GOTCHA WITH A CAPTCHA! Basic anchoring effects and willingness to pay in an e-commerce setting

Sebastiaan Michiels
Persbericht

U bent geen robot? Dan betaalt u te veel!

 

“Kan u even aantonen dat u geen robot bent?”

In het dagelijkse leven zou deze vraag vermoedelijk op gefrons worden onthaald. Maar op het internet moeten we wel vaker combinaties van vervormde cijfers en letters correct overtypen om te bewijzen dat we geen robots zijn. Internetgebruikers vinden deze captcha’s hoogstens vervelend en beseffen niet dat ze in handen van sluwe verkopers potentieel verre van onschuldig zijn. Zowel Amazon als een kleine elektronicazaak zouden er met captcha’s voor kunnen zorgen dat hun klanten meer betalen voor een specifiek product.

Met een experiment heb ik aangetoond dat het mogelijk is om de betalingsbereidheid voor een smartphone met meer dan een derde te verhogen door een hoog getal op te nemen in een captcha. Hoe kan het nu dat enkele vervormde cijfers ons zo in de luren leggen?

De macht van een getal

Bij het uitvoeren van complexe mentale taken neemt de menselijke geest doorgaans een binnenweg. We gebruiken simpele vuistregels om de vereiste mentale inspanning te beperken en onze beslissingssnelheid te verhogen.

We vragen ons bijvoorbeeld niet af hoeveel we maximaal willen betalen voor een bepaald huis, maar we gaan na – al dan niet bewust – of de door de verkoper gevraagde prijs aanvaardbaar is. De vraagprijs wordt zo een referentiepunt en fungeert als anker (anchor). Als we de vraagprijs te hoog vinden, zullen we deze naar beneden bijstellen om tot een inschatting van onze betalingsbereidheid te komen. Onderzoek toont echter aan dat deze aanpassing vanaf het anker zelden groot genoeg is. Een hoog anker – een hoge vraagprijs – leidt bijgevolg tot een hogere betalingsbereidheid dan in een situatie met een laag anker of zonder anker.

afbeeldingen

Zelfs vastgoedexperts vallen ten prooi aan dit anchoring effect. Zo bleek uit onderzoek in de Verenigde Staten dat experts die een hoge vraagprijs ($83.900) te zien kregen, het huis $75.000 waard vonden. Beduidend meer dan de $68.000 waarop hetzelfde huis werd geschat door experts die vertrokken van een lage vraagprijs ($65.900).

Verkopers met kennis van het anchoring effect kunnen ons dus beïnvloeden door een hoge vraagprijs in te stellen. Toch is het rationeel dat we voor moeilijke inschattingen en beslissingen houvast zoeken bij doorgaans informatieve ankers. Meer verontrustend is dat ook irrelevante getallen anchoring effecten kunnen veroorzaken. Voorafgaandelijk een hoger aantal ogen gooien met een paar dobbelstenen zorgt ervoor dat advocaten bij het beoordelen van eenzelfde casus een zwaardere gevangenisstraf eisen. Studenten die gevraagd worden om te denken aan de laatste twee cijfers van hun rijksregisternummer zijn bereid om meer te betalen voor een fles wijn als die cijfers een groot getal vormen.

afbeeldingen2

Sudoku’s zijn zelden gevaarlijk

Toch is er geen reden om vanaf nu elk contact met getallen te vermijden. Het zien van een irrelevant getal is op zich namelijk niet voldoende om slachtoffer te worden van een anchoring effect. Gevaarlijk wordt het pas als je ook een vergelijkingsvraag moet beantwoorden die het anker verbindt met de te beïnvloeden schatting. Zo werd aan de advocaten uit voorgaand voorbeeld expliciet de vraag gesteld of het aantal maanden gevangenisstraf hoger of lager diende te liggen dan het met de dobbelstenen geworpen getal.

Hoewel talloze wetenschappelijke studies demonstreren dat het stellen van dergelijke vergelijkingsvragen leidt tot aanzienlijke anchoring effecten, is deze methode in de praktijk van weinig nut voor verkopers. Potentiële klanten die vóór de aankoop van een huis zouden moeten draaien aan een rad van fortuin zouden wel een anchoring effect ondervinden, maar zouden vooral achterdochtig worden. En al helemaal als ze de waarde die het rad aangeeft zouden moeten vergelijken met hun betalingsbereidheid voor het huis.

