В некотором отношении в этом нет ничего удивительного. Услышав о большом лесном пожаре, например, мы ведь не думаем, что в искре, которая его спровоцировала, было нечто особенное. Такая идея просто смешна. Но когда в социальном мире случается нечто особенное, мы тут же приходим к мысли: кто бы ни явился причиной, этот человек непременно должен быть особенным. Каждый большой каскад в наших симуляциях, разумеется, обязательно кто-то инициировал. И каким бы заурядным ни был этот человек раньше, он оказался подходящим под описание закона малого числа: «крошечный процент людей, которые выполняют большую часть работы». Впрочем, наши симуляции четко показали, что ничего особенного на самом деле в этих личностях не было — мы создали их такими. Большая часть работы выполнялась не ими, выступавшими в качестве триггеров, а более крупной критической массой людей, легко поддающихся влиянию. Это значит, что неформальный лидер, чьи энергия и связи могут превратить книгу в бестселлер или продукт в хит, в основном определяется случайным стечением обстоятельств. Это, так сказать, «случайный лидер»{133}.

Как тут же было подмечено, этот вывод целиком и полностью основывался на компьютерных симуляциях. Последние представляли собой (в силу необходимости) крайне упрощенные версии реальности и предполагали большое количество допущений, любое из которых могло оказаться ложным. Они — полезные инструменты, способные дать уникальную информацию. Но в конечном счете эти симуляции больше похожи на умозрительные, чем на реальные эксперименты и потому лучше подходят для постановки новых вопросов, а не поиска ответов на уже существующие. Так, если мы хотим узнать, способны ли конкретные люди на стимулирование диффузии идей, информации и, в итоге, воздействия, — и если эти влиятельные люди существуют, какие свойства отличают их от «обычных», — эксперименты нужно проводить в реальном мире. Однако на практике изучать взаимоотношения между индивидуальными влияниями и воздействием в широких масштабах безумно сложно.

Главная загвоздка — в огромных массивах данных, большинство которых очень трудно собрать. Продемонстрировать, что один человек повлиял на другого, — уже проблематично. А если требуется установить их воздействие на более крупные популяции? Необходимо собрать сведения о целых цепочках влияния, в которых один человек влияет на другого, тот — на третьего, и т. д. Очень быстро речь пойдет о тысячах и даже миллионах взаимоотношений. И все это — чтобы отследить распространение одного-единственного фрагмента информации! А ведь в идеале хотелось бы исследовать многие подобные случаи. Для проверки такого вроде бы незамысловатого утверждения — «некоторые люди влиятельнее других, и каким-то образом это важно» — требуется громадный объем данных. Кстати, вот почему так называемые исследования диффузии столь долго окружали различные мифы: когда невозможно ничего доказать, всякий волен предложить любую правдоподобную историю, какая ему нравится. Ведь кто прав — неизвестно.

Впрочем, как и в случае с экспериментами типа «Музыкальной лаборатории», с развитием Интернета ситуация явно начала меняться к лучшему. Сегодня целый ряд новейших исследований диффузии в социальных сетях проводится в масштабе, просто немыслимом каких-то лет 10 назад. Записи в блогах распространяют сообщения и информацию по сетям блогеров. Странички фанатов — по Facebook . Голосовой сервис Instant Messenger — по сети друзей. А участники онлайн-игры Second Life распространяют жесты среди других игроков{134}. Вдохновленные этими исследованиями, мы с коллегами по Yahoo! Джейком Хофманом и Уинтером Мейсоном, а также Эйтеном Бакши, талантливым аспирантом Мичиганского университета, решили поискать лидеров общественного мнения в самой крупной коммуникационной сети, которую только смогли заполучить в свое распоряжение, — в Twitter.

Во многих отношениях Twitter идеально подходит для поиска неформальных лидеров. Во-первых, в отличие от Facebook, например, где люди связываются друг с другом по множеству причин, суть Twitter — в передаче информации «подписчикам», эксплицитно указывающим, что они читают ваши записи. Результирующий «график реципиентов», таким образом, отражает распространение информации по сети друзей и контактов. Во-вторых, эта сеть невероятно многообразна. Основную массу ее пользователей составляют простые люди, чьи подписчики — их настоящие друзья. Но есть здесь пользователи, записи которых читает уйма народа — это общественные деятели (блогеры, журналисты и знаменитости — Эштон Кэтчер, Шакил О’Нил, Опра Уинфри и другие), медиаорганизации (такие как CNN) и даже правительственные и некоммерческие организации (администрация Барака Обамы; Даунинг-стрит, 10 [28] ; Всемирный экономический форум). Подобное разнообразие позволило нам дать качественную оценку влияния обычных людей так же, как Опры, избежав ряда двусмысленностей, отличавших более ранние представления о лидерах общественного мнения.

Наконец, если одни твиты представляют собой новости о повседневной жизни тех, кто их пишет («Пью кофе в Starbucks на Бродвее! Замечательный день!»), то другие — миллионы — относятся либо к иному контенту (новости или смешные видео), либо к понятиям из внешнего мира (книги, фильмы и т. д.), о которых пользователи Twitter хотят выразить свое мнение. А поскольку формат сети ограничивает объем каждого сообщения 140 знаками, люди часто прибегают к «сокращателям ссылок», заменяющим длинный путаный адрес сайта короткой аккуратной записью вродеПреимущество этих укороченных URL в том, что они, по сути, приписывают свой уникальный код каждому сегменту контент-эфира на Twitter. Следовательно, когда пользователь делится интересным твитом, мы можем увидеть, от кого он исходил первоначально, и проследить цепочки диффузии по графику подписчиков.

В общей сложности в течение двух месяцев в конце 2009 года нам удалось отследить более 39 млн таких «событий» диффузии, инициированных более чем 1,6 млн пользователей. Для каждого события мы посчитали количество ретвитов обсуждаемого URL: сперва непосредственными подписчиками пользователя-инициатора («сида»), потом их подписчиками, потом подписчиками их подписчиков, и так далее — в итоге проследив весь каскад ретвитов, запущенных одним-единственным первоначальным твитом. Как показано на схеме ниже, одни каскады были широкими и плоскими, другие — узкими и глубокими. Третьи — очень большими, со сложной структурой: некоторое время они оставались маленькими, а затем вдруг начинали резко увеличиваться. Впрочем, большинство каскадов — примерно 98 % — не распространялись вообще.

Каскады на Twitter.

Последнее наблюдение крайне важно. Как мы будем подробно обсуждать в следующей главе, стремясь понять, почему некоторые вещи «распространяются как зараза» — загруженные миллионы раз видео с YouTube или смешные послания, циркулирующие по электронной почте или Facebook, — грубейшей ошибкой будет учитывать лишь те немногие из них, которые действительно стали популярными. В большинстве ситуаций изучать можно только «успехи», ибо никто просто-напросто не дает себе труд отслеживать неудачи. Поэтому последние имеют тенденцию очень быстро исчезать в мусорной корзине истории. В сети Twitter, однако, мы можем проследить каждое событие — маленькое или большое. Это, в свою очередь, позволяет установить, кто именно влиятелен, насколько он влиятельнее обычного человека и возможно ли выявить различия между ними так, чтобы это можно было использовать на практике.