লেবেল ভুল, স্যাম্পল শূন্য: 'ইস্পোর্টস' ফিডে ঢুকে পড়া একটি কসপ্লে ফটো-সেটের অটোপসি

গত বুধবার সকালে ডেটা পাইপলাইনে সাতটি নতুন আইটেম ঢুকল। লেবেল ছিল "ইস্পোর্টস"। ফাইলটা খুলতেই দেখি শিরোনামে মোবাইল গেম, ছবিতে র্যাবিট-ইয়ার হেডব্যান্ড আর সাদা উইগ পরা একজন কসপ্লেয়ার, আর মূল টেক্সটে একটিও টুর্নামেন্ট নাম, রসটার তালিকা, প্যাচ নম্বর বা স্কোরলাইন নেই। স্টেজ-১ ডিকনস্ট্রাকশন চালিয়ে আমি ২২টি ইনফরমেশন পয়েন্ট চিহ্নিত করলাম: ১৭টি ক্যারেক্টার ডিজাইন, পোশাকের ফিডেলিটি আর ভঙ্গি নিয়ে; ৫টি পার্শ্ববর্তী লিংকের শিরোনাম — যার একটি পাবজি এশিয়া স্টারস সংক্রান্ত বিতর্ক, আরেকটি একটি ভিয়েতনামি স্টুডিও প্রধানের বিরুদ্ধে কপিরাইট মামলা। প্যাচ, টুর্নামেন্ট, রসটার, ফিন্যান্স, গভর্ন্যান্স — এই পাঁচটি ঘরে রেকর্ড করা তথ্যবিন্দুর সংখ্যা শূন্য।

সাতটি আইটেমের মধ্যে ছয়টি ছিল স্বাভাবিক সংবাদ। একটি ছিল শ্রেণিবিন্যাস ত্রুটি। এই লেখা সেই একটির অটোপসি, এবং সেই সঙ্গে একটি প্রশ্নের উত্তর: একটি ফ্যান-কনটেন্ট প্রতিবেদন কেন একটি কম্পিটিটিভ ডেটা লাইনে ভুল সংকেত তৈরি করে, আর সেটি আটকাতে হলে কী মাপতে হয়।

প্রথমে বিষয়টা কী, সেটা স্পষ্ট করা দরকার। সূত্রপ্রবন্ধটি আজুর লেন নামের একটি মোবাইল গ্যাচা গেমের চরিত্র শিমাকাজে নিয়ে এক কসপ্লে ফটো-সেটের পরিচিতি। শিমাকাজে সাকুরা এম্পায়ার ধ্বংসকারী শ্রেণির একটি চরিত্র; ডিজাইনের স্বাতন্ত্র্য — লম্বা র্যাবিট-ইয়ার, সাদা চুল, নাবিক-সুলভ ইউনিফর্ম — এমন যে সাজে অতিরিক্ত মঞ্চসজ্জা ছাড়াই ফ্যান চিনে ফেলেন। ফটো-সেটে চরিত্রটি তুলেছেন Tieshou Jiaoshou নামে একটি কসপ্লে অ্যাকাউন্ট, যার মূল্যায়ন হয়েছে পোশাকের নির্ভুলতা, ভঙ্গি আর অভিব্যক্তির নিরিখে। আজুর লেন চরিত্র-সংগ্রহের গেম; এর কোনো উল্লেখযোগ্য প্রতিযোগিতামূলক ইস্পোর্টস সার্কিট নেই, টির-ওয়ান লিগ নেই, পিক-ব্যান ডেটা নেই। অর্থাৎ যে ফ্রেমওয়ার্কে আমি সাধারণত লিখি, তার প্রায় প্রতিটি স্তম্ভ এখানে খালি ঘরে ফিরে আসে।

