图6-2用另一种方式表现了上述状况。随着尾巴向后延伸，信号-噪音比越来越低。所以，唯有在过滤器变得越来越强大的情况下，信号的质量才能保持不变，继续帮助消费者们找到他们真正想要的东西。

图6-2　从噪音中得到信号

沿长尾向后看，信号-噪音比为什么越来越低？因为长尾中的东西实在太多，你正在寻找的东西被你不需要的那些东西掩盖住了。长尾中的东西为什么这么多？原因很简单：世界上的绝大多数事物都是长尾事物。

当我们生活在热门中心主义文化中时，我们很容易大大高估热门产品的市场份额。事实上，热门产品只是罕见的例外罢了。这就是纳西姆·塔勒布（Nassim Taleb）所说的那种“黑天鹅问题”。

这种提法源自于18世纪的苏克兰哲学家休谟，当时，他以黑天鹅为例解释了从观察结果中得出一般性法则的复杂之处。在提出我们现在所说的休谟归纳问题（Hume's Problem of Induction）时，他问了这样一个问题：一个人在观察到多少只白天鹅之后才能断言所有的天鹅都是白色，黑色天鹅并不存在？100只？1 000只？我们不知道。（黑天鹅问题并不只是一个假设性的比喻：在发现澳洲大陆之前，所有人都认为世界上只有白天鹅。直到有人首次看到了黑天鹅，这种信念才被粉碎。）

世界上的绝大多数事物都是长尾事物。

当我们生活在热门中心主义文化中时，我们很容易大大高估热门产品的市场份额。事实上，热门产品只是罕见的例外罢了。

这里的问题在于，我们很难把罕见事件放到恰当的大背景中。在任意给定的一群人中都会有那么一两个富翁，还有某些人很聪明，某些人很幸运，但我们并不知道某一个人属于哪一类人。在《随机致富的傻瓜》（Fooled by Randomness）一书中，塔勒布嘲笑了一本名为《隔壁的百万富翁》（The Millionaire Next Door）的畅销书。这本书总结了百万富翁们的投资技巧和工作习惯，号称你只要向他们学习，你也能变成富翁。但正如塔勒布所说，隔壁那个百万富翁的成功也有可能是随机性因素造成的，未必就是投资策略的功劳。

他是这样定义黑天鹅问题的：(www.daowen.com)

一个随机性事件满足以下三个条件：重大影响、无法计算的概率、意外效应。首先，它一旦发生，就会造成与其本身不成比例的重大影响；其次，它的发生概率很小，而且根据发生前的可用信息也无法计算这个概率；第三，黑天鹅问题的恶性特征就是它的意外效应：在任意一次观察中，不会有任何有说服力的要素可以证明这个事件的发生概率正在提高。

我们完全可以把他的话用在那些热门产品上。

绝大多数内容（从音乐到电影）都不是大热门。事实上，绝大多数内容离大热门这三个字都有十万八千里的距离，它们的顾客人数是百位数的，不是百万位数的；有时候这是因为它们不够好；有时候这是因为宣传力度不够或是创作者缺乏人脉背景；还有的时候，这是因为某些随机性因素制造了障碍，就像是随机性因素有时候能把最浅薄的新奇玩意儿变成大热门一样——想想《谁把狗放出来》（Who Let the Dogs Out）这首歌就知道了。

这只是所谓的“幂律”（power-law）分布的自然结果，在这种分布曲线中，少数事件的值域（不妨理解为销量）较高，多数事件的值域较低。卖得好的东西寥寥无几，多数东西都卖得不好。（称它为幂律分布是因为这个曲线的方程是1/x，也就是x的-1次幂）。

既然多数东西都不会卖得太好，那么随着长尾曲线的下坠，内容总量自然呈上升趋势（你不喜欢的东西当然也就越来越多了）。表6-2是图书业2004年的一组实际数据，我们可以看到每一个销量范围内的品种数。

这种规律的结果显而易见：无论你正在寻找什么，你沿着长尾走得越远，不合你意的东西就越多。所以信号-噪音比才会越来越低，尽管你发现合意产品的概率往往会越来越大（如果你有好的搜索工具和过滤器的话）。这听起来很矛盾，但实际上并不矛盾。这只是一个需要过滤器去解决的问题。

表6-2　2004年图书销量

资料来源：书业研究集团