L'app 'Sports' di Apple mostra cosa sbagliano i prodotti di analisi sportiva

La sezione tecnologica di Slate ha pubblicato a giugno un elogio dell'app, in tempo per il Mondiale. La tesi è più stretta e più utile di quanto suggerisca il titolo. L'autore non si lamenta che alle app sportive manchino i dati. Si lamenta che il risultato sia sepolto sotto i dati.

L'app di Apple si chiama semplicemente "Sports". Non ci sono titoli di notizie, non c'è una guida allo streaming oltre alla lista dei canali, che vedi solo se tocchi una partita, e non c'è un feed progettato per trattenerti. Secondo Slate, le quote scommesse compaiono sul tabellone al primo download, ma si possono disattivare per sempre con un interruttore. Restano i nomi delle squadre, i loghi, i record, gli orari di inizio e i punteggi, più una pagina di classifiche.

Dove vanno i soldi

Questa sobrietà va contro la direzione del mercato dei dati sportivi, così come viene venduto a squadre, leghe ed emittenti. Le recenti analisi del settore descrivono un mercato da miliardi di dollari, in crescita a tassi composti a due cifre. I fornitori propongono coinvolgimento dei tifosi guidato dall'IA, intelligence sul ticketing e analisi delle prestazioni come prossimo strato di valore. Quei numeri arrivano da società di ricerche di mercato e comunicati stampa, non da risultati operativi certificati, e le cifre di testa cambiano molto da un rapporto all'altro. La scommessa strategica dietro di esse, però, è sempre la stessa: più dati, più personalizzazione, più motivi per aprire l'app e restarci.

L'autore di Slate, che si definisce un assiduo utilizzatore di app sportive, sostiene che quella scommessa ha prodotto prodotti peggiori. L'app ufficiale della Major League Baseball, un tempo tra le preferite, ora circonda punteggi e video con quello che l'articolo chiama contorno decorativo, che l'ha resa più pesante. L'app di ESPN, scrive l'autore, dà priorità alla TV in diretta e a uno scroll verticale di video chiamato "Verts". La sezione dei punteggi sta in "un vasto mare di altri pulsanti".

Non è il problema più grande del mondo, ma ha creato molta più attrito quando ho provato a usare le mie app sportive preferite per, beh, controllare i punteggi.

Questa è la lamentela di un consumatore, e va letta come tale. Non è la prova che gli investimenti in analisi falliscano. Indica però qualcosa che i fornitori di analisi misurano raramente: il costo dell'interfaccia che consegna l'analisi.

Lo stesso argomento, in un mercato diverso

Un post pubblicato ad agosto da Cassis, un fornitore di analisi dei dati, fa un punto strutturalmente simile sul lavoro sui dati aziendali. La sua tesi è che gli agenti IA non eliminano il costo umano di rendere utili i dati, lo redistribuiscono. Il post prende in prestito un quadro che attribuisce a Hrishi Olickel: schema-on-write contro schema-on-read, ovvero mettere i vestiti subito in un armadio ordinato oppure cercare in un mucchio quando ti serve qualcosa. La scelta, sostiene Cassis, decide se paghi in anticipo o al momento del recupero.

Poi divide il costo in tre parti. Il costo di indicizzazione copre il lavoro iniziale: progettare schemi, scrivere definizioni delle metriche, costruire dashboard e far concordare quattro team su cosa significhi "cliente attivo". Il costo di interrogazione è lo sforzo al momento del recupero: consultare un wiki, scrivere SQL, costruire un prompt o scrivere al team dati. L'affidabilità è se il numero che torna indietro è semanticamente giusto, non solo tecnicamente corretto.

L'esempio pratico è un CFO che chiede quanti clienti enterprise attivi hanno rinnovato l'ultimo trimestre. Prima che qualcuno possa rispondere, qualcun altro deve decidere quale tabella contiene i dati dei clienti, cosa significa "attivo", cosa conta come "enterprise" e quale intervallo di date copre "l'ultimo trimestre" nel calendario fiscale dell'azienda. Ogni sistema dello stack gestisce quella domanda in modo diverso. La questione è chi fa il ragionamento, e quando.

