长尾理论2.0——长尾中的“微结构”

幂律分布的基本特征之一就是“分形”性，也就是说，无论你把它放大到什么程度，它看起来仍然是幂律分布。数学家们把这称为“多比例自我相似性”，简单点说，这是指长尾由许多小尾巴组成，每一个尾巴都是一个别有洞天的小世界。 以音乐为例。如果你仔细审视那些数据，你会发现音乐业的那条庞大的幂律曲线实际上只是诸多小幂律曲线的叠加，其中的每一条曲线都代表着一个流派。音乐由数千个小领域微观市场组成，如果这些微型生态系统糅合成一个总排行榜，整个形状看来就像是一条长长的尾巴。但如果你靠近些观察，你会发现每一个利基市场都有它自己的头和尾。 举个例子。我曾经把Rhapsody上的音乐长尾按流派拆分，然后根据平均下载量将所有流派的排名画成散点图（如图8–5所示）。接下来，我进一步分离出了其中的一个流派—非洲–古巴爵士乐，画出了该流派内的流行度排行曲线。 你可以看到，各流派的平均下载量本身也能构成一条长尾，而且每一个流派中都存在一条曲目长尾。整个音乐世界都是如此，它看起来像是一条长长的流行度曲线，但实际上是由曲线中的曲线组合而成的。 从图书到博客，其他市场也是同样。博客搜索公司Technorati的执行官彼得-赫什伯格（Peter Hirshberg）曾提到，Technorati一直在追踪的“主题长尾”正在兴起，像厨艺和子女教育这类主题的流行程度呈现出了幂律特征。“就像用一面棱镜反射白光一样，博客世界中出现了一道光谱，五彩缤纷的各种长尾社区尽在其中。”他说。最有意义的是社区内的排名，不是社区间的排名。 这一点为什么重要？原因有二。其一，这意味着过滤功能往往在一个流派内最为有效，而不是通用于整个市场。其二，这解释了长尾的一个明显的矛盾迷题。幂律曲线之所以呈陡峭下滑状，是因为强大的口头效应反馈环放大了消费者的喜恶倾向，让有名气的东西更有名气，没名气的东西更没名气了。这就是“成功带来更多成功”的道理。在网络理论中，这类积极反馈环很容易创造一种赢家通吃现象，换种方式说，它们就是那种令人恐惧的热门制造机。 更厉害的是，现在的各种过滤器已经把口头传播效应的威力进一步加大了，评论比过去多得多，评论者比过去多得多，被评论的产品也比过去多得多。既然这样，它们难道不应该把幂律曲线变得更加陡峭吗？难道不应该拉长大热门和冷门之间的距离吗？它们为什么反而起到了一种均等化作用？ 换句话说，本质上正在推动需求向长尾转移的推荐系统为什么没有发挥相反的作用—将内容推向曲线头部，进一步放大大热门与冷门的差别？我们原以为更强大的网络效应会有这样的效果，但我们实际看到的长尾市场却是一条平坦化的曲线，大热门和冷门之间的差别并没有那么大。 原因就在长尾的微结构上：过滤器和其他推荐系统在非主流产品中最为有效，在流派和亚流派内部最为有效。但在不同流派之间，它们的作用会大打折扣。会有个别的经典杰作首先在本流派内登峰造极，然后继续跃升为主流大热门，在整个市场上大放光彩。但它们只是例外。更常见的是，一个领域内的热门音乐能够突破到整个市场的中游水平，但在这里，它们不得不与来自其他流派的热门音乐展开激励的竞争，很难再更进一步。 正因如此，最受欢迎的“ambient dub”艺术家虽然能占据本流派的头把交椅，完全压倒本流派内的其他所有人，但这并不意味着这位明星能够把整个音乐世界搅得天翻地覆，把50分乐队（50 Cent）赶出前10名之列。这种微结构分析告诉我们，流行度是一个多层次的概念，就算你统治了一个小派系，你也未必能变成返校节女皇。