আমি কেন প্রথমেই লেবেল যাচাই করি, তার কারণ ২০১৭ সালের একটি অ্যাসাইনমেন্ট। ব্রুকলিনের একটি স্পোর্টস-বেটিং ডেটা স্টার্টআপে তৃতীয় অ্যানালিস্ট হিসেবে যোগ দেওয়ার পর আমার প্রথম কাজ ছিল ২০১৪ থেকে ২০১৭ পর্যন্ত ১,১৪০টি প্রিমিয়ার লিগ ম্যাচের বিপরীতে শট-কোয়ালিটি মডেলের ব্যাক-টেস্ট। ফলাফল ছিল নিরুত্তাপ: পজেশন-ওয়েটেড xG কাঁচা শট-সংখ্যার চেয়ে এগিয়েছিল মাত্র ০.০৩ গোল প্রতি ম্যাচে, কিন্তু শট-লোকেশন ওয়েটিং ক্লোজিং-লাইন প্রেডিকশনে উন্নতি এনেছিল ৪.১ শতাংশ। সেই সংখ্যাগুলো নিয়েই আমার প্রথম লেখা, দশম দশমিক পর্যন্ত ফুটনোট করা। ব্যাক-টেস্ট আগে এসেছে; বাইলাইন ছিল শুধু রসিদ। সেই অভ্যাস থেকেই আমি যেকোনো লেখার আগে স্যাম্পল সাইজ, তারিখের পরিসর আর ডেটার উৎস লিখে দিই — এই সূত্রপ্রবন্ধটিও তার ব্যতিক্রম নয়, আর সেই জায়গাতেই সমস্যাটা ধরা পড়ে।

নয় মাত্রার অডিট চালিয়ে সাতটিতে উত্তর এসেছে "অপর্যাপ্ত তথ্য"। প্যাচ ও মেটা বিশ্লেষণে কোনো ভার্সন নম্বর নেই; টুর্নামেন্ট কাঠামোয় কোনো বাছাইপথ বা সিরিজ দৈর্ঘ্য নেই; রসটার বিশ্লেষণে খেলোয়াড় নেই, আছেন একজন কসপ্লেয়ার; আঞ্চলিক তুলনায় কোনো টিয়ার-স্ট্রাকচার নেই; ক্লাব ফিন্যান্সে কোনো চুক্তি বা স্পনসরশিপ নেই; গভর্ন্যান্স চেকলিস্টে শুধু একটি পরোক্ষ সূত্র — কপিরাইট মামলার শিরোনাম, যেটি ভিন্ন প্রবন্ধের বিষয়। যে দুই মাত্রা কিছু ফেরত দেয়, সেগুলো হলো পাবলিক ন্যারেটিভ এবং ইন্ডাস্ট্রি ট্রান্সমিশন।

মূল কথা হলো, এখানে দুটি আলাদা মাপ আছে যেগুলো একই শব্দে ডাকা হয় — কম্পিটিটিভ ভ্যালু আর ট্রাফিক ভ্যালু। আজুর লেনের ক্ষেত্রে দ্বিতীয়টি বাস্তব এবং পরিমাপযোগ্য: চরিত্র-ভিত্তিক আইপি, আর তার ডেরিভেটিভ ফ্যান ইকোনমি। কসপ্লে, ফ্যান-আর্ট, শর্ট ভিডিও — এগুলো গেমের আইপি নাগাল বাড়ায়, আর গ্যাচা গেম মনিটাইজ করে ঠিক সেই চরিত্র-আবেগ দিয়ে, প্রতিযোগিতামূলক পারফরম্যান্স দিয়ে নয়। এ কারণেই কসপ্লের ভলিউম একটি গুরুত্বপূর্ণ সফট সিগন্যাল, যা ক্লাব-টুর্নামেন্ট-ব্রডকাস্ট চেইনের বাইরে দাঁড়িয়ে প্রকাশকের মার্কেটিং বিভাগকে খবর দেয়। ট্রান্সমিশন ম্যাপটা তাই সরল: আইপি থেকে ফ্যান-ক্রিয়েটর, ফ্যান-ক্রিয়েটর থেকে তর দর্শক। মাঝখানে কোনো ক্লাব নেই, কোনো লিগ নেই, কোনো বাজি-বাজার নেই।

তবু আমি এই সিগন্যালকে গুরুত্বহীন বলছি না। ২০২০ সালের মে থেকে জুলাইয়ের মধ্যে আমি বুন্দেসলিগার ৮১টি, প্রিমিয়ার লিগের ৯২টি আর লা লিগার ১১০টি বন্ধ-দরজার ম্যাচ লগ করেছিলাম। ঘরের দল জেতার হার ৪৩.২ শতাংশ থেকে নামল ৩৩.৭ শতাংশে; ঘরের দলের পেনাল্টি কমল ৩১ শতাংশ। আমার নিয়োগকর্তা এপ্রিলে এক-তৃতীয়াংশ কর্মী ছাঁটাই করলেন, আর আমি চাকরিটা ধরে রাখলাম একটি পুনঃক্রমাঙ্কিত হোম-অ্যাডভান্টেজ কো-এফিশিয়েন্ট জমা দিয়ে — প্রতি ম্যাচে ০.৪১ গোল থেকে ০.২৮ গোল, বুন্দেসলিগা পুনরায় শুরুর এগারো দিন আগে। খালি স্টেডিয়াম, আলাদা অঙ্ক। সেই অভিজ্ঞতা আমাকে শিখিয়েছে, কোনো ভেরিয়েবলকে ধ্রুবক ধরে নেওয়াই একদিন সবচেয়ে বড় ভুল হয়ে দাঁড়ায় — ফ্যান-কনটেন্টেও ঠিক একই নিয়ম খাটে।

