BE Guide 2020

Behavioral Economics GUIDE 2020

01 Der Zukunft eine Chance geben: Verhaltens-

ökonomische Antworten auf die doppelten Herausforderungen von COVID-19 und der Klimakrise

02 Als Verhaltensforscher denken,

als Designer handeln

03 Verhaltenswissenschaftliche Konzepte

Content

EINLEITUNG 04

Herausforderungen für die Verhaltensökonomie Kumulieren und Destillieren dessen, was wir wissen (Colin Camerer)

TEIL I - REDAKTIONELLER TEIL 16

2

Der Zukunft eine Chance geben Verhaltensökonomische Antworten auf die doppelten Herausforderungen von COVID-19 und der Klimakrise (Elke Weber

StraightONE Behavioral Economics Guide _ 2019

TEIL II - ANWENDUNGEN 32

Einfache Strategien für S.H.A.R.P.P.E.R. Entscheidungsfindung in Gruppen

48

Aufdeckung neuer Trends und kritischer Reaktionen auf die Verhaltensökonomie Eine Netzwerkanalyse der Tweets zum Thema Verhaltensökonomie aus dem Jahr 2019

62

Anwendung der Verhaltenswissenschaft auf gesundheitliche und finanzielle Entscheidungen Fünf Fallstudien über die Auswirkungen von Framing auf Entscheidungen in der realen Welt

82

Green New Deals Soziale Prahlerei und der wahre Wert ethischer Markenbildung

96

Als Verhaltensforscher denken, als Designer handeln

112

Kostspielige Verhaltensweisen Verwendung der Verhaltensökonomie zur Verwaltung der Kostenbasis des Unternehmens

126

Wie Online-Verhaltensexperimente neue Möglichkeiten für Verhaltensökonomen eröffnen

136

Das zweischneidige Schwert der Sharing Economy Wie das Teilen von Eigentum und dessen Nutzung den nachhaltigen Konsum beeinflusst

154

Innovation mit Blick auf die Benutzer Anwendung der Verhaltenswissenschaft auf den Bereich Innovation

166

Reframing der Einsamkeitsepidemie

178

Wie man Rosenkohl verkauft Lektionen in digitaler Überzeugungsarbeit aus der Lebensversicherungsbranche

TEIL III - RESSOURCEN 192

Verhaltenswissenschaftliche Konzepte

ANHANG 248

Abbildungsverzeichnis

StraightONE Behavioral Economics Guide _ 2019

3

Einleitung

Abb. 1

4

StraightONE Behavioral Economics Guide _ 2019

Herausforderungen für die Verhaltensökonomie

Kumulieren und Destillieren unseres Wissens

StraightONE Behavioral Economics Guide _ 2019

5

Einleitung

Wissensakkumulation Das Ziel der Wissenschaft ist es, Wissen anzuhäufen, Punktum. Meiner Meinung nach gibt es bei der Art und Weise, wie wir dies derzeit tun, eine Menge Schwund. Die Reproduzierbarkeits-“Verbesserung“ (ein Begriff, den ich dem Wort „Krise“ vorziehe), die in vielen Bereichen der Wissenschaft stattfindet, ist ein Beispiel für den Versuch, diesen Schwund zu minimieren. Eine solide Anhäufung hängt davon ab, dass man weder zu weit geht noch sich durch falsch positive Ergebnisse, die sich nicht reproduzieren lassen, in die Irre führen lässt. Eine gute Infrastruktur zur raschen Auswertung und Kumulierung von Ergebnissen ist von besonderem Nutzen für die „überstürzte“ Sozialwissenschaft. Während ich dies schreibe, werden zum Beispiel wahrscheinlich Hunderte von sozialwissenschaftlichen Studien über COVID-19 durchgeführt. Es ist für all diese Wissenschaftler im Grunde unmöglich, zu wissen, was die anderen Wissenschaftler tun. Es wird Doppelarbeit und schlecht konzipierte Studien geben. (Im Design wird oft gesagt, dass jeder alles billig, schnell und gut haben will. Man kann aber nur zwei Sachen davon haben).

Wenn Studien geschrieben und in Vorabdrucken in Umlauf gebracht werden, werden viele Null-Effekte nicht aufgeschrieben werden. Welche Studien werden die meiste Aufmerksamkeit erhalten? Es wird eine Unmenge an sozialen Medien geben, die sowohl langsame als auch schnelle Überarbeitungsfortschritte auf Seminaren präsentieren. Die eine Sache, die zweifellos am nützlichsten wäre - ein riesiges Dashboard, das den wöchentlichen Fortschritt für jede dieser Hunderte von Studien zusammenfasst - gibt es nicht. Das ist ein Versagen der guten Informatik.

Die Verhaltensökonomie sammelt in rasantem Tempo Wissen darüber an, wie verschiedene Arten von Anreizen das Verhalten beeinflussen. Die Herausforderung besteht darin, dass eine sorgfältige Bewertung dessen, was uns all dieses Wissen

6

StraightONE Behavioral Economics Guide _ 2019

sagt, eigentlich ziemlich schwierig ist und (durch akademische Anreize) zu wenig belohnt wird. Viele akademische Veröffentlichungen und ähnliche mit einer Karriere verknüpfte Belange innerhalb einer Regierung oder von NGOs hängen von Kreativität und der Bereitschaft ab, etwas Neues zu tun. Das verführt dazu, die Neuartigkeit des eigenen Beitrags im Vergleich zu dem, was aus früheren Studien bekannt ist, aufzubauschen.

Eine Studie zu erstellen, indem man sehr sorgfältig Studien zusammensammelt und für die Meta-Analyse kodiert, zeigt wenig Kreativität und Neuartigkeit, denn hierbei geht es ja lediglich darum, die Studien von anderen zu betrachten. Wenn Sie versuchen wollten, Ihre eigene Brillanz und Originalität zu zeigen, wäre eine Meta-Analyse sicher das Letzte, das Sie tun würden.

Aber denken Sie daran, wie wertvoll die Meta-Analyse ist! Ich arbeite an einigen davon und möchte nur eine erwähnen, die fast veröffentlicht ist, und zwar über „Zeitbudget“ (CTB)-Experimente (Imai, Rutter, & Camerer, im Druck). Das ZeitbudgetParadigma stellt den Probanden eine Linie vor, die mögliche Zuteilungen von 100 Tickets für Geld, das zum Zeitpunkt T oder T+X verdient wurde, mit angegebenen Umrechnungskursen von Tickets zu Geld zu den beiden Zeitpunkten darstellt. Nehmen wir zum Beispiel an, T=heute und T+X=eine Woche von jetzt an. Wenn die Umrechnungskurse 0,10 $ für heute und 0,11 $ für eine Woche in der Zukunft betragen, spiegelt das Budget einen impliziten Zinssatz von 10 % pro Woche wider. Der CTB ist im Grunde eine Erweiterung des typischen Paradigmas „kleiner früher, größer später“ (SS/LL), bei dem zwei getrennte Beträge und Daten miteinander verglichen werden. Im CTB sind die Spannweiten von „früher“ und „größer“ kontinuierlich. Die gegenwärtige Verzerrung wird z.B. deutlich, wenn Menschen dem früheren Zeitpunkt T sehr viel mehr Tickets zuweisen, wenn dieser Zeitpunkt eine unmittelbare Belohnung darstellt. Seitdem diese Methode erstmals von Andreoni und Sprenger (2012) angewandt

wurde, wurde sie zu einer unmittelbaren Sensation.

Bias einer Publikation führen. Einer davon ist, dass eine mächtige profitable Institution nicht will, dass Imai et al. (im Druck) haben 48 Studien mit dieser schlechte Nachrichten nach außen dringen (dies Methode meta-analysiert. Abbildung 2 zeigt ein kann z.B. zu falsch positiven Ergebnissen in medizi„Trichterdiagramm“ von Schätzungen des gegennischen Studien beitragen). Für Akademiker ist der wärtigen Biasparameters.

Das Publikationsbias Druck eher alltäglicher Natur – NullergebChallenges fortypische Behavioral Economics: Cumulating and Distilling What We Know Colin Camerer lässt sich aus den Studien mit der geringsten Power nisse werden als „uninteressant“ erachtet, und Ererkennen, die hohe Standardfehler und eine geringe gebnisse, die einer Konsensmeinung widersprechen, compared. In CTB the ranges of “sooner” and “larger” are continuous. Present bias, for examPräzision aufweisen. Ungenaue Studien sollten sowerden überbewertet. Übrigens würden die meisten ple, will be evident if people allocate a lot more tickets to the earlier time T when that time wohl ungewöhnlich niedrige Werte (wie die DatenAkademiker gerne ein Nullergebnis veröffentlichen, represents immediate Since was first

by Andreoni and Sprenger punkte um PB=0,6) als auch sehranhohe Werte, reward. in wennthis siemethod es könnten; undused die meisten verstehen, (2012), it became an immediate sensation. diesem Fall über 1, aufweisen.

Diese hochwertigen dass ein genau geschätztes „es gibt keinen Effekt“ Studien fehlen. Sorgfältigere Tests deuten auf ein eigentlich informativ ist, wenn die Leute glauben, Imai et al. (in press) meta-analyzed 48 studies using this method. Figure 1 shows a “funnel Bias der Publikation hin, aber nur bei Studien, die dass es einen Effekt gibt. Da sich AutorInnen für Challenges for Behavioral Economics: Cumulating and Distilling What We Know Colin Camerer plot” of estimates of the present bias parameternicht �. Publication be nicht detected from the „echten Aufwand“ anstelle von Geld verwenden.

Nulleffekte schämen, bias diesecan aber oft in lowest-power studies which have high standard erscheinen, errors and low precision.

Imprecise Zeitschriften scheint die Filterung imstudies compared. In CTB the ranges of “sooner” and “larger” are continuous. Present bias, for examshould have both die unusually low values (like the data points around PB=0.6) and very high und Redaktionsprozess zu liegen.

Es gibt viele wahrscheinliche Zwänge, zum allocate ple, will be evident if people aRefereeinglot more tickets to the earlier time T when that time values, in this case above 1.

Those high-value studies are missing.

More careful represents an immediate reward. Since this method was first used by Andreoni and Sprenger tests indicate (2012), it became an immediate sensation. publication bias, but only for studies that use “real effort” instead of money.

Imai et al. (in press) meta-analyzed 48 studies using this method. Figure 1 shows a “funnel plot” of estimates of the present bias parameter �. Publication bias can be detected from the lowest-power studies which have high standard errors and low precision. Imprecise studies should have both unusually low values (like the data points around PB=0.6) and very high values, in this case above 1. Those high-value studies are missing. More careful tests indicate publication bias, but only for studies that use “real effort” instead of money.

Präzision (1/SE)

1000

1000

1000 Figure 1: Funnel plot of estimates of present-bias parameter PB. The y-axis (precision; inverse standard error) is presented in log-scale. The dotted curves indicate the boundaries for rejection of the null hypothesis Source: Unpublished artwork, Taisuke 0,6of no present bias 0,8(PB=1) at p<.05. 1,0 Imai.Figure 1: Funnel plot of estimates of present-bias parameter PB. The y-axis (precision; inverse standard error) is presented in log-scale. The dotted curves indicate the boundaries for rejection of the null hypothesis of no present bias (PB=1) at p<.05. Source: Unpublished artwork, Taisuke Imai.

There are many likely pressures that create publication bias. One is that a powerful

Aggregate PB Schätzung

profitable institution does not want bad news to get out (thisbias. may contribute to false positives in medical There are likely thatVorspannung. create publication One is that a powerful profitable Abb. 2: Trichterdiagramm von Schätzungen desmany Parameters PBpressures der gegenwärtigen Die y-Achse (Präzision; inverser Standardfehler) wird in logarithmischer Skala dargestellt. Die gestrichelten Kurven zeigen die Grenzen für die Zurückweisung der Nullhypothese einer nicht vorhandenen Vorspannung (PB=1) bei p<.05. results are trials, for example).

For academics, the typical pressures are more mundane—null institution does not want bad news to get out (this may contribute to false positives in medical trials, “uninteresting” for example). For academics, the typical pressures are more mundane—null results are deemed and results contradicting a consensus view are over-scrutinized.

By deemed “uninteresting” and results contradicting a consensus view are over-scrutinized. By the way, most academics would love to publish a null result if they could; and most everyone the way, most academics would love to publish a null result if they could; and most everyone understands that a precisely-estimated “there is no effect” is actually informative, if people understands that a precisely-estimated “there is no effect” is actually informative, if people StraightONE thinkthink there is isananeffect.

Because authors ashamed of null butoften they do not often Behavioral Guide _ 2019 there effect. Because authors aren’taren’t ashamed of null effects, buteffects, they doEconomics not appear in journals, the the filtering seems to lieto in lie thein refereeing and editorial appear in journals, filtering seems the refereeing andprocess. editorial process.

7

Einleitung

Ein wichtiger Punkt hinsichtlich des Bias von Veröffentlichungen durch verhaltensökonomische Analysen und Anreize wurde von David Halpern (Direktor des sehr erfolgreichen britischen Behavioral Insights Teams) bei einem Treffen in Singapur im Jahr 2017 angesprochen. Halpern sagte, dass in vielen Bereichen der Regierung randomisierte Experimente vom Steuerzahler finanziert werden und dass man davon ausgeht, dass alle Ergebnisse unabhängig von ihren Ergebnissen auf irgendeine öffentlich zugängliche Weise „veröffentlicht“ werden.

Halperns Enthüllung ist erstaunlich, weil es buchstäblich keine ähnliche Auflage für die akademische Forschung in den USA gibt, selbst wenn sie vom Steuerzahler finanziert wird. Nehmen wir an, Sie wollten die Finanzierung durch NIH oder NSF durchforsten und herausfinden, was die Ergebnisse aller hypothetischen Experimente sind. Das wäre unmöglich.

Hier ist ein Beispiel für eine Meta-Analyse, die mir sehr gefallen hat (Cadario & Chandon, 2019). Sie stellt die Anhäufung von verfügbarem Wissen über Anreize dar, die zur Änderung der Essgewohnheiten verwendet werden. Sie haben 299 Effektgrößen aus 96 Studien ausgewählt, über die in 90 Arbeiten berichtet wurde. Sie stellten trocken fest: „Die Anzahl der Beobachtungen pro Studie reichte von 36 bis 100

8

StraightONE Behavioral Economics Guide _ 2019

Abb. 3

Millionen, mit einem Median von 1231“. Abbildung 4 ist eine wunderbare Zusammenfassung dessen, was sie gelernt haben. (Der Rest der Arbeit ist vollgepackt mit Details und Methoden; wenn Sie neugierig auf das A und O der Meta-Analyse sind, ist dies ein guter Ausgangspunkt, ebenso wie Stanley & Doucouliagos, 2012).

Ihre Schlussfolgerung ist, dass es

eine klare Ordnung von klein bis groß gibt, Kognition<Affekt<Verhalten. Zum Beispiel funktioniert das Ändern der Tellergröße besser als das Hinzufügen von näheren Angaben über das Nahrungsmittel.

Es gibt andere bedeutende MetaAnalysen bzgl. Anreizen, aber diese sind selektiv. Benartzi et al.

(2017) schätzten die Wirtschaft-

Standardisierter Mittelwertunterschied (Cohen‘s d)

lichkeit von 20 publizierten Studien zu typischen Interventionen wie der Erhöhung der Ersparnisse oder der Einschreibung an ein College. Hummel und Maedche (2019) führen eine Meta-Analyse von 100 veröffentlichten Studien durch. DellaVigna und Linos (2020) verwenden Daten aus der US-amerikanischen „Nudge Unit“ und akademischen Publikationen. Sie untersuchen nur FeldRCTs mit einer Kontrollgruppe, keine finanziellen Anreize oder Standardbehandlungen und binäre Ergebnisse. Diese Filter wählten 165 RCTS mit 349 Anreiz-

Kognitiv - orientiert nudges (d = 12)

80

sprach).

behandlungen aus der „Nudge Unit“ aus (90% unveröffentlicht).

Dieselben Filter wählten 26 RCTs mit 75 Anreizbehandlungen aus veröffentlichten Arbeiten aus.

Das interessante Ergebnis ist, dass akademische Arbeiten über größere Effektgrößen berichten, etwa 8,7 Prozentpunkt-Effekte, verglichen mit nur 1,4 Prozentpunkten bei den Nudge Units.

Es scheint ein Publikationsbias (zugunsten positiver Ergebnisse) im akademischen Korpus zu geben, aber nicht in der Stichprobe der Nudge Unit (in der jede RCT berichtet wird, wie Halpern ver-

Wir müssen noch viel mehr Ergebnisse wie diese sehen. Und sie müssen an prominenter Stelle veröffentlicht werden. Zum Zeitpunkt dieses Artikels haben Benartzi et al. (2017) 319 Google Scholar-Zitate. Hummel und Maedche (2019), das jüngeren Datums ist (aber erst 2017 in Umlauf gebracht wurde), hat nur 21 Zitate.

Die zweite Herausforderung, die im Mittelpunkt dieses Aufsatzes steht, ist die Notwendigkeit, sowohl eine Bestandsaufnahme

Affektiv - orientiert nudges (d = 24)

Behavioral-orientiert nudges (d = 39)

59

60

40

37

32 24 17

20

13

10

Beschreibend Beschriftung

Auswertend Beschriftung

Sichtbarkeit Verbesserungen

Gesund Essensrufe

Hedonische Verbesserungen

Bequemlichkeit Größe Verbesserungen Verbesserungen

Abb. 4: Meta-analytische Effektgrößen von Stößen zur Veränderung der Ernährung. Quelle: Cadario und Chandon (2019).

StraightONE Behavioral Economics Guide _ 2019

9

Einleitung

des Bekannten zu machen als auch gleichzeitig weiterhin Bereiche der Psychologie zu „importieren“, die bisher übersehen wurden, sich aber als nützlich erweisen könnten, um Verhalten zu verstehen und positive Verhaltensänderungen zu bewirken.

Die Sozialwissenschaften befinden sich in einem goldenen Zeitalter (Buyalskaya, Gallo, & Camerer, 2019). Unser goldenes Zeitalter ist gekennzeichnet durch die unglaubliche Menge und Qualität der Daten und den zunehmenden „Handel“ sowie die Zusammenarbeit zwischen den Disziplinen zur Lösung schwieriger Probleme (vgl. Mažar‘s, 2019, Anspielung auf „integratives Denken“). Die Verhaltensökonomie war ein frühes und erfolgreiches Beispiel für diesen Stil.

Eine Bestandsaufnahme: Was ist das „Periodensystem“ der Verhaltenselemente?

Die Fruchtbarkeit der Verhaltensökonomie wird manchmal an der schieren Anzahl von Konzepten aus der Verhaltenswissenschaft gemessen, die bei wirtschaftlichen Entscheidungen zum Tragen gekommen sind. Viele von Ihnen werden den zirkulären Kodex von etwa 175 kognitiven Voreingenommenheiten gesehen haben, der von Buster Benson während des Elternurlaubs geschaffen wurde (Sie können ihn unter der URL unter diesem Zitat sehen: Benson, 2016). Er schreibt: Ich habe mehrere verschiedene Versuche unternommen, um diese etwa 20 auf einer höheren Ebene zu gruppieren, und bin schließlich zu einer Gruppierung nach dem allgemeinen psychischen Problem gelangt, das sie zu lösen versuchten. Jede kognitive Voreingenommenheit hat einen Grund - in erster Linie, um unserem Gehirn Zeit oder Energie zu sparen. Betrachtet man sie nach dem Problem, das sie zu lösen versuchen, wird es viel einfacher zu verstehen, warum sie existieren, wie sie nützlich sind und

10

StraightONE Behavioral Economics Guide _ 2019

Abb. 5

welche Kompromisse (und daraus resultierenden mentalen Fehler) sie mit sich bringen.

Benson ist ein Marketingleiter bei Slack und ein Autor. Er hat keinen Doktortitel, aber sein Kodex und die Logik, die dahinter steht, erinnert, vielleicht bescheidenerweise, daran, dass es viele sehr talentierte, wissenschaftlich-neugierige Menschen gibt, die in Firmen arbeiten, insbesondere in der Technik, und die im Wesentlichen Vertreter der angewandten Sozialwissenschaften sind. Ihre Produkte überprüfen Hypothesen über menschliches Verhalten.

Bensons Begründung für die Eingruppierung von Verzerrungen in Kategorien ist eine teilweise Wiederentdeckung eines Rahmens, der 1982 vom Visions-Neurowissenschaftler David Marr eingeführt wurde (siehe Krakauer et al., 2017). Marrs Idee war, dass das Verständnis eines biologischen Systems die Kenntnis seiner Funktionalität oder Berechnung (Warum? Wozu dient es?), algorithmische Spezifikationen wie Gleichungen oder einen Bauplan (Was? Welche abstrakten Teile charakterisieren es?) und Mechanismen (Wie? Wie führt organisches Material den Algorithmus aus?) voraussetzt. Benson benutzte „Wozu ist es gut?“, um die Dimensionalität in seinem Kodex zu reduzieren.

Natürlich gibt es noch andere wissenschaftliche Methoden zur Dimensionsreduktion. Der berufliche Erfolg in der Verhaltensökonomie (und insbesondere in der Psychologie) belohnt jedoch oft die Entdeckung eines „neuen“ Bias oder eines „neuen“ Effekts. Diese Entdeckungen sind notwendig; aber sie sind Bausteine, die zu Strukturen zusammengefügt werden sollen. Ebenso wichtig für die Entdeckung sind daher die disziplinierten Möglichkeiten, eine große Zahl verwandter Verzerrungen auf eine kleinere Zahl zu reduzieren.

Denken Sie über die Psychometrie nach. Gute psychometrische Skalen stellen mehrere Fragen, deren Antworten zwar hochgradig, aber nicht perfekt korreliert sind, weil man annimmt, dass sie subtil verschiedene Aspekte eines einzigen Konstrukts anzapfen. Dimensionsverkleinerung wird durch Methoden wie Hauptkomponenten erreicht. Das Ziel ist so etwas wie ein Periodensystem von Verhaltens-

StraightONE Behavioral Economics Guide _ 2019

11

Colin Camerer

Challenges for Behavioral Economics: Cumulating and Distilling What We Know

EinleitungPerceptual

salience is essentially necessary for a good signal to do its social job. Ink on the thumb did not work. But a lime-green bracelet did. Figure 1a shows the bracelet. Figure 1b shows a heat map of a visual salience algorithm trained to predict what people will look at.

The algorithm predicts that the bracelets are salient (and a colorful logo on the t-shirt is too).

There are many other applications for how visual salience, and other predictive aspects of good design, can be used to take behavioral economics to the next level in practice.

Figure 3: Bracelets used to signal compliance with a deworming program in Kenya. Source: Abb. 6: Armbänder, denen die Einhaltung eines Entwurmungsprogramms in Kenia(b) signalisiert wurde.

Photograph (a)mitcourtesy of Anne Karing. Heatmap generated

by Xiaomin Li based on Cornia et Quelle: Foto (a) mit freundlicher Genehmigung von Anne Karing. Heatmap (b) erstellt von Xiaomin Li auf der Grundlage von Cornia et al. (2018). al. (2018).

Wrapping up Active behavioral economists working in academia and practice are well-aware of the three challenges described in this essay. Progress is likely on all three fronts. For example, between the first draft of this essay and the last DellaVigna Linosder (2020) meta-analysis showed up as dieand Analyse Frage, wie politische Veränderunelementen, die alle unterschiedlich sind. if my words rubbed ist a lamp from which a geniegen emerged.

That paper also vindicated Halpern’s die Ergebnisse für verschiedene Gruppen von In der Verhaltensökonomie ein bahnbrechendes Papier zustatement diesem Thema und Zinman Menschen verbessern, so wieRCTs dieseworked Menschen sie 2017 that Stango nudge units essentially ‘publish’ everything, whether or not.

(2019). This (Ihrepractice erste Version stammt aus dem Jahr selbst and beurteilen makes meta-analysis so much easier can bewürden. easily adopted by academics 2016 und wurde vor der Version von 2019 noch Aus psychologischer Sicht ist der B-Zählungs-An(for which preregistration is a step in the right direction). Whether we’ll ever have a Behavioral zweimal überarbeitet; das heißt, sie war schwer zu satz etwas merkwürdig, weil er Verhaltensweisen, Insights Truth Scoreboard to keep track of all the knowledge in the world in real time remains veröffentlichen). Sie komprimieren eine lange Liste die wahrscheinlich unvollkommen korrelieren und to be seen.

(Though more than one COVID-19 online trackers already exist, showing a use case untersuchter Verhaltensweisen, wie z.B. der Glaube sich auf ganz unterschiedliche psychologische und of a particular If there is such a thing, it will benefit greatly from publications like this that an den Trugschluss deskind.)

Spielers, Verlustaversion neuronale Prozesse stützen, eine einzige Dimension regularly reportzu what behavioral insights are discovering. und Zeitdiskontierung, einer „B-Zählung“.

Sie people auferlegt.

Er hat den Beigeschmack von Skalen wie zeigen, dass die „B-Zählung“ zwar hochgradig mit die diagnostischen Kriterien des South Oaks GamIntelligenzmessungen korreliert ist, dass sie jedoch bling Screen (SOGS) für pathologisches Glücksspiel eine zusätzliche Vorhersagekraft für finanzielle Er(Lesieur & Blume, 1987). Der SOGS stellt 22 Fragen und zählt die Anzahl pathologiekonsistenter Jagebnisse und andere Variablen besitzt.

Antworten auf Fragen wie „Haben Sie jemals durch Der Wunsch nach einer eindimensionalen B-ZähGlücksspiel Zeit von der Arbeit (oder der Schule) lung für jede Person wird durch den Vorschlag verloren? Eine bis vier Ja-Antworten bedeuten, dass motiviert, dass solche Zahlen für eine „WohlfahrtsSie „einige Probleme mit dem Glücksspiel haben“. analyse“ verwendet werden könnten (z.B. Chetty, 2015). Wohlfahrt ist der ökonomische Begriff für Fünf bedeutet „wahrscheinlicher pathologischer

12

StraightONE Behavioral Economics Guide _ 2019

Spieler“. Wir wollen sicher nicht, dass alle Nuancen von Verhaltensbeurteilungen, Risikobereitschaft, Grenzen des strategischen Denkens usw. auf eine solche einfache Skala reduziert werden. (Obwohl man seinen Wert für vielbeschäftigte Kliniker sehen kann).

Einen anderen Ansatz zur Dimensionsreduktion verfolgten ich und die CoautorInnen in Chapman et al. (2018). Wir führten eine Umfrage unter Durchschnittsamerikanern durch und stellten Fragen, die 21 Messgrößen für verhaltensorientierte „ökonographische“ Entscheidungen ergaben, hauptsächlich zu den Themen Geduld, Risikopräferenz, Sozialität und mentales Übervertrauen. Dann verwenden wir Hauptkomponenten, um herauszufinden, auf wie viele verschiedene Dimensionen die 21 Messgrößen reduziert werden können (anstatt anzunehmen, dass die Messgrößen zu einer einzigen B-Zählung beitragen). Wir erhalten fünf Dimensionen, die sich im Allgemeinen auf Risiko, Zeit und Sozialität konzentrieren, mit einigen interessanten Ausnahmen.

(Unser Papier war auch schwierig zu veröffentlichen).

‚Neue‘ Psychologie: Gestaltung und Salienz Eine gesunde Verhaltensökonomie sollte dimensionsreduzierend sein, während gleichzeitig neue Arten von Effekten entdeckt werden. In Anbetracht dessen, wie viel die Psychologie und andere Verhaltenswissenschaften zu bieten haben, habe ich oft das Gefühl, dass das Angebot an typischen Anreizbehandlungen ein bisschen abgestanden ist. Das übliche Angebot besteht aus Standardwerten, Verlust-/Gewinn-Rahmen, Prosozialitätsvorbereitung, Sozialvergleich und einigen anderen. Aber es gibt so viel mehr in der Psychologie (und anderswo)! Selbst die besten Restaurants fügen Ihrer Speisekarte regelmäßig neue Gerichte hinzu. Das sollten wir auch

tun. Thaler (2020) äußert eine ähnliche Ansicht. Er schrieb wie folgt: Wir wissen eine Menge über die Wirkung der Strategien, die Katy [Milkman] hier so erfolgreich anwendet, wie z.B. Versäumnisse, Mahnungen, Fristen, Schuldgefühle, Auffälligkeiten und Normen... meine Frage ist, ob sie das gesamte Repertoire der Verhaltenswissenschaften umfassen? Haben wir nicht einige neue Verhaltensstrategien, die wir anwenden können?

Wahrnehmbare Salienz ist von entscheidender Notwendigkeit, damit ein gutes Signal seine soziale Aufgabe erfüllen kann. Tinte auf dem Daumen hat nicht funktioniert. Aber ein lindgrünes Armband hat funktioniert. Abbildung 6a zeigt das Armband.

Abbildung 6b zeigt die Wärmekarte eines Algorithmus für visuelle Salienz, der darauf trainiert ist, vorherzusagen, was die Menschen anschauen werden. Der Algorithmus sagt voraus, dass die Armbänder besonders auffallend sind (und ein buntes Logo auf dem T-Shirt ebenso).

Es gibt viele andere Anwendungen dafür, wie die visuelle Hervorhebung und andere prädiktive Aspekte eines guten Designs verwendet werden können, um die Verhaltensökonomie in der Praxis auf die nächste Stufe zu heben.

Abschließende Zusammenfassung Aktive Verhaltensökonomen, die in Wissenschaft und Praxis arbeiten, sind sich der drei in diesem Aufsatz beschriebenen Herausforderungen wohl bewusst. Fortschritte sind an allen drei Fronten wahrscheinlich. Zum Beispiel zeigte sich zwischen dem ersten Entwurf dieses Aufsatzes und dem letzten DellaVigna und Linos (2020) eine Meta-Analyse, als ob meine Worte an einer Lampe gerieben hätten, aus der ein Geist entsprang. Dieses Papier rechtfertigte auch Halperns Aussage von 2017, dass Anreizeinheiten im Wesentlichen alles „veröffent-

StraightONE Behavioral Economics Guide _ 2019

13

Einleitung

lichen“, unabhängig davon, ob RCTs funktionieren oder nicht. Diese Praxis macht die Meta-Analyse so viel einfacher und kann von Wissenschaftlern leicht übernommen werden (wofür die Vorregistrierung ein Schritt in die richtige Richtung ist). Ob wir jemals einen Behavioral Insights Truth Scoreboard haben werden, mit dem wir das gesamte Wissen in der Welt in Echtzeit verfolgen können, bleibt abzuwarten. (Obwohl es bereits mehr als einen COVID19-Online-Tracker gibt, der einen Anwendungsfall der besonderen Art zeigt). Wenn es so etwas gibt, wird es sehr von Publikationen wie dieser profitieren, die regelmäßig darüber berichten, welche Verhaltenseinsichten die Menschen entdecken.

Der Autor

Colin Camerer

ist der Robert Kirby-Professor für Verhaltensökonomie am California Institute of Technology. Er promovierte 1981 an der University of Chicago, arbeitete an der Northwestern, Penn und Chicago und kam 1994 zu Caltech. Er wurde 1999 zum Fellow der Econometric Society gewählt und 2013 zum MacArthur Fellow ernannt. Camerers Forschungsgruppe setzt eine Vielzahl von Labor- und Feldmethoden ein, um Berechnungen zu untersuchen, die bei zielgerichteten wirtschaftlichen und sozialen Entscheidungen gemacht werden, einschließlich strategischer Interaktion und Markthandel. fMRIProjekte haben die Selbstkontrolle bei der Auswahl

14

StraightONE Behavioral Economics Guide _ 2019

verlockender Nahrungsmittel, die emotionale Regulierung finanzieller Verluste, Neugier und neuronale Schaltkreise, die den Dispositionseffekten von Börsenblasen zugrunde liegen, isoliert. Ihre Gruppe hat die TMS auch zur kausalen Beeinflussung der Wahl, zur Messung der Aufmerksamkeit durch Eyetracking, zum Verhalten von Läsionspatienten und für kompetitive Touchscreen-Experimente mit Schimpansen eingesetzt.

Neben der Erstellung von Laborexperimenten testet Camerers Gruppe Theorien aus den Neurowissenschaften und der Psychologie anhand von Felddaten zu Sportwetten, Arbeitsentscheidungen, strategischer Naivität unter Kinobesuchern und Gewohnheiten bei der Konsumentenwahl.

Literaturhinweise Anwyl-Irvine, A.L., Massonnié, J., Flitton, A., Kirkham, N., & Evershed, J.K. (2020). Gorilla in our midst: An online behavioral experiment builder. Behaviour Research Methods, 52(1), 388407. http:// dx.doi.org/10.3758/s13428-019-01237-x.

Bridges, D., Pitiot, A., MacAskill, M. R., & Peirce, J. W. (2020). The timing mega-study: Comparing a range of experiment generators, both lab-based and online. PsyArXiv. https://doi. org/10.31234/osf.io/ d6nu5.

Camerer, C., Dreber, A., Forsell, E., Ho, T., Huber, J., Johannesson, M., Kirchler, M., Almenberg, J., Altmejd, A., Chan, T., Heikensten, E., Holzmeister, F., Imai, T., Isaksson, S., Nave, G., Pfeiffer, T., Razen, M., & Wu, H. (2016). Evaluating replicability of laboratory experiments in economics. Science, 351(6280), 1433-1436.

Chang, A.C., & Li, P. (2015). Is economics research replicable? Sixty published papers from thirteen journals say ”usually not”. Finance and Economics Discussion Series 2015-083, Board of Governors of the Federal Reserve System. Retrieved from http://dx.doi.org/10.2139/ ssrn.2669564.

Huber, J., Payne, J. W., & Puto, C. (1982). Adding asymmetrically dominated alternatives: Violations of regularity and the similarity hypothesis. Journal of Consumer Research, 9(1): 90- 98.

Koutoukidis, D.A., Jebb, S.A., Ordóñez-Mena, J.M., Noreik, M., Tsiountsioura, M., Kennedy, S., Payne-Riches, S., Aveyard, P., & Piernas, C. (2019). Prominent positioning and food swaps are effective interventions to reduce the saturated fat content of the shopping basket in an experimental online supermarket: A randomized controlled trial.

International Journal of Behavioral Nutrition and Physical Ability, 16(50). https://doi.org/10.1186/s12966-019-0810-9.

https://doi.org/10.1371/journal.pone.0209071.

Zizzo, D., Parravano, M., Nakamura, R., Forwood, S., & Suhrcke, M.E. (2016). The impact of taxation and signposting on diet: An online field study with breakfast cereals and soft drinks. Centre for Health Economics Research Paper. Retrieved from http://eprints.whiterose. ac.uk/135810/.

Abbildungen Abb.1: https://unsplash.com/@Amelie Niklas Abb.2: Trichterdiagramm von Schätzungen des Parameters PB der gegenwärtigen Vorspannung Abb.3: https://unsplash.com/@Bret Kavanaugh Abb.4: Meta-analytische Effektgrößen d von Stößen zur Veränderung der Ernährung. Quelle: Cadario und Chandon (2019) Abb.5: https://unsplash.com/@Priyanka Singh Abb.6 : Armbänder, mit denen die Einhaltung eines Entwurmungsprogramms in Kenia signalisiert wurde. Quelle: Foto (a) mit freundlicher Genehmigung von Anne Karing. Heatmap (b) erstellt von Xiaomin Li auf der Grundlage von Cornia et al. (2018)

Lunn, P.D., Timmons, S., Barjaková, M., Belton, C.A., Julienne, H., & Lavin, C. (2020). Motivating social distancing during the Covid-19 pandemic: An online experiment. PsyArXiv. http://dx. doi. org/10.31234/osf.io/x4agb.

Reimers, S., & Stewart, N. (2015). Presentation and response timing accuracy in Adobe Flash and HTML5/JavaScript Web experiments.

Behavior Research Methods, 47, 309-327.

Rodd, J. (2019, February 27). How to maintain data quality when you can’t see your participants. Association for Psychological Science.

Retrieved from https://www.psychologicalscience. org/observer/howto-maintain-data-quality-when-you-cant-see-your-participants.

Timmons, S. (2020, April 3). Some results from our first #COVID19 experiment! Twitter @_shanetimmons. Retrieved from https://twitter.com/_shanetimmons/status/1246065986047860742?s=20.

MoreThanNow. (2019, December 9). Women in technology: A behavioural approach. Retrieved from https://www.morethannow.co.uk/ single-post/2019/11/19/encouraging-women-to-explore-a-career-intech-behavioural-style. Zloteanu, M., Harvey, N., Tuckett, D., & Livan, G. (2018). Digital identity: The effect of trust and reputation information on user judgement in the sharing economy. PloS one, 13(12).

StraightONE Behavioral Economics Guide _ 2019

15

Teil 1 - Redaktioneller Teil

Der Zukunft eine Chance geben

Abb. 1

16

StraightONE Behavioral Economics Guide _ 2019

Verhaltensökonomische Antworten auf die doppelten Herausforderungen von COVID-19 und der Klimakrise

StraightONE Behavioral Economics Guide _ 2019

17

Teil 1 - Redaktioneller Teil

Der Zukunft eine Chance geben Das Editorial in jeder Jahresausgabe des Leitfadens zur Verhaltensökonomie soll einen Überblick über neue Trends in der Verhaltensökonomie und den damit verbundenen Sozial- und Verhaltenswissenschaften geben.

Im Jahr 2018 erörterte Robert Metcalfe Lösungen für Probleme, die Regierungen und Unternehmen betreffen, und überprüfte die Verwendung des sozialen Images, Verpflichtungsverträge und die Rolle der Unaufmerksamkeit. Im vergangenen Jahr schrieb Nina Mažar über Ethik, integratives Denken und die Notwendigkeit einer stärkeren Integration in den Sozialwissenschaften. Beide kommentierten die Aufregung und den Optimismus, die in diesem Bereich herrschen.

In diesem Jahr befinden wir uns in einer anderen Realität. Wie Lewis Carrolls Alice sind wir in einen Kaninchenbau gegangen und tauchen in einer Welt auf, die kaum wiederzuerkennen ist.

Alles, was wir für selbstverständlich hielten – wie erst kürzlich wieder der Fall der Kristallkugel am Times Square an Silvester wurde in Frage gestellt: Unsere Fähigkeit, zur Arbeit zu gehen, uns mit Freunden und Familie zu treffen, benötigte Produkte in Geschäften oder online zu finden, an Konferenzen, Konzerten, Filmen oder Theateraufführun-

18

StraightONE Behavioral Economics Guide _ 2019

gen teilzunehmen, zur Arbeit oder in der Freizeit zu reisen, an Hochzeiten, Beerdigungen oder Klassentreffen teilzunehmen und so vieles mehr. Es ist schwer vorherzusagen, wann und in welchem Ausmaß unser Leben zumindest zu einer neuen Art der Normalität zurückkehren wird.

Die meisten von uns machen sich Sorgen über eine Ansteckung mit dem Virus; einige, die mit Symptomen zu kämpfen hatten, fragen sich in Ermangelung verfügbarer Antigen- oder Antikörpertests, ob sie die Krankheit vielleicht schon hatten; diejenigen, die positiv getestet wurden, fragen sich, ob sie künftig immun sind, wenn sie dem Virus bereits ausgesetzt waren; und selbst diejenigen, die die Virusbedrohung als eine von einer Vielzahl feindlicher Gruppen begangene Verschwörung abtun, müssen sich über die wirtschaftlichen Folgen weit verbreiteter Lockdowns Sorgen machen. In solchen Zeiten tiefer Unsicherheit sind Aufregung und Optimismus schwieriger zu finden, nicht nur auf den globalen Märkten und in der öffentlichen Meinung, sondern vielleicht auch in der verhaltenswissenschaftlichen Gemeinschaft. Die COVID-19-Krise dient als eine warnende Geschichte hinsichtlich unserer gesellschaftlichen und wissenschaftlichen Fähigkeit, die Zukunft vorherzusagen, wobei dystopische Science-Fiction-Erzählungen wie der Film Contagion scheinbar über Nacht

zum Drehbuch für die Realität werden.

Die Rückschau zeigt, dass es sich bei einer Coronavirus-Pandemie nicht um einen „schwarzen Schwan“ (Taleb, 2007), ein seltenes und unvorhersehbares Ausreißerereignis, sondern um ein „graues Nashorn“ (Wucker, 2016) handelte, eine höchst wahrscheinliche, aber vernachlässigte Bedrohung (Sanger et al., 2020).

Die gegenwärtige Krise sollte die verhaltenswissenschaftliche Gemeinschaft auf die folgende gefährliche Kombination aufmerksam machen: Beweise für unzählige Quellen der Unsicherheit, denen wir uns bei vielen wichtigen gesellschaftlichen Entscheidungen gegenübersehen, denen kognitive und motivationale Verzerrungen (nicht nur in der Öffentlichkeit, sondern auch bei Wissenschaftlern und politischen Entscheidungsträgern) gegenüberstehen, die unsere wahrgenommene Fähigkeit, etwas vorherzusehen, intensivieren (Fischhoff, 1980; Tetlock & Gardner, 2015). Eine wichtige Lehre, die das Feld aus dieser Erkenntnis ziehen möchte, ist die Bedeutung der Anwendung von Modellierungsansätzen, die das wahre Ausmaß der Ignoranz künftiger Ereignisse erforschen und anerkennen und sich kreativ vor wahrscheinlichen und unvorhersehbaren Überraschungen von großer Tragweite schützen. Im Folgenden werde ich mehr über das Rahmenwerk zur robusten

Entscheidungsfindung (Lempert, 2006) sagen, das genau dies tut.

Verhaltensökonomische Lektionen für Coronavirus und Reaktionen auf den Klimawandel Die COVID-19-Pandemie ist möglicherweise die wichtigste Herausforderung der letzten Jahrzehnte im Bereich der öffentlichen Gesundheit, mit schwerwiegenden Auswirkungen auf das menschliche Leben, das Wohlergehen, den wirtschaftlichen Wohlstand und die Sicherheit. Langfristig werden ihre Auswirkungen jedoch durch die Folgen des globalen Klimawandels höchstwahrscheinlich in den Schatten gestellt werden. Es besteht die wachsende Gefahr, dass kritische Schwellenwerte der Treibhausgaskonzentrationen in der Erdatmosphäre überschritten werden, die das Klima unseres Planeten in einem lebenswerten Bereich halten, und dass auch andere planetarische Grenzen überschritten werden, die alle von einer wachsenden Weltbevölkerung mit steigenden Erwartungen an einen verbesserten Lebensstandard und von einer globalen Marktwirtschaft, die auf kontinuierliches Wachstum angewiesen ist, angetrieben werden.

Während Appelle der wissenschaftlichen Gemeinschaft,

diesen fundamentalen und systemischen Risiken des „Business-as-usual“ Aufmerksamkeit zu schenken, von der politischen Klasse und der Öffentlichkeit viel zu lange ignoriert wurden, schien sich das Blatt in letzter Zeit zu wenden. Im Laufe des letzten Jahres hatten die Bedenken und Aufrufe zu Maßnahmen für den Klimaschutz und die nachhaltige Entwicklung deutlich zugenommen, angetrieben durch den Sonderbericht des Zwischenstaatlichen Ausschusses für Klimawandel der Vereinten Nationen über die Auswirkungen der globalen Erwärmung um 1,5°C

über dem vorindustriellen Niveau (IPCC, 2018) und die Ziele der nachhaltigen Entwicklung (Sachs et al, 2019), von aufstrebenden Jugendbewegungen wie Greta Thunbergs „Fridays for Future“, von der zunehmenden Besorgnis institutioneller Investoren und sogar großer Vermögensverwaltungsfirmen wie BlackRock über die Risiken des Klimawandels und von anderen Mitgliedern der Zivilgesellschaft (z.B. Mitarbeiter von Unternehmen wie Amazon), die den Wunsch nach verstärkten Anstrengungen im Risikomanagement und in der Eindämmung des Klimawandels

Abb. 2

StraightONE Behavioral Economics Guide _ 2019

19

Teil 1 - Redaktioneller Teil

zum Ausdruck brachten.

Der Ausbruch der COVID-19-Krise hat die Befürchtung geweckt, dass eine begrenzte Möglichkeit, sich Sorgen zu machen (Finite-Pool-of-Worry), diese Dynamik entgleisen lässt (Leiserowitz et al., 2020), da sich die Aufmerksamkeit der Öffentlichkeit und der politischen Entscheidungsträger von der Eindämmung des Klimawandels auf die Bewältigung dieses gesundheitspolitischen Notfalls verlagert.

Die Jury ist sich noch nicht im Klaren darüber, was das Anliegen und Handeln von COVID-19 (sowohl des Einzelnen als auch der Öffentlichkeit) für das Anliegen und Handeln im Zusammenhang mit dem Klimawandel bedeuten wird. Die 2020-Version der jährlichen Yale-George Mason-Umfrage zum Klimawandel zeigte, dass die Positionen der Amerikaner zum Klimawandel durch die Coronavirus-Pandemie und die damit verbundene Wirtschaftskrise wenig bewegt wurden: 73 Prozent der Befragten gaben an, dass der Klimawandel stattfindet, 54 Prozent waren „extrem“ oder „sehr“ sicher, dass er stattfindet, und 62 Prozent akzeptierten die etablierte wissenschaftliche Ansicht, dass die globale Erwärmung hauptsächlich durch menschliche Aktivitäten verursacht wird, wobei alle Ebenen der hohen Akzeptanz entsprachen, die zuvor in einer Umfrage im Jahr 2019 gemessen wurde (Leiserowitz et al., 2020).

Zwei große Panel-Studien, an denen ich derzeit zusammen mit Mitarbeitern arbeite, eine unter Verwendung einer großen repräsentativen Stichprobe von Amerikanern (Constantino et al., 2020) und die andere unter Verwendung von drei großen Stichproben in den USA, Italien und China (Sisco et al., 2020), kommen zu dem Ergebnis, dass die gemeldete Sorge um den Klimawandel und die gemeldete Sorge um COVID-19 positiv korreliert sind, selbst wenn man für ein breites demographisches Spektrum kontrolliert. Dies widerspricht eindeutig der Vorhersage, die eine einfache Interpretation der Finite-Pool-of-Worry-Hypothese (Weber, 2006) machen würde, sondern steht stattdessen in Einklang mit der Affektverallgemeinerung (Johnson und Tversky, 1983). Auf der anderen Seite zeigen sowohl

20

StraightONE Behavioral Economics Guide _ 2019

Abb. 3

die Twitter-Aktivitäten als auch die Medienberichterstattung in Sisco et al. (2020) die vorhergesagte negative Beziehung zwischen der Berichterstattung über den Klimawandel und der COVID-19-Berichterstattung in den letzten zwei Monaten in allen drei Ländern, wobei eine größere Häufigkeit von Postings im Zusammenhang mit COVID-19 die Postings im Zusammenhang mit dem Klimawandel ersetzt.

Twitter-Aktivitäten und Medienberichte über damit verbundene Risiken, nämlich zwischen Gesundheitsrisiken im Zusammenhang mit COVID-19 und wirtschaftlichen und Arbeitslosigkeitsrisiken, zeigen dagegen einen positiven Zusammenhang, was darauf hindeutet, dass die beobachtete negative Korrelation zwischen COVID-19 und dem Klimawandel nicht einfach auf logistische Kapazitätsengpässe zurückzuführen ist (Sisco et al., 2020). Es gibt noch viel mehr zu verstehen, und die COVID19-Krise ist ein starkes natürliches Experiment, das es uns erlauben wird, die Finite-Pool-of-Worry-Hypothese auf wichtige Weise zu untersuchen und zu qualifizieren.

Es gibt noch andere - positive - Arten, wie die beiden Krisen zusammenhängen können. In Medienberichten wurde darüber spekuliert, inwieweit die vorübergehende Reduzierung der Kohlenstoffemissionen als Folge der Pandemie bei der Bewältigung der Herausforderung des Klimawandels helfen könnte. Die Internationale Energieagentur sagt voraus, dass die Welt in diesem Jahr sechs Prozent weniger Energie verbrauchen wird (IEA, 2020), was dem Verlust des gesamten Energiebedarfs Indiens entspricht. Von größerem Interesse für dieses Publikum ist die Frage, ob es Möglichkeiten gibt, wie aktuelle Verhaltensänderungen, die von Regierungen oder Umständen erzwungen werden, zur Etablierung neuer Gewohnheiten oder neuer formeller oder informeller Institutionen führen können, die die Treibhausgasemissionen auch nach Aufhebung der derzeitigen Beschränkungen weiter reduzieren werden. Sowohl Einzelpersonen als auch Organisationen sind dabei, die wahren Kosten und Vorteile von Änderungen der Arbeits- und Reisegewohnhei-

StraightONE Behavioral Economics Guide _ 2019

21

Teil 1 - Redaktioneller Teil

Behavioral Economic Responses to the Dual Challenges of COVID-19 and the Climate Crisis

Elke U. Weber

action problems. (f) The costs and benefits of different ways of responding to both hazards are unequally distributed across geographies, levels of income, and prosperity, as well as age

and future generations. (g) Both crises call for cooperative action, even though their negative effects on health, wellbeing, and the economy seem to elicit competitive responses.

CC

CV Kontrolle- cc11/cv14

6

4

2

Angst - cc12/cv15

6

4

2

Präzision - cc10/cv13

6

4

2

6

Risikozeit

4

2

Dem

Ind

Rep

Dem

Ind

Rep

Figure 1: Boxplots of three psychological risk dimensions (perceived controllability, dread, and Abb. 4: Boxplots von drei psychologischen Risikodimensionen (wahrgenommene Kontrollierbarkeit, Furcht und wahrgenommene Präziperceived precision of knowledge of Distanz impacts) and psychological distance ofvonclimate change (CC) sion des Wissens über die Auswirkungen) und psychologische des Klimawandels (CC-Risiko) und des COVID-19 (CV-Risiko), die amerikanischen Befragten im April 2020 nach selbst identifizierter politischer Parteizugehörigkeit vorgelegt wurden (Constantino risk 4.557 and COVID-19 (CV) risk, provided by 4,557 American respondents in April 2020, by selfet al., 2020). Reproduziert mit Genehmigung. identified political party affiliation (Constantino et al., 2020). Reproduced with permission.

Behavioral economics and allied social sciences have been active in developing solutions for the list of shared challenges described above, which have so far mostly been examined

in the context of circumventing challenges related to the climate crisis. A panel of experts convened by the Behavioral Science and Policy Association reviewed the literature on docu-

22

mented solutions that can be applied to energy and environmental policy (Yoeli et al., 2017).

StraightONE As shown in Figure 2, they identified 13 tools that range from choice architecture intervenBehavioral Economics Guide _ 2019 tions (e.g. setting defaults, choosing frames, reducing the number of options), to methods of persuasion (e.g. communicating social norms, obtaining commitments) and communication

ten herauszufinden, gegen die sie sich zuvor - zum Teil aus einer Verzerrung des Status quo heraus - gewehrt hatten. Die Arbeit von zu Hause aus und die Nutzung von Telepräsenz zur Reduzierung von Geschäftsreisen spart Zeit, Geld und Kohlendioxidemissionen und beeinträchtigt unter Umständen nicht die Produktivität der Mitarbeiter oder die Effektivität von Besprechungen. Im Einklang mit diesen positiven Lehren kündigten mehrere Unternehmen, darunter Facebook, Twitter und das Zahlungsunternehmen Square, kürzlich an, dass es den Beschäftigten gestattet werden soll, dauerhaft von zu Hause aus zu arbeiten. Auf der anderen Seite werden die derzeitigen Einschränkungen für Reisen und die Bewegungsfreiheit im persönlichen Bereich nach Aufhebung der Beschränkungen eher zu einer aufgestauten Nachfrage und einer Zunahme von Aktivitäten wie Flugreisen führen. Auf der anderen Seite wird das anhaltende Risiko einer Virusübertragung durch engen persönlichen Kontakt die Nutzung öffentlicher Verkehrsmittel wie U-Bahn, Bus und Bahn nach der Wiedereröffnung der Wirtschaft zugunsten der kohlenstofflastigen Nutzung von Privatfahrzeugen ernsthaft behindern.

Die Lehren können auch in die andere Richtung gehen. Das heißt, Lehren aus der Verhaltensökonomie zum Umgang mit der Klimakrise könnten sich als nützlich erweisen, um den Herausforderungen mit COVID-19 zu begegnen. Um herauszufinden, was diese Lektionen sein könnten, ist es nützlich, über die Art und Weise nachzudenken, in der sich die beiden Krisen ähneln - und die Art und Weise, in der sie sich unterscheiden. Beginnen wir mit letzterem, unterscheiden sich die beiden Krisen in mindestens zwei wichtigen Dimensionen. Die erste ist die psychologische Distanz (Liberman, Trope, & Stephan, 2007), wobei der Klimawandel und seine negativen Auswirkungen als räumlich, zeitlich und wahrscheinlich weiter entfernt angesehen werden als eine Coronavirusinfektion. Auf der Grundlage der Antworten aus der oben erwähnten jüngsten Umfrage (Constantino et al., 2020), die in den beiden unteren Feldern von Abbildung 4 dargestellt

sind, bewerteten amerikanische Befragte aus dem gesamten politischen Spektrum die Auswirkungen von COVID-19 als in die Gegenwart fallend (rechtes Feld), während die Auswirkungen des Klimawandels (linkes Feld) als deutlich stärker in die Zukunft fallend eingeschätzt wurden, ein Unterschied, der für Demokraten größer ist als für Republikaner.

(Ich werde weiter unten mehr über die politische Polarisierung sagen.) Zweitens schneiden die beiden Krisen auch bei den psychologischen Risikodimensionen unterschiedlich ab, die in den 1970er Jahren als treibende Kraft für die Bereitschaft der Öffentlichkeit, Risiken zu akzeptieren oder sich davor zu schützen, identifiziert wurden (Fischhoff et al., 1978). Abbildung 4 zeigt Boxplots der Scores, auf denen die drei wichtigsten psychologischen Risikodimensionen für Klimawandel und COVID-19 bewertet wurden (Constantino et al., 2020). Die oberen Panels zeichnen die „wahrgenommene Unkontrollierbarkeit“ auf, die für den Klimawandel im Durchschnitt etwas höher bewertet wurde als für COVID-19, aber für beide Krisen wurde sie von den Republikanern als viel niedriger (d.h. besser kontrollierbar) angesehen als von den Demokraten.

Die zweite Reihe von Tafeln stellt „Angst“ grafisch dar. Frühere Arbeiten zeigen, dass der Klimawandel nicht etwas ist, das viszerale Angstgefühle auslöst (Fox-Glassman & Weber, 2016), ein Ergebnis, das auch hier gezeigt wird. COVID-19 zeigt dagegen ein höheres Maß an Furcht, insbesondere bei Demokraten und Unabhängigen.

Die beiden Krisen weisen sowohl auf individueller als auch auf politischer Entscheidungsebene folgende gemeinsamen Merkmale auf: a) In beiden Situationen werden die Folgen des Handelns oder Nichthandelns hinausgezögert, so dass es schwierig ist, aus den Erfahrungen zu lernen. b) COVID-19-Infektionen nehmen exponentiell zu, und die Treibhausgasemissionen wirken sich auf komplexe und höchst nichtlineare Weise auf das globale Klima aus, was zu Wendepunkten führen kann. Beides führt zu einer drastischen Unterschätzung der Kosten einer Verzögerung von Minderungsmaßnahmen (Kunreu-

StraightONE Behavioral Economics Guide _ 2019

23

Teil 1 - Redaktioneller Teil

ther & Slovic, 2020). (c) Beide Gefahren sind durch eine tiefe Unsicherheit gekennzeichnet, die physikalische, biologische und chemische Prozesse, technologische Fortschritte und Verhaltensreaktionen umfasst. (d) Aktionen zur Verringerung des Infektionsrisikos durch COVID-19 und Aktionen zur Eindämmung des Ausmaßes des Klimawandels haben Vorlaufkosten, die jetzt und mit Sicherheit bezahlt werden müssen, aber ihr Nutzen kommt dem Einzelnen und dem Kollektiv erst in der Zukunft und mit einer gewissen Unsicherheit zugute. (e) Beide Krisen sind Probleme des kollektiven Handelns. (f) Die Kosten und der Nutzen der verschiedenen Möglichkeiten, auf beide Gefahren zu reagieren, sind ungleich über Geographien, Einkommens- und Wohlstandsniveaus sowie Alter und künftige Generationen verteilt. (g) Beide Krisen erfordern kooperatives Handeln, auch wenn ihre negativen Auswirkungen auf Gesundheit, Wohlergehen und Wirtschaft konkurrierende Reaktionen hervorzurufen scheinen.

Die Verhaltensökonomie und die verwandten Sozialwissenschaften haben aktiv an der Entwicklung von Lösungen für die oben beschriebene Liste gemeinsamer Herausforderungen gearbeitet, die bisher meist im Zusammenhang mit der Umgehung von Herausforderungen im Zusam-

24

StraightONE Behavioral Economics Guide _ 2019

menhang mit der Klimakrise untersucht wurden. Ein von der Behavioral Science and Policy Association einberufenes Expertengremium hat die Literatur zu dokumentierten Lösungen gesichtet, die sich auf die Energieund Umweltpolitik anwenden lassen (Yoeli et al., 2017). Wie in Abbildung 5 dargestellt, machten sie 13 Instrumente aus, die von Interventionen im Bereich der Wahl der Architektur (z.B. Festlegen von Standardwerten, Auswahl von Rahmen, Verringerung der Anzahl von Optionen) über Methoden der Überzeugungsarbeit (z.B. Kommunikation sozialer Normen, Einholen von Zusagen) bis hin zur Kommunikation (z.B. rechtzeitige Rückmeldung, Einsatz intuitiver Metriken) reichen. Noch interessanter ist vielleicht, dass die Experten diese 13 Instrumente vier Problemkategorien zugeordnet haben, für die Lösungen gefunden werden müssen. Das erste Ziel („die Aufmerksamkeit der Menschen zu gewinnen“) ist eine Herausforderung für den Klimawandel, scheint aber kein Problem für COVID-19 zu sein, da dies wie oben beschrieben eine Krise mit einer weit größeren psychologischen Nähe ist. Politiker und Medien haben entsprechend reagiert, wobei die Aufmerksamkeit und Aktion bezüglich COVID-19 die Berichterstattung über viele, wenn nicht sogar die meisten anderen Themen verdrängt hat.

Die anderen drei Ziele („den

Wunsch der Menschen, einen Beitrag zum sozialen Gut zu leisten“, „die genaue Einschätzung von Risiken, Kosten und Nutzen zu erleichtern“ und „komplexe Informationen zugänglicher zu machen“) gelten jedoch ebenso gut für die Herausforderung, individuelle und politische Antworten auf COVID-19 klug zu lenken.

Die Karte der Instrumente und Ziele in Abbildung 5 kann dabei helfen. Die Vermittlung angemessener Unterlassungsnormen über soziale Distanzierung und das Tragen von Gesichtsmasken (Werkzeug 11) wird ein wichtiger Bestandteil wirksamer Strategien sein, um zur nächsten Stufe der Auseinandersetzung mit COVID-19 überzugehen, nämlich der schrittweisen Wiedereröffnung des wirtschaftlichen, sozialen und kulturellen Lebens.

Solche freiwilligen Einschränkungen und Regeln müssen von der Gemeinschaft durchgesetzt werden, wozu auch die Tatsache beiträgt, dass solche Verhaltensweisen gut sichtbar sind (Werkzeug 10), aber es müssen Anreize geschaffen werden, indem die Menschen über die Konsequenzen informiert werden, die ihnen wichtig sind (Werkzeug 7), z.B. der Schutz ihrer Eltern oder Kinder vor Infektionen. Ein weiteres Beispiel ist, dass von Gleichaltrigen geschaffene und durchgesetzte Normen der Fairness und Gleichheit wahrscheinlich besser geeignet sind, die Häufigkeit von Horten und Panikkäufen zu

Ziele

Werkzeuge

Holen Sie sich die Achtung

01 02 03 04 05 06 07 08 09 10 11

Menschen einbinden Wunsch, einen Beitrag zum sozialen Wohl zu leisten

12 13

Rechtzeitiges Feedback und Erinnerungen geben

Ziele

Erleichtern Sie die genaue Bewertung von Risiken, Kosten und Nutzen

Reichweite bei Übergängen Verwenden Sie intuitive Metriken, um Informationen auszudrücken Wählen Sie den aussagekräftigsten Zeitrahmen Mehrere Kommunikationsmodi verwenden Informationen leicht zugänglich machen Konsequenzen in Bezug auf die Menschen, die ihnen wichtig sind, umreißen Reduzierung der Vorlaufkosten durch Verteilung über mehr Zeit Präsentieren Sie weniger Optionen und wählen Sie die Relevantesten Erhöhen Sie die Beobachtbarkeit des Verhaltens und sorgen Sie für Anerkennung Eine Norm kommunizieren

Eine Verpflichtung einholen Setzen Sie die richtige Voreinstellung

Komplexe Informationen zugänglicher machen

Abb. 5: Übergreifende Ziele, die mit 13 verhaltenswissenschaftlichen Instrumenten erreicht werden sollen, um die Energie- und Umweltpolitik zu stärken, wie von Yoeli et al. beschrieben (2017). Urheberrechtlich geschützt durch die Behavioral Science and Policy Association (BSPA). Reproduziert mit Genehmigung.

StraightONE Behavioral Economics Guide _ 2019

25

Teil 1 - Redaktioneller Teil

verringern als staatliche oder Ladenverbote. Gegenwärtig sind soziale Normen als Instrumente zur Beeinflussung von Umweltaktionen sehr en vogue, zum Teil deshalb, weil sie das Potenzial haben, zu Wendepunkten im Verhalten zu führen (Nyborg, 2017).

