Learning through Ratings under Endogeneous Product Quality
Diese Arbeit analysiert, wie Bewertungssysteme sowohl das Lernen der Konsumenten als auch die Anreize der Verkäufer in Märkten mit endogener Produktqualität beeinflussen, wobei durch strukturelle Schätzung und kontrafaktische Experimente nachgewiesen wird, dass die Manipulation von Bewertungen die Marktergebnisse schädigt, während die Nachsicht bei Bewertungen den Umsatz, die Qualität und die Wohlfahrt verbessert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In dem riesigen, unsichtbaren Marktplatz des Internets besteht ein seltsames Problem fort: Man kann das Produkt nicht anfassen, bevor man es kauft. Wenn man eine Ferienunterkunft bucht oder online eine Mahlzeit bestellt, vertraut man auf das Wort eines Fremden und ein paar Sternebewertungen, um zu erfahren, wie das Erlebnis sein wird. Diese Lücke zwischen dem, was ein Verkäufer weiß, und dem, was ein Käufer weiß, wird als asymmetrische Information bezeichnet. Ökonomen sind schon lange besorgt, dass diese Lücke zu zwei schlechten Ergebnissen führt. Erstens zum „Lemons“-Problem, bei dem schlechte Produkte gute verdrängen, weil die Käufer den Unterschied nicht erkennen können. Zweitens zum Problem des „Moral Hazard“ (moralisches Wagnis), bei dem Verkäufer vielleicht an der Qualität sparen oder aufhören, sich anzustrengen, weil sie wissen, dass die Käufer ihre täglichen Bemühungen nicht sehen können. Um dies zu beheben, bauten digitale Plattformen Bewertungssysteme auf. Diese Sterne sollen zwei Dinge gleichzeitig tun: Sie sollen dem nächsten Kunden sagen, was ihn erwartet, und sie sollen den aktuellen Verkäufer dazu drängen, sein Produkt in gutem Zustand zu halten. Aber es ist nicht immer klar, ob diese beiden Ziele zusammenwirken oder ob sie in entgegengesetzte Richtungen ziehen.
Eine neue Studie von Forschern der University of California, Berkeley, und der Nova School of Business and Economics in Portugal geht dieser Frage mit einem einzigartigen Fenster zur realen Welt auf den Grund. Sie konzentrierten sich auf den Markt für Kurzzeitmieten, die Branche hinter Plattformen wie Airbnb, in der Gastgeber Häuser für kurze Aufenthalte vermieten. In dieser Welt ist die Qualität nicht fixiert; ein Haus kann schmutzig werden, Möbel können kaputtgehen und ein Gastgeber kann sich entscheiden, es zu reparieren oder es zu ignorieren. Die Forscher hatten Zugang zu einem seltenen Datensatz einer Managementagentur, die hunderte dieser Vermietungen verwaltet. Im Gegensatz zu den meisten Studien, die nur die endgültige Sternebewertung sehen, zeigte dieser Daten den Forschern genau, wann ein Gastgeber Geld für eine Grundreinigung, eine Dachreparatur oder neue Bettwäsche ausgegeben hat. Sie konnten das ausgegebene Geld und den Zeitpunkt dieser Bemühungen sehen und sie direkt mit den darauffolgenden Bewertungen verknüpfen. Dies ermöglichte es ihnen, den unsichtbaren Tanz von Anstrengung und Ruf in Echtzeit zu beobachten, anstatt nur darüber zu spekulieren.
Die Forscher bauten ein detailliertes Computermodell, um zu simulieren, wie diese Märkte über einen langen Zeitraum funktionieren, wobei sie die Interaktion zwischen Gastgebern und Gästen als ein kontinuierliches Spiel behandelten. Sie fanden heraus, dass das System voller Strategien steckt. Wenn ein Gastgeber eine schlechte Bewertung erhält, schüttelt er sie nicht einfach ab; er ist in den folgenden Wochen signifikant wahrscheinlicher bereit, Geld für Wartungsarbeiten auszugeben, um seinen Ruf zu reparieren. Dies beweist, dass die Angst vor einer schlechten Bewertung ein mächtiger Motivator ist. Auf der anderen Seite lernen Gäste ständig dazu. Wenn eine Immobilie eine hohe Durchschnittsbewertung hat, buchen mehr Menschen sie. Aber auch die Anzahl der Bewertungen spielt eine Rolle. Wenn eine Immobilie eine hohe Bewertung, aber sehr wenige Bewertungen hat, sind die Gäste vorsichtig. Wenn sie eine hohe Bewertung und viele Bewertungen hat, fühlen sich die Gäste sicher. Wenn eine Immobilie jedoch eine niedrige Bewertung hat, schadet das Hinzufügen von mehr Bewertungen ihr tatsächlich, weil sich die schlechten Nachrichten anhäufen und die geringe Qualität bestätigen.
