ЦА. Как найти свою целевую аудиторию и стать для нее магнитом - Том Вандербильт

А еще существует действие по оценке оценки или самого оценщика. Самые полезные отзывы в действительности побуждают людей покупать, особенно если речь о продуктах «длительного пользования». Но и у таких отзывов есть собственные странности. Самые первые отзывы получают больше оценок «было полезно», и чем больше у оценки оценок, тем больше оценок она привлекает. На Amazon оценки, которые получили больше оценок «было полезно», помогали увеличивать продажи вне зависимости от того, сколько «звездочек» они давали продукту.

Что же делает отзыв полезным? Команда из Корнелльского университета и исследователи из «Гугл», изучив поведение оценщиков на Amazon.com, обнаружили, что рейтинг «полезности» отзыва снижается, как только данный отзывом рейтинг выходил за пределы среднего количества «звездочек». Определение «полезности» отзыва само по себе сложно: помог ли этот отзыв кому-то совершить покупку или его отметили за то, что он говорил противоположное тому, что говорили другие? Для того чтобы это исследовать, ученые идентифицировали отзывы, текст которых являлся плагиатом; это «цветущая буйным цветом» практика на Amazon, как отметили они, и один и тот же текст используется для разных продуктов. В выявленных парах они обнаружили, что в случае, когда отзыв по своим «звездочкам» был ближе к среднему значению всех отзывов, его считали более полезным. Другими словами, вне зависимости от реального содержания отзыв считался тем лучше, чем больше он соответствовал тому, что сказали другие люди.

Вкус – это социальное сравнение. Тод Елин в Netflix говорил мне: «Вам доводилось видеть людей в незнакомых ситуациях – например, «пришел в театр на оперу, раньше не бывал»? Люди смотрят вправо, смотрят влево, оглядываются. А это хорошая опера?» Когда представление заканчивается, встанет ли человек и присоединится к овации, зависит в равной степени и от того, что будут делать люди вокруг, и от того, понравилось ли представление личноему[95]. И наоборот: если мы не видим, что выбирают другие, мы с большой вероятностью делаем иной выбор.

Неудивительно, что в социальных сетях, где мнение множества распространено повсеместно и его невозможно избежать, наблюдается то, что профессор факультета управления Массачусетского технологического института Синан Эйрел назвал «склонностью к общественному влиянию». Эйрел и его коллеги поставили перед собой задачу узнать, существует ли зависимость между широко распространившейся положительной тенденцией в рейтингах и ранее оставленными оценками. Какая доля в оценке «четыре с половиной звезды» зависит от самого ресторана и какая – от ранее оценивших его в «четыре с половиной звезды» людей? Приведет ли первый «лайк» фото в «Инстаграм» к большему количеству «лайков», чем у фото без единого «лайка»?

Поэтому Эйрел с коллегами придумали умный эксперимент и поставили его с помощью сайта – агрегатора социальных новостей в стиле digg.com, где пользователи размещают статьи, делают комментарии к статьям, а затем жмут на кнопку «нравится» или «не нравится», оценивая эти комментарии. Исследователи поделили около 100 000 комментариев на три группы. Была «позитивная» группа, в которой комментарии были искусственным образом усеяны голосами «нравится». Была «негативная» группа, где комментарии были отмечены как «не нравится». В контрольной группе комментариев не было.

Как и на любом другом сайте, все началось с положительной тенденции. Люди были сразу в 4,6 раза более склонны голосовать «нравится», чем «не нравится». Когда первый (искусственный) голос был «нравится», это приводило к еще большему каскаду позитива. Положительным с большой вероятностью оказывался не только следующий голос, но и все остальные, шедшие вслед за ним. Когда первый комментарий оказывался негативным, следующий комментарий с большей вероятностью также был негативным. Но с течением времени весь этот негатив «нейтрализовался» противоборствующей силой позитивных отзывов, словно на помощь всегда спешила лихая кавалерия.

Что же происходило? Исследователи говорят, что сами по себе голоса «нравится» / «не нравится» не привлекали людей, которым нравится голосовать за или против. Просто наличие рейтинга у комментария подталкивало голосовать большее количество людей – и голосовать даже более позитивно, чем можно было ожидать. Люди, отзывавшиеся «негативно» на контрольные комментарии (на те, у которых не было рейтингов), проявили склонность к положительной тенденции в случае с комментариями, которые получили пометку «не нравится». Как описал Эйрел, «мы склонны присоединяться к положительному мнению и сохранять скептический настрой по отношению к негативному».

Ставки в этой игре гораздо выше, чем несколько кликов на сайте Digg.com, на время поднимающих статью на гребень волны. Первый же положительный отзыв, правдивый или ложный, будет давать легкую рябь во всех следующих отзывах. Исследование Эйрела продемонстрировало, что позитивно заряженный отзыв увеличивает общие оценки на 25 % и этот результат является постоянным. Первые положительные отзывы создают эффект зависимости от предшествующего развития. И даже при удалении ложных отзывов ущерб сохранится, поскольку они уже повлияли на правдивые отзывы. «Эти рейтинговые системы якобы предназначены для того, чтобы демонстрировать непредвзятое совокупное мнение множества, но это лишь иллюзия», – говорит Эйрел. Но, как и в случае с театральной овацией, услышим ли мы свое мнение в реве толпы?

Все это не означает, что рейтинги, которые подталкивают в положительном направлении, всегда растут. В реальности на таких сайтах, как Amazon, где были обнаружены схемы типа «склонность к последовательности», среди оценок книг со временем наблюдается общая отрицательная тенденция. «Чем больше оценок получает продукт, тем ниже будут оценки» – как было отмечено в одном из исследований. Amazon от рассмотренных в эксперименте Эйрела «однокликовых» оценочных механизмов отличает более высокая цена выражения мнения: там нельзя просто заявить, что вам что-то нравится или не нравится – нужно еще объяснить причину.

И это, похоже, влияет на поведение. Как обнаружили исследователи из лаборатории Hewlett Packard Фанг Ву и Бернардо Губерман при исследовании комментаторов на Amazon, в противоположность наблюдаемым на сайтах типа digg.com эффектам «стадности и раскола, на сайте Amazon комментаторы, по всей видимости, реагируют на предыдущих комментаторов экстремального толка. Тот, кто пишет отзыв вслед за отзывом с «однозвездочной» оценкой, может счесть нужным «сбалансировать» эту оценку своими «тремя звездочками», хотя на самом деле хотел бы поставить две «звезды». Такая реакция на экстремизм может со временем привести к «смягчению» мнения.