а затем вдруг начинали резко увеличиваться. Впрочем, большинство каскадов — примерно 98 % — не распространялись вообще.
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
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