Cassis descrive una rotazione settimanale in una certa azienda, dove una sola persona è dedicata alle domande ad hoc. Assorbe circa il 20% di un team di cinque o sei persone, in modo permanente. Il costo è reale, sostiene il post, ma persiste perché è la via di minore resistenza politica: nessun progetto da finanziare, nessun allineamento tra stakeholder da conquistare, nessun processo da progettare.

Più dati, più decisioni su dove mettere il lavoro

Letti insieme, i due pezzi descrivono lo stesso compromesso a scale diverse. Un'app sportiva che spinge quote live, video verticali e avvisi personalizzati fa una scommessa sull'indicizzazione: investire in anticipo in funzioni che, in teoria, terranno gli utenti coinvolti. Un tabellone essenziale fa una scommessa sull'interrogazione: presuppone che l'utente sappia cosa vuole e si toglie di mezzo.

L'app di Apple non è priva di analisi. Attinge a dati di leghe e competizioni di calcio, tennis, basket e altro. Slate nota che l'autore ha dovuto disattivare le notifiche automatiche dei Pittsburgh Penguins durante i playoff della Stanley Cup, perché l'app riportava gli sviluppi prima della diretta streaming. È una pipeline di dati che funziona abbastanza bene da risultare fastidiosa.

La differenza è dove il prodotto spende il suo budget di complessità. L'autore di Slate dice che la copertura si estende alle partite del Mondiale, alla MLS, alla NWSL, a circa altre 30 leghe di calcio, alla Serie A ecuadoriana, alla Bundesliga di seconda divisione, al tennis maschile e femminile e all'LPGA Tour. Dietro un tocco ci sono box score di base, classifiche e rose. Nulla di tutto ciò è presentato come un feed.

Slate cita un dirigente Apple dall'annuncio dell'app dell'inverno 2024: "Abbiamo creato Apple Sports per dare ai tifosi quello che vogliono, un'app che offre un accesso incredibilmente rapido a punteggi e statistiche." L'articolo lo contrappone al linguaggio tipico dei recenti lanci di prodotti IA, e il contrasto è il punto.

Cosa questo non dimostra

La preferenza di un columnist non è un verdetto di mercato, e il pezzo di Slate non pretende di esserlo. Le organizzazioni sportive vendono biglietti, abbonamenti e pubblicità. I fornitori di analisi che vendono loro rispondono a una domanda commerciale autentica: come si trasforma un controllore passivo di punteggi in un tifoso pagante? Il post di Cassis, intanto, è un fornitore che sostiene che motori di interrogazione più economici non rendono economica l'analisi. È una tesi che sostiene il suo posizionamento. Entrambe le fonti hanno un interesse nella storia che raccontano.

La forma della lamentela, però, vale la pena di essere notata per chi costruisce in questo spazio. Il modo di fallire descritto non è dati mancanti o modelli scadenti. È un prodotto che ha deciso che le proprie metriche di coinvolgimento contano più del compito dell'utente, e ha pagato questo con attrito nel momento esatto in cui l'utente voleva un numero.

L'autore di Slate chiude definendo l'app uno dei due o tre prodotti tecnologici di consumo preferiti degli ultimi due anni, insieme a un pezzo di hardware il cui unico compito è impedire che un telefono funzioni in modi che distraggono. L'abbinamento è deliberato: entrambi sono prodotti che dicono di fare una cosa e poi la fanno. Per le squadre e le leghe a cui oggi vengono vendute dashboard, livelli di avvisi e riassunti IA, questa è la parte scomoda. Il prodotto sportivo più lodato degli ultimi due anni non ha introdotto una sola nuova metrica. Ha solo smesso di nascondere quelle che esistevano già.