طراحی سیستم‌های بهتر برای ارزیابی آنلاین

نویسندگان: جف داناکر, مایکل لوکا, هیونجین کیم

چطور یک سیستم امتیازدهی بسازیم که مورد اعتماد خریداران و فروشندگان باشد

ارزیابی‌های آنلاین، رویکرد مصرف‌‌کنندگان برای انتخاب محصولات و خدمات را تغییر می‌دهند: برای برنامه‌ریزی تعطیلات به تریپ‌ادوایزر، برای پیدا کردن یک پزشک مناسب به زاک‌داک و برای یافتن یک رستوران جدید به یلپ سر می‌زنیم. سیستم‌های ارزیابی، نقشی محوری در بازارگاه‌های آنلاین نظیر آمازون و ایربی‌ان‌بی دارند. در دیدگاهی گسترده‌تر، هم‌اکنون تعداد فزاینده‌ای از سازمان‌ها – از مرکز درمان استنفورد تا 9 مورد از 10 خرده‌فروش بزرگ آمریکا – دارای اکوسیستم‌های ارزیابی هستند تا کمک‌حال مشتریان برای انتخاب محصولاتشان باشند.

مدیریت صحیح بر یک سیستم ارزیابی، به نفع هر دو گروه خریداران و فروشندگان است. سیستم‌های قابل اعتماد می‌توانند اطمینان لازم برای یک خرید یک محصول نسبتاً ناشناخته را به خریداران بدهند، چه بخواهند یک کتاب جدید بخرند و چه زمانی که خواهان صرف شام در یک رستوران محلی باشند. به‌عنوان نمونه، تحقیق یکی از ما (مایک) نشان داده که نمره‌ی بالاتر در یلپ، موجب افزایش فروش محصول خواهد شد. نمود بیشتر این تاثیر را می‌توان برای کسب‌وکارهای مستقل مشاهده کرد که هنوز اعتبار چندانی دست‌وپا نکرده‌اند. همچنین این نقدها یک حلقه‌ی بازخورد می‌سازند که اطلاعات ارزشمندی در اختیار تامین‌کنندگان می‌گذارد: مثلاً اوبر می‌تواند با ارزیابی نمرات، راننده‌های ضعیف را از سرویس خود حذف کند یا تولیدکنندگان کالاهای مصرفی می‌توانند با بهره‌گیری از این نمرات، محصولات بهتری ارائه دهند.

اما تمامی سیستم‌های ارزیابی پررونق نیستند و برخی از آن‌ها نمی‌توانند نظر ارزیاب‌ها یا کاربران دیگر را جلب کنند. و برخی از آن‌ها هم علی‌رغم گردآوری ارزیابی‌های فراوان، قادر به جلب اعتماد مصرف‌کنندگان نیستند. مثلاً وقتی تمامی نقدهای یک پلتفرم مثبت باشند، کاربرانش تمامی آیتم‌های ارزیابی‌شده را مثبت می‌پندارند – یا شاید نتیجه بگیرند که این سیستم نمی‌تواند کمک‌حال آن‌ها برای تشخیص خوب از بد باشد. نقدهایی که قادر به ارائه‌ی تصویری کامل از تجربیات مصرف‌کنندگان نباشند، گمراه‌کننده خواهند بود. ارزیابی‌های دروغین یا هم‌راستا با منافع شخصی هم تلاش پلتفرم‌ها برای اعتمادسازی را مختل می‌کنند. تحقیق صورت‌گرفته توسط مایک و گئورگیوس زرواس نشان داده وقتی اعتبار کسب‌وکارها در معرض خطر باشد یا رقبای قدرتمندی داشته باشند، احتمال توسل آن‌ها به ارزیابی‌های جعلی افزایش خواهد یافت.


خلاصه ایده

وعده

سیستم‏های ارزیابی نظیر نمره‌دهی به رانندگان اوبر و لیفت، نظرات محصولات آمازون و توصیه‌ی هتل تریپ‌ادوایزر، بیش‌ازپیش بر تصمیمات مصرف‌کنندگان اثر می‌گذارند. سیستم‌های ارزیابی خوب، به خریدار اطمینان می‌دهند تا فرایند خرید را تکمیل کند و موجب افزایش فروش فروشنده (و احتمال مراجعه‌ی مجدد مشتریان) می‌شوند.

مسئله

بسیاری از سیستم‌ها وعده‌هایشان را برآورده نمی‏‌کنند – ارزیابی‌های بسیار اندکی دارند یا نقدهای گمراه‌کننده و بی‌فایده را منتشر می‌کنند. عامل شکل‌گیری بسیاری از مشکلات سیستم ارزیابی، یک پیش‌فرض متداول و نادرست است: ساخت این سیستم‌ها، نه یک مسئله‌ی مدیریتی بلکه یک چالش فناورانه است.