Die Reaktionen auf beide Krisen zeigen eine politische Polarisierung, d.h. das Auseinanderklaffen von Sorgen, Überzeugungen und Einstellungen zu ideologischen Extremen. Sowohl anekdotische Belege als auch unsere jüngste nationale Umfrage (Constantino et al., 2020) bestätigen dieses Phänomen für COVID-19, das seit langem für den Klimawandel etabliert ist. Kognitive Dissonanz, Wunschdenken, Lösungsaversion und eine Vielzahl anderer psychologischer Prozesse und Phänomene sagen eine solche Polarisierung voraus, die der Wirksamkeit der Kommunikation wissenschaftlicher Informationen zur Information und Verhaltensänderung Grenzen

setzt (Weber, 2017).

Sogar persönliche Erfahrungen, die sich seit langem als weitaus effektiverer Lehrer erwiesen haben (Marx et al., 2007), haben sich für Personen mit starken ideologischen Überzeugungen im Bereich der Überzeugungen und Handlungen im Zusammenhang mit dem Klimawandel als weniger effektiv erwiesen. Da zum Beispiel die Bewohner Großbritanniens ausgedehnten Überschwemmungen ausgesetzt waren, die in ihrer Häufigkeit und ihrem Ausmaß auf den Klimawandel zurückzuführen sind, wurden diejenigen, die sich weder einer liberalen noch einer konservativen Ideologie verschrieben hatten, immer überzeugter von der Realität und dem Ernst des Klimawandels („Sehen ist Glauben“), während diejenigen am konservativen Ende des ideologischen Spektrums die Überschwemmungen nicht zur Kenntnis nahmen („Glauben ist Sehen“) (Myers et al., 2013; Weber, 2013). Nichtsdestotrotz sind der Bereitschaft der Menschen, schmerzhafte persönliche Erfahrungen zu ignorieren, um die ideologische Konsistenz zu wahren, Grenzen gesetzt. Angesichts der größeren psychologischen Nähe von COVID-19 wird es interessant sein zu sehen, ob und wann „glauben ist sehen“ dem „sehen ist glauben“ weicht.

Größere Empfänglichkeit für Verhaltensökonomie Großbritannien war die erste nationale Regierung, die 2010 ein Behavioral Insights Team einrichtete, um die Erkenntnisse der Verhaltensökonomie und verwandter Sozialwissenschaften anzuwenden, um die Gestaltung und Umsetzung der öffentlichen Politik zu beeinflussen und die Erhebung von Steuern und Bußgeldern sowie die Erbringung anderer öffentlicher Dienstleistungen zu verbessern. Die US-Regierung richtete ihr Team für Sozial- und Verhaltenswissenschaften im Jahr 2015 ein, und

Abb. 6

26

StraightONE Behavioral Economics Guide _ 2019

eine lange Liste anderer Länder ist diesem Beispiel gefolgt, von Australien, Kanada und Singapur bis hin zu Deutschland, den Niederlanden, Indonesien, Irland, Peru und anderen. Behavioral Insight Teams wurden auch in transnationalen Organisationen wie der Europäischen Union, der OECD und der Weltbank eingerichtet, wobei einige von ihnen Berichte über ihre Bemühungen und Erfolge herausgegeben haben (Naru & Cavassini, 2016; Weltbank, 2015).

Es hat Fortschritte in der Art und Weise gegeben, wie die Verhaltensökonomie vom Zwischenstaatlichen Ausschuss für Klimawandel der Vereinten Nationen (Intergovernmental Panel on Climate Change, IPCC) und von der politischen Gemeinschaft für den Energieübergang und die Kohlenstoffeindämmung anerkannt und genutzt wird. In den ersten vier IPCC-Berichten war die implizite Annahme über die Entscheidungsprozesse auf der Nachfrageseite der Eindämmung (d.h. Entscheidungen über die Einführung von Energietechnologien und den Energieverbrauch) eine rationale Wahl, bei der die einzelnen Akteure den erwarteten Nutzen aus sich selbst heraus maximieren, wobei die individuellen Unterschiede nur in Bezug auf Wohlstand, Risikoeinstellung und zeitliche Diskontsätze variieren. In einem Kapitel über Risikomanagement im 5. Sachstandsbericht des IPCC (Kunreuther et al.

2014) wurde ein breiteres Spektrum von Zielen (von materiellen Zielen über selbst- und fremdbezogene soziale Ziele bis hin zu psychologischen Zielen) und ein breiteres Spektrum von Entscheidungsprozessen (rechnergestützte, aber auch affektgestützte sowie rollen- und regelbasierte Prozesse) eingeführt.

Das Kapitel überprüfte, wie sich Experten und die Allgemeinbevölkerung in ihren Wahrnehmungen und Reaktionen auf Risiko und Unsicherheit unterscheiden, und wies die politischen Entscheidungsträger darauf hin, wie wichtig es ist, die Reaktion der Öffentlichkeit zu verstehen und vorherzusagen, um Klimarisiken und -unsicherheiten wirksam zu kommunizieren. Es ist ermutigend, dass der IPCC in seinem 6. Sachstandsbericht ein vollständiges Kapitel einer erweiterten Behandlung von verhal-

tensorientierten nachfrageseitigen Minderungslösungen gewidmet hat, die sich auf die menschlichen Bedürfnisse sowie die menschlichen Reaktionen in ihrer ganzen Komplexität konzentriert (Creutzig et al., 2020).

Die Einführung eines breiteren Spektrums von Zielen, Entscheidungsprozessen sowie individuellen und kulturellen Unterschieden als beim kompakten und homogenen Homo Oeconomicus hat wichtige Auswirkungen auf die Bewertung von Szenarien im Kontext des Klimawandels und anderswo. Einerseits führt sie zusätzliche Varianz und Unsicherheit über die Auswirkungen des Klimawandels (z.B. Temperaturanstieg oder Wetterextreme) auf das menschliche Verhalten und damit auf zukünftige THG-Emissionen ein (Beckage et al., 2018). Andererseits erklärt ein Modellierungsrahmen, der die vielen Triebkräfte und Einflüsse auf individuelle Entscheidungen einbezieht, die über rationale Entscheidungen und rationale Erwartungen hinausgehen (z.B. Reaktionen auf Extremereignisse, wahrgenommene Verhaltenskontrolle, wahrgenommene soziale Normen und Rahmeneffekte), viele der von Ökologen vor Ort beobachteten Anomalien (Constantino, Wijermans, et al., 2020; Schlüter et al., 2017) und generiert eine breitere Palette von nachfrageseitigen Politikoptionen und effektivere Wege zu deren Umsetzung.

Die Verhaltensökonomie hat nicht nur in der öffentlichen Politik eine breitere Aufnahmebereitschaft genossen. Immer mehr Unternehmen haben Teams für Verhaltensforschung gebildet, um sie bei internen operativen und strategischen Entscheidungen und bei der Interaktion mit Kunden, Klienten oder anderen externen Interessengruppen einzusetzen. Auf seiner Website listet der Berater Steve Shu (2019) 37 große Unternehmen mit internen verhaltensökonomischen Gruppen auf, darunter BlackRock, Facebook, Google, Microsoft, Prudential, Uber, UBS, SwissRe und Walmart, sowie 15 Beratungsfirmen und Praxisgruppen im Bereich der Verhaltenswissenschaften und Verhaltensökonomie.

StraightONE Behavioral Economics Guide _ 2019

27

Teil 1 - Redaktioneller Teil

Modellierung zum Schutz gegen gefährliche Überraschungen: Robuste Entscheidungsfindung Die Modellierung in der Verhaltensökonomie hat die besten Eigenschaften ihrer beiden Mutterdisziplinen vereint. Ihre Ursprünge in den intellektuell präzisen und rigorosen Traditionen der Wirtschaftswissenschaften haben verhaltensökonomische Modelle psychologischer Prozesse formaler, quantitativer und kumulativer als psychologische Erklärungen gemacht, oft durch Hinzufügen von Argumenten oder Parametern zu bestehenden rationalen Modellen der Wahl. Gleichzeitig wird die Hinzufügung solcher Modellierungskomponenten von einem starken Fokus auf beobachtete empirische Gesetzmäßigkeiten der Psychologie geleitet, im Gegensatz zu dem stärkeren Bekenntnis zur normativen Option in der Ökonomie. Das Hinzufügen des Parameters Beta des gegenwärtigen Bias zum regulären exponentiellen zeitdiskontierenden Parameter Delta im Beta-Delta-Modell, das die hyperbolische Diskontierung annähert (Laibson, 1997), ist ein gutes Beispiel für beide Beobachtungen. Die meisten - wenn nicht sogar alle - verhaltensökonomischen Modelle fallen jedoch immer noch in die Kategorie der (eingeschränkten) Optimierung, die beste Schätzungen der Parameterwerte liefern und gleichzeitig sehr spezifische Annahmen über die funktionale Form verschiedener Unsicherheitsquellen treffen.

Im Gegensatz dazu ist die robuste Entscheidungsfindung (Robust Decision-Making, RDM) ein analytisches Rahmenwerk aus der Familie der Bedauernsmodelle, das Bewertungskriterien und Sensitivitätsanalysen erfüllt, die von der RAND Corporation (https://www.rand.org/topics/robustdecision-making.html) entwickelt wurden. Sie ist darauf ausgelegt, Entscheidungsstrategien auszumachen, die gegenüber wichtigen Klassen tiefer Unsicherheit und Unwissenheit robust sind. Anstatt

28

StraightONE Behavioral Economics Guide _ 2019

eine einzige optimale Handlungsempfehlung zu generieren, untersucht RDM eine gegebene Reihe plausibler zukünftiger Aktionen (wobei iterativ kreative neue Optionen und Lösungen entlang des Weges generiert werden) auf ihre Fähigkeit hin, akzeptable Ergebnisse in einem breiten Spektrum möglicher zukünftiger Weltlagen zu erzielen (Lempert, 2006).

Ein solcher analytischer Rahmen, wie er von Bloom (2014) zur Priorisierung der Zuweisung von Gesundheitsressourcen für HIV schön veranschaulicht wurde, scheint gut geeignet, um angesichts von COVID-19 und der Klimakrise, die ganz im Sinne der Verhaltensökonomie ist, über weise Aktionen zu entscheiden.

„Walk the Talk“ Lassen Sie mich mit einigen neueren Erkenntnissen schließen, die für politisch aufgeladenere verhaltensökonomische Anwendungen relevant sind, wie z.B. Klimaschutzmaßnahmen oder COVID-19-Antworten. In solchen Kontexten kann der Wissenschaftler, der Einsichten über bestehende Risiken und Empfehlungen dazu vermittelt, wie persönliches Handeln diese Risiken mindern kann, durchaus für seine persönliche Befolgung dieser Empfehlungen beurteilt werden. Wissenschaftler, die dies nicht tun, werden als weniger glaubwürdig wahrgenommen, und es ist weniger wahrscheinlich, dass ihre Empfehlungen befolgt werden. Eine wahrgenommene persönliche Lebensstilkonsistenz seitens des Wissenschaftlers („walking the talk“) erhöht die Befolgung der Empfehlungen, wenn es um persönliche Lebensstiländerungen (Attari, Krantz, & Weber, 2016) und um die Unterstützung von Regierungsmaßnahmen geht (Attari, Krantz, & Weber, 2019).

Wie bei den meisten Tugenden kann die persönliche Lebensstilkonsequenz jedoch nach hinten losgehen, wenn sie zu extrem ist. Wenn Wissenschaftler in ihrem Streben nach einem nachhaltigen Lebens-

stil als zu extrem empfunden werden, haben ihre Botschaften zur Dekarbonisierung etwas geringere Auswirkungen als die von Wissenschaftlern mit lediglich starken, aber besser zuordenbaren persönlichen Nachhaltigkeitsprofilen (Sparkman & Attari, 2020).

Die Autorin

Schlussfolgerung Wir leben in interessanten Zeiten, in allen Sinnen des apokryphen chinesischen Segens und Fluchs!

Es gibt viel zu lernen über die Bereitschaft unserer Spezies, Lebensstil und Verhalten zu ändern, wenn viel auf dem Spiel steht, über die Rolle und die Fähigkeit von Rückmeldungen und persönlichen Erfahrungen, um ideologische Widerstände gegen bestimmte Klassen von Lösungen zu überwinden, über die begrenzte Möglichkeit, sich Sorgen zu machen und über die beste Art und Weise, künftige Maßnahmen zu modellieren und zu bewerten. Die Verhaltensökonomie und die mit ihr verbündeten Sozial- und Verhaltenswissenschaften haben viel zu dem wichtigen Bestreben beigetragen, der Zukunft eine Chance zu geben - und werden es auch weiterhin tun.

Elke Weber

ist Gerhard R. Andlinger-Professorin für Energie und Umwelt und Professorin für Psychologie und Public Affairs an der Princeton University, wo sie das Behavioral Science for Policy Lab (BSPL) gegründet hat und leitet.

In ihrer Forschung untersucht und modelliert Weber die Entscheidungsfindung unter Unsicherheit und Zeitverzögerung in Finanz- und Umweltkontexten aus einer psychologischen und neurowissenschaftlichen Perspektive. Ihre Expertise in den Verhaltenswissenschaften wurde von beratenden Ausschüssen der National Academy of Sciences on Human Dimensions in Global Change, einer Task Force der American Psychological Association, die einen Bericht über die Schnittstelle zwischen Psychologie und globalem Klimawandel herausgegeben hat, und der Arbeitsgruppe III für den 5. und 6. Bewertungsbericht des Zwischenstaatlichen Ausschusses für Klimawandel (IPCC) der Vereinten Nationen eingeholt. Sie ist ehemalige Präsidentin der Gesellschaft für Neuroökonomie, der Gesellschaft für Urteils- und Entscheidungsfindung und der Gesellschaft für mathematische Psychologie. Sie ist Fellow der American Academy of Arts and Sciences, der American Association for the Advancement of Science, der American Psychological Associa-

StraightONE Behavioral Economics Guide _ 2019

29

Teil 1 - Redaktioneller Teil

tion, der Association for Psychological Science, der Society for Risk Analysis und der Society for Experimental Psychology. Sie erhielt den Distinguished Scientific Contribution Award der Gesellschaft für Risikoanalyse und wurde in die Deutsche Nationale Akademie der Naturforscher Leopoldina und die US National Academy of Sciences gewählt.

Literaturhinweise Attari, S. M., Krantz, D. H., & Weber, E. U. (2016). Statements about climate researchers’ carbon footprints affect their credibility and the impact of their advice. Climatic Change, 138, 325338.

Attari, S. M., Krantz, D. H., & Weber, E. U. (2019). Statements about climate researchers’ carbon footprints affect their audiences’ policy support. Climatic Change, 154, 529-545.

Beckage, B., Gross, L. J., Lacasse, K., Carr, E., Metcalf, S. S., Winter, J. M., Howe, P. D., Fefferman, N., Franck, T., Zia, A., Kinzig, A., & Hoffman, F. M. (2018). Linking models of human behaviour and climate alters projected climate change. Nature Climate Change, 8, 79-84.

Bloom, E. W. (2014). Data-driven decision-making tools to improve public resource allocation for care and prevention of HIV/ AIDS. Health Affairs, 33, 410-417.

Broughton, N., Costa, E., Pickering, J., Shakhina, N., Tilleard, R., & Wu H. (2019). Boosting businesses: Applying behavioural insights to business policy. London, UK: The Behavioural Insights Team. Retrieved from https://www.bi.team/wp-content/ uploads/2019/10/BIT_ Boosting-Businesses_Report_Final.pdf.

Constantino, S., Cooperman, A., Keohane, R., & Weber, E. (2020, May 8). COVID-19 and climate change pre-registration. Retrieved from https://osf.io/u4cea.

Constantino, S. M., Wijermans, N., Weber, E. U., & Schlüter, M. (2020). Behavior in context: Towards a comprehensive selection and taxonomy of behavioral theories for socio-ecological systems research. Under review, Sustainability Science.

Cookson, C. & Mancini, D. P. (2020, March 15). Scientists warn UK’s coronavirus response is inadequate. Financial Times. Retrieved from https://www.ft.com/content/f3136d0a663e11ea-800d-da70cff6e4d3.

Creutzig, F., Roy, J., Devine-Wright, P., Diaz-José, J., Geels, F., Grubler, A., Maïzi, N., Masanet, E., Mulugetta, Y., Onyige Chioma, D., Perkins, P. E., Sanches Pereira, A., Weber, E. U. (2021).

Demand, services and social aspects of mitigation. In J, Skea & P. R. Shukla (Eds.), Climate change 2021: Mitigation of climate

30

StraightONE Behavioral Economics Guide _ 2019

change. Contribution of Working Group III to the fifth assessment report of the Intergovernmental Panel on Climate Change.

Cambridge, UK: Cambridge University Press.

Fischhoff, B. (1980). For those condemned to study the past: Reflections on historical judgments. New Directions for Methodology of Social and Behavioral Science, 4, 79-93.

Fischhoff, B., Slovic, P., Lichtenstein, S., Read, S., & Combs, B. (1978). How safe is safe enough? A psychometric study of attitudes towards technological risks and benefits. Policy Sciences, 9, 127-152.

Fox-Glassman, K. T., & Weber, E. U. (2016). What makes risk acceptable? Revisiting the 1978 psychological dimensions of perceptions of technological risks. Journal of Mathematical Psychology, 75, 157-169. IEA (2020). Global energy review 2020.

Paris, France: IEA. Retrieved from https://www.iea.org/ reports/global-energy-review-2020. IPCC (2018). Global warming of 1.5°C: An IPCC Special Report on the impacts of global warming of 1.5°C above pre-industrial levels and related global greenhouse gas emission pathways, in the context of strengthening the global response to the threat of climate change, sustainable development, and efforts to eradicate poverty (V. Masson-Delmotte, P. Zhai, H. O. Pörtner, D. Roberts, J. Skea, P.R. Shukla, A. Pirani, W. Moufouma-Okia, C. Péan, R. Pidcock, S. Connors, J. B. R. Matthews, Y. Chen, X. Zhou, M. I. Gomis, E. Lonnoy, T. Maycock, M. Tignor, T. Waterfield [Eds.]). Retrieved from https:// www.ipcc.ch/sr15/ Johnson, E. J. & Tversky, A. (1983). Affect, generalization, and the perception of risk. Journal of Personality and Social Psychology, 45, 20-31.

Kunreuther, H., Gupta, S., Bosetti, V., Cooke, R., Dutt, V., HaDuong, M., Held, H., LlanesRegueiro, J., Patt, A., Shittu, E., & Weber, E. U. (2014). Integrated risk and uncertainty assessment of climate change response policies. In O. Edenhofer, R. Pichs-Madruga, Y. Sokona, E. Farahani, S. Kadner, K. Seyboth, A. Adler, I. Baum, S. Brunner, P. Eickemeier, B. Kriemann, J. Savolainen, S. Schlömer, C. von Stechow, T. Zwickel, & J. C. Minx (Eds.), Climate change 2014: Mitigation of climate change.

Contribution of Working Group III to the fifth assessment report of the Intergovernmental Panel on Climate Change (pp. 151205). Cambridge, UK: Cambridge University Press.

Laibson, D. (1997). Golden eggs and hyperbolic discounting.

Quarterly Journal of Economics, 112, 443-477.

Lempert, R. J. (2006). A general, analytic method for generating robust strategies and narrative scenarios. Management Science, 52(4), 514-528.

Leiserowitz, A., Maibach, E., Rosenthal, S., Kotcher, J., Bergquist, P., Ballew, M., Goldberg, M., Gustafson, A., & Wang, X. (2020). Climate change in the American mind: April 2020. Yale Program on Climate Change Communication and George Mason University Center for Climate Change Communication. Retrieved from https://climatecommunication.yale.edu/ publications/climate-change-in-the-american-mind-april-2020/.

Liberman, N., Trope, Y., & Stephan, E. (2007). Psychological

distance. In A. W. Kruglanski & E. T. Higgins (Eds.), Social psychology: Handbook of basic principles (pp. 353-381). New York, NY: The Guilford Press.

Marx, S. M., Weber, E. U., Orlove, B. S., Leiserowitz, A., Krantz, D. H., Roncoli, C., & Phillips, J. (2007). Communication and mental processes: Experiential and analytic processing of uncertain climate information. Global Environmental Change, 17, 47-58.

Mažar, N. (2019). Behavioral economics: Ethics and integrative thinking. In A. Samson (Ed.), Behavioral Economics Guide 2019 (with an introduction by Uri Gneezy) (pp. 2-15). Retrieved from https://www.behavioraleconomics.com/.

Metcalfe, R. (2018). Behavioral economics: Under the microscope. In A. Samson (Ed.), Behavioral Economics Guide 2018 (with an introduction by Robert Cialdini) (pp. 2-22). Retrieved from https://www.behavioraleconomics.com/.

Myers, T. A., Maibach, E. W., Roser-Renouf, C., Akerlof, K. & Leiserowitz, A. A. (2013). The relationship between personal experience and belief in the reality of global warming. Nature Climate Change, 3, 343-347.

Naru, F., & Cavassini, F. (2016). Cracking the behavioral insights nut: Behavioural sciences and their application to policy design and delivery. OECD Report GOV/RPC(2016)21.

Nyborg, K., Anderies, J. M. , Dannenberg, A., Lindahl, T., Schill, C., Schlüter, M., Adger, W. N., Arrow, K. J., Barrett, S., Carpenter, S., Capin III, F. S., Crépin, A.-S., Daily, G., Ehrlich, P., Folke, C., Jager, W., Kautsky, N., Levin, S. A., Polasky, S., Scheffer, M., Taylor, M. S., Walker, B., Weber, E., U., Wilen, J., Xepapadeas, A., & de Zeeuw, A. (2016). The non-smoking planet: How social norm changes can help solve global problems. Science, 354, 42-43.

Sachs, J., Schmidt-Traub, G., Kroll, C., Lafortune, G., & Fuller, G. (2019). Sustainable development report 2019. New York, NY: Bertelsmann Stiftung and Sustainable Development Solutions Network (SDSN).

Sanger, D. E., Lipton, E., Sullivan, E., & Crowley, M. (2020, March 19). Before virus outbreak, a cascade of warnings went unheeded. The New York Times. Retrieved from https://www. nytimes.com/2020/03/19/us/politics/trump-coronavirus-outbreak.html.

ge-148318.

Sparkman, G. & Attari, S. (2020). Credibility, communication, and climate change: How lifestyle inconsistency and do-gooder derogation impact decarbonization advocacy. Energy Research & Social Science, 59, 101290. https://doi.org/10.1016/j. erss.2019.101290.

Taleb, N. N. (2007). The black swan: The impact of the highly improbable. New York, NY: Random House.

Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. New York, NY: Crown.

Weber, E. U. (2006). Experience-based and description-based perceptions of long-term risk: Why global warming does not scare us (yet). Climatic Change, 77, 103-120.

Weber, E. U. (2013). Seeing is believing. Nature Climate Change, 3, 312-313.

Weber, E. U. (2017). Breaking cognitive barriers to a sustainable future. Nature Human Behavior, 1, 0013. https://doi. org/10.1038/s41562-016-0013.

World Bank (2015). World development report 2015: Mind, society, and behavior. Washington, DC: World Bank. Retrieved from https://elibrary.worldbank.org/doi/book/10.1596/97814648-0342-0.

Wucker, M. (2016). The gray rhino: How to recognize and act on the obvious dangers we ignore. London, UK: St. Martin’s Press.

Yoeli, E., Budescu, D. V., Carrico, A. R., Delmas, M. A., DeShazo, J. R., Ferraro, P. J., Forster, H. A., Kunreuther, H., Larrick, R. P., Lubell, M., Markowitz, E. M., Tonn, T., Vandenbergh, M. P. & Weber, E. U. (2017). Behavioral science tools to strengthen energy and environmental policy. Behavioral Science and Policy, 3, 69-79.

Abbildungen Abb.1: https://unsplash.com/@Kelsey Knight Abb.2: https://unsplash.com/@Jiangxu Lei Abb.3: Boxplots von drei psychologischen Risikodimensionen Abb.4: Übergreifende Ziele, die mit 13 verhaltenswissenschaftlichen Instrumenten erreicht werden sollen.

Schlüter, M., Baeza, A., Dressler, G., Frank, K., Groeneveld, J., Jager, W., Janssen, M. A., McAllister, R. R. J., Müller, B., Orach, K., Schwarz, N., & Wijermans, N. (2017). A framework for mapping and comparing behavioural theories in models of socialecological systems. Ecological Economics, 131, 21-35.

Shu, S. (2019). Example companies involved with behavioral economics. Retrieved from https:// steveshuconsulting. com/2018/07/companies-involved-behavioral-economics/.

Sisco, M., Bosetti, V., Tavoni, M., Weber. E. U., Yu, G. (2020).

Finite pool of worry, revisited. Working Paper, SSRN. Kunreuther, H. & Slovic, P. (2020, March 26). What the coronavirus curve teaches us about climate change. Politico. Retrieved from https://www.politico.com/news/magazine/2020/03/26/ what-the-coronavirus-curve-teaches-us-about-climate-chan-

StraightONE Behavioral Economics Guide _ 2019

31

Teil 2 - Anwendungen

Einfache Strategien für die Entscheidungsfindung in Gruppen: S.H.A.R.P.E.R.

Abb. 1

32

StraightONE Behavioral Economics Guide _ 2019

„Wahnsinn ist die Ausnahme bei Einzelpersonen, aber die Regel bei Gruppen“ - Friedrich Nietzsche, Jenseits von Gut und Böse

Einleitung Der Grund dafür, dass der Mensch diesen Planeten beherrscht, liegt zu einem großen Teil in unserer außerordentlichen evolutionären Fähigkeit zur Entscheidungsfindung (Dawes & Hastie, 2010; Sunstein & Hastie, 2015). [...] Über Hunderte von Jahren haben wir effizient gelernt, unsere Entscheidungen zu analysieren und zu ändern, angefangen bei der Wahl der richtigen Nahrung und Unterkunft bis hin zur Entwicklung komplexer Geschäftsstrategien und wirksamer öffentlicher Politiken. Rückblickend kann man wohl mit Fug und Recht sagen, dass unsere Entscheidungen sich positiv auf die Gesellschaft ausgewirkt und es uns ermöglicht haben, ein immer höheres Maß an Sicherheit und Wohlstand zu genießen (Harari, 2016). Auf dem Weg dorthin sind jedoch sowohl auf individueller als auch auf gesellschaftlicher Ebene viele teure und schmerzhafte Fehler gemacht worden.

Mit Blick auf die Zukunft sollte es daher im Interesse unserer Gesellschaft und jedes Einzelnen

StraightONE Behavioral Economics Guide _ 2019

33

Teil 2 - Anwendungen

liegen, diesen riesigen Erfahrungsschatz zu nutzen, um Strategien zu kultivieren, die zu positiven Ergebnissen führen, und solche zu vermeiden, die zu negativen Ergebnissen führen.Aus der Perspektive der Verhaltenswissenschaften ist es unser Ziel, zu diesem Prozess der Schaffung eines besseren kollektiven Verständnisses dessen beizutragen, was eine gute Entscheidungsfindung ermöglicht und unterstützt. Da viele der wichtigsten Entscheidungen für Unternehmen und Gesellschaften gleichermaßen von Gruppen von Menschen getroffen werden - in Vorständen, Ministerien, Ausschüssen und dergleichen - sind wir besonders an den Hindernissen interessiert, die sich uns in den Weg stellen, wenn Menschen versuchen, als Kollektiv gemeinsam Entscheidungen zu treffen. Indem wir Erkenntnisse aus Wissenschaft und Praxis miteinander verbinden, beginnen wir mit einem kurzen Überblick über die kritischsten Muster menschlicher Entscheidungsfindung. Anschliessend erörtern wir vier der kritischsten Verzerrungen, die sich aus diesen Mustern für Einzelpersonen und Gruppen ergeben.

Dieser erste Teil folgt der einfachen rationalen Logik, dass eine bessere Kenntnis der menschlichen Urteils- und Entscheidungsfindungsprozesse zu besseren Ergebnissen führen kann. Darauf aufbauend stellen wir sieben einfache Prinzipien für S.H.A.R.P.P.E.R.-Entscheidungen in Gruppen vor.

Dieser zweite Teil folgt der verhaltensinformierten Logik, dass sorgfältig gestaltete Kontexte oder „Entscheidungsarchitekturen“ Entscheidungen erheblich verbessern können (Thaler, 2015; Thaler & Sunstein, 2008). Wir schließen mit einer kurzen Zusammenfassung und einem praxisorientierten Ausblick auf die strategische Entscheidungsfindung.

34

StraightONE Behavioral Economics Guide _ 2019

Kritische Muster, Heuristiken und Verzerrungen in der strategischen Entscheidungsfindung Das wichtigste Merkmal in jedem Entscheidungsprozess ist der Grad der Ungewissheit über zukünftige Ergebnisse und die damit verbundene Risikowahrnehmung der Individuen (Noyes et al., 2012).

Strategische Entscheidungen im privaten und öffentlichen Umfeld sind oft durch hohe Komplexität, unvollständige Informationen und begrenzte Ressourcen gekennzeichnet - Faktoren, die „begrenzt rationale“ Individuen vor erhebliche Herausforderungen stellen (Simon, 1955). Der Mensch schafft hier oft Abhilfe, indem er - meist unterschwellig auf einfache Heuristiken zurückgreift, die in Risikound Unsicherheitssituationen als effiziente Abkürzungen dienen (Tversky & Kahneman, 1974).

Auf diese Weise ersetzen wir eine komplexe Frage durch eine einfachere, und wir stützen uns auf die am leichtesten und lebhaftesten zugänglichen Erinnerungen und auf subjektiv angemessene Referenzwerte, wenn wir eine komplexe Entscheidung zu treffen haben (Kahneman, 2003).

Während diese im Großen und Ganzen zutreffenden individuellen Faustregeln die meiste Zeit funktionieren und allgemein als sehr aussagekräftig bezeichnet werden können (Gigerenzer, 1999), sind sie auch die Quelle systematischer Verzerrungen (Gilovich et al., 2002; Haselton et al., 2005; Kahneman & Frederick, 2002). Darüber hinaus erschwert die Tatsache, dass sie schnell und unbewusst aktiviert werden, ihre Erkennung und potenzielle Korrektur (Gilbert, 1991). Wir gehen sogar so weit, unsere Wahrnehmung einer Situation so zu verändern, dass sie subjektiv weniger unsicher erscheint, um die Spannungen zu verringern, die wir bei unbequemen Entscheidungsherausforderungen erleben (Schwenk, 1984). Es überrascht nicht, dass bei der Vereinfachung oder Veränderung der Wahrnehmung einer komplexen Situation Fehler gemacht werden können - und werden -. Eine weitere Fehlerquelle ergibt sich aus unserem Wunsch nach Konsistenz und unserer

Abb. 2

Empfänglichkeit für Erzählungen und Prozesse, auf die wir uns leicht beziehen können (Nash, 2005). Wir mögen es, skriptähnliche Verfahren auf individueller und organisatorischer Ebene einzurichten und zu befolgen.

Während erlernte Skripte in sich wiederholenden kurzfristigen Situationen, wie z.B. bei medizinischen Notfallmaßnahmen, eine wirkungsvolle Strategie darstellen, decken sie komplexe und unbeständige langfristige Situationen nur unzureichend ab. Pro-

bleme entstehen, wenn die Verfahren die Entscheidungsträger dazu drängen, bereits bestehende Überzeugungen einzubeziehen und Lücken mit unvollständigen oder unangemessenen Informationen zu füllen (Halpern, 1989), aber sie werden noch dadurch verschärft, dass wir dazu neigen, an unseren ursprünglichen Entscheidungen festzuhalten und weitere Untersuchungen vernachlässigen (Nisbett & Ross, 1980).

Leider ist die Geschichte voll von Beispielen, in denen sich Menschen blind auf einfache Heuris-

tiken und starre Skripte verlassen haben, was zu einer Katastrophe geführt hat. Der „Flugzeugabsturz auf Teneriffa 1977“ ist ein solches Beispiel, bei dem die Befolgung eines Drehbuchs in einer Situation unvollständiger Informationen zu einer Startfreigabe auf einer besetzten Startbahn führte, was die größte Flugzeugkatastrophe der Geschichte zur Folge hatte (Ziomek & Hopkins, 2020).

StraightONE Behavioral Economics Guide _ 2019

35

Teil 2 - Anwendungen

Kritische Verzerrungen Wir glauben, dass der erste Ansatz zur Verbesserung strategischer Entscheidungen darin besteht, ein größeres Bewusstsein und Verständnis für die Auswirkungen von Verzerrungen zu schaffen, die durch unser Vertrauen auf Heuristiken und Skripte verursacht werden. Mehr Wissen ist zwar keine Garantie für eine weniger verzerrte Entscheidungsfindung, wird aber allgemein als Voraussetzung für erfolgreichere Bewältigungsstrategien angesehen (Kahneman, 2011). Auf der Grundlage unserer Erfahrungen in diesem Bereich zeichnen sich insbesondere bei Entscheidungen in Teams vier Hauptverzerrungen ab: Verfügbarkeit, Vernachlässigung der Basisrate, Bestätigung und Übervertrauen (Affective Advisory Research 2018/19/20). Die Verzerrung der Verfügbarkeit beschreibt Fehleinschätzungen der Wahrscheinlichkeit des Eintretens von Ereignissen oder der Realisierung bestimmter Ergebnisse auf der Grundlage der Leichtigkeit ihrer mentalen Wiederauffindbarkeit. Er hat seinen Ursprung in Einschränkungen unseres Gedächtnisses und betrifft die Leichtigkeit, mit der Informationen, die für eine aktuelle Entscheidung als relevant erachtet werden, abgerufen werden können (Freudenburg, 1993; Tversky & Kahneman,

36

StraightONE Behavioral Economics Guide _ 2019

1974). Je aktueller, lebendiger und prägnanter eine vergangene Erfahrung sein mag, desto wahrscheinlicher ist es, dass sie uns in den Sinn kommt und sich als Anker in einer bestimmten Entscheidungsfrage präsentiert. Eine Verzerrung der Verfügbarkeit kann große Auswirkungen auf die Bewertung von Risiken und damit verbundenen Verhaltensweisen haben. Manager, die vor einer kritischen Entscheidung stehen, können Informationen, die ihnen vor kurzem zur Verfügung standen, überbewerten (Tversky & Kahneman, 1974), und die Tatsache, dass Ärzte vor kurzem einer Krankheit ausgesetzt waren, erhöht die Wahrscheinlichkeit einer späteren Diagnose desselben Zustands bei anderen Patienten (Poses & Anthony, 1991).

Die Vernachlässigung der Basisrate bezieht sich auf unsere menschliche Neigung, Daten unangemessen zu verwenden, indem wir die relevanten statistischen Basisraten falsch interpretieren oder ignorieren (Dawes & Hastie, 2010). Wir unterschätzen die Wahrscheinlichkeiten zugunsten übereinstimmender Informationen aus einer kleinen Stichprobe, die wir für repräsentativ halten, obwohl dies in Wirklichkeit nicht der Fall ist; wenn man z.B. nur schwarze Murmeln aus einer Stichprobe zieht, neigen wir dazu anzunehmen, dass nur schwarze Murmeln in der Stichprobe vorhanden

Abb. 3

sind, wobei wir vergessen, dass auch weiße Murmeln vorhanden sein könnten (Pennycook et al., 2014). Infolgedessen treffen wir Entscheidungen oft auf der Grundlage unzureichender und unzuverlässiger Informationen, was wiederum zu Fehlern führt. Unsere Neigung, auf repräsentative Stereotypen hereinzufallen oder ein Ereignis einer vertrauten Klasse zuzuschreiben, ist besonders ausgeprägt, wenn die Stichprobeninformationen ein lebendiges und überzeugendes Bild darstellen, auf das wir uns leicht beziehen können (Bazerman & Moore, 2008).

Billy Beane, der Manager des Baseballteams Oakland A, hatte die Vernachlässigung der Basisrate vieler Scouts erfolgreich erkannt und seine Spieler auf der Grundlage bemerkenswerter Leistungen in der Vergangenheit ausgewählt, anstatt sie abzulehnen, weil sie nicht in eine bekannte Stereotype passten. Das Team erzielte hervorragende Ergebnisse und wurde zur Grundlage von Michael Lewis‘ Bestseller „Moneyball“ (Kahneman, 2011). Confirmation Bias entsteht, wenn Menschen Informationen auf eine Weise suchen und bewerten, die ihren Vorurteilen entspricht. Es erfasst unsere tief verwurzelte Neigung, Informationen wahrzunehmen und auszuwählen, die unsere bestehenden Überzeugungen und Zielsetzungen bestätigen oder die in das Muster früherer Verhaltensweisen passen, was trotz Lernmöglichkeiten zu systematischen Fehlern führt (Jonas et al., 2001; Nickerson, 1998). In vielen Fällen merken wir nicht einmal, dass wir in einem Bestätigungszyklus feststecken und nur nach unterstützenden und nicht nach widerlegenden Informationen suchen, eine Tendenz, die Kahneman (2011) schön mit dem Satz „was wir sehen, ist alles, was es gibt“ umschreibt. Während der Verhandlungen können sich entgegengesetzte Parteien sogar in ihren eigenen entgegengesetzten Überzeugungen auf der Grundlage genau derselben Beweise bestätigt fühlen. In einer berühmten Stanford-Studie von 1979 wurden beispielsweise zwei Gruppen mit gegensätzlichen Überzeugungen zur Todesstrafe gebeten, zwei vollständig erfundene Studien zu lesen, eine für und eine gegen die Strafe. In der Analyse

StraightONE Behavioral Economics Guide _ 2019

37

Teil 2 - Anwendungen

Abb. 4

38

StraightONE Behavioral Economics Guide _ 2019

bewerteten beide Gruppen die Glaubwürdigkeit der Studien entsprechend ihrer zuvor vertretenen Überzeugungen und Meinungen. Schlimmer noch, die Überzeugungen beider Gruppen wurden weiter gefestigt, so dass sie nach der Studie über noch stärkere Meinungen berichteten (Lord et al., 1979).

Ebenso zeigte eine kürzlich durchgeführte Studie, dass die US-Wähler das Ergebnis von Umfragen als vertrauenswürdiger einstuften, wenn die Ergebnisse ihren ursprünglichen Erwartungen entsprachen, was die Feststellung, dass die Menschen eine Tendenz zur Auswahl bestätigender Informationen haben, weiter untermauert (Madson & Hillygus, 2019). Overconfidence Bias lässt sich zusammenfassen als der Unterschied zwischen der subjektiven Zuversicht der Menschen in ihre eigene Fähigkeit, eine Aufgabe zu erfüllen oder ein Ergebnis vorherzusagen, und dem Ziel ihrer tatsächlichen Leistung oder ihres effektiven Ergebnisses (Montibeller & von Winterfeldt, 2015; Pallier et al., 2002). Sie wird durch eine unterschwellige Rückkopplungsschleife unterstützt, die den Glauben an das eigene Urteilsvermögen nach der Beobachtung positiver Ergebnisse aus früheren Entscheidungen stärkt. Die idealen Voraussetzungen für ein Overconfidence Bias sind Situationen, denen ein hohes Maß an Engagement und Bedeutung beigemessen wird (Frey, 1981). Das vielleicht berühmteste Beispiel in dieser Hinsicht ist die Feststellung von Svenson (1981), dass 93% der amerikanischen Autofahrer sich selbst besser als der Durchschnitt einschätzten, was statistisch unmöglich ist.

Auf diese Weise kann übermäßiges Selbstvertrauen als letzter Schritt im Entscheidungsprozess angesehen werden, in dem Versuch, ein gewisses Maß an Sicherheit in eine unsichere Situation zu bringen (Williams, 2007). Obwohl diese Liste von Verzerrungen keineswegs vollständig und ausschließlich ist, beschreibt sie doch die am häufigsten zu beobachtenden und problematischsten Abweichungen von einer guten Entscheidungsfindung. Mehr noch, diese vier Formen des Bias bestehen vor allem in Gruppensituationen fort und können in Situatio-

nen, in denen strategische Entscheidungen gemeinsam getroffen werden, sogar noch verstärkt werden.

Einfache Strategien zur Verbesserung der strategischen Entscheidungsfindung - Kritische Muster bei der Entscheidungsfindung in Gruppen Über das Bewusstsein und das Verständnis der zuvor skizzierten Verzerrungen hinaus ist ein anderer Ansatz erforderlich, und um die strategische Entscheidungsfindung zu verbessern, sollte er sich auf die Prozesse und Interaktionen von Einzelpersonen in Gruppen konzentrieren. Diesbezüglich ist besondere Aufmerksamkeit erforderlich, da Gruppeneinstellungen nicht automatisch zur Korrektur individueller Verzerrungen und damit zu besseren Ergebnissen führen. Im Gegenteil, eine wachsende Zahl von Forschungsarbeiten zeigt, dass Gruppen oft nicht in der Lage sind, den größeren Pool des verfügbaren kollektiven Wissens zu nutzen, dass sie oft nicht in der Lage sind, Verzerrungen zu überwinden, die z.B. aus individuellen Erfahrungen in der Vergangenheit resultieren, und dass sie regelmäßig nicht in der Lage sind, gruppeninterne Effekte bei der strategischen Entscheidungsfindung zu kontrollieren (Pavitt, 2003). Gruppen können sogar schlechter abschneiden als Einzelpersonen, insbesondere in Situationen, in denen die Kommunikation und die Prozesse zwischen Einzelpersonen nicht kontrolliert werden können (Sunstein & Hastie, 2015; Tversky & Kahneman, 1983). So zeigten beispielsweise Tindale et al., dass die Fehlerquote für Gruppen selbst unter idealen Umständen um 37% höher sein kann als für Einzelpersonen (Tindale et al., 1993), und darüber hinaus gelingt es Gruppen oft nicht, individuell gehaltene Informationen effektiv zu kombinieren und gegenüberzustellen. Folglich können Gruppen extreme Positio-

StraightONE Behavioral Economics Guide _ 2019

39

Teil 2 - Anwendungen

nen erreichen, die weit über die Präferenzen des Einzelnen hinausgehen (Stasser & Titus, 1985). Vor allem in Situationen, die durch hohen Zusammenhalt, strukturelle Fehler und Kontexte gekennzeichnet sind, die auf Rechtfertigung basieren, weisen Gruppen dysfunktionale Symptome auf, die oft als „Gruppendenken“ bezeichnet werden (Janis, 2008).

Sozial motivierte Tendenzen, nach Konkurrenz zu suchen und Dissens zu verhindern, führen zu singulären suboptimalen Schlussfolgerungen (Forsyth & Elliott, 1999; Frey et al., 2013). Die Geschichte ist voll von Beispielen für Gruppendenken, darunter der Beginn des Irak-Krieges, die Katastrophe des Challenger Space Shuttle und die Invasion in der Schweinebucht (Janis, 2008). Auf diese Weise bieten Gruppen einen idealen Nährboden für die vier zuvor diskutierten Bias-Formen, während individuell bereitgestellte Informationen schnell als Anker für alle dienen; so kann die Verfügbarkeitsverzerrung leicht auf die gesamte Mitgliedschaft ausgedehnt werden. Tendenzen des Gruppendenkens erleichtern die Fehleinschätzung wichtiger (Basis-) Informationen, indem sie eine kritische Analyse subjektiv repräsentativer Stichproben unterdrücken und potenzielle Einwände zum Schweigen bringen.

Insbesondere werden Eingaben von Personen mit höherem Dienstalter häufig mit größerer Salienz präsentiert und daher oft unverhältnismäßig gewichtet. Natürlich führt diese enge Fokussierung, gepaart mit dem damit einhergehenden Anpassungsdruck auf potenziell Andersdenkende, zu einer kollektiven Verstärkung der individuellen Bestätigungsverzerrung (Frey et al., 2013).

Schließlich führen Situationen mit einem hohen Maß an Engagement und Bedeutung (Frey, 1981) Faktoren, die in hohem Maße Gruppenentscheidungen überhaupt erst erforderlich machen - zu einem Übervertrauen. Infolgedessen werden Informationen oft unvollständig und falsch berücksichtigt, Risiken unzureichend eingeschätzt und Fehleinschätzungen leicht vorgenommen.

40

StraightONE Behavioral Economics Guide _ 2019

Sieben einfache Prinzipien für eine bessere Entscheidungsfindung Wie wir gesehen haben, kann bei der strategischen Entscheidungsfindung, insbesondere in Gruppen, vieles schief gehen. Unterschwellige Verzerrungen können unsere individuelle Fähigkeit zur guten Beurteilung stark beeinträchtigen, ohne dass wir in der Lage sind, sie zu erkennen, geschweige denn zu korrigieren, und das Treffen von Entscheidungen mit anderen Menschen fügt eine zusätzliche Ebene der Komplexität hinzu, da Verzerrungen durch die Interaktion zwischen Gruppenmitgliedern noch verstärkt werden können. Bei genauerem Hinsehen enthält diese Interaktion jedoch auch die eigentliche Lösung für unsere Herausforderung. Wir müssen uns auf den Aufbau, die Prozesse und die Prinzipien für Gruppen konzentrieren, um ihr Potenzial für eine bessere Entscheidungsfindung zu nutzen, und statt einzelnen Mitgliedern nur beizubringen, wie sie über Prozesse und Verzerrungen nachdenken sollen (was extrem schwierig und schließlich nicht sehr vielversprechend ist), müssen wir Gruppenkontexte schaffen, die in der Lage sind, Verzerrungen zu überwinden und letztlich bessere Ergebnisse zu erzielen. Um dieses Ziel zu erreichen, hat das wachsende Feld der Verhaltenswissenschaften einige interessante Ansätze zu bieten. Im Folgenden stellen wir sieben einfache Ratschläge vor, die nach wissenschaftlicher und angewandter Forschung die Qualität von Gruppenzusammenstellungen und -interaktionen wirksam verbessern können, was letztlich zu S.H.A.R.P.P.E.R.-Entscheidungsfindung führt.

Abb. 5

S

.maller groups work better

(Kleinere Gruppen funktionieren besser) Die Forschung zeigt, dass große Gruppen deutlich stärkere Tendenzen zu bi-basierter Entscheidungsfindung aufweisen. Frey et al. (2013) kommen zum Beispiel zu dem Schluss, dass Gruppen von sieben oder mehr Personen einen signifikanten Anstieg des Overconfidence-Bias aufweisen und ein Niveau von fast 100% Vertrauen in ihre Entscheidungsfähigkeit erreichen. Es ist offensichtlich schwierig, eine idea-

le Anzahl von Gruppenmitgliedern zu empfehlen, da unterschiedliche Aufgaben unterschiedliche Zusammensetzungen erfordern; Forschungsergebnisse legen jedoch nahe, dass es für eine effektive Operation ratsam ist, wann immer möglich, die oft selbst gewählte „natürliche Gruppengröße von 2-4 Personen“ anzustreben (Moreland et al., 2013). Auf diese Weise können die negativen Auswirkungen, die in größeren Gruppen gefunden werden, reduziert werden, und die Vorteile der Mehrfachperspektive können weiterhin gewährleistet werden.

StraightONE Behavioral Economics Guide _ 2019

41

Teil 2 - Anwendungen

Abb. 6

H

.eterogenität schlägt Homogenität (meistens)

Verschiedene Studien haben gezeigt, dass Gruppen, die aus Individuen bestehen, die dieselben (homogenen) Meinungen und Überzeugungen teilen, nicht nur durchweg sicherer in Bezug auf Entscheidungen sind, sondern auch eine stärkere Tendenz zur Bestätigungsverzerrung aufweisen (Schultz et al., 2007). Anders verhält es sich mit potenziell gegensätzlichen Perspektiven, die Gruppenvorurteile wirksam mildern können. So fanden Moreland et al. (2013) heraus, dass insbesondere bei komplexen Aufgaben, die unterschiedliche Fähigkeiten und Perspektiven erfordern, z.B. bei kreativen Prozessen in Marketing und Kommunikation oder Forschung und Entwicklung, heterogene Gruppen deutlich bes-

42

StraightONE Behavioral Economics Guide _ 2019

ser abschneiden als homogene Gruppen.

Wenn andererseits eine Aufgabe konvergentes Denken in sehr strukturierten Umgebungen erfordert, z.B. sich wiederholende Sicherheitsprozeduren im Flugwesen oder in der Gesundheitsfürsorge, können homogene Gruppen sogar heterogenere Gruppen übertreffen (Moreland et al., 2013).

B

.enennen Sie einen stratigisch Andersdenkenen (oder sogar zwei)

Ein Element, um Heterogenität und Diversität in einer Gruppe weiter zu erhöhen, ist die Ernennung eines so genannten „Advokaten des Teufels“ - einer gewählten Person, die mit dem Mandat ausgestattet ist, aktiv Dissens unter den Mitgliedern zu stimulieren. Verschiedene Beispiele aus Wirtschaft und Militär zeigen, dass die Ernennung einer Person, die als bewusste Gegenkraft gegen einwilligende Gruppendynamiken agiert, zu einer signifikanten Verbesserung der Entscheidungsqualität führt (für einen guten Überblick siehe Senor & Singer, 2011).

Je nach Gruppengröße (mehr als sieben Personen gelten in dieser Hinsicht als eine große Gruppe) kann ein einziger Andersdenkender als störender Unruhestifter angesehen und isoliert werden, wodurch seine Wirkung gemindert wird (Svenson, 1992). Es ist daher ratsam, mindestens zwei Teufelsanwälte zu ernennen, um sicherzustellen, dass abweichende Stimmen effektiv gehört und verfolgt werden (Frey et al., 2013).

B

.ewerten Sie Optionen unabhängig

Ein weiterer Ratschlag, um die Qualität von Entscheidungen in Gruppen zu verbessern, ist die unabhängige und anonyme Bewertung von Optionen durch Gruppenmitglieder. Dabei können einfache Verfahren wie die gut etablierte „Delphi-Methode“ eingesetzt werden (Sunstein & Hastie, 2015; Webler et al., 1991). In einer ersten Runde werden alle Mitglieder gebeten, ihre bevorzugten Optionen zu notieren, woraufhin alle Optionen gesammelt und anonym innerhalb der Gruppe ausgetauscht werden. In einer anschließenden Runde werden die Personen gebeten, ihre bevorzugte Option zu wäh-

len, wobei ihnen nun die Meinungen aller anderen Gruppenmitglieder bekannt sind. Auch dies sollte unabhängig und anonym geschehen, bevor die Meinungen schließlich geteilt und im Plenum präsentiert werden. Dieser iterative Prozess trägt dazu bei, Verzerrungen abzuschwächen und ausgewogenere Gruppenergebnisse unabhängig von Dienstalter, Rang und angeblicher Expertise zu gewährleisten.

Ein zusätzlicher Vorteil unabhängiger Evaluationsprozesse besteht darin, dass die Verantwortung für das Entscheidungsergebnis von der gesamten Gruppe geteilt wird und dass die Kreativität, Transparenz und Objektivität strategischer Entscheidungen tatsächlich zunimmt (Nowack et al., 2011).

S

.orgen Sie für einen sicheren Raum, in dem man seine Meinung äußern darf

Die Grundlage für die Wirksamkeit abweichender Teufelsanwälte und Diskussionen über die Konstruktion individueller Standpunkte ist, wie bereits erwähnt, das Vorhandensein einer psychologischen Sicherheit unter den Teammitgliedern. Die Menschen müssen sich sicher fühlen, um das Wort zu ergreifen (Edmondson, 2018), und es muss Raum für die Reflexion und Diskussion von Misserfolgen auf intelligente Weise gewährleistet sein (Sitkin & Pablo, 1992). Nur wenn alle Mitglieder sich wohl und sicher fühlen, ihre Gedanken und Zweifel an einer möglichen Lösung auszutauschen, kann eine Gruppe ihre vielfältige Wissens- und Erfahrungsbasis nutzen.

Edmondson (2018) schlägt drei Grundregeln vor, um sichere Räume zu schaffen, in denen man sich zu Wort melden kann: Erstens sollte sich das Feedback immer auf die Entscheidung oder die diskutierte Option konzentrieren, nicht auf den Einzelnen. Zweitens sollten Kommentare als Anregung und nicht in einer übermäßig diktierenden Weise geäußert werden. Drittens sollten Empfehlungen und Kritik immer funktional und nicht bevormundend sein.

StraightONE Behavioral Economics Guide _ 2019

43

Teil 2 - Anwendungen

E

.xperten bitte mit Vorsicht behandeln

Viele Menschen gehen davon aus, dass die Qualität der Entscheidungsfindung in der Gruppe zunimmt, wenn man Personen hinzufügt, die als Experten betrachtet werden oder sich selbst als solche betrachten (für eine gute Diskussion darüber, was einen Experten ausmacht, siehe Ericsson et al., 2007). Zwar ist es im Allgemeinen ratsam, Fachexpertise einzubringen, doch sollte man sich bewusst sein, dass Experten ebenso anfällig für Voreingenommenheit sind (Frey et al., 2013), weshalb man sehr deutlich machen sollte, in welchem Bereich Experten helfen können - und in welchem Bereich sie möglicherweise nicht hilfreich sind. Allgemeines Fachwissen ist zwar eine wünschenswerte Eigenschaft, aber in der Praxis ist es selten vorhanden. Halo-Effekte (d.h. das Übertragen eines Eindrucks, den wir über jemanden in einem Bereich haben, auf andere Bereiche), zugeschriebene Autorität und ein hohes Maß an Vertrauen in Expertenurteile können leicht irreführend sein und die Gruppe sogar auf den falschen Weg führen (Kahneman, 2011). Aus diesem Grund ist es ratsam, Experten um ihre Meinung zu einem klar definierten Thema zu bitten und sie als informierte Außenseiter der Gruppe zu positionieren.

V

.erantwortung teilen Sie sie kollektiv

Häufig wird während schwieriger und konfliktreicher Diskussionen ein Vertreter ausgewählt, der den Prozess der Informationssuche und Entscheidungsfindung leitet.

Was nach einer guten und einfachen Idee klingt, kann oft zu systematischen Verzerrungen führen. Untersuchungen zeigen, dass gewählte Gruppenvertreter sich oft als unfehlbar betrachten und überdurchschnittlich viel Einfluss ausüben, wenn sie für diese Aufgabe ausgewählt

44

StraightONE Behavioral Economics Guide _ 2019

werden (Frey et al., 2013; Sunstein & Hastie, 2015).

Darüber hinaus werden Entscheidungen in hochrangigen Gruppen oft von einem (hochrangigen) Gruppenmitglied begründet und kommuniziert, was das Potenzial für individuelle Rechtfertigung, Dissonanzen und das Gefühl der Unfehlbarkeit von Einzelpersonen mit Auswirkungen auf den gesamten Entscheidungsprozess im Plenum weiter fördert. Der einfache - und doch eindringliche - Rat, um solche Auswirkungen abzuschwächen, ist eine gemeinsame Erklärung der gemeinsamen Verantwortung für die endgültige Entscheidung der Gruppe. Wenn auf diese Weise nicht nur die gemeinsame Verantwortung für das Ergebnis, sondern auch für den Prozess, der zur Entscheidung führt, deutlich kommuniziert wird (z.B. durch die Unterzeichnung einer gemeinsamen Verantwortlichkeitserklärung zu Beginn oder die Zuweisung von Verantwortlichkeiten für bestimmte Gruppenaufgaben), kann die Wahrnehmung der einzelnen Teammitglieder und damit das Entscheidungsergebnis erfolgreich ausbalanciert werden (Schultz et al., 2007).

Schlussfolgerung Da die strategische Entscheidungsfindung eine Schlüsselfunktion in der modernen politischen, unternehmerischen und gemeinnützigen Strategie spielt, ist es entscheidend, sich auf eine genauere Analyse kritischer Muster und geeigneter Hilfsmittel zu konzentrieren, um bessere Entscheidungsergebnisse zu unterstützen.

Mit diesem Artikel wollen wir einen Beitrag zur angewandten verhaltenswissenschaftlichen Forschung leisten, indem wir das Bewusstsein für die wichtigsten Muster und Verzerrungen bei der Entscheidungsfindung von Einzelpersonen und Gruppen schärfen und einen einfachen Satz von sieben wirkungsvollen Prinzipien für S.H.A.R.P.P.E.R.-Entscheidungen bereitstellen. Wir sind überzeugt, dass es wesentlich ist, zunächst ein besseres Verständnis dafür zu entwickeln, wie wir Entscheidungen treffen und was in diesem Prozess schief gehen

kann. Darauf aufbauend glauben wir, dass es wichtig ist, Praktikern eine Reihe einfacher, aber wirksamer Prinzipien für die Gestaltung bewusster Gruppenkontexte an die Hand zu geben, die einen besseren Entscheidungsfindungsprozess (und damit bessere Ergebnisse) ermöglichen. Wie bei jeder ernsthaften verhaltenswissenschaftlichen Intervention sollten diese Strategien einem evidenzbasierten Anwendungs-, Analyse- und Anpassungsprozess unterliegen, und daher freuen wir uns in dieser Hinsicht auf weitere Debatten mit Akademikern und Praktikern sowie auf gemeinsame Anwendungen und Weiterentwicklungen unserer Empfehlungen.

Universität St. Andrews und einen Bachelor (BA) in Wirtschaftswissenschaften von der Universität Basel.

Duncan Rooders

Die Autoren

Torben Emmerling

ist geschäftsführender Direktor von Matcorp Investments, Doktorand an der Erasmus-Universität der Rotterdam School of Management und strategischer Berater von Affective Advisory. Duncan Rooders verfügt über umfangreiche Führungserfahrung, u.a. war er 12 Jahre Pilot einer Boeing 747 als Hilfskapitän, bevor er mehr als 7 Jahre lang ein führendes niederländisches Single Family Office leitete. Er hat einen Executive Master (MSc) in Verhaltenswissenschaften von der London School of Economics und einen Master (MSc) in Führung und Strategie von der London Business School. Darüber hinaus ist Duncan ein Absolvent des angesehenen Harvard Owner President Management Programms.

ist Gründer und geschäftsführender Gesellschafter von Affective Advisory und der Erfinder des D.R.I.V.E.®-Rahmens für verhaltensorientierte Erkenntnisse in der Strategie. Er ist ein versierter Trainer, Hauptredner und Dozent für Verhaltenswissenschaften und Verbraucherpsychologie.

Torben verfügt über mehr als 10 Jahre Erfahrung in Unternehmensstrategie, Organisationsentwicklung und Kundenbeziehungsmanagement. Er hat einen Executive Master (MSc) in Verhaltenswissenschaften von der London School of Economics, einen Master (Mlitt) in International Business von der

StraightONE Behavioral Economics Guide _ 2019

45

Literaturhinweise Bazerman, M. H., & Moore, D. A. (2008). Judgment in managerial decision making. New York, NY: Wiley.

Dawes, R. M., & Hastie, R. (2010). Rational choice in an uncertain world: The psychology of judg- ment and decision making.

New York, NY: Sage.

Edmondson, A. C. (2018). The fearless organization: Creating psychological safety in the workplace for learning, innovation, and growth. Hoboken, NJ: John Wiley & Sons.

Ericsson, K. A., Prietula, M. J., & Cokely, E. T. (2007). The making of an expert. Harvard Business Review, 85(7/8), 114.

Forsyth, D. R., & Elliott, T. R. (1999). Group dynamics and psychological well-being: The impact of groups on adjustment and dysfunction. In R. M. Kowalski & M. R. Leary (Eds.), The social psychology of emotional and behavioral problems: Interfaces of social and clinical psychology (p. 339-361). American Psychological Association.

Freudenburg, W. R. (1993). Risk and recreancy: Weber, the division of labor, and the rationality of risk perceptions. Social Forces, 71(4), 909-932.

Frey, D. (1981). Reversible and irreversible decisions: Preference for consonant information as a function of attractiveness of decision alternatives. Personality and Social Psychology Bulletin, 7(4), 621-626.

Frey, D., Schulz-Hardt, S., & Stahlberg, D. (2013). Information seeking among individuals and groups and possible consequences for decision-making in business and politics. Understanding Group Behavior, 2, 211-225.

Gigerenzer, G. (1999). Simple heuristics that make us smart.

New York, NY: Oxford University Press.

Gilbert, D. T. (1991). How mental systems believe. American Psychologist, 46(2), 107-119. Gilovich, T., Griffin, D., & Kahneman, D. (2002). Heuristics and biases: The psychology of intuitive judgment. Cambridge, UK: Cambridge University Press.

Halpern, J. J. (1989). Cognitive factors influencing decision making in a highly reliable organization. Industrial Crisis Quarterly, 3(2), 143-158.

Harari, Y. N. (2016). Homo Deus: A brief history of tomorrow.

New York, NY: Random House. Haselton, M.G., Nettle, D., & Andrews, P.W. (2005). The evolution of cognitive bias. In D.M. Buss(Ed.), The handbook of evolutionary psychology (pp. 724746). New York, NY: Wiley.

Janis, I. L. (2008). Groupthink. IEEE Engineering Management Review, 36(1), 36.

Jonas, E., Schulz-Hardt, S., Frey, D., & Thelen, N. (2001). Confirmation bias in sequential information search after preliminary decisions: An expansion of dissonance theoretical research on selective exposure to information. Journal of Personality and Social Psychology, 80(4),

46

StraightONE Behavioral Economics Guide _ 2019

557- 571.

Kahneman, D. (2003). A perspective on judgment and choice: Mapping bounded rationality. The American Psychologist, 58(9), 697-720.

Kahneman, D. (2011). Thinking, fast and slow. London, UK: Allen Lane.

