📈 economics

Sequential Non-Bayesian Persuasion

Dit artikel toont aan dat wanneer de regel voor het bijwerken van de overtuigingen van een ontvanger systematisch afwijkt van Bayesiaanse rationaliteit, een zender strategisch kan profiteren van het sequentieel verstrekken van informatie, een resultaat dat contrasteert met de klassieke bevinding dat sequentiële overtuiging geen voordeel biedt in standaard Bayesiaanse settings.

Oorspronkelijke auteurs: Yaron Azrieli, Rachana Das

Gepubliceerd 2026-08-06

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Yaron Azrieli, Rachana Das

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een vriend probeert te overtuigen om een specifieke actie te ondernemen, zoals het kopen van een kaartje voor een concert of het stemmen op een kandidaat. In de wereld van de economie wordt dit "persuasie" (overtuigingskracht) genoemd. Decennialang ging de standaard regelset van dit spel ervan uit dat mensen perfecte rekenmachines zijn. Als je hen nieuwe feiten zou tonen, zouden ze hun overtuigingen onmiddellijk en perfect bijwerken met behulp van een strikte wiskundige formule genaamd "Bayes' regel". Onder deze oude regelset was er een verrassende wending: als je iemand wilde overtuigen, maakte het niet uit of je alle informatie in één keer gaf of langzaam over een bepaalde periode verspreidde. Een slimme, perfecte rekenmachine zou in beide gevallen precies dezelfde mening hebben, dus een "one-shot" onthulling was net zo goed als een langdurige campagne.

Maar echte mensen zijn geen perfecte rekenmachines. Wij hebben vooroordelen. Soms negeren we nieuw bewijs omdat het te schokkend voelt (we zijn "conservatief"), en soms blijven we hangen in onze eerste indruk. Dit artikel onderzoekt wat er gebeurt wanneer de persoon die je probeert te overtuigen deze menselijke eigenaardigheden heeft. De onderzoekers stellen een eenvoudige maar krachtige vraag: als je vriend zijn overtuigingen op een rommelige, bevooroordeelde manier bijwerkt, helpt het dan om dingen langzaam, stukje bij beetje, te vertellen in plaats van alles in één keer? Het antwoord blijkt een overtuigend "ja" te zijn, maar alleen onder specifieke omstandigheden. Het artikel bewijst dat je, door de timing van je informatie zorgvuldig af te stemmen, een bevooroordeeld persoon daadwerkelijk kunt leiden naar een beslissing die hij nooit zou hebben genomen als je de feiten in één enkele stortvloed aan hem had gepresenteerd.

Het spel van "Overtuig me"

Laten we de scène schetsen met een simpel spel. Er zijn twee spelers: de Sender (jij, de overtuiger) en de Receiver (je vriend, de besluitvormer). De wereld heeft verschillende mogelijke "toestanden" (zoals "het concert is geweldig" of "het concert is verschrikkelijk"), maar je vriend weet niet welke waar is. Ze beginnen met een vermoeden, een "prior". Jij kent de waarheid en je wilt dat zij een specifieke actie ondernemen, zoals het kopen van een kaartje.

In de klassieke versie van dit spel is de Receiver een "Bayesiaanse" denker. Dit betekent dat ze als een foutloze robot fungeren. Als je hen een stuk bewijs laat zien, combineren ze dit onmiddellijk met hun oude vermoeden om een nieuwe, perfecte mening te vormen. De grote ontdekking in eerder onderzoek was dat voor deze perfecte robots timing er niet toe doet. Of je nu één groot rapport laat zien of duizend kleine aanwijzingen, de uiteindelijke verdeling van hun meningen is hetzelfde. Je kunt een perfecte rekenmachine niet foppen door het gesprek uit te rekken.

Echter, dit artikel gaat ervan uit dat de Receiver bevooroordeeld is. Ze werken hun overtuigingen niet perfect bij. In plaats daarvan hebben ze een "biasfunctie" die de waarheid vervormt. Een veelgebonden voorbeeld in het artikel is "Conservatief Bayesianisme". Stel je een persoon voor die erg koppig is. Wanneer ze nieuw bewijs zien, passen ze hun overtuiging slechts een klein beetje aan; ze trekken het lichtjes richting de nieuwe waarheid, maar houden vooral vast aan hun oude vermoeden. Ze sluiten nooit volledig een mogelijkheid uit, ongeacht hoeveel bewijs je opstapelt; ze worden alleen maar iets meer overtuigd.

