alexey - Dolgin.indb

димости часто пересчитывать взаимосвязи между клиентами123. В этот

момент и закладываются предпосылки для незаметной переориента-

ции метода с нужд потребителей на интересы продавцов.

122 Подробнее см. приложение 1, параграф 11.6.1.

123 Этот вариант навигации в 2001 г. предложили Бадрул Сарвар и его коллеги из Уни-

верситета Миннеаполиса (см.: Sarwar B., Karypis G., Konstan J., Riedl J. Item-based Collaborative Filtering Recommendation Algorithms. [on-line] Department of Computer Science and Engineering, University of Minnesota, Minneapolis, 2001. [cited Feb. 15, 2006]. Available from URL: ). В том

же направлении одновременно двигались и другие группы, включая Amazon.

77

ЧАСТЬ 1. ПЕРСПЕКТИВНАЯ МОДЕЛЬ МУЗЫКАЛЬНОГО БИЗНЕСА

В основе пообъектной фильтрации – фиксация всех оценок, вы-

ставленных пользователями системы различным объектам (это могут

быть товары, услуги, учреждения и т. д.), и анализ сходства между объ-

ектами, что не совсем то же самое, что сходство между людьми. Напри-

мер, берется конкретный продукт – книга – и выявляются все прочие

книги, получившие от различных потребителей сходную оценку. Хотя

с точки зрения математики подсчеты «объект-объект» вроде идентич-

ны данным, полученным из оценок потребителей, но во втором случае

отбираются продукты, нужные людям, а в первом – люди, «нужные»

для продвижения продуктов. В объектной фильтрации сходство между

товарами устанавливается по профилю оценок потребителей, а в «чело-

веческой» версии – по ряду персонально выделенных и значимых па-

раметров. Разница именно в том, что в коллаборативной фильтрации с

непосредственным участием потребителей те сами расставляют акцен-

ты, а пообъектная схема обходится без этого. Методы были бы иден-

тичны, если бы в поклиентской версии фильтрации учитывались все

оценки всех покупок, совершаемых потребителями.

Пренебрегать прямо высказанными оценками – это все равно что

судить о совпадении вкусов людей по их знакомству с блокбастерами.

К тому же очевидно, что факт потребления чего-либо далеко не всег-

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-