• Prawie 20 lat temu Chris Anderson napisał The Long Tail , który trafnie przewidział, że uwaga Internetu ulegnie fragmentacji, a konsumpcja przesunie się w „ogień”. Ale Top Gun Maverick wygenerował w zeszłym roku ponad 700 milionów dolarów w kasie krajowej , Bad Bunny miał 18,5 miliarda streamów na Spotify w zeszłym roku , a 142 miliony gospodarstw domowych podobno obejrzało sezon 1 Squid Game w ciągu pierwszych 28 dni. Dlaczego w podzielonym świecie wciąż pojawiają się hity?
• Niedawno opublikowałem esej zatytułowany Forget Peak TV, Here Comes Infinite TV . Pokazało to, że w ciągu następnej dekady wideo będzie podążać ścieżką tekstu, fotografii i muzyki, a różnica jakości między treściami „profesjonalnie wyprodukowanymi” a treściami „niezależnymi/twórczymi/generowanymi przez użytkowników” będzie się coraz bardziej zacierać. Spowoduje to praktycznie nieskończoną jakość treści wideo. Czy wtedy będą jeszcze hity, czy tylko spersonalizowane nisze?
• Czy zastanawiałeś się kiedyś, dlaczego tak wiele hitów filmowych opowiada o superbohaterach? Czy Hollywood jest leniwe, czy też gusta konsumentów stają się coraz głupsze i bardziej ujednolicone? Albo też nie?
• Dlaczego w ogóle coś staje się wirusowe?
• Czy rekomendacje treści popychają Cię do najpopularniejszych programów, filmów i piosenek, czy też są dostosowane specjalnie dla Ciebie? A może mają inny plan?
• Czy web3 naprawdę zbawi małych twórców?
• Czy kiedy Billie Eilish, Lil Nas X, Mr. Beast czy PewDiePie wyszli z zapomnienia, uznanie ich talentu było nieuniknione, czy tylko szczęście?
• Czy najwyżej oceniane recenzje na Amazon lub odpowiedzi na Quora są naprawdę najbardziej pomocne?

Ten esej może być trochę niejasny, ale temat jest czymś, o czym myślałem od ponad dekady. (Wyłączane i włączane, nie w sposób ciągły.)

Wyjaśniam, dlaczego dystrybucje podobne do prawa władzy — oznaczające kilka masowych trafień i ogromną liczbę chybień — są nieodłączną cechą sieci; opisz, w jaki sposób systemy rekomendacji mogą tłumić lub wzmacniać sygnały społeczne; pokaż kilka przykładów utrzymywania się dystrybucji podobnych do prawa władzy w mediach w filmach, telewizji, muzyce i gospodarce twórców; i przedyskutuj, dlaczego to wszystko ma znaczenie.

Tl;dr:

• W pozornej sprzeczności Internet zarówno fragmentuje, jak i skupia uwagę.
• Powód tego pierwszego jest intuicyjny. Więcej rzeczy, mniej uwagi na jednostkę rzeczy. Powodem tego ostatniego nie jest. Dzieje się tak, ponieważ sieci podlegają potężnym pętlom pozytywnego sprzężenia zwrotnego. W sieci na wybory ludzi wpływają decyzje innych, wzmacniając „trafienia”.
• U podstaw tego leżą dwa mechanizmy: kaskady informacyjne (kiedy ludzie traktują wybory innych jako sygnały jakości) i kaskady reputacyjne (kiedy ludzie podporządkowują się decyzji grupy). Ponieważ wybór w Internecie eksplodował, a obserwowanie wyborów innych i dzielenie się własnymi stało się łatwiejsze, mechanizmy te stały się potężniejsze.
• Konsumenci również w dużym stopniu polegają na algorytmach rekomendacji przy dokonywaniu wyborów, celowo i nieumyślnie. W zależności od tego, jak są zbudowane, systemy te mogą wzmacniać lub tłumić sygnały społeczne płynące z sieci.
• W rezultacie rozkład konsumpcji w prawie wszystkich mediach uporczywie, aw niektórych przypadkach coraz częściej, wygląda jak prawo potęgi: kilka masowych odsłon i bardzo, bardzo (bardzo) długi ogon. Przedstawiam ramy do myślenia o „ekstremalności” dystrybucji i pokazuję kilka przykładów: box office, oryginalne seriale Netflix, strumienie Spotify i patroni Patreon.
• Istnieje kilka ważnych implikacji dla firm medialnych. Dobrą wiadomością jest to, że prawdopodobnie zawsze będą wielkie hity, nawet w świecie praktycznie nieskończonej zawartości. Zła wiadomość dotyczy wszystkiego innego: lukratywny środek jest drążony; losowość — a tym samym ryzyko — w tworzeniu trafień rośnie; ogon stał się bardziej konkurencyjny w przypadku trafień; większa renta ekonomiczna prawdopodobnie przesunie się w stronę talentów; producenci treści są coraz bardziej zdani na łaskę algorytmów kuratorów; a płatne media są dewaluowane.

Pomysł, że Internet doprowadzi do fragmentacji mediów, jest prawie tak stary, jak sam współczesny Internet. (A może starsze. Wiersz, który często przypisywano Andy'emu Warholowi, że „w przyszłości wszyscy będą sławni na całym świecie przez 15 minut”, był przedinternetową prognozą fragmentacji.) W 1999 r. firma Qwest Communications wyprodukowała reklamę motelu z „każdy film, jaki kiedykolwiek nakręcono w każdym języku” (Rysunek 1). Długi ogon, opublikowany w 2004 r., dowodził, że ponieważ Internet radykalnie obniżył koszty przechowywania i transportu towarów informacyjnych, skutkowałoby to praktycznie nieskończoną przestrzenią na półkach. W obliczu znacznie większego wyboru konsumenci przesunęliby większość swojej konsumpcji na „ogon”, zwiastując koniec kultury masowej i malejące znaczenie hitów. Jeśli już, Anderson nie docenił rozmiaru ogona, ponieważ nie przewidział mediów społecznościowych. Jak się okazuje, ogon nie jest islandzkim synth popem, ale nieskończoną ilością treści generowanych przez użytkowników.

Rysunek 1. Qwest przewidywał fragmentację mediów 25 lat temu

Źródło: reklama prasowa Qwest Communications, 1999.