Kahneman, D., & Frederick, S. (2002). Representativeness revisited: Attribute substitution in intuitive judgment. In T. Gilovich, T. W. Griffin, & D. Kahneman (Eds.), Heuristics and biases: The psychology of intuitive judgment (pp. 49-81). New York, NY: Cambridge University Press. Lord, C., Ross, L., & Lepper, M. (1979). Biased assimilation and attitude polarization: The effects of prior theories on subsequently considered evidence. Journal of Personality and Social Psychology, 37, 2098-2109.

Madson, G. J., & Hillygus, D. S. (2019). All the best polls agree with me: Bias in evaluations of political polling. Political Behavior.

Montibeller, G., & von Winterfeldt, D. (2015). Cognitive and motivational biases in decision and risk analysis. Risk Analysis, 35(7), 1230-1251.

Moreland, R. L., Levine, J., & Wingert, M. (2013). Creating the ideal group: Composition effects at work. Understanding Group Behavior, 2, 11-35.

Nash, C. (2005). Narrative in culture: The uses of storytelling in the sciences, philosophy and litera- ture. London, UK: Routledge.

Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2(2), 175-220.

Nisbett, R. E., & Ross, L. (1980). Human inference: Strategies and shortcomings of social judgment. Upper Saddle River, NJ: Prentice-Hall.

Nowack, M., Endrikat, J., & Guenther, E. (2011). Review of Delphi-based scenario studies: Quality and design considerations.

Technological Forecasting and Social Change, 78(9), 1603-1615.

Noyes, J., Cook, M., & Masakowski, Y. (2012). Decision making in complex environments. Farnham, UK: Ashgate Publishing, Ltd. Pallier, G., Wilkinson, R., Danthiir, V., Kleitman, S., Knezevic, G., Stankov, L., & Roberts, R. D. (2002). The role of individual differences in the accuracy of confidence judgments. TheJournal of General Psychology, 129(3), 257-299.

Pavitt, C. (2003). Colloquy: Do interacting groups perform better than aggregates of individuals? Why we have to be reductionists about group memory. Human Communicatio Research, 29(4), 592-599.

Pennycook, G., Trippas, D., Handley, S. J., & Thompson, V.

A. (2014). Base rates: Both neglected and intuitive. Journal of Experimental Psychology: Learning, memory, and cognition, 40(2), 544554.

Poses, R. M., & Anthony, M. (1991). Availability, wishful thinking, and physicians’ diagnostic judgments for patients with suspected bacteremia. Medical Decision Making, 11(3), 159-168.

Schultz, P. W., Nolan, J. M., Cialdini, R. B., Goldstein, N. J., & Griskevicius, V. (2007). The con- structive, destructive, and reconstructive power of social norms. Psychological Science, 18(5),429-434.

Schwenk, C. R. (1984). Cognitive simplification processes in strategic decisionmaking. Strategic Management Journal, 5(2), 111-128.

Senor, D., & Singer, S. (2011). Start-up nation: The story of Israel’s economic miracle. New York, NY: Random House Digital.

Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics,69, 99-118.

Sitkin, S. B., & Pablo, A. L. (1992). Reconceptualizing the determinants of risk behavior. Academyof Management Review, 17(1), 9-38.

Stasser, G., & Titus, W. (1985). Pooling of unshared information in group decision making:Biased information sampling during discussion. Journal of Pesonality and Social Psychology, 48(6), 1467-1478.

Sunstein, C. R., & Hastie, R. (2015). Wiser: Getting beyond groupthink to make groups smarter.

ty: Heuristics and biases. Science, 185(4157), 1124-1131.

Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293-315.

Webler, T., Levine, D., Rakel, H., & Renn, O. (1991). A novel approach to reducing uncertainty: The group Delphi. Technological Forecasting and Social Change, 39(3), 253-263.

Williams, D. J. (2007). Risk and decision making. In M. Cook, J. Noyes, & Y. Masakowski (Eds.), Decision making in complex environments (pp. 43-54). Burlington, VT: Ashgate Publishing Company.

Ziomek, J., & Hopkins, C. (2020). Collision on Tenerife: The how and why of the world’s worst aviation disaster. New York, NY: Post Hill Press.

Abbildungen Abb.1: https://unsplash.com/@Javier Allegue Barros Abb.2: https://unsplash.comz/@ Victoriano Izquierdo Abb.3: https://unsplash.com/@ Raquel Martinez Abb.4: https://unsplash.com/@Tobias Tullius Abb.5: https://unsplash.com/@Vladislav Babienkov Abb.6: https://unsplash.com/@Andrea Popa

Cambridge, MA: Harvard Business Press.

Svenson, O. (1981). Are we all less risky and more skillful than our fellow drivers? Acta Psychologica, 47(2), 143-148.

Svenson, O. (1992). Differentiation and consolidation theory of human decision making: A frame of reference for the study of pre-and post-decision processes. Acta Psychologica, 80(1-3), 143-168.

Thaler, R. H. (2015). Misbehaving: The making of behavioral economics. New York, NY: WW Norton. Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving decisions about health, wealth, and happiness. New Haven, CT: Yale University Press.

Tindale, R., Sheffey, S., & Filkins, J. (1990). Conjunction errors by individuals and groups. Annualmeeting of the Society for Judgment and Decision Making, New Orleans, LA, Tindale, R. S., Sheffey, S., & Scott, L. A. (1993). Framing and group decision-making: Do cog- nitive changes parallel preference changes? Organizational Behavior and Human Decision Processes, 55(3), 470-485.

Tversky, A., & Kahneman, D. (1974). Judgment under uncertain-

StraightONE Behavioral Economics Guide _ 2019

47

Teil 2 - Anwendungen

Behavioral Economics: Neue Trends & kritische Reaktionen Eine Netzwerkanalyse von Tweets zum Thema Verhaltensökonomie aus dem Jahr 2019

Kurzfassung Die Verhaltensökonomie ist ein sich ständig weiterentwickelndes Gebiet, weshalb Fachleute und Akademiker immer auf dem neuesten Stand bleiben müssen. Das akademische Feld ist spannend, aber die öffentliche Meinung nicht minder. Eine sofortige Möglichkeit, allgemeine Wahrnehmungen zu einem bestimmten Thema zu ermitteln, sind soziale Netzwerke, die heutzutage einen unglaublichen Informationsfluss bieten, in dem die Zielmeinungen verloren gehen können. Mit Hilfe von Analyse- und Visualisierungstools für große Datenmengen wurden in der aktuellen Forschung Tweets aus dem Jahr 2019 zum Thema Verhaltensökonomie analysiert. Die Analyseergebnisse von 24.824 Tweets führten zu einigen interessanten neuen Trends und kritischen Meinungen zur Verhaltensökonomie.

48

StraightONE Behavioral Economics Guide _ 2019

Abb. 1

StraightONE Behavioral Economics Guide _ 2019

49

Teil 2 - Anwendungen

Einführung In der Verhaltensökonomie entstehen täglich neue Ideen und Anwendungen, und es ist entscheidend, den Stand der Technik beizubehalten. Die Wirkung der Arbeit eines Verhaltensökonomen hängt davon ab, dass er durch den Einsatz von Instrumenten wie Zeitschriften, Blogs oder sozialen Netzwerken auf dem Laufenden bleibt, wobei letztere eine enorme Menge an Themen enthalten und die unmittelbaren Interessen des Publikums offenbaren. Soziale Medienplattformen ermöglichen es den Menschen, sich zu verbinden, auszutauschen und jedes Thema zu diskutieren - überall und jederzeit. Diese Hyperkonnektivität wird als „Massenselbstkommunikation“ bezeichnet (Castells, 2009) und hat aufgrund der Verbreitung sozialer Smartphones ein exponentielles Wachstum erfahren. Laut Del Fresno, Daly und Supoyitz (2015) können die Kategorien der sozialen Medien soziale Netzwerkplattformen (Facebook, LinkedIn), Mikroblogging (Twitter, Weibo), Fotografie (Flickr, Instagram, Pinterest), Video (YouTube, Vimeo, MetaCafe), soziale Nachrichten (Meneame, Digg, Reddit), Live-Übertragungen (Livecast, Ustream), soziale Spiele (World of Warcraft), Lesezeichen (Delicious, StumbleUpon) oder Blogs (WordPress, Blogger) umfassen. Heutzutage gibt es neue Anwendungen wie WhatsApp, Facebook Messenger, WeChat, Twitch, Fortnite und League of Legends, um nur einige zu nennen.

Alle diese Medienanwendungen befinden sich in ständiger Erneuerung, um dem aktuellen Bedarf an Verbindungen und Informationen gerecht zu werden. Soziale Netzwerke, insbesondere Twitter, sind ideale Informationsquellen, wenn es darum geht, Trends und Interessen zu einem bestimmten Thema zu analysieren. Tweets können Meinungen, Suchanfragen oder Nachrichten enthalten, die mit Hashtags und Schlüsselwörtern verknüpft sind und so eine Informationsextraktion ermöglichen. Die Datenkomplexität, die Verarbeitung großer Datenmengen und das Mining stellen mehrere Probleme

50

StraightONE Behavioral Economics Guide _ 2019

für die Informationsanalyse dar, und es ist notwendig, spezifische Werkzeuge und Techniken zur Verarbeitung der Informationen und zur Visualisierung der Ergebnisse einzusetzen. Del Fresno schreibt (del Fresno et al., 2015): Twitter ist derzeit das schnellste, einfachste und billigste soziale Medium, über das alle Arten von Informationen, Nachrichten, Ideen, Ereignissen, Gerüchten, MultimediaMaterialien usw. zirkulieren und von allen professionellen Medien oder anderen sozialen Medien in Echtzeit ausgestrahlt werden.

So laufen auf Twitter sowohl die professionellen Medien (Fernsehen, Printmedien, Zeitschriften, Radio usw.) als auch alle anderen sozialen Medien (Facebook, Instagram, YouTube, Flickr, Blogs, Foren usw.) mit einem umfangreichen Register an Typologien von Benutzerprofilen (Einzelpersonen, NGOs, Regierungsstellen, Massenmedien, Interessengruppen, wissenschaftliche Zeitschriften, Unternehmen, Marken usw.) zusammen. All dies macht Twitter zu einem privilegierten Forschungsgebiet, da es in der Praxis die Rolle einer Art von zentralem Nervensystem des Internets spielt.

Die soziale Netzwerkanalyse (SNA) hat sich vor kurzem als eine Reihe von Techniken herauskristallisiert, die sich einen methodologischen Ansatz teilen (Sanz Menéndez, 2003). SNA verbindet Individuen und Organisationen mit sozialen Strukturen, die sich aus etablierten Beziehungen zwischen ihnen ergeben. Die Graphentheorie ist eine herausragende Technik, die zur Durchführung der SNA eingesetzt wird, und aufgrund ihrer Wirkung wurde sie für die anschließende Forschungsanalyse ausgewählt.

Eine der grundlegenden Ideen der SNA besagt, dass Interaktionen zwischen Individuen und Organisationen das Verhalten von Menschen beeinflussen und somit soziale Netzwerke sowohl Ursache als auch Ergebnis des individuellen Verhaltens sind. Nach Del Fresno (2014, S. 246) erzeugt die Verschmelzung von Geselligkeit und Technologie ein massives soziales Netzwerk, das

[...] uns mit Menschen, Informationen, Ereignissen und Orten verbindet und den Fluss von Informationen, Ideen und Wahrnehmungen in einem unmittelbaren und massiven Netzwerk-Kommunikationssystem erleichtert oder einschränkt.

Diese zwischenmenschlichen Beziehungen, die massiv in sozialen Netzwerken generiert werden, bleiben jedoch aufgrund der Komplexität, die der Umgang mit solch großen Datenmengen mit sich bringt, in der Regel unsichtbar. In dieser Untersuchung sollen verhaltensökonomische Themen vorgestellt werden, die von Twitter-Nutzern über Tweets und Retweets im Jahr 2019 angesprochen wurden. Die Studie berücksichtigt Social Media Mining (SMM) und SNA-Tools zur Erfassung, Darstellung und Analyse von Interaktionen in sozialen Netzwerken. Diese Werkzeuge erlaubten es uns, eine Studie in großem Maßstab durchzuführen und eine prospektive Analyse der Themen durchzuführen, die auf Twitter von Interesse waren.

Die Schnittmenge zwischen SMM, SNA und Twitter ermöglichte es, riesige Datenmengen rückblickend zu verfolgen, zu erfassen und zu analysieren. Diese Arbeit präsentiert wesentliche Informationen über aussagekräftige explizite Beziehungen (z.B. indem man einem bestimmten Benutzer folgt) und, was noch wichtiger ist, implizite Beziehungen, wobei letztere aus dem Verhalten der Benutzer abgeleitet wurden (Golbeck, 2013), wie z.B. Retweets, Erwähnungen oder Antworten. Die Forschungsfragen, die diese Untersuchung leiteten, waren folgende: Methodik Für diese Studie wurden alle Tweets im Zusammenhang mit dem Begriff „Behavioral Economics“ (Verhaltensökonomie) und dem HashtagThema #behavioraleconomics in 2019 untersucht.

Da Tools mit freier Lizenz nur die neuesten Tweets extrahieren, war dies ein Problem, da die Forschung Ende 2019 begann. Wir wendeten daher eine Zahlungslösung an, um die Daten zu extrahieren, und schließlich konnten wir 24.824 Tweets zu den

• •

•

Wie haben sich diese Themen im Laufe des Jahres entwickelt?

Welches waren die einflussreichsten Konten im Bereich der Verhaltensökonomie?

Welche Themen könnten unerforscht sein und zu einem Trend werden?

oben definierten Bedingungen wiederherstellen.

Nachdem die Daten beschafft worden waren, wurden die folgenden Analysewerkzeuge ausgewählt: - Voyant Tools (Sinclair & Rockwell, 2019): Eine webbasierte Open-Source-Anwendung zur Durchführung einer jährlichen Textanalyse.

-Microsoft Excel: Formeln und Dynamik-Tabellen, um einflussreiche Konten zu erhalten.

-InfraNodus: Nach der von Paranyushkin (2011) vorgeschlagenen Methode zur Suche und Erforschung neuer Bereiche.

Vor der Durchführung der Analyse haben wir eine Datenbereinigung durchgeführt, bei der mehrere Wörter aus dem Textkorpus entfernt wurden, um die Gesamtanalyse zu verbessern. Beispiele für diese Wörter sind Variationen über „Verhaltensökonomie“, Benutzernamen, Ausdrücke (http://), Funktionswörter und URL-Kürzel (t.co). Wir sammelten all diese Wörter in einer einzigen Datei (stopwords. txt), und das Analysetool wurde angewiesen, diese Begriffe sowohl für die Konzeptanalyse als auch für die Erforschung neuer Felder nicht zu berücksichtigen.

StraightONE Behavioral Economics Guide _ 2019

51

Teil 2 - Anwendungen

Rafael López et al.

A Network Analysis of Behavioral Economics Tweets in 2019

Figure 1: The most influential tweets in 2019 text network graph.

The topics around behavioral economics were diverse, thereby indicating a balanced repAbb. 2: Die einflussreichsten Tweets 2019. resentation of several perspectives. We listed, in terms of influence, the top ten topic groups: 1.

52

2.

3.

fintech-ai-bigdata bias-research-solve

StraightONE Behavioral Economics Guide _ 2019

human-rational-time

Ergebnisse Mit dem generierten Datensatz führten wir einen Datenauswahlprozess durch, um nach Tweets in englischer Sprache mit mehr als 20 Retweets und 30 Likes zu suchen. Der Prozess ergab die 280 einflussreichsten Tweets im Jahr 2019, und wir verwendeten dann ein Analysetool (Paranyushkin, 2011), um das generierte Textkorpus zu untersuchen. Abbildung 2 zeigt die Ergebnisse der Textnetzanalyse. Sie besteht aus Knoten und Kanten, die Wörter und die Verbindungen zwischen ihnen repräsentieren. Engere Knoten bedeuten, dass diese Wörter gewöhnlich zusammen erschienen. Die Grafik stellt die Tag-Cloud der nächsten Generation dar, wobei relevante Wörter hervorgehoben werden und der Kontext, in dem sie erscheinen, dargestellt wird.

Die Themen rund um die Verhaltensökonomie waren vielfältig, was auf eine ausgewogene Vertretung mehrerer Perspektiven hindeutet. Nachfolgend die zehn wichtigsten Themengruppen mit Hinblick auf deren Einfluss: 1.fintech-ai-bigdata (Fintech-AI-Big Data) 2.bias-research-solve (Bias-Forschung-Lösung) 3.human-rational-time (menschlich-rational-Zeit) 4.reread-relevant-interesting (erneut lesen-relevant-interessant) 5.blockchain-techforgood-digital (Blockchain-Tech for Good-digital) 6.brain-economy-eating (Gehirn-Ökonomie-essen) 7.artificialintelligence-iot-robotics (Künstliche Intelligenz-Internet der Dinge-Robotik) 8.machinelearning-ehtics-quantum (maschinelles Lernen-Ethik-Quantum) 9.ux-cx-designthinking (UX-CX-Designdenken) 10.understand-help-customer (verstehen-helfenKunde)

Die Verbindung zwischen Fintech, künstlicher Intelligenz und Big Data war das Thema, das 2019 am häufigsten diskutiert wurde. Bei näherer Betrachtung bezog sich die Themengruppe auf spezifische Themen wie Algorithmen, Cybersicherheit, Datenwissenschaft, neuronale Netzwerke, Internet der Dinge, Versicherungstechnik, maschinelles Lernen, Benutzererfahrung, Experimentierbarkeit, prädiktive Analytik und Ethik (Abbildung 3).

Die zweite Themengruppe setzt sich aus den Worten Bias, Forschung, menschlich und Lösung zusammen. Abbildung 4 stellt die Zusammenhänge der Themen dar und veranschaulicht, dass die wissenschaftliche Gemeinschaft plante, menschliche Voreingenommenheit durch wissenschaftliche Forschung zu korrigieren. Die dritte Themengruppe (Abbildung 5) hatte einen starken Einfluss aufgrund des markanten Satzes „Menschen sind selten rational, also ist es an der Zeit, dass wir alle aufhören, so zu tun, als ob sie es wären“.

Aufkommende Begriffe wie „InsurTech“ und „Forschung“ haben einen bedeutenden und lokalen Einfluss. Wie bereits erwähnt, waren die Themen vielfältig, was bedeutet, dass mehrere Ansätze in einem ausgewogenen Verhältnis vertreten waren; es besteht jedoch eine strukturelle Kluft zwischen den weniger vertretenen Themen. Wir gehen davon aus, dass diese Themen im Laufe des Jahres 2020 einen zunehmenden Einfluss haben und neue Bereiche hervorbringen werden. Wenn selten wiederholte Begriffe wie „erneut lesen“, „lösen“ und „Jahr“ weggelassen wurden, zeigte das Diagramm eine Lücke zwischen Nutzererfahrung-Gesundheit-Kundenerfahrung und Bias-maschinelles Lernen-Forschung.

Diese Ergebnisse deuten darauf hin, dass die Benutzer- und Kundenerfahrung im Gesundheitsbereich als ein aufkommendes Thema erscheinen könnte, das der Forschung und dem maschinellen Lernen ebenbürtig ist. Eine Kombination dieser Themen könnte sein, wie InsurTech maschinelles Lernen und Forschung einsetzt, um die Benutzer-/Kunden-

StraightONE Behavioral Economics Guide _ 2019

53

Teil 2 - Anwendungen

A Network Analysis of Behavioral Economics Tweet

Rafael López et al.

Rafael López et al.

A Network Analysis of Behavioral Economics Tweets in 2019

Figure 3: The bias-research-solve topics text network graph.

Abb. 4:Die Bias-Forschung-Lösungs-Themen.

Abb. 3: Die fintech-ai-bigdata Themen.

fintech-ai-bigdata topics text network graph.

Figure 3: The bias-research-solve topics text network graph.

opic group is composed of the words bias, research, human, and solve. Figure 3 subjects’ connections, illustrating that the scientific community planned to corbiases by using scientific research. The third topic group (Figure 4) was a strong ue to the prominent phrase “Human beings are rarely rational, so it’s time we all ending they are.”

Figure 4: The human-rational-time topics text network graph.

s Guide 2020

31

Emerging terms, such as insurtech and research, have a significant and local influe mentioned before, the topics were diverse, meaning a balanced representation of approaches; however, a structural gap exists between the less represented topics. W that during 2020, these topics will have an increasing impact and generate new fields Abb. 5: Der Text Netzwerkgraph zu Themen der Menschlich-Rationalen-Zeit.

Behavioral Economics Guide 2020

Figure 4: The human-rational-time topics text network graph.

54

Emerging terms, such as insurtech and research, have a significant and local influence. As the topics were diverse, meaning a balanced representation of several approaches; however, a structural gap exists between the less represented topics. We expect

StraightONE Behavioral Economics Guide _ 2019 mentioned before,

Influence Analysis The extracted data displayed 24,824 tweets mentioning “behavioral economics,” in the text or as a hashtag. People retweeted these tweets 114,317 times, and they received 45,205 “likes.”

Influence analysis searched for users generating more content and for those who had a greater reach. It considered published tweets, likes, and retweets received, albeit only likes and retweets using the term behavioral economics were recorded.

Table 1 presents the top five content generators. These accounts were the most active in terms of the number of original tweets made. With a considerable difference, @andi_staub was the most influential user account with 920 original tweets, 13,899 likes, and 11,879 retweets. The account came first in three categories: Published tweets, received likes, and received retweets.

In second place, @FehrAdvice appeared with 416 tweets. Although this account is very active in terms of publications, it only received 449 likes, ranking it in this regard in 19th place. With 415 total retweets, it ranked ninth in this category.

A Network Analysis of Behavioral Economics Tweets in 2019

Rafael López et al.

In the remaining positions appeared the accounts @thebrainybiz (409 tweets, 409 likes, 232 retweets), @jjcousins (368 tweets, 51 likes, 29 retweets), and @HLSPaola (276 tweets, 238 likes, Users Retweets Likes received Tweets posted Retweets/ 209 retweets). received tweets ratio User @andi_staub

Tweets posted 11,879

Likes received 13,899

@SheilKapadia

1,638

9,072

Retweets received920 3

Retweets/ 1,291.20% tweets ratio 54,600.00%

@wirojlak @andi_staub @Gleb_Tsipursky @FehrAdvice @FieldYates @thebrainybiz

1,570 920 1,031 416 732 409

505 13,899 1,919 449 5,230 409

2 11,879 121 415 1 232

78,500.00% 1,291.20% 852.06% 99.75% 73,200.00% 56.72%

@jjcousins

368

51

29

7.88%

@HLSPaola

276

238

209

75.72%

Table 3: Top five retweets received accounts against likes received and tweets posted.

A Network Analysis of Behavioral Economics Tweets in 2019

Rafael López et al.

Users

@andi_staub @SheilKapadia

Changing the angle from user accounts to tweets, Table 4 displays the more retweeted posts

Likes received

Tweets posted

Retweets/ tweets ratio

11,879

13,899

920

1,291.20%

1,638

9,072

3

54,600.00% 78,500.00%

@wirojlak

1,570

505

2

@Gleb_Tsipursky

1,031

1,919

121

852.06%

732

5,230

1

73,200.00%

@FieldYates

Abb. fünf Inhaltsgeneratoren bei den empfangenen Gleichgesinnten und Table6:1:Die Top fivebesten content generators against likes received andby retweets received. related to behavioral economics.

The first position is taken the @SheilKapadia tweet menden empfangenen Retweets.

Retweets received

Abb. 7: Die fünf beliebtesten empfangenen Kundenkonten gegen gepostete Tweets und Table 3: Top five retweets received accounts against likes received and tweets posted. empfangene Retweets.

tioned previously, whilst second place is for the @wirojlak account, which tweeted about the From a different perspective, Table 2 shows the ranking for accounts with more likes received.

Changing the angle from user accounts to tweets, Table 4 displays the more retweeted posts last-place aversion. @FieldYates mentioned the Redskins in a tweet about how Ravens had As mentioned previously, @andi_satub placed first; however, the accounts @SheilKapadia and related to behavioral economics. The first position is taken by the @SheilKapadia tweet menhired a behavioral economist for decision-making support during games. The last two com@FieldYates came in second and third places, respectively. These two accounts specialized in tioned previously, whilst second place is for the @wirojlak account, which tweeted about the ments came from new account users in the ranks. Oddly, @parpnn posted 5,360 tweets and sports and mentioned behavioral economics only in four tweets. Their reach and influence, last-place aversion. @FieldYates mentioned the Redskins in a tweet about how Ravens had received 363 retweets with just eight followers. To finish the ranking, the @jhaushofer account Rafael López A Network Analysis of Behavioral Economics Tweets in 2019 et al. ranked by numbers of followers, meant that at 51.3 million and 512,0000 followers they came hired a behavioral economist for decision-making support during games. The last two comreceived 337 retweets with an exciting job offer. in second and third places, respectively. The reader can find their most-liked tweets in Table 5. ments came from new account users in the ranks. Oddly, @parpnn posted 5,360 tweets and User posted Likes account User Text posted Total received 363 retweets Text with just eight followers. To finish the ranking, the @jhaushofer number retweets received 337 retweets with an exciting job offer.

A Network Analysis of Behavioral Economics Tweets in 2019 Rafael López et al.

1,631 @SheilKapadia John Harbaugh has a 25-year-old behavioral economics 9,034 @SheilKapadia John Harbaugh has a 25-year-old behavioral econom- Total User Text posted major giving him win probabilities during games. John ics major giving him win probabilities during games. retweets Harbaugh has become most solve, aggressive John Harbaugh has become the most aggressive 4thRemoving rarely repeated terms such asthe reread, and 4th-down year, the graph presented a gap coach in the NFL. These 2 things are related. Really endown coach in the NFL. These 2 things are related.

Behavioral Economics Guide 2020 between userexperience-health-costumerexperience and bias-machinelearning-research. 33 These joyed reporting this story from Baltimore.

Really enjoyedhas reporting this story from Baltimore.

1,631 @SheilKapadia John Harbaugh a 25-year-old behavioral economics findings suggest that user and customer in other the health appear as an major him win during John @wirojlak Between 2 situations A: I experience myself can +1, peoplefield could1,570 5,230 @FieldYates Johngiving Harbaugh andprobabilities the Ravens: let’s hiregames. and develop Harbaugh has become the most aggressive 4th-down Vs with B: You can get yourself 0 or -1,learning. others get -10. emerging topic, on +10 a par research and machine A combination of these topics a Yale graduate with a degree in behavioral economcoach the NFL. These 2 things are related.

Really enBelieve it or not, many people choose to emulate the ics toinhelp in-game decision making.

Redskins. could be how insurtech uses machineBlearning and research improve joyed reporting this story from Baltimore. latter.

Or situation This behavior is called to “Last place user/client experience 1,654 @kaushikcbasu Behavioral economics: They decide on the price, they aversion” in the health field. The idea could be an interesting topic to follow in 2020.

1,570 @wirojlak Between 2 situations I myself +1,and other people decide how large toA: make eachcan pack, they decide +10 can get yourself or gullible -1, others get -10.

732 @FieldYates John Harbaugh and the Ravens: let’s hire and develop a to Vs callB:itYou “40% extra”.

Alas for0the consumer.

Believe it or not, many people choose to emulate the Influence AnalysisYale graduate with a degree in behavioral economics to 1,323 @kaushikcbasu HereOr is a behavioral economics worth help in-game decision making. Redskins latter. situation B This behaviorhypothesis is called “Last place testing. If you invite people for dinner at 8.05 pm inaversion” @parnpnn_ How to love: Content to the title of theeconomics,” 363 stead of 8.00 pm not only will they be more punctual The extracted data 1. displayed 24,824 tweetsaccording mentioning “behavioral in the text or book ;) 732 @FieldYates John andarrive the Ravens: butHarbaugh will probably earlier.let’s hire and develop a as a hashtag. People these tweets 2. retweeted The art of thinking clearly.114,317 times, and they received 45,205 “likes.”

Yale graduate with a degree in behavioral economics to 1,115 @GregGutfeldShow help He’s the master of comics andRedskins behavioral economics.

3. Nudge. This book is very good. Reading will give a in-game decision making.

Creator of Dilbert, legendary cartoonist, and author @ new perspective on economics. If anyone is interested Influence analysis searched for users generating more content is and for those who had a great363 @parnpnn_ 1. ScottAdamsSays How to love: Content accordingTONIGHT! to the title of the is on #Gutfeld in these behaviors, the Behavioral economics 2 books book ;) that are recommended to read and enjoy. # Requester reach. It considered published tweets, likes, and retweets received, albeit only likes and 2. The art of thinking clearly.

3books2019 retweets using the term behavioral economics were recorded.

3.

Nudge.

This book is very good. Reading will give a Table five most liked tweets.

Abb. 5: 9: Top Die fünf beliebtesten Retweets.on economics. If anyone is interested 337 @jhaushofer I’m looking for 1-2 full-time research assistants to join new perspective my group for 2 years. Based in Nairobi, you will work on in these behaviors, the Behavioral economics is 2 books Table 1 presents thea top content generators. were the most active in terms coolfive portfolio of lab and field These studiesaccounts in economics/ Annual Analysis that are recommended to read and enjoy. # Requestpsychology.

Great for recent of the number of original tweets made.

With aBA/MA considerable difference, @andi_staub was the 3books2019 The first step was to analyze eachfor month, to discover the top five most used words. Figure most influential user account with 920 original tweets, 13,899 likes, and 11,879 retweets. The 337 5 @jhaushofer I’m looking 1-2 full-time research assistants to join myofgroup 2 years.

Nairobi, you will work on Table 4: Top fivefirst most tweets. Published tweets, received likes, and received retweets. presents the evolution thesefor five terms Based duringin2019.

Behavioral economics appeared in account came in retweeted three categories: Abb. 8: Die fünf besten Retweets erhielten Berichte über eingegangene Gleichgesinnte a cool portfolio of lab and field studies in economics/ relation to terms suchpsychology. as fintech, artificial intelligence, psychology, and marketing, all of which are Great for recent BA/MA und gepostete Tweets.

Table 5 presents most liked tweets in 2019.

The already mentioned accounts @SheilKapadia, In second place,the @FehrAdvice appeared with 416 tweets.

Although this account is very active associated with human behavior, and were very popular in each month, except for May. @FieldYates, and @kaushikcbasu ranked in the first four positions. @GregGutfeldShow (a Fox in terms of publications, it only received 449 likes, ranking it in this regard in 19th place. With Table 4: Top five most retweeted tweets.

News journalist) received 1,115 likes with a tweet to present a show guest.

In the fifth month, the results were 2,142, and the term automation was streets ahead of the 415 total retweets, it ranked ninth in this category.

second word. The appearance of the new term occurred in the tweet “When deployed correctly, Table 5 presents the most liked tweets in 2019. The already mentioned accounts @SheilKapadia, the inclusion of desktop automation technology can improve process design, reinvigorating humans @FieldYates, and @kaushikcbasu ranked in the first four positions. @GregGutfeldShow (a Fox to focus better, and access creative thinking. Is RPA going to restore natural order in the workplace?”

News journalist) received 1,115 likes with a tweet to present a show guest.

This tweet linked to a video series in which Dan Ariely reflected on the benefits of collaboration between humans and robots. It was so widely disseminated and commented upon that it changed the word ranking Behavioral Economics Guide 2020 compared to previous months.

35

In the remaining positions appeared the accounts @thebrainybiz (409 tweets, 409 likes, 232 35 retweets), @jjcousins (368 tweets, 51 likes, 29 retweets), and @HLSPaola (276 tweets, 238 likes, 209 retweets).

Behavioral Economics Guide 2020

User

Tweets posted

Likes received

Retweets received

Retweets/ tweets ratio

@andi_staub

920

13,899

11,879

1,291.20%

@FehrAdvice

416

449

415

99.75%

@thebrainybiz

409

409

232

56.72%

@jjcousins

368

51

29

7.88%

@HLSPaola

276

238

209

75.72%

Table 1: Top five content generators against likes received and retweets received.

Abb. 10: Die fünf beliebtesten Tweets.

From a different perspective, Table 2 shows the ranking for accounts with more likes received.

As mentioned previously, @andi_satub placed first; however, the accounts @SheilKapadia and @FieldYates came in second and third places, respectively. These two accounts specialized in sports and mentioned behavioral economics only in four tweets. Their reach and influence, ranked by numbers of followers, meant that at 51.3 million and 512,0000 followers they came in second and third places, respectively. The reader can find their most-liked tweets in Table 5.

36

Behavioral Economics Guide 2020

StraightONE Behavioral Economics Guide _ 2019 Behavioral Economics Guide 2020

33

55

Teil 2 - Anwendungen

A Network Analysis of Behavioral Economics Tweets in 2019

Rafael López et al.

200

Häufigkeit

150

100

50

Jan

Fintech

Feb

AI

März

April

Menschen

Mai

Psychology

Juni

Julie

August

Sept

Okt

Nov

Dec

Marketing

Figure 5: Words with the highest appearance during 2019.

Abb. 11: Die fünf beliebtesten Tweets.

Conclusions and Implications The present research analyzed over 2019 tweets related to behavioral economics. The analysis erfahrung im Gesundheitsbereich verbessern. eine of größere Reichweite haben.

Sie berücksichtigreturned the top zu user accounts in terms content generation, likes, and retweets. Also, it Die Idee könnte ein interessantes Thema sein, das te veröffentlichte Tweets, Likes und Retweets, die found the most popular tweets and their reach according to likes and retweets. In a second im Jahr 2020 folgen könnte. empfangen wurden, wobei allerdings nur Likes und experiment, we performed a prospective analysis the mostBehavioral popular topics in 2019, which Retweets mit of dem Begriff Economics generated several text networks to detect the relationships between andfünf influence of these erfasst wurden.

Abbildung 6 zeigt die wichtigsInhaltsgeneratoren.

Gemessen der Anzahl topics. Ultimately, we established whatten topic groups may be present in an 2020.

Analyse des Einflusses

der ursprünglichen Tweets waren diese Konten am Mit einem beträchtlichen Unterschied In summary, this work resulted in threeaktivsten. important findings: Emerging topics, critical responses war @andi_staub mit 920 Original-Tweets, 13.899 toDaten and skeptical discourse on the behavioral economics field, and influence of Bekey tweetDie extrahierten zeigten 24.824 Tweets, Likes und 11.879 Retweets dasthe einflussreichste ers. The prospective analysis deliverednutzerkonto. interesting results on belegte how several were related die „Verhaltensökonomie“ im Text oder als HashDas Konto in dreitopics Kategorien tag erwähnten. in Diese Tweets wurden Mal denbecome ersten Platz: Veröffentlichte Tweets, erhaltene 2019 and how new114.317 topic groups could indicators for upcoming areas to follow. getwittert und erhielten 45.205 Mal ein „Gefällt Likes und erhaltene Retweets. An zweiter Stelle ermir“. „Die Einflussanalyse suchte nach Benutzern, @FehrAdvice mit 416 Tweets. Obwohl dieses Behavioral economics, as an emergentschien field, should consider critiques and concerns for future die mehr Inhalte generieren, und nach denen, die Konto in Bezug auf Publikationen sehr aktiv ist, er-

56

studies, which will lead to richer and better considered behavioral economics practice. Finally, the analysis of user account and tweet influence showed that a number of tweeters had a profound impact on what is liked and retweeted. Therefore, a few users have the potential to influence the behavioral economics field and the direction in which it might move.

StraightONE Behavioral Economics Guide _ 2019

As mentioned, the joining of topics such as insurtech, health, research, and machine learning will

hielt es nur 449 Likes und rangierte in dieser Hinsicht auf Platz 19. Auf den übrigen Plätzen erschienen die Konten @thebrainybiz (409 Tweets, 409 Likes, 232 Retweets), @jjcousins (368 Tweets, 51 Likes, 29 Retweets) und @HLSPaola (276 Tweets, 238 Likes, 209 Retweets).

Aus einer anderen Perspektive zeigt Abbildung 7 die Rangfolge der Konten, die mehr Gleiches erhalten haben. Wie bereits erwähnt, belegte @andi_satub den ersten Platz; die Konten @SheilKapadia und @FieldYates kamen jedoch auf den zweiten bzw. dritten Platz. Diese beiden Konten waren auf Sport spezialisiert und erwähnten die Verhaltensökonomie nur in vier Tweets. Ihre Reichweite und ihr Einfluss, geordnet nach der Anzahl der Follower, bedeuteten, dass sie mit 51,3 Millionen bzw.

512.0000 Followern den zweiten bzw. dritten Platz belegten. Ihre beliebtesten Tweets sind in Abbildung 9 zu finden.

Die letzten beiden Plätze wurden von @kayshikcbasu und @nntaleb besetzt, die beide eine kritische Haltung gegenüber der Verhaltensökonomie einnahmen. Auf dem @kayshikcbasu-Konto wurden drei Tweets veröffentlicht, aber es wurden 3.486 Likes von 135.000 Followern gesammelt. Die Tweets des Kontos lauteten: Verhaltensökonomie: Sie entscheiden über den Preis, sie entscheiden, wie groß jede Packung sein soll, und sie beschließen, „40% mehr“ drauf zu schreiben. Zum Leidwesen des leichtgläubigen Verbrauchers.

Hier eine verhaltensökonomische Hypothese, die es wert ist, überprüft zu werden. Wenn Sie Menschen um 20.05 Uhr statt um 20.00 Uhr zum Abendessen einladen, werden diese nicht nur pünktlicher sein, sondern wahrscheinlich sogar früher kommen.

Verhaltensökonomie. Diese Zahnbürste entfernt

Abb. 12

StraightONE Behavioral Economics Guide _ 2019

57

Teil 2 - Anwendungen

nicht 150%, sondern 151% mehr Bakterien. Das klingt nach harter Wissenschaft, und deshalb werden wahrscheinlich mehr Verbraucher kaufen.

Andererseits erhielt @nntaleb 2.117 Likes von 545.000 Followern. Dieses Konto vertritt eine radikale Meinung bzgl. der Verhaltensökonomie, die durch die folgenden Tweets veranschaulicht wird: NUDGE SINISTER: Verhaltensökonomie ist ein gefährlicher Verbalismus. Ein Projekt, das am Ende Nudgevillain @R_Thaler in seine Schranken weisen wird.

Für diejenigen, die der Meinung sind, dass die Verhaltensökonomie „hilfreich“ war (mal abgesehen von den Beratungsgebühren), hier mal ein paar Neuigkeiten: Verhaltensökonomie ist ein gefährlicher Sch… Ein sehr gefährlicher.

Man kann von Menschen getäuscht werden, und man kann von Fachrichtungen getäuscht werden.

Ich zum Beispiel wurde von der Verhaltensökonomie getäuscht...

Das Ende der Verhaltensökonomie.

Die Reichweite und der Einfluss, den dieses Konto gegen die Verhaltensökonomie hat, sind beeindruckend. In Bezug auf das Verhalten ist es sehr konsistent mit dem menschlichen Wesen. Abbildung 7 zeigt die Benutzerkonten mit den meisten Retweets.

Die ersten drei Positionen aus Abbildung 6 erscheinen hier auf den Plätzen 1, 2 und 5. @wirojlak twitterte über Bildung und Wirtschaft und generierte 1.570 Retweets von 137.000 Followern. An vierter Stelle erhielt @Gleb_Tsipursky 1.031 Retweets zu geteilten Inhalten bzgl. Entscheidungsfindung. Ändert man den Blickwinkel von Benutzerkonten zu

58

StraightONE Behavioral Economics Guide _ 2019

Tweets, so zeigt Abbildung 8 die eher retweeteten Beiträge im Zusammenhang mit Verhaltensökonomie. An erster Stelle steht der bereits erwähnte Tweet @SheilKapadia, während an zweiter Stelle das Konto @wirojlak steht, das über die Aversion gegen den letzten Platz twitterte. @FieldYates erwähnte die Redskins in einem Tweet, in dem es darum ging, dass die Ravens einen Verhaltensökonomen zur Entscheidungsunterstützung während der Spiele eingestellt hatten. Die letzten beiden Kommentare kamen von neuen Kontonutzern in den Rängen. Seltsamerweise veröffentlichte @parpnn 5.360 Tweets und erhielt 363 Retweets mit nur acht Followern. Um die Rangliste zu vervollständigen, erhielt das Konto @jhaushofer 337 Retweets mit einem spannenden Jobangebot.

Abbildung 9 zeigt die beliebtesten Tweets des Jahres 2019. Die bereits erwähnten Konten @SheilKapadia, @FieldYates und @kaushikcbasu rangierten auf den ersten vier Plätzen. @GregGutfeldShow (ein Journalist von Fox News) erhielt 1.115 Likes mit einem Tweet, um einen Show-Gast zu präsentieren.

Jährliche Analyse Der erste Schritt bestand darin, jeden Monat zu analysieren, um die fünf am häufigsten verwendeten Wörter zu ermitteln. Abbildung 9 zeigt die Entwicklung dieser fünf Begriffe im Jahr 2019. Die Verhaltensökonomie tauchte im Zusammenhang mit Begriffen wie Fintech, künstliche Intelligenz, Psychologie und Marketing auf, die alle mit menschlichem Verhalten verbunden sind und in jedem Monat, mit Ausnahme des Monats Mai, sehr beliebt waren. Im fünften Monat lagen die Ergebnisse bei 2.142, und der Begriff Automatisierung war dem zweiten Wort um Längen voraus. Der neue Begriff tauchte im Tweet auf: „Wenn sie richtig eingesetzt wird, kann die Einbeziehung der Desktop-Automatisierungstechnologie das Prozessdesign verbes-

sern und die Menschen dazu anregen, sich besser zu konzentrieren und Zugang zu kreativem Denken zu finden. Wird RPA die natürliche Ordnung am Arbeitsplatz wiederherstellen?“ Dieser Tweet stand im Zusammenhang mit einer Videoserie, in der Dan Ariely über die Vorteile der Zusammenarbeit von Mensch und Roboter nachdachte. Er wurde so weit verbreitet und kommentiert, dass er die Wortrangliste im Vergleich zu den Vormonaten veränderte.

Schlussfolgerungen und Implikationen Die vorliegende Studie analysierte über das Jahr 2019 hinweg Tweets mit Bezug zur Verhaltensökonomie. Die Analyse ergab die Top-Benutzerkonten im Hinblick auf Generierung von Content, Likes und Retweets. Außerdem wurden die beliebtesten Tweets und ihre Reichweite aufgrund von Likes und Retweets ermittelt. In einem zweiten Experiment führten wir eine vorausschauende Analyse der beliebtesten Themen im Jahr 2019 durch, bei der mehrere Textnetzwerke generiert wurden, um die Beziehungen zwischen diesen Themen und deren Einfluss zu ermitteln. Zu guter Letzt stellten wir fest, welche Themengruppen im Jahr 2020 vorhanden sein könnten.

Zusammenfassend führte diese Arbeit zu drei wichtigen Ergebnissen: aufkommende Themen, kritische Reaktionen auf und skeptische Diskurse über das verhaltensökonomische Feld und der Einfluss der wichtigsten Twitterer. Die prospektive Analyse lieferte interessante Ergebnisse darüber, wie verschiedene Themen im Jahr 2019 miteinander zusammenhängen und wie neue Themengruppen zu Indikatoren für kommende Bereiche werden könnten.

Die Verhaltensökonomie als ein aufstrebendes Feld sollte Kritik und Bedenken für zukünftige Studien

berücksichtigen, was zu einer ergiebigeren und besser durchdachten Praxis der Verhaltensökonomie führen wird. Schließlich zeigte die Analyse des Einflusses von Benutzerkonto und Tweets, dass eine Reihe von Twitterern einen tiefgreifenden Einfluss darauf haben, was gemocht und retweeted wird.

Entsprechend haben ein paar Nutzer das Potential, das Feld der Verhaltensökonomie und die Richtung, die sie einschlagen wird, zu beeinflussen.

Wie bereits erwähnt, wird die Verbindung von Themen wie Versicherungstechnik, Gesundheit, Forschung und maschinelles Lernen im Laufe des Jahres 2020 interessant sein. Natürlich wird die durch COVID-19 verursachte Unterbrechung die Entwicklung des Jahres prägen, aber es wird spannend sein, die erwähnten Begriffe auf Twitter zu verfolgen und ihren Empfang im Lichte dieser neuen Realität zu überprüfen.

Es ist auch wichtig, Forschungsbeschränkungen zu erwähnen, die in künftigen Arbeiten berücksichtigt werden sollten. So ist zum Beispiel die Beteiligung von Bots an den beliebtesten Tweets oder Ähnlichem unbekannt, aber dies kann die Ergebnisse beeinflussen, und wir können ihre Reichweite in der aktuellen Arbeit nicht definitiv bestimmen.

Außerdem wurden die Experimente nur auf der Twitter-Plattform durchgeführt, und wir können die Ergebnisse nicht auf das gesamte Publikum ausdehnen. Viele Interessierte, Akademiker und Experten werden dieses Netzwerk nicht nutzen; zudem sind die Twitter-Nutzer tendenziell jünger und haben andere Perspektiven (Stefan & Hughes, 2019).

Diese Studie hat durch eine bestimmte Art der Analyse einige interessante Ergebnisse hervorgebracht; allerdings gibt es zu viel Raum, der untersucht werden muss. Wir schlagen daher vor, im Rahmen künftiger Arbeiten eine ähnliche Analyse auf verschiedenen Social-Media-Plattformen wie LinkedIn, WordPress oder Blogger durchzuführen. Darüber

StraightONE Behavioral Economics Guide _ 2019

59

hinaus könnten die Forschungsbegriffe über die amerikanisch-englische Schreibweise hinaus erweitert werden, um andere Länder, die sich in der Gemeinschaft engagieren, nicht auszuschließen.

Abdellah Mou, PhD

ist ein Data-Mining- und Social-Media-Analyst mit einem soliden Hintergrund und Erfahrung in NLP und psychosozialen Studien. PhD, ehemaliger außerordentlicher Professor in der Abteilung für Sprach- und Literaturdidaktik (ICT angewandt auf Sprachunterricht und -lernen, Universität Complutense Madrid). Ehemaliger Koordinator und Professor für das europäische Lehrerausbildungsprogramm und IT-Ausbilder (Universität UIMP)

Die Autoren

Rafael López, PhD

ist Wirtschaftswissenschaftler und Psychologe. Er hat einen Doktortitel in Psychologie, wobei er sich auf menschliche Emotionen spezialisiert hat, und arbeitet derzeit an einem zweiten Doktortitel in Verhaltensökonomie, mit Forschung im Zusammenhang mit Persönlichkeitsvariablen und Entscheidungsfindung. Er ist Ausbildungsleiter des Observatoriums für Verhaltensökonomie an der Madrider Hochschule für Ökonomen

60

StraightONE Behavioral Economics Guide _ 2019

J osé Luis Calvo, PhD

ist Professor für Wirtschaftstheorie und mathematische Ökonomie an der UNED. Er verbindet Lehre und Forschung mit der Beratung des Regierungspräsidiums und der Ministerien für Wissenschaft und Technologie und Industrie Spaniens.

Sinclair, S., & Rockwell, G. (2019). Voyant Tools. Retrieved from https://voyant-tools.org/. Stefan, W., & Hughes, A. (2019).

Sizing up Twitter users. Pew Reserach Center. Retrieved from https://www.pewresearch.org/internet/2019/04/24/sizing-uptwitter-users/.

Isaac López

ist Forschungsleiter des Observatoriums für Verhaltensökonomie an der Madrider Hochschule für Ökonomen, Diplom-Volkswirt, Master in emotionaler Intelligenz und Coaching, Spezialist für angewandte positive Psychologie und Autor des Buches Change: Ein wesentlicher praktischer Leitfaden. Derzeit arbeitet er an der Entscheidungsfindung durch die Beiträge der Behavioral Economy. Isaac ist Direktor des Postgraduiertenprogramms Verhalten und Recht in Verhaltensökonomie und Ethikmanager des Observatoriums für Verhaltensökonomie der Madrider Hochschule für Ökonomen.

Literaturhinweise

Abbildungen Abb.1: Die einflussreichsten Tweets 2019 Abb.2; Die fintech-ai-bigdata Themen.

Abb.3: Der Text Netzwerkgraph zu Themen der Menschlich-Rationalen-Zeit.

Abb.4:Die Bias-Forschung-Lösungs-Themen.

Abb.5: Die fünf besten Inhaltsgeneratoren bei den empfangenen Gleichgesinnten und den empfangenen Retweets.

Abb.6: Die fünf besten Retweets erhielten Berichte über eingegangene Gleichgesinnte und gepostete Tweets.

Abb.7: Die fünf beliebtesten Tweets Abb.8: Die fünf beliebtesten empfangenen Kundenkonten gegen gepostete Tweets und empfangene Retweets: https://unsplash.com/@ Jess Bailey Abb.9: Die fünf beliebtesten Retweets.

Abb.10:Die fünf beliebtesten Tweets Abb.11: https://unsplash.com/@asoggetti Abb.12: https://unsplash.com/@Annie Spratt

Castells, M. (2009). Comunicación y poder. Madrid: Alianza Editorial.

Del Fresno, M. (2014). Haciendo visible lo invisible: Visualización de la estructura de las relaciones en red en Twitter por medio del Análisis de Redes Sociales. El Profesional de La Información, 23(3), 246-252.

Del Fresno, M., Daly, A. J., & Supovitz, J. (2015). Desvelando climas de opinión por medio del social media mining y análisis de redes sociales en Twitter: El caso de los common corestate standards. REDES- Revista Hispana Para El Análisis de Redes Sociales, 26(1), 53-75. Golbeck, J. (2013). Privacy. In J. Golbeck (Ed.), Analyzing the social web (pp. 223-235). Burlington,MA: Morgan Kaufmann.

Paranyushkin, D. (2011). Identifying the pathways for meaning circulation using text network analysis. Nodus Labs. Retrieved from https://noduslabs.com/research/pathways-mean- ing-circulation-text-network-analysis/.

Sanz Menéndez, L. (2003). Análisis de redes sociales: o cómo representar las estructuras so- ciales subyacentes. Apuntes de Ciencia y Tecnología, 7, 21-29.

StraightONE Behavioral Economics Guide _ 2019

61

Teil 2 - Anwendungen

Behavioral Doing; Anwendungsbeispiele für Behavioral Economics bei Gesundheitsund Finanzentscheidungen

Abb. 1

62

StraightONE Behavioral Economics Guide _ 2019

Fünf Fallstudien über die Auswirkungen von Framing auf Entscheidungen in der realen Welt.

Es ist das Jahr 2010 .

Der sechzehnjährige Justin Bieber brachte gerade seinen Hit „Baby“ heraus, Apple enthüllt zum ersten Mal das iPad und Obamas Affordable Care Act wird verabschiedet. Die Welt beginnt sich von der Finanzkrise von 2008 zu erholen und Dan Arielys Buch „Predictably Irrational“ ist immer noch ein Neuling auf der Bestsellerliste. Versetzen Sie sich jetzt in ein typisches Verhaltensforschungslabor. Sie, der Studienteilnehmer, werden in einen Raum geführt, um Ihre informierte Zustimmung zu geben und ein „Schuldenmanagement-Spiel“ zu spielen. Sie werden vor einen Computer gesetzt und erhalten eine Reihe von hypothetischen Schuldenkonten, um zu entscheiden, wie viel Geld Sie in jedes einzelne Konto einzahlen werden. Nach 25 Runden, in denen Sie diesen hypothetischen Konten hypothetische Dollar zuweisen, kassieren Sie eine Entschädigung für Ihre Teilnahme und machen sich auf den Weg. Sie und 162 andere Studierende in dieser Laborstudie (Amar, Ariely, Ayal, Cryder & Rick, 2011), kombiniert mit drei weiteren Studien, werden den Forschern immer mehr Beweise für ein einziges Phänomen liefern: Es gelingt den Menschen nicht, Schulden rational zu tilgen. Anstatt

das Geld zuerst auf die Konten zu verteilen, bei denen sie die höchsten Zinsen zahlen, ziehen es die Menschen vor, kleinere Konten mit niedrigeren Zinssätzen zu tilgen, um weniger offene Restkonten zu haben - Ein Phänomen, das die Forscher als „Kontoaversion“ bezeichneten.

Der beiläufigste Beobachter mag bemerken, dass das Schuldenmanagementspiel in dieser Studie ziemlich weit entfernt ist vom Schuldenmanagement in der realen Welt - die Ordnung des Labors vermag die Unordnung des Feldes nicht zu erfassen. Wir werden vielleicht erfahren, dass die Menschen hoch motiviert sind, hypothetische Schuldenkonten im Labor zu schließen, aber dieselben Menschen können ihre tatsächlichen Schuldenkonten im Leben sehr unterschiedlich behandeln und vielleicht einfach nur den Standardbetrag des monatlichen Mindestguthabens für ihre Konten abbezahlen. Es wäre richtig, die ökologische Validität dieser Art von Laborstudien in Frage zu stellen. Sie lehren uns zwar etwas über menschliches Verhalten, aber sie lehren uns nicht alles.

Schneller Zeitsprung in das Jahr 2020 In den zehn Jahren seit der Studie von Amar et al. hat sich die Beobachtung, dass selbst gut durchgeführte Studien aus kontrollierten Laborumgebungen das Verhalten in

der Wildnis nicht vollständig vorhersagen können, zu einer Bewegung gewandelt, die die traditionelle Laborforschung durch eine neue Form der Feldforschung ergänzt.

Am Duke University’s Center for Advanced Hindsight, an dem wir arbeiten, bewegen wir uns zum Beispiel über das Laborumfeld hinaus und vermischen die Wissenschaft des kontrollierten Experiments mit der Kunst der Anwendung in der realen Welt (für veröffentlichte Beispiele siehe Schwartz, Riis, Elbel & Ariely, 2011; Schwartz, Mochon, Maroba, Patel, Wyper & Ariely, 2014).

Ein Feld, das früher auf Elfenbeintürme beschränkt war, hat von Rapunzel das Stichwort bekommen, sein Haar herunterzulassen und in die reale Welt einzutreten. Diese Verlagerung hat es den Forschern ermöglicht, sich nicht nur auf Fragen der angewandten Forschung zu konzentrieren, die sich mit Fragen aus dem wirklichen Leben befassen, sondern auch die Wirkung mit Blick auf die Entwicklung, Erprobung und Umsetzung von Interventionen zu betonen, die das Leben der Menschen auf reichhaltige und sinnvolle Weise wirklich verbessern.

Ein Wechsel zur angewandten Verhaltenswissenschaft in der realen Welt Die Ausdehnung der Forschung auf

StraightONE Behavioral Economics Guide _ 2019

63

Teil 2 - Anwendungen

die reale Welt wird zunehmend durch eine neue Art der Partnerschaft zwischen Wissenschaft und Industrie begrüßt, die betont, wie sich Erkenntnisse über das Verhalten in realen, alltäglichen Verhaltensweisen manifestieren und so genutzt werden können, um Organisationen und ihren Kunden zu helfen, fundiertere Entscheidungen zu treffen. Die Beziehung ist symbiotisch: Forscher können die ökologische Validität und Skalierbarkeit ihrer Hypothesen unter realen betrieblichen Bedingungen testen, während Partner aus der Industrie oder dem öffentlichen Sektor Erkenntnisse aus der rigorosen Prüfung von Hypothesen auf eine Art und Weise gewinnen, die auf ihre einzigartigen Produkte, Dienstleistungen und organisatorischen Ziele zugeschnitten ist.

Der Einsatz der Verhaltenswissenschaft durch die Industrie war ein Anstoß, die Forschungsmethoden zu erweitern und neue Modelle für das Verständnis menschlichen Verhaltens zu übernehmen. Die technologischen Fortschritte des letzten Jahrzehnts in Verbindung mit der Verbreitung und Verfügbarkeit von Verhaltensdaten, haben es Forschern und Partnern aus der Industrie ermöglicht, die Entscheidungsfindung in den einzelnen Lebensbereichen der Menschen besser in Echtzeit zu

Abb. 2

64

StraightONE Behavioral Economics Guide _ 2019

verstehen. Die Untersuchung von Beziehungen hat sich mit der Erfindung von Online-Dating-Apps grundlegend verändert, genauso wie sich die Untersuchung von körperlicher Aktivität mit der Popularität von Wearables dramatisch verändert hat, oder die Untersuchung von finanziellen Entscheidungen sich mit der zunehmenden Allgegenwart digitaler Brieftaschen weiterentwickelt hat.

In der angewandten Verhaltensforschung passen wir uns den Bedürfnissen und Praktiken der Industriepartner an, um akademische Arbeit zu übersetzen, praktische Rahmenbedingungen zu entwickeln und Verhaltensprobleme aus der realen Welt zu lösen. Am Center for Advanced Hindsight erreichen wir dies durch vertiefende Workshops für jedes Projekt (für ein Beispiel eines Workshops mit Centene, siehe Corbin, RayburnReeves & Lindemans, 2020). Wir arbeiten mit den wichtigsten Interessenvertretern einer Reihe von Organisationen zusammen, um ihre Schmerzpunkte zu identifizieren und die Schritte, Hindernisse und Möglichkeiten aufzuzeigen, um jedes Problem, das wir angehen, vollständig zu verstehen. Unser Prozess der Entdeckung von Verhaltensweisen, der Diagnose, des Interventionsdesigns, des Testens und der Berichterstattung gewährleistet die Anpassung der Forschung an das jeweilige einzigartige Problem. Eine derartige Zusammenarbeit mit der Industrie ist nicht nur für die Organisationen, mit denen wir zusammenarbeiten, von Vorteil, sondern stellt auch sicher, dass die Forschung mit großer Wahrscheinlichkeit auch einen Einfluss auf die reale Welt hat und die Öffentlichkeit informieren kann, um so das kollektive Verständnis des menschlichen Verhaltens auf greifbare Weise zu fördern.

Der Übergang zur Durchführung von Forschungsarbeiten in realen Umgebungen mit Industriepartnern hat wesentliche - und oft übersehene - Vorteile für die Qualität der Forschung insgesamt. Durch das Testen und erneute Testen in verschiedenen Umgebungen - indem wir die gleichen Probleme durch verschiedene Linsen betrachten („Welche Verhaltensprinzipien könnten hier Anwendung finden?“) und verschiedene Probleme durch die gleiche Linse („Welchen Einfluss könnte Confirmation Bias bei Problem A gegenüber Problem B haben?“) - können wir Beweise sammeln, die

uns in Kombination zu einem besseren Verständnis des menschlichen Verhaltens in all seiner Komplexität und Situationsabhängigkeit führen. Und was vielleicht am wichtigsten ist: Indem wir sauber kontrollierte Laborstudien um die chaotischen Realitäten von Feldstudien und Experimenten in der realen Welt ergänzen, sind wir vielleicht besser in der Lage, die Verallgemeinerbarkeit eines bestimmten Befundes zu verstehen. Nehmen wir das verhaltenswissenschaftliche Konzept des Framing als Modell.

Das Studium des Framing Eine Fülle von Forschungsergebnissen zeigt, dass Entscheidungen durch die bloße Beschreibung – also das „Framing“ - von Entscheidungen beeinflusst werden können (Levin, Schneider, & Gaeth, 1998). Menschen bevorzugen Fleisch, das als 75% mager und nicht als 25% fett bezeichnet wird (Levin & Gaeth, 1988). Eine Erweiterung der klassischen Forschung über den Einfluss des Framings auf die Risikoentscheidung (z.B. Kahneman & Tversky, 1979) legt nahe, dass die Mehrheit der Menschen heute wahrscheinlich einen Coronavirus-Impfstoff bevorzugen würde, der 90% der Patienten rettet, gegenüber einem, bei dem 10% der Patienten sterben.

Es gibt zahlreiche Laborstudien über den Einfluss des Framings, aber Forscher fangen gerade erst an, die Robustheit des Framings in der realen Welt zu testen, wo die Dinge, offen gesagt, alles andere als makellos sind. Am Center for Advanced Hindsight gewinnen wir Erkenntnisse über die Auswirkungen verschiedener Arten der Entscheidungsfindung, sowohl im Labor- als auch im Feldkontext, sowohl im gesundheitlichen (z.B. Mochon, Johnson, Schwartz & Ariely, 2017) als auch im finanziellen Bereich (z.B. Lee, Morewedge, Hochman & Ariely, 2019).

Gesundheits- und Finanzentscheidungen erfordern oft einen Kompromiss zwischen kurz- und langfristigen Vorteilen (es tut weh, jetzt Geld zu sparen oder Sport zu treiben, aber es gibt langfristige Vorteile für beides),

und weil Menschen sich häufig kurzsichtig verhalten - als ob der einzige Moment, auf den es ankommt, die Gegenwart wäre - ist es unser Ziel, ihnen dabei zu helfen, Entscheidungen zu treffen, die ihren langfristigen Interessen dienen. Die Erkenntnisse aus unseren Laborund Feldforschungen werden genutzt, um unseren Sponsoren aus der Industrie zu helfen, die Rahmenbedingungen zu entwickeln und zu testen, die sowohl das Wohlbefinden verbessern, als auch am besten für ihre Organisationen funktionieren.

Im Folgenden stellen wir fünf Fallstudien über die Auswirkungen des Framing in der realen Welt vor: zwei aus dem Finanzbereich über Kreditrückzahlung und Sparen, und drei aus dem Gesundheitsbereich über Bewegung und Impfung. Anhand dieser fünf Fallstudien untersuchen wir, wie das Framing den Menschen helfen könnte, bessere gesundheitliche und finanzielle Entscheidungen zu treffen.

Framing in der finanziellen Entscheidungsfindung Im Finanzbereich unterstützen die MetLife Foundation und BlackRock die Forschung des Center for Advanced Hindsight über Strategien, die den Menschen helfen sollen, ihre Schulden abzubauen und ihre Ersparnisse zu erhöhen. Die folgenden zwei Fallstudien zeigen dies im Zusammenhang mit Darlehenszahlungen und Sparinstrumenten, bei denen die kurzfristigen Schmerzen der Schuldentilgung und des Sparens mit den langfristigen Vorteilen der finanziellen Sicherheit konkurrieren.

