Десять уравнений, которые правят миром. И как их можете использовать вы

Исследование Ани Ламбрехт описывает множество примеров, как нам стоит подходить к причинности. В одной работе она изучала распространенную в рекламном деле идею, что если на ранней стадии привлечь внимание известных людей в соцсетях, то это может помочь продукту стать вирусным[152]. Если рекламодатель нацелен на людей, которые быстро принимают новые тренды, реклама должна иметь больший эффект. Звучит разумно – не так ли?

Чтобы проверить надлежащим образом эту идею, Ламбрехт и ее коллеги сравнили: а) группу пользователей, которые на ранней стадии делились хештегами свежих трендов, например #RIPNelsonMandela и #Rewind2013, и б) группу пользователей, которые присоединялись к тем же трендам позже. Обеим группам показывали ссылку на рекламу, и исследователи измеряли, как часто люди нажимали на рекламу или делали ретвит (делились ею).

Оказалось, что теория «авторитетов на ранней стадии» неверна. Группа А с меньшей вероятностью щелкала по рекламе или делилась ею по сравнению с группой В. Результаты были одинаковы и для рекламы благотворительной организации для бездомных, и для модного бренда. На самих авторитетных людей трудно повлиять. Они авторитетны, потому что разбираются в том, чем делятся. На них подписываются из-за их независимости и здравомыслия. Тот, кто быстро принимает что-то без применения здравого смысла, – просто спамер, и никто не желает подписываться на таких.

В Snapchat Дуг Коэн со своей командой применяют А/В-тестирование ко всему. Когда я разговаривал с ним, они работали над уведомлениями, проверяя сложный ряд схем и пытаясь выяснить, какая из них побуждает пользователей открывать приложение. Но когда Дуг говорил о том, хорошо ли они понимают своих пользователей, он был осторожен: «Утром вы не тот человек, что в конце дня, поэтому мы можем отнести вас к более широкой категории, но вы меняетесь в течение месяца и года, становясь старше». Он также подчеркнул, что люди не хотят видеть одно и то же все время: «Мы можем классифицировать человека как интересующегося спортом, но это не значит, что он хочет видеть кучу мужских вещей». Пользователи раздражаются, если считают, что алгоритм приписал их к какой-то определенной категории.

Уравнение рекламы говорит нам, что неизбежным следствием организации больших объемов данных становится некоторая степень стереотипизации. Так что не огорчайтесь из-за того, что стали частью корреляционной матрицы. Это верное представление о том, кто вы есть. Ищите корреляцию с интересами ваших друзей и стройте связи. Когда корреляции истинны (а не построены на расовых или гендерных стереотипах), они облегчают поиск общих точек. Если получаются исключения из правила, примите их и скорректируйте свою модель. Ищите закономерности в разговорах, как Николь Нисбетт в политических дискуссиях, и используйте их для упрощения споров. Внимательно ищите небольшие кластеры новых точек зрения и обращайте на них особое внимание. Но не смешивайте корреляцию и причинно-следственную связь. Приглашая на обед друзей, проведите A/B-тестирование меню. Не предлагайте снова пиццу только потому, что в прошлый раз, по словам приятелей, она оказалась вкусной. Стройте статистически правильную модель своего мира.

* * *

В манхэттенском метро после разговора с Алексом Коганом в Нью-Йорке я понял кое-что о себе. Я больше не знал своей политической позиции. Я всегда был левым; прочтя в девятнадцать лет Жермен Грир, стал феминистом. Я всегда был тем, кого сейчас называют термином «воук» («активный, пробудившийся»). Как минимум настолько, насколько это может сделать белый мальчик, выросший в маленьком рабочем поселке в 1980-х. Многие считают, что быть левым, не одобрять Дональда Трампа и обвинять его в манипулировании людьми с помощью соцсетей – части единого пакета. СМИ изображали их коррелированными признаками левого взгляда на мир.

Однако математика заставила меня выбрать другую модель. Я был вынужден принять победу Трампа, поскольку модель говорила: победа заслуженная. Я не одобрял его политических взглядов, но не поддерживал и того, что его избирателей рисовали тупыми и легко управляемыми. Они такими не были.

Вместо того чтобы искать реальные причины роста националистических настроений, которые привели Трампа к власти, спровоцировали брексит, несли ответственность за «Движение пяти звезд» в Италии, Виктора Орбана в Венгрии и Жаира Болсонару в Бразилии, все бросились искать какого-то злодея из бондианы – некую личность, отравившую воды политики. Их Доктор Но явился в образе Александра Никса и компании Cambridge Analytica. Каким-то образом этот человек, обладающий всего лишь базовым пониманием моделей и данных, на их взгляд, должен был манипулировать всей современной демократией.