To, że Internet dawałby większy wybór, a co za tym idzie, większą fragmentację, było wtedy intuicyjne i jest teraz niezaprzeczalne. Ale opowiada tylko połowę historii. Choć wydaje się to sprzeczne, Internet zarówno fragmentaryzuje, jak i koncentruje uwagę . Ten ostatni pomysł został zbadany przez Anitę Elberse w jej książce Blockbusters: Hit-making, Risk-taking, and the Big Business of Entertainment , która była częściowo obaleniem The Long Tail . Ale ta książka bardziej koncentrowała się na tym, dlaczego dostawcy powinni realizować przebojowe strategie, a mniej na podstawowej dynamice popytu, która tworzy hity.

Zrozumienie tej dynamiki ma znaczenie. Twierdzenie, że wciąż istnieją hity, może wydawać się niekontrowersyjne i z pewnością wydaje się słuszne intuicyjnie. Wiemy, że kiedy Beyonce lub Taylor Swift wydadzą album lub spadnie następny sezon Stranger Things lub Game of Thrones , zbiorowa uwaga kultury popularnej, podobnie jak oko Saurona, będzie na tym skupiona — przynajmniej do następnej rzeczy przychodzi. Ale zrozumienie , dlaczego wciąż istnieją trafienia, daje wgląd w to, czy to się utrzyma, ponieważ podaż treści rośnie szybciej niż popyt.

Zrozumienie, dlaczego nadal występują trafienia, zapewnia wgląd w to, czy to się utrzyma i jakie będą tego konsekwencje

Powodem, dla którego Internet koncentruje uwagę, jest to, że łączy wszystkich w dużej sieci. A sieci podlegają potężnym pętlom sprzężenia zwrotnego. Ponieważ konsumenci w coraz większym stopniu zarówno odkrywają, jak i konsumują treści za pośrednictwem sieci informacyjnych, na ich decyzje w coraz większym stopniu wpływają decyzje innych osób. Te pętle sprzężenia zwrotnego zwiększają popularność niewielkiej liczby wyborów — trafień.

Wynik netto tych przeciwstawnych sił — fragmentacja i koncentracja — jest taki, że konsumpcja mediów, a szerzej kultura, uporczywie, aw niektórych przypadkach w coraz większym stopniu, przestrzega rozkładów podobnych do prawa władzy. Oznacza to, że niewiele programów telewizyjnych, filmów, piosenek, książek, gier wideo, artykułów z czasopism, biuletynów, krótkich filmów i tweetów będzie szalenie popularnych, podczas gdy ogromna (ogromna, ogromna, ogromna…) większość prawie w ogóle nie zostanie skonsumowana.

Co to jest prawo mocy?

Jednym z pierwszych pojęć statystycznych, których uczymy się w szkole, zaraz po średniej, medianie i trybie, jest „krzywa dzwonowa”, czyli rozkład normalny lub rozkład Gaussa . Intuicja stojąca za rozkładem normalnym polega na tym, że jeśli masz wystarczającą liczbę losowych niezależnych obserwacji, większość obserwacji będzie stosunkowo bliska średniej (lub średniej) i równomiernie rozłożona po obu jej stronach. Wiele niezależnych zjawisk naturalnych zbliża się do tego rozkładu, zwłaszcza gdy skrajności są ograniczone, takie jak wzrost, waga, wyniki testów lub rzut dwiema sześciennymi kostkami.

Rysunek 2. Rozkłady prawa normalnego i potęgowego

Z kolei rozkłady praw potęgowych wyglądają zupełnie inaczej. Prawo potęgowe oznacza po prostu, że zmienna zależna jest „potęgą” zmiennej niezależnej. Na przykład objętość sześcianu jest „potęgą” długości boków, ponieważ objętość zwiększa się o 3 jednostki na każdą 1 jednostkę długości. Generalnie można je wyrazić jako:

W rozkładzie prawdopodobieństwa opartym na prawie potęgowym wykładnik jest ujemny, co skutkuje krzywą opadającą (jak z grubsza pokazano na rysunku 2). Jak pokazano, rozkłady potęgowe charakteryzują się dużą liczbą bardzo małych obserwacji i małą liczbą bardzo dużych obserwacji.

Istnieje wiele miejsc, w których można zapoznać się z różnicami technicznymi między rozkładem normalnym a rozkładem potęgowym, w tym znakomitą książkę Networks, Crowds and Markets , dostępną za darmo tutaj (patrz rozdział 18).

Dla naszych celów główny punkt tego porównania jest pokazany na wykresie najbardziej wysuniętym na prawo na rysunku 2, który nakłada rozkład potęgowy na rozkład normalny: prawdopodobieństwo zarówno ekstremalnie małych, jak i ekstremalnie dużych obserwacji jest znacznie większe w pierwszym przypadku niż ten ostatni.

Główny punkt: w prawie potęgowym znacznie częściej występują zarówno ekstremalnie małe, jak i ekstremalnie duże obserwacje

Być może najlepszym sposobem myślenia o tych różnicach jest schemat spopularyzowany przez Nassima Nicholasa Taleba w The Black Swan . Pomyśl o świecie rozkładów normalnych jako o Przeciętnostanie — miejscu, w którym wszystko oscyluje wokół średniej — a o świecie rozkładów potęgowych jako o Ekstremistanie — miejscu, w którym pozornie ekstremalne rzeczy zdarzają się znacznie częściej.

Dlaczego prawa mocy występują w kulturze? Sieci

Jak wspomniano powyżej, pomysł, że Internet powoduje fragmentację mediów, jest intuicyjny, ale pomysł, że zwiększa on liczbę wyświetleń, już nie. Sprawdźmy, dlaczego tak się dzieje.

Prawa potęgowe (lub, ściśle mówiąc, rozkłady podobne do potęgowych ) pojawiają się w wielu miejscach: występowanie trzęsień ziemi, występowanie słów w dowolnej publikacji (zwane prawem Zipfa), populacja miast, skalowanie metaboliczne wśród ssaków i wiele więcej.

Mechanizmy stojące za tymi prawami potęgowymi nie zawsze są jasne ( toczy się debata , czy prawa potęgowe są nieodłączną właściwością złożonych systemów). Ale prawa potęgowe są powszechne w sieciach, ponieważ zjawiska sieciowe są zwykle zależne, co oznacza, że ​​występują pętle sprzężenia zwrotnego . Każdy węzeł w sieci wpływa na inne węzły i jest pod ich wpływem.

