Или вот исследование Pendo по использованию софта. Они проанализировали кучу продуктов и выяснили, что 80% ежедневного использования генерируют всего 12% фич. При этом огромные 80% разработанных фич нахрен никому не нужны и почти никогда не используются юзерами. Опять не сходится с магической формулой.

В реальной жизни у одного 5% усилий дают 90% результата. У другого 40% клиентов приносят 70% выручки. У третьего вообще почти плоское распределение. Действительное соотношение бывает каким угодно.

Проблема не в самой концепции дисбаланса, он реально существует. Проблема в том, что закон Парето превратился в ленивую замену мышлению. Зачем лезть в аналитику, писать SQL-запросы и считать реальное распределение, если можно произнести магические цифры 80/20 и успокоиться? Это удобно, но это не продуктовый подход, а банальный самообман.

Когда в следующий раз на совещании кто-то скажет «давайте сфокусируемся на тех 20%, которые дают 80% прибыли», просто спросите: а ты это реально посчитал по нашим данным, или просто ляпнул то, что красиво звучит?

Сразу оговорюсь: чтобы «читать» эти реестры, вам понадобятся Python, пара неофициальных библиотек для парсинга, графовая база данных и хотя бы немного мозгов.

Лет 20 назад ученые заметили одно любопытное явление. График количества сексуальных партнеров у людей выглядит как идеальная кривая. И не просто кривая, а кривая, прекрасно знакомая любому математику. 20/80, закон Парето, распределение по степенному закону, закон Ципфа — все это разные названия одной и той же кривой. Она стабильно всплывает в самых разных областях: от распределения мирового богатства до популярности веб-сайтов. И, как выяснилось, в личной жизни людей тоже.

Раз есть кривая, значит, есть и формула. А раз есть формула, значит, можно рассчитать вероятность того, сколько партнеров было у каждого из нас. Для произвольно выбранного человека вероятность иметь больше, чем x партнеров, подчиняется степенному закону (тут должна быть формула, но хрен знает как ее вставить). Конечно, вычислить по этой формуле точное число для конкретной Маши или Пети нельзя. И, на первый взгляд, кроме подтверждения очевидных фактов, пользы от этой математики мало.
Видно что: «гигачады» есть и «инцелы» есть. Ну и МД-шники со своей теорией о том, что 80% женщин хотят 20% мужчин, оказались не так уж далеки от истины.

И если бы не одно обстоятельство, пост можно было бы на этом закончить.
Примерно в то же время, когда ученые публиковали эти данные, беспилотный звездолет с рептилоидом на борту потерпел крушение где-то в районе Кремниевой долины. Рептилоид выжил и... Короче Цукерберг придумал Фейсбук.

Вот тут-то формулка и заиграла новыми красками. Теперь мы можем достаточно точно предсказать количество сексуальных контактов любого обладателя аккаунта в соцсети.

Все дело в том, что соцсети — это «безмасштабные сети». Количество друзей в них распределяется по тому же самому степенному закону, что и количество сексуальных партнеров. Узел с огромным числом связей называется «хаб». У гигачада в сети связей будет много, у инцела — исчезающе мало.

Что за имя Сыета? почему Олег на английском? Рептилоид их разбери, лень переделывать. Для наглядности сойдет.

Таким образом, если мы возьмем аккаунт девушки, проанализируем её френдлист и построим граф связей, нас будут интересовать именно хабы с большим количеством связей. Важно не просто наличие хабов, а то, как близко к ним находится её аккаунт. Разумеется, само по себе соседство с хабом еще ни о чем не говорит — им (хабом) может быть бренд, СМИ или популярный блогер. Нас интересует специфический хаб — «гигачад».

Пикабушники, не размовляющие на черном наречии, резонно спросят: «А с какого, собственно, ляда близость к гигачаду (хабу) коррелирует с распутностью?»

В теории графов и динамике сетей есть три кольца механизма, объясняющих почему:

1. Эффект «Тесного мира» (Small-World Phenomenon)

В безмасштабных сетях (соцсетях) среднее расстояние между любыми двумя узлами ничтожно мало. Хабы здесь работают как «кротовые норы» или короткие пути. Если аккаунт находится в одном шаге от хаба, он мгновенно получает доступ к огромной части сети. Математически это означает, что вероятность «столкновения» (взаимодействия) между этим узлом и любым другим участником через такой хаб возрастает экспоненциально.

2. Ассортативность (Assortative Mixing)

Это свойство сети, при котором узлы стремятся соединяться с похожими на себя. Узлы с высокой степенью связности (активные, популярные) чаще контактируют с такими же активными узлами. Если мы видим связь между девушкой и гигачадом-хабом, математика говорит нам: этот узел уже интегрирован в высокочастотный сегмент сети, где скорость образования новых связей в десятки раз выше, чем «в среднем по больнице».

3. Центральность по посредничеству (Betweenness Centrality)

Этот параметр показывает, сколько кратчайших путей в графе проходит через конкретный узел.
Хаб-гигачад — это узел с колоссальным показателем посредничества. Если аккаунт девушки находится в непосредственной близости к такому «шлюзу», она автоматически попадает в воронку, через которую проходят тысячи других узлов.

В математических моделях распространения (будь то информация или вирусы) узлы, находящиеся в 1-й и 2-й зоне досягаемости от главного хаба, «заражаются» первыми и с вероятностью, близкой к 100%. В данном контексте «заражение» — это установление половой связи.

Остается последний вопрос, как понять, что нужный нам хаб Гигачад?

Делитесь своими идеями в комментариях.