StraightONE Behavioral Economics Guide _ 2019

65

Teil 2 - Anwendungen

Hintergrund Menschen sind motiviert, Schulden zu tilgen (Amar et al., 2011). Verbraucher ziehen es vor, 100 Dollar für die vollständige Rückzahlung eines Kredits mit 2% Zinsen zu verwenden, anstatt die gleichen 100 Dollar für die teilweise Rückzahlung eines größeren Kredits mit 4% Zinsen zu verwenden. Diese Tendenz unterstreicht, dass Premium-Konsumenten bereit sind, für das schöne Gefühl, etwas komplett abbezahlt zu haben, auch zu bezahlen.

zugeordnet, wobei die Finanzierung so geframed wurde, dass sie 12 Monate Zeit hatten, den Kredit zurückzuzahlen, das Sofa zurückzuzahlen oder das Sofa zu besitzen. Als nächstes baten wir die Teilnehmer, in Gedanken drei Monate vorzuspulen und über ihren Rückzahlungsfortschritt nachzudenken. Bei den Bedingungen „zurückzahlen“ und „besitzen“ war die Anzahlung im Betrag enthalten. Dann wurden sie gefragt, ob sie einen Teil ihrer Steuerrückzahlung von 300 Dollar für den Kauf des Sofas verwenden wollten (obwohl sie noch 9 Monate lang zinsfreie Zahlungen hatten).

Vorgaben Hypothesen und Schlüsselerkenntnisse Wir bauen auf dem Befund der „Schuldenabneigung“ auf, indem wir untersuchen, ob Eigentumsgefühle (im Gegensatz zu Erinnerungen an den Kredit) die Kreditrückzahlung erleichtern können. Der finanzielle Vorteil, die Darlehensrückzahlung als etwas zu betrachten, das einen raus aus der Schuld und hin zum Eigentum führt, kann besonders zu Beginn der Laufzeit eines Darlehens von Vorteil sein, wenn die Verbraucher die Rückzahldauer verkürzen können, um einen günstigeren Zinssatz zu erhalten.

•

Darlehen: Framing der Zahlung als Betrag, der zur Rückzahlung des Darlehens erforderlich ist

•

Sofa abbezahlen: Framing der Zahlung als Betrag, der zum Abbezahlen des Sofas erforderlich ist

•

Sofa abbezahlen: Framing der Zahlung als Betrag, der zum Abbezahlen des Sofas erforderlich ist

•

Abhängige Variable: Steuerrückerstattung in Höhe von 300 $ zur Verwendung für den Kauf eines Sofas

Experiment Wir baten 300 Teilnehmer, sich vorzustellen, sie hätten kürzlich ein 1.000-Dollar-Sofa gekauft - mit einer einjährigen Finanzierung mit 20% Anzahlung, 0% Zinsen und gleichen monatlichen Zahlungen. Sie wurden nach dem Zufallsprinzip

66

StraightONE Behavioral Economics Guide _ 2019

Ergebnisse Die Teilnehmer verwendeten wesentlich mehr von ihrer Rückerstattung, wenn es darum ging, ein Sofa zu besitzen als wenn es darum ging, ein

Durchschnittlich gezahlter Betrag (USD) 200

*

175 150

*

125 100 75 50 25 0

126$ Ausleihe

158$

176$

Sofa auszahlen

Eigenes Sofa

Darlehen zurückzuzahlen. Zum Teil waren diese Ergebnisse davon abhängig, wie die Menschen das Erreichen des Ziels „etwas besitzen“ im Gegensatz zu „etwas abbezahlen“ für sich selbst einordnen. Der Preis des Sofas war bei allen drei Vorgaben gleich, aber die Teilnehmer unter der Vorgabe „Sofa besitzen“ (und unter der Vorgabe „Sofa abbezahlen“) sahen die Anzahlung als Fortschritt auf dem Weg zum gesamten Kauf.

Abb. 3: Durchschnittlicher Betrag einer Steuerrückerstattung in Höhe von 300 US-Dollar für den Kauf eines Sofas unter drei Bedingungen, die die Zahlung in Form der Rückzahlung des Darlehens, der Rückzahlung des Sofas oder des Besitzes des Sofas vorsehen. Hinweis: *Das Sternchen bedeutet, dass der Unterschied zwischen den Gruppen statistisch signifikant ist.

chenstandard. Die meisten Verbraucher erhalten Rechnungen mit ihren Zahlungen und Fortschritten beim Restbetrag ihres Kredits, anstatt Fortschritte zu erzielen. Diese Ergebnisse deuten darauf hin, dass es den Menschen helfen könnte, darüber nachzudenken, was sie bereits besitzen, oder Erinnerungen an ihr Eigenkapital bei einem Kauf mit einzubeziehen, damit sie das Licht sehen und früher am Ende des Schulden-Tunnels ankommen.

Die Teilnehmer unter der Vorgabe „Darlehen“ konzentrierten sich darauf, wie viel des Darlehens noch zu zahlen war, was einen geringeren Prozentsatz des Gesamtpreises ausmachte und daher als weniger Gesamtfortschritt gewertet wurde. Natürlich ist dieses Framing der Bran-

StraightONE Behavioral Economics Guide _ 2019

67

Teil 2 - Anwendungen

100

1000

*

50

74

*

75

52

597

67

750

66 538

578 464

25

500

Erwartete Höhe der Einsparung

Wahrscheinlichkeit des Gebrauchs (1-100)

*

250

0

0

CD + 2%

CD + 3%

SL + 2%

CD + 3%

Abb. 4: Gebrauchswahrscheinlichkeit und zu erwartender Sparbetrag unter vier Bedingungen, die den Zinssatz (2% oder 3%) und die Ausgestaltung eines Finanzprodukts (Super Locked Savings Goal-Produkt oder Einlagenzertifikat) variieren. Hinweis: *Das Sternchen bedeutet, dass der Unterschied zwischen den Gruppen statistisch signifikant ist.

Finanzielle Fallstudie 2: Reframing von „Certificates of Deposit“ (Einlagenzertifikate)

Hintergrund Gesperrte Sparprodukte, bei denen Kontoinhaber ihr Geld bis zu einem vorher festgelegten Datum nicht abheben können, haben beeindruckende Ergebnisse bei der Erhöhung von Ersparnissen gezeigt (Brune, Gine, Goldberg & Yang, 2011). In der folgenden Fall-

68

StraightONE Behavioral Economics Guide _ 2019

studie arbeitete unser Common Cents Lab mit der Online-Bank Simple zusammen, um die Gestaltung von zeitgesperrten Sparprodukten zu untersuchen.

Hypothesen und Schlüsselerkenntnisse In den USA werden die meisten zeitgebundenen Sparprodukte „Certificates of Deposit“ (CDs) genannt. Wir haben die Hypothese aufgestellt, dass sie weniger erfolgreich sind, als sie es sein könnten, was auf negative Assoziationen zurückzuführen ist (sie verbieten

Ihnen den Zugriff auf Ihr Geld, statt Sie zu befähigen, Ihr Geld so lange sicher aufzubewahren, bis Sie es wirklich brauchen). Wir stellten die Hypothese auf, dass das Reframing von CDs in einem positiveren Licht zu einer höheren Akzeptanz und letztlich zu größeren Einsparungen führen könnte.

Experiment Wir testeten das Framing eines hypothetischen „Super Locked Savings Goal“-Produkts im Vergleich zu einem traditionellen „Certificate of Deposit (CD)“Produkt - identisch abgesehen vom Kontoframing - in einer Umfrage, die an 344 aktive Inhaber eines einfachen Kontos geschickt wurde. Wir testeten auch die Auswirkungen einer sinnvollen, aber durchführbaren Zinsänderung (2 % gegenüber 3 % für 6 Monate gehaltenes Geld) bei allen Produkten, um den relativen Einfluss der Zinssätze auf die Inanspruchnahme im Vergleich zur Kontoeinführung zu testen.

Vorgaben •

CD-Framing, 2% Zinsen: Einlagenzertifikat (CD) mit 2% Zinsen

•

CD-Framing, 3% Zinsen: Einlagenzertifikat (CD) mit 3% Zinsen

•

Super Locked Framing, 2% Zinsen: Super Locked Savings mit 2% Zinsen

•

Super Locked Framing, 3% Zinsen: Super Locked Savings mit 3% Zinsen

•

Abhängige Variablen: Wahrscheinlichkeit, das Produkt zu verwenden, und erwartete Einsparung.

Ergebnisse Im Einklang mit der Hypothese, dass negative Assoziationen CDs ungünstig beeinflussen, sagten die Leute, dass sie ihr Geld eher in das Produkt „Super Locked Savings Goal“ investieren würden als in einen „Certificate of Deposit“. Obwohl es keinen statistisch signifikanten Unterschied zwischen den Bedingungen in Bezug auf die Geldmenge gab, die die Menschen nach eigenen Angaben in die jeweiligen Produkte investieren würden, waren ihre Sparkontosalden für ihre gemeldete Bereitschaft prädiktiv.

Der Wechsel von einem Zinssatz von 2% auf 3% erhöhte die Wahrscheinlichkeit, dass jemand Geld in das Produkt investieren würde, erheblich. Wichtig ist, dass der Wechsel von einem „CD“ zu einem „Super Locked Savings Account“ den gleichen Effekt hatte wie der Wechsel von einem Zinssatz von 2% auf 3%.

Dies deutet darauf hin, dass Finanzinstitute die Sparquoten erhöhen können, indem sie ihre Produkte neu framen lassen.

Bei diesen beiden Fallstudien zur Entscheidungsfindung im Finanzbereich stellten wir fest, dass die Zurückhaltung - in Bezug auf die Fortschritte bei der Kreditrückzahlung und den Namen eines Sparkontos - das Versprechen zeigte, den Menschen dabei zu helfen, langfristig bessere finanzielle Entscheidungen zu treffen.

StraightONE Behavioral Economics Guide _ 2019

69

Teil 2 - Anwendungen

Framing bei der Entscheidungsfindung im Gesundheitswesen Im Gesundheitsbereich konzentriert sich unsere Forschung darauf, wie wir den Menschen helfen können, glücklicher und gesünder zu werden. Die folgenden drei Fallstudien zeigen dies im Zusammenhang mit Bewegungs- und Impfentscheidungen.

Diese Fallstudien konzentrieren sich auf die Frage, wie kurzfristiger Schmerz, Unbehagen und mangelnde Motivation, die oft als Hindernisse für vorteilhafte langfristige Gesundheitsentscheidungen ausgemacht werden, neu definiert werden können.

Gesundheitsstudie #1: Reframing von Trainingsschmerzen

Hypothesen und Schlüsselerkenntnisse Aufbauend auf Laboruntersuchungen (z.B. Shiv, Carmon & Ariely 2005; Weber, Shiv, Carmon & Ariely, 2008), die zeigten, dass Menschen je nachdem, wie ein Placebo beschrieben wird (z.B. sein Preis), eine größere Schmerzlinderung und kognitive Schärfe erfahren, untersuchten wir, inwieweit ein Framing von Trainingsschmerz als hilfreich oder als „Arbeit“ die Gedanken und das Verhalten der Menschen im Zusammenhang mit ihrem Training beeinflussen könnte. In einer kürzlich veröffentlichten Studie (Berman, O‘Brien, Zenko & Ariely, 2019) untersuchten wir diesen Framing-Effekt, der auch als „kognitive Neubewertung“ bekannt ist (Gross & Thompson, 2007), oder die Veränderung der Art und Weise, wie die Teilnehmer die Bedeutung eines Gefühls interpretieren, bevor es erlebt wird. Wir stellten die Hypothese auf, dass das „hilfreiche“ Framing zu einer höheren Trainingsausdauer und einem verbesserten Affekt während des Trainings führen würde.

Experiment Hintergrund Obwohl einige Sportler es lieben, „das Brennen zu spüren“, finden viele, dass das Unbehagen beim Sport ein Hindernis für den Beginn und die Aufrechterhaltung einer aktiven Routine darstellt. Während der Schmerz bei körperlicher Betätigung ein echtes physiologisches Phänomen ist, kann er auch durch kognitive und emotionale Faktoren in ähnlicher Weise wie ein Placebo-Effekt beeinflusst werden (Ekkekakis & Zenko, 2016).

70

StraightONE Behavioral Economics Guide _ 2019

Wir baten 78 Teilnehmer im Alter von 18-55 Jahren so viele Wiederholungen beim Bankdrücken wie möglich auszuführen, um ein Basismaß für ihre Trainingsausdauer zu erhalten. Dann ließen wir sie sich eine ihnen nach dem Zufallsprinzip zugewiesene Sprachaufnahme anhören, die den Zweck der Übungsschmerzen entweder als „hilfreich“ oder „schädlich“ beschrieb, und baten sie dann, die Bankdrückaufgabe zu wiederholen, um ihre Post-Framing-Persistenz mit ihrem Ausgangswert zu vergleichen.

100 75

ANGENEHMHEIT DES SCHMERZES 100 = am angenehmsten vorstellbar, 0 = neutral, -100 = am unangenehmsten vorstellbar

50 25

Helpful

Harmful -24

-12

0 -25

*

-50 -75 -100

Abb. 5: Angenehme Schmerzen, die unter zwei Bedingungen berichtet wurden, die Bewegungsschmerzen als hilfreich oder schädlich einstufen. Hinweis: *Sternchen bedeutet, dass der Unterschied zwischen den Gruppen statistisch signifikant ist.

Vorgaben •

Hilfreich: Framing des Schmerzes als Zeichen des Muskelaufbaus

•

Schädlich: Framing des Schmerzes als Zeichen von Muskelzerrung und möglicher Verletzung

•

Abhängige Variablen: Trainingsausdauer (Anzahl der abgeschlossenen Bankdrück-Wiederholungen), affektive Valenz, Schmerzvalenz, Schmerzintensität, Übungsaufgaben-Angst und Erregung

Ergebnisse Teilnehmer mit der „hilfreich“-Vorgabe fühlten sich in Bezug auf ihre Schmerzen weniger negativ, aber keine anderen Variablen unterschieden sich zwischen den Gruppen (einschließlich der Anzahl der vollendeten Bankdrück-Wiederholungen.

Obwohl die Manipulation keinen Einfluss auf die Trainingsausdauer hatte, zeigt diese Studie, dass es möglich ist, die Gefühle während der Übung zu verändern, während ihre physiologische Natur unverändert bleibt. Die Teilnehmerinnen und Teilnehmer hoben über die gesamte Vorgabe hinweg die Gewichte

StraightONE Behavioral Economics Guide _ 2019

71

Teil 2 - Anwendungen

gleich oft, fühlten sich aber weniger negativ mit ihren Schmerzen, wenn diese positiv reframed wurden.

Eine bestimmte Auswirkung aufs Training steht mit zukünftigen Trainingsabsichten in Zusammenhang (Rhodes & Kates, 2015), so dass es möglich ist, dass eine solche Framing-Manipulation auch zur Verbesserung der Absichten der Menschen führen könnte, in Zukunft zu trainieren, und weitere Untersuchungen könnten mögliche langfristige Verhaltensauswirkungen des Reframings von Schmerz aufzeigen.

Gesundheitsstudie #2: Reframing von Impfschmerzen

of Nursing baten wir Teilnehmerinnen und Teilnehmer, die Schmerzen, die sie durch eine kürzlich durchgeführte Grippeimpfung erlebt hatten, zu reframen und untersuchten, ob ihre erinnerten Schmerzen ihre Absicht beeinflussten, im folgenden Jahr eine Grippeimpfung zu erhalten. Bei geeigneten Teilnehmern fragten wir auch nach ihren Absichten, sich gegen das humane Papillomavirus (HPV) impfen zu lassen.

Da eine kognitive Aufarbeitung den Betroffenen helfen kann, mit Schmerzen (Hampton, Hadjistavropoulos, Gagnon, Williams & Clark, 2015) und negativen Emotionen (Kalokerinos, Greenaway & Denson, 2014) umzugehen, stellten wir die Hypothese auf, dass Personen im Zustand der „Schmerzaufarbeitung“ ihre Schmerzen als geringer einstufen und im Vergleich zu den Zuständen der „Basiskontrolle“ und „Schmerzkontrolle“ eine stärkere Absicht zeigen würden, sich gegen Grippe und HPV impfen zu lassen.

Hintergrund Impfungen sind ein wirksames Mittel zur Krankheitsprävention (Orenstein & Ahmed, 2017; Andre et al., 2008); die Verfügbarkeit von Impfstoffen führt jedoch nicht automatisch zu einem bestimmten Verhalten, und strukturelle und psychologische Barrieren können Menschen davon abhalten, sich impfen zu lassen.

Experiment Eine Stichprobe von 1.657 Studenten, Dozenten und Mitarbeitern von Duke erhielt in einer Pop-Up-Klinik Grippeimpfung, von denen 1.478 unsere experimentellen Maßnahmen abschlossen (89% Rücklaufquote).

Die Teilnehmer erhielten einen von drei Flyern (siehe unten) und temporäre Tätowierungen mit Botschaften über die Schmerzen einer Grippeimpfung.

Hypothesen und Schlüsselerkenntnisse Erinnerungen an negative Auswirkungen können die Absichten hinsichtlich zukünftiger Verhaltensweisen im Bereich Gesundheit wie Training (Kwan, Stevens, & Bryan, 2017) und Impfungen (Taddio et al., 2009) beeinflussen. In Zusammenarbeit mit der Duke School

72

StraightONE Behavioral Economics Guide _ 2019

Vorgaben •

Baseline-Kontrolle: Grippeimpfung beschrieben als guter Weg zur Gesunderhaltung

•

Schmerzkontrolle: Schmerzen durch Grippeimpfung beschrieben in Verbindung mit Lösungen für wunde Arme

Abb. 6

StraightONE Behavioral Economics Guide _ 2019

73

Teil 2 - Anwendungen

•

Neubewertung von Schmerzen: Framing der Schmerzen durch Grippeimpfungen als etwas, das den Körper stärker macht

•

Abhängige Variablen: Absicht, eine Grippe- und HPV-Impfung zu erhalten.

Ergebnisse Wir fanden keinen Unterschied zwischen den verschiedenen Vorgaben hinsichtlich der Absicht, eine Grippe- oder HPV-Impfung zu erhalten. Dies könnte darauf zurückzuführen sein, dass die Schmerzwahrnehmung bereits sehr gering war (eine durchschnittliche Bewertung von 2,5 auf einer Skala von 1-10 im Vergleich zu ihrer vorherigen Grippeimpfung) und die Impfabsichten in dieser Stichprobe bereits hoch waren (mit einem durchschnittlichen Interesse von 2,72 auf einer Skala von 1-5 für den HPV-Impfstoff (SD=1,33) und einem durchschnittlichen Interesse von 4,33 (SD=0,86) für den Grippeimpfstoff). Dieser potenzielle Bodeneffekt für Schmerzen und der Deckeneffekt für die Impfabsicht könnte zu einer zu geringen Variation geführt haben, um Unterschiede von unserer Manipulation zu erkennen. Wir sind dabei, die Neubewertung von Impfungen zu untersuchen, die möglicherweise mit einem stärkeren Armschmerz verbunden sind oder mehrere Dosen erfordern, um die Auswirkungen des Reframings von Schmerzen auf schmerzhaftere Impfarten zu untersuchen.

Die positive Wirkung des Reframings von Schmerzen in unserer Trainingsstudie kam in unserer Impfstudie nicht zum Vorschein, vielleicht aufgrund der geringen Schmerzen, die die Teilnehmer mit der Grippeimpfung in Verbindung brachten. Daher versuchten wir, einen anderen Aspekt der Impfung neu zu formu-

74

StraightONE Behavioral Economics Guide _ 2019

lieren, von dem wir glaubten, dass er relevanter sein könnte als Schmerzen: Die Motivation für eine Impfung.

Gesundheitsstudie #3: Reframing der Impfmotivation

Hintergrund Eine Änderung des Framing kann die gesunde Ernährung bei Jugendlichen fördern (Bryan, Yeager, Hinojosa, Chabot, Bergen, Kawamura & Steubing, 2016), ein Verhalten, das bei Jugendlichen besonders schwierig zu fördern ist (Stevenson et al., 2007). Eine ikonoklastische Intervention machte sich erfolgreich den Wunsch nach sozialer Gerechtigkeit und Autonomie zunutze, indem sie gesunde Ernährung als einen Weg darstellte, um gegen Großkonzerne und manipulative Marketingkampagnen Stellung zu beziehen. Angesichts der allgemeinen Antipathie der Amerikaner gegenüber Krankenkassen (Gallup, 2018) testeten wir eine ähnliche Strategie im Zusammenhang mit der Grippeimpfung mit einer erwachsenen Stichprobe.

ABSICHT ZU IMPFEN

80

*

70 60

*

50 40 30 20

Abb. 7: Die Absicht, unter drei Bedingungen zu impfen, die die Impfmotivation als eine Möglichkeit darstellen, gesund zu bleiben (Kontrolle), die Versicherungsleistungen zu maximieren oder Ihrer Versicherungsgesellschaft zum Trotz. Hinweis: *Sternchen bedeutet, dass der Unterschied zwischen den Gruppen statistisch signifikant ist.

10 0

Kontrolle

Maximieren

Trotz

Hypothesen und Schlüsselerkenntnisse

Viele Menschen haben das Gefühl, dass die Kosten ihrer Krankenversicherung im Verhältnis zu den Leistungen, die sie erhalten, zu hoch sind, und sind skeptisch, dass den Versicherern ihre besten Interessen am Herzen liegen (Gallup, 2018; 2019). Wir stellten die Hypothese auf, dass das Framing der Impfung als eine Möglichkeit, sie der eigenen Krankenkasse aufzuzwingen (die „Trotz“-Bedingung), zu der größten Absicht führen würde, einen Grippeimpfstoff zu erhalten. Insgesamt 800

Erwachsene wurden nach dem Zufallsprinzip einer von drei Vorgaben zugeordnet: „Kontrolle“, „Maximierung“ oder „Trotz“.

Experiment Insgesamt 800 Erwachsene wurden nach dem Zufallsprinzip einer von drei Bedingungen zugeordnet: „Kontrolle“, „Maximierung“ oder „Gehässigkeit“.

StraightONE Behavioral Economics Guide _ 2019

75

Teil 2 - Anwendungen

•

Kontrolle: Framing der Grippeimpfung als Weg zur Gesunderhaltung

Schmerzen verbesserte die Erfahrung der Menschen mit Bewegungsschmerzen, hatte jedoch keinen Einfluss auf die Impfschmerzen oder die Impfabsichten. Die Verwendung von Gehässigkeit zum Reframing der Motivation für eine Impfung erhöhte jedoch die Impfabsichten.

•

Maximierung: Framing der Grippeimpfung als Möglichkeit zur Maximierung Ihrer Versicherungsleistungen

Zusammenfassung

Vorgaben

•

Gehässigkeit: Framing der Grippeimpfung als Möglichkeit Ihre Versicherungsgesellschaft zu ärgern

•

Abhängige Variable: Absicht, einen Grippeimpfstoff zu erhalten

Ergebnisse Im Vergleich zur Gruppe „Kontrolle“ erhöhten sowohl die Vorgabe „Maximierung“ als auch die Vorgabe „Gehässigkeit“ den Prozentsatz der Menschen, die an einer Grippeimpfung interessiert waren, signifikant. Darüber hinaus äußerten die Teilnehmer der Vorgabe „Maximierung“ etwas weniger Abneigung gegen ihre Versicherung als die mit der Vorgabe „Gehässigkeit“, obwohl dieser Unterschied statistisch nicht signifikant war.

Das Framing der Grippeschutzimpfung entweder als Möglichkeit zur Nutzenmaximierung oder als Gehässigkeit führte dazu, dass sich im Vergleich zum Framing der Gruppe „Kontrolle“ ~10% mehr Menschen für eine Impfung interessierten.

Bei diesen drei Fallstudien zur Entscheidungsfindung im Gesundheitswesen stellten wir fest, dass das Reframing unterschiedliche Auswirkungen auf affektive und intentionale Ergebnisse hatte. Das Reframing von

76

StraightONE Behavioral Economics Guide _ 2019

Anhand von fünf Fallstudien, die im Labor und im Feld durchgeführt wurden, zeigen wir auf, wie und wann verschiedene Varianten des Framings die Entscheidungsfindung beeinflussen können. Im Finanzbereich haben wir gesehen, dass das Framing von Zahlungen als Beträge, die man in zukünftiges Eigentum investiert, die Menschen dazu veranlasst hat, mehr Geld für die Tilgung ihrer Schulden aufzuwenden, als wenn die gleiche Entscheidung als Rückzahlung ihres Kredits geframed wurde. Und wir sahen, wie das Reframing von Einlagenzertifikaten (CD) in Super Locked Savings-Produkte zu der gleichen Erhöhung der angegebenen Wahrscheinlichkeit zu sparen führte wie die Erhöhung der Zinsen von 2% auf 3%.

Im Gesundheitsbereich haben wir gesehen, wie das Framing von Trainingsschmerzen als Zeichen des Muskelaufbaus dazu führte, dass die Menschen sich weniger mit ihrem Training gefühlt haben, während das Framing von Impfschmerzen als Zeichen der Stärkung des Körpers nicht zu einem vergleichbaren Effekt führte.

Das Framing der Motivation hinter der Impfung hatte jedoch Auswirkungen auf die Absichten der Menschen, eine Grippeimpfung zu erhalten: das Framing der Grippeimpfung als Möglichkeit, die Versicherungsleistungen zu maximieren oder der eigenen Versicherungsgesellschaft zu trotzen, führte zu einer größeren Impfabsicht, als wenn die Grippeimpfung lediglich als Mittel zur Gesunderhaltung geframed wurde.

Choice-Architekten haben die Aufgabe, mit Hilfe von Framingtechniken positive Verhaltensänderungen zu

Chapter 01

fördern - sei es die Förderung der Impfbereitschaft oder des Sparverhaltens - und jede im Labor und im Feld getestete Erkenntnis bildet eine solidere Grundlage für künftige Verhaltensmaßnahmen.

Die Praxis der Verhaltenswissenschaften hat seit 2010, als die Laborstudien an der Spitze standen, einen langen Weg zurückgelegt, und ihre Entwicklung - sowohl in Bezug auf die komplementäre Mischung aus Labor- und Feldstudien als auch in der Entwicklung von Partnerschaften zwischen Hochschulen und Industrie - ist ein wichtiger Schritt hin zu einem umfassenderen Verständnis des menschlichen Verhaltens, das sowohl den Kontext als auch die Auswirkungen auf die reale Welt berücksichtigt.

Mitbegründerin des Behavior Shop, einer verhaltenswissenschaftlichen Beratungsfirma, und Leiterin des Center for Advanced Hindsight an der Duke University, Dan Arielys Labor für angewandte Verhaltenswissenschaften, das Menschen hilft, glücklicher, gesünder und wohlhabender zu sein.

Catherine J. Berman

ist Forscherin am Center for Advanced Hindsight an der Duke University. Ihre aktuelle Forschung konzentriert sich auf die Schnittpunkte von Verhaltenswissenschaft, Gesundheit und geistigem Wohlbefinden.

Catherine setzt sich leidenschaftlich dafür ein, durch Forschungskooperationen zu greifbaren, gerechten Verbesserungen in der Welt beizutragen.

Die Autoren

Aline Holzwarth ist eine angewandte Verhaltensforscherin, die sich auf digitale Gesundheitsforschung und wissenschaftlich fundiertes Produktdesign spezialisiert hat. Ihre Ausbildung in Psychologie und Wirtschaft und ihre Erfahrung in Forschung und Gesundheitswesen haben ihr die interdisziplinäre Linse gegeben, die notwendig ist, um die Komplexität der Entscheidungsfindung in der realen Welt zu verstehen. Aline ist Leiterin der Verhaltenswissenschaften bei Pattern Health, einer digitalen Gesundheitsplattform, die Innovationen anregen und beschleunigen und mit weniger Aufwand mehr Wirkung erzielen soll. Darüber hinaus ist sie

Janet Schwartz

ist Executive in Residence am Center for Advanced Hindsight der Duke University. Sie hat an der Rutgers University in kognitiver Psychologie promoviert. Ihre aktuelle Forschung liegt an der Schnittstelle von Marketing und öffentlicher Politik, wo sie Erkenntnisse aus der Verhaltensökonomie nutzt, um zu untersu-

StraightONE Behavioral Economics Guide _ 2019

77

Teil 2 - Anwendungen

chen, wie Verbraucher auf dem Gesundheitsmarkt navigieren. Sie setzt eine Vielzahl von Methoden ein, um die Gesundheitsversorgung als Verbrauchererfahrung besser zu verstehen. Sie hofft, dass diese Erkenntnisse genutzt werden können, um Praktiken und Strategien zu entwickeln, die das Wohlergehen der Verbraucher verbessern. Janets Forschungsergebnisse wurden in führenden Marketing-, gesundheitspolitischen und psychologischen Fachzeitschriften wie dem Journal of Marketing Research, dem Journal of Consumer Research, Health Affairs und Psychological Science veröffentlicht. Ihre Arbeit wurde auch in Medien wie der New York Times, CNN, NPR und der Harvard Business Review veröffentlicht.

Anja Schanbacher

ist Postdoktoranden-Assistentin am Center for Advanced Hindsight an der Duke University. Ihre Hauptforschungsinteressen umfassen das Selbst und Identität, finanzielle Entscheidungen der Verbraucher, intertemporale Entscheidungen und Gesundheitsverhalten. Ihre Forschung hat Auswirkungen auf das Wohlergehen der Verbraucher und bietet eine Grundlage für Marketing und Interventionen der öffentlichen Politik. Anja hat an der London Business School in Marketing (Verbraucherverhalten) promoviert und zuvor ein Diplom (äquivalent zum MasterAbschluss) in Psychologie an der LudwigMaximilians-Universität in München erworben.

78

StraightONE Behavioral Economics Guide _ 2019

Lindsay Juarez ist Direktorin bei Irrational Labs. Ihr Forschungsschwerpunkt liegt auf der Selbstkontrolle und der Entwicklung von Interventionsmaßnahmen, die alltägliche Verhaltensweisen, die zu gesünderen, wohlhabenderen und glücklicheren Menschen führen - wie z.B. Sport oder Sparen für den Ruhestand - nicht nur einfacher, sondern auch angenehmer und unterhaltsamer machen.

Vor ihrer Arbeit bei Irrational Labs und dem CAH arbeitete Lindsay für das Rechenschaftsbüro der Bundesregierung und an der New York University an einer Reihe von Schulinterventionen an mehreren Standorten, um das rassische Leistungsgefälle im akademischen Bereich zu verringern. Ihre Forschung wurde durch Stipendien der National Science Foundation und der Templeton Foundation finanziert und in führenden politischen und psychologischen Fachzeitschriften veröffentlicht. Sie hat mit Kunden gearbeitet, die von Meditations-Startups über Kochbücher bis hin zu internationalen Banken reichten, um verhaltenswissenschaftliche Erkenntnisse einzubeziehen. Lindsay erhielt ihren BA in Psychologie vom Reed College und ihren MA und PhD in Sozialpsychologie von der University of Virginia. Auf der Suche nach einem angenehmen Ausgleichssport hat sie ihre 200-Stunden-Yogalehrer-Ausbildung und zwei BarreInstructor-Ausbildungen mit Zertifikat abgeschlossen.

Richard Mathera Mariel Beasley ist geschäftsführender Direktor bei Irrational Labs, wo er die Praxis der finanziellen Entscheidungsfindung leitet, und Senior Research Advisor für das Common Cents Lab, eine Initiative der Duke University innerhalb des Center for Advanced Hindsight, die die Verhaltensökonomie nutzt, um das finanzielle Wohlergehen von Haushalten mit niedrigem bis mittlerem Einkommen in den Vereinigten Staaten zu verbessern.

Jan Willem Lindemans leitet das Gesundheitsteam am Center for Advanced Hindsight. Seine Forschung deckt ein breites Spektrum von Verhalten im Gesundheitssektor ab: von Lebensstil, Impfung und Selbstversorgung bis hin zur persönlichen Finanzierung von Gesundheit. Er hat umfassend mit Partnern in der Gesundheitsbranche, im globalen Gesundheitswesen und in der Gesundheitstechnologie zusammengearbeitet. Bevor er nach Duke kam, war er Postdoc-Forscher und GründungsKo-Direktor der Penn Social Norms-Gruppe an der University of Pennsylvania.

ist Schulleiterin am Center for Advanced Hindsight an der Duke University und Mitbegründerin des Common Cents Lab - ein Unterzentrum, das sich für die Verbesserung des Finanzverhaltens von Haushalten mit niedrigem bis mittlerem Einkommen in den Vereinigten Staaten einsetzt. Das Labor arbeitet direkt mit Kreditgenossenschaften, gemeinnützigen Organisationen und lokalen Regierungen zusammen und bezieht Erkenntnisse aus den Verhaltenswissenschaften ein, um Mitgliedern, Kunden und Bewohnern zu helfen, ein glücklicheres, gesünderes und wohlhabenderes Leben zu führen. Mariel und ihr Team verwenden quantitative Methoden, um Ideen vor Ort zu entwerfen und rigoros zu testen, um herauszufinden, was benötigt wird, was funktioniert und wie man vorankommen kann. Bis heute haben Innovationen aus dem Common Cents Lab das finanzielle Leben von über einer halben Million Menschen in den USA messbar verbessert. Mariel unterrichtet auch einen Master-Kurs in Verhaltenswissenschaften für Kommunalpolitik an der Duke University.

StraightONE Behavioral Economics Guide _ 2019

79

Teil 2 - Anwendungen

JanMatt Trower

Dan Ariely ist Professor für Psychologie und Verhaltensökonomie an der Fuqua School of Business und Leiter des Center for Advanced Hindsight. Er untersucht, wie Menschen tatsächlich auf dem Markt agieren, im Gegensatz dazu, wie sie sich verhalten sollten, wenn sie rationale Wesen wären. Zu Dans Bestseller-Büchern über Verhaltensökonomie gehört ‚Predictably irrational: The Hiden Forces hat Shape Our Decisions‘ („Vorhersehbar irrational: Die verborgenen Kräfte, die unsere Entscheidungen formen“),‘The Upside of Irrationality‘ („Die Kehrseite der Irrationalität“), ‚The (Honest) Truth About Dishonesty‘ („Die (ehrliche) Wahrheit über Unehrlichkeit“), ‚Irrationally Yours: On Missing Socks, Pickup Lines, and Other Existential Puzzles‘ („Irrational der Ihre: Über fehlende Socken, Abholleitungen und andere existentielle Rätsel“), ‚Dollars and Sense: How We Misthink Money and How to Spend Smarter‘ („Dollars und Sinn: Wie falsch wir über Geld denken und wie wir es klüger ausgeben können“), und zuletzt ‚Amazing Decisions: The Illustrated Guide to Improving Business Deals and Family Meals‘ („Erstaunliche Entscheidungen: Der illustrierte Leitfaden zur Verbesserung von Geschäftsabschlüssen und Familienmahlzeiten“).

ist der am Center for Advanced Hindsight ansässige Künstler. Im Zentrum werden Illustrationen und Design verwendet, um die Art und Weise zu bereichern, wie das Labor mit der Welt kommuniziert und Forschung betreibt. Ganz gleich, ob es sich um Comics, Illustrationen, Diagramme oder Designs handelt, Matt Trower glaubt an die Macht der visuellen Medien, um Konzepte leicht zu vermitteln, die allein in Text oder Sprache schwer zu erklären sind.

Literaturhinweise Amar, M., Ariely, D., Ayal, S., Cryder, C. E., & Rick, S. I. (2011).

Winning the battle but losing the war: The psychology of debt management. Journal of Marketing Research, 48(SPL), S38-S50.

Andre, F. E., Booy, R., Bock, H. L., Clemens, J., Datta, S. K., John, T. J., Lee, B. W., Lolekha, S., Peltola, H., Ruff, T. A., Santosham, M., & Schmitt, H. J. (2008). Vaccination greatly reduces disease, disability, death and inequity worldwide. Retrieved from https:// www.who.int/bul- letin/volumes/86/2/07-040089/en/.

Berman, C. J., O’Brien, J. D., Zenko, Z., & Ariely, D. (2019). The limits of cognitive reappraisal: Changing pain valence, but not persistence during a resistance exercise task. International Journal of Environmental Research and Public Health, 16(19), 3739.

Brune, L., Giné, X., Goldberg, J., & Yang, D. (2011). Commitments to save: A field experiment in rural Malawi. The World Bank. Retrieved from https://elibrary.worldbank.org/doi/ abs/10.1596/1813-9450-5748.

Bryan, C. J., Yeager, D. S., Hinojosa, C. P., Chabot, A., Bergen, H., Kawamura, M., & Steubing, F. (2016). Harnessing adolescent values boosts healthy eating. Proceedings of the National Academy of Sciences, 113(39), 10830-10835.

Corbin, J., Rayburn-Reeves, B., & Lindemans, J. W. (2020, February 6). Behavioral science workshop: Working with Centene

80

StraightONE Behavioral Economics Guide _ 2019

to improve patient care. Retrieved from https://ad- vanced-hindsight.com/blog/behavioral-science-workshop-working-with-centene-to-im- prove-patient-care/.

Ekkekakis, P., & Zenko, Z. (2016). Escape from cognitivism: Exercise as hedonic experience. In M. Raab, P. Wylleman, R. Seiler, A.-M. Elbe, & A. Hatzigeorgiadis (Eds.), Sport and exercise psy- chology research: From theory to practice (pp. 389-414).

Cambridge, MA: Elsevier Academic Press.

Gallup. (2018, December 10). Six in 10 Americans worry about higher healthcare premiums (Justin McCarthy). Retrieved from https://news.gallup.com/poll/245312/six-americans-wor- ryhigher-healthcare-premiums.aspx.

Gallup (2019). Honesty/ethics in professions. Retrieved from https://news.gallup.com/ poll/1654/honesty-ethics-professions. aspx.

Gino, F., Norton, M. I., & Ariely, D. (2010). The counterfeit self: T he deceptive costs of faking it. Psychological Science, 21(5), 712720.

Gross, J. J., & Thompson, R. A. (2007). Emotion regulation: Conceptual foundations. In J.J. Gross (Ed.), Handbook of Emotion Regulation (pp. 3-24). New York, NY: The Guilford Press.

Hampton, A. D. , Hadjistavropoulos, T. , Gagnon, M. M. , Williams, J., & Clark, D. (2015). The effects of emotion regulation strategies on the pain experience. PAIN, 156(5), 868-879.

Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47, 263-291.

Kalokerinos, E., Greenaway, K., & Denson, T. (2014). Reappraisal but not suppression downreg- ulates the experience of positive and negative emotion. Emotion, 15(3), 271-275.

Kwan, B. M., Stevens, C. J., & Bryan, A. D. (2017). What to expect when you’re exercising: An experimental test of the anticipated affect-exercise relationship. Health Psychology, 36(4), 309-319.

Lee, C. Y., Morewedge, C. K., Hochman, G., & Ariely, D. (2019).

Small probabilistic discounts stim- ulate spending: Pain of paying in price promotions. Journal of the Association for Consumer Research, 4(2), 160-171.

Levin, I. P., & Gaeth, G. J. (1988). How consumers are affected by the framing of attribute in- formation before and after consuming the product. Journal of Consumer Research, 15(3), 374-378.

Levin, I. P., Schneider, S. L., & Gaeth, G. J. (1998). All frames are not created equal: A typology and critical analysis of framing effects. Organizational Behavior and Human Decision Processes, 76, 149-188.

Mochon, D., Johnson, K., Schwartz, J., & Ariely, D. (2017). What are likes worth? A Facebook page field experiment. Journal of Marketing Research, 54(2), 306-317.

Rhodes, R. E., & Kates, A. (2015). Can the affective response to exercise predict future mo- tives and physical activity behavior?

A systematic review of published evidence. Annals of Behavioral Medicine, 49(5), 715-731.

Schwartz, J., Mochon, D., Wyper, L., Maroba, J., Patel, D., & Ariely, D. (2014). Healthier by pre- commitment. Psychological Science, 25(2), 538-546.

Schwartz, J., Riis, J., Elbel, B., & Ariely, D. (2012). Inviting consumers to downsize fast-food por- tions significantly reduces calorie consumption. Health Affairs, 31(2), 399-407.

Schwartz, J., Schanbacher, A., & Ariely D. (2020). Equity neglect in loan repayment decisions. Duke University working paper.

Shiv, B., Carmon, Z., & Ariely, D. (2005). Placebo effects of marketing actions: Consumers may get what they pay for. Journal of Marketing Research, 42(4), 383-393.

Stevenson, C., Doherty, G., Barnett, J., Muldoon, O. T., & Trew, K. (2007). Adolescents’ views of food and eating: Identifying barriers to healthy eating. Journal of Adolescence, 30(3), 417-434.

Taddio, A., Chambers, C. T., Halperin, S. A., Ipp, M., Lockett, D., Rieder, M. J., & Shah, V. (2009). Inadequate pain management during routine childhood immunizations: The nerve of it.

Clinical Therapies, 31(Suppl. B), S152-S167.

Waber, R. L., Shiv, B., Carmon, Z., & Ariely, D. (2008). Commercial features of placebo and therapeutic efficacy. Journal of the American Medical Association, 299(9), 1016-1017.

Abbildungen Abb.1: https://unsplash.com/@Jeremy Bishop Abb.2: https://unsplash.com/@ Daniele Maquinezv Abb.3: Durchschnittlicher Betrag einer Steuerrückerstattung in Höhe von 300 US-Dollar für den Kauf eines Sofas unter drei Bedingungen, die die Zahlung in Form der Rückzahlung des Darlehens, der Rückzahlung des Sofas oder des Besitzes des Sofas vorsehen.

Abb.4: Gebrauchswahrscheinlichkeit und zu erwartender Sparbetrag unter vier Bedingungen, die den Zinssatz (2% oder 3%) und die Ausgestaltung eines Finanzprodukts (Super Locked Savings Goal-Produkt oder Einlagenzertifikat) variieren.

Abb.5: Angenehmes Schmerzempfinden unter zwei Bedingungen, die Bewegungsschmerzen als hilfreich oder schädlich einstufen.

Orenstein, W. A., & Ahmed, R. (2017). Simply put: Vaccination saves lives. Proceedings of the National Academy of Sciences of the United States of America, 114(16), 4031-4033.

StraightONE Behavioral Economics Guide _ 2019

81

Teil 2 - Anwendungen

Green New Deals Das Prahlen mit der Nachhaltigkeit und der wahre Wert ethischer Markenbildung

82

StraightONE Behavioral Economics Guide _ 2019

Zusammenfassung

Immer mehr Käufer scheinen Kaufentscheidungen auf der Grundlage ihres Werturteils über ethische Fragen zu treffen (Steinhoffer, 2018). Gleichzeitig ist die Zahl der Marken stark angestiegen, die die Ethik in den Vordergrund ihres Angebots stellen. Man kann also mit Fug und Recht behaupten, dass die Marken auf die Triebkräfte des Kaufverhaltens der Verbraucher reagieren.

Oder tun sie das? Wir haben eine Reihe von Forschungsmethoden eingesetzt, um dies herauszufinden.

Unsere Haupterkenntnis ist, dass die Menschen übertreiben, wie ethisch sie sind, und dies gilt insbesondere für jene Verhaltensweisen, die aktuell sind und einen erheblichen Aufwand erfordern; so übertreibt zum Beispiel mehr als jeder dritte Verbraucher sein Recycling-Verhalten. Unsere Untersuchung ergab, dass fast neun von zehn (87%) Menschen angeben, in der letzten Woche recycelt zu haben, aber nur etwas mehr als die Hälfte von ihnen hat dies tatsächlich getan (52%). Die Verbraucher überbewerten auch ihr nachhaltiges Reiseverhalten: jeder Vierte gibt fälschlicherweise an, im letzten Monat mit dem Fahrrad oder zu Fuß gereist zu sein, anstatt das Auto oder öffentliche Verkehrsmittel zu benutzen.

Abb. 1

In der überwiegenden Mehrheit der demographischen Daten geben die Menschen übertriebene Verhaltensweisen an, die ihrer Meinung nach den sozialen Normen entsprechen. Wir stellen fest, dass diese Art von „sozialer Prahlerei“ am höchsten ist, wenn es um Recycling, Reiseverhalten und die Vermeidung von Produkten mit Palmöl geht. All diese Verhaltensweisen sind in der heutigen Gesellschaft weit verbreitet, wobei sich viele Medienberichte und Kampagnen auf ihre Auswirkungen auf die Umwelt konzentrieren. Doch wenn es darum geht, „mit den Attenboroughs Schritt zu halten“, scheinen es nicht Taten, sondern Worte der Käufer zu sein, die den ethischen Konsumrummel noch verstärken.

StraightONE Behavioral Economics Guide _ 2019

83

Teil 2 - Anwendungen

Der zweite Teil unserer Untersuchung bestätigt dieses Ergebnis und deutet darauf hin, dass ethisches Konsumverhalten derzeit kein Kaufmotiv ist. Die Verbraucher werden nicht dazu angeregt, ein ethisches Produkt einer Marke zu kaufen, eben weil es ein ethisches Image hat; stattdessen ist die Frage, wie sehr sie eine Marke mögen und sie für erschwinglich halten, ein viel stärkerer Kaufanreiz. Folglich verhalten sich Verbraucher nicht nur weniger ethisch, als sie vorgeben, sondern es ist ihnen im Allgemeinen auch egal, ob ein Unternehmen tatsächlich ethisch ist oder nicht.

Abgesehen davon gibt es einige kleinere Ausnahmen von dieser allgemeinen Regel, wobei den Marken spezifische ethische Hebel zur Verfügung stehen, die zur Umsatzsteigerung beitragen können. In der Gesundheits- und Schönheitsindustrie zum Beispiel sind die Verbraucher bereit, den höchsten Aufschlag für Produkte zu zahlen, die nicht an Tieren getestet wurden (17%). Der Schlüssel zur Erschließung dieses potenziellen Werts ist die Modellierung von Verbraucherdaten. Unsere Forschungsergebnisse zeigen, dass sich ein Demografie-Merkmal von der Masse abhebt, da diese Personen eher ethische Kaufentscheidungen treffen: Frauen und Menschen mit einem Hochschulabschluss.

Keines der Ergebnisse in diesem Bericht wäre jedoch zuverlässig, wenn wir uns auf Selbstauskünfte verlassen hätten. Menschen sind nicht gut in der Selbstbeobachtung, daher sollten sich Marken nicht auf Standard-Forschungsansätze wie qualitative Interviews und Fokusgruppen verlassen. Stattdessen helfen Methoden wie die Unmatched Count Technique (Govind et al., 2017) und randomisierte Kontrollstudien dabei, wahre Verhaltensweisen herauszuarbeiten und echte Einsichten aufzudecken.

Um diesen Punkt zu veranschaulichen, zeigt unsere Studie eine erhebliche Diskrepanz zwischen den Personen, die sich selbst entweder als extrem unethische oder als extrem ethische Käufer einstuften, wobei beide eine 30%ige Neigung zum Kauf ethischer Produkte aufweisen.

84

StraightONE Behavioral Economics Guide _ 2019

Erstes Kapitel: Wer, der am lautesten schreit Menschen behaupten oft, in einer Weise zu handeln, die ihrer Meinung nach mit dem Rest der Gesellschaft übereinstimmt, was in der Regel auf soziale Normierung zurückzuführen ist (Farrow et al., 2017). Natürlich entsprechen diese Behauptungen nicht immer der Wahrheit. Um zu ermitteln, wie ethisch Konsumenten tatsächlich sind, haben wir daher die Unmatched Count Technique verwendet, um reale Verhaltensweisen zu ermitteln. Das Hauptergebnis ist insofern aufschlussreich, als sie oft übertreiben, wie ethisch sie sind.

Als soziale Wesen ist es uns wichtig, was andere Menschen von uns denken. Wenn die Mehrheit unserer Freunde, Familienangehörigen und Kollegen auf eine bestimmte Art und Weise handeln oder ähnliche Wertvorstellungen teilen, ist es unsere Vorgabe, uns anzupassen. Deshalb haben wir die Unmatched Count Technique (Raghavaro & Federer, 1979) angewandt, um den Befragten einen Schleier der Anonymität zu bieten und sie zu einer wahrheitsgetreueren Antwort zu ermutigen.

Übertriebene Aktionen, unterbewertete Ethik Mit Hilfe der Unmatched Count Technique (UCT, siehe Abschnitt Methodik) teilten wir die Konsumenten nach dem Zufallsprinzip in drei Gruppen ein. Eine Gruppe wurde gefragt, welche von acht ethischen Aussagen auf sie zutreffen. Die zweite Gruppe wurde gefragt, wie viele Aussagen aus einer festgelegten Liste von vier unumstrittenen Aussagen (z.B. Ich war in Amerika) zutreffend waren, aber sie wurde nicht gebeten anzugeben, welche der Aussagen zutreffend waren. Der dritten Gruppe wurde eine weitere Liste mit unumstrittenen Aussagen vorgelegt, die aber auch eine der acht ethischen Aussagen enthielt, die für jeden Verbraucher nach dem

Zufallsprinzip ausgewählt worden waren. Diese Gruppe wurde auch gebeten, anzugeben, wie viele der Aussagen zutreffend waren, aber nicht, welche der einzelnen Aussagen.

Durch den Vergleich der Ergebnisse für diejenigen, die eine ethische Aussage sahen und für diejenigen, die sie nicht sahen, konnten wir die tatsächliche Prävalenz jedes ethischen Verhaltens bestimmen. Die Ergebnisse (Abbildung 3) zeigen, dass die Menschen dazu neigen, das Auftreten von sieben dieser Verhaltensweisen überzubewerten, wenn auch in unterschiedlichem Ausmaß.

Dies gilt insbesondere für Verhaltensweisen, die eher typisch sind - wie Recycling - und solche, die einen erheblichen Aufwand erfordern - wie nachhaltiges Reisen.

Die größte ethische Übertreibung der Verbraucher bezieht sich auf ihr Recycling-Verhalten, wobei mehr als jeder Dritte in der vergangenen Woche ihre Konformität überbewertet hat (35% Unterschied zwischen angegebenem und tatsächlichem Verhalten). In ähnlicher Weise stellt die Studie fest, dass zwar drei von fünf Verbrauchern angeben, im vergangenen Monat ein nachhaltiges Reiseverhalten an den Tag gelegt zu haben (60%), aber etwas mehr als ein Drittel tatsächlich zu Fuß geht oder Rad fährt, anstatt das Auto oder öffentliche Verkehrsmittel zu benutzen (35%). Dies bedeutet, dass einer von vier Verbrauchern sein Reiseverhalten übertrieben darstellt.

Steht ein ethisches Verhalten jedoch nicht besonders im Vordergrund und ist es nicht mit erheblichem Aufwand

Abb. 2

StraightONE Behavioral Economics Guide _ 2019

85

Teil 2 - Anwendungen

verbunden, übertreiben die Konsumenten ihr Verhalten weit weniger. Dies zeigt sich am deutlichsten bei der Feststellung, dass fast 50% weniger Menschen angeben, im letzten Jahr an die Tafel gespendet zu haben, als dies bei den Behauptungen über nachhaltiges Reisen der Fall ist. Und dort, wo ethisches Verhalten weniger intensiv ist und dem Verbraucher einen direkten Nutzen bringt - wie im Falle der Wiederverwendung einer Plastiktüte - übertreiben die Verbraucher ihr Handeln in weitaus geringerem Maße.

Hören Sie, ich bin wie Sie Untermauert wird die Übertreibung des eigenen ethischen Verhaltens durch das Phänomen der sozialen Prahlerei, welches die Neigung der Menschen erfasst, Verhaltensweisen, die als mit gesellschaftlichen Idealen übereinstimmend angesehen werden, übertrieben darzustellen. Der Untersuchung zufolge scheinen der allgemeine Konsens und die allgemeine Hervorhebung dieser ethischen Verhaltensweisen am meisten zu den Reaktionen der Verbraucher beigetragen zu haben (Cialdini et al., 2006).

Zweites Kapitel: Ist es wichtiger, gemocht zu werden, als ethisch zu sein?

Vom neuesten Audi e-tron bis hin zum neuesten Einzelkunststoff-Pfandystem scheinen die Marken überall auf die Bedenken der Verbraucher zu reagieren und neue ethische Merkmale in ihre Angebote aufzunehmen. Wir wollten herausfinden, ob die Wahrnehmung als ethisches Unternehmen die Verbraucher davon überzeugt, ethische Produkte zu kaufen. Die Antwort lautet: „Es kommt darauf an“.

Unsere Verhaltensstudie konzentriert sich auf die Frage, was die Verbraucher dazu bewegt, von der Phase der

86

StraightONE Behavioral Economics Guide _ 2019

Bewusstwerdung zur Phase der Kaufüberlegung überzugehen, und in fünf großen Branchen ist das Ausmaß, in dem die Verbraucher eine Marke als „sympathisch“ und „kompetent“ empfinden, die wichtigste Triebkraft, wenn es um die Berücksichtigung einer Marke geht.

Indem wir modellieren, wie die Markenwahrnehmung die Käufe der Verbraucher beeinflusst, stellen wir fest, dass die Verbraucher die Ethik eines Unternehmens bei der Kaufentscheidung nicht besonders berücksichtigen. Diese Erkenntnis stellt eine Herausforderung für Marken dar, die als Reaktion auf eine wahrgenommene Zunahme der Nachfrage nach ethischen Produkten ihr Angebot umfassend verändert haben.

Zwar stellen ethische Erwägungen eine der sechs verschiedenen und differenzierenden Dimensionen dar (Abbildung 4), die durch die Studie mit Hilfe der Faktorenanalyse aufgedeckt wurden, aber die Verbraucher lassen sich eher durch ihr Vertrauen und ihre Affinität zu einer Marke überzeugen (Abbildung 5). Tatsächlich ist die Frage, wie sehr die Verbraucher eine Marke mögen, im Vergleich zu ethischen Überlegungen mehr als doppelt so wichtig für die Entscheidung, wo sie einkaufen (8% gegenüber 3%). Darüber hinaus ist für Verbraucher die Überzeugung, dass eine Marke qualitativ hochwertige Produkte und Dienstleistungen liefert („kompetent“) und im Vergleich zum Markt einen guten Wert bietet („erschwinglich“), ebenfalls ein einflussreicherer Faktor als die wahrgenommene Ethik einer Marke.

Ethische Wahrnehmungen sind wichtig manchmal Es gibt einige Branchen, in denen die Wahrnehmung als ethische Marke einen Mehrwert schaffen kann; beispielsweise haben Marken, die als ethisch wahrgenommen werden, eine gewisse Anziehungskraft, um Käufer in den Bereichen Mode sowie Gesundheit und Schönheit

Teil 2 - Anwendungen

Henry Henry Stott Stott et et al. al.

Henry Stott et al.

Henry Stott et al.

Green Green New New Deals: Deals: Social Social Boasting Boasting and and the the True True Value Value of of Ethical Ethical Branding Branding Green New Deals: Social Boasting and the True Value of Ethical Branding Green New Deals: Social Boasting and the True Value of Ethical Branding

Prävalenz von ethischem Verhaltent

Ich habe in der letzten Woche recycelt Ich habe mich entschieden, zu Fuß zu gehen/Rad zu fahren, anstatt mit dem Auto Ich habe es vermieden, ein Produkt zu kaufen, das Palmöl enthält Ich habe im letzten Monat Bio-Produkte gekauft Ich habe in der letzten Woche eine vegetarische/ vegane Mahlzeit gegessen Ich habe im letzten Jahr Lebensmittel an eine Lebensmittelbank gespendet Ich habe es vermieden, ein in Plastik verpacktes Produkt zu kaufen in...

Behauptet

Tatsächlich

Figure Figure 1: 1: Comparison Comparison of of claimed claimed consumer consumer behaviour behaviour vs vs actual actual consumer consumer behaviour. behaviour.

Figure 1: Comparison of claimed consumer behaviour vs actual consumer behaviour.

Figure 1: Comparison of claimed consumer behaviour vs actual consumer behaviour.

Abb. 3: Vergleich von behauptetem und tatsächlichem Verbraucherverhalten.

Chapter Two: Is Liked Important Chapter Two: Is Being Being Liked More More Important

Than Than Being Being Ethical?

Ethical?

Chapter Two: Is Being Liked More Important Than Being Ethical?

Chapter Two: Is Being Liked More Important Than Being Ethical?

Abb. 4:

From From Audi’s Audi’s latest latest E-tron E-tron vehicle, vehicle, to to the the latest latest single-plastic single-plastic pledge, pledge, brands brands everywhere everywhere seem seem to to From Audi’s latest E-tron vehicle, to the latest single-plastic pledge, brands everywhere seem to be responding responding to consumer consumer concerns and incorporating new ethical features into their their propFrom Audi’s latest E-tron vehicle, to theand latest single-plasticnew pledge, brands everywhere seem to be to concerns incorporating ethical features into propbe responding to consumer concerns and incorporating new ethical features into their propositions.

We wanted to find out whether being perceived as an ethical company persuades be responding to consumer concerns and incorporating new ethical features into their propositions. We wanted to find out whether being perceived as an ethical company persuades ositions.

Wetowanted to ethical find outproducts. whetherThe being perceived as an ethical company persuades consumers purchase answer is, ‘it ositions.

Wetowanted to ethical find outproducts. whether being perceived asMarke an ethical company persuades consumers purchase The answer is,einer ‘it depends’. depends’.

Umfasst Affinität und Vertrauen zu Sympathie consumers to purchase ethical products. The answer is, ‘it depends’. consumers to purchase ethical products. The answer is, ‘it depends’.

Our behavioural on what persuades consumers to from the Our behavioural survey survey focuses focuses what persuades consumersrund to move move the awareness awareness Kompetent Beinhalteton eine Reihe von Wahrnehmungen um dasfrom Kundenerlebnis Our behavioural surveyconsideration focuses on what persuades consumers to move from the awareness stage to the purchase stage, and across five major industries, the extent Our behavioural surveyconsideration focuses on what persuades consumers to move from the stage to the purchase stage, and across five major industries, theawareness extent to to und die einer Marke stage to the purchase consideration stage, and across five major industries, the extent to which to consumers find a a consideration brand ‘Likeable’ ‘Likeable’ and ‘Competent’ ‘Competent’ are the mostindustries, significantthe drivers when stage the purchase stage, and across five major extent to which consumers find brand and are the most significant drivers when Erschwinglich Gibt an,‘Likeable’ wie günstig der‘Competent’ Preis einer Marke im Verhältnis zum Markt ist when which consumers find a brand and are the most significant drivers it comes to brand consideration. which consumers a brand ‘Likeable’ and ‘Competent’ are the most significant drivers when it comes to brand find consideration. it comes to brand consideration.

Deckt eine Reihe von Wahrnehmungen in Bezug auf Nachhaltigkeit, it comes to brand consideration.

Ethisch By modelling modelling how how brand brandGerechtigkeit perceptions und affect consumer purchases, we we discover discover that that consumers consumers Moral ab By perceptions affect consumer purchases, By modelling how consider brand perceptions affect consumerwhen purchases, we where discover that consumers don’t particularly the ethics of a company deciding to purchase.

This By modelling how consider brand perceptions consumerwhen purchases, we where discover consumers don’t particularly the ethicsaffect of a company deciding tothat purchase.

This Zuverlässig Gibt an, wie zuverlässig eine Marke ist don’t particularly consider the ethics of a company when deciding where to purchase.

This finding is a a challenge challenge to brands brands that have have made wholesale changes to their to offer in response response don’t particularly consider the ethics of amade company when changes deciding to where purchase.

This finding is to that wholesale their offer in finding is a challenge to brands that have made wholesale changes to their offer in response to a a perceived perceived increase in demand for ethical products. finding is a challenge to brands that have made wholesale changes to their offer in response to increase in demand for ethical products.

Seriös Stellt dar, wie vertraut und respektiert eine Marke ist to a perceived increase in demand for ethical products. to a perceived increase in demand for ethical products.

In fact, fact, while while ethical ethical considerations considerations make make up up one one of of the the six six distinct distinct and and differentiating differentiating didiIn In fact, while ethical by considerations make up oneanalysis of the (see six distinct and differentiating dimensions uncovered the research using factor Table 1), consumers are more In fact, while ethical considerations make up one of the six distinct and differentiating dimensions uncovered by the research using factor analysis (see Table 1), consumers are more mensions uncovered by the research using factor analysis (see Table 1), consumers are more persuaded by their trust and affinity with a brand (see Table 2).

In fact, how much consumers mensions uncovered by the using factor (see analysis (see 1),how consumers are more persuaded by their trust andresearch affinity with a brand Table 2). Table In fact, much consumers persuaded affinity a brand for (seedeciding Table 2).where In fact,tohow much consumers like a a brand brandby istheir overtrust two and times morewith persuasive purchase compared persuaded byis their trust and affinity with a brand for (seedeciding Table 2).where In fact,tohow much consumers like over two times more persuasive purchase compared like a brand is over two times more persuasive for consumers deciding where to purchase compared to considerations (8% 3%).

Furthermore, that think a delivers like a brand is over two times more for consumers deciding where purchase compared to ethical ethical considerations (8% vs vs 3%).persuasive Furthermore, that to think a brand brand delivers to ethical considerations (8% vs 3%).

Furthermore, consumers that think a brand delivers good-quality products and services (‘Competent’) and offers good value compared to the marto ethical considerations (8% vs 3%).