Popularność jest zgodna z rozkładami podobnymi do prawa potęgowego, ponieważ wybory ludzi podlegają pętlom sprzężenia zwrotnego

Dotyczy to zwłaszcza popularności. Dystrybucje podobne do prawa władzy są wszędzie w mediach, jak pokazano w tym artykule Michaela Tauberga .

Sygnały społecznościowe wpływają na nasze wybory

Jeśli więc sieci mają tendencję do zwiększania liczby trafień, ponieważ ludzie często opierają swoje wybory na tym, co robią inni ludzie, następne pytanie brzmi: dlaczego? Z dwóch powodów: 1) często racjonalne jest założenie, że wybory innych ludzi zawierają cenne informacje; oraz 2) ludzie przejmują się tym, co myślą o nich inni.

Są to dwa odrębne zjawiska, które socjologowie nazywają „kaskadami informacji” i „kaskadami reputacji”.

• Kaskady informacyjne.Co robisz, gdy musisz dokonać wyboru i masz niepełne informacje? Prawdopodobnie zależy to od tego, jak trudno jest samodzielnie określić jakość swoich opcji („koszty wyszukiwania”), a także konsekwencje (w tym odwracalność) złego wyboru („koszty alternatywne”). Koszty wyszukiwania są funkcją zarówno liczby wyborów, jak i czasu potrzebnego do ustalenia jakości każdego wyboru. Na przykład łatwo jest szybko ocenić jakość podczas przewijania TikTok, a trudno, gdy szukasz kolejnego wielosezonowego serialu telewizyjnego. Koszt alternatywny wysłuchania pierwszych 8 sekund polecanej piosenki na Spotify jest zupełnie inny niż znalezienie opiekunki i pójście do kina. Gdy koszty wyszukiwania i alternatywne są niskie, możesz sam to rozgryźć. Kiedy są na haju i widać, co zrobili inni, uzasadnione jest założenie, że (łącznie) inne osoby mają więcej informacji niż Ty i opieranie swoich decyzji na ich decyzji. Kiedy wiele osób robi to kolejno, powstaje coś, co nazywa się „kaskadę informacyjną ”. Nazywa się to czasem kumulatywną przewagą, preferencyjnym przywiązaniem lub „ efektem bogacenia się, wzbogacenia się ”, w którym popularne rzeczy stają się bardziej popularne, a niepopularne pozostają niepopularne.

• Konformizm społeczny i kaskady reputacyjne. Kiedy widzisz wybory ludzi, a oni widzą twoje, możesz się dostosować, świadomie lub podświadomie. Ogólnie rzecz biorąc, wszyscy odczuwamy presję, by się dostosować, co potwierdziły słynne eksperymenty nauk społecznych w latach 50. i 70. XX wieku, takie jak te przeprowadzone przez Solomona Ascha . Alternatywnie możesz celowo podążać za decyzjami grupy, ponieważ chcesz zasygnalizować swoją lojalność i godność przynależności lub tak zwaną kaskadę reputacji.

Sygnały społecznościowe stają się coraz ważniejsze

Tak więc ludzie są bardziej podatni na wpływ tego, co robią inni ludzie, gdy: 1) istnieje wiele możliwości wyboru; oraz 2) łatwo jest obserwować, co robią inni ludzie.

W ciągu ostatnich dwóch dekad warunki, które prowadzą do kaskad, stały się bardziej powszechne: wybór eksplodował i znacznie łatwiej jest obserwować działania innych i być obserwowanym

Oba te warunki dramatycznie wzrosły w ciągu ostatnich kilku dekad:

• Ilość dostępnych treści eksplodowała, powodując astronomiczne koszty wyszukiwania i rosnące koszty alternatywne. Oczywiste jest, że większy wybór oznacza wyższe koszty wyszukiwania. Oznacza to również wyższe koszty alternatywne, ponieważ kiedy dokonujesz dzisiaj wyboru, jest o wiele więcej rzeczy, których nie chcesz robić.
• Dzięki sieciom internetowym ludzie są znacznie bardziej podatni na wpływ (bezpośredni i pośredni) tego, co wybierają inni ludzie.Wiele osób wyraźnie zleca opiekę nad treścią swoim przyjaciołom (polegając na kanale informacyjnym Facebooka), ręcznie wybranemu panelowi „ekspertów” (na ich osi czasu na Twitterze) lub ulubionym celebrytom lub wpływowym osobom (na Instagramie). Ale czasami zapominamy, że elementy sieci społecznościowych są również osadzone w aplikacjach innych niż sieci społecznościowe. Wejdź do sklepu z aplikacjami Apple, Amazon, OpenTable, a nawet poszukaj „restauracji w pobliżu” w Mapach Google — w każdym przypadku prawdopodobnie będziesz pod wpływem opinii innych osób. Większość algorytmów rekomendacji opiera się również częściowo na wspólnym filtrowaniu, omówionym bardziej szczegółowo poniżej, które opiera się na zbiorowych wyborach grupy lub podgrupy. Kiedy akceptujesz zalecenie algorytmu, często pośrednio wpływa na ciebie to, co wybiorą inni ludzie, niezależnie od tego, czy o tym wiesz, czy nie.

Silniki rekomendacji mogą pomóc lub zaszkodzić

W obliczu tak dużego wyboru konsumenci polegają nie tylko na organicznych sygnałach społecznościowych, które otrzymują z sieci, ale także polegają (w różnym stopniu, w zależności od osoby i rodzaju mediów) na systemach rekomendacji. Systemy te mogą wzmacniać lub osłabiać wpływ sieci, w zależności od tego, jak zostały zaprojektowane.

Algorytmy rekomendacji opierają się na dwóch podstawowych typach modeli: filtrowaniu opartym na współpracy i modelach treści . W pierwszym przypadku algorytm rekomenduje treści lub produkty na podstawie tego, co wybrali inni. W tych ostatnich rekomendacje opierają się na określonych atrybutach treści lub samych produktów.

Systemy rekomendacji mogą wzmacniać lub tłumić sygnały społeczne, w zależności od tego, jak są zbudowane

Algorytmy te często zawierają elementy obu modeli. Na przykład w swoim systemie rekomendacji Netflix uwzględnia wszelkiego rodzaju metadane związane z każdym zasobem treści (reżyser, aktorzy, gatunek, klasyfikacja wiekowa, ton) i popularnością (oglądalność, wskaźniki ukończenia i oceny) wśród kohort, które jego zdaniem są podobne do klienta, a także wcześniejsze zachowanie klienta związane z oglądaniem (urządzenie, pora dnia, czas spędzony na oglądaniu). TikTok podobnie opiera swój algorytm między innymi na zachowaniu użytkowników, wspólnym filtrowaniu i określonych atrybutach treści . Natomiast system rekomendacji Pandory jest niezwykły, ponieważ opiera się wyłącznie na atrybutach treści , a nie na filtrowaniu opartym na współpracy.