De magie van de "Slow Burn"

De auteurs van dit artikel ontdekten dat wanneer de Receiver dit soort koppige, bevooroordeelde persoon is, sequentiële persuasie (dingen in de loop van de tijd vertellen) een superkracht wordt.

Dit is de magische truc:

De "One-Shot" Limiet: Als je de koppige vriend probeert te overtuigen met slechts één groot stuk informatie, werkt hun bias als een elastiekje. Ze trekken het nieuwe bewijs terug naar hun oude overtuiging. Als het bewijs extreem moet zijn om hun mening te veranderen, trekt het elastiekje hen terug voordat ze ooit de actie ondernemen die jij wilt.
De Sequentiële Drift: Maar als je de informatie in stappen geeft, kun je hun koppigheid tegen hen gebruiken. Je geeft ze een kleine hint. Ze passen hun mening een beetje aan. Daarna geef je ze een andere hint gebaseerd op hún nieuwe (licht aangepaste) overtuiging. Omdat ze telkens vanuit een iets ander startpunt werken, kan hun overtuiging steeds verder weg "driften" van hun oorspronkelijke vermoeden.

Denk aan het duwen van een zware rotsheuvel omhoog. Als je in één enorme duw probeert te duwen, beweegt hij misschien niet door de wrijving (de bias). Maar als je een klein duwtje geeft, het even laat rusten, en dan weer duwt vanaf de nieuwe positie, kun je hem uiteindelijk wel de top op krijgen. Het artikel laat zien dat door dit proces te herhalen, de overtuiging van de Receiver zo ver kan driften dat ze uiteindelijk de actie kiezen die de Sender wil—een actie die ze hadden geweigerd als de informatie in één keer was gepresenteerd.

Wat het artikel daadwerkelijk bewijst

De auteurs hebben niet alleen gegesteld; ze hebben een wiskundig bewijs geleverd om exact aan te tonen wanneer deze truc werkt. Ze keken naar verschillende klassieke scenario's uit economische tekstboeken:

Het Scenario met Twee Keuzes: Stel je een rechter voor die moet beslissen of een verdachte schuldig of onschuldig is. De aanklager (Sender) wil een veroordeling. Als de rechter een "Conservatieve Bayesianer" is (koppig), kan de aanklager niet simpelweg één stuk bewijs presenteren om tot een veroordeling te komen als het startpunt te laag is. Echter, het artikel bewijdt dat als de bias van de rechter "zwak Bayes plausibel" is (een technische manier om te zeggen dat hun koppigheid niet te vreemd of extreem is), de aanklager een reeks signalen kan gebruiken om de overtuiging van de rechter uiteindelijk over de streep te trekken en een veroordeling te verkrijgen.
Het Lineaire Scenario: Stel je een manager (Sender) voor die probeert een werknemer (Receiver) te laten beslissen over een prijs. Als de werknemer bevooroordeeld is, kan de manager niet met slechts één rapport komen. Maar door informatie stap voor stap te onthullen, kan de manager de werknemer naar een prijs leiden die een hogere winst oplevert dan welk enkel rapport dan ook zou kunnen bereiken.
Het "Crawford-Sobel" Scenario: Dit is een beroemd model waarbij de Sender en de Receiver licht verschillende doelen hebben (zoals een politicus en een kiezer). Het artikel bewijst dat zelfs hier, als de Receiver op een "gebalanceerde" manier bevooroordeeld is (wat betekent dat hun bias niet altijd in slechts één richting duwt), de Sender baat heeft bij een strategie met meerdere stappen.

De Limieten van de Truc

Het is belangrijk op te merken wat dit artikel niet zegt. Het beweert niet dat je een bevooroordeeld persoon tot alles kunt overtuigen wat je wilt. Er zijn grenzen.

De auteurs laten zien dat zelfs met een oneindige hoeveelheid tijd en informatie, een Sender niet altijd hun "first-best" uitkomst (het absoluut perfecte resultaat) kan bereiken. Bijvoorbeeld, als de Receiver koppig is, is er een wiskundige bovengrens aan hoe ver hun overtuiging in een specifieke richting kan driften. Het artikel geeft een specifiek voorbeeld waarbij de maximale opbrengst van de Sender strikt lager is dan wanneer de Receiver een perfecte, onbevooroordeelde rekenmachine zou zijn. Dus, hoewel sequentiële persuasie een krachtig instrument is, is het geen toverstaf die alle regels van de logica breekt.

