在线评论极端偏见的驱动力：理论与实验揭示

在线评论中的极端偏见是一个引人关注的现象，它揭示了用户评分分布的非均衡特性，表现为明显的“j形”或“极端”分布。本文旨在探讨这一现象背后的原因，通过对一系列跨平台研究的深入分析，作者Leif Brandes、David Godes和Dina Mayzlin提出了两种主要的理论解释。 首先，他们开发了一个简单的分析模型，重点考虑了两种可能的因素：发布极端评价（如五星好评或差评）和中等评价（如三星或四星）之间的效用差异或基本费率差异。效用差异指的是消费者在给予极端评价时可能感受到的额外满足或激励，而基本费率则是指用户选择发表特定类型评论的概率。这个模型假设，如果极端评价提供更高的效用或较低的发表门槛，可能导致极端评分更频繁。 其次，他们提出了另一种理论，即基于潜在评论者库中不同类型的用户流失率差异。按照这一理论，拥有中等体验的用户可能因为更容易对系统失去兴趣或满意程度不足以驱动评论，因此中等评价的流失率较高。这会导致极端评价在相对数量上占据优势。 这两种理论对于评价征集邮件中的极端评价与中等评价的预估结果大相径庭。传统的理论预测极端评价会因效用和基本费率的优势而增加，而基于流失率的模型则预测极端评价的数量可能会减少，因为中等评价的流失可能导致它们的相对比例下降。 为了验证这些理论，作者们进行了一项大规模的实地实验，选择了在线旅游平台作为研究场景。实验结果显示，实际观察到的数据明确支持了基于流失率的解释，即极端评价的相对减少，而非效用和基本费率理论所预期的增加。这表明在现实情境中，用户的流失行为对评价分布的极端性起到了关键作用。 总结来说，这篇文章通过理论建模和实证研究，揭示了在线评论中极端偏见的驱动因素可能是用户流失而非效用差异，这对理解和管理在线评价的公正性和真实性具有重要的启示意义。未来的研究可能进一步探讨其他可能的影响因素，如社交影响、平台设计等，以更全面地解释这种复杂的行为现象。