Эли Паризер - За стеной фильтров. Что Интернет скрывает от вас?

В 1994 году, когда Безос работал компьютерным инженером на Уолл-стрит, его нанял один венчурный капиталист. Он ждал бизнес-идей, применимых на зарождающемся интернет-рынке. Безос методично проработал тему и составил список из 20 продуктов, которые его команда теоретически могла бы продавать в онлайне: музыка, одежда, электроника, — а потом начал вникать в особенности каждой отрасли. Книги сначала стояли в самом низу списка, но, когда появились окончательные результаты, к изумлению Безоса, они поднялись на самый верх [54] Robert Spector, Get Big Fast (New York: HarperBusiness, 2000), 27. .

По ряду причин книги оказались идеальным товаром. Прежде всего, отрасль была децентрализованной; крупнейший издатель, Random House, контролировал лишь 10 процентов рынка [55] Robert Spector, Get Big Fast (New York: HarperBusiness, 2000), 25 . Если бы какой-то один издатель не захотел продавать книги онлайн-магазину, многие другие восполнили бы этот пробел. И покупателям не нужно было много времени, чтобы привыкнуть к приобретению книг в Интернете: большинство книжных продаж и так уже происходило вне традиционных книжных магазинов и, в отличие от одежды, книги не нужно примерять. Однако главной причиной привлекательности книг как товара стал тот простой факт, что их было очень много: в 1994 году в продаже было 3 миллиона наименований книг и только 300 тысяч наименований компакт-дисков [56] Robert Spector, Get Big Fast (New York: HarperBusiness, 2000), 25. . Обычный книжный магазин ни за что не вместил бы все эти книги, а онлайновый — запросто.

Когда Безос доложил об этом своему шефу, тот не очень-то заинтересовался. В информационную эпоху книжная отрасль казалась отсталой. Но Безос никак не мог забыть об этом. Не имея ограничений на число книг на складе, он мог выставлять на витрину в сотни, тысячи раз больше наименований, чем отраслевые гиганты вроде Borders или Barnes & Noble, и при этом обеспечить клиенту более душевные впечатления от покупки, чем крупные сети.

Он решил: Amazon должен усовершенствовать процесс открытия. Задачей персонализированного магазина было помогать читателям находить книги и представлять им новинки. Но как?

Безос начал думать, как научить этому компьютеры. Над этой серьезной проблемой бились немало инженеров и ученых в исследовательских учреждениях вроде MIT и Калифорнийского университета в Беркли начиная с 50-х. Эта область изысканий называлась «кибернетикой» [57] Barnabas D. Johnson. Cybernetics of Society. The Jurlandia Institute, http://www.jurlandia.org/cybsoc.htm. . Слово было позаимствовано у Платона, который обозначал им саморегулирующуюся систему, например демократию. Для первых специалистов в этой области самым захватывающим занятием было создавать системы, способные подстраивать самих себя на основе обратной связи. За несколько десятилетий они заложили математические и теоретические основания, обеспечившие Amazon значительную часть его роста.

В 1990 году группа ученых в исследовательском центре Xerox в Пало-Альто (PARC) применила кибернетический подход к новой проблеме. PARC известен своими идеями, которые затем подхватывали и коммерциализировали другие компании — достаточно вспомнить графический пользовательский интерфейс и компьютерную мышь [58] Michael Singer. Google Gobbles Up Outride. InternetNews.com, Sept. 21, 2001, www.internetnews.com/bus-news/article.php/889381/Google-Gobbles-Up-Outride.html. .

Исследователи из PARC, как и многие продвинутые компьютерные специалисты в то время, оказались в числе первых профессиональных пользователей электронной почты: они отправляли и получали сотни сообщений. Электронная почта оказалась прекрасным изобретением, но ее минусы тоже стали быстро очевидны. Когда послать сообщение любому количеству людей ничего не стоит, вы быстро тонете в потоке бесполезной информации.

Чтобы уследить за этим потоком, команда PARC принялась изобретать процесс, который они назвали «коллаборативной фильтрацией» [59] Коллаборативная фильтрация, или совместная фильтрация, — это метод анализа информации и интересов пользователя, основанный на сборе данных о предпочтениях и действиях других пользователей. Он основан на идее, что люди, у которых в прошлом обнаружились общие интересы, могут иметь сходные интересы и в будущем. Такие системы могут прогнозировать, например, какая музыка понравится вам, исходя из того, какая музыка понравилась людям, чьи вкусы в прошлом пересекались с вашими. Прим. пер. и воплотили в программе Tapestry [60] Moya K. Mason. Short History of Collaborative Filtering, www.moyak.com/papers/collaborative-filtering.html. . Она отслеживала, как люди реагируют на получаемые электронные письма: какие сообщения открывают, на какие отвечают, какие удаляют, — и затем использовала эту информацию, чтобы более удобно организовывать входящие сообщения. Письма подобные тем, на которые люди реагируют активно, должны были перемещаться вверх списка, а такие, которые получатели часто удаляют или не открывают, сползали вниз. В сущности, это был инструмент экономии времени: вместо того чтобы процеживать кучу сообщений лично, вы могли положиться на помощь других в предварительной обработке полученных писем.