Адам Кучарски – Законы эпидемий. Как развиваются и почему прекращаются эпидемии болезней, финансовые кризисы, вспышки насилия и модные тренды (страница 41)

Моя модель вспышки указывала на то, что мода на Neknomination долго не продлится. Через неделю или две выработается коллективный иммунитет, вспышка достигнет пика, а затем начнется спад. Более того, в этом простом прогнозе масштабы передачи несколько переоценивались. В реальной жизни друзья обычно объединяются в группы; если в процессе игры многие участники номинируют одного и того же человека, это приведет к уменьшению репродуктивного числа и ослаблению вспышки. И действительно – интерес к игре быстро угас. Несмотря на шумиху в СМИ, поднявшуюся в начале февраля 2014 года, через месяц все закончилось. Новые игры, от «селфи без макияжа» до Ice Bucket Challenge, унаследовали ту же структуру. Исходя из правил игры, моя модель предсказывала, что все они достигнут пика через несколько недель; и эти прогнозы сбылись[408].

Хотя игры с номинированием обычно заканчиваются через несколько недель, вспышки в соцсетях не всегда исчезают после первого пика популярности. Изучив популярные картинки-мемы в фейсбуке, Джастин Чен и его коллеги выяснили, что почти 60 % из них рано или поздно возрождались. В среднем между первым и вторым пиком популярности проходило чуть больше месяца. Если пиков было всего два, то второй каскад распространения обычно оказывался короче и меньше; при большом количестве пиков их размеры были примерно одинаковы[409].

Чем объясняется повторная популярность мемов? Исследователи выяснили, что высокий начальный пик интереса уменьшает вероятность повторного появления мема. «Чаще всего повторяются вовсе не самые популярные каскады, – отмечают они, – а те, популярность которых средняя». Причина в том, что при небольшом первом каскаде остается больше людей, которые еще не видели мема. Если же первая вспышка была крупной, оставшихся восприимчивых людей будет недостаточно, чтобы поддерживать передачу. Повторению каскада способствует существование нескольких циркулирующих копий мема. Это укладывается в ту картину, которую мы наблюдали в случае с угасающими вспышками: наличие множества источников подстегивает распространение.

Чен изучал популярные картинки – но как насчет других типов контента? В 2016 году я читал публичную лекцию в Королевском институте Великобритании. За следующие два года видеозапись моего выступления каким-то образом набрала более миллиона просмотров на YouTube. Примерно в то же время я читал лекцию по той же теме в Google, и ее тоже записали и выложили на YouTube – на канале с сопоставимым числом подписчиков. За те же два года эту запись посмотрели около 10 тысяч раз. (Теоретически все должно было быть наоборот: обычно, если вы делаете два похожих доклада, но в одном из них что-то идет не так, именно это видео становится популярным в интернете.)

Я не ожидал, что мое выступление в Королевском институте привлечет столько внимания, но настоящим сюрпризом стала динамика просмотров. В первый год существования в интернете видео почти не вызвало интереса, и в день набиралось около сотни просмотров. Затем внезапно, всего за несколько дней, видео просмотрело больше людей, чем за целый год.

Быть может, люди начали делиться им, сделав его вирусным? Все оказалось гораздо проще: видео было помещено на главной странице YouTube. Когда число просмотров резко выросло, алгоритм YouTube добавил его в списки рекомендуемых видео, которые появляются рядом с популярными роликами. Почти 90 % тех, кто просмотрел мой доклад, нашли его на главной странице или в одном из этих списков. Это был классический пример широковещательной передачи: один источник сгенерировал практически все просмотры. Популярность видео создала эффект положительной обратной связи, породив еще больший интерес. Это показывает, насколько выиграло видео от дополнительной поддержки – сначала со стороны Королевского института, что позволило набрать первые тысячи просмотров, а затем со стороны алгоритма YouTube, который привлек внимание более широкой аудитории.

Количество ежедневных просмотров на YouTube видеозаписи моей лекции, прочитанной в Королевском институте Великобритании

По данным Королевского института Великобритании

Различают три типа популярности на YouTube. Первый характеризуется постоянным, но низким уровнем просмотров. Их количество случайным образом меняется день ото дня без заметных колебаний. Примерно 90 % видео на YouTube укладывается в эту схему. Второй тип популярности наблюдается в тех случаях, когда видео вдруг оказывается в списке рекомендуемых – иногда в ответ на какое-либо новостное событие. В этом случае почти вся активность пользователей приходится на первоначальный пик. Популярность третьего типа приходит тогда, когда видео распространяется в интернете, постепенно набирая просмотры, а затем происходит пик и спад. Иногда можно наблюдать сочетание этих вариантов: некое видео набирает популярность, попав в список рекомендуемых, а затем просмотры снова падают до низкого уровня, как это произошло с моей лекцией[410].

