Т.е. если акты потребления и оценивания разнесены во времени, то оценщик и потребитель, хотя номинально и являются одним и тем же лицом, могут представлять собой две непохожие личности. Но тогда этих субъектов нужно различать и рекомендовать им разное. И это правило должно соблюдаться неукоснительно. Однако если требовать, чтобы оценки выставлялись так, будто знакомство с произведением произошло сегодня – пользователь может испытать дискомфорт из-за необходимости переоценивать (фактически предавать) свое прошлое, не исключая дорогих его сердцу классиков. Как, например, охарактеризовать Гюго, которому по гроб жизни обязан? С другой стороны, воздавать должное некогда восхищавшим произведениям, значит представить системе человека с другими потребностями – себя в далеком прошлом. Это чревато искажением профиля и созданием парадоксальной ситуации: человеку не пойдут впрок рекомендации, которые сам себе даст.

Определенность в данном вопросе – оценивать по тогдашнему или по сегодняшнему впечатлению – чрезвычайно важна для корректного подбора референтных групп. Если люди, обладающие действительно схожим вкусом, последуют разным логикам, и одни будут оценивать по прежнему впечатлению, а другие по нынешнему[166], система не распознает в них единомышленников и качество рекомендаций упадет. Опасно и обратное – преувеличивать сходство людей, стоящих на разных этажах вкусовой вертикали, к примеру, детей и взрослых – только потому, что они совпали в оценках классики (так непременно произойдет, если вторые будут ориентироваться на свои детские впечатления).[167] Тогда детям система посоветует прочесть Эльфриду Елинек, а взрослым – Жюля Верна.

Вообще, учет вкуса при расчетах рекомендаций – сложнейшая, и одновременно благороднейшая задача, которая решается недопустимо медленно. Пока относительные успехи достигнуты лишь в рекомендациях литературы школьникам (и то «успех» можно произносить с большущими оговорками и поправками на специфику так называемой префигуративной культуры)[168].

Тем не менее по мере совершенствования коллаборативных систем эта задача несомненно будет решена. Вполне вероятно, для этого придется прибегнуть к многомерным оценкам, например, учитывать год потребления, что позволит автоматически вносить необходимые поправки. Или предлагать пользователям при выставлении баллов помечать наиболее значимые для них произведения. Благодаря этому люди смогут сами указывать работы, на основании которых следует строить их профиль (точнее, при подборе рекомендателей этим произведениям будет придаваться больший вес). Наверняка найдутся еще способы, позволяющие учитывать природу и динамику вкуса. Кроме того метод коллаборативной фильтрации может комбинироваться с иными техниками, основанными на анализе контента.[169]

Ждут своего часа и фильтры, позволяющие исключать нежелательные рекомендации. Например, вряд ли имеет смысл подсказывать стилистически схожие произведения, в изобилии создаваемые в определенный период. Или другая ситуация: некто не читал рекомендованного ему достойного автора, но знает похожего (хотя и худшего) писателя – тем самым он перебил себе всякую охоту к такого рода литературе. Неизбежны сложности и в том случае, когда взамен оригинала человек познакомился с поздними перепевами.

Еще один деликатный вопрос: как поступать с отрицательными оценками произведений?[170] Проще говоря, выплачивать ли деньги абоненту системы в случае разочарования после осмотра/посещения/прослушивания какого-то произведения, провоцируя тем самым людей на недобросовестное поведение? В настоящее время кажется целесообразным предоставлять право на компенсации за потребительские неудачи только тем, кто со своей стороны придерживается денежных форм участия.

Еще одно типовое узкое место рекомендательных систем – мобилизация пионеров. Сложность в том, что для самих этих людей сервис поначалу бесполезен[171]. Кроме опоры на энтузиазм и сетевые эффекты (когда «вдруг» возникает координированная активность участников) можно прибегнуть к ряду дополнительных стимулов. В их числе: установление рангов в сообществе, прямое финансирование, лотереи, призовые за качество рекомендаций, наделение акциями предприятия, предоставление доступа к оригинальному контенту и проч. Кроме того, собственная база может пополняться за счет оценок, наработанных действующими рекомендательными сервисами и из иных источников (конечно, для инкорпорирования «чужих» оценок в систему потребуется специальная методика, но этот путь вполне приемлем и перспективен).

Следующий животрепещущий вопрос – сможет ли участвовать в работе сервиса клиент, выставляющий оценки не в деньгах, а в баллах? При определенных условиях, исключающих паразитирование, это представляется возможным. Потребителям может быть предложена сетка тарифных планов: от полностью безденежного (но с оплатой в какой-то иной форме, включая традиционную рекламную нагрузку) до стопроцентно платного, и соответствующий набор услуг. В результате с высокой долей вероятности произойдет самоотбор участников в зависимости от их предпочтений «время – деньги». Очевидно, что настраивание подходящих тарифных планов – это дело практики.

Можно продолжить строить предположения, однако умозрительно ясности не достичь. Очевидно, что это тот случай, когда куда важнее «ввязаться в битву» и реагировать по мере возникновения угроз и препятствий, чем пытаться все просчитать «на берегу». Хочется надеяться, что принципы построения нового сервиса позволят справиться с непредвиденными трудностями. Главное, от чего зависит успех – это осознание сообществом культуры ценности сотрудничества в предложенной форме, а также от того, какими темпами будет нарастать отношение к культурному выбору как к процессу, сопряженному с издержками, которые можно и нужно оптимизировать.