Алгоритмы для жизни: Простые способы принимать верные решения - [20]

Как и индекс Гиттинса, алгоритм верхнего доверительного предела определяет единое число для каждого рычага многорукого бандита. И это число устанавливается равным наибольшему значению, которого автомат мог бы объективно достичь, основываясь на доступной нам до сих пор информации. Таким образом, алгоритм верхнего доверительного предела не учитывает, какой из автоматов был доселе лучшим; вместо этого он выбирает автомат, который объективно мог бы стать лучшим в будущем. Если вы, к примеру, никогда не были в некоем ресторане, он может оказаться гораздо лучше всех тех, что вы знаете. И даже если вы бывали в нем раз-другой и пробовали пару предлагаемых в нем блюд, вы все равно не будете достаточно информированы, чтобы исключить вероятность того, что он может оказаться лучше вашего любимого местечка. Так же, как и индекс Гиттинса, верхний доверительный предел всегда больше ожидаемой выгоды, но становится меньше и меньше по мере того, как мы накапливаем опыт работы с выбранным объектом. (Ресторан, получивший одну-единственную посредственную оценку, по-прежнему сохраняет потенциал превосходства, в отличие от ресторана, получившего сотни таких оценок.) Рекомендации, которые дает алгоритм верхнего доверительного предела, будут такими же, как и у индекса Гиттинса, но их значительно легче выработать, и они не требуют предположения о геометрическом дисконтировании.

Алгоритмы верхнего доверительного предела претворяют в жизнь принцип, прозванный оптимизмом перед лицом неопределенности. Оптимизм, как выясняется, может быть совершенно рациональным. Сфокусировавшись на том лучшем, что может дать объект, принимая во внимание доказательства, полученные к данному моменту, эти алгоритмы увеличивают возможности, о которых мы знали меньше всего. Как следствие, они действительно вносят долю исследования в процесс принятия решений, заставляя с энтузиазмом хвататься за новые возможности, потому что одна из них может оказаться выдающейся. Этот же принцип, к примеру, использовал Лесли Келблинг из Массачусетского технологического института в создании «оптимистичных роботов», которые исследуют пространство вокруг себя, повышая ценность неизведанных территорий. И это, разумеется, имеет значение для жизни человека.

Успех алгоритмов верхнего доверительного предела формально оправдывает пользу сомнений. Следуя этим алгоритмам, вы должны с восторгом знакомиться с новыми людьми и пробовать что-то новое, предполагая о них лучшее за неимением доказательств обратного. В конечном итоге оптимизм – лучшее лекарство от сожалений.

Интернет-казино

В 2007 году руководитель производственного направления компании Google Дэн Сирокер взял отпуск, чтобы присоединиться к президентской кампании тогдашнего сенатора Барака Обамы в Чикаго. Возглавив команду «Новых медиааналитиков», Сирокер использовал одну из интернет-практик Google для поддержки так называемой кнопки пожертвований кампании. Результат оказался ошеломляющим: $57 млн дополнительных пожертвований стали прямым итогом его работы.

Что именно он сделал с этой кнопкой?

Он провел сплит-тестирование.

Сплит-тестирование (или А/В-тестирование) работает следующим образом: компания разрабатывает несколько версий определенной интернет-странички. Для этого используются, например, различные цвета или изображения, разные заголовки для новостных статей или по-разному располагают элементы на экране. Затем входящие пользователи случайным образом направляются на эти страницы (как правило, в равных количествах). Один пользователь может увидеть красную кнопку, в то время как другой видит синюю; один видит «Передать в дар», а другой – «Пожертвовать». Затем соответствующие количественные показатели – например, число кликов или средняя выручка от каждого посетителя – отслеживаются. Если по истечении определенного периода времени отмечаются статистически значимые результаты, то «победившая» версия, как правило, становится окончательной – или контрольной для следующего цикла экспериментов.

В случае со страничкой пожертвований Обамы результаты А/В-тестов Сирокера были впечатляющими. В случае с теми, кто впервые посетил сайт кампании, самой действенной оказалась кнопка «Пожертвуйте и получите подарок», несмотря на то что стоимость отправки подарка учитывалась. В случае с давними подписчиками на новости сайта, которые никогда не давали ни копейки, лучше всего сработала кнопка «Пожалуйста, пожертвуйте», вероятно взывавшая к их чувству вины. Посетителей, делавших пожертвования раньше, лучше всего сподвигла на следующие пожертвования кнопка «Внести вклад» (логика в том, что человек уже пожертвовал, но всегда может внести еще немного). И во всех случаях, к огромному удивлению команды кампании, простая черно-белая фотография семьи Обамы превзошла все фото и видео, которые команда могла придумать. Чистый эффект всех этих не зависящих друг от друга оптимизаций был поистине гигантским.

Если вы пользовались интернетом за последнее десятилетие, то вы, вероятно, стали частью решения чьей-либо задачи «исследовать/эксплуатировать». Компании хотят понять, что приносит им наибольший доход, стараясь в это же время заработать как можно больше. Исследуют, эксплуатируют. Крупные технологические компании, такие как Amazon и Google, начали проводить А/В-тесты на своих пользователях примерно с 2000 года, и в последующие годы интернет превратился в крупнейший управляемый эксперимент в мире. Что эти компании исследуют и эксплуатируют? Ну, например, вас: выясняют, что может заставит вас двинуть мышкой и раскошелиться.