Die Studie entdeckte auch, dass nicht alle Vermietungen gleich sind. Die Forscher unterteilten die Inserate in zwei Gruppen: „Value“-Objekte (preiswerte Objekte), die kleiner, günstiger und häufiger gebucht werden, und „Premium“-Objekte, die größer, teurer und in besseren Gegenden liegen. Die Premium-Gastgeber, die mehr zu verlieren haben, reagieren stärker auf schlechte Nachrichten und sind effizienter darin, ihr Wartungsgeld in bessere Bewertungen umzuwandeln. Die Value-Gastgeber sind zwar ebenfalls reaktionsfähig, stehen aber unter einem anderen Satz von Druck und Kosten. Dieser Unterschied ist wichtig, wenn man darüber nachdenkt, wie man das Bewertungssystem selbst gestalten sollte.
Um zu testen, wie das System verbessert oder gestört werden könnte, führten die Forscher eine Reihe von Kontrafaktum-Experimenten durch. Sie fragten: Was passiert, wenn die Plattform gefälschte Bewertungen zulässt? Oder was passiert, wenn die Plattform schlechte Bewertungen entfernt, die durch Dinge außerhalb der Kontrolle des Gastgebers verursacht wurden, wie etwa einen Sturm oder einen Stau? Die Ergebnisse waren drastisch und asymmetrisch. Als die Forscher eine Welt simulierten, in der zwanzig Prozent der Bewertungen gefälschte Fünf-Sterne-Bewertungen waren, verschlechterte sich der Markt. Selbst wenn die Gäste klug genug waren, um zu wissen, dass einige Bewertungen gefälscht waren, reduzierten die Gastgeber dennoch ihre Wartungsbemühungen. Warum? Weil die gefälschten Bewertungen es schwieriger machten, dass das Bewertungssystem schlechtes Verhalten bestraft. Die Gastgeber erkannten, dass sie mit weniger Aufwand durchくらい kamen, und die Qualität der Häuser sank. Die Buchungsraten und die tatsächliche Qualität der Aufenthalte gingen zurück, was alle Beteiligten schädigte.
Im Gegensatz dazu simulierten die Forscher eine Politik der „Bewertungsverzeihung“, bei der die Plattform dreißig Prozent des negativen Rauschens entfernte – also schlechte Bewertungen, die durch Pech statt durch schlechten Service entstanden waren – und der Markt verbesserte sich. Durch das Entfernen dieser unfairen Strafen wurde das System zu einem klareren Signal für echte Qualität. Die Gastgeber, die sahen, dass ihre harte Arbeit weniger wahrscheinlich durch eine zufällige schlechte Bewertung bestraft wurde, investierten mehr in die Wartung. Die Qualität der Häuser stieg und die Gäste buchten häufiger. Dieser Effekt war besonders stark bei den Premium-Objekten, bei denen die Gastgeber ohnehin bereits sensibler auf ihren Ruf reagierten.
Die zentrale Entdeckung dieser Arbeit ist, dass Bewertungssysteme nicht nur passive Bestenlisten sind, sondern aktive Motoren, die das Verhalten steuern. Das Hinzufügen von positivem Rauschen, wie gefälschten Fünf-Sterne-Bewertungen, ist schädlich, weil es den Anreiz zur harten Arbeit abschwächt. Das Entfernen von negativem Rauschen hingegen ist vorteilhaft, weil es die guten Arbeiter vor Pech schützt und sie dazu ermutigt, weiterhin gute Arbeit zu leisten. Die Studie legt nahe, dass digitale Marktplätze florieren können, wenn das Design des Bewertungssystems die Notwendigkeit von Information und die Notwendigkeit der Motivation der Verkäufer sorgfältig ausbalanciert. Es reicht nicht aus, einfach nur die Sterne zu zeigen; die Plattform muss sicherstellen, dass diese Sterne auch tatsächlich die dahinterstehende Anstrengung widerspiegeln.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.