راهکار

مسئولان ساخت و نگه‌داری این سیستم‌ها، باید تصمیمات طراحی خاصی را اتخاذ کنند که موجب ارتقای تجربه‌ی مصرف‌کنندگان و ارزیاب‌ها شوند.


عامل شکل‌گیری بسیاری از مشکلات سیستم ارزیابی، یک پیش‌فرض متداول و نادرست است: اینکه ساخت این سیستم‌ها، نه یک مسئله‌ی مدیریتی بلکه یک چالش فناورانه است. رهبران کسب‌وکار عموماً توجه زیادی به فناوری سازنده‌ی این سیستم‌ها دارند، اما نمی‌توانند محتوای آن را مدیریت کنند و همین رویکرد، بستری برای شکل‌گیری مشکلات متداول است. انتخاب گزینه‌های طراحی ضعیف، پیامدهای بزرگی به همراه خواهد داشت: تصورش دشوار است که بدون فراهم‌سازی بستری برای اعتمادسازی مهمان‌پذیرها (که اتکای سنگینی به ارزیابی‌های مشتریان دارد)، مسافران به ایر‌بی‌ان‌بی اطمینان کنند یا خریداران بتوانند بدون مطالعه‌ی ریویوها، تحقیقات خود درباره‌ی محصولات آمازون را انجام دهند. هیونجین و مایک به‌عنوان چهره‌های دانشگاهی، انتخاب‏‌های طراحی و نقش آن‌ها در موفقیت و ناکامی برخی از پلتفرم‌های آنلاین را بررسی کردند و برای تکمیل تحقیقات، از همکاری یلپ و سایر کمپانی‌ها بهره گرفتند (هیونجین نقش کارآموز تحقیق اقتصاد در یلپ را نیز ایفا می‌کند). و جف که سابقه‌ی بیش از یک دهه حضور در مسئولیت مدیر ارشد عملیات یلپ را دارد، نقش مهمی در اعتلای اکوسیستم ارزیابی سازمان داشته که یکی از بهترین منابع اطلاعاتی درباره‌ی سرویس‌های محلی است.

وقتی تمامی نقدهای داخل یک پلتفرم مثبت باشند، شاید کاربران نتیجه بگیرند که این سیستم نمی‌تواند کمک‌حال آن‌ها برای تشخیص خوب از بد باشد.

در سال‌های اخیر، تحقیقات فزاینده‌ای به بررسی گزینه‌های طراحی گوناگون پرداخته‌اند که می‌‌توانند سیستم‌های اعتبارسنجی و نقد قدرتمندتری بسازند. این مقاله با بهره‌گیری از تحقیقات و سابقه‌ی تدریس و همکاری‌مان با کمپانی‌ها، چارچوب‌های مدیریت یک اکوسیستم ارزیابی ترسیم می‌کند – مشکلات احتمالی، گزینه‌های طراحی و مشوق‌های احتمالی برای جلوگیری از موانع احتمالی را مطرح می‌کند. نگاه دقیق‌تری به هر یک از این مشکلات می‌اندازیم و نحوه‌ی حل‌وفصل آن‌‌ها را شرح خواهیم داد.

نقدهای ناکافی

وقتی یلپ کار خود را آغاز کرد، یک پلتفرم واقعاً جدید بود – یک شهر ارواح که ارزیاب‌ها یا مخاطبان بسیار اندکی داشت. بسیاری از سیستم‌های ارزیابی، مشکل کمبود نقد دارند، علی‌الخصوص وقتی در آغاز راه خود هستند. درحالی‌که اکثر افراد نقد می‌خوانند تا خرید آگاهانه‌ای داشته باشند، اما تنها عده‌ی اندکی از آن‌ها نقدهای خود را در پلتفرم‌ها منتشر می‌کنند. با توجه به قدرت اثرات شبکه‌ای در پلتفرم‌های ارزیابی، این شرایط بدتر هم خواهد شد: جذب نقدنویس‌ها در یک دنیای کم‌مخاطب دشوار خواهد بود، کمااینکه جذب مخاطب برای یک دنیای کم‌نقد نیز سخت است.

سه رویکرد پیشنهاد می‌کنیم که می‌توانند کمک‌حال سازمان برای جذب نقدهای کافی باشند: بذرافشانی برای سیستم، انگیزه‌سازی و تجمیع محصولات مرتبط. انتخاب تلفیقی صحیح از رویکردهای فوق، متکی بر عواملی نظیر جایگاه سیستم در مسیر رشد، تعداد محصولات موجود و اهداف آن سیستم است.

