📈 economics

Dynamic Non-Bayesian Persuasion

Deze paper toont aan dat een zender in een overtuigingsspel baat heeft bij dynamische in plaats van statische persuasie wanneer de ontvanger niet-Bayesiaans is, en dat statische persuasie alleen zonder verlies van algemeenheid kan worden gebruikt wanneer de ontvangersupdate-regels aan de eigenschap 'deelbaarheid' voldoen.

Oorspronkelijke auteurs: Masanori Kobayashi

Gepubliceerd 2026-04-20

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Masanori Kobayashi

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 boodschapper bent (de "zender") en iemand anders de ontvanger is. Je wilt dat de ontvanger een bepaalde keuze maakt, bijvoorbeeld "koop dit product" of "stem op deze kandidaat". Om dit te bereiken, geef je informatie.

In de oude economische theorie ging men ervan uit dat mensen informatie perfect verwerken, net als een supercomputer die wiskundige formules volgt. Dit noemen we Bayesiaans. Maar in het echte leven zijn mensen niet zo. We zijn vaak verward, vergeten de basisfeiten, of reageren te sterk op nieuws. We zijn niet-Bayesiaans.

Dit artikel van Masanori Kobayashi onderzoekt een interessante vraag: Maakt het uit wanneer je de informatie geeft?

Statisch: Geef alle informatie in één keer (een grote presentatie).
Dynamisch: Geef de informatie in stukjes, stap voor stap (een serie van korte updates).

De Kernvraag: Is "stap-voor-stap" beter dan "alles in één keer"?

Het antwoord hangt af van hoe de ontvanger zijn brein gebruikt.

1. De "Perfecte Rekenaar" (Bayesiaans)

Als de ontvanger een perfecte rekenaar is, maakt het niets uit. Of je nu alle cijfers in één keer geeft of ze in twee rondes, het eindresultaat is hetzelfde. De tijd van de informatie is irrelevant.

2. De "Menselijke Ontvanger" (Niet-Bayesiaans)

Hier wordt het interessant. Mensen vertekenen informatie op een systematische manier.

Voorbeeld: Als je een nieuwe, schokkende nieuwsfeit hoort, negeer je misschien je oude overtuigingen (je bent te snel van gedachten veranderd). Of je houdt te vast vast aan je oude ideeën en negeert het nieuwe nieuws (je bent te traag).

Het artikel laat zien dat voor deze "menselijke" ontvangers het tijdstip van de informatie wel degelijk uitmaakt. Soms kun je de ontvanger beter overtuigen door informatie in twee stappen te geven dan in één keer.

De Grootte van de Ontdekking: De "Deelbaarheid" (Divisibility)

De auteur heeft een magische sleutel gevonden om te weten wanneer het wel of niet uitmaakt. Hij noemt dit Deelbaarheid (Divisibility).

Stel je voor dat je een taart hebt die je moet verdelen.

Deelbare regel: Als je de taart eerst in tweeën snijdt en daarna elk stukje weer in tweeën, krijg je precies dezelfde stukken als wanneer je de taart in één keer in vier gelijke stukken had gesneden. De volgorde van snijden maakt niet uit.
Niet-deelbare regel: Als je de taart eerst in tweeën snijdt, maar dan de manier waarop je de stukken verder verdeelt verandert (bijvoorbeeld omdat je je hand trilt of de taart anders voelt), dan krijg je een heel ander eindresultaat dan bij het één keer snijden.

In dit artikel betekent Deelbaarheid:

Als de manier waarop de ontvanger informatie verwerkt "deelbaar" is, maakt het niet uit of je de informatie in één keer of in stappen geeft. De zender (jij) krijgt precies hetzelfde resultaat. Je kunt dus veilig doen alsof je alles in één keer vertelt.

Welke regels zijn "deelbaar"?

Bayesiaans: Ja (de perfecte rekenaar).
Geometrische vertekening: Ja. Dit is een specifieke manier waarop mensen soms te sterk of te zwak reageren op nieuwe kansen, maar op een voorspelbare manier.

Welke regels zijn niet deelbaar?

Lineaire onderreactie: Dit is wanneer iemand een beetje te lui is om zijn mening te veranderen. Hij mengt het nieuwe nieuws een beetje met zijn oude mening, maar niet op de "juiste" wiskundige manier. Hier maakt het wel uit of je in één keer of in stappen vertelt. In dit geval kun je de ontvanger vaak beter overtuigen door informatie langzaam te geven.

Een Levensvoorbeeld: De Rechter en de Aanklager

Stel je een rechtszaak voor (de "rechter-prosecutor" situatie).

De Aanklager (Jij) wil dat de Rechter de verdachte veroordeelt.
De Rechter is niet perfect; hij heeft een vooroordeel (bijvoorbeeld: hij denkt dat de verdachte onschuldig is, tenzij het tegendeel bewezen is).

Scenario A: De Rechter negeert zijn vooroordeel te veel (Base-rate neglect).
Als je alle bewijs in één keer geeft, blijft de rechter vastzitten in zijn vooroordelen. Maar als je eerst een beetje informatie geeft (stap 1), en wacht tot zijn vooroordeel iets "oplost" of verschuift, en daarna het harde bewijs geeft (stap 2), kun je hem makkelijker overtuigen. De dynamische aanpak werkt beter!

Scenario B: De Rechter houdt te vast aan zijn vooroordeel.
Dan maakt het niet uit hoe je het doet; je kunt hem niet overtuigen, of je doet het in één keer of in tweeën.

Waarom is dit belangrijk?

Voor bedrijven, politici en marketeers is dit cruciaal.

Als je doelgroep "deelbaar" denkt (of Bayesiaans is), kun je je marketingcampagne simpel houden: één grote, krachtige boodschap.
Maar als je doelgroep "niet-deelbaar" denkt (zoals veel mensen in het echt), moet je je strategie aanpassen. Je moet misschien een campagne opbouwen: eerst een hint, dan een verhaal, dan het bewijs. Het timing van je boodschappen is dan je grootste wapen.

Samenvatting in één zin

Als mensen informatie op een specifieke, "deelbare" manier verwerken, maakt het niet uit of je ze alles in één keer vertelt of in stukjes; maar als ze op een "niet-deelbare" manier denken (zoals vaak het geval is), kun je hen veel beter overtuigen door je boodschap slim in de tijd te verdelen.

Titel: Dynamic Non-Bayesian Persuasion

Auteur: Masanori Kobayashi
Datum: 20 april 2026

1. Probleemstelling

Het artikel onderzoekt een fundamentele vraag binnen de theorie van strategische informatieverstrekking (persuasion): Verandert het voor de zender (sender) iets als hij informatie sequentieel (dynamisch) verstrekt in plaats van in één keer (statisch), wanneer de ontvanger (receiver) niet Bayesiaans update?

In de klassieke Bayesiaanse persuasion (Kamenica & Gentzkow, 2011) is het bekend dat dynamische informatieverstrekking de waarde voor de zender niet verandert; een enkele experiment kan elke dynamische uitkomst repliceren. Echter, empirisch bewijs suggereert dat mensen vaak afwijken van Bayesiaans redeneren (bijv. onderreactie, verwaarlozing van basispercentages). Het artikel analyseert of deze "timing" van informatie wel relevant wordt voor de pay-off van de zender wanneer de ontvanger systematische distorties toepast op haar posterior overtuigingen.

2. Methodologie en Kader

Het Model:

Omgeving: Een eindige verzameling toestanden $\Theta$ , een prior $p$ , en een actie-set $A$ . Zender en ontvanger maximaliseren verwachte nut.
Niet-Bayesiaanse Ontvanger: De ontvanger volgt een systematische distortie (De Clippel & Zhang, 2022). Haar posterior $\mu(\sigma, p)(\cdot|s)$ wordt gevormd als eerst een Bayesiaanse posterior $q$ wordt berekend, en vervolgens een distortiefunctie $D_p$ wordt toegepast:
$\mu(\sigma, p)(\cdot|s) = D_p(q)$
Voorbeelden van zulke regels zijn Grether's $\alpha-\beta$ regel (die basispercentages en likelihoods vervormt) en lineaire onderreactie.
Dynamisch Persuasion: De zender kiest een eerste experiment $\sigma_1$ . Na het zien van het signaal $s_1$ , update de ontvanger naar $D_p(q)$ . Vervolgens kiest de zender een tweede experiment $\sigma_2$ (afhankelijk van $s_1$ ). De ontvanger update opnieuw naar $D_{D_p(q)}(q')$ . Pas na deze twee stappen kiest de ontvanger een actie.
Doel: Vergelijk de verzameling haalbare ex-ante pay-offs voor de zender onder statische persuasion ( $V_1$ ) en dynamische persuasion ( $V_2$ ).

Technische Aannames:

De zender is Bayesiaans en committeert vooraf aan een strategie.
De distortie-regel $D$ moet voldoen aan "regulariteit" (niet-dalende support, continuïteit, injectiviteit).
Het artikel introduceert een transformatie van het dynamische probleem naar een "interim" probleem, waarbij de distortie-regel in de tweede stap wordt aangepast tot $D^{II}_q(\cdot; p)$ .

3. Belangrijkste Bijdragen en Resultaten

Het centrale resultaat is een karakterisering van wanneer statische persuasion voldoende is (zonder verlies van generaliteit) in een dynamische omgeving.

A. Het Concept van "Divisibility" (Deelbaarheid)

De auteur introduceert de eigenschap divisibility (gebaseerd op Cripps, 2018) als de sleutelconditie.

Definitie: Een distortie-regel $D$ is divisible als de distortie die in de eerste stap wordt toegepast, identiek is aan de distortie die de zender waarneemt in de tweede stap, gegeven de nieuwe prior. Formeel:
$D_p(r) = D^{II}_q(r; p)$
voor alle priors $p, q$ en posteriors $r$ .
Betekenis: Bij een divisible regel is de volgorde van het ontvangen van informatie irrelevant voor de uiteindelijke posterior van de ontvanger.

B. Hoofdstelling (Theorem 1)

Onder milde regulariteitsvoorwaarden en de aanname van "prior independence under certainty" (als de ontvanger een volledig onthullend signaal ontvangt, is de posterior onafhankelijk van de prior), zijn de volgende uitspraken equivalent:

De distortie-regel $D$ is divisible.
De verzameling haalbare ex-ante pay-offs voor de zender is identiek onder statische en dynamische persuasion ( $V_1(p, D) = V_2(p, D)$ ) in elke persuasion-omgeving.
De zender is indifferent tussen statische en dynamische persuasion.

Conclusie: Als de ontvanger een divisible regel volgt (zoals Bayesiaans update of Grether's regel met $\alpha=1$ , oftewel "geometrische distortie"), dan is het analyseren van een statisch model volledig voldoende. Dynamiek voegt geen extra waarde toe.

C. Tegenvoorbeeld en Linear Underreaction

Het artikel toont aan dat voor niet-divisible regels, timing wel degelijk belangrijk is.

Voorbeeld: Grether's $\alpha-\beta$ $α - β$ regel met $\alpha < 1$ $α < 1$ (basisrate neglect).
- In een "judge-prosecutor" omgeving (waar de zender wil dat de rechter $a=1$ kiest bij een posterior $\geq 0.5$ ), kan de zender profiteren van dynamiek.
- Door in de eerste stap geen informatie te geven, "drijft" de distortie van de ontvanger (vanwege ondergewicht op de prior) haar overtuiging dichter naar de uniforme verdeling (0.5), wat gunstiger is voor de zender. Vervolgens kan de zender in de tweede stap de optimale actie forceren.
- Hier geldt: $\sup V_2 > \sup V_1$ .

D. Verzwakte Divisibility voor State-Independent Preferences

Voor gevallen waar de zender alleen belang heeft bij de actie van de ontvanger (niet bij de staat zelf), en waar de "prior independence under certainty" axioma niet geldt (zoals bij lineaire onderreactie), introduceert de auteur weak divisibility.

Hierbij mogen de distorties afwijken tot op een affiene transformatie.
Resultaat (Theorem 3): Zelfs bij lineaire onderreactie (die niet voldoet aan de sterke divisibility), is de zender niet indifferent. De zender kan strikt beter af zijn met dynamische persuasion in sommige omgevingen.

4. Significatie en Implicaties

Grens van Statische Modellen: Het artikel definieert de exacte grens tot waar statische persuasion-modellen (zoals die van De Clippel & Zhang, 2022) geldig blijven in dynamische contexten. Voor veel veelgebruikte niet-Bayesiaanse modellen (zoals geometrische distorties) is het statische model nog steeds geldig.
Timing is Payoff-Relevant: Voor veel realistische cognitieve biases (zoals lineaire onderreactie of basisrate neglect met $\alpha \neq 1$ ) is de timing van informatieverstrekking cruciaal. Analisten die dynamische interacties negeren, riskeren de waarde van persuasion te onderschatten of verkeerd te voorspellen.
Analytische Tractabiliteit: Het biedt een methode om dynamische problemen op te lossen door ze te reduceren tot statische problemen met een aangepaste indirecte nutfunctie, mits de divisibility-eigenschap geldt.
Verband met Misspecification: De resultaten sluiten aan bij literatuur over misspecification learning, waarbij niet-Bayesiaans gedrag kan worden geïnterpreteerd als Bayesiaans gedrag onder een verkeerd gespecificeerd model.

Samenvattend: Dit papier bewijst dat de "Bayesiaanse" eigenschap dat dynamiek geen waarde toevoegt, kwetsbaar is voor niet-Bayesiaans gedrag. De eigenschap divisibility fungeert als de necessary en sufficient voorwaarde om deze eigenschap te behouden. Zonder divisibility kan een zender profiteren van het sequentieel onthullen van informatie om de cognitieve distorties van de ontvanger te manipuleren.