Furthermore, consumers that think a brand delivers good-quality products and services (‘Competent’) and offers good value compared to the marLeitfaden für die Faktoren der Markenwahrnehmung. good-quality products and services (‘Competent’) and offers good value compared to the ket (‘Affordable’) (‘Affordable’) are also also more influential factors and thanoffers a brand’s brand’s perceived ethics. to the margood-quality products and services (‘Competent’) goodperceived value compared market are more influential factors than a ethics. ket (‘Affordable’) are also more influential factors than a brand’s perceived ethics. ket (‘Affordable’) are also more influential factors than a brand’s perceived ethics.

StraightONE Behavioral Economics Guide _ 2019

Behavioral Behavioral Economics Economics Guide Guide 2020 2020 Behavioral Economics Guide 2020

60 60 60

87

Table 1: Guide to brand perception factors.

Wahrnehmung Branchen übergreifend

Mode

Gesundheit Energie Schönheit

Lieferung

Supermärkte

Sympathisch Kompetent Erschwinglich Ethisch Zuverlässig Seriös

Table 2: Impact of brand perceptions on purchase consideration. Note: the proportions in the table indicate the size and direction of impact on purchase consideration; for example, if people Abb. 5: Einfluss der Markenwahrnehmung auf die Kaufüberlegung. Hinweis: Die Anteile in der Tabelle geben die Größe und Richtung der Auswirkung auf die Kaufüberlegungen an; a fashion label’s pricesbesser are sind better than Marken, otheristbrands, they are more toKauf consider wenn die Leute think z. B. denken, dass die Preise einer Modemarke als die anderer die Wahrscheinlichkeit, dass7% sie diese Markelikely bei einem in Betracht ziehen, um 7 % höher. Fettgedruckte Zahlen zeigenmaking Wahrnehmungen an, die einen statistisch signifikanten Einfluss auf die Markenerwägung haben (95% Konfidenzniveau). that label when a purchase.

Numbers in bold indicate perceptions that have a statistically Green New Deals: Social Boasting and the True Value of Ethical Branding Henry Stott et al. significant impact on brand consideration (95% confidence level). brands should bear this in mind when reflecting on the potential ethical premiums available to them.

Ethical Perceptions Do Matter, Sometimes

There are some industries where being perceived as an ethical brand can add value; for inSpezifische Ethische Merkmale Industrie Gesamtprämie ethische Prämie stance, brands that are perceived as ethical have some pull in converting shoppers in the fashion and health & beauty sectors. Our research reveals that the second biggest influence Merkmal 1: Nicht an Tieren getestet

17.0%

Merkmal 2: Keine Zero-Hour-Verträge Merkmal 3: CO2-neutrale Lieferung

06.5% 06.0%

on consumers’ purchase decisions in natürliche the health & beauty sector is the ‘Ethical’ perception Merkmal 2: 100% Inhaltsstoffe 08.6% Merkmal 3: Geeignet für Veganer 08.2% dimension (6%). And in the case of the fashion industry, consumers’ views of a brand’s ethics 1: Recycelbare Verpackung decisions, alongside ‘Affordability’ 10.8% have the joint second biggest Merkmal impact on purchase (both 7%).

Gesundheit und Schönheit

Essen Lieferung

It is worth noting that health & beauty brands have engaged in conversations about broad ethMerkmal 1: Kunststofffreie Verpackung 08.7% Supermärkte Merkmal 2: Von britischen (Chesters, Bauern bezogen 2011). By and large, this 06.0% has left today’s ical considerations since at least the 1970s Merkmal 3: Fairtrade 05.60% consumer aware of how some products involve animal testing and the environmental harm Merkmal 1: Made in Britain Feature 2: Fairtrade 08.9% Merkmal 2: Programm zum Recycling von Kleidung 07.8% Mode caused by some ingredients and the wider supply chain.

Merkmal 3: 100% erneuerbarer Strom und klimaneutrales Gas 03.3% 1: 100% erneuerbarer und klimaneutrales Gas 02.7% industry. Since Consumer considerations forMerkmal animal welfareStrom have also affected the fashion Energie Merkmal 2: Wechseln Sie und wir spenden £ 10 für wohltätige Zwecke 01.9% 3: Reduzieren Sie den Energieverbrauch um 20% 01.9% 2017, for instance, a numberFeature of consumers across the globe have protested outside Canada

Table 3: A cross-industry assessment of the premium a brand can charge through implementing ethical features into their proposition. Note: Numbers in bold reflect statistical significance at a 61 Behavioral Economics Guide 2020 95% confidence level.

The Ethical feature’s premium reflects the relative premium a brand can charge on average for a product with the respective ethical feature; for example, customers are Abb. 6: Eine branchenübergreifende Bewertung der Prämie, die eine Marke durch die Implementierung ethischer Merkmale in ihr Angebot erzielen kann. Hinweis: Die fettgedruckto Signifikanz pay an additional 2.7% for avonrenewable energy tariff. ten Zahlen spiegeln diewilling statistische bei einem Konfidenzniveau 95 % wider. Die Prämie des ethischen Merkmals spiegelt die relative Prämie wider, die eine Marke im Durchschnitt für ein Produkt mit dem jeweiligen ethischen Merkmal verlangen kann; zum Beispiel sind Kunden bereit, für einen Tarif für erneuerbare Energien 2,7 % mehr zu zahlen.

A Potential Windfall

88

Further analysis we conducted suggests there is £82 billion worth of value in ethical premiums across all UK sectors. Using the latest ONS data on household weekly expenditure and the StraightONE number of UK households, we worked out the annual market figure at approximately £810 Behavioral Economics Guide _ 2019 billion (ONS, 2020).

zu überzeugen. Unsere Untersuchung zeigt, dass der zweitgrößte Einfluss auf die Kaufentscheidungen der Verbraucher im Gesundheits- und Schönheitssektor die Dimension der „ethischen“ Wahrnehmung ist (6%). Und im Falle der Modeindustrie haben die Ansichten der Verbraucher über die Ethik einer Marke neben der „Erschwinglichkeit“ (beide 7%) den zweitgrößten Einfluss auf die Kaufentscheidung.

Es ist erwähnenswert, dass Gesundheits- und Schönheitsmarken mindestens seit den 1970er Jahren Gespräche über allgemeine ethische Erwägungen führen (Chesters, 2011). Im Großen und Ganzen hat dies dazu geführt, dass dem heutigen Verbraucher bewusst geworden ist, dass einige Produkte Tierversuche bedingen und dass einige Inhaltsstoffe und die breitere Lieferkette die Umwelt schädigen.

Verbraucherüberlegungen zum Tierschutz haben auch die Modeindustrie beeinflusst. Seit 2017 haben zum Beispiel eine Reihe von Verbrauchern weltweit vor den Canada Goose Shops protestiert und sich über die angebliche Tierquälerei bei der Herstellung der berühmten Daunenjacken des Modelabels beschwert. Zudem haben führende Persönlichkeiten der Branche wie Stella McCartney (Franklin-Wallis, 2018) und angesehene Journalisten renommierter Publikationen wie Vogue (Singer, 2019) ebenfalls dazu beigetragen, den ethischen Konsum in den Vordergrund zu rücken.

Drittes Kapitel: Ethische Kaufentscheidungen Wenn ethische Erwägungen bei der Kaufentscheidung der meisten Verbraucher nicht im Vordergrund stehen, könnten sich Marken fragen, ob ethische Aussagen überhaupt einen Wert haben. Unsere Untersuchung zeigt jedoch, dass branchenspezifische ethische Hebel für Unternehmen, die erfolgreich ethische Verbraucher ansprechen, Preisaufschläge erzielen können.

Diese ethischen Hebel bieten Möglichkeiten, sowohl für Verbraucher als auch für Unternehmen einen Wert zu generieren. In diesem Teil der Untersuchung führten wir ein RCT-Experiment durch, um alle inhärenten Präferenzen für eine bestimmte Marke zu eliminieren, und konzentrierten uns darauf, ob die Befragten ein Angebot mit einem ethischen Merkmal wählten. Eine binomiale Regression wurde zur Modellierung des geschätzten Aufschlags verwendet, den Marken erheben können, wenn sie ein ausgewähltes ethisches Merkmal zu einem Produktangebot hinzufügen.

Branchenspezifische Hebel In fünf Branchen findet die Studie eine Reihe von ethischen Hebeln, für die die Verbraucher bereit sind, einen Aufschlag zu zahlen. Der höchste durchschnittliche Aufschlag liegt bei 11,5% im Gesundheits- und Schönheitssektor, der auch den höchsten ethischen Merkmalsaufschlag aller Branchen für Produkte ohne Tierversuche (17,0%) beinhaltet. Interessanterweise betrifft der zweithöchste durchschnittliche ethische Preisaufschlag Plattformen für die Lieferung von Lebensmitteln (7,9%), die einen ähnlichen Aufschlag wie Supermärkte mit Ausrichtung auf nachhaltige Verpackungen ermöglichen (Abbildung 6).

Zwar gibt es eine Reihe von Gründen dafür, dass einige Aufschläge für ethische Merkmale höher eingestuft werden als andere, doch scheinen zwei Faktoren den größten Einfluss zu haben: wie auffällig ein Thema ist und wie lange es schon existiert. Was den Aufschlag für nachhaltige Verpackungen betrifft, so haben in letzter Zeit viele Marketingkampagnen und Initiativen das Bewusstsein der Verbraucher für die Gefahren, die Plastik für die Umwelt und die Tierwelt darstellt, geschärft.

Was den Aufschlag für Tierversuchsfreiheit anbelangt, so wird dieses Thema seit den 1970er Jahren behandelt, als Body Shop als eine der ersten Marken darauf aufmerksam machte, welchen Schaden den Tieren bei der Herstellung zugefügt wird.

StraightONE Behavioral Economics Guide _ 2019

89

Teil 2 - Anwendungen

Die möglichen Aufschläge, die für Supermarkt- und Modemarken beim Verkauf von lokalen Waren angeboten werden (6,0% bzw. 8,9%), sind wohl ebenfalls ein Ergebnis des wachsenden Verbraucherbewusstseins.

Dieses Interesse daran, woher Kleidungsstücke bezogen werden, wie sie hergestellt werden und unter welchen Arbeitsbedingungen sie produziert werden, hat zum kommerziellen Erfolg von Labels wie Private White V.C. beigetragen. Als Reaktion auf dieses Verbraucherinteresse haben sich Einzelhandelsmarken dieses ethische Konsumverhalten zu Nutze gemacht und kennzeichnen einige ihrer Kleidungsstücke ausdrücklich als „Made in Britain“ (Wright, 2019).

Nachdem wir ja nun zuvor festgestellt haben, dass als ethisch empfundene Modemarken die Verbraucher zum Kauf bewegen können, lässt sich der relativ niedrige Durchschnittsaufschlag für diesen Sektor (6,6%) durch die schlechte Bewertung des Kleiderrecyclingprogramms (3,3%) erklären. Obwohl die H&M Gruppe lobenswerterweise ihr Bestes getan hat, um ihr Kleiderrecyclingprogramm durch ihre Tochterfirmen voranzutreiben, hat sie bei den Verbrauchern nicht viel Anklang gefunden. Folglich hat diese relativ neue Initiative noch nicht den Mainstream erreicht und bietet den Marken keine große Möglichkeit für einen Preisaufschlag. Modemarken sollten dies bedenken, wenn sie über die ihnen zur Verfügung stehenden möglichen ethischen Aufschläge nachdenken.

Ein potenzieller Mitnahmeeffekt Weitere Analysen, die wir durchgeführt haben, deuten darauf hin, dass ethische Aufschläge in allen britischen Sektoren einen Wert von 82 Milliarden Pfund haben. Unter Verwendung der neuesten ONS-Daten über die wöchentlichen Ausgaben der Haushalte und die Anzahl der britischen Haushalte errechneten wir einen jährlichen Marktwert von etwa £810 Milliarden (ONS, 2020).

90

StraightONE Behavioral Economics Guide _ 2019

Darüber hinaus ergibt unsere Analyse einen ethischen Aufschlag von 10,1% für Marken aus allen Sektoren, was einem potenziellen Jahresumsatz aufgrund ethischer Merkmale von 82 Milliarden Pfund entspricht. Obwohl es keine Daten gibt, die bestätigen, wie viel davon bereits realisiert worden ist, und die Einnahmen die Kosten für die Umsetzung der ethischen Merkmale nicht berücksichtigen, ist klar, dass Marken die Möglichkeit haben, aus dem ethischen Konsumverhalten Kapital zu schlagen.

Ein herausragendes Beispiel sind Supermarktmarken, die bis zu 5 Milliarden Pfund an Einnahmen erzielen könnten, wenn sie die in dieser Untersuchung verwendeten ethischen Hebel erfolgreich in ihr Angebot integrieren würden. Eine der wertvollsten Aufschlagmöglichkeiten, die Supermärkte zu ihrem Vorteil nutzen könnten, ist die Entfernung von Kunststoffverpackungen. Morrisons hat genau dies getan und ist die erste Supermarktkette, die die Verpackung von Obst und Gemüse entfernt hat (Quinn, 2019).

An anderer Stelle, und wie durch andere Untersuchungen in diesem Bericht unterstützt, findet unsere Analyse eine echte Chance für die Mode-, Gesundheits- und Schönheitsmarken. Durch Ausrichtung ihrer Angebote an ethische Verbraucher, könnten Marken in diesen Branchen ihre Umsätze um rund 2 Milliarden Pfund steigern.

Der Schlüssel zur Erschließung dieses potenziellen Gewinnpotenzials ist eine maßgeschneiderte, zielgerichtete Kommunikation, die die Verbraucher zu einer bewussteren Denkweise anregt. Da es unwahrscheinlich ist, dass die Käufer von sich aus ihre Konsumgewohnheiten ändern, obliegt es daher den Marken, die Menschen so miteinzubeziehen, dass sie zu ethisch überlegteren Käufen bewegt werden.

Henry Stott et al.

Industrie

Green New Deals: Social Boasting and the True Value of Ethical Branding

Ethische Prämie

Jährlicher Marktumsatz (£ Milliarden)

Spezifische ethische Prämie (£ Milliarden)

Supermärkte Gesundheit und Schönheit Mode Energie Essenslieferung

Table 4: Estimation of the potential value added by incorporating an ethical feature into propositions in different industries. Note: Average annual spend for all industries, food delivery per household. For food delivery, the average annual spend is per customer.

Abb. 7: Schätzung des potenziellen Mehrwerts durch die Einbindung eines ethischen Merkmals in Angebote verschiedener Branchen. Hinweis: Durchschnittliche jährliche Ausgaben für alle Branchen, Lebensmittellieferung pro Haushalt. Bei Lebensmittellieferungen sind die durchschnittlichen jährlichen Ausgaben pro Kunde.

Key to unlocking this potential windfall is tailored, well-targeted communication that stimulates consumers’ more deliberative ways of thinking. Since, by themselves, shoppers are unlikely toStott change it isSocial thus incumbent upon brands toBranding engage people Greenhabits, New Deals: Boasting and the True Value of Ethical Henry et al. their consumption in such a way that persuades them to make more ethically considered purchases.

Chapter Four: The Limits of Self-Reporting Selbst eingeschätztes ethisches Kaufverhalten

It is noteworthy that the findings documented here could only be found by using robust research methodologies that avoid inaccurate self-reporting. It follows that if companies choose an inappropriate methodology for their research, then it’s likely that the results will be misleading at best and erroneous at worst.

Self-reporting is not a good way of understanding why customers make purchase decisions, because on the whole, people are not good at introspection; they often don’t know why they made a certain choice, and many post-justify their decision to make themselves feel better.

If introspection provided a good prediction of ethical consumer behaviour, then there would be a positive relationship between consumer purchase decisions and their self-rating of how ethically they behave.

Neigung, ein ethisches Produkt zu kaufen (%)

Yet, in reality, who of rate themselves as either extremely or extremely ethical Figure 2:those Comparison self-rated ethical purchase behaviour against unethical actual propensity to purchase ethically. are equally as likely to actually purchase ethically (both 30%, see Figure 2). The research also finds that females tendon toqualitative rate themselves less ethically males, and yet they Instead of relying and focussignificantly group research, brands shouldthan employ an experimental method, since this is ethically. well attuned to assessing consumer preferences that aredessignificantly more likely to approach purchase Abb. 8: Vergleich selbst eingeschätzten ethischen Kaufverhaltens mit der tatsächlichen Neigung, ethisch zu kaufen. relate to socially desirable ends, such as with ethical consumerism. A number of experimental methods were used in this research to test hypotheses more robustly in a controlled environment. Consequently, the findings detailed in this report provide reliable insights that brands can use to improve their business propositions.

Recommendations for Retailers Ensure your business case is proportional to your target market StraightONE Brands should ensure that any changes to their proposition, targeting and communications Behavioral Economics Guide _ 2019 correspond to the size of their addressable market, which might be smaller than expected.

Educate consumers to improve the environment, society and your balance sheet

91

Viertes Kapitel: Die Grenzen der Selbstberichterstattung Es ist bemerkenswert, dass die hier dokumentierten Ergebnisse nur durch den Einsatz robuster Forschungsmethoden gefunden werden konnten, die eine ungenaue Selbstberichterstattung vermeiden. Daraus folgt, dass, wenn Unternehmen eine ungeeignete Methodik für ihre Untersuchungen wählen, es wahrscheinlich ist, dass die Ergebnisse im besten Fall irreführend und im schlimmsten Fall fehlerhaft sind.

Die Selbstberichterstattung ist kein guter Weg, um zu verstehen, warum Kunden Kaufentscheidungen treffen, denn im Großen und Ganzen sind Menschen nicht gut in der Selbstbeobachtung - sie wissen oft nicht, warum sie eine bestimmte Wahl getroffen haben, und viele begründen ihre Entscheidung nachträglich, um sich besser zu fühlen.

Wenn die Introspektion eine gute Vorhersage ethischen Verbraucherverhaltens liefern würde, dann gäbe es eine positive Beziehung zwischen den Kaufentscheidungen der Verbraucher und ihrer Selbsteinschätzung, wie ethisch sie sich verhalten.

In der Realität ist es jedoch so, dass diejenigen, die sich selbst entweder als extrem unethisch oder als extrem ethisch einschätzen, genauso wahrscheinlich auch tatsächlich ethisch kaufen (beide 30%, Abbildung 8).

Die Untersuchung zeigt auch, dass Frauen sich selbst deutlich weniger ethisch einschätzen als Männer, aber dennoch mit einer signifikant höheren Wahrscheinlichkeit ethisch kaufen.

Anstatt sich auf qualitative und Fokusgruppen-Forschung zu verlassen, sollten Marken eine experimentelle Methode anwenden, da dieser Ansatz gut geeignet ist, Verbraucherpräferenzen zu bewerten, die sich auf gesellschaftlich wünschenswerte Ziele beziehen, wie z.B. ethisches Konsumverhalten. In dieser Untersuchung wurde eine Reihe von experimentellen Methoden ver-

92

StraightONE Behavioral Economics Guide _ 2019

wendet, um Hypothesen in einer kontrollierten Umgebung robuster zu testen. Folglich liefern die in diesem Bericht dargelegten Ergebnisse zuverlässige Erkenntnisse, die Marken zur Verbesserung ihrer Geschäftsangebote nutzen können.

Empfehlungen für Einzelhändler Stellen Sie sicher, dass Ihr Business Case proportional zu Ihrem Zielmarkt ist - Marken sollten sicherstellen, dass alle Änderungen an ihrem Angebot, ihrer Zielgruppe und ihrer Kommunikation der Größe ihres adressierbaren Marktes entsprechen, der kleiner als erwartet sein könnte.

Verbraucher aufklären, um die Umwelt, die Gesellschaft und Ihre Bilanz zu verbessern - Um ethische Referenzen besser zu nutzen, sollten Unternehmen in Aufklärungskampagnen investieren, um ethische Überlegungen in den Vordergrund zu rücken. Eine Zunahme ethischer Einkäufe kann Marken, Verbrauchern und der ganzen Welt zugute kommen.

Identifizieren Sie die spezifischen ethischen Merkmale mit dem größten Verkaufshebel in Ihrem spezifischen Markt - Marken sollten objektive, methodengemischte Forschung und ökonometrische Analysen durchführen, um die wertvollsten ethischen Merkmale zu ermitteln und die potentielle Rentabilität abzuschätzen.

Verlassen Sie sich nicht auf die Selbstberichterstattung, um relevante ethische Hebel zu identifizieren - Introspektion ist notorisch unzuverlässig. Experimentelle Forschung, die in einem kontrollierten Umfeld durchgeführt wird, liefert mit größerer Wahrscheinlichkeit robuste Erkenntnisse und hilft Marken, die richtigen ethischen Hebel für ihren Markt zu identifizieren.

Methodik In dieser Studie wurde eine Kombination aus Verhaltensstudie, der Unmatched Count Technique (UCT) und einer randomisierten kontrollierten Studie (RCT) angewendet, um die genannten Erkenntnisse zu erzielen.

Bei der RCT wurden die Teilnehmer durch eine realistische Simulation des Kaufs eines Produkts über eine Preisvergleichs-Website geführt. Jeder Teilnehmer musste zwei Einkäufe für zwei verschiedene Produkte tätigen, die nach dem Zufallsprinzip aus Versorgungsunternehmen, Supermärkten, Mode, Gesundheit & Schönheit oder Online-Lebensmittel-Lieferdiensten ausgewählt wurden.

Jedes Experiment präsentierte drei feste Kontrollvorschläge, die für jeden Teilnehmer genau gleich waren, und einen Testvorschlag, der von Thema zu Thema variierte. Allen Teilnehmern wurden die gleichen vier Marken innerhalb jedes Produktbereichs gezeigt, wobei die Vorschläge reale Angebote replizierten und die ausgewählten Marken in der Regel die etabliertesten in dieser Branche darstellten. Es gab einige Ausnahmen, da Marken, die derzeit ethische Produkte anbieten, einbezogen werden konnten, um die Markenkongruenz zu bewerten.

Die Angebote wurden immer vom niedrigsten zum höchsten Preis geordnet, wie es für eine PreisvergleichsWebsite typisch ist, aber die Reihenfolge, in der die Marken einem Teilnehmer präsentiert wurden, variierte von Thema zu Thema, so dass jede Marke zufällig einem Angebot zugeordnet wurde. Das Testangebot variierte auf zwei Arten: (1) der Preis wurde nach dem Zufallsprinzip innerhalb eines Bereiches gewählt, der sich mit festen Abstufungen unterhalb und oberhalb der Kontrollangebote erstreckte, und (2) ein ethisches Merkmal von drei möglichen konnte nach dem Zufallsprinzip oder gar nicht gezeigt werden. Die für jede Branche getesteten ethischen Merkmale wurden so gestaltet, dass sie aktuell und aussagekräftig sind.

Die Vorschläge wurden zwischen den Teilnehmern einheitlich gehalten, wodurch die Auswirkung der Markenattraktivität isoliert werden konnte, was wiederum eine saubere Untersuchung des Einflusses der Aufnahme eines ethischen Merkmals in einen Vorschlag gewährleistete. Der wichtigste Ergebnismaßstab war die Produktwahl, insbesondere die Frage, ob ein Produkt mit einem ethischen Merkmal ausgewählt wurde.

Die Unmatched Count Technique ist eine Technik, die dazu dient, die Zuverlässigkeit der Antworten auf sensible oder möglicherweise peinliche Fragen zu verbessern, indem der Befragte anonym bleibt. Sie wurde 1979 von den Statistikern Raghavarao und Federer eingeführt. Wir haben sie in dieser Studie verwendet, um genauer festzustellen, wie sich Menschen tatsächlich verhalten, anstatt uns auf Selbstberichte zu verlassen.

Stichprobe Die Untersuchung wurde online mit einer landesweit repräsentativen Stichprobe von 2.497 britischen Verbrauchern im Alter von 18 Jahren und älter durchgeführt.

StraightONE Behavioral Economics Guide _ 2019

93

um den leitenden Geschäftsinteressenten verwertbare Erkenntnisse zu liefern.

Die Autoren

Abigail Letherby Henry Stott

Henry Stott ist Mitbegründer und Geschäftsführer von Decision Technology. Er hat einen Doktortitel in Entscheidungstechnik und ist zertifiziertes Mitglied der MRS. Bei Decision Technology hilft Henry Stott Unternehmen und politischen Entscheidungsträgern, Kundenentscheidungen zu verstehen und zu verwalten.

Zuvor war er Direktor von Oliver Wyman, einer Strategieberatung für Finanzdienstleistungen, wo er bei der Gründung der hoch angesehenen Risk Practice half und viele ihrer proprietären Techniken zur Kreditrisikomessung und Unternehmensbewertung entwickelte.

ist eine leitende Mitarbeiterin bei Decision Technology.

Sie hat auch einen BSc in Psychologie und ist Mitglied der Young Management Consultancies Association.

Abbie Letherby hilft bei der Lösung von Kundenproblemen, indem sie randomisierte kontrollierte Studien durchführt, um Geschäftsvorschläge, Kundenkommunikation und Markenstrategie zu optimieren.

Abigail Letherby

Ed Nottingham ist Senior Associate bei Decision Technology. Er hat einen BSc in Psychologie und einen MSc in Management. Ed Nottingham entwirft randomisierte, kontrollierte Studien zur Prüfung von Produktangeboten und zur Untersuchung der Kundenakquise und -bindung,

94

StraightONE Behavioral Economics Guide _ 2019

ist eine leitende Mitarbeiterin bei Decision Technology.

Sie hat auch einen BSc in Psychologie und ist Mitglied der Young Management Consultancies Association.

Abbie Letherby hilft bei der Lösung von Kundenproblemen, indem sie randomisierte kontrollierte Studien durchführt, um Geschäftsvorschläge, Kundenkommunikation und Markenstrategie zu optimieren.

Literaturhinweise Chesters, A. (2011, November 21). A brief history of The Body Shop.

The Guardian. Retrieved from https://www.theguardian.com/fashion/ fashion-blog/2011/nov/21/brief-history-ofbody-shop.

Cialdini, R. B., Demaine, L. J., Sagarin, B. J., Barrett, D. W., Rhoads, K., & Winter, P. L. (2006). Managing social norms for persuasive impact. Social Influence, 1(1), 3-15.

Farrow, K., Grolleau, G., & Ibanez, L. (2017). Social norms and pro-environmental behavior: A review of the evidence. Ecological Economics, 140, 1-13.

Franklin-Wallis, O. (2018, December 6). Stella McCartney is on a quest to save you from the fashion industry. WIRED. Retrieved from https://www.wired.co.uk/article/stella-mccartney-sustainable-fashion.

Abbildungen Abb. 1: https://unsplash.com/@Bogdan Todoran Abb. 2: Vergleich von behauptetem und tatsächlichem Verbraucherverhalten.

Abb. 3: Leitfaden für die Faktoren der Markenwahrnehmung.

Abb. 4: Einfluss der Markenwahrnehmung auf die Kaufüberlegung.

Abb. 5: Schätzung des potenziellen Mehrwerts durch die Einbindung eines ethischen Merkmals in Angebote verschiedener Branchen.

Abb. 5: Vergleich des selbst eingeschätzten ethischen Kaufverhaltens mit der tatsächlichen Neigung, ethisch zu kaufen Abb. 6: Vergleich des selbst eingeschätzten ethischen Kaufverhaltens mit der tatsächlichen Neigung, ethisch zu kaufen.

Govind, R., Singh, J., Garg, N., & D’Silva, S. (2017). Not walking the walk: How dual attitudes influence behavioral outcomes in ethical consumption. Journal of Business Ethics, 155(4), 1195-1214.

Office for National Statistics. (2019). Family spending in the UK: April 2018 to March 2019. Retrieved from https://www.ons.gov.uk/peoplepopulationandcommunity/personalandhouseholdfinances/expenditure/bulletins/familyspendingintheuk/april2018tomarch2019.

Office for National Statistics. (2019). Families and households in the UK: 2019. Retrieved from https://www.ons.gov.uk/peoplepopulationandcommunity/birthsdeathsandmarriages/families/bulletins/familiesandhouseholds/2019.

Quinn, I. (2019, May 20). Morrisons to roll out plastic-free fruit & veg aisles in 60 stores. The Grocer. Retrieved from https://www.thegrocer. co.uk/environment/morrisons-to-roll-outplastic-free-fruit-and-vegaisles-in-60-stores/593529.article.

Raghavarao, D., & Federer, W. (1979). Block total response as an alternative to the randomized response method in surveys. Journal of The Royal Statistical Society: Series B (Methodological), 41(1), 40-45.

Singer, M. (2019, February 4). Is there really such a thing as “ethical consumerism”? Vogue. Retrieved from https://www.vogue.com/article/ethical-consumer-rentrayage-batsheva-lidia-may.

Stiefenhofer, P. (2018, July). Towards a characterization of the ethical consumer: Conspicuous ethics. In Academics World 96th International Conference (pp. 1-11).

Wright, I. (2019). Best of British style menswear collection. Marks and Spencer. Retrieved from https://www.marksandspencer.com/c/styleand-living/best-of-british-menswear-collection-2034002.

StraightONE Behavioral Economics Guide _ 2019

95

Teil 2 - Anwendungen

Als Verhaltensforscher denken,

als Designer handeln

96

StraightONE Behavioral Economics Guide _ 2019

„Man sagt, das richtige Studium der Menschheit sei der Mensch selbst. Aber ich habe argumentiert, dass der Mensch - oder zumindest die intellektuelle Komponente des Menschen - relativ einfach sein kann, dass der größte Teil der Komplexität seines Verhaltens der Umwelt des Menschen entnommen werden kann, .... Wenn ich meinen Standpunkt dargelegt habe, dann können wir zu dem Schluss kommen, dass das richtige Studium des Menschen zu einem großen Teil die Wissenschaft des Designs ist, nicht nur als die professionelle Komponente einer technischen Ausbildung, sondern als eine Kerndisziplin für jede liberal gebildete Person“.

Herbert A. Simon.

Einführung Verhaltenswissenschaften (Behavioral Sciences, BS) und Design sind alte Freunde, obwohl sich diese langjährige Beziehung in den kommenden Jahren erheblich verändern wird und Verhaltens- und Sozialwissenschaftlern, Ökonomen und Designern Vorteile bringen wird .

Abb. 1

Designschulen und -universitäten beziehen sich nicht auf eine bestimmte wissenschaftliche Denkschule oder ein bestimmtes Wissen, und dennoch wird die Bandbreite an Informationen, die die Humanwissenschaften liefern können, oft zur impliziten Unterstützung von Designvorschlägen genutzt. Verhaltenswissenschaften spielen eine herausragende Rolle bei der Beeinflussung von Designrichtungen, insbesondere in der digitalen Wirtschaft. In den letzten Jahren wurden die Erkenntnisse aus den BS von verschiedenen Unternehmen der digitalen Technologie missbraucht, indem sie aus dem Internet Wert schöpften und durch geschickte Manipulation von Emotionen und digitalem Verhalten Verhaltenserfahrungen formten. So haben wir zum Beispiel bei politischen Wettbewerben den konsequenten Einsatz von webbasierten Kommunikationsstrategien

StraightONE Behavioral Economics Guide _ 2019

97

Teil 2 - Anwendungen

beobachtet, die kognitive Lock-in-Schleifen bilden, um das Urteilsvermögen von Menschen zu manipulieren und sie zu Entscheidungen zu führen, die ihre besten Interessen falsch darstellen, wobei Cambridge Analytica ein exemplarischer Fall von Datenmissbrauch und Datenvermittlung ist (siehe https://en.wikipedia. org/wiki/Cambridge_Analytica). BS-Heuristiken beim Framing, Verankern und Priming können von Interaktionsdesignern verwendet werden, um Präferenzen so zu setzen, dass den Benutzern die Kontrolle entzogen wird, wodurch es für sie sehr schwierig wird, die Folgen von zu stark vereinfachten Entscheidungen zu bewerten.

Darüber hinaus ist es für groß angelegte Marketingprogramme und Werbestrategien relativ einfach und legitim geworden, persönliche Daten über Freigabeformulare zu verwenden, die selbst die Vorsichtigsten verwirren können. Noch subtiler sind Inhaltsstrategien, die Informationsarchitekturen mit Hierarchien implementieren, die Täuschung begünstigen, übermäßig vereinfachte Wahlmöglichkeiten oder übermäßig informative - und damit überwältigend irreführende - Inhalte vorschlagen. Usability-Tests können leicht so gestaltet werden, dass sie Vereinfachungsstrategien oder Informationshierarchien begünstigen, die dazu führen, dass die Kanalisierungspräferenzen eher die Geschäftsziele als die tatsächlichen Nutzerpräferenzen widerspiegeln.

Eine Gegenreaktion ist im Gange, und BS werden als Instrument der Verhaltenskontrolle hochgehalten (siehe Schneier, 2015; Zuboff, 2019), wodurch die Rolle, die gute Wissenschaft bei der Verbesserung der Bewältigungsfähigkeiten und der Kompetenz der Nutzer im Umgang mit Unsicherheit spielen kann, entwertet wird. Die Antwort auf diese potenzielle Bedrohung kann jedoch in einer differenzierteren Anwendung von BS gefunden werden, die eine Schlüsselrolle bei der Festlegung neuer Horizonte spielen kann - und sollte, um die Wirkung der strategischen Verhaltensgestaltung in der Wirtschaft zu erhöhen. Gegenwärtig beinhaltet die Rolle eines guten Designs die Integration von Werten wie Nützlichkeit (Funktionalität), Nutzbarkeit (Fluss) und Vergnügen (emotionales Engagement) (Visciola,

98

StraightONE Behavioral Economics Guide _ 2019

2000), aber eine neue Grenze erfordert die Reduzierung des Informationsrauschens und eine Zunahme der Möglichkeiten, den Menschen die Chance zu geben, in ihrem täglichen Leben kompetenter zu werden, während gleichzeitig die Kooperationsmuster verbessert werden müssen, um unsere Herausforderungen ernsthaft anzugehen .

Die digitale Wirtschaft ist immer noch nicht in der Lage, Anfragen zur Verringerung von Fehlverhalten zu beantworten oder über die neuen und fortschrittlichen evolutionären Werte der Gesellschaft und der Gemeinschaften nachzudenken. Verhaltenswissenschaften und Design können die Voraussetzungen für neue Narrative in Geschäftsstrategien und bei der Definition von Politi-

Abb. 2

ken schaffen, um nachhaltige Lösungen für die enormen sozialen Herausforderungen zu finden, vor denen wir derzeit stehen .

In diesem Positionspapier wird argumentiert, dass strategisches Design darauf abzielen sollte, über die derzeitigen Standards hinauszugehen, die sich auf Erfahrungsdesign und reibungslose Entscheidungsfindung konzentrieren, und neue Standards zu setzen, die eine kompetenzreiche Entscheidungsfindung und Zusammenarbeit im wirklichen Leben fördern und somit eine neue Designethik entwerfen. Ich glaube, dass neue Standards die Kombination von Beobachtungs- und Verhaltensmodellierungstechniken erfordern. Darüber hinaus erfordert diese neue Design-Grenze, dass BSs über festgelegte Laboreinstellungen hinausgehen, experimentelle Methoden vorschlagen, die die Rolle des Kontexts bei der Definition von Informationsressourcen richtig betonen können, und dokumentieren, was die Menschen brauchen, um in ihrem täglichen Leben kompetenter und kooperativer zu werden.

Theoretisch sollten die BS mit dem Wissen aus der am weitesten fortgeschrittenen Theorie der Verhaltens- und Kulturveränderungen konvergieren, nämlich der Evolutionstheorie, die es uns ermöglicht zu verstehen, wie der Druck zur Veränderung die Art und Weise prägen kann, wie wir die Anpassung an solche Veränderungen beschreiben. Programme zur Verhaltensänderung auf der Grundlage von (Verhaltens-)Modellen können auf einem Verständnis der Beziehung zwischen mentalen Routinen, Gewohnheiten, Wertesystemen und kontextuellen kulturellen Zwängen beruhen. Die am besten geeigneten Wege zur Gewährleistung einer nachhaltigen Veränderung, die Kompetenz und Zusammenarbeit fördern kann, erfordern jedoch eine solide Theorie der Veränderung, wobei die Evolutionstheorie eine große Hilfe ist.

In den folgenden Abschnitten werde ich veranschaulichen, wie dieser methodische Rahmen uns in die Lage versetzt hat, Programme zur Verhaltensänderung in führenden Bereichen der digitalen Innovation zu ent-

wickeln, wie z.B. dem Design von: a) Werkzeuge für finanzielle Einsparungen und b) einen Masterplan für Dienstleistungen für ältere Menschen.

Natürliche Kontexte und Anpassungskräfte Die Komplexität, die für natürliche Kontexte im täglichen Leben typisch ist, offenbart den Trugschluss von Programmen zur Verhaltensanregung, die auf Bewusstseinsbildung beruhen und auf die Bereitschaft des Zielpublikums zählen, sich an die empfohlenen Praktiken anzupassen. So sind z.B. der Widerstand der Menschen oder die mangelnde Befolgung bekannter Standards und Lebensstilempfehlungen oft auf Zwänge (und den Druck, stabil zu bleiben) zurückzuführen, die der Entstehung von schlechten Gewohnheiten zugrunde lagen. Rauchen, regelmäßiges Überessen oder schlechte Ernährung sind Beispiele dafür. Das bedeutet, dass diese Probleme nicht durch Verlassen auf bloße Willenskraft angegangen werden können.

Sehr oft wissen die Menschen nicht, wie sie ihre Kompetenz im Umgang mit komplexen gesundheitlichen und finanziellen Fragen verbessern können.

Beispielsweise wissen Patienten aufgrund mangelnder Kontrolle über ihre Umgebung nicht, wie sie ihren Lebensstil ändern können, um gesundheitsbezogene Probleme anzugehen. Dies ist einer der Hauptgründe für die Nichteinhaltung von klinischen Studienprotokollen, bei denen die Menschen sich entscheiden, ein vorgeschriebenes Regime abzubrechen oder davon abzuweichen, wodurch die Ergebnisse beeinträchtigt werden. Ein solches Verhalten ist auf die Diskrepanz zwischen der Praxis kontrollierter klinischer Studien und den Anforde-

StraightONE Behavioral Economics Guide _ 2019

99

Teil 2 - Anwendungen

rungen der klinischen Praxis im wirklichen Leben zurückzuführen. Vorgeschriebenes Verhalten, das die Zwänge des realen Lebens nicht berücksichtigt, funktioniert wahrscheinlich auch dann nicht, wenn Menschen sich freiwillig für Studien anmelden. Im Finanzsektor hat unsere Studie zur Gestaltung von Finanzinstrumenten für das Sparen gezeigt, dass die Sparfähigkeiten sehr ungleichmäßig unter den Menschen innerhalb derselben Einkommensklasse verteilt sind. Wir beobachteten eine Vielzahl von Heuristiken und erfassten psychologische Routinen auf verschiedenen Ebenen, wobei eine Reihe von Fähigkeiten zur Aufrechterhaltung der finanziellen Stabilität und zur Planung künftiger Projekte berichtet und dokumentiert wurde.

Selbst wenn soziale Normen akzeptiert und Verhaltensvorschriften definiert werden, um gute Bezugspunkte zu setzen, kann sich die Internalisierung von Normen oder Standards aufgrund der inhärenten Kosten der Anpassung an Umgebungen, die nicht der ursprünglichen ethnischen Gruppe angehören, als schwierig erweisen. Dies ist in multikulturellen und multiethnischen Gesellschaften sehr oft der Fall. Heuristiken wie „Kopiererfolg“ oder „Kopierpluralität“, bei denen es sich um Lernstrategien in begrenzter Rationalität handelt, die in Laborsettings beobachtet werden können (siehe Apesteguia, Huck & Oeschssler, 2007), sind im wirklichen Leben nicht praktikabel, solange die lokalen Institutionen nicht einen zielgerichteten Satz von Bedeutungen für jede ethnische Gruppe aufbauen, so dass die Präferenzen zwischen verschiedenen ethnischen Gruppen kalibriert und ausgeglichen werden können (siehe weiter unten in diesem Text und den Bericht „Aging Gracefully 2015“).

Um die Komplexität natürlicher Kontexte darzustellen, benötigen wir visuelle Hilfsmittel wie ein zweiachsiges Diagramm, um die mentalen Routinen der Menschen und die Entwicklung ihrer Kompetenzen bei der Anpassung an spezifische Herausforderun-

100

StraightONE Behavioral Economics Guide _ 2019

gen abzubilden.

Verhaltensmodelle und die Theorie des Wandels Biologische und kulturelle Evolution weisen insofern die gleichen Merkmale auf (Lewens, 2015), als biologische und kulturelle Kräfte nach koevolutionären Pfaden interagieren und mit den gleichen Prinzipien beschrieben werden können, d.h. Migration oder Mutation, die das Ergebnis von selektivem Druck sind und letztlich zu einer anhaltenden Drift führen können (siehe Cavalli-Sforza 1981).

Wir können das Verhalten von Menschen und ihre differenziellen Muster als adaptive oder maladaptive Reaktionen (Wood, 2019) in Gegenwart von „selektivem Druck“ und psychologischen Kräften in der Gesellschaft beobachten und beschreiben.

Der Druck zur Veränderung ist Teil des kulturellen Lebens eines jeden Lebewesens als Folge des biologischen Anpassungsdrucks. Jedes biologische Lebewesen hat Mechanismen geerbt oder erworben, um den Druck zur Veränderung zu verringern und Stabilität zu erhalten oder die Möglichkeiten auszuwählen, die seine Lebensbedingungen verbessern könnten. Die Homöostase - die Tendenz zu einem relativ stabilen Gleichgewicht zwischen voneinander abhängigen Elementen - ist eine der treibenden Kräfte in unserem Gehirn und trägt dazu bei, unerwünschte Folgen von Veränderungen zu verringern. Viele kulturelle Anpassungen an äußeren Druck führen zu einer kulturellen Evolution (siehe Damasio, 2018).

Kultureller Wandel kann je nachdem, wie Normen, Standards, Werte und Glaubenssysteme formuliert sind, erleichtert oder behindert werden, da sowohl individuelle als auch gesellschaftliche Systeme wiederkehrende Narrative haben, die auf impliziten

P10

Gemeinschaftsorientiert

P9

P7

P23

P24

P1

P4

P16

P17

P15 P1

Reaktive

P6

Proaktive

P17

P3

P11

P13 P20

P22

P6

P14

P18 P5

Individualorientiert

Abb. 3: Cluster von Profilen älterer Menschen auf einer Karte mit der Zone der proximalen Entwicklung.

oder expliziten Referenzpunkten und mentalen Repräsentationen aufbauen, die als Glaubenssysteme strukturiert sind. Unsere modernen Gesellschaften sind in hohem Maße reguliert, und der kulturelle Wandel ist oft das Ergebnis von Strategien, die eingesetzt werden, um selektiven Druck zur Veränderung zu erzeugen. Kultureller Wandel kann jedoch auch das Ergebnis von Zwängen sein, die nicht richtig gehandhabt werden, sei es aufgrund begrenzter Rationalität oder aufgrund des Vorhandenseins unterschiedlicher und konkurrierender Wertesysteme.

In solchen Fällen werden kulturelle Veränderungen oft durch Technologie- und Marketingstrategien ausgelöst, die stattfinden, bevor neue Regulierungssysteme in der Lage sind, sie zu kontrollieren, oder bevor Regulierungsentscheidungen Verhaltens- und Kulturdrift bestimmen können.

Dies impliziert, dass selbst in unseren hochgradig regulierten Gesellschaften der Druck zur Veränderung zu einer Vielzahl von Reaktionen führen kann.

Eine ethnographische Studie kann aufzeigen, wie Menschen und Kulturen auf gegebenen Veränderungsdruck reagieren, zum Beispiel auf die Verfügbarkeit innovativer Technologien und Infrastrukturen zu einem bestimmten Zeitpunkt. Indem wir das Verhalten der Menschen in Zeiten des technologischen Wandels beobachten, können wir aufzeigen, wie sich neue Gewohnheiten herausbilden, aber auch, wie alte Gewohnheiten abnehmen.

Aus kultureller Sicht lässt sich die Entwicklung des Verhaltens entlang eines Kontinuums beschreiben und über zwei Achsen abbilden, so dass wir sowohl benachbarte als auch entfernte Muster oder Cluster

StraightONE Behavioral Economics Guide _ 2019

101

Teil 2 - Anwendungen

und ihre relative Neigung, sozial engagiert und aktiv in Gemeinschaften zu bleiben und nicht isoliert und stattdessen individualistisch zu sein. Die Konstruktion von Verhaltensmodellen durch Darstellungen, wie Menschen nach ihrem Kompetenzniveau und dem kollaborativen Gefüge, innerhalb dessen sie handeln, unterschieden werden können, hat den Vorteil, dass sie die Hebel identifiziert, die zur Planung von Veränderungsprogrammen notwendig sind.

Die Evolutionstheorie impliziert die „Migration“ von Gewohnheiten in angrenzende Möglichkeiten: eine Reihe von Wahlmöglichkeiten ist eine häufigere Ursache für Verhaltensänderungen als solche, die auf eine störende Mutation von Gewohnheiten zurückzuführen sind. In unseren Karten stellen wir Verhaltensmodelle dar, um hervorzuheben, wie es realistischer und integrativer ist, von den Menschen zu erwarten, dass sie sich entlang der Achsen auf benachbarte Modelle zu bewegen, während es schwieriger ist, störende evolutionäre Modelle vorzuschlagen. In der Biologie sagt man, dass erfolgreiche Mutationen selten sind, während in der kulturellen Evolution, wenn sie auftreten, Mutationen exklusiv sein und Barrieren für integratives und nachhaltiges Wachstum schaffen können.

Abb. 5

definieren können (siehe Abbildung 3). Wie später beschrieben, zeigt diese Karte die Position verschiedener Cluster über zwei Dimensionen hinweg: Auf der horizontalen Achse beobachten wir Pro-Aktivität vs. Reaktivität, d.h. das Kompetenzniveau bei der Inanspruchnahme von Gesundheitsleistungen und ihre relative Fähigkeit, die Ergebnisse ihrer Handlungen in diesem Bereich zu antizipieren und zu kontrollieren, und auf der vertikalen Achse sehen wir die sozialen Eigenschaften einer Person

102

StraightONE Behavioral Economics Guide _ 2019

Kulturelle Veränderungsprogramme können als Verhaltensänderungsprogramme verstanden werden, indem sie alte Gewohnheiten durch Neue ersetzen. Technologische Lösungen und der Entwurf neuer personalisierter Dienstleistungen, die eine allmähliche Weiterentwicklung entlang der Kompetenz- und Kooperationsachsen fördern, können folglich einen Wert für die Menschen schaffen und gleichzeitig positive soziale Auswirkungen haben.

Es gibt viele Beispiele dafür, wie sich die kulturelle und Verhaltensevolution allmählich vollzogen hat und wie die Technologie dem Modell der Migration auf benachbarte Evolutionsstufen gefolgt ist. Dies

• Das unaufhörliche Ernährer

• Der isolierte Invalide • Der langsamer werdende Rentner

• Der spirituelle Gläubige • Der überforderte Pfleger • Die engagierten älteren Menschen

• Der unausgerüstete Freiwillige • Der Draufgänger

Für Verhaltensänderungen benötigen diese Personen:

Kulturell angemessene Hinweise, um eine Beziehung zwischen Personas und dem Gesundheitssystem herzustellen.

Das Verständnis, dass Angebote von Gesundheitsdiensten vorteilhafter sein könnten als persönliche Strategien.

Erkennen derjenigen Optionen und Erfahrungen im Gesundheitswesen, die ihren Bedürfnissen entsprechen, ihre Fähigkeiten maximieren und ihre Lebensweise unterstützen.

Belohnung von Erfahrungen und Interaktionen im Gesundheitswesen, für sich selbst und andere in ihrer Umgebung.

Warum?

Kann keine effektive Beziehung herstellen und fühlt sich missverstanden, so dass diese Persona sich vom Gesundheitssystem distanziert oder die Gesundheitsversorgung ganz meidet.

Die Personen in dieser Gruppierung haben unterschiedliche Bildungsniveaus, werden aber durch das Gefühl motiviert, dass das System nicht ihren Bedürfnissen entspricht, so dass sie ihre eigenen Lösungen schaffen müssen.

Frühere enttäuschende Erfahrungen bedeuten, dass die Betroffenen das Vertrauen in das Gesundheitssystem und ihre Fähigkeit, es zu verwalten, verloren haben. Deshalb wenden sie sich vom System ab und wenden sich anderen Optionen zu.

Diese Persönlichkeiten sind wissensdurstig, gemeinschaftsorientiert und werden durch die Bewältigung von Herausforderungen belohnt.

Ineffizienzen im Gesundheitssystem, seinen Prozessen und Leistungen haben jedoch zu Frustration und manchmal zu einer negativen Interpretation der klinischen Medizin geführt.

Die Erbringung von Gesundheitsdiensten sollte:

Seien Sie in hohem Maße einnehmend und lohnend, so dass die Neugier zur anfänglichen Annahme und dann zu einer langfristigen Beziehung führt.

Sprachliche, kulturell angemessene Unterstützung anbieten, damit sie vorhandenes Wissen nutzen und ihre Erwartungen mit dem Gesundheitssystem in Einklang bringen können.

Wenn sie sehen, wie sich die Gegenwart auf die Zukunft auswirkt und warum Dinge geschehen, können sie ihre Interaktionen verinnerlichen und sinnvoll gestalten.

Zeigen Sie, dass es Optionen und Erfahrungen im Gesundheitswesen gibt, die auf ihre Bedürfnisse eingehen, ihre Fähigkeiten maximieren und Unterstützung bei der Lebensführung bieten.

Reduzieren Sie die verfahrenstechnischen Hürden, um die persönliche und allgemeine Situation zu verbessern, mit befriedigenderen Möglichkeiten für Personas, ihre Fähigkeiten zu verbessern oder neue zu entwickeln.

Erstes Engagement

Bieten Sie Elemente der Überraschung oder Untersuchung, um Aufmerksamkeit zu erregen.

Um: der Persona zu helfen, die zugrundeliegende

Geben Sie den Personas die Autonomie, verschiedene Methoden und Strategien anzuwenden. Helfen Sie ihnen, die Verfügbarkeit von Wahlmöglichkeiten und Selbstorganisation wahrzunehmen.

Bieten Sie Personas Dienstleistungen an, die klar zum Ausdruck bringen Ziele und beabsichtigte Ergebnisse, damit sie ihre Erfolgschancen einschätzen.

Schaffung von Gelegenheiten zur Überbrückung der westlichen und östlichen Kultur, so dass die Personas ihre Fähigkeiten nutzen oder neue entwickeln können. Geben Sie Feedback und Verstärkung, damit sie motiviert sind, sich weiterhin für das System zu engagieren.

Um: den Personas zu helfen, Erwartungen auszurichten und zu verbessern ihre Realität im Gesundheitswesen.

Geben Sie Feedback darüber, wo Personas in das Gesundheitssystem passen. Erfahrungen anpassen, um den Personas mehr Kontrolle und Wahlmöglichkeiten zu bieten.

Abb. 4: Some recommendations on what to do to help people become more competent and proactive, and what services could be conceived and designed for this purpose

StraightONE Behavioral Economics Guide _ 2019

103

Teil 2 - Anwendungen

gilt auch für die digitale Welt und für Mobiltelefone.

Zum Beispiel entwickelte sich die allmähliche Evolution der mobilen Technologielösungen vom 2-Mode rinGOHandy (das so genannte „Bimbo-Handy“ wegen seiner Einfachheit) über das Nokia „navikey“ (zweite Mobilfunkgeneration) bis hin zum Touch-Handy (die dritte Mobilfunkgeneration, die mit dem iPhone eingeführt wurde), das sich allmählich verändert und die nächste Phase der mobilen Migration vorwegnimmt, in der die Menschen zur Interaktion mit proximalen digitalen Informationen navigieren, die in die physische Realität eingebettet sind (siehe Visciola, 2013). Es handelt sich hier eher um eine allmähliche Transformation als um disruptive Innovation!

Wenn technologische und infrastrukturelle Innovationen und Regulierungen zusammenwirken, kann ein enormer Selektionsdruck entstehen. Widerstände gegen Veränderungen oder objektive Schwierigkeiten sind jedoch offensichtlicher, wenn die Auswirkungen der innovativen Lösung auf die Erhöhung der Kompetenz der Menschen zur Bewältigung gesellschaftlicher Herausforderungen und zur Förderung von Kooperation und Zusammenarbeit nicht ausdrücklich genannt werden.

Darüber hinaus können wir bei der Anwendung der Evolutionstheorie auf die digitale Kultur auch vorhersehen, dass „Nudges“ (Thaler & Sunstein, 2009) am effektivsten funktionieren, wenn Informationen so gestaltet sind, dass die Menschen begreifen, dass das Erreichen des bevorzugten Ziels es ihnen ermöglicht, bestimmte Verhaltensmuster und Präferenzsätze zu stabilisieren und/oder einen Aspirationspfad zu schaffen.

Verhaltensmodelle in der Praxis In jedem komplexen Bereich wie Sparen und Investieren, Schutz des persönlichen Vermögens, Altern und Entscheidung für einen Lebensstil, der auf Wohlbefinden und Langlebigkeit ausgerichtet

104

StraightONE Behavioral Economics Guide _ 2019

ist, weisen Menschen unterschiedliche Kompetenzniveaus und eine Vielzahl von Glaubenssystemen auf. Beim Aufbau von Präferenzen und Gewohnheiten bilden Menschen mentale Routinen und rahmen Entscheidungen nach Referenzpunkten ein, so dass Kontextfaktoren angemessen modifiziert oder manipuliert werden können, um die gewünschten Ziele zu erreichen (siehe Slovic, 2000).

Das Verständnis der markanten und dominanten mentalen Strukturen, die Gewohnheiten und Verhalten regulieren, sollte es uns ermöglichen, die möglichen Richtungen der Präferenzen so zu gestalten, dass die Menschen sich an Entscheidungen orientieren können, die gute Gewohnheiten stärken oder dazu beitragen, schlechte zu modifizieren.

Die bei der Modellierung neuer Richtungen und Gewohnheiten angewandten Methoden helfen, die verschiedenen Elemente, die die Präferenzen und Entscheidungen der Menschen bestimmen, zu dekonstruieren und zu rekonstruieren.

Die Persona ist eines der Artefakte, die Designer zur Darstellung von Unterschieden bei der Betrachtung von Menschen und besonderen Merkmalen verwenden. Eine Persona kann viel mehr als nur die Soziodemographie der Kundensegmentierung beschreiben - sie ist ein mächtiges Werkzeug, um Dienstleistungen und Innovationen aktiv zu gestalten und so die Verhaltensentwicklung und den kulturellen Wandel in den Segmenten, die die Personas repräsentieren, zu fördern. Persona-Modelle bieten Einblicke in die treibenden Kräfte der Gewohnheiten und Verhaltensweisen von Menschen, indem sie diese innerhalb der Ziele, Zyklen und Verhaltensmuster der Kunden, der Auseinandersetzung mit Service-Lösungen und der Interaktion mit physischen und digitalen Service-Touchpoints verorten.

Die Unterscheidungsmerkmale von Personen sind jedoch nicht statisch, da sich Verhaltensweisen, Erwartungen und Werte weiterentwickeln können.

Folglich zielt die Persona-Modellierung darauf ab, potenzielle Entwicklungspfade abzubilden, die

unser Verständnis der Benutzeranforderungen, d.h. derjenigen, die die digitale Lösung erfüllen sollte. Wir nennen diese Artefakte Verhaltensmodelle, da sie Verhaltensmerkmale bei der laufenden Anpassung an die Anforderungen der Umgebung darstellen.

Abb. 5

beschreiben können, wie Verhaltensänderungen durch das entsprechende Servicemodell angestoßen werden können (siehe Abbildung 46).

Darüber hinaus identifiziert Persona wichtige Benutzermerkmale, nämlich Überzeugungen, Verhalten, mentale Routinen, Erwartungen und Ziele, und erweckt Benutzer zum Leben, indem sie ihnen Namen gibt, die einige archetypische Merkmale darstellen. Obwohl Personas fik-

tiv sind, basieren sie dennoch auf dem Wissen über reale Personen.

Bevor sie definiert werden, wird in irgendeiner Form ethnographische Forschung durchgeführt, um sicherzustellen, dass sie reale Menschen repräsentieren und nicht die Meinungen der Forscher, die ihre Hauptmerkmale formen. Durch die Generierung von Erkenntnissen und besseren Erwartungen darüber, wie sich diese Profile in einem Nutzungskontext wahrscheinlich verhalten werden, erhöhen diese Modelle

Technologiegetriebene Innovationsinitiativen in vielen Sektoren werden oft von Annahmen darüber angetrieben, was für die Menschen wichtig ist, und sie werden von Marketern, Designern oder Entscheidungsträgern erstellt. Diese Annahmen basieren nicht notwendigerweise auf einem Verständnis des realen Lebens, wie Menschen sich verhalten, und daher können sie nicht unbedingt als Richtschnur dafür dienen, wie Produkte, Dienstleistungen und Strategien so gestaltet werden können, dass sie das Verhalten der Menschen positiv beeinflussen. Um falsche Annahmen zu vermeiden, bauen Verhaltensmodelle auf den beobachteten Verhaltensweisen der Menschen auf, indem ihre täglichen Kontexte erforscht und ihre Interaktionen mit Dienstleistungen, Berührungspunkten, Herausforderungen und Lösungen modelliert werden. Ein gut durchdachtes Verhaltensmodell kann den Menschen helfen, die Auswirkungen ihrer Entscheidungen zu verstehen, und sie möglicherweise in die Lage versetzen, sich in eine nachhaltigere

StraightONE Behavioral Economics Guide _ 2019

105

Teil 2 - Anwendungen

Thinking as Behavioral Scientists, Acting as Designers

Michele Visciòla

five outlined activities and therefore manage income and save money. This model informed the four software design development phases and the design iterations in integrating the system features (see Figure 4).

Aufkommendes Verhaltensmodell Michele Visciòla

Thinking as Behavioral Scientists, Acting as Designers Bestreben

Stabilität

kultivieren beibehalten five outlined activities and therefore manage income and save money. This model informed the four software design development phases and the design iterations in integrating the system features (see Figure 4).

Kurzfristig

Langfristig

Kontrolle

Aufkommendes Aktivitäts Model Makro Simulation

Kurzfristig

Überwachen

Budgetierung

Planung

Analysieren

Mikro

Figure 3: The behavioral model, used to inform the design of a personal finance management tool.

Abb. 6: Das Verhaltensmodell, das als Grundlage für die Entwicklung eines persönlichen Finanzmanagement-Tools dient.

Figure 3: The behavioral model, used to inform the design of a personal finance management tool.

Kontrolle: Bestrebungen Überwachung

Hoher Betrag und Interdependenz von Merkmalen

Analyse Budgetierung Simulation Planung Kontrolle: Stabilität

Figure 4: Software design roadmap, informed by the behavioral model and activity model.

Niedriger Betrag of undfinance) The final tool was conceived for initial users (also beginners in their understanding Interdependenz von Merkmalen to support just “monitoring” and “analysis” activities. Besides, the tool has dedicated features to learn how to allocate resources in different baskets (“budgeting”) (see Figure 5). Finally, for Abb. 7: Software-Design-Roadmap, informiert durch das Verhaltensmodell und das Aktivitätsmodell.

Figure 4: Software Behavioral Economics Guidedesign 2020 roadmap, informed by the behavioral model and activity model.

77

The final tool was conceived for initial users (also beginners in their understanding of finance) to support just “monitoring” and “analysis” activities. Besides, the tool has dedicated features to learn how to allocate resources in different baskets (“budgeting”) (see Figure 5). Finally, for

106

StraightONE Behavioral Economics Guide 2020 Behavioral Economics Guide _ 2019

77

Richtung zu bewegen. Die folgenden Fälle zeigen, wie diese Verhaltensmodelle in zwei hochkomplexen Bereichen funktionieren, die Teil des täglichen Lebens sind.

Verhaltensgestaltung für ein würdevolles Altern Die Alterung kann als eine kulturelle Angelegenheit betrachtet werden, da sie das soziale Gefüge, die Systeme und Strukturen, aus denen Städte, Regierungen und das individuelle Leben bestehen, beeinflusst. Die Regierung von Singapur und der Design Council haben Experientia, ein Beratungsunternehmen für User Experience-Design, gebeten, sie bei der Konzeption innovativer Dienstleistungslösungen zu unterstützen, um das tägliche Leben älterer Bürger integrativer zu gestalten und insbesondere sicherzustellen, dass sie nahtlosen Zugang zur Gesundheitsfürsorge haben und einen aktiven und gesunden Lebensstil führen können.

Wir führten ein umfangreiches ethnographisches Programm durch, das Shadowing-Sitzungen, d.h. partizipatorische Workshops mit mehr als 100 Interessenvertretern, beinhaltete, und definierten Verhaltensmodelle, um die Konzeption neuer Dienstleistungen zu unterstützen.

Die für die Studie ausgewählten Personen wurden danach geclustert, wie gut sie die Merkmale entlang der beiden Achsen, die zur Umrahmung der Personas verwendet wurden, repräsentieren (siehe Abbildung 1). Die Singapurer reichten von „individuenorientierten“ bis zu „gemeinschaftsorientierten“ Personen. Ihre Einstellung zu Gesundheit und Gesundheitsversorgung reichte von der „proaktiven“ Erkundung von Möglichkeiten und dem Ansprechen ihrer anpassungsfähigen Ziele bis hin zur „reaktiven“ Reaktion auf das, was ihnen aufgetragen wurde, ohne wirklich zu bewerten, was für sie geeignet war. Wie in Abbildung 2 dargestellt,

sind die älteren Menschen in Singapur entlang der Kompetenzachse von reaktiv bis proaktiv dargestellt und repräsentieren damit ihr Verständnis der Angebote des öffentlichen Gesundheitssystems an Gesundheitsleistungen.

