Nell’ottobre 2004, Chris Anderson, allora direttore di Wired, pubblicò un articolo destinato a diventare uno dei più influenti della storia recente del marketing digitale: “The Long Tail”, diventato due anni dopo un libro di successo con un sottotitolo ancora più diretto — “perché il futuro del business è vendere meno di più”. La tesi era semplice da enunciare e affascinante da immaginare: la distribuzione digitale, azzerando i costi di stoccaggio e distribuzione fisica, avrebbe spostato una quota crescente di valore dai grandi successi — i “blockbuster” — verso la sterminata coda di prodotti di nicchia, ciascuno venduto in poche copie, ma capaci insieme di generare un fatturato pari o superiore a quello dei soli grandi successi.
Nel 2008, la teoria ha incontrato la sua prova più severa. Anita Elberse, docente di marketing alla Harvard Business School, ha pubblicato sulla Harvard Business Review un’analisi che, invece di confermare la progressiva democratizzazione dell’attenzione promessa da Anderson, ha trovato l’esatto opposto: i grandi successi sono diventati più concentrati, non meno. Analizzando i dati di vendita di musica digitale, Elberse ha trovato che nel 2007, su quasi quattro milioni di brani digitali disponibili in negozi come iTunes, il 91% aveva venduto meno di cento copie, e il 24% aveva venduto esattamente una copia sola. Tra il 2000 e il 2005, il numero di titoli necessari a raggiungere il primo 10% delle vendite settimanali si era dimezzato — un segnale netto che le vendite si stavano concentrando su un numero sempre più ristretto di titoli di successo, non distribuendosi verso la coda.
Chris Anderson ha replicato pubblicamente, e la sua obiezione merita di essere presa sul serio, non liquidata come la difesa di chi non vuole ammettere di aver torto: il metodo di Elberse, basato su percentili e decili delle vendite, rischia — secondo Anderson — di misurare la concentrazione in un modo quasi tautologico, che tende a confermarla per costruzione statistica, indipendentemente da cosa stia succedendo davvero nella coda. Il punto più solido della replica riguarda però un dettaglio che i titoli più semplici delle critiche giornalistiche hanno spesso ignorato: secondo Anderson, non è la coda lunga a soffrire — quella continua a crescere, insieme ai grandi successi — è la fascia intermedia a essere schiacciata tra i due estremi, un fenomeno compatibile con la tesi originale più di quanto la lettura più superficiale della critica di Elberse lasci intendere.
Una ricerca successiva, condotta da Erik Brynjolfsson insieme a Yu Hu e Michael Smith e pubblicata nel 2010 su Information Systems Research, ha provato a ricomporre la disputa analizzando la curva di vendita reale di Amazon nel tempo. Il risultato, in un certo senso, dà ragione a entrambi: la coda lunga cresce davvero, in valore assoluto e in quota sul fatturato complessivo, confermando una parte della tesi originale di Anderson — ma la maggior parte delle vendite continua comunque a provenire dalla parte alta della curva, i titoli più popolari, confermando al tempo stesso la preoccupazione di fondo di Elberse: investire tutte le proprie risorse nella nicchia, ignorando i grandi successi, resterebbe una scelta rischiosa per la maggior parte delle aziende.
C’è un filone di ricerca più recente, e più rilevante per chi lavora nel marketing oggi, che sposta la domanda da “la coda lunga esiste?” a una più specifica: cosa succede alla coda lunga quando un algoritmo di raccomandazione decide cosa mostrare a ciascun utente? Uno studio di Daniel Fleder e Kartik Hosanagar, pubblicato su Management Science nel 2009, ha trovato un risultato scomodo per chi ancora considera il digitale intrinsecamente favorevole alla scoperta di contenuti di nicchia: i sistemi di raccomandazione, lungi dal promuovere automaticamente la diversità delle vendite, tendono spesso a concentrarla ulteriormente, orientando gli utenti verso contenuti già popolari attraverso un effetto di rinforzo — un meccanismo che la letteratura più recente chiama “superstar economy”: pochi prodotti dominano in modo sproporzionato, non perché il mercato lo richieda, ma perché l’algoritmo stesso, ottimizzato per massimizzare l’engagement immediato, trova più sicuro suggerire ciò che ha già funzionato per altri.
Cosa dovrebbe portarsi via, da questo ventennio di dibattito, chi oggi decide come allocare un catalogo prodotti, un piano editoriale, o un investimento in contenuti? La lezione più onesta non è che la coda lunga sia un mito, né che sia la realtà dominante del commercio digitale — è che entrambe le dinamiche coesistono, e quale prevale dipende in modo diretto da scelte tecniche precise, non da una tendenza automatica del mezzo digitale in sé. Un catalogo esposto attraverso un algoritmo di raccomandazione non curato per la diversità tenderà, quasi meccanicamente, verso la concentrazione sui pochi titoli già popolari — non perché il pubblico non abbia interesse per la nicchia, ma perché il sistema che media quell’incontro non è stato progettato per favorirla. Un’azienda che vuole davvero beneficiare della coda lunga promessa da Anderson vent’anni fa non può limitarsi a mettere online un catalogo ampio e aspettare che la domanda nascosta emerga da sola: deve costruire attivamente i meccanismi di scoperta — ricerca, raccomandazione, categorizzazione — capaci di far emergere quella domanda, invece di lasciarla sepolta sotto lo stesso effetto di concentrazione che la disputa Anderson-Elberse ha documentato fin dal 2008.
Fonti: Chris Anderson, “The Long Tail”, Wired, 2004, e “The Long Tail: Why the Future of Business Is Selling Less of More”, Hyperion, 2006; Anita Elberse, “Should You Invest in the Long Tail?”, Harvard Business Review, luglio-agosto 2008; Erik Brynjolfsson, Yu J. Hu, Michael D. Smith, “The Longer Tail: The Changing Shape of Amazon’s Sales Distribution Curve”, Information Systems Research, 2010; Daniel M. Fleder, Kartik Hosanagar, “Blockbuster Culture’s Next Rise or Fall: The Impact of Recommender Systems on Sales Diversity”, Management Science, 2009.