Waarom dit ertoe doet

Dit onderzoek is een constructief bewijs, wat betekent dat de auteurs niet alleen zeiden "het is mogelijk", maar ze lieten zien hoe het moet. Ze hebben aangetoond dat de interactie tussen het specifieke type bias van de Receiver en de strategie van de Sender een nieuwe dynamiek creëert.

De belangrijkste les is dat informatiestructuur ertoe doet wanneer mensen imperfect zijn. In een wereld van perfecte robots is de timing van informatie irrelevant. Maar in een wereld van mensen, die hun overtuigingen bijwerken met een mix van logica en koppigheid, doet het verhaal dat je vertelt er evenveel toe als de feiten die je vertelt. Door een grote waarheid op te delen in kleinere, opeenvolgende stukjes, kan een persuader rond de vooroordelen van een persoon navigeren en hen naar een beslissing leiden die een enkele, overweldigende feit nooit had kunnen bereiken. Het artikel bevestigt dat in veel veelvoorkomende economische situaties de oude regel dat "timing er niet toe doet" wordt doorbroken, en dat de kunst van de "slow burn" een wiskundig bewezen strategie voor succes is.

Technische Samenvatting: Sequentiële Niet-Bayesiaanse Overtuigingskracht

1. Probleemstelling

Dit artikel onderzoekt een model van strategische informatieoverdracht (overtuigingskracht) waarbij de regel voor de geloofsoverdracht van de ontvanger systematisch afwijkt van de Bayesiaanse regel. De auteurs bouwen voort op het kader van De Clippel en Zhang [2022], dat vaststelde dat de standaard Bayesiaanse overtuigingsmethode (BP) ook van toepassing is wanneer ontvangers bevooroordeelde overtuigingen hebben, mits de bias een functie is van de prior en de correcte Bayesiaanse posterior.

De centrale vraag die wordt behandeld, is of sequentiële overtuigingskracht—waarbij een zender informatie over meerdere perioden kan verstrekken, waarbij toekomstige signalen afhankelijk zijn van het verleden—waarde biedt aan de zender wanneer de ontvanger niet-Bayesiaans is. In de klassieke Bayesiaanse setting (Kamenica en Gentzkew [2009]) is sequentiële overtuigingskracht redundant; elke sequentiële strategie kan worden gereproduceerd door een enkele informatiestructuur die dezelfde distributie over posteriors induceert. De auteurs stellen dat een afwijking van het Bayesiaanse denken kan verklaren waarom sequentiële overtuigingskracht effectiever kan zijn dan een eenmalige release van informatie.

2. Methodologie en Modelopzet

De Omgeving

Het model betreft een Zender ( $S$ ) en een Ontvanger ( $R$ ) met een eindige toestandsruimte $\Omega$ en een gemeenschappelijke full-support prior $\mu_0$ .

Zender: Kiest een informatiestructuur (experiment) om de actie van $R$ te beïnvloeden. De utiliteit van $S$ is $v(\omega, a)$ .
Ontvanger: Kiest een actie $a \in A$ om de verwachte utiliteit $u(\omega, a)$ te maximaliseren.
Bias: $R$ werkt niet bij via de regel van Bayes. In plaats daarvan brengt een biasfunctie $D: \Delta_{op}(\Omega) \times \Delta(\Omega) \to \Delta(\Omega)$ de prior $\nu$ en de correcte Bayesiaanse posterior $\nu^1$ in kaart naar de bevooroordeelde posterior $D(\nu, \nu^1)$ .

Belangrijke Eigenschappen van de Bias

De analyse steunt op twee specifieke eigenschappen van de biasfunctie $D$ :

Interioriteit: De ontvanger sluit nooit volledig een toestand uit. Formeel geldt: $\text{Supp}(D(\nu, \nu^1)) = \Omega$ voor alle priors en posteriors. Dit onderscheidt het model van standaard Bayesiaanse updating waarbij extreme posteriors bereikt kunnen worden.
Uiteindelijke Leerbaarheid (Eventual Learning): Als de ontvanger herhaaldelijk wordt geconfronteerd met informatie die een vaste Bayesiaanse posterior $\nu^1$ induceert, convergeert hun overtuiging naar $\nu^1$ . Formeel geldt: $\lim_{n \to \infty} D^n(\nu, \nu^1) = \nu^1$ .

Mechanisme van Sequentiële Overtuigingskracht

In een sequentiële strategie kiest $S$ in periode 1 een informatiestructuur. Bij het observeren van een signaal werkt $R$ de overtuiging bij met behulp van $D$ . In opeenvolgende perioden kan $S$ een nieuwe informatiestructuur kiezen op basis van de geschiedenis van de signalen. Cruciaal is dat het updatingproces recursief is: de overtuiging aan het einde van periode $n-1$ dient als de prior voor periode $n$ .

Falen van Concavificatie: In tegenstelling tot de statische situatie, verbreekt sequentiële overtuigingskracht de één-op-één mapping tussen de Bayesiaanse posterior van de zender en de bevooroordeelde posterior van de ontvanger. Verschillende sequenties van signalen kunnen leiden tot dezelfde Bayesiaanse posterior voor $S$ , maar tot verschillende bevooroordeelde posteriors voor $R$ . Bij consequent is de standaard concavificatiemethode (gebruikt voor statische BP) niet van toepassing voor het karakteriseren van de optimale sequentiële payoff.

Specifiek Biasvoorbeeld: Conservatief Bayesianisme

Om de resultaten te illustreren, maken de auteurs gebruik van een parametrische familie van biases die bekend staat als "conservatief Bayesianisme":
$D_\alpha(\nu, \nu^1) = \alpha \nu + (1-\alpha)\nu^1$
waarbij $\alpha \in (0,1)$ de sterkte van de bias (onder-updating) vertegenwoordigt. Deze regel is interior en voldoet aan de eis van uiteindelijke leerbaarheid.

3. Belangrijkste Bijdragen en Resultaten

Het artikel levert constructieve bewijzen die aantonen dat de zender wint van sequentiële overtuigingskracht (dat wil zeggen: een strikt hogere verwachte payoff bereikt dan de optimale eenmalige strategie) in verschillende klassieke omgevingen, mits de bias aan specifieke eigenschappen voldoet.

A. Omgevingen met Twee Acties (Propositie 1)

Context: De ontvanger heeft twee acties en de zender heeft toestandsonafhankelijke voorkeuren (transparante motieven), zoals het "Prosecutor-Judge"-voorbeeld.
Conditie: De zender wint van sequentiële overtuigingskracht indien en slechts indien de bias zwak Bayes plausibel is. Deze eigenschap vereist dat voor elke verzameling Bayesiaanse posteriors waarvan de convexe huls de prior bevat, de convexe huls van de corresponderende bevooroordeelde posteriors ook de prior bevat.
Resultaat: Conservatief Bayesianisme is zwak Bayes plausibel. De zender kan dus in deze omgevingen profiteren van het feit dat de overtuiging van de ontvanger interior blijft. Zelfs als een enkel signaal een posterior induceert die de ontvanger tot de minder geprefereerde actie van de zender leidt, kan de zender informatie blijven verstrekken om de overtuiging van de ontvanger naar de geprefereerde actie te "driften".

B. Lineaire Voorkeuren (Propositie 2)

Context: De optimale actie van de ontvanger is het gemiddelde van hun overtuiging (bijv. $A = \mathbb{R}^k$ ), en de zender heeft lineaire, toestandsonafhankelijke voorkeuren.
Conditie: De zender wint van sequentiële overtuigingskracht als de bias interior is, voldoet aan uiteindelijke leerbaarheid van toestanden, en gebalanceerd is.
Gebalanceerdheid: Deze eigenschap beperkt de richtingen van de bias. Het vereist dat de vectoren die van Bayesiaanse posteriors naar bevooroordeelde posteriors wijzen (gegeven een prior) niet eenzijdig zijn; hun convexe huls moet de nulvector bevatten. Conservatief Bayesianisme is gebalanceerd.
Resultaat: In lineaire omgevingen levert eenmalige overtuigingskracht geen winst op voor de zender als de ontvanger Bayesiaans is (vanwege Bayes plausibiliteit). Echter, met een gebalanceerde, interior bias, stelt sequentiële overtuigingskracht de zender in staat om de distributie van acties te manipuleren om de payoff te verhogen, aangezien de zender en de ontvanger uiteenlopen in hun overtuigingen na het eerste signaal.

C. Gemeenschappelijke Voorkeuren (Propositie 3)

Context: De zender en de ontvanger hebben identieke voorkeuren (welwillende zender).
Conditie: De zender wint van sequentiële overtuigingskracht indien en slechts indien de optimale eenmalige payoff strikt minder is dan de volledige-informatie payoff.
Resultaat: Omdat de bias voldoet aan uiteindelijke leerbaarheid, kan de zender de volledige-informatie payoff benaderen door herhaaldelijk volledig onthullende signalen te sturen. Als de eenmalige beperking het onmogelijk maakt dit te bereiken, is sequentiële overtuigingskracht strikt waardevol.