সিগন্যাল মাপার একটি সৎ উপায় আছে, যেটি আমি ইউরো ২০২০-র পর থেকে ব্যবহার করি। টুর্নামেন্টে ৫১টি ম্যাচ ট্র্যাক করে দেখেছিলাম ২৪ দলের ১৪টি কোনো এক সময়ে থ্রি-ব্যাক ব্যবহার করেছে, যা ইউরো ২০১৬-তে ছিল মাত্র ছয়টি। আমার মডেল উইং-ব্যাক ক্রসিং চেইনকে কম গুরুত্ব দিয়েছিল, আর গ্রুপ স্টেজে আমি ৬.৮ ইউনিট হারি। আমি টুর্নামেন্টের মাঝপথে মডেল বদলাইনি; ফাইনালের পরে অডিট চালিয়ে ১৯ দিনে ৩৪০টি সেরি আ ও বুন্দেসলিগা ম্যাচ দিয়ে ফুলব্যাক মডিউল নতুন করে বানিয়েছি। কসপ্লে সিগন্যালের ক্ষেত্রেও ওই একই শৃঙ্খলা দরকার: ডেরিভেটিভ কনটেন্ট ভলিউমকে প্রথমে ফলোয়ার-বেস আর প্ল্যাটফর্ম-অ্যালগরিদম পরিবর্তনের জন্য নরমালাইজ করতে হবে, তারপর ব্যানার-আপ রেট, প্যাচ সাইকেল আর চরিত্রের বার্ষিকী তারিখ নিয়ন্ত্রণ করে তবেই কোনো বাড়তি প্রভাব দাবি করা যায়।

এখানেই আমার মূল আপত্তি, আর সেটি স্পষ্ট করে বলা দরকার। সূত্রপ্রবন্ধে বলা হয়েছে, কসপ্লটি "সহজেই দৃষ্টি আকর্ষণ করে"। এটি একটি প্রচারবাক্য, পরিমাপ করা ফলাফল নয়। এনগেজমেন্ট ডেটা নেই, প্রকাশের তারিখ মেটাডেটায় অনুপস্থিত, নমুনার আকার এক। আপাত পরিসংখ্যানে দুর্দান্ত দেখানো একটি ফলাফল, ভবিষ্যৎ-পরীক্ষার কাগজপত্র ছাড়া, কেবল প্রশংসাপত্র।

এখন সেই অংশটি যেখানে আমার চেনা গল্পটি উল্টো হয়ে যায়। সহজ সিদ্ধান্তটি হলো — এই প্রতিবেদন পাইপলাইনে থাকার যোগ্য নয়, লেবেল সরিয়ে ফেললেই কাজ শেষ। কিন্তু এই সিদ্ধান্তটিই সবচেয়ে বড় ঝুঁকি তৈরি করে, কারণ ফ্যান-কনটেন্টকে "খেলাধুলা নয়" বলে ঝেড়ে ফেললে একটি সত্যিকারের লিডিং ইন্ডিকেটর হারিয়ে যায়। গ্যাচা আইপিতে ব্যানার আয় সাধারণত ল্যাগিং: চরিত্র চালু হওয়ার পরে সংখ্যা আসে। ডেরিভেটিভ কনটেন্টের গতি বরং আগে বাড়ে। তবে পারস্পরিক সম্পর্ক আর কারণ এক নয় — কসপ্লের ঢেউ একটি রেট-আপ ব্যানারের ফলও হতে পারে, একটি অ্যানিমে সিজনের ফলও হতে পারে, বা কোনো প্ল্যাটফর্মের সুপারিশ অ্যালগরিদমের সাইড-ইফেক্টও হতে পারে। নিয়ন্ত্রণ না করে ওই ঢেউকে "চাহিদার প্রমাণ" বলা berarti একটি সুন্দর ব্যাক-টেস্টে মাতোয়ারা হয়ে ভবিষ্যৎ পরীক্ষার কথা ভুলে যাওয়া।