Видео относится к наиболее устойчивым видам контента – интерес к ним обычно сохраняется гораздо дольше, чем к новостным статьям. Типичный новостной цикл в соцсетях длится два дня; в первые 24 часа бо́льшая часть контента – это статьи с дальнейшими перепостами и комментариями[411]. Однако не все новости одинаковы. Исследователи из MIT выяснили, что ложные новости распространяются дальше и быстрее, чем правдивые. Может быть, причина в том, что влиятельные люди с большим количеством подписчиков склонны распространять «утки»? На самом деле все ровно наоборот: фальшивки, как правило, распространяют люди с небольшим числом подписчиков. Если рассматривать эту ситуацию с точки зрения факторов ВВВВ, напрашивается вывод, что ложная информация распространяется из-за высокой вероятности передачи, а не из-за широких возможностей для распространения. Какова причина высокой вероятности распространения? Возможно, это связано с новизной: людям нравится делиться новой информацией, а ложные новости обычно отличаются большей новизной, чем правдивые[412].

Однако дело не только в новизне. Чтобы понять, как распространяется контент в интернете, нужно вспомнить о социальном подкреплении. То есть необходимо еще раз обратиться к понятию сложного заражения: иногда, чтобы подхватить какую-то идею в интернете, нам нужно несколько раз столкнуться с ней. Например, по некоторым данным, мы делимся мемами без какого-либо принуждения, но для того, чтобы перепостить политический контент, нам нужно увидеть, что им уже поделилось несколько человек. Когда в начале 2013 года пользователи фейсбука меняли фото в профиле на символ «=» в знак поддержки брачного равноправия (легализации однополых браков), каждый из них следовал примеру в среднем восьми своих друзей. Сложное заражение также влияет на раннее проникновение онлайн-платформ, включая фейсбук, твиттер и Skype[413].

Особенность сложного заражения в том, что оно лучше всего распространяется в тесных группах. Когда общих друзей много, возникают множественные воздействия, необходимые для принятия идеи. Но при этом идее может быть трудно вырваться наружу и распространиться более широко[414]. По мнению Деймона Чентолы, структура сетей в интернете может препятствовать сложному заражению[415]. Многие из наших онлайн-контактов – просто знакомые, не входящие в число близких друзей. Мы можем перенять политические взгляды у большого числа друзей, но в случае с одним источником это маловероятно.

Это значит, что в интернете сложное заражение – например, распространение политических взглядов – обладает серьезным недостатком. Структура социальных взаимодействий в сети поощряет пользователей не предлагать необычные и сложные с социальной точки зрения идеи, а отдавать предпочтение простому, легкому для восприятия контенту. Поэтому не удивительно, что именно его люди и создают.

В начале XXI века многие предполагали, что при растущей доступности данных исследователям больше не придется искать объяснения человеческому поведению. Этой точки зрения придерживался тогдашний редактор журнала Wired Крис Андерсон, который в 2008 году опубликовал знаменитую статью, провозглашавшую «конец теории». «Кто знает, почему люди ведут себя именно так? – писал он. – Суть в том, что они себя так ведут, а мы можем отследить их действия и дать им точную количественную оценку»[416].

Сегодня мы располагаем огромным массивом данных о человеческой деятельности. По оценкам специалистов, объем цифровой информации в мире удваивается каждые два года, причем большая ее часть генерируется в интернете[417]. И все же мы можем измерить далеко не все. Вспомним, например, исследования заразности ожирения или курения, которые показывают, как сложно бывает выявить процессы передачи. Но трудности с измерением поведения людей – не единственная проблема. Как оказалось, в мире кликов и перепостов мы не всегда измеряем то, что нам кажется.

На первый взгляд, подсчет кликов кажется логичным способом количественно оценить интерес к контенту. Чем больше кликов, тем больше пользователей открывает статью и, вероятно, ее читает. Значит, авторы, собирающие больше кликов, должны соответствующим образом вознаграждаться? Необязательно. Говорят, экономист Чарльз Гудхарт однажды заметил: «Когда метрика становится целью, она перестает быть хорошей метрикой»[418]. Поощрение успеха, измеренного простой метрикой эффективности, создает цепь положительной обратной связи: люди начинают гнаться за метрикой, а не за качеством, которое она помогает оценить.