D. Crawford-Sobel Voorkeuren (Propositie 4)

Context: Voorkeuren zijn misafgestemd door een constante bias-term $b$ (standaard Crawford-Sobel model).
Conditie: De zender wint van sequentiële overtuigingskracht als de bias interior is, voldoet aan uiteindelijke leerbaarheid van toestanden, en gebalanceerd is.
Resultaat: Startend vanuit een optimale eenmalige strategie, kan de zender de payoff verbeteren door aanvullende informatie te sturen indien een specifieke posterior wordt gerealiseerd, waardoor de overtuiging van de ontvanger effectief verder in de richting wordt geduwd die de zender ten goede komt.

4. Mechanismen die de Resultaten Drijven

Het artikel identificeert drie primaire mechanismen waardoor sequentiële overtuigingskracht beter presteert dan statische overtuigingskracht in de aanwezigheid van bias:

Geloofsdrift (Belief Drift): Met een enkel signaal kan de bevooroordeelde posterior van de ontvanger niet te veel afwijken van de prior. Door informatie te herhalen, kan de zender een "drift" induceren waarbij de overtuiging verder weg beweegt, om uiteindelijk de drempel te passeren die nodig is voor de ontvanger om de door de zender geprefereerde actie te kiezen.
Conditionele Continuatie: Zelfs als een enkel signaal de geprefereerde actie induceert, kan de zender de waarschijnlijkheid van deze actie vergroten door alleen aanvullende informatie te verstrekken wanneer de initiële signaalrealisatie tot een niet-geprefereerde actie leidt.
Schending van Bayes Plausibiliteit: In statische overtuigingskracht moet de distributie van bevooroordeelde posteriors Bayes plausibel zijn (de prior zit in de convexe huls). In sequentiële overtuigingskracht, omdat de zender en de ontvanger na het eerste signaal verschillende overtuigingen hebben, is de distributie van bevooroordeelde posteriors over de gehele sequentie niet langer op dezelfde manier beperkt door de initiële prior, wat ruimte biedt voor nieuwe, door de zender geprefereerde actiedistributies.

5. Betekenis en Beperkingen

De auteurs stellen dat hun werk aantoont dat de waarde van dynamische informatieontwerp groot is in economisch relevante omgevingen waar ontvangers systematische vooroordelen vertonen. De bewijzen zijn constructief en laten zien hoe specifieke eigenschappen van de bias (interioriteit, uiteindelijke leerbaarheid, gebalanceerdheid) interageren met de payoff-structuren om dynamische overtuigingskracht voordelig te maken.

Beperkingen en Reikwijdte:

Optimaliteit: Het artikel lost over het algemeen niet de optimale sequentiële overtuigingsstrategie op. Vanwege het falen van de concavificatiemethode is het vinden van het optimum computationeel moeilijk, zelfs in eenvoudige omgevingen. De resultaten richten zich op het bewijzen dat sommige sequentiële strategie een strikt hogere payoff oplevert dan de beste statische strategie.
First-Best Payoff: De auteurs merken op dat sequentiële overtuigingskracht doorgaans niet toestaat dat de zender zijn "first-best" payoff bereikt (waarbij de ontvanger in elke toestand de favoriete actie van de zender kiest). Er bestaan limieten; bijvoorbeeld, in lineare omgevingen met conservatief Bayesianisme, is de payoff van de zender strikt begrensd onder de first-best vanwege de supermartingaal-eigenschappen van het overtuigingsproces.
Vergelijking met Correlatieverwaarlozing (Correlation Neglect): Het artikel onderscheidt het model van "correlatieverwaarlozing" (Levy et al. [2022]). Bij correlatieverwaarlozing kan de zender de first-best bereiken door signalen te correleren. In dit model is de bias inherent aan de updating-regel zelf, en is de macht van de zender beperkter.
Updating Procedures: De resultaten rusten op een specifieke recursieve updatingprocedure waarbij de bias in elke stap wordt toegepast met de huidige posterior als de nieuwe prior. De auteurs bespreken kort alternatieve procedures (bijv. verankering aan de oorspronkelijke prior), maar merken op dat deze andere resultaten kunnen opleveren en aan toekomstig onderzoek worden overgelaten.

Samenvattend stelt het artikel vast dat in de aanwezigheid van systematische, niet-Bayesiaanse overtuigingsprocessen, het vermogen om informatie sequentieel te verstrekken een krachtig instrument is voor zenders, wat winst oplevert in klassieke settings waar statische overtuigingskracht ineffectief of suboptimaal zou zijn.