Prosta struktura

Jak wspomniano, dystrybucje podobne do prawa władzy są wszechobecne w mediach, ale w różnym stopniu. Syntetyzując dwie ostatnie sekcje, zaproponuję kilka praktycznych zasad przewidywania, kiedy rozkłady będą mniej lub bardziej ekstremalne:

• Wyższe koszty wyszukiwania = bardziej ekstremalne dystrybucje (ponieważ ludzie muszą w większym stopniu polegać na sygnałach społecznościowych)
• Wyższe koszty alternatywne = bardziej ekstremalne dystrybucje (również dlatego, że ludzie częściej szukają sygnałów społecznościowych przed popełnieniem błędu)
• Systemy rekomendacji, które mocno opierają się na filtrowaniu opartym na współpracy = bardziej ekstremalne dystrybucje (ponieważ algorytm wzmacnia sygnały społecznościowe)

Skąd wiemy, że rozkład popularności jest prawem potęgowym i jak mierzymy „ekstremalność”?

Odpowiedź na nie wymaga trochę więcej matematyki. Jak pokazano powyżej, ogólne matematyczne wyrażenie prawa potęgowego wygląda następująco:

W czystym prawie potęgowym c jest stałą, którą można traktować jako współczynnik skalujący. W rozkładzie prawa potęgowego c jest również ujemne, dlatego krzywa jest nachylona w dół. Może być trudno stwierdzić, czy ten współczynnik skalowania jest stały, po prostu patrząc - a zatem, czy naprawdę jest to prawo potęgowe. Łatwiejszym sposobem jest przekonwertowanie danych na wykres log-log i określenie, czy wynikowa zależność jest liniowa. Aby zobaczyć dlaczego, bierzemy logarytm obu stron powyższego równania:

To jest funkcja liniowa, równoważna y = b + mx. Innymi słowy, jeśli naprawdę mamy prawo potęgowe (lub coś podobnego do prawa potęgowego), wykres logarytmiczny powinien wyglądać jak linia prosta, gdzie nachylenie wynosi c, a im większa (lub bardziej ujemna ) wartość c , tym bardziej „ekstremalne”. Możemy również sprawdzić, jak prosty jest, a zatem czy współczynnik skalowania jest naprawdę stały, obliczając r².

Rysunek 3. Rozkłady popularności zwykle pokazują wartość jako funkcję prawdopodobieństwa (lub rangi)

Kilka przykładów (i zastrzeżenia)

Poniżej przyglądam się reprezentatywnym szeregom czasowym rozkładu konsumpcji dla kilku mediów: box office, seriali telewizyjnych na Netflix, streamów na Spotify i twórcach Patreon.

(Jedna krótka uwaga: w powyższym rozkładzie potęgowym na rysunku 2 oś Y to prawdopodobieństwo , a oś X to wartość , aby lepiej porównać rozkłady normalne i potęgowe. Bardziej intuicyjnym i powszechnym sposobem omawiania rozkładów popularności jest odwrócenie osie tak, że oś Y to wartość , a oś X to prawdopodobieństwo , które jest również prawem potęgowym (Rysunek 3). Pokazuje to, że tylko garstka obserwacji będzie bardzo duża (to, co potocznie nazywa się „głową ”), a ogromna liczba będzie bardzo mała („ogon”). W ten sposób omówię rozkłady popularności poniżej.)

Ta analiza jest niedoskonała z kilku powodów. Chciałbym mieć dłuższe serie czasowe niż tutaj pokazuję (kasa jest świetna, około 20 lat, ale byłoby wspaniale mieć również 20 lat danych muzycznych). Również dane dla Spotify i Patreona pokazują rozkład konsumpcji tylko na początku krzywej. Ponieważ prawa potęgowe są samopodobne (lub „niezmienne w skali”), teoretycznie rozkład na początku krzywej jest reprezentatywny dla całego rozkładu, ale jeśli nie są to czyste prawa potęgowe, może tak nie być.

Odkładając to na bok, wszystkie cztery z tych przykładów pokazują uporczywie ekstremalne rozkłady, które są bardzo zbliżone do praw potęgowych.

kasa fiskalna

W porównaniu z większością innych mediów kinomani mają do wyboru bardzo niewiele możliwości, ale niezwykle wysokie koszty alternatywne. Nic dziwnego, że w ostatnich latach względny rozkład konsumpcji stał się jeszcze bardziej skoncentrowany na największych hitach. Rysunek 4 przedstawia rozkład wszystkich kas w USA w latach 2000, 2010, 2019 i 2022 oraz te same dane na podstawie log-log. Jak pokazują wartości r-kwadrat na wykresach log-log, są one zbliżone do rozkładów prawa potęgowego. Jak również pokazano, w tym okresie rozkład stawał się coraz bardziej ekstremalny (tj. nachylenie wykresów logarytmicznych stawało się coraz bardziej ujemne); w ujęciu względnym największe hity są większe niż kiedykolwiek.

Rysunek 4. Dystrybucja Box Office Coraz bardziej ekstremalnie

Źródło: Box Office Mojo, analiza autora.

Seriale telewizyjne Netflixa

W telewizji koszty wyszukiwania i alternatywne związane ze znalezieniem i zaangażowaniem się w serial telewizyjny są dość wysokie, co powinno prowadzić do stosunkowo ekstremalnych dystrybucji. Jednak trudno jest przetestować zmiany rozkładu popularności w czasie dla całej telewizji, ponieważ nie ma dobrego pomiaru międzyplatformowego (liniowego i strumieniowego). I chociaż Nielsen zapewnia teraz oceny transmisji strumieniowych, robi to dopiero od kilku lat.

Najlepsze dane, jakie udało mi się znaleźć, pochodziły od dobrych ludzi z Parrot Analytics , którzy dostarczyli mi szereg czasowy globalnego popytu na oryginalne seriale Netflix. Metryka popytu Parrot obejmuje różne dane wejściowe (społecznościowe, oceny fanów i krytyków, piractwo, strony wiki, blogi itp.), aby ocenić popularność każdego serialu i filmu w każdej usłudze przesyłania strumieniowego.