Andere manieren om anchoring effecten te creëren met irrelevante getallen, zoals consumenten een getallenreeks laten aanvullen, zijn om dezelfde reden onbruikbaar. Mijn masterproef toont aan dat een praktische toepassing wel degelijk mogelijk is. Eens te meer is het internet de ideale omgeving voor misleiding. Webwinkels kunnen irrelevante ankers namelijk gemakkelijk en goedkoop integreren in captcha’s.

Captcha rijmt op gotcha

Captcha’s zijn korte testen die moeten bepalen of de gebruiker een mens is en geen computer. Bij de meest bekende captcha moet de gebruiker een combinatie van vervormde cijfers en letters overtypen. De vervormde cijfers zijn de perfecte drager voor een anker, bijvoorbeeld 532.

afbeeldingen3

Consumenten vinden captcha’s niet verdacht en gaan er daarenboven van uit dat de inhoud arbitrair bepaald wordt door een algoritme. En minstens even belangrijk: een captcha verplicht de consument om voldoende aandacht te besteden aan het anker. Enerzijds omdat de vervormde cijfers moeilijk leesbaar zijn, anderzijds omdat het getal overgetypt moet worden. De consument kan zelfs gevraagd worden om wiskundige bewerkingen uit te voeren met meerdere captcha’s. Omdat dit gebeurt onder het voorwendsel dat de verkoper wil nagaan of de gebruiker geen robot is, leidt dit niet tot achterdocht.

Een eigen experiment bij 232 studenten leidde tot veelbelovende resultaten – toch voor verkopers. Alle proefpersonen kregen op een fictieve website eenzelfde merkloze smartphone te zien. Een eerste groep kreeg een captcha met letters – en dus zonder ankers – voorgeschoteld. Een tweede groep moest twee getallen in een captcha vergelijken en de hoogste waarde overtypen. Deze groep bleek, zoals verwacht, onderhevig aan het anchoring effect en schatte de prijs van de smartphone maar liefst €135 – of 38 procent – hoger dan de groep zonder ankers.

afbeeldingen4

Verkopers zouden dus hun omzet kunnen verhogen door het verstoppen van getallen in een captcha. Dat dit ten koste gaat van de consument, daar denkt een verkoper het zijne van: Gotcha met een captcha!

Van spelen met cijfers naar e-misleiden

Sluwe verkopers en reclamejongens kennen vele manieren om consumenten te misleiden. Bepaalde van die trucs raken later ook bij het geïnformeerde publiek bekend. Tot op heden bestond er geen praktische toepassing voor anchoring effecten op basis van irrelevante getallen. Mijn masterproef toont nu echter aan dat captcha’s gebruikt zouden kunnen worden om de betalingsbereidheid van consumenten te verhogen. Moge dit een waarschuwing zijn. Wij mensen zijn eenvoudig te beïnvloeden. Het ultieme bewijs dat we geen robots zijn is hierbij geleverd.

Bibliografie

Ariely, D., Loewenstein, G., & Prelec, D. (2003). “Coherent Arbitrariness”: Stable Demand Curves without Stable Preferences. The Quarterly Journal of Economics118(1), 73-105.

Becker, G. M., DeGroot, M. H., & Marschak, J. (1963). An experimental study of some stochastic models for wagers. Behavioral Science8(3), 199-202.

Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society. Series B (Methodological), 57(1), 289-300.

Brewer, N. T., & Chapman, G. B. (2002). The fragile basic anchoring effect. Journal of Behavioral Decision Making15(1), 65-77.

Cervone, D., & Peake, P. K. (1986). Anchoring, efficacy, and action: The influence of judgmental heuristics on self-efficacy judgments and behavior. Journal of Personality and Social Psychology50(3), 492-501.

Chapman, G. B., & Johnson, E. J. (2002). Incorporating the Irrelevant: Anchors in Judgments of Belief and Value. In T. Gilovich, D.W. Griffin, D. Kahneman (Eds.), The psychology of intuitive judgment: Heuristics and biases (pp. 120-138). New York: Cambridge University Press.

