Beyond Demographic Profiling: Cross-Economy Variation in Payment Responses to Unsolicited Money Requests
Unter Verwendung von Global Findex 2025-Daten aus 75 Volkswirtschaften zeigt diese Studie, dass die Standardisierung nach demografischen Merkmalen nur einen vernachlässigbaren Teil der Variation zwischen den Volkswirtschaften bei Zahlungsreaktionen auf unaufgeforderte Geldanfragen erklärt, was darauf hindeutet, dass Verbraucherschutzstrategien kontextbezogene und anfrage-spezifische Faktoren gegenüber demografischem Profiling priorisieren sollten.
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
Jeden Tag erhalten Millionen von Menschen unerwartete Nachrichten von Fremden, die nach Geld fragen. Diese Anfragen kommen als Telefonanrufe oder Textnachrichten und geben oft vor, von einer Bank, einem Regierungsbeamten oder einem Verwandten in Not zu sein. Für Verbraucherschutzbehörden und Forscher war lange Zeit eine zentrale Frage, wie man identifiziert, wer am ehesten auf diese Anfragen hereinfällt. Der traditionelle Ansatz stützt sich auf das demografische Profiling: die Vorstellung, dass bestimmte Gruppen von Menschen, definiert durch ihr Alter, ihr Geschlecht, ihre Bildung oder ihren Wohnort, von Natur aus anfälliger sind für Finanzbetrug. Dies ist eine praktische Strategie, da diese Details leicht zu beobachten und zu erfassen sind. Eine wachsende Zahl von Forschungsarbeiten deutet jedoch darauf an, dass Verwundbarkeit keine feste Eigenschaft einer Person ist, sondern eine Situation, die aus der Interaktion zwischen einer Person und ihrer Umgebung entsteht. Diese Studie stellt eine spezifische, präzise Frage: Wenn wir uns Menschen ansehen, die bereits eine solche Anfrage erhalten haben, erklärt ihr Hintergrund, warum einige Geld senden und andere nicht?
Um dies zu beantworten, wandten sich die Forscher an eine massive globale Umfrage, die als Global Findex Database bekannt ist und Informationen von über 140.000 Menschen auf der ganzen Welt gesammelt hat. Sie konzentrierten sich auf eine spezifische Gruppe: 13.766 Erwachsene aus 75 verschiedenen Volkswirtschaften, die angaben, eine unerwünschte Anfrage zur Geldzahlung auf ihrem Mobiltelefon erhalten zu haben. Die Forscher waren sorgfältig darin, die Erfahrung des Kontaktiertwerdens von der Tat des Bezahlens zu trennen. Sie zählten nicht die Menschen, die niemals eine Nachricht erhielten, als „erfolgreiche“ Opfer, die Widerstand geleistet hatten; sie betrachteten nur diejenigen, die tatsächlich eine Anfrage erhielten und sich dann dazu entschieden, das Geld zu senden. Diese Unterscheidung ist entscheidend, da die Faktoren, die jemanden dazu bringen, wahrscheinlich Zielscheibe zu sein, andere sein können als die Faktoren, die jemanden dazu bringen, zu bezahlen.
Das Team begann damit, die Rate zu berechnen, mit der Menschen in jeder der 75 Volkswirtschaften nach Erhalt einer Anfrage Geld sendeten. Sie fanden eine große Lücke zwischen den Ländern mit den niedrigsten Zahlungsraten und denen mit den höchsten. Vor jeglichen komplexen Anpassungen betrug der Unterschied zwischen den obersten 10 Prozent der Volkswirtschaften und den untersten 10 Prozent 16,75 Prozentpunkte. Mit anderen Worten: Wenn man eine zufällige Person aus einer Hochrisiko-Ökonomie und eine zufällige Person aus einer Niedrigrisiko-Ökonomie auswählen würde, unterschied sich die Wahrscheinlichkeit, Geld zu senden, signifikant. Die natürliche Annahme wäre, dass diese Lücke existiert, weil die Menschen in den Hochrisikoländern einen anderen Hintergrund haben – vielleicht sind sie älter, haben weniger Bildung oder leben in ländlichen Gebieten im Vergleich zu denen in den Niedrigrisiko-Ländern.
Um dies zu testen, führten die Forscher eine statistische Übung durch, die als Common-Composition-Standardisierung bezeichnet wird. Stellen Sie sich vor, Sie nehmen die Bevölkerung jedes einzelnen Landes und mischen sie so um, dass jedes Land die exakt gleiche Zusammensetzung von Menschen hat: den gleichen Prozentsatz an Männern und Frauen, die gleiche Altersverteilung, das gleiche Bildungsniveau, die gleiche Erwerbstätigkeit und die gleiche Aufteilung zwischen Stadt- und Landbewohnern. Sie berechneten dann die Zahlungsraten für jedes Land unter Verwendung dieser identischen, standardisierten Bevölkerung. Wenn die Unterschiede in den Zahlungsraten durch diese demografischen Faktoren verursacht worden wären, müsste die Lücke zwischen den Ländern drastisch geschrumpft sein.
Das Ergebnis war überraschend. Nachdem jedes Land gezwungen wurde, die gleiche demografische Zusammensetzung zu haben, änderte sich die Lücke zwischen den höchsten und niedrigsten Zahlungsraten kaum. Sie blieb bei 15,86 Prozentpunkten, einer Reduktion von weniger als einem Prozentpunkt. Die Forscher führten diesen Test auf viele verschiedene Arten durch, änderten die mathematischen Modelle, fügten weitere Details über Einkommen und digitale Gewohnheiten hinzu und entfernten spezifische Länder, um zu sehen, ob ein Ausreißer das Ergebnis beeinflusste. In jedem Szenario blieb die Lücke bestehen. Die Daten zeigten, dass die Kenntnis des Alters, des Geschlechts, der Bildung, des Beschäftigungsstatus oder der Frage, ob eine Person in einer Stadt oder einem Dorf lebt, uns sehr wenig darüber verrät, warum die Zahlungsraten von einer Ökonomie zur anderen so stark variieren.
Diese Erkenntnis bedeutet nicht, dass Demografie für die Verbrauchersicherheit irrelevant ist, noch bedeutet sie, dass alle Menschen der gleichen Gefahr ausgesetzt sind. Stattdessen zieht sie eine klare Grenze für das, was demografisches Profiling erreichen kann. Die Studie legt nahe, dass die Gründe, warum Menschen in verschiedenen Teilen der Welt unterschiedlich auf Geldanfragen reagieren, nicht in ihren persönlichen Statistiken zu finden sind. Die Variation liegt wahrscheinlich in den Details der Anfrage selbst, in dem Umfeld, in dem die Entscheidung getroffen wird, oder in den Möglichkeiten, die Identität des Absenders zu überprüfen. Vielleicht sind die Nachrichten in einigen Ländern überzeugender, die Dringlichkeit ist höher oder die Systeme zur Überprüfung der Identität eines Absenders sind schwächer. Die Studie kommt zu dem Schluss, dass wir, um Verbraucher effektiv zu schützen, über einfache Etiketten wie „älter“ oder „ungebildet“ hinausblicken und die spezifischen Umstände der Anforderung und das Entscheidungsumfeld untersuchen müssen. Das Rätsel, warum Menschen bezahlen, bleibt bestehen, aber die Lösung findet sich nicht im demografischen Profil des Opfers.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.