Misurare qualcosa significa scegliere una proprietà osservabile e utilizzarla per descrivere un fenomeno che spesso è più ampio della misura stessa. Possiamo contare visualizzazioni, commenti, condivisioni e tempo trascorso su una pagina con una precisione molto maggiore di quella con cui possiamo misurare comprensione, utilità, affidabilità o valore culturale. Ognuno di quei numeri descrive qualcosa di reale, ma nessuno coincide automaticamente con le proprietà più ampie che siamo tentati di attribuirgli.
Centomila visualizzazioni significano che un contenuto ha ottenuto una certa quantità di esposizione secondo i criteri con cui la piattaforma definisce una visualizzazione; non significano che centomila persone lo abbiano compreso, apprezzato o considerato vero. Diecimila commenti possono appartenere a una conversazione interessante oppure a una lunga sequenza di insulti. Mille condivisioni possono derivare dall’approvazione, dalla critica o dal desiderio di mostrare agli altri qualcosa di sorprendente. Il numero è preciso proprio perché misura un comportamento più circoscritto del significato che vogliamo attribuirgli.
Quando utilizziamo quel comportamento come sostituto di qualcos’altro, la misura funziona come proxy: una proprietà osservabile rappresenta qualcosa di più difficile da osservare direttamente. Un proxy non è necessariamente un cattivo strumento. Il tempo di lettura può dirci qualcosa sull’attenzione dedicata a un articolo e le visualizzazioni qualcosa sulla sua capacità di raggiungere il pubblico. Il problema nasce quando dimentichiamo la distanza fra ciò che il numero misura direttamente e ciò che gli chiediamo di rappresentare.
Nel mondo digitale questa distanza conta molto perché i segnali disponibili sono anche feedback. Un autore pubblica due contenuti e vede che uno riceve cento reazioni e l’altro diecimila; anche senza sapere esattamente perché, possiede un’informazione capace di influenzare le scelte successive. Se titoli più categorici producono sistematicamente più aperture, oppure alcuni argomenti generano più commenti, chi pubblica può imparare progressivamente da quelle differenze. La metrica non descrive più soltanto il pubblico: entra nel circuito attraverso il quale vengono prodotti i contenuti futuri.
Gli studi sul feedback sociale mostrano che like e commenti possono effettivamente influenzare comportamenti successivi in alcune condizioni. Questo non significa che gli utenti diventino automaticamente dipendenti dalle reazioni o che ogni decisione online sia governata dalle metriche; è sufficiente riconoscere una possibilità più modesta: una cifra visibile può modificare il comportamento che dovrebbe limitarsi a descrivere.
Anche chi arriva dopo può attribuire alla cifra un significato ulteriore. «Questo contenuto è stato condiviso cinquantamila volte» descrive correttamente la sua diffusione; può però suggerire anche che molte persone lo abbiano trovato importante, credibile o degno di approvazione. L’inferenza non è necessariamente irrazionale, perché il comportamento degli altri può essere un segnale utile. Diventa problematica quando la popolarità viene utilizzata come se fosse una misura diretta della qualità o della verità.
Un like offre un esempio particolarmente chiaro. Può indicare approvazione, simpatia per l’autore, solidarietà, riconoscimento, abitudine oppure semplice conferma di avere visto il contenuto. Possiamo chiamare, nel nostro discorso, quantificazione dell’interazione la trasformazione di una relazione sociale complessa in eventi discreti che possono essere contati: clic, reazioni, commenti, condivisioni, visualizzazioni. Questa trasformazione permette di osservare fenomeni su scala enorme, ma comprime inevitabilmente gran parte del loro significato.
Non tutte le forme di attenzione lasciano inoltre la stessa traccia. Leggere lentamente un saggio e rifletterci per un’ora può produrre pochissime interazioni visibili; indignarsi per un titolo e commentarlo immediatamente può produrne molte. Un contenuto può modificare profondamente un lettore che non clicca nulla, mentre un altro può provocare decine di reazioni senza lasciare alcuna conseguenza duratura. Come abbiamo visto con i numeri senza denominatore, anche una metrica possiede un fuori campo: la precisione del numero può nascondere l’incertezza sul significato del comportamento contato.
Il termine engagement rende evidente il problema. Non indica una sostanza unica presente in natura, ma un insieme di segnali che ogni sistema può definire e pesare in modo differente. Una piattaforma può attribuire valore al tempo di permanenza, alle condivisioni, ai commenti, alla soddisfazione dichiarata o a combinazioni molto più complesse. Dire genericamente che «l’algoritmo ottimizza l’engagement» è quindi insufficiente se non sappiamo quale engagement, in quale sistema e con quale obiettivo.
Quando una misura diventa anche un obiettivo, gli incentivi possono cambiare. È il problema reso famoso dalla legge di Goodhart: un indicatore utile può perdere parte del proprio valore quando viene ottimizzato come se coincidesse con l’obiettivo reale. Se l’apertura di un articolo diventa la principale misura dell’interesse, può diventare conveniente costruire titoli capaci di ottenere il clic anche quando il contenuto mantiene poco della promessa. Non perché il numero delle aperture sia falso, ma perché il comportamento ha imparato ad adattarsi alla misura.
Non occorre immaginare una manipolazione deliberata. Le forme che producono più risposta possono semplicemente essere imitate più spesso; autori e piattaforme osservano ciò che funziona, il pubblico incontra una quantità maggiore di quei contenuti e produce nuovi dati. Il proxy può quindi contribuire a modificare l’ambiente senza che nessuno abbia progettato esplicitamente il risultato finale.
Le metriche visibili possono inoltre produrre confronti sociali. Un contenuto con poche reazioni accanto a uno che ne possiede migliaia suggerisce immediatamente successo e irrilevanza, ma i numeri possono dipendere dalla dimensione del pubblico iniziale, dall’orario, dalla distribuzione o dalla presenza di una comunità già consolidata. Confrontare due cifre senza conoscere il processo che le ha prodotte ripropone il problema del denominatore, questa volta applicato alla reputazione.
La popolarità precedente può perfino contribuire alla popolarità successiva. Un numero elevato di condivisioni rende visibile che altre persone hanno già prestato attenzione al contenuto; questa informazione può incoraggiare nuove persone a guardarlo, commentarlo o condividerlo. Le azioni sono reali, ma non sono necessariamente indipendenti dalle azioni precedenti. Mille valutazioni autonome contengono un tipo di informazione diverso da mille persone che hanno potuto osservare continuamente la valutazione degli altri prima di decidere.
Le metriche continuamente aggiornate introducono anche un’altra tentazione: costruire una spiegazione per ogni oscillazione. Il traffico di un sito sale, un post riceve improvvisamente più visualizzazioni, una modifica viene effettuata e poco dopo il numero cambia. La sequenza può suggerire una causa convincente, ma non ogni variazione possiede necessariamente un significato stabile. Più spesso osserviamo una misura, più facilmente incontreremo picchi e cali che appartengono alla normale variabilità del sistema. Il fatto che possiamo vedere ogni piccolo cambiamento non significa che ogni piccolo cambiamento meriti una storia.
Per un utente questo porta a una regola molto semplice: utilizzare le metriche per ciò che misurano. Una visualizzazione è una visualizzazione; una condivisione è una condivisione; un like è un comportamento definito dalla piattaforma. Possono essere segnali utili per decidere che qualcosa merita attenzione, ma non diventano per questo prove di affidabilità, consenso o qualità. Il problema comincia quando il numero smette di essere un indizio e diventa una definizione; a quel punto la misura non si limita più a descrivere l’ambiente, ma può contribuire a costruirlo.