Когда социальное доказательство облегчает плохое решение

Когда социальное доказательство облегчает плохое решение

user avatar

от me1afon

16 minutes ago


ИИ-инструменты помогали собирать исследования и писать первый черновик этой статьи. Я отредактировал текст и сверил каждую цифру из исследований со статьёй, её официальной аннотацией или опубликованным пересказом; всё это перечислено в конце. Обложка создана ИИ. Подробности в конце.

В пятимесячном эксперименте на новостном сайте исследователи случайным образом добавляли некоторым комментариям один лишний голос «за» ещё до того, как их увидел хоть один читатель. Этот единственный голос делал следующего читателя на 32% более склонным тоже проголосовать «за». В итоге конечный рейтинг таких комментариев оказался в среднем на 25% выше, чем у сопоставимых комментариев без такой «помощи» [1].

С самими комментариями ничего не изменилось. Изменился только видимый сигнал о том, что думают другие.

Это и есть социальное доказательство: когда мы не уверены, как поступить, мы смотрим, что делают другие. Чаще всего это разумный ориентир. Если в ресторане людно, на то обычно есть причина. Но у этого ориентира есть слабое место. Он работает только тогда, когда выбор толпы честен и независим друг от друга, а многие числа, которые мы видим в сети, не соответствуют ни тому, ни другому. Когда это условие нарушено, социальное доказательство не просто не помогает. Оно создаёт ощущение, что плохой выбор безопасен.

Это первая часть новой серии «Влияние и стимулы» о том, как другие люди, правила и вознаграждения определяют, что мы решаем, пишем и публикуем. Она начинается с самого знакомого принципа влияния и исследований о том, где он даёт сбой.

Что такое социальное доказательство и почему оно обычно помогает

Психолог Роберт Чалдини сделал «социальное доказательство» одним из самых известных принципов убеждения. Идея проста: поведение других людей — это информация. Если многие путники выбирают один маршрут, он, вероятно, проходим. Если большинство читателей сайта сохраняют руководство, оно, возможно, полезно.

Такой ориентир экономит время и часто рационален. Проблема не в том, что люди копируют друг друга. Проблема в том, что сигнал может искажаться в трёх местах: когда люди соглашаются с толпой, чья неправота очевидна; когда ранние выборы нарастают как снежный ком и превращаются в рейтинг; и когда толпа ненастоящая. Исследования охватывают все три случая.

Согласие с толпой, которая явно неправа

Классическое исследование — эксперимент Соломона Аша с отрезками, проведённый в 1950-х годах. Один участник сидел в группе людей, которые тайно работали с экспериментатором. Каждый по очереди говорил, какая из трёх линий совпадает с эталонной. Правильный ответ был очевиден. В критических раундах группа давала один и тот же неверный ответ.

Среди 123 реальных участников средняя доля ошибок в этих раундах составила 36,8% [2]. Люди знали, что видят, но примерно в трети случаев говорили то, что говорила группа.

Это старое исследование, а многое в старой социальной психологии не выдержало повторных проверок. Этот результат выдержал. В 2023 году Аксель Францен и Себастьян Мадер из Бернского университета повторили эксперимент со 202 валидными участниками и получили долю ошибок 33% [2]. Когда участникам платили за правильные ответы, доля упала до 25%, но не исчезла [2].

Отсюда два вывода. Давление видимой группы работает, даже когда правильный ответ доступен каждому. А прямой стимул быть правым снижает конформизм, но не устраняет его. В сети давление слабее, чем в комнате, полной незнакомцев, но ситуация обычно сложнее: правильный ответ редко бывает так очевиден, как длина линии.

Когда один ранний голос нарастает как снежный ком

Эксперимент, с которого начинается эта статья, провели Лев Мучник, Синан Арал и Шон Тейлор; он был опубликован в Science в 2013 году [1]. В нём участвовали 101 281 комментарий на сайте-агрегаторе новостей. В момент появления комментарию случайным образом присваивался один положительный голос, один отрицательный голос или ничего.

Результаты оказались несимметричными:

  • Фальшивый положительный голос нарастал как снежный ком. Первый читатель с вероятностью на 32% выше голосовал «за», эффект усиливался со временем, и итоговый рейтинг оказывался в среднем на 25% выше [1].
  • Фальшивый отрицательный голос — нет. Последующие читатели его исправляли, и у таких комментариев итоговые рейтинги оказывались близки к контрольной группе [1].
  • Эффект зависел от темы. Он проявлялся в политике, культуре и бизнесе, но не везде [1].