Najbardziej niezwykłym wnioskiem płynącym z tych danych jest to, że pozostają one stosunkowo wypaczone i z czasem stają się coraz bardziej zgodne z prawem, pomimo dużego międzynarodowego nacisku Netflix w tym przedziale czasowym. Jak zauważono, jest to globalny popyt i mierzy okres, w którym Netflix zyskał około 100 milionów subskrybentów, z których prawie wszyscy byli międzynarodowi, a jego roczne wydatki gotówkowe na treści wzrosły z 13 miliardów dolarów do 17 miliardów dolarów, z czego większość stanowiły treści lokalne.

Pomimo wzrostu i zwiększonych wydatków na arenie międzynarodowej, jak pokazano na wykresie 5, globalny popyt nadal koncentruje się na stosunkowo niewielu tytułach. Zwróć uwagę, że w latach 2018, 2020 i 2022 10% najlepszych oryginałów stanowiło odpowiednio ~95%, 85% i 75% całego globalnego popytu na Netflix.

Wykres 5. Popyt na seriale Netflix pozostaje wypaczony pomimo dużej ekspansji międzynarodowej

Uwaga: Metryka popytu Parrot Analytics obejmuje różne dane wejściowe do pomiaru popularności seriali i filmów. Źródło: Parrot Analytics, analiza autora.

Strumienie Spotify

Muzyka to ciekawy przypadek, ponieważ istnieją czynniki działające w obu kierunkach. Z jednej strony, przy tak dużym wyborze (Spotify ma ponad 80 milionów utworów i 100 000 nowych utworów przesyłanych każdego dnia ), słuchacze korzystają zarówno z sygnałów społecznościowych, jak i silników rekomendacji, aby odkrywać nową muzykę. A większość silników rekomendacji serwisów streamingowych w dużym stopniu opiera się na filtrowaniu opartym na współpracy (zobacz opis silnika rekomendacji Spotify tutaj ). Oznacza to stosunkowo ekstremalny rozkład.

Z drugiej strony koszty wyszukiwania i koszty alternatywne wypróbowania nowej piosenki są bardzo niskie i łatwo je odwrócić (można łatwo przejść do następnej piosenki). Oba te czynniki przemawiają za szerszym rozproszeniem konsumpcji.

W rezultacie konsumpcja w głowach jest bardzo przesunięta w kierunku największych hitów, ale także, że większa konsumpcja zagregowana przesuwa się w ogon. Oznacza to, że „środek” jest jeszcze węższy niż w przypadku czystego prawa potęgowego.

Rysunek 6 przedstawia rozkład konsumpcji wśród wszystkich utworów, które przynajmniej raz pojawiły się na liście Global Top 200 Weekly Spotify, zarówno w 2017, jak i 2022 r. (i te same dane na podstawie log-log). W obu latach było to około 1000 utworów. (To jest sam wierzchołek krzywej — to 1000 najlepszych utworów z 80 milionów, czyli 0,001% najlepszych). Jak pokazuje nachylenie wykresów log-log, rozkład jest bardzo ekstremalny, nawet bardziej niż pudełkowy biuro. Jak również widać, nachylenie nie jest stałe; staje się bardziej negatywny, gdy mijasz setną najpopularniejszą piosenkę. Oznacza to, że największe trafienia są jeszcze większe w ujęciu względnym, aw ogonie występuje jeszcze większe zużycie, niż miałoby to miejsce w przypadku prawdziwego prawa potęgowego.

Rysunek 6. Lider krzywej Spotify pozostaje ekstremalny…

Źródło: Spotify, analiza autora.

Pomysł, że większa konsumpcja przesuwa się w dół, potwierdzają zagregowane dane dotyczące konsumpcji. Jak pokazano na wykresie 7, w oparciu o raporty Spotify, trzy główne firmy (Universal, Sony i Warner Music) oraz Merlin (spółka niezależnych wytwórni) reprezentowały 77% wszystkich strumieni w 2021 r., co oznacza spadek o 10 punktów procentowych w porównaniu z 2017 r.

Rysunek 7. …Ale większa konsumpcja również przesuwa się w stronę ogona

Źródło: Raporty firmy Spotify, za pośrednictwem Music Business Worldwide.

Twórcy Patreona

Patreon zapewnia twórcom rozwiązanie zaplecza do sprzedaży subskrypcji, z ponad 250 000 twórców na platformie i 13 milionami patronów. Jest to również ciekawy przykład, ponieważ algorytmy rekomendacji nie mają wpływu na dystrybucję konsumpcji. Chociaż Patreon.com zawiera garstkę twórców na swojej stronie docelowej, niewielu konsumentów ją odwiedza. Przede wszystkim przechodzą bezpośrednio do stron twórców na Patreonie z dowolnego miejsca, w którym ich praca jest prezentowana, na przykład z YouTube, podcastów Apple lub ich stron internetowych.

Bez efektu wzmacniającego algorytmów rekomendacji powinien wykazywać nieco mniej skośny rozkład niż niektóre inne przykłady. Rysunek 8 przedstawia rozkład 1000 najlepszych twórców na koniec 2016 i 2022 r. oraz dane log-log. Ponownie, jest to wierzchołek krzywej, czyli 0,4% twórców w 2022 r. Jak pokazano, rozkład przebiega prawie dokładnie tak, jak prawo potęgowe, ale nachylenie jest mniej ekstremalne niż w poprzednich przykładach.

Rysunek 8. Ekonomia twórców również przestrzega praw mocy

Źródło: Graphtreon, analiza autora.

Więc co? Zrozumienie wszechobecnych implikacji praw mocy

Mój nauczyciel historii w 11. klasie, pan Conroy, mawiał: „I co z tego?” Utrzymywanie się tych wysoce wypaczonych rozkładów konsumpcji ma bardzo ważne implikacje praktyczne dla biznesu medialnego i szerzej kultury.

Hity przetrwają w świecie nieskończonej zawartości

Jak wspomniano na górze, ostatnio pisałem o nieuchronności Infinite TV , ponieważ różnica w jakości między treściami profesjonalnymi i niezależnymi/twórczymi zaciera się.

Jedno z pytań, które dostałem w odpowiedzi brzmiało: czy w takim świecie będą jeszcze hity?

