Beyond Demographic Profiling: Cross-Economy Variation in Payment Responses to Unsolicited Money Requests
75 अर्थव्यवस्थाओं के ग्लोबल फिंडेक्स 2025 डेटा का उपयोग करते हुए, यह अध्ययन प्रदर्शित करता है कि जनसांख्यिकीय विशेषताओं के लिए मानकीकरण करना अनsolicited (अनचाही) धन संबंधी अनुरोधों के प्रति भुगतान प्रतिक्रियाओं में अर्थव्यवस्था-वार भिन्नता के केवल एक नगण्य हिस्से की व्याख्या करता है, जो यह सुझाव देता है कि उपभोक्ता-संरक्षण रणनीतियों को जनसांख्यिकीय प्रोफाइलिंग के बजाय प्रासंगिक और आग्रह-विशिष्ट कारकों को प्राथमिकता देनी चाहिए।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
हर दिन, लाखों लोग अजनबियों से पैसे मांगने वाले अप्रत्याशित संदेश प्राप्त करते हैं। ये अनुरोध फोन कॉल या टेक्स्ट मैसेज के रूप में आते हैं, जो अक्सर किसी बैंक, सरकारी अधिकारी, या मुसीबत में फंसे किसी दूर के रिश्तेदार होने का ढोंग करते हैं। उपभोक्ता संरक्षण एजेंसियों और शोधकर्ताओं के लिए, एक केंद्रीय प्रश्न लंबे समय से यह रहा है कि यह पहचानना कैसे कि कौन इन अनुरोधों के झांसे में आने की सबसे अधिक संभावना रखता है। पारंपरिक दृष्टिकोण जनसांख्यिकीय प्रोफाइलिंग (demographic profiling) पर निर्भर करता है: यह विचार कि कुछ समूह के लोग, जिन्हें उनकी आयु, लिंग, शिक्षा, या वे कहाँ रहते हैं, इसके द्वारा परिभाषित किए जाते हैं, स्वाभाविक रूप से वित्तीय घोटालों के प्रति अधिक संवेदनशील होते हैं। यह एक व्यावहारिक रणनीति है क्योंकि ये विवरण देखना और दर्ज करना आसान है। हालाँकि, शोध का एक बढ़ता हुआ समूह सुझाव देता है कि संवेदनशीलता किसी व्यक्ति का एक स्थिर गुण नहीं है, बल्कि एक ऐसी स्थिति है जो एक व्यक्ति और उसके वातावरण के बीच की अंतःक्रिया से उत्पन्न होती है। यह अध्ययन एक विशिष्ट, तीखा प्रश्न पूछता है: यदि हम उन लोगों को देखें जिन्हें पहले ऐसा अनुरोध प्राप्त हुआ है, तो क्या उनकी पृष्ठभूमि यह स्पष्ट करती है कि कुछ लोग पैसे भेजते हैं और अन्य क्यों नहीं करते?
इसका उत्तर देने के लिए, शोधकर्ताओं ने 'ग्लोबल फिनडेक्स डेटाबेस' नामक एक विशाल वैश्विक सर्वेक्षण का सहारा लिया, जिसने दुनिया भर के 1,40,000 से अधिक लोगों से जानकारी एकत्र की। उन्होंने एक विशिष्ट समूह पर ध्यान केंद्रित किया: 75 विभिन्न अर्थव्यवस्थाओं के 13,766 वयस्क जिन्होंने अपने मोबाइल फोन पर पैसे के लिए अनचाहे अनुरोध की सूचना दी थी। शोधकर्ता संपर्क किए जाने के अनुभव को भुगतान करने के कार्य से अलग करने में सावधानी बरत रहे थे। उन्होंने उन लोगों को "सफल" पीड़ित के रूप में नहीं गिना जिन्होंने विरोध किया, बल्कि केवल उन लोगों को देखा जिन्होंने वास्तव में एक अनुरोध प्राप्त किया और फिर तय किया कि पैसा भेजना है या नहीं। यह अंतर महत्वपूर्ण है क्योंकि जो कारक किसी को लक्षित किए जाने के लिए संभावित बनाते हैं, वे उन कारकों से भिन्न हो सकते हैं जो उन्हें भुगतान करने के लिए संभावित बनाते हैं।
