I Computer come media persuasivi, dal search Engine Marketing al Filtro Bolla

Jeff Bezos, CEO di Amazon.com fu uno dei primi a rendersi conto di poter sfruttare le potenzialità della rilevanza per creare un’azienda redditizia. All’inizio del 1994 la sua visione era di portare nella vendita online dei libri quelle capacità di vendita dei piccoli librai, che conoscendo molto bene i gusti letterari dei loro clienti, erano sempre in grado di dare consigli allo scopo di promuovere altri autori simili. La domanda era: come poteva essere fatto su scala nazionale?
Secondo Bezos, Amazon doveva essere una sorta di compagnia d’intelligenza artificiale alimentata da algoritmi capaci di far corrispondere istantaneamente i clienti con i libri. L’idea era creare un negozio personalizzato in grado di aiutare i lettori a trovare libri e a consigliare libri.

Bezos stava iniziando a pensare a una macchia in grado di imparare dai comportamenti/azioni dei clienti che visitavano il suo negozio online. Era un problema molto difficile da risolvere che fu inizialmente affrontato da alcune ricerche istituzionali condotte presso le università della California e di Barkeley (USA) e dal MIT a partire dal 1950.
Il loro campo di ricerca fu la cibernetica, una parola molto usata dal filosofo greco Platone, a indicare un sistema in grado di auto-regolarsi. Non c’era nulla di più elettrizzante che costruire un sistema in grado di sintonizzarsi da solo grazie al concetto di feedback. Nel 1990 una squadra di ricercatori dello XEROX PALO ALTO RESEARCH CENTER (PARC) voleva applicare il pensiero cibernetico a una particolare ricerca.

"Il Parc stava lavorando su un processo chiamato filtraggio collaborativo, si intende una classe di strumenti e meccanismi che consentono il recupero di informazioni predittive relative agli interessi di un insieme dato di utenti a partire da una massa ampia e tuttavia indifferenziata di conoscenza" (Eli Pariser, "The Filter Bubble").
Il processo era eseguito in un programma chiamato Tapestry, un sistema che consentiva agli utenti di rintracciare dei documenti (mail) basandosi su commenti lasciati da altri utenti.

Il programma tracciava come le persone reagivano al numero elevato di mail che ricevevano, ad esempio quali cancellavano, quali non leggevano, usando queste informazioni per aiutarli a ordinare la posta elettronica all’interno delle loro caselle postali. Le mail più importanti erano spostate nella parte più alta della lista, le mail che non erano lette oppure cancellate erano spostate dal software nella parte più bassa della lista.

Il risultato era un notevole risparmio di tempo grazie ad un processo che vagliava la posta in modo automatico. Naturalmente, secondo i ricercatori del PARC, tale sistema poteva essere usato non solo per la gestione delle e-mail, ma anche per la gestione di qualsiasi altro flusso digitale di documenti. Tapestry ha introdotto il concetto di filtraggio collaborativo nel mondo a partire dal 1990, ma in quell’epoca vi era poco interesse nei confronti di tale concetto, internet era ancora una piccola rete, pochi utenti, grossi problemi infrastrutturali e costi di gestione molto alti.
Quando Amazon.com utilizzò questo sistema a partire dal 1995 tutto cambiò. Un esempio popolare di collaborative filtering può essere un sistema di suggerimento di generi e pezzi musicali elaborando un insieme di conoscenze di base che riguardano gusti e preferenze di un dato utente.

Da notare che, sebbene tali informazioni siano referenti a un singolo utente, esse derivano dalla conoscenza elaborata sull’intero insieme degli utenti del sistema. Fin dal suo esordio Amazon era una libreria online fondata sul concetto di personalizzazione, guardando quali libri le persone compravano, attraverso il filtraggio collaborativo sviluppato al PARC, Amazon poteva raccomandare, consigliare e proporre acquisti al volo ai suoi clienti. Più le persone compravano libri da Amazon, più il sistema della personalizzazione migliorava diventando la chiave del successo della compagnia.