আসল সম্পদ-ঝুঁকিটি তাই প্রতিযোগিতামূলক নয়, পরিকাঠামোগত: শ্রেণিবিন্যাস সংক্রমণ। যদি স্বয়ংক্রিয় স্ক্র্যাপার এই ফাইলটিকে ইস্পোর্টস ডেটাবেসে ঢুকিয়ে দেয়, অটো-ট্যাগিং আজুর লেনকে একটি ইস্পোর্টস টাইটেল হিসেবে চিহ্নিত করে ফেলতে পারে, আর তারপর ওই ভুয়া এনটিটি প্রতিটি ডাউনস্ট্রিম রিপোর্টে ছড়িয়ে পড়ে। আমার নিজের পূর্ণাঙ্গ অডিটে এই একক ঝুঁকিটির মাত্রা মাঝারি, সম্ভাবনা উচ্চ। বাকি সব ক্যাটেগরিতে — আর্থিক, কর্মী, নিয়ম — ঝুঁকি মূলত অপ্রযোজ্য, কারণ তথ্যই নেই।

পরের ধাপের সংকেত কী? প্রথমত, প্রতিটি ফিডে কনটেন্ট-টাইপ প্রি-ফিল্টার বসাতে হবে, যা কম্পিটিটিভ কনটেন্টকে ফ্যান, মার্চ ও কসপ্লে কনটেন্ট থেকে আলাদা করবে। দ্বিতীয়ত, ডেরিভেটিভ কনটেন্ট ভলিউমকে ৯০ দিনের পর্যবেক্ষণ উইন্ডোতে রাখতে হবে, ডিকে-অ্যাসাম্পশন লিখিত অবস্থায়। তৃতীয়ত, পার্শ্ববর্তী লিংকগুলোর ট্যাগ মূল প্রবন্ধের বিষয় থেকে আলাদা রাখতে হবে, কারণ এই ফিডে জেনুইন ইস্পোর্টস গল্প — পাবজি এশিয়া স্টারস ধরনের — সত্যিই আছে, শুধু ভুল জায়গায় বসানো।

আমার মন বদলাবে কীসে? যদি টানা তিনটি লেবেলযুক্ত প্রতিবেদন সঠিকভাবে প্যাচ নম্বর, রসটার আর আঞ্চলিক টিয়ার নিয়ে আসে, আমি প্রি-ফিল্টারের ওজন কমিয়ে দেব। আর যদি কোনো এক মাসে ভুল লেবেলযুক্ত আইটেম পাঁচ শতাংশের বেশি হয়, আমি পুরো ফিডটিকে কম-নির্ভরযোগ্য উৎসের তালিকায় নামিয়ে দেব এবং প্রতিটি প্রেডিকশনে কনফিডেন্স ইন্টারভ্যাল আরও চওড়া করব।

মডেল ল্যাগ স্বীকারোক্তি: আমার নম্বরগুলো এই মুহূর্তে জানে না কোন প্ল্যাটফর্ম, কোন ভাষার অ্যাকাউন্টে কত ফলোয়ার — অর্থাৎ ফ্যান-ইকোনমির মূল ভরটুকু আমি এখনো অন্ধভাবে দেখছি, যা আমার যেকোনো আইপি-সংক্রান্ত দাবিকে অস্থায়ী করে রাখে।

আমার বছরের পর বছর ধরে ম্যাচ দেখার অভিজ্ঞতা বলে, পিচে যা ঘটে তা প্রায়ই গল্পের চেয়ে ধীর, আর গল্প প্রায়ই সংখ্যার চেয়ে দ্রুত। বুধবারের ওই ফাইলটি শুধু একটি ভুল লেবেল নয় — এটি মনে করিয়ে দেয়, একটি ইস্পোর্টস ডেটা লাইনে আসল শত্রু ভুল প্রেডিকশন নয়, বরং ভুল প্রশ্ন। ঠিক কতজন মানুষ একটি কসপ্লে ছবি দেখেছেন, সেটি আমি আজ জানি না; কিন্তু কতগুলো প্রতিবেদন ভুল নামে আমার টেবিলে পৌঁছাল, সেটি আমি প্রতিটি সকালে গুনতে পারি।