Krótka odpowiedź: prawdopodobnie zawsze będą trafienia, jeśli nie nawet większe. Jak opisano powyżej, im większy wybór, tym bardziej konsumenci muszą polegać na sygnałach społecznościowych i silnikach rekomendacji (które z kolei opierają się na sygnałach społecznościowych), aby zarządzać kosztami wyszukiwania. Widać to już w muzyce. Narzędzia o wysokiej wartości produkcyjnej zostały zdemokratyzowane, co doprowadziło do praktycznie nieskończonej ilości muzyki o wysokiej wartości produkcyjnej. Ale masowe hity utrzymują się.

OK, ale czy naprawdę możemy używać słowa „zawsze”? Chodźmy naprawdę daleko. Co jeśli w końcu generatywna sztuczna inteligencja będzie w stanie stworzyć odrębne spersonalizowane treści dla każdej osoby? W niedawnym poście na temat generatywnej sztucznej inteligencji Sequoia stwierdziła , że ​​do 2030 r. filmy będą „spersonalizowanymi snami” (rysunek 9).

Rysunek 9. Czy wszystkie treści będą „spersonalizowanymi snami”?

źródło: sekwoja.

To może nie być tak daleko idące, jak się wydaje, przynajmniej technologicznie. Powiedzmy, że do 2035 roku wszyscy będziemy nosić okulary AR, które rejestrują o nas dane, które zawstydzają Google i Facebooka. Śledzą nasz wzrok, w tym długość czasu, przez jaki zatrzymujemy się na czymkolwiek, rozszerzenie naszych źrenic, oddech i tętno (h/t Rony Abovitz ). Mogą wiedzieć o nas więcej niż my sami. Pójdźmy jeszcze dalej. Być może będziemy nosić urządzenia rejestrujące aktywność mózgu podczas snu i rekonstruujące obrazy z naszych snów. Brzmi szalenie? Naukowcy z Japonii właśnie pokazali, że jest to już możliwe .

Nie da się obalić koncepcji zindywidualizowanej treści. Ale tylko dlatego, że może to być technicznie możliwe, nie oznacza, że ​​​​będzie popularne. Jest to sprzeczne z dwiema podstawowymi ludzkimi potrzebami: 1) Ludzie chcą sprawczości (lub przynajmniej pozorów sprawczości) w swoich wyborach — nie chcą być zredukowani do algorytmu. (Dlatego Netflix niedawno usunął przycisk „Zaskocz mnie” .) 2) Co ważniejsze, ostatecznie jesteśmy zwierzętami społecznymi i mamy potrzebę łączenia się wokół wspólnych doświadczeń. Jak omówiłem w innym niedawnym eseju , dla wielu osób te wspólne doświadczenia są rozrywką (sport, muzyka, gry, filmy, programy telewizyjne). W czasach, gdy samotność jest uważana za kryzys zdrowia publicznego, trudno sobie wyobrazić, abyśmy zrezygnowali ze wspólnych doświadczeń i wycofali się do samotnych teatrów jednego.

Do widzenia, do widzenia Środku

Jeśli największe trafienia są tak duże jak zawsze — lub większe — a ogon również się powiększa, kolejną konsekwencją jest to, że środek odchodzi.

Jaki jest środek? Rozważmy środkową treść, która przyciągnęła uwagę (i ekonomię) wyłącznie dlatego, że czerpała korzyści z wcześniej rzadkiej dystrybucji: lokalne gazety zawierające głównie wiadomości konsorcjalne, stacje telewizyjne o słabym zasięgu lokalnym, stacje radiowe bez wyróżniających się osobowości na antenie, średnio zaludnione ogólnorozrywkowe sieci kablowe z drugorzędnymi powtórkami lub niedrogimi programami typu reality show, średniobudżetowymi produkcjami kinowymi „ja też” itp. Trudno precyzyjnie zdefiniować „środek”, ale można śmiało powiedzieć, że historycznie środek generował zbiorowo znaczną część zysków w w każdej branży medialnej.

Kurczący się środek wygenerował znaczną część zysków w każdej branży medialnej

Hity obejmują dużą dawkę szczęścia

Inną ważną konsekwencją tego „prawa władzy” jest to, że trafienia są coraz bardziej losowe ze względu na sposób działania kaskad informacyjnych. Żeby było jasne, nie twierdzę, że wszystkie trafienia są przypadkowe, ale szczęście staje się coraz ważniejsze.

Trafienia nie są całkowicie przypadkowe, ale rola szczęścia jest coraz większa

Ponad 15 lat temu badacze Matthew Salganik, Peter Dodds i Duncan Watts przeprowadzili eksperyment mający na celu określenie wpływu wpływu społecznego na wybory treści. Podzielili 14 000 badanych na dziewięć grup, jedną „niezależną grupę” i osiem „grup wpływu społecznego”. Wszyscy badani zostali zaproszeni do odwiedzenia strony internetowej, na której zostali poproszeni o ocenę 48 nieznanych piosenek nieznanych zespołów. Mogli pobrać piosenki, jeśli chcieli. W ośmiu grupach wpływu społecznego badani mogli zobaczyć, ile razy każda piosenka została pobrana przez poprzednich gości z ich grupy; w grupie niezależnej nie mogli. Na koniec badacze podliczyli popularność piosenek w każdej grupie.

Główne wnioski były dwojakie: 1) każda z dziewięciu grup miała różne rankingi piosenek (podczas gdy niektóre piosenki były bardziej popularne, a niektóre piosenki były konsekwentnie mniej popularne, poza tym, że rankingi były zupełnie inne); oraz 2) rozkład popularności w grupach wpływu społecznego był bardziej skrajny niż w grupie niezależnej. Drugi wniosek wspiera główną tezę tego eseju, a mianowicie, że obecność sygnałów społecznych spowoduje, że rozkład popularności będzie bardziej wypaczony. (I należy pamiętać, że w tym eksperymencie jedynym sygnałem była liczba poprzednich pobrań, więc uczestnicy byli poddawani jedynie kaskadom informacyjnym, a nie presji dostosowania się lub kaskadom reputacyjnym. W prawdziwym świecie sygnały społecznościowe są o wiele silniejsze. )

Ale pomyślmy o implikacjach pierwszego wniosku, a mianowicie, że każda grupa stworzyła inny ranking popularności. Oznacza to, że trafienia wymagają dużego szczęścia .