Der aus unserem Verhaltensmodell resultierende Masterplan für Dienstleistungen für ältere Menschen wurde konzipiert, um personenzentrierte Dienstleistungen zu fördern, ihr Kompetenzniveau im Hinblick auf die Verfügbarkeit von Dienstleistungen für ältere Menschen zu erhöhen und die Isolation einiger von ihnen zu verringern (siehe ein Beispiel in Abbildung 2). Darüber hinaus musste es eine auf Ethnizität ausgerichtete Infrastruktur reproduzieren, die die Zone der proximalen Entwicklung verfolgt und eine reibungslose Evolution der Verhaltensweisen ermöglicht. Die Verhaltensmodellierung war eine Art Referenzmodell für den Entwurf eines kollaborativen Ökosystems, und der Masterplan der Dienstleistungen war eine Art hypothetisches Verhaltensänderungsprogramm.

Verhaltensgestaltung für finanzielle Einsparungen Experientia führte ein umfangreiches ethnographisches Forschungs- und Designprojekt über das Verhalten des „persönlichen Finanzmanagements“ (PFM ist das in der Finanzindustrie verwendete Akronym) in Italien durch. Das Projekt umfasste kontextbezogene Interviews, formative Evaluationen, Persönlichkeitsentwicklung und Verhaltensmodellierung, Informationsarchitektursitzungen und die Entwicklung von Designkonzepten, um die Planung der Softwareentwicklung und die Veröffentlichung des PFM-Tools zu unterstützen. Aus der Definition von Unterscheidungsfaktoren in Bezug auf Ausgabeverhalten und Spargewohnheiten, Bewältigungsfähigkeiten, mentale Buchführung und andere Routinen schufen wir ein „Verhaltensmodell“, wie in

StraightONE Behavioral Economics Guide _ 2019

107

the most users, the tool contributes to a 6). “simulation” of different saving and family andsophisticated agreed with the bank (“planning”) (see Figure spending objectives and then helps reduce fungibility, once a plan has been established in the Our behavioral model conceived to improve savings family and agreed with was the bank (“planning”) (see Figure 6). competence. Maintaining stability Teil 2 - Anwendungen between monthly income and outgoings is the first important goal to manage. This is achieved Our behavioral model was conceived to improve savings competence.

Maintaining by learning to use simple analytical reporting on how income has been spent (i.e. thestability “monibetween monthly income and outgoings is the first important goal to manage.

This is achieved toring” and “analysis” activities in the behavioral model). Once this learning is achieved, the by learning to use simpleallocating analyticalsome reporting on(the how“budgeting” income hasactivity) been spent (i.e. the “monisoftware gently suggests money for typical recurring toring” and “analysis” activities in utilities). the behavioral Once this learning the expenses (e.g. food, house rental, As soonmodel). as the people have learnedistoachieved, manage the software gently suggests allocating some money (the “budgeting” activity) for typical recurring budgeting tool, they are encouraged to start using the tool to plan and to simulate different expenses scenarios (e.g. food, (i.e. house utilities).

As“planning” soon as the people in have to manage spending therental, “simulation” and activities thelearned behavioral model).the budgeting tool, they are encouraged to start using the tool to plan and to simulate different spending scenarios (i.e. the “simulation” and “planning” activities in the behavioral model).

Abb. 8: Das 5: Dashboard dient zur Überwachung der Ausgabenexpenses und zur Zuweisung Ressourcen.

Ausgaben können nach KateFigure Dashboard used to monitor andvon allocate resources.

Expenses gorien und in einem Zeitfenster verfolgt und mit den Einnahmen verglichen werden.

by category, in a time window, and compared versus income.

can be traced

Figure 5: Dashboard used to monitor expenses and allocate resources. Expenses can be traced by category, in a time window, and compared versus income.

Figure 6: Dashboard to simulate goals and allocate fungible resources to plans. The planning can be done in different time windows, i.e. any 3 months, 6 months, and so on up to 5 years.

Figure 6: Dashboard and allocate fungible resources to inplans.

The planning can Abb. 9: Dashboard zur Simulation to vonsimulate Zielen und zurgoals Zuweisung fungibler Ressourcen zu Plänen.

Die Planung kann verschiedenen Zeitfenstern erfolgen, d.h. in beliebigen 3 Monaten, 6 Monaten usw. bis zu 5 Jahren. be done in different time windows, i.e. any 3 months, 6 months, and so on up to 5 years.

Behavioral Economics Guide 2020

78

Behavioral Economics Guide 2020

78

108

StraightONE Behavioral Economics Guide _ 2019

Abbildung 5 dargestellt. Das Modell beschreibt die beiden Kontrollmechanismen, die auf die Aufrechterhaltung von Stabilität bzw. die Verfolgung von Bestrebungen abzielen. Die verschiedenen Phasen, durch die wir mentale Routinen zur Kontrolle von Verhaltensweisen und Entscheidungen abgebildet haben, wird als „Aktivitätsmodell“ bezeichnet, und es umfasst die folgenden fünf Aktivitäten: Überwachung, Analyse, Budgetierung, Simulation und Planung. Wir fanden diese Aktivitäten eingebettet in typische Routinen, die von der beobachteten Stichprobe von 36 Teilnehmern durchgeführt wurden. Die Verhaltensmodelle basierten auf der Unterscheidung von Verhaltensmerkmalen für jede Persona und der Fähigkeit, die fünf skizzierten Aktivitäten anzunehmen und somit Einkommen zu verwalten und Geld zu sparen. Dieses Modell beeinflusste die vier Entwicklungsphasen des SoftwareDesigns und die Design-Iterationen bei der Integration der Systemmerkmale (siehe Abbildung 3 ).

Das endgültige Werkzeug wurde für Erstnutzer (auch Anfänger in ihrem Finanzverständnis) konzipiert, um lediglich „Monitoring“- und „Analyse“Aktivitäten zu unterstützen. Außerdem verfügt das Tool über spezielle Funktionen, um zu lernen, wie man Ressourcen in verschiedenen Körben zuweisen kann („Budgetierung“) (siehe Abbildung 4 ).

Schließlich trägt das Tool für die anspruchsvollsten Benutzer zu einer „Simulation“ der verschiedenen Spar- und Ausgabenziele bei und hilft dann, die Fungibilität zu verringern, sobald ein Plan in der Familie erstellt und mit der Bank vereinbart wurde („Planung“) (siehe Abbildung 51 ).

(d.h. die Aktivitäten „Überwachung“ und „Analyse“ im Verhaltensmodell).

Sobald dieses Lernen erreicht ist, schlägt die Software sanft vor, etwas Geld (die „Budgetierungs“Aktivität) für typische wiederkehrende Ausgaben (z.B. Lebensmittel, Hausmiete, Versorgungseinrichtungen) zuzuweisen. Sobald die Personen gelernt haben, mit dem Budgetierungswerkzeug umzugehen, werden sie ermutigt, mit der Verwendung des Werkzeugs zu beginnen, um verschiedene Ausgabenszenarien zu planen und zu simulieren (d.h. die „Simulations-“ und „Planungs-“-Aktivitäten im Verhaltensmodell ).

Zusammenfassend lässt sich sagen, dass wir, um Programme einzurichten, die Verhaltensänderungen erleichtern können, besser verstehen müssen, wie kulturelle Veränderungen auf der Ebene des Einzelnen und der Gruppe erleichtert werden können, indem wir Verhaltensdarstellungen in einer Landkarte verwenden und dann Dienstleistungen und Lösungen entwerfen, die das Kompetenzniveau der Menschen bei der Bewältigung ihrer unterschiedlichen Herausforderungen verbessern können. Auf sozialer Ebene können solche Programme als Experimente in realen Kontexten konzipiert werden, die selektiven Druck ermöglichen und so die Migration in die angrenzende Zone erleichtern können, in Übereinstimmung mit den individuellen und gemeinschaftlichen Bestrebungen und der gesellschaftlichen Ethik.

Unser Verhaltensmodell wurde konzipiert, um die Sparkompetenz zu verbessern. Die Aufrechterhaltung der Stabilität zwischen monatlichen Einnahmen und Ausgaben ist das erste wichtige Ziel, das es zu erreichen gilt. Dies wird erreicht, indem man lernt, einfache analytische Berichte darüber zu verwenden, wie das Einkommen ausgegeben wurde

StraightONE Behavioral Economics Guide _ 2019

109

Der Autor

Literaturhinweise

Apesteguia, J., Huck, S., & Oeschssler, J. (2007). Imitation: Theory and experimental evidence. Journal of Economic Theory, 136(1), 217-235.

Cavalli-Sforza, L., & Feldman, M. (1981). Cultural transmission and evolution: A quantitative approach. Princeton, NJ: Princeton University Press.

Damasio, A. (2018). The stranger order of things. New York, NY: Pantheon Books.

Michele Visciòla

ist Gründungspartner, CEO und Vorsitzender von Experientia Global, wo er persönlich an Projekten beteiligt ist, die sich mit den folgenden Themen in einer Vielzahl von Branchen befassen: digitale Transformation von Dienstleistungen; Verhaltensmodellierung und Kulturevolution im Zusammenhang mit Dienstleistungsinnovation; Geschäftsinnovation; nutzerzentriertes Design und Politikgestaltung.

Michele verfügt über einen internationalen Lehrplan und umfangreiche Erfahrung in der strategischen Analyse und Modellierung der Benutzererfahrung.

Seine Karriere begann als Forschungsstipendiat im Bereich Kognitionswissenschaften am italienischen Nationalen Forschungsrat und konzentrierte sich auf die Digitalisierung von Diensten in komplexen Systemen, wobei er sich auf die Analyse menschlicher Fehler und Informationsdesign spezialisierte.

Als Unternehmer hat Michele bahnbrechende Startups im Bereich Usability und Human-Factors-Beratung gegründet und war Teil des Teams, das den World Usability Day ins Leben gerufen hat.

110

StraightONE Behavioral Economics Guide _ 2019

Lewens, T. (2015). Cultural evolution. Oxford, UK: Oxford University Press.

Slovic, P. (2000). The construction of preference. In D. Kahneman & A. Tversky (Eds.), Choices, values and frames (pp.489502). Cambridge, UK: Cambridge University Press.

Schneier, B. (2015). Data and Goliath: The hidden battles to collect your data and control your world. London, UK: Norton & Co. Thaler, R. H. & Sunstein, C.R. (2009). Nudge: Improving decisions about health, wealth, and happiness. New York, NY: Penguin Books.

Visciola, M. (2000). Usabilità e Web design. Milano, Italy: Apogeo.

Visciola, M. (2009). People-centered innovation or culture evolution? Interactions. XVI.6, November-December.

Visciola, M., et al. (2015). Design for aging gracefully. Rethinking health and wellness for the elderly: Public services. Asian Insights & Design Innovation, Design Singapore Council. Retrieved from https://issuu.com/aididsg/docs/exp_dsg_ageing_ booklet_e-book_issuu.

Wood, W. (2019). Good habits, bad habits: The science of making positive changes that stick. New York, NY: Farrar, Straus and Giroux.

Zuboff, S. (2019). The age of surveillance capitalism. London, UK: Profile Books.

Abbildungen Abb. 1: https://unsplash.com/@ Alice Dietrich Abb. 2: https://unsplash.com/@ Jassin Aribuga Abb. 4: Cluster von Profilen älterer Menschen auf einer Karte mit der Zone der proximalen Entwicklung.

Abb. 4 :Einige Empfehlungen, was zu tun ist, um den Menschen zu helfen, kompetenter und proaktiver zu werden, und welche Dienstleistungen zu diesem Zweck konzipiert und gestaltet werden könnten Abb. 5: https://unsplash.com/@Antevasin Nguyen Abb. 6: Software-Design-Roadmap, die sich auf das Verhaltens- und Aktivitätsmodell stützt.

Abb. 7: Das Verhaltensmodell, das als Grundlage für die Entwicklung eines persönlichen Finanzmanagement-Tools dient.

Abb. 8: Das Dashboard dient zur Überwachung der Ausgaben und zur Zuweisung von Ressourcen Abb. 9: Dashboard zur Simulation von Zielen und zur Zuweisung fungibler Ressourcen zu Plänen

StraightONE Behavioral Economics Guide _ 2019

111

Teil 2 - Anwendungen

112

StraightONE Behavioral Economics Guide _ 2019

Kostspielige Verhaltensweisen Nutzung der Verhaltensökonomie zur Verwaltung der Kostenbasis von Unternehmen

Einleitung: BE in der kommerziellen Arena Bei der Arbeit mit Unternehmen hören wir oft, dass viele Beispiele, die über die Verhaltensökonomie (BE) berichtet werden, entweder zu theoretisch, zu zeitaufwendig oder einfach zu sehr auf den öffentlichen Sektor ausgerichtet sind, um in der Praxis im kommerziellen Umfeld von Nutzen zu sein. Dies kann darauf zurückzuführen sein, dass es Faktoren gibt, die die Veröffentlichung von Studien im privaten Sektor behindern, wie z.B. das Interesse, die Einzelheiten erfolgreicher Interventionen vor Konkurrenten geheim zu halten.

Abb. 1

Marketingziele stehen oft hinter der Anwendung von BE-Techniken innerhalb von Firmen (Caldwell, 2018). Ein Großteil der Arbeit von Neuromarketingexperten und Verbraucherpsychologen befasst sich mit der Frage, wie verhaltensbezogene Erkenntnisse dazu beitragen können, die Konversionsraten zu erhöhen und die Einnahmen zu verbessern, während man sich weniger damit befasst hat, wie sie z.B. beim Kostenmanagement helfen können. Wenn wir Unternehmen dazu bringen, sich die einfache, aber eindringliche Frage zu stellen: „Welche Verhaltensweisen steuern meine Kostenbasis?“, können wir ein neues Licht auf das Kostenmanagement werfen. Wir veranschaulichen diesen Begriff durch zwei

StraightONE Behavioral Economics Guide _ 2019

113

Teil 2 - Anwendungen

Abb. 2

Fallstudien über Unternehmen, die ihre Kosten auf neue und unerwartete Weise senken konnten: • •

Ein Wasserunternehmen, das gegen Kanalverstopfungen vorgeht und Eine Bank für Privatkunden, die ihre Kosten verwaltet, um besser mit den kostengünstigeren digitalen Erstanbietern konkurrieren zu können.

Diese Fallstudien veranschaulichen die rigorose und effektive Anwendung der Verhaltensökonomie in einem kommerziellen Umfeld. Die Anwendung eines Ansatzes, der fest in der Verhaltensökonomie verankert ist, half diesen Firmen, sowohl wenig erforschte private Verhaltensweisen als auch gut eingeübte Gewohnheiten anzugehen, was zu geringeren Kosten und besseren Ergebnissen führte.

Der Fall: Änderung sehr privater Verhaltensweisen, um Kanalverstopfungen zu verhindern und Kosten zu sparen Wasserversorgungsunternehmen im Vereinigten Königreich werden von Ofwat reguliert, um zu kontrollieren, wie sie Wasser- und Abwasserdienstleistungen erbringen, und sie führen Arbeiten durch, um Wasser aus Flüssen und Reservoirs zu entnehmen, bevor sie es sauber an die Kunden liefern. Wichtig, aber von der Öffentlichkeit vielleicht weniger häufig in Betracht gezogen, leiten sie auch Abwasser um und behandeln es, bevor sie es anschließend reinigen und sicher wieder in die Umwelt abgeben.

Was ist das kostspielige Verhalten?

Wir alle nutzen täglich Kanalisationsdienste, aber wir denken bewusst nicht sehr oft daran. Jane Taylor,

114

StraightONE Behavioral Economics Guide _ 2019

eine Hausbesitzerin aus einer geschäftigen Stadt in England,2 musste viel über diese Dienste nachdenken, als der Abwasserkanal vor ihrem Haus verstopft wurde. Ungeklärtes Abwasser sprudelte aus den Rohren auf der Straße und ergoss sich in ihren Vorgarten.

Sie musste das Wasserwerk anrufen, damit es kommt und die Abwasserleitung wieder freilegt - und zwar schnell. Die direkten Kosten solcher Verstopfungen für die Branche belaufen sich in ganz Großbritannien auf fast 100 Millionen Pfund pro Jahr (Water UK, 2017), zuzüglich der Kosten und des Aufwandes für Jane und Familien wie die ihre für das Aufräumen sowie die Zahlung der entsprechenden Versicherungsprämien.

Kanalverstopfungen werden durch eine Reihe von Faktoren verursacht. Einer davon ist die Ansammlung von Feuchttüchern, die die Menschen zu Hause

benutzen und dann die Toilette herunterspülen. Diese verbinden sich mit eingetrockneten Fetten, Ölen und anderen fettigen Substanzen, die sowohl aus Haushalten als auch aus Betrieben (z.B. Restaurants oder Fast-Food-Läden) stammen, zu „Fettpölsterchen“, die die Kanalisation verstopfen. Das Medieninteresse an Fettbergen ist groß, und die Wasserversorgungsunternehmen haben die Menschen aufgefordert, keine Feuchttücher mehr zu spülen. Nichtsdestotrotz stellt die Häufigkeit der damit verbundenen Verstopfungen weiterhin ein kostspieliges Problem für die Branche dar, denn in Großbritannien treten jährlich über 300.000 solcher Sackgassen auf. In einer Branchenstudie wurde festgestellt, dass der größte Teil (etwa 93%) des Verstopfungsmaterials in der Kanalisation, wenn es zurückgewonnen wird, aus nicht spülbaren Tüchern besteht (Water UK, 2017). Wie kann also das Verhalten von Menschen, die Feuchttücher in Toilet-

Abb. 3

StraightONE Behavioral Economics Guide _ 2019

115

Teil 2 - Anwendungen

Stephen Heal et al.

Using Behavioural Economics to Manage the Company Cost Base

women’s washrooms. By displaying different messages, we could gauge what impact they had on flushing behaviour compared with control groups that had no message.

• Note: No other messages were visible in the cubicles, except those provided on the inside of the doors of the treatment groups. The messages on the doors were not visible from the outside. The wall-mounted wipe dispenser was placed next to the paper roll and dispensed wipes individually.

Figure 1: Set up of ‘cubicle trials’ for messages in a busy shopping centre. Source: Frontier case work with a UK water company. Shopping centre cubicle trials.

Abb. 4: Einrichtung von „Kabinenversuchen“ für Botschaften in einem belebten Einkaufszentrum.

Quelle: Grenzüberschreitende Fallarbeit mit einem britischen Wasserunternehmen. Kabinenversuche in einem Einkaufszentrum.

A well-protected sanitary team counted how many wipes were left at the end of each period, how many had been disposed of in the bins in each cubicle and how many people had used each cubicle. The simple core equation is thus: Wipes flushed = Wipes dispensed – Wipes binned.

This approach produced quicker, more directly pertinent results at much lower cost than the spider web trials.

ten hinunterspülen, Results: geändert werden, undlight wieonkann The results cast new the extent of the problem, and how to design messages deter people from flushing wet wipes. We obtained 1,602Interviews observationswurden across control and dies kostengünstigertogeschehen, als die VerstopfunIn den die Handlungen der Mentreatment groups from 20 cubicles over a 9-hour period. schen von der Kaufentscheidung über den Gebrauch gen selbst zu beseitigen? bis hin zur Entsorgung „zurückverfolgt“, ohne den Treatment groups Cubicles Used Zweck Flushed % %direkt difference der Diskussion zu verraten (Graves, 2010).

Flushed flushed compared to Wir fanden heraus, dass in Großbritannien jedes Jahr control mehrere Milliarden Feuchttücher gekauft werden, Babytücher bilden, gefolgt C - Control 5 459 wobei170 37% das größte Segment NA D - Domestic cost 8 624 von Hautpflege171 27% 27% und Körperpflegetüchern (WC). Die Verschiedene Initiativen sind im Gange, E - Environmental cost um das7Pro520 Verbraucherinnen 130 25% und Verbraucher 32% finden sie relativ blem anzugehen. Wir fassen hier einen Ansatz aus billig, bequem und wirksam, und oft fingen sie erst an, unserer Arbeit mit einem Unternehmen zusammen, das Table 1: Summary of results obtained in each type of sie cubicle Differences between zu Note: kaufen, nachdem sie Kinder bekommen hatten. branchenweit führende Kundenforschung betreibt. treatments in the proportion of wipes flushed down the toilet were analysed using a Menschen, die Tücher zur Körperpflege und für Kleingeneralised linear model (GLM) with a binomial error structure. Every predictor used was kinder verwenden, spülen sie am häufigsten die Toilette highly (p<0.05, measure of statistical significance). Source: Frontier case work with Die Diagnose: Durch diesignificant Kombination von Kaufdaten hinunter, weshalb sie in den Mittelpunkt unserer Studie a UK water company. Shopping centre cubicle trials. für Feuchttücher3 mit Einzelheiten zu Kanalverstopfungerückt sind. gen konnten wir Postleitzahlengebiete mit sowohl höhe84 Behavioral Economics Guide 2020 ren Feuchttuchverkäufen als auch mehr Verstopfungen Wir mussten uns auf das konzentrieren, was sich „hinter identifizieren. Mit Hilfe ausgebildeter Verbraucherverschlossenen Türen“ abspielte, ohne eine Rückverfolgpsychologen führten wir dann eine Reihe von Tiefenbarkeit, die das Verhalten mit dem Ergebnis verknüpft. interviews mit Personen durch, die aus diesen Gebieten Wir nutzten die Erkenntnisse aus den Interviews als Anrekrutiert wurden. regung, um kreative Lösungen und dann ein neuartiges

BE zur Entwicklung neuer Ansätze nutzen

116

StraightONE Behavioral Economics Guide _ 2019

A well-protected sanitary team counted how many wipes were left at the end of each period, how many had been disposed of in the bins in each cubicle and how many people had used each cubicle. The simple core equation is thus: Wipes flushed = Wipes dispensed – Wipes binned.

This approach produced quicker, more directly pertinent results at much lower cost than the spider web trials.

Results: The results cast new light on the extent of the problem, and how to design messages to deter people from flushing wet wipes. We obtained 1,602 observations across control and treatment groups from 20 cubicles over a 9-hour period.

Treatment groups

Cubicles

Used

Flushed

% Flushed

% difference flushed compared to control

C - Control

5

459

170

37%

NA

D - Domestic cost

8

624

171

27%

27%

E - Environmental cost

7

520

130

25%

32%

Table 1: Summary of results obtained in each type of cubicle Note: Differences between

of wipes downDiethe toilet were using a des Anteils Abb. 5:treatments Zusammenfassungin derthe in denproportion einzelnen Kabinentypen erzieltenflushed Ergebnisse Hinweis: Unterschiede zwischenanalysed den Behandlungen hinsichtlich der Tücher, die die Toilette hinuntergespült wurden, wurden mit Hilfe eines verallgemeinerten linearen Modells (GLM) mit einer Binomialfehlerstruktur analysiert. generalised linear model (GLM) with binomial error Quelle: structure.

Every predictor usedbritischen was WasserJeder verwendete Prädiktor war hochsignifikant (p<0,05, Maß für dieastatistische Signifikanz).

Grenzüberschreitende Fallarbeit mit einem unternehmen. Kabinenversuche in einem Einkaufszentrum. highly significant (p<0.05, measure of statistical significance). Source: Frontier case work with a UK water company. Shopping centre cubicle trials.

84

Behavioral Economics Guide 2020

Verhaltensexperiment zu entwickeln. Die Interviews zeigten, dass das Hinunterspülen von Feuchttüchern für viele Kunden zur Gewohnheit geworden war. Gewohnheiten können als automatisierte Handlungen definiert werden, die die Erkennungskosten senken und nur schwer zu ändern sind (Lally et al., 2010), während sich Verhaltensweisen in Gewohnheiten verwandeln, nachdem sie wiederholt in der Gegenwart eines Stichwortes oder einer Reihe von Stichworten ausgeführt werden. Die Interviews zeigten auch, dass Leichtigkeit und Belohnung wichtige Faktoren bei der Bildung der Gewohnheit des Hinunterspülens von Feuchttüchern waren: Feuchttücher sind bequem, und die Verbraucher fühlen sich nach der Benutzung erfrischt. Für

viele Befragte machte diese positive Verstärkung den Akt der Benutzung von Feuchttüchern zu einer Gewohnheit.

Außerdem stellte die überwiegende Mehrheit der Personen keinen direkten Zusammenhang zwischen dem Spülen eines Wischtuchs und einer Kanalverstopfung her. Warum nicht? Weil auf manchen Packungen steht, dass sie „spülbar“ sind, und natürlich lässt sich das schmutzige Tuch tatsächlich wegspülen. Verstopfungen des Abwasserkanals sind zwar teuer und unangenehm, aber vergleichsweise selten, und sie passieren vielleicht nicht einmal in der Nähe der Häuser, die für die Spülung verantwortlich sind, so dass sie nicht auffallen. Außerdem liegen sie in der Zukunft, die für

viele von uns eine abstrakte Welt ist. Die Literatur über intertemporale Entscheidungen zeigt, dass Menschen dazu neigen, die Zukunft als einen weit entfernten Ort zu betrachten, den sie nie bewohnen werden, und stattdessen eine Vorliebe für die Gegenwart haben (O‘Donoghue & Rabin, 1999). Im vorliegenden Fall (oder Wisch) bedeutet dies, dass die Benutzer mehr Gewicht auf die gegenwärtige erfrischende Erfahrung legen und weniger Gewicht auf die weniger auffällige und zukünftige Blockierungskatastrophe.

Zusammenfassend lässt sich sagen, dass wir versuchen, eine private, gut eingeübte Gewohnheit zu ändern, für die es keine offensichtliche Belohnung gibt.

Wir ließen weitergehende Mög-

StraightONE Behavioral Economics Guide _ 2019

117

Teil 2 - Anwendungen

Eine internationale Zahlung vornehmen Adresse ändern Geld zwischen Konten überweisen Bestellung einer Ersatzkarte Beantragen Sie eine neue Kreditkarte Beantragen Sie ein Darlehen Ein neues Girokonto eröffnen Fragen Sie, wie hoch der Kontostand ist Papierauszüge drucken und versenden*

0

0,2

0,4

0,8

1

Abb. 6: Ausgewählte aktivitätsbasierte Kosten für das Kundenverhalten. Hinweis: * Kostenangaben im Verhältnis zu den Kosten für Druck und Papierauszüge. Quelle: Grenzüberschreitende Fallarbeit mit einer Privatkundenbank.

lichkeiten wie die Reduzierung des Umsatzes oder die Umgestaltung von Wischmaterialien für ihre Zersetzung beiseite, da diese von branchenweiten Initiativen diskutiert wurden. Daher konzentrierten wir uns auf das, was für das Unternehmen kurz- bis mittelfristig praktischer war. Beachten Sie, dass wir nicht wussten, welcher Anteil oder welches Segment der Bevölkerung Wischtücher spült oder wie deren Verhalten von den Ermahnungen zur Reduzierung des Spülens beeinflusst wird.

Zielsetzung: Die Diagnose wies auf die Notwendigkeit hin, das Verhalten der Menschen zu beeinflussen und ihre Gewohnheiten in Bezug auf das Spülen von Feuchttüchern zu ändern, indem wir Verbindungen herstellen, die in ihrem Entscheidungsprozess zu fehlen scheinen.

Könnten wir die Ergebnisse deutlicher herausstellen

118

StraightONE Behavioral Economics Guide _ 2019

und einen Zusammenhang zwischen dem Spülen und den Konsequenzen ihres Handelns herstellen?

Frühere Interventionen haben gezeigt, dass die Bereitstellung von Informationen über die positiven Folgen einer Verhaltensänderung die Entwicklung von Gewohnheiten unterstützen kann, indem sie die Motivation steigert (Gardner & Rebar, 2019); zum Beispiel können Informationen über die gesundheitlichen Risiken von Inaktivität und ungesunder Ernährung zu mehr Bewegung und gesunder Ernährung führen (Storm et al., 2016).

Das Kommunikationsteam nutzte diese Erkenntnisse, um alternative Botschaften zu entwickeln, die es mit den Kunden teilen konnte. Diese zielten auf die versteckten Kosten der Spülung ab. Wir unterstützten sie dabei, indem wir die Botschaften so gestalteten, dass sie dem

EAST-Framework (Behavioural Insights Team, 2014) folgten, d. h. einfach, attraktiv, sozial und zeitnah, was uns zwei alternative Botschaften gab, die wir mithilfe einer randomisierten Kontrollstudie testen konnten.

Eine Botschaft konzentrierte sich auf die Umweltkosten (Wischtücher, die an Stränden landen) und die andere Botschaft auf die Haushaltskosten (Abwasser im Hinterhof und der Ärger und die Kosten für die Aufräumarbeiten).

Feldversuche: Aber wie führt man Feldexperimente und randomisierte Kontrollstudien durch, um so etwas zu testen? In früheren Versuchen hängten Wasserwerke Netze wie Spinnennetze über die Hauptabwasserkanäle, um gespülte Tücher aufzufangen. Diese wurden dann herausgezogen und gezählt, um zu sehen, ob Initiativen in den Gemeinden vor den Netzen einen Einfluss auf die Menge der gespülten Tücher hatten. Diese Versuche können teuer sein, viele Wochen dauern und keine signifikanten Auswirkungen nachweisen.

Wir beschlossen daher, Daten näher an der Quelle zu sammeln, wofür wir einen Ort brauchten, der mit einer repräsentativen Stichprobe der lokalen Gemeinschaft beschäftigt war und eine Möglichkeit zur Randomisierung der Mes- sung am Verwendungsort bot. Ein sehr großes Einkaufszentrum in der Region erklärte sich bereit, uns die Durchführung von Experimenten in seinen Haupttoiletten zu gestatten, so dass wir in kurzer Zeit das Maß von Tausenden von Menschen erfassen konnten.

Indem wir eine bekannte Anzahl von Tüchern, normalen Toilettenpapierrollen und einen Abfalleimer in jeder Toilettenkabine zur Verfügung stellten, konnten wir messen, welcher Anteil gespült und welcher in den Waschräumen von Männern und Frauen aufbewahrt wurde. Durch die Anzeige verschiedener Botschaften konnten wir feststellen, welchen Einfluss sie auf das Spülverhalten im Vergleich zu Kontrollgruppen hatten, die keine Botschaften hatten.

Hinweis: In den Kabinen waren keine anderen Botschaften sichtbar, mit Ausnahme derjenigen, die an der

Innenseite der Türen der Behandlungsgruppen angebracht waren. Die Botschaften an den Türen waren von außen nicht sichtbar. Der an der Wand montierte Feuchttuchspender wurde neben der Papierrolle platziert und gab die Tücher einzeln aus.

Ein gut geschütztes Sanitärteam zählte, wie viele Feuchttücher am Ende jeder Periode übriggeblieben waren, wie viele in den Behältern in jeder Kabine entsorgt worden waren und wie viele Personen jede Kabine benutzt hatten. So lautet die einfache Kerngleichung: Feuchttücher gesptült = Feuchttücher ausgegeben Feuchttücher in den Müllcontainern.

Dieser Ansatz lieferte schnellere, direktere und sachdienlichere Ergebnisse zu wesentlich geringeren Kosten als die Versuche mit dem Spinnennetz.

Ergebnisse: Die Ergebnisse werfen ein neues Licht auf das Ausmaß des Problems und die Art und Weise, wie Botschaften gestaltet werden können, um Menschen von der Spülung von Feuchttüchern abzuhalten. Wir konnten 1.602 Beobachtungen in Kontroll- und Behandlungsgruppen aus 20 Kabinen über einen Zeitraum von 9 Stunden machen.

Das haben wir herausgefunden: •

In der Kontrollgruppe zeigte sich, dass mehr als ein Drittel (37%) der Feuchttücher von der allgemeinen Bevölkerung privat und ohne weiteren Anreiz gespült werden, selbst wenn Behälter vorhanden sind.

•

In den Behandlungsgruppen zeigte sich, dass durch die Übermittlung von Informationen über den Verwendungsort die Anzahl der gespülten Feuchttücher im Vergleich zu den Kontrollgruppen um mehr als ein Viertel reduziert wird, insbesondere bei der Übermittlung der Umweltkosten:

•

Die Botschaft zu den Haushaltskosten reduzierte die Spülung der Feuchttücher um 27% im Vergleich

StraightONE Behavioral Economics Guide _ 2019

119

Teil 2 - Anwendungen

zur Kontrollgruppe, während die Botschaft zu den Umweltkosten die Spülung um 32% reduzierte.

•

Diese Ergebnisse lagen deutlich über den Erwartungen des Unternehmens, basierend auf den Erfahrungen mit früheren Initiativen. Darüber hinaus waren die Kanalisationsingenieure des Wasserunternehmens der Ansicht, dass dieser Effekt ausreicht, um einen bedeutenden Einfluss auf die Anzahl der Verstopfungen zu haben.

Diskussion: Die Kabinenversuche lieferten ein Modell zum Testen und Messen von Verhalten, das in der Wohnung nicht gemessen werden konnte. Obwohl sich der Kontext in vielerlei Hinsicht von dem der eigenen Wohnung unterscheidet, würden wir argumentieren, dass der Aufbau (einzelne Kabinen, freie Wahl, keine

offensichtliche Grundierung) Einblicke in Verhaltensweisen gibt, die wahrscheinlich in der Wohnung stattfinden werden. Die Botschaften, die wir getestet haben, zielten direkt auf ein spezifisches Merkmal in unserer Einschätzung der unbewussten Triebkräfte des Verhaltens ab - nämlich die künftigen (versteckten) Kosten der Handlungen der Menschen am Ort der Nutzung deutlicher hervortreten zu lassen.

Einführung: Das Wasserversorgungsunternehmen hat seinen Ansatz angepasst, um die Menschen zu ermutigen, die Spülung von Feuchttüchern zu reduzieren, indem sowohl die Haushalts- als auch die Umweltkosten hervorgehoben werden. An öffentlichen Orten wie Schulen und Kindergärten wurden Erinnerungen am Verwendungsort bereitgestellt, und in sozialen Medien wurden Videobotschaften verbreitet, die das Verhalten

Bewusstes Denken

Priming

Framing

Loss aversion

Was sind die ersten Gedanken oder Botschaften,die Ihr Handeln prägen?

Was ist der Kontext, in dem Sie gegeben wurden?

Wie wirkt sich die Angst, in der

Attention

Association

Reward

Wie viel denken Sie über dies normalerweise nach?

Was assoziieren Sie implizit

Sorgt das Produkt oder der Pro-

(positiv oder negativ)?

zess für Begeisterung?

Leichtigkeit/Gewohnheit

Social proof

Heuristics

Welche Option ist die einfachs-

Was sehen, denken und fühlen

te oder am bequemsten?

Sie, was andere tun?

Welche Faustregeln verwenden Sie in solchen Situationen?

Zukunft etwas zu verpassen, auf das Verhalten aus?

Abb. 7: Der „Neun Merkmale“-Rahmen. Die Quelle: Grenzüberschreitende Wirtschaft.

120

StraightONE Behavioral Economics Guide _ 2019

Bewusstes Denken

Bewusstes Denken

Unbewusstes Denken

Abb. 8

direkt mit den Kosten in Verbindung bringen. Durch die Anwendung von BE zur Bewältigung der Kosten von Verstopfungen hat das Unternehmen ein größeres Bewusstsein für das Verhalten der Menschen und dafür gewonnen, was eine Änderung ihrer Gewohnheiten bewirkt. Der Erfolg des neuen Ansatzes wird an der Häufigkeit kostspieliger Blockaden während des bevorstehenden fünfjährigen Regulierungszyklus gemessen werden. Zu Beginn der COVID-19-Krise kam es zu Engpässen bei Toilettenpapier, und so wiederholte das Unternehmen die Mitteilung, als die Menschen auf Tücher umstellten: „[Wenn Sie Reinigungstücher spülen, werden sie sich ansammeln und Verstopfungen verursachen, und das führt zu dem Alptraum, dass Abwasser in oder um Ihr Haus herum überläuft oder teure Klempnerrechnungen anfallen. Das ist wirklich das Letzte, was man im Moment braucht“.

Fall: Wie man Kunden dazu bringt, ihren direkten Umgang mit Bankfilialen und Kontaktzentren aufzugeben und stattdessen kostengünstigere digitale Kanäle zu nutzen.

Die Aufrechterhaltung eines umfangreichen Filialnetzes ist ein wichtiger Teil der Multi-Channel-Strategie vieler europäischer Banken. Ihre Präsenz in Einkaufsstraßen ist für die Kunden beruhigend und eine wichtige Quelle für neue Geschäfte und Verkäufe, aber solche Netze sind teuer in der Unterhaltung. Die großen Retail-Banken im Vereinigten Königreich gaben durchschnittlich 21% ihrer Gesamtkosten für den Betrieb ihrer Bankfilialen aus, wobei die durchschnittlichen Kosten pro Filiale 590.000 Pfund betrugen (Financial Conduct Authority,

StraightONE Behavioral Economics Guide _ 2019

121

Teil 2 - Anwendungen

2018). Auf den heutigen digitalen Märkten können viele Bankdienstleistungen, die von den Bankkunden benötigt werden, einfach online und zu deutlich niedrigeren Mariginalkosten angeboten werden, und so haben die meisten etablierten Banken die Schließung von Filialen und die Migration zu digitalen Kanälen vorangetrieben.

Aber wie viele von ihnen versuchen aktiv, BE zu nutzen, um die Ergebnisse solcher Programme zu verbessern?

Wir haben mit einer großen Privatkundenbank im Rahmen ihrer Strategie zur digitalen Transformation zusammengearbeitet, um ihr zu helfen, durch die Anwendung der Erkenntnisse aus BE viele Millionen Pfund einzusparen. Die Herausforderung bestand darin, die Kunden weg vom Filialnetz hin zur Nutzung der Online-Kanäle der Bank zu „schubsen“. Interessanterweise stellten wir fest, dass Kunden, die die digitalen Dienste stärker nutzen, nach eigenen Angaben mit der Bank zufriedener geworden sind und ihr Verhalten im Laufe der Zeit auf eine stärkere Nutzung der digitalen Kanäle umgestellt haben. Trotz früherer Anstöße blieben viele Kunden jedoch weiterhin bei ihren Filialbesuchen, Anrufen im Callcenter und ihren Vorlieben für Kontoauszüge auf Papier.

Welche neuen Erkenntnisse könnte BE mitbringen, um der Bank zu helfen, gegen diese „klebrigeren“ Verhaltensweisen vorzugehen?

Was waren die kostspieligen Verhaltensweisen?

Die Antwort lag, wie so oft, in den Daten, über die die Bank bereits verfügte. Dank einer detaillierten ABCAnalyse der Daten auf Transaktionsebene waren wir in der Lage, die wichtigsten Verhaltensweisen zu ermitteln, die die Kostenbasis der Bank bestimmen - und die verantwortlichen Kunden. Angesichts der Zehnmillionen von Kunden der Bank war dies keine triviale Übung, aber es half uns, die Wirtschaftsdaten in BE zu behalten und die Anstrengungen auf die Bereiche mit dem größten Einsparungspotenzial zu konzentrieren.

122

StraightONE Behavioral Economics Guide _ 2019

So stellten wir beispielsweise fest, dass Kunden viele Millionen Mal im Jahr die Kontaktzentren anriefen, nur um den Saldo ihrer Konten zu erfahren, während andere wiederholt in eine Filiale gingen, um nach Kopien ihrer Kontoauszüge zu fragen. Andere wiederum riefen die Callcenter an, um Geld zwischen ihren Konten zu überweisen, obwohl sie über ein aktives Internet-Banking verfügten. Wir achteten darauf, die wertvollsten persönlichen Kontakte in einer Filiale nicht zu verlieren, und suchten daher nach kostenintensiven, aber relativ wenig aufwendigen Transaktionen.

Den kostspieligen Verhaltensweisen auf den Grund gehen Die verhaltensbasierte Kostenrechnung ermöglichte der Bank eine neue Art der Segmentierung ihrer Kunden.

Kunden, die persönlich nach einem Kontoauszug fragten oder telefonisch ihren Kontostand abfragen wollten, wurden nicht nach typischen demographischen Merkmalen oder ihren Bankprodukten klassifiziert, sondern nach ihren Verhaltensmustern segmentiert. So gab es beispielsweise einen beträchtlichen Anteil älterer Kunden, die die bankeigenen digitalen Kanäle nicht ausgiebig nutzten, die aber, wie wir sehen konnten, regelmäßig bei Amazon einkauften. Als Nächstes rekrutierten wir eine Stichprobe von Kunden in jedem Verhaltenssegment und befragten sie, um besser zu verstehen, was sie veranlasste, sich so zu verhalten, wie sie es taten, und um potenzielle Hindernisse für eine Änderung ihrer Gewohnheiten zu ermitteln.

Verbraucherpsychologen „rekonstruierten“ jedes spezifische Verhalten, um die möglichen unbewussten Triebkräfte im Spiel hervorzuheben (Festinger, 1957).

Die Erkenntnisse, die sie gewannen, wichen oft von dem ab, was Kunden in früheren umfragebasierten Untersuchungen berichtet hatten. Zum Beispiel hatten Einige in Umfragen angegeben, dass sie online „um Sicherheit

besorgt“ seien, um zu erklären, warum sie immer wieder in eine Filiale gingen. Verhaltensbefragungen ergaben dagegen, dass der Grund in vielen Fällen nicht die Sicherheit an sich war, sondern die Angst der Kunden, bei Online-Transaktionen einen Fehler zu machen - eine Angst, die sie bei Geschäften über einen Bankkassierer nicht verspürten. Solche verhaltensbezogenen Erkenntnisse bildeten den Ausgangspunkt für gemeinsame kreative Sitzungen mit Bankmitarbeitern.

Diese Sitzungen nutzten das „Neun-Merkmale“-Rahmenwerk von Frontier, um ihnen dabei zu helfen, zu überlegen, wie das Unbewusste die Kundenentscheidungen in verschiedenen Kontexten beeinflussen kann. Es entstanden über 150 neue Ideen, die etwa ein Dutzend ausgewählter Verhaltensweisen von Interesse abdeckten.

Kostspielige, aber wichtige Papiere Eine Verhaltensweise von besonderem Interesse war die fortgesetzte Verwendung von Kontoauszügen auf Papier durch eine Untergruppe von Kunden. Im Vereinigten Königreich gibt es viele Menschen, für die Papierauszüge eindeutig benötigt werden, da sie keine OnlineBankgeschäfte tätigen, und dennoch entschied sich eine beträchtliche Anzahl der aktiven Online-Kunden der Bank dafür, bei Papierauszügen zu bleiben, selbst wenn sie zum Wechsel aufgefordert wurden. Was war da los?

Das Drucken und Versenden von Papierauszügen kostete die Bank mehrere zehn Millionen Pfund pro Jahr, und die Bank verstand das Verhalten dieser Gruppe nicht wirklich. Auch hier konnten wir dank spezialisierter Interviews mit Personen aus dieser Gruppe und dank der Neun Merkmale neue Erkenntnisse gewinnen, mit denen die Bank ihren Ansatz neu bewerten konnte: Gewohnheit: Kontauszüge auf Papier waren vertraut und mit tief verwurzelten persönlichen Finanzgewohnheiten und der Führung von Aufzeichnungen verbunden. Insbesondere wurden sie mit einem guten Finanzmanagement assoziiert.

Belohnung: Einige Kunden benutzten Kontoauszüge, um Posten zu markieren und abzuhaken. Dies brachte ein Gefühl der Belohnung mit sich, wenn sie überprüft und abgelegt wurden. Bei Online-Versionen war dies nicht möglich.

Verlust-Aversion: Viele Kunden betrachteten Kontoauszüge auf Papier als eine offiziellere Aufzeichnung.

Häufig hatten sie das Bedürfnis, sie aufzubewahren, da sie dachten, die Steuerbehörde würde sie verlangen und deshalb wollten sie sie für den Fall, dass sie benötigt würden, gut verstauen. Sie befürchteten, dass die Online-Versionen bei Bedarf nicht verfügbar sein könnten.

Assoziation: Bankauszüge wurden oft auf hochwertigem, offiziell aussehendem Papier gedruckt und signalisierten damit den Kunden unbewusst, dass sie wertvoll waren und aufbewahrt werden sollten.

Diese Erkenntnisse halfen der Bank zu verstehen, dass der Kontoauszug auf Papier eine wichtige und bisher wenig erforschte Rolle bei den finanziellen Gewohnheiten und Routinen der Menschen erfüllt. Die Bank musste nicht nur härter an „Anreizen“ arbeiten, um die Kunden dazu zu bewegen, ihre Gewohnheiten zu ändern, sondern auch ihr eigener Online-Auszugsdienst musste „intelligenter“, einfacher und lohnender werden, um den Bedürfnissen ihrer Kunden gerecht zu werden.

Darüber hinaus musste ihr Online-Dienst einfacher zu sortieren und abzuhaken sein - und damit Teil der guten finanziellen Haushaltsführung einiger Kunden werden.

Diese Herausforderungen wurden dem Designteam auf eine neue Art und Weise deutlich gemacht.

Fazit: Diese Anwendung der Verhaltenswissenschaften war Teil der digitalen Transformation dieser Bank. Es folgte eine ausgedehnte Testphase, in der verschiedene Varianten der entwickelten Ideen über digitale Kanäle, in Callcentern - und auf Papier-Kontoauszügen - erprobt wurden. Die Bank führte mehr als ein Dutzend dieser Ideen ein, um jährliche Kosteneinsparungen von über 150 Millionen Pfund zu erzielen und gleichzeitig

StraightONE Behavioral Economics Guide _ 2019

123

die finanziellen Gewohnheiten einiger, sehr spezieller Kundensegmente zu verändern.

Der Autor

Schlussfolgerungen Obwohl die Anwendung der Verhaltensökonomie im privaten Sektor kein akademisches Unterfangen ist, kann sie dennoch von einer rigorosen Diagnose, Versuchsplanung und Erprobung profitieren. Die Verhaltensökonomie kann neue Ansätze für schwierige Probleme vorschlagen und neuartige Lösungen hervorbringen, die den Unternehmen helfen, ihre Kosten in den Griff zu bekommen. Unabhängig davon, ob es sich um regulierte Monopole handelt oder ob sie auf wettbewerbsorientierten Märkten tätig sind, können Unternehmen die Verhaltensökonomie dazu nutzen, ihre Kunden dazu zu bewegen, kostspielige Gewohnheiten zu ändern. Um dies zu erreichen, können Unternehmen die Verhaltensökonomie in viele ihrer bestehenden Methoden integrieren, wie z.B. „Activity-Based Costing“ und „Agile“ Transformationstechniken. Für Organisationen, die die Grenzen der traditionellen Marktforschung verstehen, können verhaltensökonomische Forschungstechniken und Rahmenbedingungen neue Wege für Kreativität und Innovation eröffnen. Wichtig ist, dass wir in diesen und anderen Fällen zeigen konnten, dass die Anwendung von Erkenntnissen aus der Verhaltensforschung Unternehmen einen Wettbewerbsvorteil durch Kostenreduzierung verschaffen kann –durch den Abbau von Fettbergen (wenn sie ein Wasserunternehmen sind) oder durch den Abbau von Papierbergen (wenn Sie eine Bank sind).

124

StraightONE Behavioral Economics Guide _ 2019

Stephen Heal

ist stellvertretender Direktor bei Frontier Economics, spezialisiert auf Verbrauchermärkte und die Anwendung von Verhaltensökonomie. Er verfügt über mehr als 30 Jahre Handels- und Beratungserfahrung, von JP Morgan über die Boston Consulting Group bis hin zu Tesco plc. Stephen war außerdem Gaststipendiat am Sustainable Consumption Institute an der Universität Manchester und sitzt im Beirat des Cambridge-Massachusetts Institute.

Paula Papp ist stellvertretende Direktorin bei Frontier Economics. In den letzten 15 Jahren hat Paula Papp ein breites Spektrum von Kunden im Finanzsektor in Fragen der Strategieentwicklung, der Einhaltung gesetzlicher Vorschriften und der betrieblichen Organisation beraten.

Victoria Valle Lara ist Analystin bei Frontier Economics.

Victoria hat einen Doktortitel in Wirtschaftswissenschaften mit einer Dissertation in experimenteller Ökonomie von der Universität Lausanne. Sie hat sich auf die Anwendung der Verhaltensökonomie auf die interne Organisation von Unternehmen konzentriert.

Literaturhinweise

Abbildungen

Behavioural Insights Team (2014). EAST: Four simple ways to apply behavioural insights. Retrieved from https://www.bi.team/publications/east-four-simple-ways-to-apply-behav- ioural-insights/.

Abb. 1: https://unsplash.com/@Kelli Sikema

Caldwell, L. (2018). Public and private sector nudgers can learn from each other. Behavioural Public Policy, 2(2), 235-245.

Abb. 4: Einrichtung von „Kabinenversuchen“ für Botschaften in einem belebten

Festinger, L. (1957). A theory of cognitive dissonance.

Palo Alto, CA: Stanford University Press. Financial Conduct Authority (2018). Strategic review of retail banking business models. Retrieved from https://www.fca.org.uk/publications/multi-firm-reviews/strategic-review-retail-banking-business-models.

Graves, P. (2010), Consumerology: The market research myth, the truth about consumers and the psychology of shopping. London, UK: Nicholas Brealey Publishing.

Gardner, B., & Rebar, A. L. (2019). Habit formation and behavior change. Oxford Research Encyclopedia, Psychology. Retrieved from https://oxfordre.com/psychology/view/10.1093/acrefore/9780190236557.001.0001/acrefore-9780190236557-e-129.

Abb. 2: https://unsplash.com/@Thom Holmes Abb. 3: https://unsplash.com/@Luke Stackpoole Einkaufszentrum. Quelle: Grenzüberschreitende Fallarbeit mit einem britischen Wasserunternehmen. Kabinenversuche in einem Einkaufszentrum Abb. 5: Zusammenfassung der in den einzelnen Kabinentypen erzielten Ergebnisse Hinweis Quelle: Grenzüberschreitende Fallarbeit mit einem britischen Wasserunternehmen.

Abb. 6: Ausgewählte aktivitätsbasierte Kosten für das Kundenverhalten. Quelle: Grenzüberschreitende Fallarbeit mit einer Privatkundenbank.

Abb. 7: Der „Neun Merkmale“-Rahmen. Die Quelle: Grenzüberschreitende Wirtschaft.

Abb. 8: https://unsplash.com/@asoggetti Abb. 9: https://unsplash.com/@Jess Bailey

Lally, P., Van Jaarsveld, C. H., Potts, H. W. & Wardle, J. (2010), How are habits formed: Modelling habit formation in the real world. European Journal of Social Psychology 40(6), 998-1009. O’Donoghue, T., & Rabin, M. (1999). Doing it now or later. American Economic Review, 89(1), 103-124.

Storm, V., Dörenkämper, J., Reinwand, D. A., Wienert, J., De Vries, H., & Lippke, S. (2016). Effectiveness of a web-based computer-tailored multiple-lifestyle intervention for people interested in reducing their cardiovascular risk: A randomized controlled trial. Journal of Medical Internet Research, 18(4), e78. Water UK (2017). Wipes in sewer blockages study. Retrieved from https://www.water.org.uk/ publication/wipes-in-sewer-blockage-study-final-report/.

StraightONE Behavioral Economics Guide _ 2019

125

Teil 2 - Anwendungen

Wie Online-Verhaltensexperimente neue Möglichkeiten für Verhaltensökonomen eröffnen

Einen Wein in einem Restaurant auszusuchen kann ein Alptraum sein, selbst wenn es nur drei zur Auswahl gibt. Entscheiden Sie sich für den billigsten Wein, der verlässlich klingt? Oder den mittelpreisigen, der anscheinend besser zu Ihrem Essen passt? Oder vielleicht den teuersten, auch wenn er eine weniger ansprechende Beschreibung hat als der mittelpreisige? Die Chancen stehen gut, dass Sie sich für den mittleren Wein entscheiden, auch wenn er mehr kostet, als Sie bezahlen wollen. Wenn ja, dann haben Sie den Lockvogel-Effekt erlebt; das Vorhandensein der teuren Option hat

126

StraightONE Behavioral Economics Guide _ 2019

Sie eher dazu veranlasst, sich für den Wein der mittleren Preisklasse zu entscheiden als für den billigen.

Der Lockvogeleffekt ist ein klassisches Beispiel der Verhaltensökonomie, das durch zahlreiche Studien aus den 1980er Jahren belegt wird und von unzähligen Unternehmen als Verkaufs- und Marketingtechnik eingesetzt wird (Huber, Payne & Puto, 1982). Und doch hing er eine Zeitlang in den Seilen, nachdem Versuche, einige bekannte Lockvogelstudien zu replizieren, fehlgeschlagen waren.

Die Fähigkeit, die Studienergebnis-

se zu replizieren und zu validieren, ist der Eckpfeiler der Wissenschaft, und die Replikationskrise, die viele Wissenschaftsbereiche erschüttert hat, hat dazu geführt, dass wichtige Studien gekippt wurden, nachdem ihre Ergebnisse nicht wiederholt werden konnten, während viele andere unter dem langen Schatten des Misstrauens stehen (Camerer et al., 2016; Chang & Li, 2015).

Wissenschaftler haben die Replikationskrise auf zahlreiche Faktoren zurückgeführt, darunter kleine und seltsame Stichproben. Erstens kann es bei der Datenerhebung in einem Labor Tage, wenn nicht

Monate dauern, Daten von Angesicht zu Angesicht zu sammeln, sodass die Labors oft die kleinstmögliche Stichprobe entnommen haben, um den untersuchten Effekt nachzuweisen, und das macht ihre Ergebnisse schwächer, als sie es sonst wären. Zweitens ist die am einfachsten zu testende Stichprobe in einem Labortest die der Studenten Ihrer Abteilung. Um diese Strategie zu unterstützen, verlangen viele Abteilungen von ihren Studierenden die Teilnahme an Experimenten. Allerdings repräsentieren die Studenten der Verhaltenswissenschaften im Grundstudium nicht die gesamte

tierungsdiensten Teilnehmer gegen eine Gebühr zur Verfügung, so dass innerhalb weniger Stunden eine repräsentative Stichprobe von tausend Teilnehmern gewährleistet ist.

Abb. 2

Dennoch ist dieser Gewinn mit Kosten verbunden. Die Durchführung von Online-Experimenten erfordert von den Forschern, die Kontrolle aufzugeben und ein höheres Maß an Unsicherheit bzgl. der Identität der Teilnehmer und der Testbedingungen zu akzeptieren (Rodd, 2019). Darüber hinaus ist die Zeitgenauigkeit, die Browser ab 2015 bieten, zwar gut genug für

Vielfalt der breiteren Bevölkerung; folglich wissen wir viel darüber, wie sich die Studenten der Verhaltenswissenschaften verhalten, aber es gibt keine Garantie, dass sich dies auf eine allgemeine Bevölkerung übertragen lässt.

Abb. 1

Um die Reproduzierbarkeit zu erhöhen, haben Verhaltensforscher nach Ansätzen gesucht, die es ihnen erlauben, die Größe und Vielfalt ihrer Stichproben zu vergrößern. Eine Möglichkeit dazu ist die Online-Recherche, da sie einen schnellen und einfachen Zugang zu einer großen und vielfältigen Stichprobe ermöglicht (Anwyl-Irvine et al., 2020). Bei einer Online-Verhaltensaufgabe stellen eine Vielzahl von Marktforschungsagenturen und Teilnehmerrekru-

Abb. 3

StraightONE Behavioral Economics Guide _ 2019

127

Teil 2 - Anwendungen

ein breites Spektrum der Verhaltensforschung (Reimers & Stewart, 2015), aber sie ist nicht so gut wie die Zeitgenauigkeit der installierten Software, die typischerweise im Labor verwendet wird (Bridges et al., 2020).

Wenn Verhaltensforscher eine Studie online durchführen, können sie ein kleines Maß an Kontrolle und Präzision gegen eine enorme Steigerung der experimentellen Leistung, repräsentativere Stichproben und eine dramatische Steigerung des Forschungstempos eintauschen. Online-Methoden können dann in Verbindung mit anderen Forschungsmethoden (natürliche Experimente, Feldstudien, Fokusgruppen, Umfragen usw.) eingesetzt werden, um eine solide Evidenzbasis zu schaffen.

Schneller Einsatz, schnelle Ergebnisse Diese Beschleunigung bedeutet, dass die Forschung auf aktuelle Ereignisse reagieren und dennoch verlässliche Erkenntnisse liefern kann, die der Politik zur Verfügung stehen. Beispielsweise haben Experimente bereits gezeigt, wie subtile Unterschiede in der Nachrichtenübermittlung über das neue Coronavirus die Reaktion der Menschen auf die Lockdown-Vorgaben - und damit die Übertragungsrate des Virus - beeinflussen können. Shane Timmons vom Economic and Social Research Institute in Dublin, Irland, und seine Kollegen entdeckten zwei Schlüsselergebnisse, indem sie den Menschen in einem Online-Experiment verschiedene Poster zeigten.

Sie stellten fest, dass die Hervorhebung von Risiken für Menschen, die besonders anfällig für Covid-19 sind, wie z.B. ältere Menschen und Mitarbeiter im Gesundheitswesen, und die Konzentration auf die exponentielle Übertragungsrate die Menschen vorsichtiger gegenüber „Randverhalten“ macht, die mit Social Distancing zusammenhängen, wie z.B. das Treffen

128

StraightONE Behavioral Economics Guide _ 2019

mit Freunden im Freien, der Besuch von Eltern und die Möglichkeit, Kinder miteinander spielen zu lassen (Lunn et al., 2020). Dies deutet darauf hin, dass es bessere Möglichkeiten gibt, Social Distancing zu fördern, als der derzeitige offizielle Ratschlag, sagte Timmons auf Twitter (2020). Timmons Studie konnte von der Konzeption bis zur Druckvorstufe in nur wenigen Wochen durchgeführt werden, was mit einer laborbasierten Studie nicht möglich gewesen wäre.

Ökologische Validität Mircea Zloteanu und Kollegen führten eine Reihe von Experimenten durch, in denen sie das Online-Verhalten von Menschen auf gemeinsamen Wirtschaftsplattformen untersuchten. Sein Team erstellte eine simulierte Website im „AirBnB“-Stil, um zu messen, wie Menschen Entscheidungen über Gastgeber treffen, die unterschiedliche Bewertungen oder Sternebewertungen erhalten haben (Zloteanu et al., 2018). Sie stellten fest, dass die Teilnehmer soziale Informationen überbewerteten und nicht-soziale Informationen unterbewerteten, was die Aufmerksamkeit auf eine kognitive Voreingenommenheit lenkte, die zu einer schlechteren Entscheidungsfindung auf einer Sharing-EconomyPlattform führen kann.

Da ein immer größerer Teil unseres Lebens online stattfindet, z.B. in Form von sozialen Medien, Bankgeschäften, Einkaufen und Partnervermittlung, eröffnen sich Online-Umgebungen als ökologisch gültige Settings für die psychologische Forschung. Durch die Erstellung von Faksimiles der von uns benutzten Websites und deren Verwendung zur Untersuchung des Verhaltens erhalten wir die experimentelle Kontrolle, die wir brauchen, um zu verstehen, wie sich Menschen in der digitalen Welt verhalten.

Einbettung digitaler Experimente in der Industrie Viele Unternehmen haben sich schwergetan, das digitale Experimentieren anzunehmen, weil es ein breites Spektrum an Fachkenntnissen erfordert, um es erfolgreich durchzuführen. Bis vor kurzem brauchte man einen Absolventen der Verhaltenswissenschaften, einen Programmierer und möglicherweise auch einen Datenwissenschaftler. Ein Schlüsselaspekt bei der Veränderung dieser Situation besteht darin, dafür zu sorgen, dass die nächste Generation von Verhaltenswissenschaftlern über die Fähigkeiten und die Erfahrung verfügt, digitale Experimente unabhängig zu erstellen und zu analysieren. „Die Entwickler von Online-Experimenten haben es unseren Studenten ermöglicht, ihrer wissenschaftlichen Neugier zu folgen und von den ersten Stufen ihres Studiums an mit echten Daten belohnt zu werden“, sagt Daniel C. Richardson, Experimentalpsychologe am University College London. Er und seine Kollegen haben solche Werkzeuge in ihren Vorlesungen, Seminaren und Labormodulen verwendet.

Ihre Studenten stellten ihre eigenen Hypothesen auf, entwarfen und kreierten dann ihre eigenen Online-Experimente zur Untersuchung der Frage, was Menschen dazu bringt, Geld für wohltätige Zwecke zu spenden, und sammelten schließlich ihre eigenen Daten.

Jedes Experiment begann mit der Aufforderung an die Teilnehmer, sich vorzustellen, sie hätten gerade 100 Pfund gewonnen. Dann wurde ihnen einer von zwei leicht unterschiedlichen Wohltätigkeitsaufrufen gezeigt, der ein Bild, ein Text oder sogar ein Film sein konnte. Die Teilnehmer wurden dann gefragt, wie viel Geld sie zu spenden wünschten.

Entscheidend war, dass es einen kleinen Unterschied zwischen den beiden Spendenaufrufen gab, so dass die Schülerinnen und Schüler eine Reihe

von Hypothesen über pro-soziales Verhalten testen konnten.

Eines der interessantesten Ergebnisse war, dass in einer Werbung für eine Wohltätigkeitsorganisation gegen häusliche Gewalt, in der jemand als „Überlebender“ und nicht als „Opfer“ bezeichnet wurde, eine Erhöhung des Spendenaufkommens um mehr als 25% verzeichnet werden konnte.

Die Studenten präsentierten ihre Ergebnisse auf Postern, und zwei von ihnen wurden zur Konferenz der British Psychological Society über Sozialpsychologie eingeladen und mit Preisen ausgezeichnet, obwohl sie als Studenten im ersten Studienjahr gegen Graduierte und etablierte Forscher konkurrierten.