بذرافشانی نقدها

پلتفرم‌هایی که در آغاز راه هستند، می‌توانند به فکر استخدام نقدنویس یا استخراج نقد از سایر پلتفرم‌ها (از طریق مشارکت و با ارجاع مناسب به منتقد) باشند. کمپانی یلپ در راستای خلق ارزش‌های کافی برای کاربران جدید به‌منظور ثبت‌نام در آن و تشویق به نقدنویسی، گروهی از «پیشاهنگ‌های» پاره‌وقت را استخدام کرد و چند ماه به آن‌ها حقوق داد تا عکس‌های شخصی و ارزیابی‌های خود را به پلتفرم اضافه کنند. سایر کسب‌وکارها می‌توانند با پلتفرم‌های تخصصی در زمینه‌ی ارزیابی همکاری کنند – هم آن‌هایی که خواهان خلق اکوسیستم ارزیابی خودشان هستند و هم آن‌هایی که می‌خواهند نقد ارائه کنند اما تمایلی به ساخت اکوسیستم خودشان ندارند. کمپانی‌هایی نظیر آمازون و مایکروسافت، از نقدهای یلپ و سایر پلتفرم‌ها استفاده می‌کنند تا سایت‏‌هایشان را شلوغ کنند.

بذرافشانی در مراحل اولیه‌‌ی ساخت سازمان، به کار پلتفرم‌هایی می‌آید که به دنبال رشد ارزیابی خود هستند؛ زیرا تشویق افراد به فعالیت بیشتر، هیچ نیازی به یک برند جاافتاده ندارد. اما افزایش تعداد محصولات یا خدمات، هزینه‌های زیادی برای نقد نویسی تحمیل خواهد کرد و احتمالاً نقدهای دریافتی هم تفاوت چشمگیری با محتوای اصیل خواهند داشت، بنابراین برخی از پلتفرم‌ها – بسته به اهداف خود – می‌توانند سریعاً از مرحله‌ی بذرافشانی عبور کنند.

انگیزه‌سازی

می‌توان ایجاد انگیزه در کاربران پلتفرم برای نقدنویسی و نمره‌دهی را یک گزینه‌ی مقیاس‌پذیر دانست که نوعی حس همبستگی می‌سازد. می‌توانید از مشوق‌های مالی استفاده کنید: در سال 2014 بود که ایربی‌ان‌بی در ازای هر نقد، یک کد تخفیف 25 دلاری می‌داد و همین طرح موجب افزایش 6.4 درصدی میانگین نقدهای آن‌ها شد. اما مشوق‌های غیرمالی – نظیر هدایای غیرنقدی یا نمادهای شأن و اعتبار – نیز می‌توانند نقدنویس‌ها را تحریک کنند، علی‌الخصوص اگر برندتان جا افتاده باشد. در برنامه‌ی «راهنماهای محلی» گوگل، کاربران می‌توانند با هر بار کمک به پلتفرم – نوشتن یک نقد، افزودن یک تصویر، تصحیح محتوا یا پاسخ به یک پرسش – امتیاز کسب کنند. آن‌ها می‌توانند این امتیازها را به جایزه تبدیل کنند که این جوایز از دسترسی زودتر به محصولات جدید گوگل تا ارتقای 1 ترابایتی در فضای ذخیره‌سازی گوگل درایو را شامل می‌شوند. «گروه ممتاز» یلپ که متشکل از منتقدهای باکیفیت و قدرتمند این سازمان است، در کنار سایر مزایا، القاب ویژه در پلتفرم و کارت دعوت همایش‌ها و مهمانی‌های خصوصی سازمان را دریافت می‌کند.

وقتی دایره‌ی محصولاتتان گسترده باشد، تعیین مشوق‌های مالی نیز چالش‌های ویژه‌ای به همراه خواهد داشت. اما دغدغه‌ی مهم‌تر این است که در صورت طراحی نامناسب پاداش‌های مالی و غیرمالی، این مشوق‌ها با تحریک کاربران به انتشار حجم گسترده‌ای از نقدهای سریع، سرسری و بی‌فایده، نتیجه‌ای معکوس به همراه خواهند داشت.