Aby zobaczyć, dlaczego tak się dzieje, wypróbuj eksperyment myślowy (zapożyczony od Michaela Mauboussina). Wyobraź sobie beczkę zawierającą 1000 piłek, z których każda jest ponumerowana od 1 do 10, a każdego numeru jest po 100 (100 nr 1, 100 nr 2 itd.). Wyobraź sobie również, że masz 10 urn, z których każda jest oznaczona cyframi 1–10. Teraz wylosuj 10 kulek z beczki i na podstawie liczby zaznaczonej na każdej z nich umieść każdą z nich w odpowiedniej urnie. Wymień 10 kulek, które wyjąłeś z beczki, na nowe, ale tym razem rozmieszczenie nowych kulek będzie równoważne rozmieszczeniu kulek w urnach. (Jeżeli w urnie nr 2 znajdują się dwie kule, a w urnie nr 3 nie ma żadnej, wówczas dwie nowe kule powinny być oznaczone numerem 2, a żadna nie powinna być oznaczona numerem 3.) Kontynuuj proces, usuwając losowo 10 kul z beczki, umieszczenie ich w odpowiednich urnach, oraz dodawanie nowych kulek do beczki na podstawie rozmieszczenia kulek w urnach. Po przeprowadzeniu tego procesu przez wystarczającą liczbę cykli okazuje się, że w urnach z większą liczbą kulek jest coraz większe prawdopodobieństwo dodania większej liczby kulek za każdym razem.

Albo pomyśl o prawdziwym przykładzie: recenzjach Amazona. Algorytm Amazon umieszcza recenzje z najbardziej „pomocnymi” głosami na górze. Oczywiście większość ludzi zaczyna od góry i czyta tylko kilka recenzji. Pierwsze recenzje napisane dla nowej książki pojawią się na górze strony (z braku wielu recenzji). Dlatego jest bardziej prawdopodobne, że zostaną przeczytane i uznane za pomocne niż kolejne recenzje. Tworzy to pozytywną pętlę sprzężenia zwrotnego: jest bardziej prawdopodobne, że pozostaną blisko góry strony, co sprawia, że ​​nowi użytkownicy prawdopodobnie oznaczą ich jako pomocnych, umacniając ich pozycję na górze strony.

W środowisku sieciowym trafienia są bardzo wrażliwe na warunki początkowe

Zjawisko to (które powyżej nazwałem efektem bogacenia się, skumulowanej przewagi lub preferencyjnego przywiązania) pokazuje, że w środowisku sieciowym na popularność wpływa szczęście i jest ona bardzo wrażliwa na warunki początkowe. Piłki, które zostały wybrane jako pierwsze (lub recenzje napisane jako pierwsze) mają znacznie większe prawdopodobieństwo dominacji. Nawet w hipotetycznym świecie, w którym wszystkie treści byłyby tej samej jakości, nadal pojawiałyby się masowe, przypadkowe trafienia. Czy sukces PewDiePie czy Charliego Putha był nieunikniony? Ciężko powiedzieć.

Ponieważ dynamika sieci w coraz większym stopniu wpływa na konsumpcję treści, oznacza to, że trafienia staną się bardziej nieprzewidywalne. I podobnie jak na rynkach finansowych, większa zmienność oznacza większe ryzyko, a wyższe ryzyko oznacza niższe zwroty.

Trafienia mogą (i będą) wychodzić z ogona

Następstwem wcześniejszego punktu jest to, że trafienia mogą i będą wychodzić z ogona. Ponownie, jest to już widoczne w muzyce. Jak pisałem w Infinite TV :

[P]prawie wszystkie nowe zespoły z ostatnich kilku lat – takie jak The Weeknd, Billie Eilish, Lil Uzi Vert, XXXTentacion, Bad Bunny, Post Malone, Migos i wielu innych – wyłoniły się z ogona samodzielnie rozpowszechnianych treści, nie od przedstawicieli A&R kręcących się o 2 w nocy na ostatni akt.

Pisanie wciągającej fikcji, komponowanie chwytliwej popowej piosenki, pomysł na innowacyjną rozgrywkę lub napisanie świetnego scenariusza to niezwykle rzadkie talenty. Rozsądnie jest myśleć, że wielu ludzi zdolnych do robienia tych rzeczy, przy wytrwałości i szczęściu, jest w stanie odnieść sukces poprzez tradycyjne kanały produkcji treści i zdobyć poparcie niewielkiej garstki ludzi, którzy kontrolują zasoby w miejscach takich jak HarperCollins, Republic Records, Blizzard czy Universal Pictures. Ale ilu kreatywnych „ zagubionych Einsteinów ” wpadło w tarapaty? Tysiące? Dziesiątki tysięcy? Setki tysięcy?

Właśnie stało się z wytwórniami muzycznymi, każdy tradycyjny producent wszelkiego rodzaju treści powinien być przygotowany zarówno na odkrywanie talentów, które wyłaniają się z ogona, jak i konkurowanie z nim.

Jest powód, dla którego każda gwiazda filmowa nosi rajstopy

Jeśli czasami wydaje się, że każdy film jest prequelem lub kontynuacją albo o superbohaterach (lub obu), a każdy nowy program telewizyjny jest spinoffem lub restartem, dzieje się tak dlatego, że nieproporcjonalny odsetek z nich tak jest (jak omówił w tym artykule Adam Mastroianni ) .

Często wymieniane przyczyny to między innymi prostacki komercjalizm firm rozrywkowych, śmierć kreatywności i ogłupienie amerykańskiego konsumenta. Ale spojrzenie na to przez pryzmat dynamiki sieci opisanej w tym eseju sugeruje kilka innych wzmacniających powodów. Ugruntowana własność intelektualna zmniejsza ryzyko, ponieważ:

• Obniża koszty wyszukiwania konsumentów. Jak omówiono powyżej, konsumenci są przytłoczeni wyborem i wynikającymi z tego wysokimi kosztami wyszukiwania. Znane marki, talenty i franczyzy zmniejszają te koszty, sprawiając, że konsumenci są mniej zależni od sygnałów sieciowych.
• Korzyści z wcześniej istniejącej społeczności. Jak już wspomniano, konsumenci czasami wybierają treści, ponieważ chcą dołączyć do społeczności lub poprawić swoją pozycję w niej. Ugruntowana własność intelektualna stworzyła społeczności, zwiększając wpływ społeczności.