Один случайный голос «за» под новым комментарием: следующий читатель с вероятностью на 32% выше тоже голосовал «за», итоговый рейтинг оказался в среднем на 25% выше; случайный голос «против» исправили последующие читатели. Мучник, Арал и Тейлор, Science, 2013, 101 281 комментарий.

Авторы делают вывод, что предыдущие оценки создавали значительное смещение в индивидуальном поведении при оценивании [1]. Проще говоря: рейтинг — это не только измерение качества. Отчасти это ещё и запись о том, кто пришёл первым и что он увидел.

Это важно для всякого, кто читает ленту. Лайки, голоса «за» и метки «в тренде» — это подсчёт решений, принятых не независимо. Каждый читатель видел предыдущий счёт, прежде чем добавить свой.

Когда успех становится непредсказуемым

Мэтью Сальганик, Питер Доддс и Дункан Уоттс в 2006 году задали вопрос масштабнее: что происходит со всем рынком, когда люди видят выбор других? Они создали онлайн-рынок музыки, где 14 341 участник слушали и скачивали песни неизвестных групп [3]. Одни участники видели, сколько раз скачали каждую песню; другие нет. Участников, находившихся под социальным влиянием, разделили на несколько отдельных «миров», каждый из которых стартовал с нуля.

Их вывод звучит прямо: «Усиление социального влияния увеличивало и неравенство, и непредсказуемость успеха» [3]. Когда число скачиваний было видно, несколько песен получали гораздо большую долю, причём в разных мирах это были разные песни. Качество по-прежнему имело значение на краях: лучшие песни редко проваливались, а худшие редко преуспевали. Но почти любой другой исход был возможен [3].

Для читателя это значит, что популярное не обязательно лучшее. Возможно, оно просто получило ранний перевес. Для автора это значит, что вирусный пост — слабое доказательство того, что заключённая в нём идея была лучшей в своём роде.

Знаменитый полевой пример слабее своей репутации

Социальное доказательство не всесильно и в обратную сторону, и исследования честно об этом говорят. Известная работа 2008 года Ноа Голдстейна, Роберта Чалдини и Владаса Гриськявичюса сообщала, что гости отеля чаще повторно использовали полотенца, когда на карточке было написано, что так делает большинство гостей: 44,1% против 35,1% со стандартной экологической карточкой, как это резюмирует статья с повторным исследованием [4].

Когда Герд Бонер и Лена Шлютер проверили эту идею в немецких отелях, сообщение о социальной норме не превзошло стандартное экологическое сообщение. В первом исследовании, на 724 случаях, повторное использование составило 81,9% с сообщениями о норме и 83,7% со стандартным; разница не была значимой [4]. Во втором, меньшем исследовании стандартное сообщение сработало лучше [4].

Так что социальное доказательство реально, но неоднородно. Оно зависит от контекста, темы и от того, что люди уже собирались сделать. Это ещё одна причина с осторожностью относиться к тем, кто обещает, что одна фраза вроде «уже присоединились тысячи» надёжно изменит поведение.

Когда толпа сфабрикована

Три описанных выше эффекта исходят из того, что толпа состоит из реальных людей. В некоторых уголках интернета это не так, и крипто — один из них.

Команда под руководством Леонардо Низцоли и Эмилио Феррары проанализировала более 50 млн сообщений почти от 7 млн пользователей Twitter, Telegram и Discord за три месяца [5]. Они обнаружили 296 каналов Telegram, причастных к схемам pump-and-dump, и 432 — к схемам Понци, что «составляет впечатляющие 20%» от всех изученных каналов Telegram [5]. Среди аккаунтов Twitter, делившихся ссылками-приглашениями в Telegram и Discord, более 56% были ботами или заблокированными аккаунтами, а 93% ссылок-приглашений, которыми делились боты Twitter, вели на каналы Telegram с pump-and-dump [5].

Это социальное доказательство, превращённое в инструмент. Многолюдный канал, поток восторженных ответов и большое число подписчиков выглядят как свидетельство того, что другие всё проверили. В этих случаях они были частью схемы.

Регуляторы рассматривают фальшивые сигналы популярности как обман. В августе 2024 года Федеральная торговая комиссия США (FTC) объявила об окончательной редакции правила против фальшивых отзывов и рекомендаций [6]. Среди прочего оно запрещает продавать или покупать фальшивые показатели влияния в социальных сетях, такие как подписчики или просмотры, созданные ботами или взломанными аккаунтами, если покупатель знал или должен был знать, что они фальшивые, и использовал их, чтобы исказить представление о своём влиянии в коммерческих целях [6].

Три условия, при которых ориентир превращается в ловушку

Исследования указывают на три условия. Социальное доказательство вводит в заблуждение сильнее всего, когда:

  1. Счёт не независим. Каждый человек видел предыдущий счёт, прежде чем добавить свой, поэтому ранний перевес, настоящий или подстроенный, растёт сам по себе [1], [3].
  2. Толпа ненастоящая. Подписчики, ответы или участники канала куплены, автоматизированы или скоординированы [5], [6].
  3. Толпа отвечает на другой вопрос. Когда многим нравится пост о токене, это говорит о том, как пост воспринимается при чтении. О том, надёжен ли токен, это говорит мало, а те, кому он нравится, могут им владеть.

Видимая группа может также подтолкнуть человека сказать то, что он знает как неверное, как это делали участники Аша [2]. В публичной ветке возразить сотне восторженных ответов требует больше усилий, чем добавить сто первый.

Пять вопросов, прежде чем число решит за вас

  1. Кто в этой толпе? Видны ли настоящие аккаунты или только число?
  2. Выбирали ли они независимо? Реагировали ли люди на сам предмет или на счётчик, метку «в тренде» или друг на друга?
  3. Что именно они сделали? Лайк, подписка и покупка — разные сигналы. «Все об этом говорят» ничего не измеряет.
  4. Что они получают? Если те, кто хвалит что-то, выигрывают от вашего присоединения, их энтузиазм — это заявление об интересе, а не независимое свидетельство.
  5. Что бы вы решили без этого числа? Закройте счётчик и оцените сам предмет: код, условия, источник, аргумент.

Пять вопросов, прежде чем число решит за вас: кто в толпе, выбирали ли они независимо, что именно они сделали, что они получают, что бы вы решили без числа.

Разобранный пример (вымышленный)

Проект и все приведённые ниже цифры выдуманы, чтобы показать вопросы в деле.

Запускается новый токен: на его странице написано «18 400 держателей», в канале Telegram 52 000 участников, а в закрепе стоит: «Все заходят до листинга».

Прогоним пять вопросов. Число держателей — это число на странице самого проекта; блокчейн-эксплорер показал бы, сколько кошельков держат больше ничтожной суммы и насколько концентрированы активы. Участников канала проверить нельзя, а ссылка-приглашение, пришедшая через волну новых похожих аккаунтов, соответствует паттерну, который описали Низцоли и коллеги [5]. «Все заходят» не называет никого. Те, кто продвигает запуск, выигрывают, если вы купите. Если закрыть числа, остаются настоящие вопросы: кто контролирует предложение, что делает токен и подтвердила ли листинг сама биржа.

Ничто из этого не доказывает, что проект — мошенничество. Это показывает, что социальные сигналы на странице почти не несут информации и решение должно опираться на что-то другое.

Как выглядит честное социальное доказательство

Исследования не говорят, что показывать числа неправильно. Они говорят, что числа должны быть настоящими, датированными и проверяемыми. Для всех, кто публикует, включая этот сайт:

  • Показывайте реальные цифры с датой и источником: «сохранили 240 читателей за первую неделю (аналитика сайта)», а не «все это читают».
  • Не покупайте и не обменивайте подписчиков, лайки или отзывы и не координируйте реакции.
  • Раскрывайте заинтересованность. Если автор владеет активом, о котором пишет, нужно сказать об этом рядом с утверждением.
  • Ставьте в центр доказательства, а не толпу. Ссылка на источник даёт внимательному читателю больше, чем счётчик.

О чём эта статья не может сказать

Описанные здесь эксперименты проводились в конкретных условиях: в лабораторной комнате, на одном новостном агрегаторе, на одном искусственном музыкальном рынке, в отелях определённых стран. Их числа нельзя напрямую переносить на X, Telegram или страницу запуска токена. Исследование крипто охватывало три месяца и три платформы несколько лет назад; доля манипулируемых каналов сегодня может быть выше или ниже. Ничто здесь не измеряет, как социальное доказательство влияет на читателей Dapp.Expert или крипто-медиа в целом; это не проверялось. И это не юридическая и не инвестиционная рекомендация; правило FTC описано лишь как пример того, как регуляторы относятся к фальшивой популярности.

Как сделана эта статья

Задача Что сделал ИИ Что сделал человек Как проверено
Исследование Собрал работы о влиянии и поведении в сети в заметки Выбрал вопрос и исследования, на которые опираться Цифры сверены со статьями, их официальными аннотациями или опубликованными пересказами [1]–[6]; одна цифра в заметках о каналах Telegram была неверной и исправлена по аннотации статьи
Черновик Написал первый черновик по заметкам Отредактировал текст, структуру и разобранный пример Отдельная проверка сверила цифры и утверждения с источниками
Изображения Сгенерировал обложку в стиле фотографии Выбрал иллюстрацию; сделал поясняющие схемы Помечено как созданное ИИ в строке раскрытия и в alt-тексте
Не делал ИИ — Решение о публикации и ответственность за текст —

Конфликт интересов: нет. У автора нет коммерческих отношений с названными исследователями или организациями; токен в примере вымышлен.

Ответственный за эту статью: Дмитрий Ластовка, автор. Исправления: форма обратной связи.

Источники

Метки: paper (рецензируемое исследование, прочитано целиком или по официальной аннотации), summary (опубликованный пересказ работы), official (собственная страница регулятора).

  1. Lev Muchnik, Sinan Aral, Sean J. Taylor, "Social influence bias: a randomized experiment", Science 341 (2013), 647–651. https://doi.org/10.1126/science.1240466 Paper, official abstract. Figures from the BPS Research Digest summary: https://www.bps.org.uk/research-digest/online-initial-positive-rating-surprisingly-influential Summary.
  2. Axel Franzen, Sebastian Mader, "The power of social influence: A replication and extension of the Asch experiment", PLOS ONE (29 November 2023), which also reports Asch's original figures. https://doi.org/10.1371/journal.pone.0294325 Paper.
  3. Matthew J. Salganik, Peter S. Dodds, Duncan J. Watts, "Experimental study of inequality and unpredictability in an artificial cultural market", Science 311 (2006), 854–856. https://doi.org/10.1126/science.1121066 Paper, official abstract.
  4. Noah J. Goldstein, Robert B. Cialdini, Vladas Griskevicius, "A room with a viewpoint", Journal of Consumer Research 35(3) (2008). Gerd Bohner, Lena E. Schlüter, "A Room with a Viewpoint Revisited: Descriptive Norms and Hotel Guests' Towel Reuse Behavior", PLOS ONE (1 August 2014). https://doi.org/10.1371/journal.pone.0104086 Paper.
  5. Leonardo Nizzoli, Serena Tardelli, Marco Avvenuti, Stefano Cresci, Maurizio Tesconi, Emilio Ferrara, "Charting the Landscape of Online Cryptocurrency Manipulation", IEEE Access 8 (2020). https://arxiv.org/abs/2001.10289 Paper, official abstract.
  6. US Federal Trade Commission, "Federal Trade Commission Announces Final Rule Banning Fake Reviews and Testimonials" (14 August 2024). https://www.ftc.gov/news-events/news/press-releases/2024/08/federal-trade-commission-announces-final-rule-banning-fake-reviews-testimonials Official.

Тир I

Сектор: #18291

Запечатанная комната тайников

Resource Cache

Resource Cache

Тир I

Нужно 25% прогресса тира
Meme Cache

Meme Cache

Тир I

Нужно 50% прогресса тира
Equipment Cache

Equipment Cache

Тир I

Нужно 75% прогресса тира

После получения тайники попадут в инвентарь — открыть их можно ключами.

Другие статьи

Как сравнивать авторов, не награждая только первых

Рейтинг по итогам показывает, кто начал раньше. Почему ранние лидеры держатся и как пять поправок помогают честно сравнивать авторов, не наказывая лидеров.

user avatarme1afon

Как сделать рейтинг экспертов объяснимым

Рейтинг экспертов — утверждение о людях, а утверждение должно поддаваться проверке. Четыре части: формула, веса, разбор по строке, апелляция.

user avatarme1afon

Размер аудитории — не авторитет в теме

Число подписчиков показывает, сколько людей выбрали читать аккаунт, а не разбирается ли автор в предмете. Охват и авторитет в теме нужно оценивать отдельно.

user avatarme1afon

Как распознать накрутку метрик в программах для авторов

Числа, за которые платят авторам, привлекают тех, кто делает число, а не работу. Три способа накрутки, семь признаков и почему признак ещё не доказательство.

user avatarme1afon

Как стимулы для авторов меняют то, что публикуют

Facebook поощрил комментарии, и издатели ушли в скандал. Spotify считал короткие прослушивания, и шумовые треки стали короче. Шесть случаев и пять вопросов.

user avatarme1afon

Как измерить вклад автора, если не считать объём публикаций

Число публикаций считать проще всего, но оно говорит о вкладе автора меньше всего. Пять слоёв вклада по правилам платформ и исследованиям — и что видит каждый.

user avatarme1afon

Важное примечание: Информация, представленная на портале Dapp.Expert, предназначена исключительно для ознакомительных целей и не является рекомендацией к инвестициям или руководством к действию. Команда Dapp.Expert не несет ответственности за возможные убытки или упущенную выгоду, связанные с использованием материалов, опубликованных на сайте. Перед принятием инвестиционных решений рекомендуем проконсультироваться с квалифицированным финансовым советником.