Книга Длинный хвост. Эффективная модель бизнеса в Интернете - Крис Андерсон

Люди, которые являются частью такой толпы, могут и не воспринимать себя в качестве советчиков. Они занимаются собственным делом по причинам, которые важны для них. Однако с каждым днем увеличивается количество программного обеспечения, отслеживающего их действия и делающего на их основе выводы. Поисковые машины привели к бурному развитию Силиконовой долины именно потому, что сегодня мы начали понимать ценность измерения и анализа действий миллионов людей.

Фильтры управляют всем

Основа рекомендаций и других инструментов, позволяющих найти высококачественный контент в «длинном хвосте», — фильтры. Эти технологии и сервисы обрабатывают обширное разнообразие и предлагают выбор, который наиболее точно соответствует вашим предпочтениям. Именно так поступает Google при составлении рейтинга результатов: он фильтрует Сеть, чтобы показать те страницы, которые наиболее связаны с вашим запросом. Этим же занимается и раздел «Самые популярные композиции» в разделе «acid jazz» на Rhapsody.

Фильтры стали тем, что Роб Рейд (Rob Reid), один из основателей Listen.com, называет «навигационным слоем» «длинного хвоста». Это явление не уникально для Интернета и, как он отмечает, не ново:

Интересно, что важность и влияние навигационного слоя не уникальны для Интернета. Уже в течение многих лет American Airlines зарабатывала больше денег на электронной системе заказа билетов Sabre (которая представляет собой общий навигационный слой индустрии путешествий, позволяющий разобраться в тарифах и маршрутах 70-80-х годов), чем все авиакомпании, продающие билеты индивидуальным потребителям. Время от времени местные телефонные компании за счет телефонной книги привлекали большую прибыль (пока не появился Интернет), чем устоявшиеся корпорации-монополисты. На пике популярности TV Guide могла поспорить в доходности с телевизионными сетями. В мире неограниченного выбора всем управляет не контент, а контекст.

На современных рынках «длинного хвоста» фильтры, в основном, позволяют людям перейти из знакомого мира (хиты) в мир незнакомый (ниши) по пути, который и удобен, и отвечает их предпочтениям. Хорошие фильтры привлекают спрос дальше по «хвосту», показывая товары и услуги, которые более привлекательны, чем массовые продукты, навязываемые неэффективными каналами массовой дистрибуции.

Рид Хастингс, генеральный директор Netflix, описывает влияние фильтров (в данном случае это сложные алгоритмы рекомендаций и ранжирования) на привлечение спроса в «хвост» DVD на сайте:

Blockbuster обычно утверждал, что 90 % арендуемых фильмов — это новые релизы. В Интернете ниш больше: примерно 70 % — массовые продукты, а 30 % — нишевые. В случае Netflix это неверно. 30 % выдаваемых нами фильмов — это массовые релизы, а 70 % — нишевые фильмы. У нас те же самые потребители. Просто мы сами создаем спрос и помогаем найти прекрасные фильмы, которые вам понравятся. Для этого мы применяем алгоритмы, построенные на рейтингах и рекомендациях.

Хастингс считает, что рекомендации и другие фильтры — одно из основных преимуществ Netflix, особенно для непопулярных фильмов. Рекомендации создают спрос столь же эффективно, как реклама, но практически ничего не стоят. Предложение Netflix, основанное на знании ваших вкусов и предпочтений, а также отзывов других зрителей, может оказать большее влияние, чем рекламный плакат, нацеленный на «среднего» человека. Рекомендации естественным образом возникают из информации Netflix о потребителях, а количество «плакатов» ничем не ограничено (для каждого посетителя сайта формируется особая страница).

Реклама и другие расходы на маркетинг могут составлять до половины обычного голливудского блокбастера. Мелкие фирмы не могут играть в эту игру. Рекомендации Netflix уравнивают всех в правах, обеспечивая бесплатный маркетинг фильмам, которые не могут его себе позволить, и более ровно распределяя спрос между хитами и нишевыми продуктами. Netflix — удивительная демократическая сила в известной своим отсутствием демократизма индустрии.

Не всем нужны одинаковые фильтры

Чтобы понять, как работают фильтры, следует рассмотреть несколько их видов. Начнем с музыки. Вот, например, несколько фильтров, с которыми может столкнуться обычный пользователь Rhapsody, ищущий новую музыку. На начальной странице есть выбор категорий в виде многоуровневой таксономии.

Предположим, вы начинаете с жанра «альтернативный/ панк», затем выбираете поджанр «Punk Funk». В этой категории есть список бестселлеров, в момент написания этой книги возглавляемый группой Bloc Party. Если нажать на Bloc Party, то вам будет предложено несколько похожих на них музыкантов, включая Gang of Four. Нажатие на последнюю ссылку открывает список «последователей» (группа Gang of Four в начальном составе и создала подкатегорию «Punk Funk» в начале 80-х годов), это форма рекомендаций редактора.

Среди последователей группы Gang of Four есть Rapture. Кликаем на нее и, если понравилось, создаем радиостанцию с репертуаром, построенным на основе этой группы, которая будет передавать песни Rapture и песни, понравившиеся поклонникам Rapture. Это вид коллективного фильтра. Во время прослушивания станции вы можете обнаружить, что больше всего вам нравится группа LCD Soundsystem. Нажмите на нее, немного послушайте, а если захочется чего-то нового, попробуйте список воспроизведения, в который включена данная группа. Это, в свою очередь, познакомит вас с творчеством Zero 7, которую вы, возможно, тоже захотите какое-то время послушать.

Полдюжины рекомендаций переместили вас от стиля «панк» до стиля «соул», от середины «головы» кривой к концу «хвоста», и каждый шаг в этой последовательности имел смысл.

Хотя в наше время рекомендации и хороши, они не совершенны. Если вы углубляетесь в нишу, рекомендации быстро заканчиваются: там не особенно много людей, чьи предпочтения можно измерить и анализировать. Другая проблема в том, что, хотя сервис и поощряет вас слушать новое, рекомендации остаются теми же самыми. Прослушайте все рекомендации и вернитесь через месяц, — скорее всего, они не изменятся.

Еще одно ограничение: некоторые рекомендации больше подходят для отдельных жанров. Рок-рекомендации не вполне применимы к классической музыке, и наоборот. В старой модели, основанной на хитах, одно и то же предлагалось всем. В новой модели, поощряющей развитие ниш и субниш, необходима специализация. Посмотрите на iTunes, который, несмотря на всю полезность, имеет склонность к поп-музыке, что мешает его использованию в других жанрах.

В iTunes и подобных ему сервисах разные жанры — рок, джаз и классическая музыка — отображаются одинаково и классифицируются по «музыканту». Однако кто «музыкант» в случае классической музыки — композитор, оркестр или дирижер? Имеет ли значение тридцать второй пример концерта? В случае джаза вас могут интересовать отдельные исполнители, а не группы, а исполнители могли играть вместе только в одном альбоме. Возможно, вас интересует конкретный год, и вы хотели бы познакомиться с другой музыкой, появившейся в это время. Что ж, в таком случае вам не повезло. Программа iTunes не позволит вам выбирать по этим критериям.