Онлайн
библиотека книг
Книги онлайн » Разная литература » Законы эпидемий. Как развиваются и почему прекращаются эпидемии болезней, финансовые кризисы, вспышки насилия и модные тренды - Адам Кучарски

Шрифт:

-
+

Закладка:

Сделать
1 ... 49 50 51 52 53 54 55 56 57 ... 97
Перейти на страницу:
от них бо́льшая часть контента в интернете не охватит значительное количество людей без широковещательной передачи. По словам Перетти, маркетинговые фирмы часто заявляют, что та или иная идея стала «вирусной», как болезнь, но на самом деле они говорят лишь о том, что нечто обрело популярность. «Мы опирались на современное эпидемиологическое определение вирусного заражения, предполагающее некий порог, превышение которого со временем приводит к вспышке болезни, – говорил он[398]. – Вместо экспоненциального спада вы получаете экспоненциальный рост. Вот что такое вирусность».

Большинство каскадов в интернете ничем не напоминают пандемию: они не растут экспоненциально. Они больше похожи на затухающие вспышки оспы, которые случались в Европе в 1970-е годы. Эти вспышки обычно сходят на нет, хотя время от времени события суперраспространения приводят к появлению больших кластеров. Но аналогия с суперраспространением оспы на этом исчерпывается, поскольку СМИ и знаменитости в интернете могут охватить гораздо больше людей, чем это возможно при биологической передаче инфекции. «Суперраспространитель – это тот, кто заражает, скажем, одиннадцать человек вместо двух, – говорит Уоттс. – Но никакой суперраспространитель не может заразить одиннадцать миллионов человек».

Поскольку каскады в соцсетях не похожи на вспышки инфекционных болезней, традиционная модель эпидемии не поможет спрогнозировать события в интернете. Но, возможно, нет нужды ориентироваться на прогнозы, аналогичные биологическим. Используя огромный объем данных, порождаемых соцсетями, исследователи пытаются выявить закономерности передачи и использовать их для предсказания динамики каскадов.

Легко ли спрогнозировать популярность в интернете? В 2016 году Уоттс и его коллеги из Microsoft Research сравнили данные по почти миллиарду каскадов в твиттере[399]. Они собрали информацию о самих твитах – такую, как время публикации и тема, – и сведения об их авторах (количество подписчиков и история ретвитов прежних публикаций). Проанализировав размеры каскадов, они выяснили, что содержимое твита почти ничего не говорит о том, станет ли он популярным. Как и в их более раннем исследовании инфлюенсеров, гораздо более важными здесь оказались прошлые успехи. И все же прогностические возможности такого анализа ограниченны. Несмотря на огромный объем доступных данных, о котором исследователь болезней может только мечтать, Уоттсу с коллегами удалось объяснить меньше половины дисперсии в размерах каскадов.

Чем же объясняется вторая половина? Исследователи признают возможность существования дополнительных, еще не известных им признаков будущего успеха, с учетом которых можно было бы улучшить прогностические возможности. Однако значительная часть дисперсии в популярности определяется случаем. Даже имея подробные данные о содержании твитов и об их авторах, мы должны учитывать, что успех каждой конкретной публикации неизбежно будет зависеть от удачи. Это вновь подводит нас к выводу, что лучше инициировать множество каскадов, чем искать один «идеальный» твит.

Поскольку предсказать популярность твита до его публикации очень трудно, альтернатива – пронаблюдать за началом каскада и сделать прогноз на основе полученных данных. Это называется «методом подглядывания»: мы ориентируемся на данные начального этапа, чтобы предсказать, что будет дальше[400]. Когда в 2014 году Джастин Чен и его коллеги проанализировали перепосты фотографий в фейсбуке, они обнаружили, что прогнозы были гораздо точнее, если у исследователей имелись некоторые данные о начальной динамике каскада. В крупных каскадах на начальном этапе наблюдалась схема распространения, характерная для широковещательной передачи, которая позволяла быстро привлечь внимание множества людей. И все же некоторые особенности ускользали даже при использовании метода подглядывания. «Предсказать размер каскада по-прежнему гораздо легче, чем его форму», – отмечали исследователи[401].

Делать прогнозы после начала процесса проще не только в случае с распространением контента в соцсетях. В 2018 году Бурджу Юджесой и ее коллеги из Северо-Восточного университета проанализировали популярность книг из списка бестселлеров New York Times. Предсказать, будет ли иметь успех та или иная книга, было очень трудно; однако судьба тех книг, которые уже начали набирать популярность, подчинялась определенной схеме. Выяснилось, что у большинства книг из списка бестселлеров продажи сначала быстро росли, достигая пика приблизительно через десять недель после выхода, а затем падали до очень низкого уровня. В среднем только 5 % продаж приходилось на период после первого года[402].

Несмотря на прогресс в изучении вспышек в интернете, исследователям по-прежнему приходится по большей части опираться на ретроспективные данные. В общем случае сложно заранее предсказать продолжительность нового тренда, поскольку мы не знаем скрытых механизмов, определяющих его распространение. Однако в некоторых случаях каскады в интернете подчиняются известным правилам. Один из таких каскадов пробудил у меня интерес к процессам заражения в соцсетях.

Женщина в бейсболке с надписью «Я люблю хейтеров» вытащила из сумки золотую рыбку и опустила ее в бокал с алкоголем. Затем выпила напиток – вместе с рыбкой. Она была юристом-стажером и путешествовала по Австралии, а трюк выполнила после того, как ее «номинировал» друг. Все это было снято на видео. Она выложила ролик на своей странице в фейсбуке, заодно назначив новых «жертв»[403].

Дело было в начале 2014 года, и женщина участвовала в онлайн-игре под названием Neknomination. Правила просты: участники снимают на видео, как они выпивают алкогольный напиток, выкладывают это видео в соцсети и призывают еще нескольких друзей сделать то же самое в течение 24 часов. Игра распространилась по всей Австралии, и по мере роста ее популярности напитки становились все более экзотическими – и крепкими. Люди пили их, катаясь на скейтборде, управляя квадроциклом или прыгая с парашютом. Разнообразие напитков тоже было велико: от чистого спирта до коктейлей с измельченными насекомыми и даже с аккумуляторной кислотой[404].

Освещение игры ширилось вместе с ростом популярности самой забавы. Видео с золотой рыбкой собрало множество просмотров, а газеты писали о еще более экзотических случаях. Когда игра добралась до Великобритании, СМИ охватила паника. Почему люди это делают? Как далеко все это может зайти? Не стоит ли запретить игру?[405]

Когда Neknomination стала популярной в Великобритании, я согласился прокомментировать ее в радиопередаче BBC[406]. Я обратил внимание, что в подобных играх участники передают идею нескольким конкретным людям, которые затем распространяют ее дальше. За счет этого создается четкая цепочка разрастающейся передачи, как при вспышке болезни.

Если мы хотим предсказать форму вспышки, нам нужно знать две вещи: сколько дополнительных заражений в среднем генерирует каждый случай (то есть репродуктивное число) и каков временной интервал между двумя шагами инфицирования (то есть время генерации). Во время новых вспышек болезней мы, как правило, не знаем этих величин и поэтому должны попытаться оценить их. Но в случае с Neknomination эта информация четко проговаривалась – она была частью игры. Каждый участник

1 ... 49 50 51 52 53 54 55 56 57 ... 97
Перейти на страницу: