Na vijf keer kop moet ‘ie toch wel weer op munt vallen?!

Samenvatting: bij het maken van beslissingen hebben we de neiging om essentiële statistische informatie te negeren (algemene generieke informatie) en ons te richten op specifieke informatie (informatie die alleen betrekking heeft op de bepaalde zaak).

Stel, je hebt een winkel en bij jou kun je elke maand loten kopen. Op een gegeven moment komt er een klant terug met een winnend lot! Deze klant kan anderen aanmoedigen om ook een lot te kopen. Dat kan ze zelf doen, maar jij kunt er ook misschien nog wel effectiever mee aan de slag. Een winkel waar een winnend lot is gekocht, doet er namelijk slim aan hiermee te pronken. We zien dat bij voorbijgangers die in een winkeletalage zien dat er afgelopen keer een winnaar heeft gekocht, zij de kans hoger zullen inschatten dat ze daar ook een prijs kunnen winnen. Dit terwijl ze weten dat de kans gelijk blijft.

De waarschijnlijkheid verandert niet, maar de kans op winst wordt wel aannemelijker.

Het is een voorbeeld van een Base Rate Neglect. Het betekent letterlijk het maken van een denkfout (bias) bij een beslissing, namelijk: het negeren van een relevante basiswaarde. Het is onderdeel van een groep heuristieken die Kahneman en Tversky hebben beschreven in hun essay ‘Judgement under Uncertainty: Heuristics and Biases’.

We baseren onze beoordelingen, vaak ten onrechte, op bekende en specifieke kansen, getallen en percentages. Hierbij negeren we belangrijke algemene statistische informatie. Bijvoorbeeld: stel je gooit een muntstuk vijf keer op (K = kop en M = munt). En vervolgens gooi je een andere munt ook vijf keer op. Dit zijn de resultaten:

1e ronde:        K – M – K – K – M
2e ronde:        M – M – M – M – M

Welke van de twee rondes is volgens jou waarschijnlijker? De meesten van ons, zelfs degenen onder ons die het experiment kennen, zullen zeggen dat de eerste waarschijnlijker is. Want zeg nu zelf, hoe groot is de kans dat iemand vijf keer munt achter elkaar gooit? Echter vinden we het aannemelijker om zowel kop als munt te gooien in een reeks en daarom ook waarschijnlijker. Maar in feite zijn beide opties even waarschijnlijk. Iedere keer wanneer je de munt opgooit is de kans op kop of munt natuurlijk 50%, zonder enig (causaal) verband met een vorige worp.

In 1982 onderzochten Daniel Kahneman, en zijn compagnon Amos Tversky, representativiteit en Base Rate Neglect. In dit onderzoek omschrijven zij het zogeheten ‘Taxi-probleem’. De respondenten in deze studie werd de volgende situatie voorgelegd:

Afgelopen nacht is een taxi betrokken geweest bij een ongeluk, waarbij een fietser gewond is geraakt bij een botsing tussen de twee. De fietser is na controle in het ziekenhuis gelukkig weer thuis, met enkel wat schaafwonden. Alleen wie de fietser heeft aangereden is nog niet duidelijk.

Wat we weten is dat in de stad waar het ongeluk plaatsvond twee taxibedrijven actief zijn: een Groene (bezit 85% van alle taxi’s) en een Blauwe (bezit 15% van alle taxi’s).

Picture1

Daarnaast heeft een ooggetuige zich gemeld. Hij heeft de taxi geïdentificeerd als blauw. Om zo zeker mogelijk van onze zaak te zijn is de betrouwbaarheid van deze inschatting getest. Uit de test kwam dat de accuratesse om de twee kleuren te kunnen onderscheiden in 80% van de gevallen correct is.

Wat is de kans dat de taxi blauw was in plaats van groen? Wetende dat de getuige een blauwe taxi zegt te hebben gezien.

Er zijn met deze casus meerdere studies gedaan naar ons beoordelingsvermogen onder onzekerheid. Wanneer de respondenten alleen de verhouding taxibedrijven in de stad als informatie kregen waren ze bijna allemaal overtuigd dat het een groene taxi geweest moest zijn. Bij een andere groep werd de ooggetuige toegevoegd aan de case. Hier gaf de meerderheid van de respondenten aan dat het waarschijnlijk een blauwe taxi was die schuldig is aan het ongeluk.

We zijn geneigd causaal te denken en statistische kansen achterwegen te laten in ons oordeel.

Hoe kun je deze kennis zelf gebruiken?

Het voorbeeld van de winkel uit de eerste alinea kun je ook goed gebruiken voor een online webshop. Bijvoorbeeld door te zeggen ‘95% van onze actieve klanten’ geven ons een 5-sterren rating, in plaats van ‘75% van al onze klanten’ creëer je je eigen base rate. Door een legitieme maar effectieve verandering.

Door het framen van je base rate creëer je ook direct een anker die een positief effect kan hebben op volgende informatie. Dit principe noemen we in de psychologie Anchoring. Het werkt als volgt: op basis van eerder beschikbare informatie vormen we een referentie. Zelfs wanneer deze Anchor niet per se relevant hoeft te zijn, beïnvloedt het wel de volgende beoordeling van je websitebezoeker.

Wanneer je eerst een base rate hebt geframed kun je vervolgens je bezoeker misschien wel effectiever informeren over de prijs van je product. Stel je informeert eerst je bezoeker over de 95% tevredenheid van je klant en vervolgens laat je ze de prijzen (van respectievelijk €89,- en €59,-) zien van een overnachting in je hotel. Hier zullen bezoekers de prijzen positiever beoordelen dan wanneer je een klanttevredenheid van 75% aanhoudt.

Wat zijn we toch slecht met getallen…

Online Persuasion tips

  • Vergroot positieve getallen en percentages door ze te veranderen van ‘base rate’. En doe het tegenovergestelde voor negatieve getallen en percentages.
  • Maak voordeel/winst aannemelijker door het negeren van de waarschijnlijkheid.
  • Vergeet niet de mogelijkheid tot het optimaliseren van je beïnvloedingstechnieken en combineer bijvoorbeeld waar mogelijk met Anchoring.

Lees verder over de Base Rate Fallacy

wheel-of-persuasion

Sluit Menu