Dimmi come leggi e deciderò cosa pubblicare

Di Andrew Rhomberg abbiamo già parlato qualche mese fa, quando – commentando i risultati di When Attention is not Scarce, la ricerca, presentata all’UbiComp2015, sulla caduta dell’attenzione durante la fruizione di contenuti da smartphone – abbiamo fatto riferimento al suo Jellybooks. Il software che, integrato negli e-book distribuiti a un panel di «early reader», permette di acquisire dati di lettura cruciali per verificare le potenzialità commerciali dell’opera.
In un articolo pubblicato dal «New York Times» il 14 marzo – partendo dal workshop tenuto, dallo stesso Rhomberg, alla Digital Book World Conference 2016 qualche giorno prima – è illustrato il funzionamento di Jellybooks e vengono sollevate alcune interessanti riflessioni sull’impatto che la raccolta e l’elaborazione di questo tipo di dati ha sull’ecosistema editoriale: dai piani delle case editrici, alle prospettive degli autori, alla privacy dei lettori.
Jellybooks distribuisce gratuitamente e-book a un gruppo di lettori, spesso prima della pubblicazione. Al termine della lettura, anziché chiedere loro di scrivere una recensione, gli suggerisce di cliccare un link incorporato nel testo, consentendo così la trasmissione dei dati che il device ha registrato ai suoi server. Queste informazioni consentono di scoprire, tra le altre, quanto e quando l’utente ha letto, fino a che percentuale del testo si è spinto e quanto rapidamente.
Jellybooks ha testato fino ad ora le potenzialità di 200 libri, di sette editori diversi: uno grande e americano, tre inglesi e tre tedeschi. Quasi tutti hanno preferito non essere identificati per non allertare i loro autori.
I gruppi di «early reader» a cui la start-up di Rhomberg sottopone i libri sono composti da un numero di lettori che va da 200 a 600: in media, meno della metà dei testi proposti viene letta dall’inizio alla fine dalla maggior parte degli utenti. Molti lettori, invece, interrompono dopo i primi capitoli: le donne tendono a mollare tra la cinquantesima e la centesima pagina; gli uomini tra la trentesima e la cinquantesima. Solo il 5% dei libri testati da Jellybooks è stato letto per intero da una porzione del campione superiore al 75%: il 60% dei titoli finisce in una zona grigia nella quale la lettura viene portata a termine da una percentuale di utenti compresa tra il 25 e il 50. I manuali di business, per esempio, hanno manifestato tassi di «completamento» sorprendentemente bassi.

Gli autori sono naturalmente spaventati dalle possibilità di analisi aperte da Jellybooks: svelare con così tanto dettaglio le «inefficienze» di un libro potrebbe spingere l’editore a rifiutare le opere successive degli scrittori risultati meno letti; indurlo a chiedere (o pretendere) modifiche nella trama, nell’organizzazione dei capitoli, nei contenuti… intaccando significativamente la libertà (e l’autorialità) dei testi prima della pubblicazione.
Ma lo sviluppo e l’applicazione di tecnologie per la raccolta di dati aprono problematicità anche rispetto al lettore. Se è vero, infatti, che le informazioni sono raccolte da Jellybooks dietro esplicito consenso dell’utente, è altrettanto vero che potrebbe succedere (ed è già successo) che editori, gestori di servizi come quelli di subscription, distributori e store digitali acquisiscano (memorizzino e diffondano) informazioni sul comportamento degli utenti senza il loro permesso. E il diritto alla privacy del lettore, almeno in California, è sancito dalla legge.
La raccolta e l’analisi delle informazioni disseminate dagli utenti stanno modificando l’universo dei media, ed è evidente che anche l’editoria digitale sarà presto attraversata da questi fenomeni. Sottolineando l’insufficienza dei dati di vendita per valutare il successo di un libro, Andrew Rhomberg ha provocato il pubblico del Digital Book World chiedendo «Domandate a voi stessi: “sono un commerciante di carta?”».
È altrettanto vero, d’altronde, che la capacità analitica che la tecnologia manifesta nei confronti dei gusti (e delle abitudini) dei lettori non deve rischiare di diventare auto-predittiva e limitante. Quando Spotify ha iniziato la sua ascesa, dimostrandosi via via più capace di anticipare i desideri d’ascolto dei suoi utenti e imparando progressivamente dalle loro ricerche, ci si chiedeva quanto quest’efficienza avrebbe limitato la possibilità di scoperta casuale e autonoma. Quanto avrebbe intaccato l’ipotesi di ampliare i propri ascolti ben oltre i confini delle proprie preferenze.
Strutturare un’offerta millimetricamente modellata sui comportamenti e le implicite richieste di un campione di utenti è un enorme rischio: sia perché il campione potrebbe non essere sufficientemente rappresentativo, e quindi poco incline a descrivere la realtà. Ma soprattutto perché riduce significativamente la possibilità di soddisfare un tipo particolare di esigenze. Quelle che ancora non sappiamo di avere.