تجمیع محصولات

با تجدیدنظر درباره‌ی واحد ارزیابی، می‌توانید شرایطی فراهم کنید تا یک نظر واحد، بر چندین محصول اعمال شود. مثلاً می‌توان به رویکرد یلپ اشاره کرد که تمامی آرایشگرهای حاضر در یک سالن را در یک دسته‌ی مشترک جای می‌دهد و مجموعه‌ی آن‌ها را‌ ارزیابی می‌کند. این تجمیع موجب افزایش تعداد نقدهای یلپ برای یک کسب‌وکار معین می‌شود، زیرا ارزیابی هر آرایشگر می‌تواند در صفحه‌ی مربوط به آن کسب‌وکار ظاهر شود. همچنین ازآنجایی‌که بسیاری از سالن‌ها دائماً آرایشگرهای خود را تغییر می‌دهند، می‌توان اهمیت اعتبار سالن را حداقل هم‌تراز با اعتبار هر آرایشگر دانست. به همین ترتیب پلتفرم‌های ارزیابی می‌توانند از کاربران بخواهند که به‌جای نقد جداگانه بر روی هر محصول فروخته‌شده، فروشندگان را نقد کنند (مثلاً در سایت‌هایی نظیر ای‌بی ) و بدین ترتیب ارزیابی‌های مفیدتری داشته باشند.

طراحی سیستم‌های بهتر برای ارزیابی آنلاین

بهتر است که پیشاپیش تصمیمات خود درباره‌ی امکان و نحوه‌ی تجمیع محصولات در یک سیستم ارزیابی را بگیرید، زیرا از این طریق ماهیت پلتفرم را مشخص خواهید کرد (آیا اینجا مکانی برای اطلاع از عملکرد هر آرایشگر است یا کیفیت سالن‌ها را ارزیابی می‌کنیم؟). در صورت افزایش گستره‌ی محصولات، تجمیع آن‌ها جذاب‌تر هم خواهد شد، زیرا آیتم‌های بیشتری دارید که می‌توانید آن‌ها را در قالب دسته‌های مناسب گردآوری کنید.
اما یکی از ریسک‌های تجمیع محصولات برای دستیابی به نقدهای بیشتر، ناتوانی احتمالی مشتریان از کسب اطلاعات درباره‌ی یک محصول خاص است. فرضاً در نظر بگیرید که هر کدام از آرایشگرهای یک سالن، کیفیت کار منحصر به خودشان را دارند و آیا نقد یک آرایشگر می‌تواند به درد مشتریان احتمالی یک آرایشگر دیگر بخورد؟

تجمیع نقدها در فروشگاه کتاب آمازون، به‌گونه‌ای است که قالب کتاب مدنظر مخاطب را در نظر می‌گیرد. ارزیابی نسخه‌های گوناگون از یک عنوان (جلد اعلا، جلد کاغذی یا نسخه‌ی کیندل) با هم ظاهر می‌شوند، اما کتاب صوتی را به‌صورت جداگانه و در قالب برند «آدیبل» نقد می‌کنند. تجمیع نقدهای نسخه‌های فیزیکی و صوتی، به کار مشتریانی می‌آید که خواهان اطلاع از محتویات کتاب‌ها هستند. اما با توجه به نقش تاثیرگذار کیفیت تولید فایل و اطلاعات راوی برای خریداران کتاب صوتی، جداسازی نقدهای آن نیز مفید خواهد بود.

تمامی این استراتژی‌ها، رویکردهای مفیدی برای غلبه بر کمبود نقدها هستند و با افزایش تعامل و بهره‌برداری مخاطب‌ها از پلتفرم، روند تولید محتوا را خودکفا می‌کنند. اما پلتفرم‌ها باید نه‌ صرفاً حجم نقدها بلکه غنای اطلاعاتشان را نیز در نظر بگیرند – که از عوامل تاثیرگذار بر سوگیری انتخاب و گیمینگ سیستم است.

سوگیری انتخاب

آیا تا کنون نقد آنلاین نوشته‌اید؟ اگر پاسختان مثبت است، چه چیزی باعث شد که درباره‌ی آن محصول خاص نظر بدهید؟ تحقیق نشان داده که تصمیم کاربران برای اظهارنظر، بستگی زیادی به کیفیت تجربه‌ی آن‌ها دارد. در برخی سایت‌ها، تجربه‌ی خوب مشتریان باعث می‌شود که نظر خود را اعلام کنند؛ در برخی دیگر، فقط تجربیات بسیار خوب یا بسیار بدشان را ارائه می‌دهند. درهرصورت ممکن است که ارزیابی‌های حاصله دارای سوگیری انتخاب باشند: نتوانند گستره‌ی کامل تجربیات مشتریان آن محصول را ارائه دهند. فرضاً اگر فقط افراد راضی نظراتشان را ارائه دهند، نمرات نهایی بیش‌ازحد بالا خواهند بود. وقتی کسب‌وکار صرفاً مشتریان راضی را برانگیزاند تا ارزیابی‌‌شان را اعلام کنند، سوگیری انتخاب شدیدتر هم خواهد شد.