Wenn diese Studenten eine Karriere im akademischen Bereich oder in der Industrie einschlagen, sollten Kurse wie dieser dazu beitragen, eine Kultur des digitalen Experimentierens und der evidenzbasierten Entscheidungsfindung in einem breiten Spektrum von Branchen wie Marketing, Werbung, Personalbeschaffung, PR und Politikgestaltung zu verankern.

Große, robuste Studiengrößen Ein Schlüsselaspekt einer zuverlässigen Wissenschaft ist eine ausreichend große Stichprobengröße, um sich auf die Ergebnisse verlassen zu können.

Dies ist ein Bereich, in dem digitale Experimente wirklich helfen können. Geschwindigkeit, Umfang und Reichweite der Online-Forschung können enorm sein.

Eine große Stichprobengröße ermöglichte es Richardsons Studenten, preisgekrönte Studien zu erstellen. „Die Schülerinnen und Schüler führten rund 30 verschiedene Experimente durch, wobei sie Daten von über 1200 Personen aus mehr als 20

StraightONE Behavioral Economics Guide _ 2019

129

Teil 2 - Anwendungen

Abb. 4

Ländern gesammelt haben“, sagt Richardson. „Ich war erstaunt darüber - das sind mehr Daten, als mein Labor allein normalerweise in einem Jahr sammeln würde“, sagt Richardson. Beeindruckend war auch die Vielfalt der Ideen und Theorien, die die Studenten getestet haben.

Wenn Sie keine Kohorte von Studenten haben, die bereit sind, ihre sozialen Netzwerke zu nutzen, dann macht es die Kombination einer Online-Experimentierplattform mit einem Rekrutierungsdienst wie Prolific möglich, Tausende von Teilneh-

130

StraightONE Behavioral Economics Guide _ 2019

mern an einem Tag zur Teilnahme an einer Studie zu bewegen.

Bei kleinen Studien mit 100 Teilnehmern besteht der Hauptvorteil in der Zeitersparnis, da ein Labor 6 Wochen brauchen könnte, um 100 Teilnehmer zu testen, aber nur eine Stunde, um dies online zu tun. Die wichtigere Offenbarung ist jedoch, dass man auch 1000 oder 10.000 Teilnehmer in nicht viel mehr Zeit online testen kann. Stichproben dieser Größenordnung wären in einer Laborumgebung nahezu unmöglich.

Das Ergebnis also ist, dass Forscher in kürzester Zeit Fragen stellen und beantworten können und jede neue

Studie auf der soliden Grundlage von ordnungsgemäß durchgeführten Studien aufbauen kann.

Die Absichts-Aktionslücke David Ogilvy sagte bekanntlich: „Die Menschen denken nicht, was sie fühlen, sagen nicht, was sie denken, und tun nicht, was sie sagen“.

Die Verhaltensforschung misst, was Menschen tatsächlich tun, und nicht, was sie sagen. Folglich geht eine neue Generation von verhaltenswissenschaftlichen Beratungsfirmen über traditionelle Umfragen

hinaus und setzt auf Verhaltensexperimente, um diese Kluft zu überbrücken.

In einem aufschlussreichen Beispiel wollte die Beratungsfirma MoreThanNow herausfinden, ob die Zahl der Frauen, die sich für Stellen in den Bereichen Wissenschaft, Technologie, Ingenieurwesen oder Mathematik (STEM) bewerben, durch eine Optimierung der Nachrichtenübermittlung erhöht werden kann.

In Organisationen mit dem Fokus auf STEM, haben Frauen nur 5% der Vorstandspositionen inne, und es gibt kaum Anzeichen für eine Verschiebung am Horizont. MoreThanNow wollte den unterschiedlichen Bewerbungsquoten für technische Berufe entgegenwirken, indem es sich auf die Wirksamkeit von Rekrutierungsbotschaften konzentrierte, in dem Versuch, nicht nur zu verstehen, was die Menschen denken, sondern auch, wie sie sich in einer Rekrutierungssituation tatsächlich verhalten.

Anhand einer großen Stichprobe von 18- bis 23-Jährigen testeten sie in einer Umfrage verschiedene Rekrutierungsanzeigen und -botschaften, gaben den Teilnehmern aber auch die Möglichkeit, die Umfrage zu verlassen, um auf einer beliebten Rekrutierungswebsite die aktuelle Rolle von Technologieabsolventen zu erkunden, um zu verstehen, ob eine der Botschaften das Verhalten veränderte. Durch einfaches Hinzufügen einer Schaltfläche am Ende einer Umfrage fügte MoreThanNow eine Verhaltensmaßnahme zum Testen jeder Stellenanzeige hinzu, um die Lücke zwischen selbstberichteten Absichten und Handlungen zu messen.

Es wurden drei Arten von Botschaften getestet: prosoziale Botschaften, die sich darauf konzentrierten, Menschen zu helfen und soziale Probleme zu lösen; Botschaften aus Eigeninteresse, in denen es um die Erhöhung der persönlichen Belohnung und Karrieremöglichkeiten ging; und Gemeinschafts-Botschaften, in denen es um die Arbeit in einer engen Gemeinschaft ging und die von einem eng verbundenen Team unter-

stützt wurden.

Der Umfrageteil des Experiments zeigte, dass - im Einklang mit den meisten Selbsteinschätzungs-Studien zu diesem Thema - Frauen auf pro-soziale Botschaften und Männer auf solche von Eigeninteresse reagierten. Im Gegensatz dazu zeigte die Verhaltensmessung ein anderes Ergebnis, da es keinen statistischen Unterschied in den geschlechtsspezifischen Reaktionen auf pro-soziale Botschaften oder Botschaften aus Eigeninteresse gab.

Stattdessen reagierten Männer auf die Gemeinschaftsbotschaft „Schließen Sie sich einer Gemeinschaft an, die zusammenarbeitet“ weit mehr als Frauen.

Durch die Nutzung von Erkenntnissen über das Verhalten anstelle von Umfragedaten hat MoreThanNow Anzeigen geschaffen, die zu einer Verdopplung der Anzahl an Frauen, die eine technische Karriere anstreben, geführt haben. Diese Ergebnisse unterstreichen, wie Selbsteinschätzungs-Umfragen zu falschen Schlussfolgerungen führen können, die nicht funktionieren, wenn sie nicht durch verhaltensbezogene Maßnahmen bestätigt werden (Women in Technology - A Behavioural Approach, 2019).

Verfeinerung der Beratungsdienste durch kontextspezifische Experimente Wenn es um menschliches Verhalten geht, kann das reiche Schauspiel unserer Kulturen, unseres Wissens und unserer Sprachen Einfluss darauf haben, was wir tun oder wie wir handeln. Es mag sein, dass es nicht viele Theorien gibt, die sich nahtlos über Menschen, Branchen, Kontexte, Persönlichkeiten und emotionale Zustände hinweg replizieren; vielmehr gibt es subtile standortspezifische Unterschiede.

Hier kann das Online-Experimentieren richtig zur Geltung kommen.

So hat zum Beispiel die verhaltenswissenschaftliche Abteilung der PR-Firma Hill + Knowlton Strategies (H+K)

StraightONE Behavioral Economics Guide _ 2019

131

Teil 2 - Anwendungen

versucht zu verstehen, wie sich Änderungen in der Werbung für Erkältungs- und Grippemittel darauf auswirken, ob Menschen verwandte Produkte von einer bestimmten Gesundheitsfirma kaufen. Fokusgruppen und Interviews hatten sich als zeitaufwendig erwiesen und nicht genügend Erkenntnisse geliefert, um sicher zu handeln. Daher ergänzte die Firma diese Arbeit durch digitale Experimente, um einen virtuellen Rundgang durch eine realistische, überladene Apotheke zu schaffen. Die Teilnehmer konnten per Knopfdruck wählen, wohin sie gehen, welche Regale sie sich ansehen und welche Produkte sie in ihren Korb legen wollten. Sie konnten auch mit digitalen Apothekern interagieren. Ein bisschen wie in einem Computerspiel.

H+K verwendete ein Intersubjekt-Design, bei dem die Teilnehmer einer Gruppe zugeteilt wurden, die eine einzige Variante der Botschaften testete. Innerhalb der Apotheke wurde eine Anzeige oder eine Reihe von Anzeigen geschaltet, aber ansonsten waren die Bedingungen identisch. Die Werbebotschaften auf den Anzeigen unterschieden sich in Bezug darauf, welche verhaltensbezogenen Erkenntnisse sie ansprachen.

Etwa die Hälfte der Teilnehmer nahm die Botschaften nicht wahr, was die Validität der Simulation belegt, d.h. im wirklichen Leben neigen die Menschen dazu, sich nicht bewusst mit solchem Material zu beschäftigen.

Die Botschaft mit dem besten Ergebnis steigerte die Käufe um etwa 10% im Vergleich zur Botschaft mit dem schlechtesten Ergebnis. Es gab auch Belege für Unterschiede in der Wirksamkeit verschiedener Botschaften in verschiedenen Märkten, was bedeutet, dass das Gesundheitsunternehmen seine Botschaften dann an verschiedene Gebiete anpassen konnte.

Während die Verhaltensliteratur Beratungsfirmen über die wahrscheinlichen Hebel informieren kann, die das Verhalten beeinflussen werden, können Verhaltensexperimente weiter gehen und es den Unternehmen ermöglichen, die Interventionen für eine maximale Wirkung in ihrem spezifischen Kontext zu optimieren.

132

StraightONE Behavioral Economics Guide _ 2019

Abb. 5

Das Versprechen der Wirkung Für eine Vielzahl gesellschaftlicher Herausforderungen gibt es verhaltensbezogene Lösungen: Klimawandel, Steuervermeidung und Fettleibigkeit, um nur einige zu nennen. Die Nutzung von Erkenntnissen aus dem Verhaltensbereich zur Information der Politik wird es den Verhaltenswissenschaften ermöglichen, das Versprechen einzulösen, das Leben zu verbessern.

So hat zum Beispiel das Nuffield Department of Primary Care and Health Sciences der Universität Oxford mit Hilfe eines Online-Tools einen virtuellen Supermarkt entworfen, um zu testen, wie die Menschen auf Änderungen der Lebensmittelkennzeichnung reagieren.

Die grundlegende Prämisse lautet: Wenn wir ändern können, was die Menschen kaufen, können wir auch ändern, was die Menschen essen. Und wenn wir ändern können, was die Menschen essen, dann können wir die Ernährung verbessern und Zivilisationskrankheiten reduzieren. „Es wäre eine große Herausforderung, wenn nicht gar unmöglich, diese Studien in echten Online-Supermärkten durchzuführen“, sagt Teammitglied Dimitrios Koutoukidis. „Die experimentelle Supermarkt-Plattform ermöglicht es uns, verschiedene Interventionen schnell und relativ kostengünstig zu testen und zu optimieren“.

Bis vor kurzem wurden jegliche Änderungen der Nachrichtenübermittlung, wenn überhaupt, weitgehend in Fokusgruppen getestet, wodurch sich eher selbstberichtete Absichten, nicht aber die Realität einer Situation erkennen ließ.

Der speziell entworfene Online-Supermarkt enthält alle Funktionen, die man in einem normalen Online-Supermarkt finden und erleben würde, wie z.B. das Stöbern nach Produkten, das Hinzufügen von Artikeln in einen Warenkorb und das Bezahlen an der Kasse, und er enthält auch Funktionen wie Einkaufslisten und Warenkorbbudgets. Hinter den Kulissen können Forscher Anzeigen ändern, Steuern und Rabatte hinzufügen, die

StraightONE Behavioral Economics Guide _ 2019

133

Teil 2 - Anwendungen

Reihenfolge der Produktlisten ändern, Nährwertinformationen hervorheben und die Lebensmittelkennzeichnung ändern.

Der Supermarkt hat gezeigt, dass eine Steuerpolitik, die Lebensmittel oder Getränke besteuert, ein wirksames Mittel zur Änderung des Lebensmitteleinkaufs sein kann, wobei ein Steuersatz von 20% ausreicht, um den Kauf von Frühstückszerealien und Erfrischungsgetränken erheblich zu ändern (Zizzo et al., 2016).

Der Supermarkt hat auch gezeigt, dass eine Auflistung von Lebensmitteln, bei der diejenigen mit weniger gesättigten Fettsäuren an der Spitze stehen, die Gesamtmenge an gesättigten Fettsäuren im Einkaufskorb an der Kasse reduziert (Koutoukidis et al., 2019).

Dieses außergewöhnliche Maß an experimenteller Kontrolle verleiht Instrumenten wie diesem große Macht, die öffentliche Politik zu informieren und letztlich das Leben zu verbessern.

Wenn man die Wissenschaft der Verhaltensökonomie richtig versteht, wird dies tiefgreifende Ergebnisse haben. Die Wissenschaft hat die Möglichkeit, das Gespenst der Replikationskrise zu vertreiben und die Evidenzbasis wieder auf eine solidere Grundlage zu stellen.

Studenten können sich für eine Zukunft rüsten, die von digitalen Experimenten in einer Vielzahl von Branchen profitieren wird. Die Industrie kann die gewonnenen Erkenntnisse nutzen, um bessere Produkte und Dienstleistungen herzustellen, die das Leben verbessern. Und schließlich können politische Entscheidungsträger evidenzbasierte Regelungen schaffen, die die Gesellschaft verbessern. Alles in allem werden diese Initiativen dazu beitragen, unsere Gesundheit, unseren Wohlstand, unser Glück und unsere Bildung zu verbessern.

Die Autorin

Schlussfolgerung All diese Fallstudien zeigen, wie Online-Tools eine neue Grenze für die Verhaltenswissenschaft eröffnen. Die Fähigkeit, aus Experimenten mit großen Stichproben in kurzer Zeit verhaltenswissenschaftliche Erkenntnisse zu gewinnen, stellt das, was im Labor gemacht werden kann, in den Schatten und eröffnet neue Möglichkeiten.

Online-Tools wurden bereits für die Untersuchung einer Vielzahl von Themen eingesetzt, aber sie sind sicherlich noch nicht an ihre Grenzen gestoßen. Wie Bill Gates einmal sagte: „Wenn Sie den Menschen Werkzeuge geben und sie ihre natürlichen Fähigkeiten und ihre Neugierde nutzen, werden sie Dinge auf eine Weise entwickeln, die Sie weit über das hinaus überraschen wird, was Sie vielleicht erwartet haben“.

134

StraightONE Behavioral Economics Guide _ 2019

Jo Evershed

ist Gründerin und CEO von Gorilla Experiment Builder, einer leistungsstarken, flexiblen und intuitiven Plattform für die Online-Verhaltensforschung. Als ehemalige Finanz- und Wirtschaftsanalystin mit einem Hintergrund bei Unternehmen wie Shell und Telereal Trillium, entwickelte sie bei ihrem ersten Unternehmensprojekt ein Schulungswerkzeug, um Innovationen zu entfesseln.

Jo hat einen BSc in Wirtschaft und Business von Oxford Brookes und einen BSc in Psychologie von UCL. Als Preisträgerin des britischen Preises „Innovate UK Women in Innovation“ setzt sich Jo leidenschaftlich dafür ein, Verhaltensforscher mit Werkzeugen auszustatten, die ihre Arbeit aus dem Labor befreien und die Erstellung evidenz-

getesteter Interventionen beschleunigen. Dank ihrer einzigartigen Erfahrung und Fähigkeiten ist sie in der Lage, ein multidisziplinäres Team von Softwareingenieuren und Psychologen zu leiten, um Verhaltensforschern die bestmögliche Forschungssoftware zur Verfügung zu stellen.

Jo ist stolz darauf, ein talentiertes, wachsendes Team bei Gorilla zu leiten, das einer großen Gemeinschaft von Studenten, Forschern und Praktikern dient, die Experimente durchführen und letztlich Erkenntnisse zur Verbesserung von Gesundheit, Wohlstand, Glück und Bildung schaffen.

Gorilla hat seinen Sitz in Cambridge, Großbritannien, und zählt heute weltweit Tausende von Benutzern. Top-Institutionen, darunter das UCL, die Universität Oxford, die LSE und die Universität Cambridge, sowie eine Vielzahl von kommerziellen Agenturen und Organisationen des öffentlichen Sektors vertrauen Gorilla.

Literaturhinweise Anwyl-Irvine, A.L., Massonnié, J., Flitton, A., Kirkham, N., & Evershed, J.K. (2020). Gorilla in our midst: An online behavioral experiment builder. Behaviour Research Methods, 52(1), 388407. http:// dx.doi.org/10.3758/s13428-019-01237-x.

Bridges, D., Pitiot, A., MacAskill, M. R., & Peirce, J. W. (2020). The timing mega-study: Comparing a range of experiment generators, both lab-based and online. PsyArXiv. https://doi. org/10.31234/osf.io/ d6nu5.

Camerer, C., Dreber, A., Forsell, E., Ho, T., Huber, J., Johannesson, M., Kirchler, M., Almenberg, J., Altmejd, A., Chan, T., Heikensten, E., Holzmeister, F., Imai, T., Isaksson, S., Nave, G., Pfeiffer, T., Razen, M., & Wu, H. (2016). Evaluating replicability of laboratory experiments in economics. Science, 351(6280), 1433-1436.

International Journal of Behavioral Nutrition and Physical Ability, 16(50). https://doi.org/10.1186/s12966-019-0810-9.

Lunn, P.D., Timmons, S., Barjaková, M., Belton, C.A., Julienne, H., & Lavin, C. (2020). Motivating social distancing during the Covid-19 pandemic: An online experiment. PsyArXiv. http://dx. doi. org/10.31234/osf.io/x4agb.

Reimers, S., & Stewart, N. (2015). Presentation and response timing accuracy in Adobe Flash and HTML5/JavaScript Web experiments.

Behavior Research Methods, 47, 309-327.

Rodd, J. (2019, February 27). How to maintain data quality when you can’t see your participants. Association for Psychological Science.

Retrieved from https://www.psychologicalscience. org/observer/howto-maintain-data-quality-when-you-cant-see-your-participants.

Timmons, S. (2020, April 3). Some results from our first #COVID19 experiment! Twitter @_shanetimmons. Retrieved from https://twitter.com/_shanetimmons/status/1246065986047860742?s=20.

MoreThanNow. (2019, December 9). Women in technology: A behavioural approach. Retrieved from https://www.morethannow.co.uk/ single-post/2019/11/19/encouraging-women-to-explore-a-career-intech-behavioural-style. Zloteanu, M., Harvey, N., Tuckett, D., & Livan, G. (2018). Digital identity: The effect of trust and reputation information on user judgement in the sharing economy. PloS one, 13(12). https://doi.org/10.1371/journal.pone.0209071.

Zizzo, D., Parravano, M., Nakamura, R., Forwood, S., & Suhrcke, M.E. (2016). The impact of taxation and signposting on diet: An online field study with breakfast cereals and soft drinks. Centre for Health Economics Research Paper. Retrieved from http://eprints.whiterose. ac.uk/135810/.

Abbildungen Abb. 1: https://pixabay.com Abb. 2:https://pixabay.com Abb. 3: https://pixabay.com Abb. 4: https://unsplash.com/@Mae Mu Abb. 5: https://unsplash.com/@Peter Bond

Chang, A.C., & Li, P. (2015). Is economics research replicable? Sixty published papers from thirteen journals say ”usually not”. Finance and Economics Discussion Series 2015-083, Board of Governors of the Federal Reserve System. Retrieved from http://dx.doi.org/10.2139/ ssrn.2669564.

Huber, J., Payne, J. W., & Puto, C. (1982). Adding asymmetrically dominated alternatives: Violations of regularity and the similarity hypothesis. Journal of Consumer Research, 9(1): 90- 98.

Koutoukidis, D.A., Jebb, S.A., Ordóñez-Mena, J.M., Noreik, M., Tsiountsioura, M., Kennedy, S., Payne-Riches, S., Aveyard, P., & Piernas, C. (2019). Prominent positioning and food swaps are effective interventions to reduce the saturated fat content of the shopping basket in an experimental online supermarket: A randomized controlled trial.

StraightONE Behavioral Economics Guide _ 2019

135

Teil 2 - Anwendungen

Das zweischneidige Schwert der Sharing Economy

136

StraightONE Behavioral Economics Guide _ 2019

Wie das Teilen von Eigentum und die Nutzung dessen den nachhaltigen Konsum beeinflusst

Abb. 1

Vereinbarungen über gemeinsames Eigentum zwischen Verbrauchern (C2C) haben an Popularität und Akzeptanz zugenommen und folgen damit einem gesellschaftlichen Trend hin zu einer Sharing Economy, bei der Verbraucher anderen vorübergehend Zugang zu ihren physischen Vermögenswerten gewähren, möglicherweise gegen Bezahlung (Frenken & Schor, 2017). Das Teilen ist jedoch nicht neu. Es ist eine alte, universelle Form des „menschlichen Wirtschaftsverhaltens“ (Price, 1975).

Das Internetzeitalter hat es der Sharing Economy er-

StraightONE Behavioral Economics Guide _ 2019

137

Teil 2 - Anwendungen

möglicht, wirklich abzuheben (Belk, 2014), und infolgedessen ist die Popularität von Eigentumsvereinbarungen nach dem Sharing-Prinzip gewachsen. Viele von uns haben Erfahrung mit dem Teilen, ob sie nun einem Nachbarn einen Rasenmäher oder einem Familienmitglied ein Auto leihen. Auch wenn Menschen bezahlt werden oder ihre Gunst zurückerhalten, muss echtes Teilen nicht auf Gegenseitigkeit beruhen.

Zu den Arten nicht auf Gegenseitigkeit beruhender C2C-Vereinbarungen gehören Miteigentum (d.h. mehrere Eigentümer eines einzigen Gegenstandes) und geteiltes Alleineigentum (d.h. ein einziger Eigentümer teilt seinen Gegenstand).

Diese unterscheiden sich von der klassischen Form des Privateigentums, bei der der Eigentümer auch der einzige Nutzer ist.

Es gibt mehrere Gründe, sich an der Solidarwirtschaft zu beteiligen und neue Formen des nicht-reziproken, auf dem Teilen basierenden Eigentums anzunehmen. Die Verbraucher müssen einige Produkte nicht mehr kaufen (für den vollen Betrag), um sie nutzen zu können. Gemeinsames und geteiltes Alleineigentum ermöglicht es den Verbrauchern daher, weniger Produkte zu kaufen und gleichzeitig den Zugang zu einem breiteren Angebot aufrechtzuerhalten. Dies verringert nicht nur die Ausgaben und den Hyperkonsum, sondern auch die Nachfrage nach Rohstoffen für die Produktion. Es ist daher zu erwarten, dass es nachhaltiger ist (Bani & Blom, 2020)

138

StraightONE Behavioral Economics Guide _ 2019

und die Verbraucher zur Teilnahme an der gemeinsamen Wirtschaft motivieren kann (Böckner & Meelen, 2017; Hamari et al., 2015).

Aber ist diese Sichtweise rosa-rot gefärbt? Auf den ersten Blick mag es scheinen, dass Teilen tatsächlich die Umweltbelastung reduziert.

Aber vielleicht steckt mehr dahinter, denn der Übergang zu einer Sharing Economy könnte unerwünschte Flow-on-Effekte haben. In dieser Forschungsarbeit werden wir die Nachteile von auf Teilen basierenden Eigentumsregelungen aus einer nachhaltigen Perspektive betrachten. Wir werden zeigen, dass Besitzer von gemeinsam gekauften oder genutzten Produkten diese eher wegwerfen, ersetzen und weiterverkaufen als Besitzer von Produkten, die nur ihnen gehören und auch nur von ihnen benutzt werden. Durch die Konzentration auf das Ende der Produktnutzung (z.B. Entsorgung oder Ersatz) wird beleuchtet, wie nachhaltig Eigentumsvereinbarungen nach dem Sharing-Prinzip wirklich sind.

Vereinbarungen über die gemeinsame Nutzung von Eigentum Eigentumsvereinbarungen beeinflussen unsere Beziehung zu einem Produkt in Bezug darauf, wer den Kauf tätigt und wer es benutzt. Bei

traditionellen privaten Eigentumsvereinbarungen kauft der Eigentümer den Gegenstand und hat im Gegenzug eine unbegrenzte und kontinuierliche Nutzung. Jegliche Abnutzung des Artikels ist die direkte Folge der Nutzung durch den Eigentümer und liegt in seiner Verantwortung.

Privateigentum ist jedoch nur eine von mehreren Optionen, es gibt auch Formen des gemeinsamen Eigentums. Geteiltes Alleineigentum ist eine Regelung, bei der ein Privateigentümer anderen (z.B. Freunden oder Verwandten) erlaubt, seinen Besitz zu vereinbarten Zeiten zu nutzen, oft als gesellige Geste. Der Privateigentümer kauft den Gegenstand und andere nutzen ihn kostenlos. Jegliche Abnutzung des Gegenstandes ist die direkte Folge der Nutzung sowohl durch den Eigentümer als auch durch andere Benutzer.

Eine weitere Option auf der Grundlage der gemeinsamen Nutzung ist die Miteigentümerschaft. In diesem Fall kaufen alle Benutzer den Artikel gemeinsam, und alle Teileigentümer können ihn verwenden. Die Kosten für den Gegenstand können zu gleichen Teilen oder in einer Weise geteilt werden, die widerspiegelt, wie jeder Miteigentümer ihn zu nutzen gedenkt. Miteigentum bedeutet, dass das Objekt von mehreren Personen benutzt wird, und jegliche Abnutzung des Objekts ist das direkte Ergebnis der gemeinsamen Nutzung durch die Gruppe.

Nutzung

Mehrere

Für Verhaltensänderungen benötigen diese Personen:

Mehrere

Geteilter Einzelbesitz

Privateigentum Das Objekt wird nur von einem Eigentümer verwendet.

Einzeln

Eigentum

Einzeln

Der Gegenstand wird sowohl von seinem einen Eigentümer als auch von anderen nach Absprache mit dem Eigentümer verwendet.

Gemeinsames Eigentum N. A.

Der Gegenstand wird von seinen mehreren Eigentümern verwendet

Abb. 2: Eigentums- und Nutzungsarten.

Eine Gemeinsamkeit dieser drei unterschiedlichen Eigentumsformen ist, dass sie Eigentümer erfordern (nicht Benutzer), um wichtige Entscheidungen bezüglich des Produkts zu treffen. Nach dem Kauf verwalten die Eigentümer die Pflege (z.B. Lagerung, Reinigung, Reparaturen) und treffen Entscheidungen über das Ende der Nutzung des Produkts (z.B. Entsorgung, Austausch, Wiederverkauf). Unterschiedliche Besitzverhältnisse (unterschiedliche Eigentums- und Nutzungsgrade) können diese Entscheidungen beeinflussen. In diesem Aufsatz befassen wir uns insbesondere damit, wie Entscheidungen bezüglich der Beendigung des Eigentums und der Nutzung durch die Eigentumsverhältnisse beeinflusst werden.

Verunreinigung durch Verbraucher Aber warum sollten Eigentümer Produkte anders behandeln, wenn sie im Gemeinschaftseigentum sind oder

mit anderen geteilt werden? Ihre Wahrnehmung des physischen Zustands des Produkts kann davon beeinflusst werden, dass es mehrere Nutzer dafür gibt. Offensichtlich können mehrere Benutzer zu einer verstärkten Nutzung eines Produkts führen (Plepys & Singh, 2019), aber ein wahrgenommener physischer Zustand hängt nicht nur von der Nutzungshäufigkeit ab. Studien haben gezeigt, dass ein Produkt, das mit anderen Verbrauchern in Kontakt gekommen ist, als kontaminiert angesehen werden kann, selbst wenn es objektiv unversehrt war (Argo et al., 2006). Kontakt kann sowohl zu einer positiven als auch zu einer negativen Kontamination führen (Argo et al., 2008). Menschen fühlen sich im Allgemeinen unbehaglich gegenüber Produkten, die von anderen berührt werden, aber wenn sie von einer hochattraktiven Person berührt werden, können Produktbewertungen zunehmen. Eine negative Kontamination entsteht vor allem durch physischen Kontakt (Argo et al., 2008), wenn die Essenz eines Benutzers auf das Produkt übertragen und wird und bei ihm verbleibt (Nemeroff & Rozin, 1994). In der Folge können Ekelgefühle entste-

StraightONE Behavioral Economics Guide _ 2019

139

Teil 2 - Anwendungen

hen (Rozin et al., 1986; Rozin & Fallon, 1987; Argo et al., 2006).

Interessanterweise ist physischer Kontakt nicht erforderlich, um ein Produkt formell zu kontaminieren (Rozin et al., 1994), und implizite Hinweise in der Umwelt können ausreichen, um die Illusion einer Kontamination zu erzeugen (Argo et al., 2006). Je stärker ein Hinweis den Kontakt zwischen einem Verbraucher und einem Produkt signalisiert, desto größer ist die Wahrscheinlichkeit, dass die Menschen dieses Produkt als kontaminiert wahrnehmen. Drei Faktoren in der Umwelt können diesen Hinweis auf eine Kontamination hervorrufen und verstärken: die Nähe zwischen Produkt und Verbraucher, die Zeit, die vergangen ist, seit ein Verbraucher das Produkt berührt hat, und die Anzahl

Abb. 3

140

StraightONE Behavioral Economics Guide _ 2019

der Verbraucher, die das Produkt berührt haben.

Die wahrgenommene Kontamination beeinflusst unsere Entscheidungen in Bezug auf Produkte (Baxter et al., 2017). Im Zusammenhang mit dem Einzelhandelskonsum hat sich gezeigt, dass Verbraucher weniger von Produkten angezogen werden, die von anderen potenziellen Käufern berührt wurden (Argo et al., 2006), die oberflächlich beschädigte Verpackungen haben (White et al., 2016) oder die aus leicht kontaminierbarem, weichem Gewebe bestehen (im Vergleich zu hartem Material, Edbring et al., 2016). Die Auswirkungen der wahrgenommenen Kontamination sind jedoch nicht auf den Einzelhandelssektor beschränkt, sondern treten auch in anderen Bereichen wie der Sharing Economy auf.

Frühere Forschungsarbeiten zur Sharing Economy konzentrierten sich auf die Rolle der Kontamination bei der Einführung von zugangsbasierten Diensten (z.B. Carsharing-Plattformen). Es hat sich herausgestellt, dass Verbraucher glauben, dass zugangsbasierte Produkte, die von (unbekannten) anderen berührt werden, kontaminiert sind, was sowohl die Bewertung als auch die Akzeptanz zugangsbasierter Dienste verringert (Hazée et al., 2019). Dies wirft ein Licht auf die potenziellen Auswirkungen der Kontamination auf Sharing-Aktivitäten aus der Perspektive des Benutzers innerhalb von B2C-Sharing-Plattformen. Unserem Wissen nach wurde jedoch bisher nicht untersucht, wie die wahrgenommene Kontamination die End-of-Use-Entscheidungen des Eigentümers beeinflusst oder wie sie sich auf C2C-Sharing-Initiativen auswirkt.

Die Behebung dieser Lücke in der Literatur scheint wichtig für das Verständnis (unvorhergesehener) Folgen von auf gemeinsamer Nutzung basierenden Eigentumsvereinbarungen. Der Erfolg dieser Vereinbarungen hängt in erster Linie von den Eigentümern ab. Sie sind die Entscheidungsträger in Bezug auf Instandhaltung und Nutzungsende und haben daher die letztendliche Kontrolle über die Auswirkungen dieser nachhaltig betriebenen Verhaltensweisen. Wir sind der Meinung, dass Entscheidungen bezüglich Gemeinschaftseigentum von der Wahrnehmung des Eigentümers beeinflusst

Mindestbetrag für den Wiederverkauf ($)

160 140 120 100 80 60 40 20 0

Privateigentum

Geteiltes Einzelunternehmen Gemeinschaftliches Eigentum

Abb. 4: Mindestbetrag für den Wiederverkauf ($) des Mountainbikes unter verschiedenen Bedingungen in Studie 2.

Hinweis: Fehlerbalken stellen ± 1 Standardfehler dar.

werden, wie kontaminiert Produkte sind. Folglich werden sich die Entscheidungen bezüglich gemeinsam genutzter Produkte von denen in Privateigentum unterscheiden.

Besitzanhaftung Eigentümer haben Schwierigkeiten, Besitztümer gehen zu lassen. Sobald Menschen ein Gegenstand gehört, werden sie sich an ihn gewöhnen und sich gegen eine Beendigung des Gebrauchs wehren (Thaler,

1980; Kahneman et al., 1990), was zu einer Reihe von Konsumentscheidungen führt. Beispielsweise kann Besitzanhaftung den Wiederverkaufspreis, den ein Besitzer zu akzeptieren bereit ist, in die Höhe treiben und damit die Wahrscheinlichkeit einer Transaktion verringern (Shu & Peck, 2011; Reb & Connely, 2007). Darüber hinaus wirkt sie sich auf die Bereitschaft der Menschen aus, einen Gegenstand zu veräußern, und kann zu Hortungsverhalten (Cherrier & Ponnor, 2010) und einer verringerten Wahrscheinlichkeit der „Rückgabe“ an einen Gebrauchtmarkt führen (Simpson et

al., 2019).

Gemeinsame Eigentumsstrukturen können diese Wahrnehmung jedoch verändern. Es ist möglich, dass sich das gemeinsame Eigentum von Produkten auf die von den Eigentümern empfundene Ausstattung auswirkt. Auf der einen Seite kann sich Besitzanhaftung bei gemeinsamem Eigentum verringern, denn die Bezahlung - und damit das Eigentum – von nur einem Teil eines Gegenstandes kann bedeuten, dass man sich ihm weniger verbunden fühlt. Wenn mehrere Personen einen Gegenstand nutzen, hat der

StraightONE Behavioral Economics Guide _ 2019

141

Eigentümer auch weniger Kontrolle über ihn und fühlt sich möglicherweise distanzierter.

Andererseits ist es vernünftig anzunehmen, dass Personen an Gegenständen, die sich in Gemeinschaftseigentum befinden, ähnlich hängen wie an solchen, die sich in Privateigentum befinden (z.B. beim geteilten Alleineigentum). Wenn Menschen ein Produkt gemeinsam gehört, kann dieses Produkt immer noch als Teil des erweiterten Selbst betrachtet werden und ihrer Identität einen Sinn geben (Belk, 2010). Folglich können sie sich mit Produkten verbunden fühlen, die nicht vollständig ihnen gehören, oder sogar mit kollektivem Eigentum wie Denkmälern (Belk, 1992). Die Stärke der Bindung an gemeinsame Produkte könnte etwas geringer sein.

Nichtsdestotrotz spiegelt das, was uns gehört, wider, wer wir sind, auch wenn uns nur ein Teil dieses Gegenstandes gehört. Die Bindung an einen Gegenstand, unabhängig von der Stärke der Bindung, kann daher Entscheidungen über das Ende der Nutzung beeinflussen. Dies würde bedeuten, dass ähnlich wie bei Privateigentum und geteiltem Alleineigentum, die sich beide durch einen einzigen Eigentümer auszeichnen - auch Eigentümer von Gemeinschaftseigentum sich an ihre Gegenstände gebunden fühlen und es schwer haben, sich von ihnen zu distanzieren und sie ebenfalls einen hohen Wert für sie haben können.

Wir gehen also davon aus, dass das gemeinsame Eigentum keinen Einfluss auf Entscheidungen über das Ende der Nutzung hat. Die Anhaftungsstärke mag bei gemeinsamem Eigentum geringer sein, aber sie hebt den Einfluss der Bindung an sich nicht auf. Folglich unterscheiden sich die Auswirkungen der Besitzanhaftung auf End-of-Use-Entscheidungen nicht innerhalb der verschiedenen Eigentumsvereinbarungen. Stattdessen glauben wir, dass diese Entscheidungen wahrscheinlich durch die gemeinsame Nutzung beeinflusst werden. Bei mehreren Nutzern kann die Kontamination zu einer Sorge werden. Wir gehen davon aus, dass die gemeinsame Nutzung (nicht das gemeinsame Eigentum) eines Eigentums die Bereitschaft zur Beendigung der Produkt-

142

StraightONE Behavioral Economics Guide _ 2019

nutzung erhöht, da das Produkt als stärker kontaminiert empfunden wird.

Studie 1: Rasenmäher In der ersten Studie untersuchen wir, ob auf gemeinsamer Nutzung basierende Eigentumsvereinbarungen, die von mehreren Nutzern und manchmal auch mehreren Eigentümern geprägt sind, dazu führen, dass Eigentümer die Nutzung des Produktes beenden. Wir testen, ob Eigentümer ein gemeinsam genutztes Produkt eher ersetzen als ein Produkt in Privateigentum. Wir gehen davon aus, dass dieser Effekt sowohl bei geteiltem Alleineigentum als auch bei Gemeinschaftseigentum auftritt, was beweist, dass die gemeinsame Nutzung und nicht das gemeinsame Eigentum die End-of-Use-Entscheidung beeinflusst.

Methode Teilnehmer. 208 amerikanische Erwachsene nahmen an einer Szenariostudie über Amazon Mechanical Turk teil (60,1% männlich, Mage = 31,71, SDage = 9,90). Die Teilnehmer wurden nach dem Zufallsprinzip einer von drei Vorgaben (Privateigentum, geteiltes Alleineigentum oder Gemeinschaftseigentum) in einem Inter-SubjektDesign zugeordnet.

Verfahren. Alle Teilnehmer lasen ein Szenario, in dem es hieß, sie hätten vor einigen Jahren einen Rasenmäher für 199 Dollar gekauft. Je nach Vorgabe wurden sie entweder darüber informiert, dass sie der einzige Eigentümer und Benutzer des Rasenmähers sind (Vorgabe: Privateigentum), der einzige Eigentümer sind, der den Rasenmäher mit den Nachbarn teilt (Vorgabe: geteiltes Alleineigentum), oder sie waren Miteigentümer und teilten sich den Rasenmäher mit den Nachbarn (Vorgabe: Gemeinschaftseigentum). In allen Vorgaben wurde der Rasenmäher insgesamt 200 Mal benutzt. Nachdem sie das Szenario gelesen hatten, gaben die Teilnehmer an, ob sie den Rasenmäher in den nächsten fünf Jahren

ersetzen würden (1 = sehr unwahrscheinlich, 9 = sehr wahrscheinlich). Schließlich beantworteten die Teilnehmer drei Aufmerksamkeitsüberprüfungen („Wer ist der Eigentümer des Rasenmähers?“, „Wer benutzt den Rasenmäher?“ und „Wie viel haben Sie für den Rasenmäher bezahlt?“) Vier Teilnehmer beantworteten eine dieser Fragen falsch und wurden von der Analyse ausgeschlossen. Darüber hinaus wurden die Ergebnisse eines Teilnehmers als Ausreißer markiert (Box-and-Whisker-Plots-Methode, Tukey, 1977) und von der Analyse ausgeschlossen.

Ergebnisse und Diskussion Eine zweiseitige ANOVA1 von Nutzung und Eigentum über die Absicht, den Rasenmäher zu ersetzen, zeigte, dass, wie erwartet, die Nutzung (F(1.189) = 21,896, p <0,001, Cohen‘s d = 0,71) und nicht das Eigentum (F(1.189) = 0,074, p = 0,786, Cohen‘s d = 0,04) einen si-

gnifikanten Effekt hat. Einfache Kontraste zeigten, dass die Teilnehmer der Vorgabe „Privateigentum“ (MPO = 5,37, SDPO = 2,32) den Rasenmäher am wenigsten wahrscheinlich ersetzen würden und sich signifikant von den Teilnehmern der Vorgabe „Geteiltes Alleineigentum“ (MSSO = 6,97, SDSSO = 1,69, t(189) = 4,679, p < 0,001, Cohen‘s d = 0,83) und der Vorgabe „Gemeinschaftseigentum“ (MJO = 6,88, SDJO = 1,70, t(189) = 4,424, p < 0,001, Cohen‘s d = 0,78) unterschieden. Die Teilnehmer der Vorgabe „geteiltes Alleineigentum“ und „Gemeinschaftseigentum“ unterschieden sich nicht in ihrer Absicht, den Rasenmäher zu ersetzen (t(189) = 0,272, p = 0,786, Cohen‘s d = 0,05, siehe Abbildung 5).

Die Ergebnisse bestätigten unsere erste Hypothese. Bei konstanter Benutzungshäufigkeit wird ein Gegenstand weniger wahrscheinlich ersetzt, wenn er das Eigentum einer Person ist und auch nur von dieser benutzt wird,

Mindestbetrag für den Wiederverkauf ($)

160 140 120 100 80 60 40 20 0

Privateigentum

Geteiltes Einzelunternehmen

Gemeinsames Eigentum

Abb. 5: Absicht, den Rasenmäher unter den Bedingungen in Studie 1 zu ersetzen. Hinweis: Fehlerbalken stellen ± 1 Standardfehler dar.

StraightONE Behavioral Economics Guide _ 2019

143

Teil 2 - Anwendungen

als wenn er Eigentum mehrerer Personen ist oder von diesen benutzt wird. Es ist wichtig zu beachten, dass Menschen ein Produkt mit gleicher Wahrscheinlichkeit ersetzen, wenn es ihr Privateigentum ist, sie es aber mit anderen teilen, als wenn es ihr gemeinsames Eigentum ist und sie es gemeinsam benutzen. Dies zeigt, dass die gemeinsame Nutzung, nicht das gemeinsame Eigentum, diese Auswirkungen verursacht, und eine etwas lockerere Bindung an ein gemeinsam erworbenes Produkt spielt keine Rolle. Wenn die Stärke der Bindung eine Rolle gespielt hätte, wären die Bedingungen für geteiltes Alleineigentum und Gemeinschaftseigentum unterschiedlich gewesen.

Nutzung von Produkten innerhalb der einzelnen Eigentumsregelungen erklärt .

Methode Teilnehmer. 205 amerikanische Erwachsene nahmen an einer Szenariostudie über Amazon Mechanical Turk teil (60,1% männlich, Mage = 31,71, SDage = 9,90). Wie in Studie 1 wurden die Teilnehmer nach dem Zufallsprinzip einer von drei Vorgaben (Privateigentum, geteiltes Alleineigentum oder Gemeinschaftseigentum) in einem Intersubjekt-Design zugeordnet .

Vorgehensweise. Die Teilnehmer wurden gebeten, ein Szenario zu lesen, aus dem hervorgeht, dass sie ein Mountainbike für 249 Dollar gekauft hatten, als sie vor einigen Jahren in ein neues Wohnhaus zogen. Je nach Zustand lasen sie, dass sie entweder der alleinige Besitzer und Benutzer des Mountainbikes waren (Vorgabe: Privateigentum), der einzige Eigentümer waren, der das Mountainbike mit Nachbarn teilte (Vorgabe: geteiltes Alleineigentum) oder Miteigentümer des Mountainbikes waren und es mit anderen teilten (Vorgabe: Gemeinschaftseigentum). In allen Vorgaben wurde das Mountainbike insgesamt 400 Mal benutzt.

Studie 2: Mountainbike In der zweiten Studie wollen wir die Ergebnisse von Studie 1 bestätigen und zusätzliche End-of-Use-Maßnahmen (d.h. die Entsorgung der Produkte und den Wiederverkaufspreis) hinzufügen. Darüber hinaus prüfen wir, ob die wahrgenommene Kontamination den Unterschied in den Entscheidungen über die Beendigung der

Privatbesitz

Absicht zur Entsorgung Absicht zu ersetzen Mindestbetrag zum Weiterverkauf

1.46 (0.85) 2.20 (1.25) 146.95 (55.02)

Geteilte Einzeleigentümergemeinschaft

Miteigentum

2.89 (1.94)

2.70 (1.69)

3.72 (1.79)

3.22 (1.92)

126.47 (53.62)

124.46 (58.66)

Abb. 6: Mittelwerte und Standardabweichungen über die Bedingungen in Studie 2.

144

StraightONE Behavioral Economics Guide _ 2019

Nach der Lektüre des Szenarios wurden die Teilnehmer gebeten, zwei Fragen zur Messung der wahrgenommenen Kontamination auszufüllen: „Wie nehmen Sie das Mountainbike wahr?“ (1 = überhaupt nicht verunreinigt, 7 = stark verunreinigt) und „Wie würden Sie den Zustand des Mountainbikes einstufen?“ (1 = sehr schlechter Zustand, 7 = sehr guter Zustand). Das zweite Item wurde neu kodiert, um einen Gesamtwert für die wahrgenommene Verschmutzung zu berechnen (ρ = 0,373, p < 0,001). Als nächstes gaben die Teilnehmer an, ob sie das Mountainbike in den nächsten 12 Monaten entsorgen oder ersetzen würden (1 = sehr unwahrscheinlich, 7 = sehr wahrscheinlich). Darüber hinaus gaben sie auch den Mindestpreis an, zu dem sie das Mountainbike verkaufen würden .

Am Ende des Fragebogens beantworteten die Teilnehmer die gleichen Aufmerksamkeitschecks wie in Studie 1. Sechsundvierzig Teilnehmer beantworteten einen von ihnen falsch und wurden von der Untersuchung ausgeschlossen. Darüber hinaus wurden die Ergebnisse von fünf Teilnehmern als Ausreißer markiert und von der Analyse ausgeschlossen.

Ergebnisse & Diskussion Entsorgung, Ersatz und Wiederverkauf. Drei zweiseitige ANOVA‘s1 von Nutzung und Eigentum zu Veräußerungs-, Ersatz- und Mindest-Wiederverkaufspreis bestätigten unsere Hypothese und zeigten (geringfügig), dass die gemeinsame Nutzung (F‘s(1.151) > 3,588, p‘s < 0,060, Cohen‘s d = 0,31), und nicht das Eigentum (F‘s(1.151) < 2,209, p‘s > 0,139, Cohen‘s d < 0,26), die End-of-Use-Entscheidung bezüglich des Mountainbikes verschärft. Teilnehmer der Vorgabe „Privateigentum“, waren am wenigsten geneigt, das Mountainbike wegzuwerfen oder zu ersetzen, und verlangten den höchsten Wiederverkaufspreis im Vergleich zum geteilten Alleineigentum (t‘s(151) > 1,894, p‘s < 0,060, Cohen‘s d >

Abb. 7

0,37) und Gemeinschaftseigentum (t‘s(151) > 2,067, p‘s < 0,040, Cohen‘s d > 0,40). Die Teilnehmer der beiden letztgenannten Vorgaben warfen es mit gleicher Wahrscheinlichkeit weg, ersetzten es und nannten einen ähnlichen Preis (t‘s(151) < 1,486, p > 0,139, Cohen‘s d < 0,31). Siehe Abbildung 9, Abbildung 73 und Abbildung 8 für Mittelwerte und Standardabweichungen zwischen den Vorgaben für jede Messgröße.

Wahrgenommene Kontamination. Eine zweiseitige ANOVA von Nutzung und Besitz auf die wahrgenommene Kontamination des Mountainbikes zeigte, dass die Nutzung (F(1.151) = 25,376, p < 0,001, Cohen‘s d = 0,83) und nicht das Eigentum (F(1.151) = 0,197, p = 0,658, Cohen‘s d = 0,08) die Wahrnehmung der Kontamination durch die Teilnehmer beeinflusst. Privateigentum (MPO = 2,82, SDPO = 1,30) führt zum niedrigsten Niveau der

StraightONE Behavioral Economics Guide _ 2019

145

Teil 2 - Anwendungen

Absicht zu ...

7 6 5 4 3 2 1 Privateigentum

Geteiltes Einzelunternehmen

Gemeinsames Eigentum

Privateigentum

Geteiltes Einzelunternehmen

Gemeinsames Eigentum

Abb. 8: Absicht zur Entsorgung und zum Austausch unter verschiedenen Bedingungen in Studie 2. Hinweis: Fehlerbalken stellen ± 1 Standardfehler dar.

Mindestbetrag für den Wiederverkauf ($)

160 140 120 100 80 60 40 20 0

Privateigentum

Geteiltes Einzelunternehmen

Gemeinsames Eigentum

Abb. 9: Mindestbetrag für den Wiederverkauf ($) des Mountainbikes unter den Bedingungen in Studie 2. Hinweis: Fehlerbalken stehen für ± 1 Standardfehler.

146

StraightONE Behavioral Economics Guide _ 2019

Wahrgenommene Kontamination

c = 14346, c = 0,9561 Nutzung b = D.4785, D.2196 < CI 95% < 0.8469

Entsorgungsabsicht

Wahrgenommene Kontamination

Nutzung

c = 1,5267, c = 1,0095 b = 0.5172, 0.2031 < CI 95% <0.9173

Entsorgungsabsicht

Wahrgenommene Kontamination

Nutzung

c = -20,4327 , c = -11,0621

Entsorgungsabsicht

b = -9_4206, -18.7822 < CI 95% < -1_0655

Abb. 10:Vermittlungsrolle der wahrgenommenen Verunreinigung über die Auswirkung der Nutzung auf die Entsorgungsabsicht (A), die Ersatzabsicht (B) und den Mindest-Wiederverkaufspreis (C) des Mountainbikes.

StraightONE Behavioral Economics Guide _ 2019

147

Teil 2 - Anwendungen

Wiederverkaufspreis führt, und zwar aufgrund von Einzel- vs. Mitbenutzung. Die Mediationsanalyse kontrollierte das Eigentum. Wie angenommen, vermittelte die wahrgenommene Verunreinigung teilweise die Auswirkung der Nutzung auf die Absicht, das Mountainbike zu entsorgen (b = 0,4785, 0,2196 < CI 95% < 0,8469) und zu ersetzen (b = 0,5172, 0,2031 < CI 95% < 0,9173), und vermittelte die Auswirkung der Nutzung auf den Mindest-Wiederverkaufspreis vollständig (b = -9,4206, -18,7822 < CI 95% < -1,0655, siehe Abbildung 8).

Diskussion.

Die Ergebnisse von Studie 2 stimmen mit den Ergebnissen der vorangegangenen Studie überein und bestätigen unsere zweite Hypothese, dass die Wahrnehmung des Eigentümers, wie kontaminiert das Produkt ist, seine Absicht ändert, das Produkt zu entsorgen, zu ersetzen oder weiterzuverkaufen. Nichtsdestotrotz fanden wir eine partielle Mediation, was darauf hindeutet, dass es mehr Faktoren gibt, die die Auswirkung antreiben.

Abb. 11

wahrgenommenen Kontamination und unterscheidet sich signifikant von der wahrgenommenen Kontamination sowohl beim geteilten Alleineigentum (MSSO = 3.

98, SDSSO = 1,14, t(151) = 5,037, p < 0,001, Cohen‘s d = 0,98) und Gemeinschaftseigentum (MJO = 3,87, SDJO = 1,06, t(151) = 4,535, p < 0,001, Cohen‘s d = 0,89). Die wahrgenommene Kontamination unterschied sich nicht zwischen geteiltem Alleineigentum und Gemeinschaftseigentum (t(151) = 0,444, p = 0,658, Cohen‘s d = 0,09).

Mediation. In drei Bootstrapping-Mediationsanalysen mit je 5.000 Stichproben (Preacher & Hayes, 2008) wurde untersucht, ob die wahrgenommene Kontamination des Mountainbikes zu Unterschieden in der Veräußerungsabsicht, der Ersatzabsicht und dem Mindest-

148

StraightONE Behavioral Economics Guide _ 2019

Allgemeine Diskussion Obwohl die Natur der Sharing Economy nahelegt, dass innovative, auf gemeinsamer Nutzung von C2C basierende Eigentumsvereinbarungen die Umweltbelastung reduzieren und die Verbraucher motivieren, sie zu anzunehmen (Böckner & Meelen, 2017; Hamari et al., 2015), unterstreicht unsere Untersuchung, dass diese Reduzierung möglicherweise geringer ausfällt als erwartet, und zeigt Nachteile des geteilten Allein- und des Gemeinschaftseigentums auf. Zur Untermauerung unserer Hypothesen stellten wir fest, dass Eigentümer, die einen Gegenstand in Privateigentum gemeinsam nutzen (d.h. geteiltes Alleineigentum) oder die einen Gegenstand gemeinsam mit anderen besitzen und teilen (d.h.

Miteigentum), diesen Gegenstand als stärker kontami-

niert empfinden als Gegenstände, die in Privateigentum stehen und alleine genutzt werden. Folglich sind Eigentümer, die ihr (Mit-)Eigentum teilen, im Vergleich zu privaten Eigentümern und Nutzern eher bereit, diese Gegenstände zu veräußern, zu ersetzen oder weiterzuverkaufen (d.h. einen niedrigeren Preis zu verlangen).

Dies zeigt, dass sowohl die vermehrt wahrgenommene Kontamination als auch die verstärkte Absicht, die Nutzung eines Gegenstandes zu beenden, eher durch die gemeinsame Nutzung als durch Vereinbarungen über gemeinsames Eigentum bestimmt werden.

Neben den beiden hier vorgestellten Studien haben wir unsere Haupthypothese auch in fünf weiteren Experimenten getestet, um unsere Ideen zu bestätigen. Eine Metaanalyse, die auf der Winer‘schen Methode der Zusammenlegung der t‘s (1971) aller sieben Studien basiert, bestätigt die erhöhte Wahrscheinlichkeit, gemeinsam genutzte Produkte zu entsorgen, zu ersetzen und weiterzuverkaufen. Insgesamt finden wir eine

0,00

0,20

Auswirkung des Gebrauchs auf die Absicht, ein Produkt zu entsorgen, zu ersetzen oder weiterzuverkaufen (z = 8,77, 0,3548 < CI 95% < 0,5893, siehe Abbildung 79).

Diese Ergebnisse deuten darauf hin, dass zwar erwartet werden kann, dass auf der gemeinsamen Nutzung basierende Eigentumsvereinbarungen kurzfristig die Umweltbelastung verringern (z.B. die Produktion von Gütern und die Rohstoffnachfrage reduzieren), langfristig jedoch diese erwartete Verringerung geringer ausfallen könnte als erwartet. Das liegt daran, dass die Menschen die Nutzung gemeinsam genutzter Produkte schneller beenden als die individuell genutzten.

Diese Untersuchung ist sowohl praktisch als auch theoretisch wertvoll. Sie bereichert die Nachhaltigkeitsdiskussion, die mit neuen Eigentums- und Nutzungsformen verbunden ist, und veranschaulicht einen Flowon-Effekt der gemeinsamen Nutzung von Produkten.

Die Erwartung eines reduzierten Gesamtverbrauchs, da ein Produkt mehrere Benutzer bedienen kann, kann

0,40

0,50

0,80

1,00

Studie 1 - Austausch Studie 2 - Entsorgung Studie 2 - Austausch Studie 2 - Wiederverkauf Studie 3 - Austausch Studie 4 - Austausch Studie 5 - Entsorgung Studie 6 - Austausch Studie 6 - Entsorgung Studie 6 - Austausch Studie 7 - Wiederverkauf Studie 7 - Austausch Studie 7 - Wiederverkauf

Abb. 12: Meta-Analyse der Hauptwirkung in sieben Studien. Hinweis: Weiße Punkte spiegeln die Absicht wider, zu ersetzen, orange Punkte die Absicht, zu entsorgen und graue Punkte die Mindestverkaufsmenge. Der schwarze Punkt zeigt die geschätzte Gesamteffektgröße an.

Die gepunktete Linie hebt die in der Arbeit berichteten Maßnahmen hervor.

StraightONE Behavioral Economics Guide _ 2019

149

Teil 2 - Anwendungen

geringer ausfallen als erwartet, wenn diese Produkte schneller ersetzt oder entsorgt werden. Diese kritische Bewertung ist sowohl für politische Entscheidungsträger und Unternehmen bei der Entwicklung gemeinsamer Initiativen als auch für die Verbraucher bei der Annahme gemeinsam genutzter Produkte wichtig. Obwohl die Prävalenz der in diesem Papier getesteten Sharing-Vereinbarungen je nach Kultur und Altersgruppe unterschiedlich sein kann, sind wir der Meinung, dass es sich hierbei um wichtige (potenzielle) Aspekte der SharingÖkonomie handelt, die den wahren nichtreziproken Charakter des Sharings widerspiegeln.

Wir erweitern auch die Theorie der Sharing Economy.

Erstens untersucht unsere Studie die Behandlung von Produkten, die zwischen Verbrauchern geteilt werden (C2C), im Gegensatz zu umfassender untersuchten Vereinbarungen zwischen Unternehmen und Verbrauchern (B2C) (z.B. Lamberton & Rose, 2012; Ozanne & Ozanne, 2011). Diese B2C-Interaktionen stützen sich häufig auf eine interaktive Plattform und eine große Nutzerbasis, um den Produktzugang zu koordinieren. Mit Blick auf Produkte, die von Nachbarn gemeinsam genutzt werden, zeigen wir, dass der wahrgenommene Zustand eines Artikels durch die gemeinsame Nutzung auf individueller Ebene beeinflusst wird.

Dennoch gibt es noch mehr über die breiteren Auswirkungen der gemeinsamen Nutzung zu erfahren. Es hat sich herausgestellt, dass die vermehrte Tendenz, ein gemeinsam genutztes Gut zu veräußern oder zu ersetzen, teilweise durch die wahrgenommene Kontaminierung erklärt werden kann, was Raum für zusätzliche ergänzende Erklärungen lässt. Künftige Forschungsarbeiten sollten untersuchen, welche anderen Faktoren bei der Beendigung der Nutzung von Besitztümern eine Rolle spielen, um ein umfassenderes Verständnis dafür zu erhalten, wie sich die Sharing Economy auf die Produktlebenszyklen auswirkt.

Darüber hinaus ist es wichtig, Moderatoren zu untersuchen, die die Auswirkungen der gemeinsamen Nutzung auf die End-of-Use-Entscheidungen beeinflussen.

150

StraightONE Behavioral Economics Guide _ 2019

Zum Beispiel könnte man testen, wie die Stärke der Beziehungen zwischen Benutzern und Eigentümern das Vertrauen und die Sorgfalt bei der Nutzung von Produkten beeinflusst. Man könnte erwarten, dass bei engen Beziehungen die Eigentümer glauben, dass ihr Produkt weniger kontaminiert ist, da es sorgfältig behandelt wird.

Ein weiterer zu untersuchender Faktor ist die Verschlechterungssichtbarkeit. Einige Produkte geben Hinweise auf eine Verschlechterung (z.B. der Kilometerzähler im Auto), während sie bei anderen Produkten schwer zu erkennen ist. In unserer Untersuchung haben wir absichtlich langlebige Güter ohne klare Anzeichen einer Kontamination verwendet. Offensichtliche Anzeichen einer Verschlechterung könnten jedoch die wahrgenommene Kontamination verstärken.

Insgesamt sind wir der Meinung, dass unsere Untersuchung zu einem besseren Verständnis der Konsequenzen von Eigentumsvereinbarungen auf der Grundlage der gemeinsamen Nutzung und der Sharing Economy als Ganzes beiträgt. Obwohl die gemeinsame Nutzung von Besitztümern in der Tat große Vorteile haben kann, könnten die nachhaltigen Ergebnisse langfristig begrenzt sein, was eine zweischneidige Auswirkung hervorhebt.

Die Autoren

Jessica Exton

Laura Straeter

ist Verhaltenswissenschaftlerin bei ING und arbeitet in der gesamten Retailbank an der praktischen Anwendung eines Verständnisses für Verhaltenswissenschaften. Sie ist auch an der Think Forward Initiative beteiligt, die Innovationen und Neugründungen mit Erkenntnissen aus der Verbraucherforschung vorantreibt. Sie hat an der Rotterdam School of Management der ErasmusUniversität in Rotterdam in Marketing-Management promoviert. Laura erhielt ihren Bachelor-Abschluss in Sozialpsychologie und ihren Forschungs-Master-Abschluss in Sozial- und Verhaltenswissenschaften an der Universität Tilburg. Bevor sie im Januar 2018 zu ING kam, war sie Dozentin an der Universität Maastricht und arbeitete für Marktforschungs-Beratungsunternehmen. Lauras LinkedIn-Profil: https://www.linkedin. com/in/laurastraeter/.

ist Verhaltenswissenschaftlerin bei ING und arbeitet in der gesamten Retailbank an der praktischen Anwendung eines Verständnisses der Verhaltenswissenschaften. Sie leitet auch die ING International Survey, eine der größten Umfragen zur finanziellen Entscheidungsfindung von Verbrauchern in Europa und eine Initiative, die darauf abzielt, kontinuierlich ein besseres Verständnis dafür zu entwickeln, wie Menschen über ihr Geld denken. Ursprünglich aus Australien stammend, hat Jessica einen MSc in Verhaltensökonomie von der Universität Amsterdam und hat einen Hintergrund in Managementberatung, insbesondere im Bereich der Unterstützung von Organisationen aus einem breiten Sektorenspektrum, damit diese ihre Kunden besser verstehen lernen und ihnen helfen können. Jessicas LinkedIn-Profil: https://www.linkedin.com/in/jessicaexton/.

StraightONE Behavioral Economics Guide _ 2019

151

Teil 2 - Anwendungen

Literaturverzeichnis

king in the United States: Transmission of germs and interpersonal influence. Journal of the Society for Psychological Anthropology, 22, 158-186.

Argo, J. J., Dahl, D. W., & Morales, A. C. (2006). Consumer contamination: How consumers react to products touched by others. Journal of Marketing, 70, 81-94.

Ozanne, L. K., & Ozanne, J. L. (2011). A child’s right to play: The social construction of civic virtues in toy libraries. Journal of Public Policy & Marketing, 30, 264-278.

Argo, J. J., Dahl, D. W., & Morales, A. C. (2008). Positive consumer contagion: Responses to attractive others in a retail context. Journal of Marketing Research, 45, 690-701.

