ниже среднего.

Прежде чем вы броситесь избавляться от акций Ким Кардашьян, должен подчеркнуть: мы не проводили этот эксперимент в действительности – только вообразили. Хотя мы и изучали данные из реального мира, а не компьютерную симуляцию, наши статистические модели включали множество различных допущений. Пусть нашему гипотетическому маркетологу удалось убедить несколько тысяч «рядовых лидеров» высказаться о том или ином продукте. Однако совершенно неясно, отреагируют ли на это подписчики так же благосклонно, как на нормальные твиты. Как знает всякий, чьи друзья пытались продать им что-то на Amway, в коммерческих предложениях, включенных в личную коммуникацию, есть щекотливый момент. С другой стороны, если подписчиков Ким Кардашьян это не смутит, то в реальной жизни ее найм окажется гораздо эффективнее, чем в нашем исследовании. И, наконец, очень может статься, выбранный нами способ измерения влияния – количество ретвитов – ошибочен. Мы измеряли последние потому, что только их и могли измерить, – это лучше, чем вообще ничего. Но главное, конечно, – количество людей, которые кликают на тот или иной материал, жертвуют деньги на благотворительность или покупают тот или иной товар. Возможно, подписчики Кардашьян прислушиваются к ее твитам, не обязательно делясь ими со своими друзьями, – в таком случае мы, опять-таки, недооценили степень ее воздействия на людей.

А может, и нет. В конце концов, мы просто не знаем, кто действительно влиятелен и на что способны такие лидеры мнений – как этих людей ни определи. Пока не станет возможным измерение воздействия относительно неких важных для нас последствий, пока не будут проведены эксперименты в реальном мире, позволяющие измерить влияние разных людей, к данным любых исследований (включая и наше) следует подходить скептически. Тем не менее во всех вышеизложенных результатах, полученных в ходе экспериментов «тесного мира», симуляционных исследований распределения влияния в сетях и исследования Twitter, должны вызвать серьезные сомнения утверждения, рассматривающие социальную эпидемию как результат деятельности горстки особенных людей. В первую очередь это касается закона малого числа. Скорее, все три исследования – каждое по-своему – свидетельствуют о том, что влияние гораздо эгалитарнее.

Признаться, неясно даже, правомерно ли вообще думать о социальном изменении как о социальной эпидемии. Хотя в ходе изучения Twitter нам и удалось обнаружить, что подобные эпидемии действительно имеют место, они все-таки оказались невероятно редки. Из 40 млн событий лишь несколько дюжин вызвали хотя бы тысячу ретвитов – и только одно или два добрались до 10 тысяч. В сети из десятков миллионов пользователей 10 тысяч ретвитов – не так уж и много, но даже этого почти невозможно достичь. На практике, таким образом, лучше, наверное, вообще забыть о больших каскадах и вместо них попытаться генерировать много-много маленьких. А для этой цели отлично подойдут «рядовые лидеры». Они не делают ничего сверхъестественного, поэтому понадобится большое их количество. Зато это устранит большую часть случайностей. Что, в свою очередь, обеспечит постоянный положительный эффект.

Наконец, каковы бы ни были результаты, эти исследования помогают выявить основной недостаток мышления с позиций здравого смысла. Парадоксально, но закон малого числа выставляется как противоречащий интуиции, хотя на самом деле мы привыкли мыслить категориями особенных людей. Они выполняют основную работу? Разумеется. Это представление для нас совершенно естественно. Нам кажется, что, признав важность межличностного влияния и социальных сетей, мы вышли за рамки тавтологического утверждения «Х произошел потому, что этого хотел народ». Но что скажет наша интуиция, попытайся мы представить, как связаны между собой миллионы человек внутри сложной сети – или еще хуже: как распространяется влияние по этой сети? Путем сосредоточения всей деятельности в руках нескольких человек аргументация «особенных людей» (например, закон малого числа) сводит проблему понимания зависимости результатов от структуры сети к более простой проблеме понимания мотивации особенных людей. Как и всякое объяснение, подсказанное здравым смыслом, это тоже звучит разумно и вполне может оказаться верным. Однако, утверждая, что «Х произошло потому, что несколько особенных людей заставили его произойти», мы, по сути, просто заменили одно тавтологическое утверждение другим.