Onderzoek wijst uit: positieve beoordelingen zorgen voor sneeuwbaleffect, negatieve niet

13 augustus 2013, 11:30

Ik ben onlangs begonnen in het boek 'Everything is obvious' van Duncan Watts. In zijn boek schetst hij hoe moeilijk het is om het gedrag van het individu te voorspellen. Laat staan als je gaat kijken naar groepen mensen. In reactie op de ander maken mensen om uiteenlopende redenen andere beslissingen. Het onderzoeken van sociale invloed onder groepen mensen is enorm complex. Vandaar dat het pas met de komst van het web mogelijk is om dit in real-life situaties te testen.

Sinan Aral, naast Duncan Watts een van de pioneers op het gebied van onderzoek naar sociale invloed, heeft afgelopen week de resultaten gepubliceerd van een nieuw wetenschappelijk onderzoek naar de invloed van ratings van reacties op een nieuws-aggregatie platform. Uit het onderzoek blijkt dat positieve ratings kunnen rekenen op een sterk sneeuwbaleffect. Het omgekeerde effect is ook waargenomen, maar wel veel minder sterk.

Wat is er onderzocht?

Voor het onderzoek, dat gepubliceerd is in het tijdschrift Science, hebben de auteurs 5 maanden lang een experiment gedaan op een grote nieuws-aggregatie website. Welke website dat is, is niet bekend gemaakt, maar het gaat om een website ter grootte van Reddit.

De onderzoekers pastten systematisch de beoordelingen aan van willekeurige reacties op de site, om te zien welke invloed het had op de oordeel van de lezers. Totaal zijn er 101.281 reacties aangepast. Op deze manier konden de onderzoekers zien hoe lezers anders reageerden op dezelfde reactie, alleen dan met een andere beoordeling.

Deze methode was noodzakelijk omdat het doorgaans moeilijk is om sociale invloed van het effect van hoge kwaliteit te scheiden. Aral: “It’s hard to distinguish the effect of high quality from the effect of social influence bias. It could be that past positive ratings have snowballed to create a high score, or it could just be that those items likely to get high scores are just of high quality.

Positieve beoordeling zorgt voor herding effect

Wat bleek? De reacties waarbij de beoordelingen positief waren gemanipuleerd konden rekenen op 25 procent hogere beoordeling van andere websitebezoekers.

This herding behavior happens systematically on positive signals of quality and ratings,” legt Sinan Aral uit. Het omgekeerde gebeurt ook bij negatieve manipulaties. De toename van het aantal negatieve beoordelingen werd echter overschaduwd door, wat de onderzoekers noemen, het “correctie-effect” van additionele positieve beoordelingen. Aral legt uit wat zij hiermee bedoelen: “People are more skeptical of negative social influence. They’re more likely to ‘correct’ a negative vote and give it a positive vote.

De kracht van het herding effect loopt sterk uiteen per onderwerp. Politiek, cultuur, maatschappij en business konden rekenen op sterke positieve effecten, terwijl dat niet gold voor economie, IT, humor en algemeen nieuws.

Wat betekent dit voor de marketeer?

Hoewel dit fenomeen aan de oppervlakte positief klinkt, waarschuwen de onderzoekers dat je moet oppassen wanneer je hier mee aan de slag gaat, bv. bij het (onterecht) manipuleren van online beoordelingen. De gemanipuleerde beoordelingen weerspiegelen immers niet de werkelijkheid.

Dergelijke 'bubbles' komen echter ook in de werkelijkheid voor en kunnen flinke impact hebben. Neem de woningmarkt, zo legt Aral uit: “The housing bubble was a spread of positivity, but when it burst, some people lost their savings and their houses went underwater. Stock bubbles represent a positive herding, and they can be dramatically bad in the wrong context.

Duncan Watts, die ik aan het begin van het artikel al aanhaalde, heeft op de site van het MIT gereageerd op het onderzoek. Hij vindt met name het correctie-effect interessant: “[it is an] interesting finding that positive manipulations persist whereas negative ones tend to be counteracted by ‘friends’ stepping in to correct them.

Hij merkt terecht op dat het de vraag is in hoeverre dat een universeel effect is, of dat het alleen voor de onderzochte site geldt. Dat geldt overigens voor veel vragen die opborrelen. Waarom geldt het voor sommige onderwerpen wel en voor anderen niet? Het onderzoek is in die zin ook vooral exploratief, er is helaas nog maar weinig goed onderzoek gedaan naar sociale invloed binnen groepen. In de intro haalde ik al aan dat Watts in zijn boek beschrijft hoe lastig het is om sociale invloed te onderzoeken.

Our message is not that we should do away with crowd-based opinion aggregation,” zo sluit Aral af. “Our point is that you need solid science under the hood trying to understand exactly how these mechanisms work in a broad population, what that means for the diffusion of opinion, and how can we design the systems to be fair, to have less incentives for manipulation and fraud, and be safe in aggregating opinions.

Bron: Lev Muchnik, Sinan Aral, Sean J. Taylor. “Social Influence Bias: A Randomized Experiment“, Science 9 August 2013: Vol. 341 no. 6146 pp. 647-651.

Lees verder:

Afbeelding: wxwillet (cc)

Danny Oosterveer
Data-gedreven digital marketeer bij Datasexual

Data-gedreven digital marketeer. Resident bij Amdax en Woonduurzaam. Daarnaast vertel ik vaak als spreker over data-gedreven marketing. Auteur van het boek Data-bedreven marketing. Eén van de twee Groene Nerds.

Categorie
Tags

Marketingfacts. Elke dag vers. Mis niks!