Dolgin.indb

Маматов Алексей Сергеевич

да равнозначен удовлетворению. Существует зазор между интересом к

продукту и его итоговой оценкой. Неспроста модераторы Ringo не ог-

раничивались часто ранжируемыми артистами, а оставляли место для

индивидуальных предпочтений. Расхождение между оплатой и удов-

летворением особенно существенно тогда, когда нет повторного пот-

ребления, и накопления информации (позитивной или негативной) от предыдущих покупок не происходит. Именно поэтому культурная

продукция,

потребляемая однократно, оказывается в числе наиболее

78

ГЛАВА 1.3. НАВИГАЦИЯ – НОВЫЙ ВИД УСЛУГ В МИРЕ МУЗЫКИ

проблемных случаев для пообъектной фильтрации. Здесь между ин-

тересом, ожиданиями и конечными впечатлениями может пролегать

пропасть. В предметной сфере ситуация менее острая.

В потребительской версии люди сигнализируют о своих итоговых

эмоциях и впечатлениях, а в пообъектной – товары указывают на свою

способность притягивать внимание людей, что, очевидно, заслуга не

только их качества, но еще и рекламы и цены124. Таким образом, люди

дают экспертную оценку товаров с большей пользой для себя. В осо-

бенности если учитывать, что их вовлеченность в процесс сама по себе

позитивна. В областях, где люди потребляют приблизительно одинако-

вый ассортимент, например одни и те же автомобили или стиральные

порошки, совпадение списка покупок не выявляет различий во вкусе.

Другое дело, что оно указывает на схожесть статусов, и в этом смысле

пообъектная фильтрация оказывается информативной. В то же время

очевидно, что она скорее подогревает стремление к подражанию, чем к

отличиям, и это на руку бизнесу.

Как отмечалось, анализ сходства в рамках объектной фильтрации

не нужно делать каждый раз, что обеспечивает скорость ответа на за-

прос. Именно это и требуется Amazon и прочим торговцам для того, чтобы успеть напичкать клиентов рекомендациями, пока они пребы-

вают в покупательском настроении. Люди ведут поиски и покупки в

интернете, оставляя на различных сайтах следы своего присутствия, а на них попутно сыплется информация то ли рекомендательного, то

ли рекламного свойства. Простые клики на веб-страницы засчитыва-

ются системой как акты потребительского ранжирования. Но останов-

ка внимания на некоем предложении, а может быть просто пауза по

сторонним причинам – не такой уж точный показатель заинтересо-

ванности человека в данной вещи. К тому же, далеко не все покупки

совершаются в интернете, поэтому выборка покупательских предпоч-

тений, сделанная только на основе этих данных, не вполне репрезен-

тативна. Коллаборативная фильтрация с непосредственным участием

потребителя пусть

медленнее, но вернее служит его интересам.

1.3.2.7. Бизнес-версия коллаборативной фильтрации, или

зачем поступаться принципами?

Рекомендательная система, интегрированная с процессом продаж

так, чтобы подсовывать товары в то время, когда что-то приобретается

124 Подробно о взаимосвязях рекламы и цены см. часть 3, разделы 3.4.1. и 3.4.2.

79

ЧАСТЬ 1. ПЕРСПЕКТИВНАЯ МОДЕЛЬ МУЗЫКАЛЬНОГО БИЗНЕСА

или ищется, ориентирована на интересы бизнеса. Она не требует актив-

ности со стороны пользователя. Все, что от него нужно – это вступить

на торговую площадь. Тут его и берут в оборот. Это соображение – ко-

вать железо, пока горячо – стало решающим в эволюции коллаборатив-

ной фильтрации. Держать оценки наготове и быстро выдавать их, как

того требуют интересы бизнеса, никого ни о чем не спрашивая, – данная

логика подвела к скрытому этическому компромиссу. Как только реши-

ли не беспокоить клиента по таким пустякам, как его мнение о качестве, дело все больше стало клониться к программированию поведения.

Если для обычных товаров пообъектная фильтрация в ряде случа-

ев дает искомый результат, то с навигацией в культурном предложе-

нии все обстоит хуже. Хотя справедливости ради надо отметить, что

музыка в ряду культурных благ стоит особняком. Поскольку к хоро-

шим мелодиям люди могут возвращаться неоднократно, потребитель-

ские оценки с успехом заменяет подсчет числа прослушиваний той или

иной песни. Это тот редкий случай, когда неявные предпочтения адек-

ватно репрезентируют явные. На этом основаны музыкальные серви-

сы Audioscrobbler (ныне Last.Fm), Launchcast Radio и др.125 На компью-

тер, на котором прослушивается музыка, закачивается специальный

программный модуль. Больше от пользователя ничего не требуется126: его не беспокоят просьбами ранжировать музыкальные композиции, не задают вопросов о настроении и т. д. Модуль отслеживает музыку, которую проигрывает человек, и передает информацию на сервер. Он

также создает персональные веб-страницы пользователей сервиса, на

которых демонстрируются списки прослушанного. Предполагается, что после того как прозвучало более половины песни, ее смело можно

причислять к понравившимся и вносить в профиль. И все же в такой

методике есть скрытые ограничения. На сервер поступает информа-

ция только о той музыке, которая звучит на компьютере, т. е. в опре-

деленной обстановке, в частности в офисе. Очевидно, в этих условиях