Selective Visibility and Coordination Loss in Matching Markets:An Evolutionary Model of Aspirational Search

Na era digital, frequentemente assumimos que ver mais histórias de sucesso é algo positivo. Se uma plataforma nos mostra pessoas encontrando o amor, conquistando empregos dos sonhos ou alcançando grandes feitos, sentimos naturalmente que esses resultados estão ao nosso alcance. Essa intuição baseia-se em duas suposições silenciosas: primeiro, que as histórias que vemos são verdadeiras e, segundo, que elas são uma amostra justa da realidade. Mas o que acontece quando as histórias são verdadeiras, mas a amostra é enviesada? Esta questão situa-se na intersecção entre a forma como julgamos o nosso próprio valor e como os mercados funcionam. Por décadas, psicólogos têm sabido que as pessoas se avaliam comparando as suas vidas com as de outros, muitas vezes olhando para cima, para aqueles que parecem mais bem-sucedidos. Economistas estudam há muito tempo os mercados de correspondência (matching markets), onde dois grupos — como candidatos a emprego e empregadores, ou pessoas à procura de parceiros — tentam encontrar-se. O enigma que esta investigação aborda é como estes dois campos colidem: o que ocorre quando uma plataforma digital destaca verdadeiramente apenas os sucessos mais excitantes e auto-relevantes, e como esse destaque seletivo altera o comportamento de todos os envolvidos.

O estudo, realizado por um economista da Universidade de Tecnologia e Negócios de Chongqing, explora um cenário em que uma plataforma digital não mente. Ela não fabrica histórias de sucesso. Em vez disso, simplesmente escolhe mostrar um tipo específico de sucesso com mais frequência do que ele ocorre na vida real. Imagine uma aplicação de encontros que, em vez de mostrar uma mistura aleatória de perfis, exibe desproporcionalmente as poucas pessoas que encontraram parceiros altamente compatíveis e de longo prazo rapidamente. Cada perfil mostrado é real, e cada história de sucesso é genuína. No entanto, porque a plataforma sobre-representa estes casos excecionais, o utilizador médio começa a acreditar que encontrar tal parceiro é muito mais fácil e comum do que realmente é. O investigador construiu um modelo matemático para rastrear como esta visão "verdadeira mas não representativa" desce de uma simples mudança no que as pessoas veem para uma mudança complexa na forma como todo o mercado se comporta.

O modelo revela uma reação em cadeia que começa com uma mudança de perceção. Quando os utilizadores veem um fluxo constante de sucessos excecionais e auto-relevantes, eles ajustam inconscientemente o seu próprio sentido do que é possível para eles. Sentem-se mais capazes e com maior probabilidade de sucesso do que as estatísticas sugeririam. Este aumento de confiança leva-os a mudar a sua estratégia: deixam de procurar parceiros que sejam um par realista e passam a visar muito mais alto, visando pessoas que estão muito acima do seu nível. Este é um movimento racional para um indivíduo; se acredita que tem uma hipótese melhor do que realmente tem, deve visar mais alto. Mas o problema surge quando todos o fazem ao mesmo tempo.

À medida que mais pessoas no mercado desviam o seu olhar para cima, a competição por esses alvos de alto nível torna-se feroz. As pessoas que estão realmente a ser visadas — os contrapartes de alto valor — notam este surto de interesse. Elas percebem que o grupo de pessoas que as procura está agora preenchido por indivíduos que estão a sobrestimar as suas próprias chances. Consequentemente, estes alvos de alto valor tornam-se menos dispostos a comprometer-se. Sentem que a atenção que estão a receber não é genuína ou sustentável, pelo que recuam, diminuindo o seu nível de envolvimento ou compromisso. O resultado é uma quebra de coordenação. O primeiro grupo está a perseguir um sonho que é estatisticamente improvável, enquanto o segundo grupo está a recuar da perseguição. O mercado fica congestionado com pessoas à procura das coisas erradas, e o número de combinações bem-sucedidas e duradouras diminui de facto.

A investigação confirma que esta perda de coordenação acontece mesmo sem ninguém mentir. A plataforma está simplesmente a fazer o que muitas algoritmos fazem: mostrar conteúdo que é relevante e excitante para manter os utilizadores envolvidos. O modelo mostra que este ajuste individual — visar mais alto porque a vista parece mais brilhante — torna-se um fracasso coletivo quando o mercado não consegue escalar para atender a essas novas e inflacionadas expectativas. O estudo utiliza uma estrutura chamada teoria dos jogos evolutivos, que rastreia como as estratégias se espalham através de uma população ao longo do tempo, para provar que este resultado não é apenas uma possibilidade, mas um estado estável. Sob condições gerais, quanto mais a plataforma destaca estes casos excecionais, mais o mercado se afasta de combinações bem-sucedidas.

Crucialmente, o artigo também investiga uma solução. Sugere que o problema não é a existência de histórias de sucesso, mas sim a falta de contexto. Os investigadores propõem uma intervenção de "restauração da representatividade". Isto não significa esconder as histórias de sucesso ou censurar a verdade. Significa, em vez disso, mostrar as histórias de sucesso ao lado do quadro completo da realidade. Se um utilizador vê uma história sobre um par perfeito, deve também ver dados que mostrem quão raro é esse resultado, ou quantas pessoas tentaram e falharam antes de o encontrar. Ao restaurar o contexto estatístico, a plataforma pode ajudar os utilizadores a calibrar as suas expectativas sem remover a inspiração. O modelo demonstra que este simples ajuste inverte a tendência negativa. Quando os utilizadores veem a distribuição total dos resultados, param de sobrestimar as suas chances, param de visar irrealisticamente alto e o mercado regressa a um estado onde combinações duradouras podem formar-se.

O estudo vai um passo além ao perguntar por que razão as plataformas podem continuar a mostrar estas visões enviesadas em primeiro lugar. Modela um cenário onde a própria plataforma é um participante ativo, ajustando o quanto destaca casos excecionais com base na atividade do utilizador. As conclusões sugerem um ciclo de feedback perigoso: quando os utilizadores visam mais alto, eles navegam mais e interagem mais, o que gera mais tráfego e conteúdo para a plataforma. Isto torna a estratégia de destaque seletivo lucrativa a curto prazo. No entanto, este ganho a curto prazo ocorre à custa da saúde do mercado a longo prazo. A plataforma pode ser recompensada pelo tráfego que gera, mesmo enquanto a taxa de sucesso real dos seus utilizadores declina. Isto cria uma situação em que os incentivos da plataforma estão desalinhados com o objetivo final dos utilizadores de encontrar uma ligação duradoura.

A investigação não afirma que a busca ambiciosa seja má, nem argumenta que os resultados excecionais devam ser escondidos. O insight central é que a veracidade não é suficiente. Uma amostra pode ser inteiramente verdadeira e ainda assim ser enganadora se não for representativa. Em mercados sensíveis ao ranking, onde as oportunidades são escassas e as pessoas têm incerteza sobre a sua própria posição, a forma como a informação é apresentada importa tanto quanto a própria informação. O estudo conclui que, para as plataformas digitais funcionarem bem, devem fazer mais do que apenas verificar factos; devem garantir que as histórias que contam forneçam uma visão calibrada da realidade. Ao ajudar os utilizadores a distinguir entre o que é possível e o que é provável, as plataformas podem prevenir o desvio coletivo para objetivos irreais e preservar as condições necessárias para uma ligação genuína. O trabalho serve como um lembrete de que, num mundo de feeds curados, o serviço mais valioso que uma plataforma pode oferecer pode ser o contexto honesto que nos permite ver a nós próprios claramente.