टीम ने सबसे पहले यह गणना की कि प्रत्येक 75 अर्थव्यवस्थाओं में लोगों ने अनुरोध प्राप्त करने के बाद कितनी दर से पैसे भेजे। उन्होंने उच्च भुगतान दरों वाले देशों और निम्नतम भुगतान दरों वाले देशों के बीच एक बड़ा अंतर पाया। कोई भी जटिल समायोजन करने से पहले, शीर्ष 10 प्रतिशत अर्थव्यवस्थाओं और निचले 10 प्रतिशत के बीच का अंतर 16.75 प्रतिशत अंक था। दूसरे शब्दों में, यदि आप उच्च-जोखिम वाली अर्थव्यवस्था से एक यादृच्छिक व्यक्ति और निम्न-जोखिम वाली अर्थव्यवस्था से एक यादृच्छिक व्यक्ति चुनते हैं, तो उनके पैसे भेजने की संभावना में महत्वपूर्ण अंतर था। स्वाभाविक धारणा यह हो सकती है कि यह अंतर इसलिए मौजूद है क्योंकि उच्च-जोखिम वाले देशों के लोगों की पृष्ठभूमि अलग है—शायद वे कम शिक्षित, अधिक उम्र के, या निम्न-जोखिम वाले देशों की तुलना में ग्रामीण क्षेत्रों में रहते हैं।
इसकी जांच करने के लिए, शोधकर्ताओं ने 'कॉमन-कंपोजिशन मानकीकरण' (common-composition standardization) नामक एक सांख्यिकीय अभ्यास किया। कल्पना कीजिए कि आप प्रत्येक देश की जनसंख्या को लेकर उसे फिर से व्यवस्थित करते हैं ताकि प्रत्येक राष्ट्र में लोगों का बिल्कुल समान मिश्रण हो: पुरुषों और महिलाओं का समान प्रतिशत, आयु का समान वितरण, शिक्षा का समान स्तर, कार्यबल भागीदारी, और शहर या गाँव के बीच का समान विभाजन। फिर, वे इस समान, मानकीकृत जनसंख्या का उपयोग करके प्रत्येक देश के लिए भुगतान दरों की पुनर्गणना करते हैं। यदि भुगतान दरों में अंतर इन जनसांख्यिकीय कारकों के कारण था, तो देशों के बीच का अंतर नाटकीय रूप से कम हो जाना चाहिए था।
परिणाम आश्चर्यजनक था। प्रत्येक देश को एक ही जनसांख्यिकीय संरचना देने के बाद, उच्चतम और निम्नतम भुगतान दरों के बीच का अंतर बहुत कम बदल गया। यह 15.86 प्रतिशत अंक पर बना रहा, जिसमें एक प्रतिशत अंक से भी कम की कमी आई। शोधकर्ताओं ने कई अलग-अलग तरीकों से यह परीक्षण किया, विभिन्न गणितीय मॉडलों का उपयोग किया, आय और डिजिटल आदतों के बारे में अधिक विवरण जोड़े, और यह देखने के लिए विशिष्ट देशों को हटाया कि क्या कोई एक बाहरी कारक परिणाम को प्रभावित कर रहा है। हर परिदृश्य में, यह अंतर बना रहा। डेटा ने दिखाया कि किसी व्यक्ति की आयु, लिंग, शिक्षा, नौकरी की स्थिति, या वह शहर में रहता है या गाँव में, यह जानना हमें बहुत कम बताता है कि विभिन्न अर्थव्यवस्थाओं के बीच भुगतान दरों में इतना अंतर क्यों है।
यह निष्कर्ष यह नहीं कहता कि जनसांख्यिकी उपभोक्ता सुरक्षा के लिए अप्रासंगिक है, न ही इसका मतलब यह है कि सभी लोग समान जोखिम का सामना करते हैं। इसके बजाय, यह एक स्पष्ट सीमा स्थापित करता है कि जनसांख्यिकीय प्रोफाइलिंग क्या हासिल कर सकती है। अध्ययन सुझाव देता है कि दुनिया के विभिन्न हिस्सों के लोग धन के अनुरोधों पर अलग-अलग प्रतिक्रिया क्यों देते हैं, इसके कारण उनके व्यक्तिगत आंकड़ों में नहीं मिलते। यह भिन्नता संभवतः अनुरोध के विवरण, उस परिस्थिति में, जिसमें निर्णय लिया जाता है, या प्रेषक की पहचान सत्यापित करने के उपलब्ध अवसरों में निहित है। शायद कुछ देशों में संदेश अधिक विश्वसनीय होते हैं, तात्कालिकता अधिक होती है, या प्रेषक की पहचान की जाँच करने की प्रणालियाँ कमजोर होती हैं। अध्ययन निष्कर्ष निकालता है कि उपभोक्ताओं को प्रभावी ढंग से बचाने के लिए, हमें "वृद्ध" या "अशिक्षित" जैसे सरल लेबल से परे देखना चाहिए और अनुरोध की विशिष्ट परिस्थितियों तथा निर्णय लेने के वातावरण का परीक्षण करना चाहिए। यह पहेली कि लोग भुगतान क्यों करते हैं, बनी हुई है, लेकिन समाधान पीड़ित के जनसांख्यिकीय प्रोफाइल में नहीं पाया जाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।