Cialdini, R. B. (2007). Influence: The Psychology of Persuasion (Rev. ed.). New York: Collins.

Costa, D. F., de Melo Carvalho, F., de Melo Moreira, B. C., & do Prado, J. W. (2017). Bibliometric analysis on the association between behavioral finance and decision making with cognitive biases such as overconfidence, anchoring effect and confirmation bias. Scientometrics, 111(3), 1775-1799.

Critcher, C. R., & Gilovich, T. (2008). Incidental Environmental Anchors. Journal of Behavioral Decision Making21(3), 241-251.

Davis, H. L., Hoch, S. J., & Ragsdale, E. E. (1986). An anchoring and adjustment model of spousal predictions. Journal of Consumer Research13(1), 25-37.

Englich, B., & Mussweiler, T. (2001). Sentencing Under Uncertainty: Anchoring Effects in the Courtroom. Journal of Applied Social Psychology31(7), 1535-1551.

Englich, B., Mussweiler, T., & Strack, F. (2006). Playing Dice with Criminal Sentences: The Influence of Irrelevant Anchors on Experts’ Judicial Decision Making. Personality and Social Psychology Bulletin32(2), 188-200.

Epley, N., & Gilovich, T. (2010). Anchoring unbound. Journal of Consumer Psychology20(1), 20-24.

Fischhoff, B. (1975). Hindsight ≠ foresight: The effect of outcome knowledge on judgment under uncertainty. Journal of Experimental Psychology: Human Perception and Performance, 1(3), 288-299.

Furnham, A., & Boo, H. C. (2011). A literature review of the anchoring effect. The Journal of Socio-Economics40(1), 35-42.

Glöckner, A., & Englich, B. (2015). When Relevance Matters: Anchoring effects can be larger for relevant than for irrelevant anchors. Social Psychology, 46(1), 4-12.

Green, D., Jacowitz, K. E., Kahneman, D., & McFadden, D. (1998). Referendum contingent valuation, anchoring, and willingness to pay for public goods. Resource and Energy Economics20(2), 85-116.

Huber, J., Payne, J. W., & Puto, C. (1982). Adding Asymmetrically Dominated Alternatives: Violations of Regularity and the Similarity Hypothesis. Journal of Consumer Research9(1), 90-98.

Jacowitz, K. E., & Kahneman, D. (1995). Measures of Anchoring in Estimation Tasks. Personality and Social Psychology Bulletin21(11), 1161-1166.

Jones, B. D. (2002). Bounded rationality and public policy: Herbert A. Simon and the decisional foundation of collective choice. Policy Sciences35(3), 269-284.

Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.

Koçaş, C., & Dogerlioglu-Demir, K. (2014). An empirical investigation of consumers’ willingness-to-pay and the demand function: The cumulative effect of individual differences in anchored willingness-to-pay responses. Marketing Letters25(2), 139-152.

Mandel, N., & Johnson, E. J. (2002). When Web Pages Influence Choice: Effects of Visual Primes on Experts and Novices. Journal of Consumer Research29(2), 235-245.

Mead, J. A., & Hardesty, D. M. (2018). Price Font Disfluency: Anchoring Effects on Future Price Expectations. Journal of Retailing, 94(1), 102-112.

Mochon, D., & Frederick, S. (2013). Anchoring in sequential judgments. Organizational Behavior and Human Decision Processes122(1), 69-79.

Monroe, K. B. (2003). Pricing: Making Profitable Decisions (3rd ed.). New York: McGraw-Hill.

Mussweiler, T., & Englich, B. (2005). Subliminal anchoring: Judgmental consequences and underlying mechanisms. Organizational Behavior and Human Decision Processes98(2), 133-143.

Mussweiler, T., & Strack, F. (2001). Considering the Impossible: Explaining the Effects of Implausible Anchors. Social Cognition19(2), 145-160.

Northcraft, G. B., & Neale, M. A. (1987). Experts, Amateurs, and Real Estate: An Anchoring-and-Adjustment Perspective on Property Pricing Decisions. Organizational Behavior and Human Decision Processes39(1), 84-97.

Peterson, R. A., & Merino, M. C. (2003). Consumer Information Search Behavior and the Internet. Psychology & Marketing20(2), 99-121.