Czynsze prawdopodobnie przesuną się jeszcze bardziej w kierunku najlepszych talentów

Szczegóły dotyczące wynagradzania talentów w firmach kreatywnych mogą być niezwykle skomplikowane i nieprzejrzyste. Jeśli jednak to wyabstrahować, ostatecznie wynagrodzenie talentów jest funkcją leżącej u podstaw struktury ekonomicznej branż, w których działają.

W czasach, gdy istnieje zarówno większa przejrzystość danych dotyczących wyników, jak i większa konkurencja o supergwiazdy, bardziej ekstremalny rozkład konsumpcji prawdopodobnie przeniesie jeszcze większą siłę przetargową na największe talenty.

Nikt nie pilnuje algorytmu

Algorytmy wyraźnie wpływają na dystrybucję konsumpcji i będą zyskiwać na znaczeniu. Według Spotify 1/3 odkrywania nowej muzyki odbywa się dzięki rekomendacji algorytmicznej . Netflix twierdzi, że 80% czasu oglądania pochodzi z jego rekomendacji, a 20% z bezpośredniego wyszukiwania (ale przyznaje również, że „ użytkownicy przychodzą do serwisu z myślą o konkretnym programie, filmie lub gatunku ”). Wszystko jedno, im większy wybór, tym więcej konsumentów będzie szukać pomocy w wyborze, czy to z organicznych sygnałów społecznych, które wyłaniają się z sieci, czy z systemów rekomendacji.

Platformy mają silną motywację do ujawniania najlepszych rekomendacji. Większe wykorzystanie zwiększa sympatię konsumentów, poprawia retencję, a w przypadku platform z reklamami zwiększa przychody. Ale przynajmniej na marginesie mogą mieć inne zachęty. Zarówno Spotify, jak i Netflix mają motywację, by zmniejszyć swoją zależność od swoich największych dostawców. Zarówno Spotify, jak i TikTok ujawniają, że „względy komercyjne” wpływają na ich rekomendacje. Niewiele da się z tym zrobić i prawdopodobnie niewiele da się z tym zrobić, ale nieprzejrzystość i znaczenie algorytmów z czasem staną się coraz ważniejszą przewagą konkurencyjną dla agregatorów treści.

Ekonomia twórców i Web3 również żyją w Ekstremistanie

Wiele napisano (w tym przeze mnie ) o rozwoju ekonomii twórców oraz platform i narzędzi, które umożliwiają twórcom bezpośredni kontakt z fanami (nie tylko Patreon, ale także Substack, OnlyFans, Cameo i wiele innych) oraz generowanie od nich przychodów. Web3 obiecuje jeszcze bardziej zdecydowany krok w tym kierunku. Ponieważ aplikacje web3 są zdecentralizowane, dane nie są przekazywane przez scentralizowane serwery, a twórcy zachowują prawo własności do swojego produktu. Dla wielu ludzi największą obietnicą web3 jest redystrybucja władzy i wartości ze scentralizowanych instytucji do twórców i użytkowników.

Podczas gdy zarówno ewolucja ekonomii twórców, jak i web3 powinny umożliwić większej liczbie twórców zarabianie na życie, redystrybucji nie należy mylić z równą dystrybucją, o czym również tutaj mówiłem . Jak pokazano na powyższych rozkładach popularności dla twórców Patreon, dopóki istnieje dynamika sieci, będą istnieć rozkłady popularności podobne do prawa władzy.

Zdobyte media mają coraz większe znaczenie

Wróćmy na chwilę do Salganika, Doddsa i Wattsa. Jak wspomniano, część badanych została umieszczona w niezależnej grupie, która w ogóle nie otrzymywała żadnych sygnałów społecznych. Naukowcy wykorzystali ranking popularności piosenek tej grupy jako wskaźnik zastępczy „jakości”. Wśród innych grup odkryli, że piosenki uważane przez grupę niezależną za najlepsze rzadko radziły sobie słabo, a piosenki uważane za najgorsze rzadko radziły sobie bardzo dobrze, ale wszystko inne mogło się zdarzyć.

Jakość ma znaczenie w popularności. Kompletna bzdura się nie uda. Jednak powyżej pewnego progu jakości popularność w dużym stopniu zależy od dynamiki sieci

Wynika z tego, że jak powiedziałby każdy marketer, marketing ma znaczenie. Jakość niekoniecznie naturalnie wzniesie się na szczyt. Pytanie brzmi, jak sprzedawać.

Marketerzy rozróżniają media płatne, zarobione i własne. Płatna jest reklama tradycyjna: telewizja, outdoor, prasa, radio, media detaliczne, display, wyszukiwanie i media społecznościowe. Zapracowany jest PR i poczta pantoflowa, coraz częściej za pośrednictwem influencerów. A właścicielem są własne kanały marketingowe marki, takie jak jej markowe treści, strona internetowa, punkty sprzedaży detalicznej, katalogi itp. Firmy medialne zwykle bardzo polegają na płatnych mediach — pomyśl o masowych kampaniach reklamowych, aby uruchomić nowy program lub film. Ponieważ coraz więcej treści jest odkrywanych przez samą sieć, wartość płatnych mediów jest coraz bardziej osłabiona. Dla marketerów coraz ważniejsze staje się również zrozumienie, jakie sygnały pojawiają się organicznie i jak wykorzystać zarówno płatne, jak i zarobione media, aby wzmocnić lub przeciwdziałać tym sygnałom.

Nie jesteśmy już w Kansas

Prawie 30 lat od debiutu giełdowego Netscape, branża medialna wciąż zmaga się z implikacjami Internetu. Rzeczywistość, w której dzieli uwagę, jest intuicyjna. Powody, dla których wzmacnia również trafienia, są mniej zrozumiałe.

Dla firm medialnych implikacje działania w sieciowym świecie są w najlepszym razie mieszane. Dobrą wiadomością jest to, że trafienia nadal mają znaczenie i prawdopodobnie zawsze będą. Zła wiadomość dotyczy wszystkiego innego: lukratywny środek jest drążony; ryzyko rośnie; ogon stał się bardziej konkurencyjny w przypadku trafień; siła przetargowa przechodzi na największe talenty; producenci treści są coraz bardziej zdani na łaskę algorytmów kuratorów; a płatne media są dewaluowane. Ponieważ konsumenci zmagają się z rosnącym tsunami opcji, dynamika ta będzie coraz wyraźniejsza. Nic z tego nie będzie łatwiejsze.