در سال 2011 بود که ای‌بِی، با چالش سوگیری انتخاب مواجه شد و مشاهده کرد که نمرات فروشندگانش به طرز مشکوکی بالا هستند: نمره‌ی مثبت اکثر فروشندگان سایت، بالغ بر 99 درصد بود. کمپانی طی همکاری با دو اقتصاددان به نام‌های کریس نوسکو و استیون تادلیس، متوجه شد که احتمال ارزیابی و نقد کارکنان از تجربیات مثبت، بسیار بالاتر بود: از میان 44 میلیون تراکنش تکمیل‌شده در سایت، تنها 0.39 درصدشان نمره و نقد منفی داشتند، درحالی‌که تعداد شکایات ثبت‌شده بیش از دو برابر (1 درصد) و پیام‌های خصوصی حاکی از اعلام نارضایتی خریدار به فروشنده نیز بیش از هفت برابر (3 درصد) بیشتر بودند. به نظر می‌رسد تصمیم خریداران مبنی بر ارزیابی یا عدم ارزیابی فروشنده، عامل تعیین‌کننده‌تری برای پیش‌بینی شکایات آتی آن‌ها بود – و بدین ترتیب می‌توان آن را نماینده‌ی بهتری برای کیفیت فروشنده دانست.

در برخی سایت‌ها، تجربه‌ی خوب مشتریان باعث می‌شود که نظر خود را اعلام کنند؛ در برخی دیگر، آن‌ها فقط تجربیات بسیار خوب یا بسیار بدشان را ارائه می‌دهند.

آن‌ها به این نتیجه رسیدند که با تصحیح سوگیری انتخاب ارزیاب‌ها و افزایش تمایز فروشنده‌های باکیفیت، می‌توانند تجربه‌ی خریدارانشان را ارتقا دهند. آن‌ها نحوه‌ی امتیازبندی فروشنده‌ها را اصلاح کردند و این بار (به‌جای درصد نمرات مثبت) درصدی از کل تراکنش‌های فروشنده را در نظر گرفتند که نقدهای مثبتی به دنبال داشتند. این معیار جدید موجب شد که میانه‌ی امتیاز فروشندگان به 67 درصد برسد و پراکندگی قابل ملاحظه‌ای در امتیازاتشان شکل گرفت – و پس از به‌کارگیری این امتیازهای جدید، احتمال مراجعه و خرید مجدد مشتریان در سایت، بسیار بالاتر از گروه کنترل بود.

شما هم می‌توانید با یک بررسی مشابه روی امتیازات پلتفرم سازمان، سوگیری احتمالی ارزیابی‌ها، وخامت مشکل و تاثیر احتمالی بهره‌گیری از داده‌های بیشتر برای حل آن را ارزیابی کنید. می‌توان هر سیستم ارزیابی را به‌گونه‌ای طراحی کرد که سوگیری‌های احتمالی آن را کاهش داد. کل فرایند بازبینی – از درخواست اولیه تا پیام‌های دریافتی کاربران پس از ارزیابی‌های خود – فرصت‌هایی در اختیار سازمان می‌گذارد تا مشوق کاربران برای کاهش سوگیری‌های رفتاری خود باشد. آزمودن گزینه‌های گوناگون به سازمان‌ها کمک می‌کند تا سوگیری در خودگزینی ارزیاب‌ها را کاهش دهند و مانع هرگونه گرایش کاربران در زمینه‌ی ارزیابی و نمره‌‌دهی شوند.

ارزیابی را الزامی کنید

یک رویکرد زورگویانه می‌تواند الزام کاربران به ارزیابی یک محصول باشد، به‌گونه‌ای که تنها پس از این کار اجازه‌ی خرید بعدی داشته باشند. اما احتیاط کنید: ممکن است این رویکرد موجب خروج تعدادی از مشتریان از پلتفرم و مشتی ارزیابی ناآگاهانه گردد که مشتریان به‌صورت پیش‌فرض به آن‌ها متوسل می‌شوند – و یک نوع خطا و نویز متفاوت را وارد ارزیابی‌های شما کند. به همین دلیل پلتفرم‌ها عموماً به دنبال روش‌های دیگر برای کمینه‌سازی سوگیری انتخاب هستند.

امکان ارسال نظر خصوصی را فراهم کنید

جان هرتون و جوزف گولدنِ اقتصاددان طی بررسی خود بر سایت فری‌لنسر آپ‌ورک، متوجه شدند که کارفرمایان تمایلی نداشتند پس از تجربه‌ی منفی با یک فری‌لنسر، نقد منفی خود از عملکرد او را به‌صورت علنی منتشر کنند، اما مشکلی با ارائه‌ی بازخورد خصوصی به خودِ آپ‌ورک نداشتند (البته آن دسته از کارفرماهایی که تجربیات بد خود را به‌صورت خصوصی می‌فرستادند، با بازخورد علنی درباره‌ی قریب به 20 درصد از تجربیات، بیشترین ارزیابی‌های عمومی سایت را هم منتشر می‌کردند). همین رویکرد، اطلاعات مهمی در اختیار آپ‌ورک گذاشت – درباره‌ی میزان تمایل یا بی‌میلی کارکنان به ثبت نظر و شناسایی فری‌لنسرهای دردسرساز – که می‌توانستند از آن‌ها برای تغییر الگوریتم پیشنهاد فری‌لنسر یا گردآوری مجموعه‌ی بازخوردها درباره‌ی هر فری‌لنسر بهره بگیرند. این مجموعه‌های بازخوردها، تصمیمات سایت برای استخدام نیروهایشان را تغییر دادند.

یک درخواست سنجیده طراحی کنید

در دیدگاه کلی، ارزیابی افراد به نحوه و زمان درخواست از آن‌ها بستگی دارد. پلتفرم‌ها می‌توانند با طراحی سنجیده‌ی ابعاد گوناگون محیط تصمیم‌گیری کاربران برای ثبت ارزیابی، سوگیری انتخاب را به کمترین حد ممکن برسانند. این رویکرد که عموماً آن را «معماری انتخاب» می‌نامند – عبارتی که توسط کس سانستاین و ریچارد تیلر (نویسندگان کتاب «سقلمه: بهبود تصمیم‌ها پیرامون سلامتی، ثروت و شادی») ابداع شد – بر همه‌چیز از نحوه‌ی جمله‌بندی درخواست‌ها تا تعداد گزینه‌های پیش روی کاربر اعمال می‌شود.

در یکی از آزمایش‌هایمان در یلپ، پیام درخواست خود از کاربران برای ثبت ارزیابی‌شان را تغییر دادیم. برخی از کاربران همان پیام کلی «منتظر نقد بعدی‌تان هستیم» را می‌دیدند، درحالی‌که از گروهی دیگر خواسته شد به کسب‌وکارهای محلی کمک کنند تا بیشتر شناخته شوند و کمک‌حال سایر مصرف‌کنندگان برای انتخاب گزینه‌های بهتر باشند. متوجه شدیم که گروه دوم، نقدهای طولانی‌تری می‌نویسند.

ارزیابی‌های جعلی و استراتژیک

گاهی اوقات فروشنده‌ها سعی می‌کنند با ارسال نظرات مثبت برای خود یا نظرات منفی برای رقبا، اعتبارشان را افزایش دهند و شرایط را به‌گونه‌ای جلوه می‌دهند که گویی مشتریان این نظرات را گذاشته‌اند (که یک روش غیراخلاقی است). این شیوه را «تبلیغات فریب‌دهنده» می‌نامند. هرقدر یک پلتفرم بانفوذتر باشد، افراد بیشتری از این رویکرد بهره می‌گیرند.

به دلیل آسیب ناشی از تبلیغات فریب‌دهنده روی مصرف‌کنندگان، سیاست‌گذارها و قانون‌گذارها هم در آن مداخله می‌کنند. در سال 2013 بود که اریک اشنایدرمن، دادستان ایالت نیویورک در آن دوران، برای رفع این مشکل تلاش کرد – تحقیق ما را بخشی از انگیزه‌‌ی خود می‌دانست. دفتر اشنایدرمن از توافق خود با 19 کمپانی گفت که از دست‌اندرکاران نگارش نقدهای جعلی در پلتفرم‌های آنلاین بودند، از آن‌ها خواست که این رویه را کنار بگذارند و بابت تبلیغات نادرست و روش‌های فریبنده در کسب‌وکار، جریمه‌های سنگینی بپردازند. اما این رویه هم مثل دزدی جنس از مغازه‌ها است و کسب‌وکارها نمی‌توانند صرفاً متکی به اجرای قانون باشند؛ بلکه باید برای دوری از نقدهای جعلی، شخصاً اقدامات حفاظتی لازم را در پیش بگیرند. همان‌طور که در مقاله‌ی مایک و گئورگیوس زرواس آورده شده، برخی از کمپانی‌ها ازجمله یلپ، عملیات فریب را انجام می‌دهند تا کمپانی‌های متقلب را شناسایی کنند.

یک چالش مرتبط هم در زمانی بروز خواهد کرد که خریداران و فروشنده‌ها به همدیگر نمره می‌دهند و نقدهایشان را به‌گونه‌ای می‌نویسندکه امتیاز بالاتری از طرف مقابل بگیرند. آخرین اقامت خود در ایربی‌ان‌بی را به خاطر بیاورید. پس از اتمام اقامت، از شما می‌خواهند ارزیابی‌تان از میزبان را بگویید و متقابلاً نظر او نسبت به شما را نیز می‌پرسند. تا سال 2014، شرایط به‌گونه‌ای بود که اگر نظرتان را قبل از میزبان ثبت می‌کردید، او می‌توانست نقد شما را بخواند و سپس نظرش را بنویسد. نتیجه؟ احتمالاً تجدیدنظرهایی درباره‌ی نقد منفی خود خواهید داشت. انتخاب‌ها در زمان طراحی پلتفرم و تعدیل محتوا، نقش مهمی در کاهش تعداد ارزیابی‌های جعلی و استراتژیک دارند.

قوانینی برای ارزیاب‌ها بگذارید.

یکی از انتخاب‌های طراحی، تصمیم‌گیری درباره‌ی افراد واجد نظر است که باید نظرشان را برجسته کنید. وقتی ارزیابی از جانب خریدارِ تاییدشده‌ی محصول باشد، آمازون یک آیکون را در کنار نام او نمایش خواهد داد که می‌تواند کمک‌حال مصرف‌کنندگان برای شناسایی ارزیابی‌های احتمالاً جعلی باشد.

صرف‌نظر از کیفیت انتخاب‌های طراحی سیستم، احتمال نفوذ اسپم، به بازی گرفتن سیستم توسط برخی افراد یا منسوخ شدن نقدها وجود دارد. باید محدودکننده‌های محتوا را به کار بگیرید.

اکس‌پیدیا پا را فراتر گذاشته و تنها به مهمانان ثبت‌شده در پلتفرم اجازه می‌دهد که نقدشان را بنویسند. تحقیق صورت گرفته توسط دینا میزلین، یانیو داور و جودیث شاوالیه نشان می‌دهد که این سیاست تعداد نقدهای جعلی را کاهش می‌دهد. در آنِ واحد تعیین قوانین سفت‌وسخت درباره‌ی افراد واجد نظر، همچون یک عامل بازدارنده عمل می‌کند که تعداد نقدها و منتقدان حقیقی را کاهش خواهد داد. پلتفرم باید مزایای حاصل از کاهش نقدهای جعلی و هزینه‌های ناشی از کاهش ارزیابی‌های مشروع را سبک‌سنگین کند.همچنین پلتفرم‌ها باید زمان ثبت و نمایش نقدها را تعیین کنند. پس از اینکه مشخص شد افراد بی‌میل به نقدنویسی، تجربه‌ی بدتری از نقدنویس‌ها داشتند، ایربی‌ان‌بی قانون «افشای هم‌زمان» را اجرا کرد تا بده‌بستان نقدها میان مهمان و میزبان را از بین ببرد و بازخوردهای کامل‌تری داشته باشد. از آن به بعد، پلتفرم تنها زمانی نمرات را نشان می‌داد که هم میزبان و هم مهمان نظرشان را ثبت کرده بودند و یک تاریخ انقضای معین برای هر ارزیابی تعیین کرد. تحقیق آندری فرادکین، النا گروال و دیوید هولتز نشان داده که پس از این تغییر، میانگین نمرات میزبانان و مهمانان کاهش یافت و نرخ ثبت ارزیابی‌ها نیز بیشتر شد – بنابراین وقتی افراد مطمئن شدند که نظر منفی‌ آن‌ها هیچ سرانجام بدی به همراه ندارد، واهمه‌ی کمتری از ثبت تجربیات بدشان داشتند.

محدودکننده‌ها را به کار بگیرید.

مهم نیست که انتخاب‌های طراحی سیستمتان چقدر خوب باشند، چون به‌هرحال به مشکل خواهید خورد. برخی از افراد هستند که سیستم را به بازی می‌گیرند. ممکن است نقدهایی که تا همین دو سال پیش هم معتبر بودند، منسوخ شده باشند. و برخی نقدها هم مفیدتر از سایرین هستند. مثلاً می‌توان نقد غیرخریدارها را حذف کرد، اما حتی همان تعداد باقی‌مانده هم ممکن است گمراه‌کننده یا فاقد اطلاعات درست باشند. محدودسازی می‌تواند به‌جای نویسنده یا زمان نگارش نقد، محتوای آن را بررسی کرده و از این طریق، نقدهای گمراه‌کننده را حذف کند.

محدودسازی محتوا از جانب سه گروه صورت می‌گیرد: نیروهای کار، جامعه، و الگوریتم. کارکنان محدودکننده (عموماً مدیران جامعه نامیده می‌شوند)، می‌توانند اوقات خود را صرف بهره‌برداری از سرویس، تعامل آنلاین با کاربران، حذف محتواهای نامناسب و ارائه‌ی بازخورد به مدیریت سازمان کنند. این گزینه بیشترین هزینه را به همراه دارد، اما به شما کمک می‌کند تا هرچه سریع‌تر موارد کارآمد و ناکارآمد را شناسایی کنید و مطمئن شوید که همواره یک مدیر در بالاسر سایت حضور دارد.

محدودسازی توسط جامعه به تمامی کاربران اجازه می‌دهد که محتواهای ضعیف از نقدهای اغراق‌آمیز گرفته تا اسپم و سایر انواع سوءاستفاده را شناسایی و علامت‌گذاری کنند. یلپ یک آیکون ساده طراحی کرده تا کاربران، نقدهایی که حمله به سایر منتقدها تلقی می‌شوند یا مرتبط با کسب‌وکار دیگری هستند را گزارش کنند. آمازون از کاربران می‌خواهد که نظر خود درباره‌ی مفید بودن یا نبودن هر نقد را اظهار کنند و از همان داده‌ها برای تعیین ترتیب نمایش نقدها و کنار گذاشتن نقدهای مضر بهره می‌گیرد. هرچند عموماً بخش اندکی از کاربران هستند که کیفیت یک محتوا را زیر سوال می‌برند، بنابراین باید تعداد قابل توجهی از کاربران متعهد داشته باشید تا سیستم نشانه‌گذاری‌تان به‌درستی عمل کند.

سومین رویکرد، محدودسازی محتوا با بهره‌گیری از الگوریتم است. نرم‌افزار توصیه‌ی یلپ، روزانه ده‌ها عامل مرتبط با هر نقد را پردازش می‌کند و برچسب «توصیه‌شده» را بر روی نقدهای برجسته‌تر می‌چسباند. در سال 2014، کمپانی اعلام کرد که همواره کمتر از 75 درصد از نقدهای مکتوب را توصیه‌شده می‌داند. آمازون، گوگل و تریپ‌ادوایزر هم الگوریتم‏‌های کیفیت نقد را اعمال کرده‌اند که محتواهای مشکل‌ساز را از پلتفرم‌هایشان حذف می‌کنند. البته الگوریتم‌ها می‌توانند فراتر از یک دسته‌بندی خوب و بد عمل کنند و به‌جای آن، یک ضریب تاکید را به هر نمره اختصاص دهند. مایک در مقاله‌ی خود همراه با دیزی دی، جینجر جین و یونگمین لی، مسئله‌ی تراکم نمرات را بررسی می‌کنند و نشان می‌دهند که تخصیص ضریب به هر نمره، می‌تواند عامل غلبه بر چالش‌های بنیادین فرایند نقد باشد.

جمع‌بندی تمام موارد

تجربه‌ی دیگران همواره یکی از منابع اطلاعاتی مهم درباره‌ی کیفیت محصول است. مثلاً آکادمی پزشکان خانواده‌ی آمریکا، اشاره می‌کند که افراد برای کسب اطلاع درباره‌‌ی پزشکان، به دوستان و فامیل خود مراجعه می‌کنند و نظرشان را می‌پرسند. پلتفرم‌های ارزیابی موجب تسریع و چارچوب‌بندی این فرایند شده‌ و بهره‌گیری از خرد جمعی را تسهیل کرده‌اند. ارزیابی‌های آنلاین به کار مشتریان، پلتفرم‌ها و سیاست‌گذارها آمده‌اند. مثلاً خودمان از داده‌های یلپ برای بررسی موضوعات گوناگون بهره گرفتیم که از درک تغییرات محله‌ها در حین اعیان‌سازی آن‌ها تا برآورد تاثیر افزایش حداقل حقوق بر خروجی‌های کسب‌وکار را شامل می‌شدند. اما به‌منظور افزایش سودمندی نقدها – برای مصرف‌کنندگان، فروشندگان و عموم جامعه – مسئولان سیستم‌های ارزیابی باید با موشکافی به دنبال بررسی گزینه‌های طراحی و نحوه‌ی انعکاس سنجیده‌ی تجربیات کاربران باشند.


جف داناکر، سابقه‌ی مدیریت عملیات یلپ را دارد و عضو هیئت‌مدیره‌ی آن‌ها است. هیونجین کیم، دانشجوی دکترای واحد استراتژی در دانشکده‌ی کسب‌وکار هاروارد است.

مایکل لوکا، استادیار لی ج. استایسلینگر سوم در حوزه‌ی مدیریت کسب‌وکار از دانشکده‌ی کسب‌وکار هاروارد است و (با همکاری مکس ه. بازرمن ) کتاب «قدرت تجربیات: تصمیم‌گیری در یک دنیای داده‌محور» (در دست چاپ توسط نشر ام‌آی‌تی) را نوشته‌اند.

این مقاله در شماره ی زیر منتشر شده است:

نظر دهید

پاسخ دهید