R Core Team (2018). R: A Language and Environment for Statistical Computing [Computer software]. Vienna: R Foundation for Statistical Computing. Retrieved from http://www.R-project.org

Shapiro, C., & Varian, H. R. (1999). Information Rules: A Strategic Guide to the Network Economy. Boston: Harvard Business Press.

Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics69(1), 99-118.

Simon, H. A. (1979). Rational Decision Making in Business Organizations. The American Economic Review69(4), 493-513.

Simonson, I., & Drolet, A. (2004). Anchoring effects on consumers' willingness-to-pay and willingness-to-accept. Journal of Consumer Research31(3), 681-690.

Simonson, I., & Tversky, A. (1992). Choice in Context: Tradeoff Contrast and Extremeness Aversion. Journal of Marketing Research29(3), 281-295.

Slovic, P. (1995). The Construction of Preferences. American Psychologist50(5), 364-371.

Slovic, P., & Lichtenstein, S. (1971). Comparison of Bayesian and Regression Approaches to the Study of Information Processing in Judgment. Organizational Behavior and Human Performance6(6), 649-744.

Strack, F., & Mussweiler, T. (1997). Explaining the Enigmatic Anchoring Effect: Mechanisms of Selective Accessibility. Journal of Personality and Social Psychology73(3), 437-446.

Switzer, F. S., & Sniezek, J. A. (1991). Judgment Processes in Motivation: Anchoring and Adjustment Effects on Judgment and Behavior. Organizational Behavior and Human Decision Processes49(2), 208-229.

Thaler, R. H. (1985). Mental Accounting and Consumer Choice. Marketing Science4(3), 199-214.

Thaler, R. H. (2015). Misbehaving: The Making of Behavioral Economics. New York: W.W. Norton & Company.

Thaler, R. H., & Benartzi, S. (2004). Save More Tomorrow™: Using Behavioral Economics to Increase Employee Saving. Journal of Political Economy112(1), S164-S187.

Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science, 185(4157), 1124-1131.

Tversky, A., & Kahneman, D. (1981). The Framing of Decisions and the Psychology of Choice. Science211(4481), 453-458.

Van Exel, N. J. A., Brouwer, W. B. F., van den Berg, B., & Koopmanschap, M. A. (2006). With a little help from an anchor: discussion and evidence of anchoring effects in contingent valuation. The Journal of Socio-Economics35(5), 836-853.

Varian, H. R. (2014). Intermediate Microeconomics: A Modern Approach: Ninth International Student Edition. New York: W.W. Norton & Company.

Vickrey, W. (1961). Counterspeculation, Auctions, and Competitive Sealed Tenders. The Journal of Finance16(1), 8-37.

Wegener, D. T., Petty, R. E., Detweiler-Bedell, B. T., & Jarvis, W. B. G. (2001). Implications of Attitude Change Theories for Numerical Anchoring: Anchor Plausibility and the Limits of Anchor Effectiveness. Journal of Experimental Social Psychology37(1), 62-69.

Wilson, T. D., & Brekke, N. (1994). Mental Contamination and Mental Correction: Unwanted Influences on Judgments and Evaluations. Psychological Bulletin116(1), 117-142.

Wilson, T. D., Houston, C. E., Etling, K. M., & Brekke, N. (1996). A New Look at Anchoring Effects: Basic Anchoring and Its Antecedents. Journal of Experimental Psychology: General125(4), 387-402.

Wong, K. F. E., & Kwong, J. Y. Y. (2000). Is 7300 m Equal to 7.3 km? Same Semantics but Different Anchoring Effects. Organizational Behavior and Human Decision Processes82(2), 314-333.

Wu, C. S., Cheng, F. F., & Lin, H. H. (2008). Exploring anchoring effect and the moderating role of repeated anchor in electronic commerce. Behaviour & Information Technology27(1), 31-42.

Wu, C. S., Cheng, F. F., & Yen, D. C. (2012). The role of Internet buyer's product familiarity and confidence in anchoring effect. Behaviour & Information Technology31(9), 829-838.

Universiteit of Hogeschool
Toegepaste Economische Wetenschappen: Handelsingenieur
Publicatiejaar
2018
Promotor(en)
Leo Van Hove
Kernwoorden
Share this on: