【每日一文】吴鼎：A Warning Approach to Mitigating Bandwagon Bias in Online Ratings Theoretical Analysis and Experimental Investigations

Wu, D., Guo, X., Wang, Y., & Chen, G. (2023). A Warning Approach to Mitigating Bandwagon Bias in Online Ratings: Theoretical Analysis and Experimental Investigations. Journal of the Association for Information Systems, Forthcoming.

研究摘要：当前的在线评论系统普遍存在评级偏差。有偏见的评级很可能会导致客户信任破坏和商务智能失效。因此，业界和学界都付出了巨大的努力来遏制评级偏差。在本文中，我们重点关注了从众偏差（bandwagon bias），即由于个体评级向产品平均评级偏移而引起的评级失真（rating distortion），并提出了一种偏差示警方法（bias warning approach）来削弱这种偏差。借鉴灵活校正模型、行为经济学中的估值理论和以往的警示消息研究，我们分两步设计了有效的警示策略。首先，我们从以往研究所广泛采用的“风险预警（risk-alert）”策略入手，结合理论分析和实证经验证据来识别其不足之处。其次，针对这些不足，我们开发了一种补充性的内容设计要素，即“排序任务”，并由此构建了“风险警报+排序任务（risk-alert-with-ranking-task）”的警示策略。基于此，我们实证检验了：在从众偏差出现和不出现的情况下，两种警示策略分别对于个体评级产生怎样的影响。四个受控实验的结果表明：（1）“风险预警”策略可以削弱个体评级中的从众偏差，但当个体评级实际未受从众偏差影响时，该警示策略也会引发不必要的评级失真；(2) “风险警报+排序任务”策略不仅可以削弱个体评级中的从众偏差，也可以有效地避免上述不良的评级失真，因此可以作为一种合格的警示策略。本文的理论贡献主要在于提出了一种合格的从众偏差的解决方案，以及一种通用的在线评级偏差的治理路径，这将有助于提高在线平台的评级信息可靠性，促进电子商务的健康发展。