Plepys, A. & Singh, J. (2019). Evaluating the sustainability impacts of the sharing economy using input-output analysis. In O. Mont (Eds.), A research agenda for sustainability consumption governance (pp. 6684). Cheltenham, UK: Edward Elgar Publishing.

Bani, M., & Blom, M. (2020). Rethinking the road to the circular economy. ING Economics Department. Retrieved from https://www. ing.nl/media/ING_EBZ_rethink- ing-the-road-to-the-circular-economy_tcm162-186791.pdf.

Baxter, W., Aurisicchio, M., & Childs, P. (2017). Contaminated interaction: Another barrier to circular material flows. Journal of Industrial Ecology, 21, 507-516.

Belk, R. (1992). Attachment to possessions. In I. Altman & S. M. Low (Eds.), Place attachment (pp. 37-62). Boston, MA: Springer.

Belk. R. (2010). Sharing. Journal of Consumer Research, 36, 715-734.

Belk, R. (2014). You are what you can access: Sharing and collaborative consumption online.

Journal of Business Research, 67, 1595-1600.

Böcker, L, & Meelen, T. (2017). Sharing for people, planet or profit?

Analysing motivations for intended sharing economy participation. Environmental Innovation and Societal Transitions, 23, 28-39.

Preacher, K. J., & Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods, 40, 879- 891.

Price, J. A. (1975). Sharing: The integration of intimate economies.

Anthropologica, 17, 3-27. Reb, J., & Connely, T. (2007). Possession, feelings of ownership, and the endowment effect.

Judgment and Decision Making, 2, 107-114.

Rozin, P., & Fallon, A. E. (1987). A perspective on disgust. Psychological Review, 94, 23-41. Rozin, P., Markwith, M., & McCauley, C. (1994).

Sensitivity to indirect contacts with other persons: AIDS aversion as a composite of aversion to strangers, infection, moral taint, and misfortune. Journal of Abnormal Psychology, 103, 495-504.

Rozin, P., Millman, L., & Nemeroff, C. (1986). Operation of the laws of sympathetic magic in disgust and other domains. Journal of Personality and Social Psychology, 50, 703-712.

Cherrier, H., & Ponnor, T. (2010). A study of hoarding behaviour and attachment to material possessions. Qualitative Market Research: An International Journal, 13, 8-23.

Shu, S. B., & Peck, J. (2011). Psychological ownership and affective reaction: Emotional attach- ment process variables and the endowment effect. Journal of Consumer Psychology, 21, 439452.

Edbring, E. G., Lehner, M., & Mont, O. (2016). Exploring consumer attitudes to alternative models of consumption: Motivations and barriers. Journal of Cleaner Production, 123, 5-15. Frenken, K., & Schor, J. (2017). Putting the sharing economy into perspective. Environmental

Simpson, D., Power, D., Riach, K., & Tsarenko, Y. (2019). Consumer motivation for product disposal and its role in acquiring products for reuse. Journal of Operations Management, 65, 612-635.

Innovation and Societal Transitions, 23, 3-10.

Hamari, J., Sjöklint, M., & Ukkonen, A. (2015). The sharing economy: Why people participate in collaborative consumption. Journal of the Association for Information Science and Technology, 67, 2047-2059.

Thaler, R. (1980). Toward a positive theory of consumer choice. Journal of Economic Behavior and Organization, 1, 39-60.

Hazée, S., Van Vaerenbergh, Y., Delcourt, C., & Warlop, L. (2019).

Sharing goods? Yuck, no! An investigation of consumers’ contamination concerns about access-based services. Journal of Service Research, 22, 256-271.

Kahneman, D., Knetsch, J. L., & Thaler, R. H. (1990). Experimental tests of the endowment effect and the coase theorem. Journal of Political Economy, 98, 1325-1348.

Lamberton, C., & Rose, R. (2012). When is ours better than mine? A framework for under- standing and altering participation in commercial sharing systems. Journal of Marketing, 74, 109-125.

Nemeroff, C., & Rozin, P. (1994). The contagion concept in adult thin-

152

StraightONE Behavioral Economics Guide _ 2019

Tukey, J. W. (1977). Exploratory Data Analysis. Reading, MA: Addison-Wesley.

White, K., Lin, L., Dahl, D. W., & Ritchie, R. J. B. (2016). When do consumers avoid imperfections?

Superficial packaging damage as a contamination cue. Journal of Marketing Research, 53, 110-123.

Winer, B. J. (1971). Statistical Principles in Experimental Design. New York, NY: McGraw-Hill.

Abbildungen Abb. 1: https://unsplash.com/@Marek Rucinski Abb. 2: Eigentums- und Nutzungsarten.

Abb. 3: https://unsplash.com/@ Markus Winkler Abb. 4: Angenehmes Schmerzempfinden wird bei zwei Erkrankungen berichtet, die Bewegungsschmerzen als hilfreich oder schädlich einstufen.

Abb. 5: Absicht, den Rasenmäher unter den Bedingungen in Studie 1 zu ersetzen.

Abb. 6: Mittelwerte und Standardabweichungen über die Bedingungen in Studie Abb. 7: https://unsplash.com/@Mika Baumeister Abb. 8: Absicht zur Entsorgung und zum Austausch unter verschiedenen Bedingungen in Studie 2.

Abb. 9: Vermittlungsrolle der wahrgenommenen Verunreinigung in Bezug auf die Auswirkung der Nutzung auf die Entsorgungsabsicht (A), die Ersatzabsicht (B) und den Mindest-Wiederverkaufspreis (C) des Mountainbikes.

Abb. 10: https://unsplash.com/@Bence Boros Abb. 11: Meta-Analyse der Hauptwirkung in sieben Studien

StraightONE Behavioral Economics Guide _ 2019

153

Teil 2 - Anwendungen

154

StraightONE Behavioral Economics Guide _ 2019

Innovation mit Blick auf die Benutzer - Anwendung der Verhaltenswissenschaften auf Innovation

Abb. 1

StraightONE Behavioral Economics Guide _ 2019

155

Teil 2 - Anwendungen

Der Rückblick auf die letzten Jahre des jährlich erscheinenden Leitfadens für Verhaltensökonomie ist faszinierend. Seit der ersten Ausgabe im Jahr 2014 hat die Fachrichtung ein rasantes Wachstum erfahren und ist heute in vielen Sektoren, insbesondere im Finanzwesen, im Verbrauchermarketing und im öffentlichen Sektor, eine weithin akzeptierte Arbeitsweise. Im Leitfaden 2018 ging Robert Cialdini der Frage nach, warum „die Welt sich der Verhaltenswissenschaft zuwendet“. Er schlug mehrere Gründe dafür vor, warum die Verhaltenswissenschaft populärer wird. Der erste Grund ist die Genauigkeit des Ansatzes, da die großen gesellschaftlichen Institutionen heute evidenzbasierte Interventionen bevorzugen. Zweitens, was die Kosten-Nutzen-Analyse anbelangt, so führen verhaltenswissenschaftliche Ansätze oft zu „überdimensionierten Ergebnissen für unterdimensionierte Ausgaben“. Und schließlich deutet die zunehmende Kommunikation ihrer Relevanz darauf hin, dass die Verhaltensforscher viel eher bereit sind, über ihre Arbeit zu sprechen (Cialdini, 2018).

Der Leitfaden hat jedoch nicht erörtert, wie die Verhaltensforschung im Bereich Innovation eingesetzt wird. Dies scheint überraschend, da die meisten Unternehmen und Organisationen Innovationen brauchen, um zu überleben, und der Erfolg ihrer Innovationen ebenso sehr von der Bereitschaft der Menschen abhängt, sich mit der Innovation zu befassen, wie von der Technologie.

Um Kurt Vonnegut zu zitieren: „Wenn es die Menschen nicht gäbe, diese verdammten Menschen... Ständig verheddern sie sich in den Maschinen. Wenn sie nicht wären, wäre die Welt ein Paradies für Ingenieure“ (Vonnegut, 1952).

Vonnegut hatte Recht: viele Innovationen, vor allem technologische, werden falsch oder so eingesetzt, dass die Menschen nicht in der Lage sind, das Beste aus ihnen herauszuholen, und manchmal werden sie gekauft und überhaupt nicht genutzt! Das liegt daran, dass sich die Menschen nicht so verhalten, wie es die Erfinder vorhergesagt haben. Doch bevor ich darauf eingehe, wie die Verhaltenswissenschaft diese Situation verbessern kann, wollen wir den Prozess der Innovation untersuchen.

Der Prozess der Innovation Vor sechs Jahren habe ich ein Team für Verhaltenswissenschaften bei Innovia Technology, einer Innovationsberatung mit Sitz in Cambridge, England, aufgebaut. Als ich anfing, lernte ich, dass Innovationsteams zuerst die größte Hürde zu nehmen versuchen. Die größte Hürde - die schwierigste und komplexeste Herausforderung - ist oft eine technische Hürde. Innovatoren müssen bei der Entwicklung ihrer Ideen durch eine Reihe von „Toren“ gehen, und an

156

StraightONE Behavioral Economics Guide _ 2019

jedem Tor werden sie zum „Stopp“ oder „Los“ geleitet (Cooper, 1990).

Meiner Erfahrung nach kann es sein, dass sie, wenn sie menschliches Verhalten nicht früh genug berücksichtigen, feststellen, dass eine unberücksichtigte Hürde bleibt.

Selbst wenn Organisationen behaupten, bei Innovationen den Benutzer zu berücksichtigen, denken sie oft nur an die „menschlichen Faktoren“, die bestimmen, was nötig ist, um ein neues Produkt ergonomisch und effizient nutzbar zu machen; die psychologischen, emotionalen und sozialen Barrieren berücksichtigen sie erst viel später im Prozess.

Darüber hinaus können sich diese Barrieren als die größten Hürden erweisen, und wenn sie nicht früh genug berücksichtigt werden, können Innovationen scheitern. Wir haben zum Beispiel einen Fall gesehen, in dem das Produkt gut gestaltet war und eine Reihe von Konzept- und Nutzungstests durchlaufen hatte, in denen die Verbraucher behaupteten, dass ihnen das Produkt gefiel und sie es kaufen würden. Als das Produkt jedoch auf den Markt kam, schnitt es nicht so gut ab wie erwartet, weil Gleichaltrige es nicht unterstützten und weil die Menschen auf alte Gewohnheiten zurückfielen. Daher wurde wenig über den sozialen Kontext oder darüber nachgedacht, wie man das gewohnte Verhalten unterbrechen könnte.

Die zahlreichen Faktoren, die das menschliche Verhalten beeinflussen, so früh wie möglich im Innovations-

prozess zu berücksichtigen, hilft zu vermeiden, dass Zeit und Geld für Innovationen verschwendet werden, die niemals übernommen werden.

Darüber hinaus stärkt dies das Vertrauen der Interessengruppen, die richtigen Investitionen zu tätigen, und es wird sichergestellt, dass die Menschen die entwickelten Produkte und Dienstleistungen auch tatsächlich nutzen werden.

Warum erleichtert die Verhaltenswissenschaft die Innovation?

Die Verhaltenswissenschaft ist gut geeignet, um zu verstehen, wie Menschen auf neue Ideen und Technologien reagieren und warum sie so reagieren, wie sie es tun. Darüber hinaus zeigt sie die Faktoren auf, die wirklich wichtig sind, um ein Verhalten voranzutreiben, und schließlich kann sie verhindern, dass sich Innovatoren auf Merkmale fixieren, die bestenfalls irrelevant sind und schlimmstenfalls zum Scheitern einer Innovation führen könnten .

Indem die Verhaltenswissenschaft die wissenschaftliche Methode auf menschliches Verhalten anwendet, versucht sie, Beweise dafür zu liefern, wie Menschen mit neuen Produkten und Dienstleistungen interagieren. Sie vermindert jegliche Unsicherheit über die Wirksamkeit verschiedener Lösungen, so dass Organisationen vertrauensvoller ent-

scheiden können, worauf sie wetten sollen. Darüber hinaus untersucht sie das komplexe Zusammenspiel von Fähigkeiten, Motivationen und dem allgemeinen Umfeld, das darüber entscheidet, ob sich ein Individuum auf eine Innovation einlässt; damit geht sie weit über eine standardmäßige Berücksichtigung menschlicher Faktoren hinaus .

Die Verhaltenswissenschaft kann keine Wunder bewirken. Sie kann nicht genau vorhersagen, was die Menschen in der Zukunft wollen, und sie ist nicht besser als jede andere Disziplin in der Lage, sich vorzustellen, wie die Menschen in zehn Jahren ihr Leben leben wollen. Nichtsdestotrotz kann sie neue Erkenntnisse darüber liefern, wie Menschen Entscheidungen treffen und wie sie Produkte kaufen und verwenden, die über die traditionellen Techniken der Konumentenforschung hinausgehen.

Die Grenzen vieler traditioneller Ansätze in der Konsumentenforschung sind gut dokumentiert (Rubinstein, 2018, S. 28). Menschen können nicht ohne weiteres artikulieren, was sie wollen, und sie scheinen das eine zu sagen und das andere zu tun. Hätte man die Menschen 1880 gebeten, die Transportlösung zu beschreiben, die sie brauchten, hätten sie nach einem „schnelleren Pferd“ gefragt.

Aus diesem Grund bevorzugen viele Innovatoren Beobachtungstechniken, anstatt die Menschen direkt zu fragen, was sie wollen - sie gehen davon aus, dass es sich nicht lohnt, dies

zu tun, weil sie sich die Zukunft nicht vorstellen können. Darüber hinaus befürchten die Innovatoren, dass die Durchführung von Verhaltensforschung zu einem frühen Zeitpunkt im Prozess wirklich innovative Ideen töten könnte, aber das wird nicht durch Beweise bestätigt, da der Innovationsprozess selbst ebenso gute Ideen töten kann (Ingerslev, 2014).

Wie hilft also die Verhaltensforschung?

Wie erleichtert die Verhaltenswissenschaft die Innovation ?

Es gibt vier Punkte im Innovationsprozess, bei denen die Verhaltenswissenschaft besonders nützlich ist (Rubinstein 2018, S. 73-88): bei der Definition des Problems, bei der Beschreibung des Lösungsraums, bei der Ideengenerierung und beim Testen der Ideen.

1. Problemdefinition: Die Verhaltenswissenschaft kann die Problemdefinition klären, indem sie das Zielverhalten identifiziert, das für den Erfolg der Innovation erforderlich ist (ggf. auch mehrere).

2. Der Kontext: Die Verhaltenswissenschaft kann die Barrieren und Promotoren der Ausführung des Zielverhaltens bzw. der Zielverhaltensweisen in verschiedenen Kontexten diagnostizieren, so dass Innovatoren wissen, wie sie gute Ideen erkennen.

StraightONE Behavioral Economics Guide _ 2019

157

Teil 2 - Anwendungen

3. Ideen: Die Verhaltenswissenschaft kann Hinweise geben, wie man angesichts der Barrieren und Promotoren das Verhalten am besten ändern kann, und so den Innovatoren helfen, gute Ideen zu entwickeln.

4. Testen: Die Verhaltenswissenschaft kann Lösungen evaluieren und testen, um zu untersuchen, ob sie den Bedürfnissen der Benutzer und des Unternehmens entsprechen.

Lassen Sie uns nun jeden Punkt der Reihe nach untersuchen.

Definition des Problems Um ein Problem zu lösen, müssen wir das Problem klar definieren. Bei der Innovation (wie bei jeder Entscheidungsfindung) ist dies entscheidend, denn wenn die Problemaussage falsch ist, ist auch alles, was danach folgt, falsch. Es lohnt sich daher, sich die Zeit zu nehmen, eine detaillierte Definition des Dilemmas zu erstellen, wozu auch die Definition der Verhaltensherausforderung gehört, nämlich des „Zielverhaltens“, das verändert werden soll.

Vor einigen Jahren arbeiteten wir mit einem Unternehmen zusammen, das ein Gerät entwickeln wollte, das Frauen helfen sollte, ihre Hautgesundheit zu verstehen, Probleme zu diagnostizieren und Hautpflegeprodukte auszuwählen, um sie zu lösen. Hierin lag eindeutig eine Chance. Zu diesem frühen Zeitpunkt wusste das Unternehmen weder, wer das Gerät benutzen würde, noch wie es aussehen sollte. Die einzige Vorgabe war, dass das gewünschte Zielverhalten darin bestehen sollte, a) das Gerät zur Diagnose von Hautproblemen zu verwenden und b) Produkte direkt mit dem Gerät zu bestellen. In solchen Situationen konzentrieren sich die Unternehmen oft auf die technische Herausforderung, d.h. darauf, was zur Herstellung des Geräts erforderlich ist. Zu diesem Zeitpunkt ist das einzige Verbraucherverhalten, das sie in

158

StraightONE Behavioral Economics Guide _ 2019

Wie hilft also die Verhaltensforschung?

Wie erleichtert die Verhaltenswissenschaft die Innovation?

Es gibt vier Punkte im Innovationsprozess, an denen die Verhaltenswissenschaft besonders nützlich ist (Rubinstein 2018, S. 73-88): bei der Definition des Problems, bei der Beschreibung des Lösungsraums, bei der Ideengenerierung und beim Testen der Ideen.

1. Problemdefinition: Die Verhaltenswissenschaft kann die Problemdefinition klären, indem sie das/die Zielverhalten(e) identifiziert, die für den Erfolg der Innovation erforderlich sind.

2. Der Kontext: Die Verhaltenswissenschaft kann die Barrieren und Förderer der Ausführung des Zielverhaltens (der Zielverhaltensweisen) in verschiedenen Kontexten diagnostizieren, so dass Innovatoren wissen, wie sie gute Ideen erkennen 3. Ideen: Die Verhaltenswissenschaft kann Hinweise geben, wie man angesichts der Barrieren und Förderer das Verhalten am besten ändern kann, und so den Innovatoren helfen, gute Ideen zu entwickeln.

4. Testen: Die Verhaltenswissenschaft kann Lösungen evaluieren und testen, um zu untersuchen, ob sie den Bedürfnissen der Benutzer und des Unternehmens entsprechen.

Betracht ziehen können, die Frage, ob die Menschen das, was sie produziert haben, kaufen werden oder nicht.

erwartungen und verwendeten ein Verhaltensmodell, das lose auf dem Common-Sense-Modell der Krankheitsdarstellungen (Leventhal et al., 1980) basiert, um ihre Überlegungen darüber zu strukturieren, was das Gerät tun muss, um diese Erwartungen zu erfüllen. Dieses Modell berücksichtigt die laienhaften Meinungen der Menschen über ihre Erkrankungen und schlägt vor, dass sich Krankheitsdarstellungen von drei Informationsquellen leiten lassen: dem Laienwissen, über das die Menschen verfügen, Informationen aus externen Quellen und ihrer aktuellen Erfahrung mit der Erkrankung. Darüber hinaus findet eine parallele Verarbeitung der Informationen statt: ein kognitiver Strom, in dem die Menschen über die

Dieses Unternehmen wollte jedoch einen anderen Ansatz verfolgen: es wollte sicher sein, dass das Gerät, das es herstellt, dasjenige ist, das die Menschen am meisten brauchen, und deshalb musste neben den technischen Spezifikationen auch das Nutzerverhalten berücksichtigt werden. In der Praxis bedeutete dies, dass Verhaltensforscher, Materialwissenschaftler, Technologen und Designer von Anfang an zusammenarbeiteten.

Die Verhaltensforscher untersuchten die Verbraucher-

Kognitver Weg

Bewusste Antwort

Ok, ich kann das ausprobieren

Hier ist eine Lösung

Auslöser und Anregung zur Hautpflege

Physischer Ausgang

Du hast eine Erkrankung.

Hat es funktioniert?

Gerät Ist das eine Erkrankung?

Ich glaube an dich.

Emotionaler Weg

Einschätzung Ja hat es / Nein hat es nicht

Beruhigung, Positivität

Automatische Antwort

Emotionaler Ausgang

Abb. 2: Verhaltensmodell, das zur Abbildung der Benutzerbedürfnisse verwendet wird.

StraightONE Behavioral Economics Guide _ 2019

159

Teil 2 - Anwendungen

Kognitver Weg

Bewusste Antwort

Ok, ich kann das ausprobieren

Hier ist eine Lösung

Auslöser und Anregung zur Hautpfege

Physischer Ausgang

Du hast eine Erkrankung.

Hat es funktioniert?

Gerät Ist das eine Erkrankung?

Ich glaube an dich.

Emotionaler Weg

Einschätzung Ja hat es / Nein hat es nicht

Beruhigung, Positivität

Emotionaler Ausgang

Automatische Antwort

Abb. 3: Verhaltensmodell, das zur Abbildung der Benutzerbedürfnisse verwendet wird.

Kognitver Weg

Bewusste Antwort

Physischer Ausgang

Objektivität

Lösung Ok, ich kann Hier ist eine Lösung das ausprobieren

Auslöser und Anregung zur Hautpfege

Du hast eine Erkrankung.

Bedingung

Hat es funktioniert?

Einschätzung

Gerät

Ist das eine Erkrankung?

Ja hat es / Nein hat es nicht

Resonanz Beruhigung, Positivität Ich glaube an dich.

Emotionaler Weg

Automatische Antwort

Emotionaler Ausgang

Abb. 4: Dasselbe Verhaltensmodell wird verwendet, um die technischen Anforderungen an das Gerät abzubilden.

160

StraightONE Behavioral Economics Guide _ 2019

Einschätzung

Ursachen ihrer Krankheit nachdenken, und ein emotionaler Strom, in dem sie die Krankheit fühlen und erleben.

Die Vorstellungen, die Menschen von ihrer Erkrankung haben, filtern, wie sie reagieren und ihre Handlungen lenken, und sie beeinflussen auch, wie sie sich entscheiden, damit umzugehen. Schließlich bewerten die Menschen ihre Bewältigungsstrategien, um zu sehen, ob sie funktioniert haben, und dieses neue Wissen wird dann wieder in das System eingespeist.

Dieses Modell war nützlich, um herauszufinden, was das Gerät zu tun hatte. Es musste in der Lage sein, bewusste Reaktionen zu erkennen (z.B. Bedingungserkennung oder Lösungsoptionen), und es musste auch die automatischen, emotionalen Reaktionen einbeziehen (z.B. das Bedürfnis nach Vertrauen oder Beruhigung). Schließlich war es wichtig, dass es auch in der Lage war, Gelegenheiten zur Beurteilung zu bieten und Feedback geben zu können (Abbildung 3).

Nachdem das technische Team herausgefunden hatte, was das Gerät psychologisch zu tun hatte, benutzte es dieses, um die Prozessabläufe zu entwerfen und zu spezifizieren, was die Technologie tun musste, um das Zielverhalten zu beeinflussen und die Bedürfnisse der Benutzer zu erfüllen (Abbildung 4).

Wie in der Abbildung dargestellt, musste das Gerät es den Anwendern ermöglichen, ihr Ziel anzugeben (z.B. Akne beseitigen), den Zustand zu erkennen (dies ist Akne), eine Lösung für das Problem anzubieten (verwenden Sie diese Creme), die Gewissheit zu geben, dass das Produkt wirkt (z.B. „wie von Ärzten empfohlen“) und schließlich dem Anwender ein Feedback zu geben (das Produkt hat Ihre Akne beseitigt). Dies half dem Team, spezifische Technologien zu erforschen, die in das Gerät integriert werden und die diese Ziele erreichen könnten.

Wenn ein Verhaltensmodell sowohl von Verhaltens- als auch von technischen Teams verwendet werden kann, gibt es dem Gesamtprojekt eine gemeinsame Sprache, wodurch der Prozess effizienter wird, da das Problem gleichzeitig in Benutzer- und Fachbegriffen definiert wer-

den kann. Validierte Modelle geben Sicherheit hinsichtlich der Wirksamkeit und helfen den Teams, relevante Faktoren zu priorisieren und sich nicht durch interessante, aber irrelevante Faktoren ablenken zu lassen.

Es gibt viele Möglichkeiten, die Verhaltenswissenschaft zur Dekonstruktion eines Problems zu nutzen, aber egal, welche Option gewählt wird, das Problem muss sowohl für die Effizienz als auch für die Erfolgswahrscheinlichkeit klar definiert werden.

Der Kontext Innovation ist ein riskantes Geschäft. Nach gängiger Weisheit werden zwischen 40 und 90% aller neuen Produkte scheitern (Anderson et al., 2015; Cierpicki et al., 2000), was eine erschreckend hohe Zahl ist. Die Gründe für diese Misserfolge sind vielfältig und gut dokumentiert (Gourville, 2005), und so wissen die Unternehmen, dass sie an ihre Verbraucher denken müssen; sie geben sich große Mühe, dies zu tun, und dennoch scheitern noch immer viele Produkte.

Der Einsatz der Verhaltenswissenschaft kann jedoch dazu beitragen, die Erfolgswahrscheinlichkeit zu erhöhen, da sie sich bei Entscheidungen auf Beweise und Theorie stützt. Im vorigen Abschnitt haben wir den Innovationswert der Beschreibung eines Zielverhaltens erläutert.

Sobald das Zielverhalten identifiziert ist, können Verhaltensforscher untersuchen, was es fördern oder davon abhalten könnte. Die Barrieren und Promotoren des Zielverhaltens mögen wenig mit der Innovation selbst zu tun haben, aber wenn es z.B. soziale Barrieren für ihre Anwendung gibt, kann sie dennoch scheitern. Innovatoren vergessen manchmal, dass selbst großartige Produkte scheitern können, wenn der Benutzer nicht die Fähigkeit oder das Wissen hat, sie richtig einzusetzen.

Die Verhaltenswissenschaft kann helfen, diese Barrieren und Promotoren im Voraus systematisch zu erfassen. Beispielsweise führen wir häufig eine Verhaltensdiagnostik

StraightONE Behavioral Economics Guide _ 2019

161

Teil 2 - Anwendungen

durch, wobei wir ein Framework wie den COM-B verwenden, um umfassend zu verstehen, was ein gewünschtes Verhalten verhindert oder fördert (Michie et al., 2011).

Dieses relativ bekannte diagnostische Modell schlägt vor, dass es drei Bedingungen für das Auftreten eines Verhaltens gibt: die Person muss in der Lage sein, es auszuführen („capability“, das C im Modell), sie muss die Möglichkeit haben, es auszuführen („opportunity“, das O im Modell) und sie muss motiviert sein, es auszuführen („motivation“, das M im Modell).

Ein Beispiel für die Anwendung dieses Modells betrifft ein Unternehmen, das die Erfahrung beim Kauf und Gebrauch von Kontaktlinsen verbessern wollte. Bevor man darüber nachdachte, welche Art von neuen Produkten oder Dienstleistungen entwickelt werden sollten, war es wichtig zu wissen, welche Verhaltensweisen zu einer positiven oder negativen Erfahrung beitragen. Das Team verwendete Primärforschung und vom Unternehmen bereitgestellte Daten, um verschiedene Verhaltensweisen umfassend zu identifizieren, die von der Befolgung von Anweisungen bis zur Teilnahme an Kontrolluntersuchungen reichten. Für jedes Verhalten wurde eine Verhaltensdiagnose durchgeführt, um festzustellen, was das Zielverhalten verhindern oder fördern würde.

Für die Herausforderung der Kontaktlinseninnovation wurde eine breite Palette von Forschungsberichten des Unternehmens und akademischer Literatur zur Durchführung der Diagnose herangezogen. Die Darstellung aller Barrieren und Promotoren ermöglichte die Erstellung von Problemaussagen - dies sind Zusammenfassungen der wichtigsten Barrieren und Promotoren, die von der Innovation angegangen werden müssen, damit sie erfolgreich sein kann. Beispielsweise gab es mehrere Problemaussagen zum Besuch beim Augenoptiker. Das Verständnis der Schwierigkeiten im Zusammenhang mit der Erfahrung des Besuchs beim Augenoptiker bedeutete, dass es möglich war, Innovationen zu entwerfen, die sich auf verschiedene Arten des Umgangs mit dem Patienten konzentrieren, wie z.B. die Schaffung von Hilfsmitteln und Demonstratoren, Aufforderungen und Erinnerungen sowie eine bessere Augenoptiker-Ausbildung.

162

StraightONE Behavioral Economics Guide _ 2019

Die Anwendung eines verhaltenswissenschaftlichen Prozesses trägt dazu bei, sicherzustellen, dass die Produkte ein reales Benutzerbedürfnis ansprechen und dass sie die Fähigkeit, Gelegenheit oder Motivation des Benutzers verbessern, das Produkt zu benutzen. Darüber hinaus stellt es sicher, dass der Innovator darüber nachdenkt, was eine Person tun muss, um mit der Nutzung des Produkts zu beginnen, was wiederum die Chance erhöht, dass das Produkt nicht in die Reihe der gescheiterten Innovationen aufgenommen wird und stattdessen tatsächlich erfolgreich sein könnte.

Ideen Wenn Menschen an Innovation denken, denken sie oft daran, Ideen zu generieren. Wie wir gesehen haben, muss eine Menge an Untersuchungen und Analysen durchgeführt werden, bevor wir bereit sind, Ideen für ein neues Produkt oder eine neue Dienstleistung zu entwickeln.

Der Prozess der Ideengenerierung, der manchmal auch als „Ideation1“ bezeichnet wird, ist der Teil des Innovationsprozesses, der den Menschen im Allgemeinen Spaß macht, da es sich um eine kreative Tätigkeit handelt, die oft in multifunktionalen Teams durchgeführt wird. Jede Ideenfindungsaktivität muss jedoch strukturiert sein und auf die jeweilige Herausforderung ausgerichtet bleiben.

Kenntnisse der menschlichen Psychologie ermöglichen es Verhaltensforschern, Teams dabei zu unterstützen, sich auf Faktoren zu konzentrieren, die das Zielverhalten bestimmen, und auf Ideen, die das Problem für den Benutzer lösen und die größten Hindernisse für die Nutzung oder das Engagement überwinden.

Die Generierung von Ideen für neue Produkte oder Dienstleistungen ist ein iterativer Prozess. Es gibt Hinweise darauf, dass stereotype Brainstorming-Sitzungen mit hektischem Gekritzel und Post-it-Notizen oft unproduktiv sind und weniger Ideen hervorbringen als Einzelpersonen, die allein arbeiten (Gallupe et al., 1991). Die Einbeziehung

von mehreren Perspektiven führt jedoch in der Regel zu robusteren Ideen.

Prüfung

Verhaltensforscher können dazu beitragen, einen Ideenfindungsprozess zu strukturieren, um gezieltere Lösungen zu erzielen, und so dem Innovationsteam auf folgende Weise Impulse geben:

Sowohl Verhaltensforscher als auch Innovatoren (z.B. Ingenieure, Forscher und Industriedesigner) wissen, wie wichtig die Bewertung von Interventionen ist. In den frühen Phasen der Innovation sind typische Verhaltensfragen: „Funktioniert das Konzept?“, „Finden die Benutzer es akzeptabel und nützlich?“, und „Wie wahrscheinlich ist es, dass die Leute dafür bezahlen?“. In späteren Entwicklungsphasen sind typische Verhaltensfragen: „Funktioniert das Konzept?“, „Finden die Benutzer es einfach und intuitiv zu benutzen?“, „Können wir es kostengünstig machen?“ und „Wie viel werden die Leute dafür bezahlen?“.

- Erstellen von Problemaussagen, wodurch die Gruppe zu Lösungen geführt wird, die eine bestimmte Barriere oder einen bestimmten Promotor ansprechen - ein Verhaltensmodell verwenden, um Innovatoren dabei zu helfen, zu erkennen, wie sie die Hauptantriebskräfte des Verhaltens beeinflussen könnten - einen Verhaltensarchetyp (eine Beschreibung der Benutzer) entwerfen, um sicherzustellen, dass die Ideen ihre größten Bedürfnisse an verschiedenen Punkten der Benutzerreise ansprechen.

Bei verhaltensorientierter Innovation stellen wir sicher, dass die letztlich ausgewählten Interventionen einen definierten Wirkungsmechanismus haben und Techniken zur Änderung des Nutzerverhaltens anwenden. Auf diese Weise haben wir größere Zuversicht, dass sie das Zielverhalten beeinflussen können (Bartholomew et al., 1998; Campbell et al., 2000; French et al., 2012; Michie et al., 2014).

Für Heinekens Kampagne „When You Drive, Never Drink“ (Wenn Sie fahren, trinken Sie nie) haben wir kürzlich ein Verhaltensänderungsprogramm zur Verringerung von Alkohol am Steuer entwickelt. Während dieses Prozesses verwendeten wir Problemaussagen und Verhaltensarchetypen als Stimuli. Unser Ansatz brachte Dutzende von möglichen Ideen hervor, die wir nach den jeweiligen Barrieren und Promotoren priorisierten. Die Lösungen, die schließlich für die Tests ausgewählt wurden, wurden ausgewählt, weil sie sich direkt auf die Schlüsselfaktoren beim Alkohol am Steuer bezogen: ein Ziel haben und ein Versprechen abgeben, die Verfügbarkeit von alkoholfreien Ersatzgetränken, die Notwendigkeit sozialer Bestätigung sowie Anreize und Belohnungen zur Förderung guten Verhaltens (Innovia Technology, 2017).

Die Beantwortung dieser Fragen erfordert in der Regel Experimente in Form von Tests von Ideen in verschiedenen Phasen des Prozesses. Dabei handelt es sich oft um eine Minimum Viable Proposition (MVP) - ein Konzept oder eine Version eines Produkts mit gerade genug Funktionen, um frühe Kunden zufrieden zu stellen und Feedback für die zukünftige Produktentwicklung zu geben. Die Verwendung eines MVP hilft einem Unternehmen, das Risiko zu verringern, da es schnell lernt und sich anpasst, bevor es zu einem konkreteren Produkt oder einer Dienstleistung übergeht.

Verhaltensforscher können Einfluss darauf nehmen, wie die Test- und Bewertungsphase durchgeführt wird.

Sie können Verhaltensmodelle, wie z.B. das Technology Acceptance Model (Davis, 1989), als Rahmen für die Studie verwenden. Dieses Modell hat mehrere Iterationen durchlaufen, aber im Mittelpunkt steht die Idee, dass die Akzeptanz und Nutzung von Technologie von zwei Faktoren beeinflusst wird, nämlich von der wahrgenommenen Nützlichkeit und der wahrgenommenen Benutzerfreundlichkeit. Der erste Faktor entspricht der Einstellung einer Person dazu, inwieweit die Technologie ihre Leistung verbessern wird oder nicht, während die wahrgenommene Benutzerfreundlichkeit die Meinung der Person hinsichtlich des für die Nutzung der Technologie erforderlichen Aufwands widerspiegelt. Daher ist dieses Modell besonders nützlich, wenn es darum geht,

StraightONE Behavioral Economics Guide _ 2019

163

Teil 2 - Anwendungen

die Faktoren herauszuarbeiten, die die Akzeptanz eines neuen technischen Produkts oder einer neuen Dienstleistung fördern werden.

Verhaltensforscher kennen ein breites Spektrum von Bewertungstechniken und wissen um die Bedeutung einer sorgfältigen Analyse. Wir haben einer Organisation namens The Ray geholfen, Lösungen für solarbetriebene Straßenbolzen zu testen, das das Fahrerverhalten verbessert. The Ray ist eine gemeinnützige Organisation, die einen 18 Meilen langen Autobahnabschnitt in Georgia verwaltet, ein „lebendes Labor für innovative Ideen und Technologien, das einen neuen Standard für Straßen auf der ganzen Welt setzen kann“.

Um dieses Konzept zu entwickeln, arbeiteten unsere Verhaltenswissenschaftler mit Physikern, Produktdesignern und Verkehrsdesignern zusammen. Um die Solarbolzen zu entwerfen, untersuchten die Verhaltensforscher die wichtigsten Unfallquellen und ermittelten, was Solarbolzen tun müssen, um das Fahren sicherer zu machen. Die Physiker ermittelten die Technologien, die für die Herstellung der Bolzen erforderlich sind, während die Designer und Verhaltensforscher einen MVP für Tests mit verschiedenen Arten von Verkehrsteilnehmern erstellten. Die Rolle der Verhaltensforscher bestand in der Evaluierungsphase darin, eine Reihe von Experimenten zu entwerfen, um die Wirksamkeit der Bolzen bei der Reduzierung von Heckund Geschwindigkeitsüberschreitungen und bei der Verbesserung des Gefahrenbewusstseins zu bewerten (Innovia Technology, 2016). Die ersten Experimente simulierten die Bolzen auf der Straße. Verschiedene Arten von Fahrern nahmen an den Experimenten teil, deren Ziel es war, festzustellen, ob sie ihr Verhalten als Reaktion auf die solaren Fahrbahnböcke verändert haben. So konnten wir zum Beispiel sehen, ob sie den Abstand zwischen ihrem Auto und dem vorausfahrenden Auto durch eine Reihe von zeitgesteuerten Signalen verlangsamen oder verringern. Das Team konnte nachweisen, dass die Signalgebung der Solarzellen intuitiv und in der Lage war, Unfälle zu reduzieren.

Seitdem hat The Ray einen Prototyp eines Solarbolzens hergestellt und Patente angemeldet.

164

StraightONE Behavioral Economics Guide _ 2019

Schlussfolgerung Innovation und Verhaltenswissenschaften sind perfekte Partner. Technische Innovatoren sind mit der wissenschaftlichen Methode vertraut, da die Verhaltenswissenschaft ihnen einen evidenzbasierten Ansatz für das Verständnis menschlichen Verhaltens und eine gemeinsame Sprache für die Diskussion der Auswirkungen bietet. Entscheidend ist, dass das menschliche Verhalten so früh wie möglich im Innovationsprozess berücksichtigt wird, um die unvermeidliche Unsicherheit bei der Einführung neuer Produkte und Dienstleistungen zu verringern. Wenn das Nutzerverhalten in jeder Phase des Innovationsprozesses berücksichtigt wird, werden die daraus resultierenden Produkte und Dienstleistungen diejenigen sein, die die Menschen wollen und tatsächlich nutzen werden. Die Verhaltenswissenschaft erhöht somit die Erfolgschancen einer Innovation.

Die Autorin

Dr. Helena Rubinstein gründete und leitet das verhaltenswissenschaftliche Team von Innovia Technology, einer Innovationsberatung mit Sitz in Cambridge, Großbritannien. Sie hat mit einer Vielzahl globaler Unternehmen in vielen Sektoren zusammengearbeitet und die Verhaltenswissenschaften auf Innovation, die Entwicklung neuer Produkte, die Gestaltung von Dienstleistungen, die Einhaltung medizinischer Vorschrif-

ten, Kommunikation und organisatorisches Verhalten angewandt. Davor war sie Partnerin bei The Brunswick Group, wo sie sich auf Unternehmensreputation spezialisierte und Geschäftsführerin der globalen Markenberatung von Leo Burnett war. Sie promovierte an der Universität Cambridge in Sozialpsychologie und arbeitete auch am University College, London, an Programmen zur Verhaltensänderung bei einer Grippepandemie. Sie hält Vorlesungen über Verhaltenswissenschaften an der University of Cambridge und der City University. Sie ist die Autorin des Buches Applying Behavioural Science to the Private Sector: Decoding What People Say and What They Do, veröffentlicht von Palgrave MacMillan im Jahr 2018.

Framework. Implementation Science, 7(1), 38.

Gallupe, R. B., Bastianutti, L. M., & Cooper, W. H. (1991). Unlocking brainstorms. Journal of Applied Psychology, 76(1), 137-142.

Gourville, G. (2005). The Curse of Innovation: A theory of why innovative new products fail in the marketplace (No. 05-06). Harvard Business School.

Ingerslev, K. (2014). “The Killing Fields” of innovation How to kill ideas.

The Innovation Journal, 19(3), 1.

Innovia Technology. (2016). Idea makes the final of the World Changing Ideas Awards. Retrieved from https://www.innoviatech.com/insight/ idea-makes-the-final-of-the-world-changingideas-awards/.

Innovia Technology. (2017). A unique behaviour change programme.

Retrieved from https:// www.innoviatech.com/insight/heineken/.

Leventhal, H., Meyer, D., & Nerenz, D. (1980). The common-sense representation of illness danger. In Contributions to Medical Psychology (Vol. 2, pp. 7-30). Oxford, UK: Pergamon Press.

Michie, S., Atkins, L., & West, R. (2014). The behaviour change wheel: A guide to designing interventions. Sutton, UK: Silverback Publishing.

Literaturhinweise Anderson, E., Simister, D., & Tucker, C. (2015). Harbingers of failure.

Journal of Marketing Research, 52(5), 580-592.

Bartholomew, L. K., Parcel, G. S., & Kok, G. (1998). Intervention mapping: A process for developing theory- and evidence-based health education programs. Health Education & Behavior: The Official Publication of the Society for Public Health Education, 25(5), 545-563.

Campbell, M., Fitzpatrick, R., Haines, A., Kinmonth, A. L., Sandercock, P., Spiegelhalter, D., & Tyrer, P. (2000). Framework for design and evaluation of complex interventions to improve health. BMJ, 321(7262), 694-696.

Cialdini, R. B. (2018). Why the world is turning to behavioral science. In A. Samson (Ed.), The Behavioral Economics Guide 2018 (with an Introduction by Robert Cialdini) (pp. VII-XIV). Retrieved from https://www. behavioraleconomics.com.

Michie, S., van Stralen, M. M., & West, R. (2011). The behaviour change wheel: A new method for characterising and designing behaviour change interventions. Implementation Science, 6(1), 42.

Rubinstein, H. (2018). Applying behavioural science to the private sector: Decoding what people say and what they do. Cham, Switzerland: Palgrave Macmillan.

Vonnegut, K. (1952). Player piano. New York, NY: Charles Scribner’s Sons.

Abbildungen Abb. 1 : https://unsplash.com/@Bogdan Todoran Abb. 2: Verhaltensmodell, das zur Abbildung der Benutzerbedürfnisse verwendet wird.

Abb. 3: https://unsplash.com/@Ethan Sykes

Cierpicki, S., Wright, M., & Sharp, B. (2000). Managers’ knowledge of marketing principles: The case of new product development. Journal of Empirical Generalizations in Marketing Science, 5, 771-790.

Cooper, R. G. (1990). Stage-gate systems: A new tool for managing new products. Business Horizons, 44-54.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

French, S. D., Green, S. E., O’Connor, D. A., McKenzie, J. E., Francis, J. J., Michie, S., Buchbinder, R., Schattner, P., Spike, N., & Grimshaw, J. M. (2012). Developing theory-informed behaviour change interventions to implement evidence into practice: A systematic approach using the Theoretical Domains

StraightONE Behavioral Economics Guide _ 2019

165

Teil 2 - Anwendungen

Das Reframing der Einsamkeitsepidemie Die „Einsamkeitsepidemie“ war ein heißes Thema, bevor das Coronavirus zuschlug, aber sie ist jetzt zu einem noch viel wichtigeren Aspekt geworden. Es gibt eine Abteilung der britischen Regierung, die sich ausschließlich dem Thema Einsamkeit widmet, während gemeinnützige Organisationen überall Zuschüsse für Programme einreichen, die dies verhindern sollen. Das Thema erfasst die Fantasie der Forscher, weil wir es höchstwahrscheinlich alle schon selbst erlebt haben. Und – auch mit dem Risiko zu technisch zu klingen - es nervt.

Das kann so aussehen:

Was genau ist Einsamkeit? Es ist das Gefühl, dass Ihre sozialen Beziehungen nicht so befriedigend sind wie sie es für Sie sein sollten (Piquero & Jennings, 2016).

Mit diesen Gefühlen hatte die Mehrheit von uns schon irgendwann mal zu tun, wobei 60% der Amerikaner sagen, sie seien im letzten Jahr einsam gewesen. Traurigerweise betrifft die Einsamkeit einige mehr als andere,

166

StraightONE Behavioral Economics Guide _ 2019

- Vor Corona: Sie sind an einem Freitagabend zu Hause, weil Sie niemanden finden konnten, der mit Ihnen ausgeht. Sie sehen in den sozialen Medien, dass Ihre Freunde etwas ohne Sie gemacht haben.

- Seit Corona: Sie praktizieren Social Distancing mit häufigen Zoom-Anrufen, aber Sie fühlen sich nicht wirklich unterstützt. Sie haben einen schlechten Tag und niemanden, mit dem Sie darüber reden können.

Abb. 1

wobei 20% der Menschen angeben, sie hätten überhaupt keine engen Freunde (Ballard, 2019). Und das ist wichtig, da dies Ihr Todesrisiko voraussichtlich um 29% erhöht (HoltLunstad & Smith, 2015).

Bei all dem Gerede über die Einsamkeit fehlen Studien und Lösungen.

- Masi et al. (2010) führten eine Meta-Analyse von 20 randomisierten Studien durch, die die Einsamkeit reduzieren sollten; es zeigte eine kleine Effektgröße.

- Dickens et al. (2011) überprüften 32 Studien zur Einsamkeit und kamen zu dem Schluss, „es besteht ein Bedarf an gut durchgeführten Studien zur Verbesserung der Evidenzbasis“.

- Gardiner et al. (2018) betrachteten 38 Studien über Isolation bei der älteren Bevölkerung, und kam zu dem Schluss, dass „die Qualität der Evidenzbasis schwach ist und weitere Forschung erforderlich ist, um robustere Daten liefern“.

All dies ist die Kurzform für: wir wissen, dass die Einsamkeitsepidemie wichtig ist, aber wir finden keine Abhilfemaßnahmen, die auf einer sinnvollen, zuverlässigen Grundlage funktionieren. Ist die Dokumentation der Schwere dieses Problems wirklich das Beste, was wir tun können? Warum finden wir nicht mehr Lösungen für dieses Problem?

Es ist möglich, dass wir keine Wege zur Bekämpfung der Einsamkeit finden, weil vieles davon tief sitzt, strukturell und schwer zu ändern. Beispielsweise fallen einige der größten Ursachen in die Kategorie „schwer ändern“: 1) Genetik: Die Schätzung des genetischen Anteils der Variation der Einsamkeit Erwachsener beträgt 48% (Boomsma & Willemsen, 2005).

2) Demographische Daten: Alter ist umgekehrt mit Einsamkeit assoziiert (Schnittker, 2007), da Menschen dazu neigen, mit zunehmendem Alter einsamer zu werden. Auch Frauen neigen dazu, einsamer zu sein, als Männer.

StraightONE Behavioral Economics Guide _ 2019

167

Teil 2 - Anwendungen

3) Lebensumstände: Eine gesunde Ehe hilft (Olson & Wong, 2001) (Schnittker,2007), aber der Ruhestand tut weh (Hansson & Briggs, 1990), genau wie die Arbeitslosigkeit (Wein, 1985).

4) Zyklisch: Einsame Menschen erwarten Ablehnung, und dabei kauen sie auf sozialen und zwischenmenschlichen Informationen so lange herum, bis sie soziale Ängste empfinden und nicht mehr von sich aus auf andere zugehen. Dies wird zu einer negativen Rückkopplungsschleife, aus der man nur sehr schwer wieder herauskommt (Gardner & Pickett, 2005).

Wenn es um Einsamkeit geht, spielen oft all diese Faktoren eine Rolle, und sie alle sind schwer, wenn nicht gar unmöglich zu ändern. Wir möchten jedoch eine Möglichkeit vorschlagen, das Problem zu reframen und vielleicht einige wirksame Abhilfemaßnahmen zu finden.

Welches Reframing möchten wir nun vorschlagen? Das derzeitige Framing des Problems ist „Wie können wir Einsamkeit verringern?“, was dazu beiträgt, die Bemühungen auf die Gruppe mit der höchsten akuten Not - typischerweise ältere Menschen – zu konzentrieren und Lösungen zu entwerfen, die ihre Einsamkeit reduzieren. Die AARP Foundation beispielsweise hat millionenschwere Zuschussprogramme, um einsamen Senioren zu helfen. Auch Risikokapital kommt ins Spiel: so wurden im letzten Jahr Berichten zufolge 25 Millionen Dollar investiert in Start-Ups investiert, die auf die Einbeziehung älterer Bevölkerungsgruppen abzielen.

Das Vereinigte Königreich hat sogar Postboten gebeten, an den Türen der älteren Menschen zu klopfen, um die soziale Interaktion zu erhöhen. Und offensichtlich ist es wichtig, diese Ansätze zu verfolgen, da sie das Problem da angehen, wo es am sinnvollsten ist.

Abb. 2

168

StraightONE Behavioral Economics Guide _ 2019

Nichtsdestotrotz könnte es - ebenso wie es einfacher ist, Krebs vorzubeugen als ihn zu heilen - auch hier produktiver sein, sich auf die Prävention von Einsamkeit zu konzentrieren, anstatt zu versuchen, die zu heilen, die am meisten leiden. Wenn wir wirklich der Einsamkeit ein Schnippchen schlagen wollen, ist die Frage, die wir eigentlich stellen sollten, vielleicht diese: „Wie verhindern wir, dass Menschen überhaupt einsam werden?“ Eine Analogie: wenn wir die Zahl der fettleibigen Menschen verringern wollen, könnten wir versucht sein, zuerst denjenigen zu helfen, die bereits fettleibig sind, aber ein erfolgversprechenderer Ansatz wäre es, sich mit der Gesamtbevölkerung zu befassen, um Fettleibigkeit schon im Vorfeld zu verhindern. Der Nutzen der Prävention in Bezug auf ihre Wirksamkeit ist recht offensichtlich, und der Nutzen wird noch größer, wenn die fragliche Bedingung, wie Einsamkeit, ist ein negativer Aspekt im Leben so vieler Menschen ist.

& Melinat, 1997). Die Fähigkeit solcher kurzen Gespräche, einen derartigen Einfluss auf das Gefühl der Nähe zu haben, muss eine der erstaunlichsten Verbesserungen aller sozialwissenschaftlichen Interventionen überhaupt sein - und einer der besten sozialen ROIs für 45 Minuten. Der Schlüssel für die große Wirkung dieser Intervention ist, dass die Fragen nicht alle von der Sorte „Smalltalk“ waren, sondern stattdessen auf die gegenseitige Offenlegung ausgelegt waren - wenn jeder etwas Persönliches offenbart, fördert dies das Gefühl der Nähe.

Sobald wir erklären, dass unser Ziel die Prävention ist, können wir uns fragen, wie eine Bevölkerung denn überhaupt in Schwierigkeiten gerät (Morenga & Mallard, 2013). Die Lösung scheint einfach zu sein: Das Gegenteil von Einsamkeit ist es, Freunde finden (und zu behalten!). Aus dieser Perspektive ist es keine Einsamkeitsepidemie, sondern eine Mangel-an-Freunden-Epidemie, und die Lösung muss die Schaffung qualitativ hochwertiger Beziehungen beinhalten. Auch wenn dies eine zu starke Vereinfachung zu sein scheint, ist Freundschaft ein Schlüsselfaktor für die Auflösung von Einsamkeit.

Die Antwort liegt in unserer allgemeinen Herangehensweise an ein Risiko. Als Menschen arbeiten wir sehr hart an der Risikovermeidung in vielen Bereichen des Lebens, inklusive unserer sozialen Beziehungen. Verletzliche Gespräche, insbesondere mit Menschen, die wir nicht gut kennen, bergen ein hohes soziales Risiko, und so muss man herausfinden, ob man sich engagieren will und falls ja, wie. Was kann diskutiert werden? Wie ist die Machtdynamik in einem Raum? Was sind die kulturellen Normen? Ist der soziale Status ein Thema? Eine Studie aus dem Labor von Nicholas Eply (Epley & Schroeder, 2014) unterstützt diese Aussage, indem sie aufzeigt, dass ein Grund, warum Menschen nicht mit Fremden ins Gespräch kommen, darin besteht, dass wir Angst haben, dass die andere Person es nicht genießen und uns ablehnen könnte.

Wie können wir die Freundschaft erhöhen?

Um Freundschaft zu verstehen, begannen wir mit der Untersuchung von Gesprächen, dem Lebenselixier von Beziehungen. Gespräche waren schon immer der Hauptbaustein der Freundschaft, aber heutzutage sind sie wichtiger denn je. In einer Welt voller physischer Distanzvorkehrungen sind Gespräche zum wichtigsten Bestandteil der Freundschaft geworden. In der zukunftsträchtigen Studie „36 Fragen“ von Aron et al. benötigten Fremde lediglich ein 45 Minuten langes Gespräch miteinander, um das Gefühl zu bekommen, dass sie diesem Menschen so nahe wie einer durchschnittlichen Beziehung in ihrem Leben waren (Aron

Diese bekannte Studie wurde jedoch 2006 in der New York Times veröffentlicht, was die Frage nahelegt: Warum sind wir mittlerweile nicht überschüttet mit engen Weggefährten? Wenn das Rezept für Nähe so gut bekannt ist, warum nutzen wir es dann nicht alle?

Wie können wir jemandem nahekommen, wenn wir Angst haben, tiefer einzutauchen als zum neuesten sportlichen Punktestand oder das Wetter? Das ist die Herausforderung, die wir lösen müssen.

Unsere Studien: Wie können wir tiefere Gespräche anregen?

Wir begannen unsere Untersuchung mit der folgenden

StraightONE Behavioral Economics Guide _ 2019

169

Teil 2 - Anwendungen

Hypothese: im Normalzustand, in unserem regulären Alltagsleben, brechen wir eine soziale Norm, wenn wir zu tief und zu schnell in ein Gespräch einsteigen. Um das Risiko zu vermeiden, dieser „Spinner“ zu sein, der unangemessene Fragen stellt (das Risiko), verfolgen wir die Strategie, uns auf den kleinsten gemeinsamen Nenner der Konversation zu beschränken – Small Talk - und riskieren damit nichts, aber im Gegenzug erhalten wir auch kaum eine Belohnung.

Unser Team wollte versuchen das Paradigma zu ändern, indem tiefe, weniger oberflächliche Gespräche zur neuen Normalität werden.

Um diese Idee zu testen, führten wir zwei Experimente in Kontexten durch, die unterschiedlicher nicht sein könnten.

Studie 1 Irrational Labs ermöglichte in Zusammenarbeit mit Maritz Global Events eine Reihe von Networking Veranstaltungen für eines ihrer Kundenunternehmen, ein Finanzdienstleistungsunternehmen. Stellen Sie sich sechs verschiedene Gruppen vor von jeweils etwa 50 Finanzberatern (meist Männer und meist in Anzügen), die um 9 Uhr morgens zum Auftakt einer Konferenz zusammensitzen. An diesem Punkt betritt unser Team die Bühne und versorgt jede Gruppe mit Anweisungen, wie man Netzwerkgespräche führt. Jede Gruppe fängt dann an und führt für die nächsten 45 Minuten Gespräche nach unseren Regeln.

- Nur Netzwerk: in zwei der Gruppen baten wir die Teilnehmer, sich mit den anderen Teilnehmern so zu vernetzen, wie sie es normalerweise auch tun würden.

- Geringe Anleitung: in zwei der Gruppen baten wir die Teilnehmer, Smalltalk zu vermeiden, aber wir gaben ihnen auch keine klare Anleitungen dazu, worüber sie sprechen sollten.

- Starke Regeln: in zwei der Gruppen stellten wir Gesprächskarten mit bohrenden Fragen zur Verfügung wie: „Welche Lebenserfahrung hat Sie am meisten wachsen lassen?“ und „Was ist ein Kompliment, das Sie gerne öfter bekommen würden?“. Diese Gruppen mussten diese Karten verwenden,

170

StraightONE Behavioral Economics Guide _ 2019

um ihren Gesprächen eine Führung zu geben.

Was ist passiert?

Um die Wirkung dieser verschiedenen Ansätze in den Griff zu bekommen, befragten wir die Finanzexperten dreimal: erstens, zu Beginn der Konferenz, zweitens, nach der Netzwerkaktivität, und dann wieder am Ende der Konferenz.

Wir stellten fest, dass den Leuten zwei Dinge nicht gefielen: Sie mochten es nicht, drei Umfragen in einem relativ kurzen Zeitraum durchzuführen, aber mehr noch als die Umfragen, gefiel es ihnen nicht, KEINE klare Anleitung zu haben.

Bei den Standard-Netzwerkgruppen und in den Gruppen mit den Gesprächskarten waren die Anweisungen klar. Bei den Standard-Netzwerkgruppen wussten die Leute, was sie zu tun hatten, denn Geschäftsleute haben ein besonders gutes mentales Modell dafür, was von ihnen in einer Netzwerksitzung erwartet wird. Bei den Gruppen mit den Karten hatten die Teilnehmer keine besonders gute Vorstellung davon, wie man Smalltalk vermeiden kann, aber die Karten und die Anweisungen schufen ein sehr klares Skript für das, was von ihnen erwartet wurde.

Die Leute in den Gruppen, in denen die einzige Anweisung lautete, „keinen Smalltalk zu machen“, hatten jedoch kein Skript, und so waren sie auf sich allein gestellt, um herauszufinden, was sie tun mussten, um die Verletzlichkeitsbarriere zu überwinden. Das Endergebnis für diese Gruppe war mehr Unbehagen, weniger Genuss und weniger neue Freunde.

Welche Implikationen können wir aus dieser ersten Erkenntnis ziehen? Menschen bevorzugen es, wenn soziale Normen klar sind, und soziale Normen reduzieren die kognitive Anstrengung, das angemessene Verhalten herauszufinden. In einer Zeit wie der heutigen, in der die Normen für die Interaktion im Wandel sind, haben wir die Gelegenheit, Umgebungen zu schaffen, die deutlich machen, wie sich Menschen verhalten sollen oder nicht. Wenn wir beispielsweise in diesen komplexen Coronavirus-Zeiten soziale Bindungen schaffen und verbessern wollen, könnten wir neue Skripte und soziale Normen schaffen, um zu fördern, dass sich Menschen in digitalen Umgebungen auf bedeutungs-

Abb. 3

vollere Weise offenbaren.

Wir stellten auch fest, dass die Gruppen mit den Gesprächskarten im Vergleich zu den anderen Gruppen mehr Themen besprachen (im Durchschnitt drei weitere Themen), und sie besprachen auch Themen, die im Allgemeinen als tiefergehend betrachtet werden, wie z.B. die eigene Kindheit, Beziehungen, Zukunftspläne, oder Religion. Dennoch stellten wir, etwas zu unserer Enttäuschung, bei der Betrachtung unseres wichtigsten Ergebnisses von Interesse, namentlich der „Wahrscheinlichkeit, nach der

Konferenz noch etwas miteinander zu unternehmen“, keinen gesteigerten Wunsch nach einer nachhaltigen Interaktion in Folge dieser bedeutungsvolleren Gespräche fest. Obwohl wir enttäuscht waren, waren wir noch nicht bereit, die Gesprächsanregungen als möglichen Weg, Freundschaften zu vertiefen, rauszuwerfen. Wir begannen dieses Experiment in vollem Bewusstsein darüber, dass es schwierig werden könnte, die Konferenzteilnehmer um 9:00 Uhr morgens als ersten Tagesordnungspunkt ihrer Finanzkonferenz derart in Beschlag zu nehmen. Die Leute kamen aus geschäftlichen Grün-

den, nicht um neue Freunde zu finden.

Sie waren bis zu einem gewissen Grad auch Konkurrenten. Nicht der ideale Ort, um zu versuchen, Freundschaften zu schaffen.

In diesem Sinne wurde unser nächstes Experiment in einem sozialen Raum (d.h. in der Happy Hour) durchgeführt, wo der Modus, der Kontext und die Erwartungen eher dem sozialen Austausch und der Freundschaft entsprachen.

StraightONE Behavioral Economics Guide _ 2019

171

Teil 2 - Anwendungen

Was ist passiert?

Stellen Sie sich nun den entspannten Rahmen von Studie 2 vor: unser Team veranstaltete sechs Freitagabend-Veranstaltungen, jede mit etwa 40 Personen für insgesamt 247 Teilnehmer.

Die Teilnehmer rekrutierten sich aus der 20.000 Personen umfassenden Meetup-Gruppe „Das möchte ich tun - aber nicht allein“. Das waren Menschen, die im Gegensatz zur Gruppe in Studie 1, ausdrücklich hofften, Andere zu treffen und mit der Erwartung kamen, dass der Abend eine Aktivität beinhalten würde, um ihre soziale Agenda voranzubringen.

Diesmal änderten wir nicht nur die Menschen und das Umfeld, sondern auch den Schwerpunkt der Studie.

Wir wollten versuchen, herauszufinden, welche Gesprächsthemen am besten geeignet waren, eine Verbindung voranzutreiben. Wir haben die Teilnehmer einer von drei Gesprächskategorien zugeordnet: - Gespräche über die Zukunft: Fragen nach der Zukunft der Person, z.B. „Wo sehen Sie sich selbst in 5 Jahren?“ - Gespräche über die Vergangenheit: Fragen nach der Vergangenheit der Person, z.B. „Was ist etwas Überraschendes aus Ihrer Kindheit“?

- Aktivität: eine kontrollierte 30-minütige Eisbrecheraktivität ohne jegliche Gesprächsaufforderung. Die Eisbrecheraktivitäten waren interaktiv, konzentrierten sich aber nicht

172

StraightONE Behavioral Economics Guide _ 2019

Abb. 4

auf die Gesprächstiefe. Sie umfassten kurze Spiele wie eine blinde Weinverkostung und die Aufgabe, „ein Fahrrad zu zeichnen“ (Lawson, 2006).

Unsere Hypothese war, dass das Reden über die eigene Vergangenheit die Selbstdarstellung erhöhen würde und im Gegenzug die Wahrscheinlichkeit, eine Verbindung herzustellen. Wieder einmal haben wir festgestellt, dass es besonders nützlich ist, unsere Intuition zu testen, weil wir uns wieder einmal geirrt haben (deshalb machen wir Experimente). Wir fanden heraus, dass es keine Rolle spielte, ob die Menschen ihre Zukunftspläne oder ihre vergangenen Erfahrungen diskutierten. Was zählte war, wenn es Gesprächsleitfäden gab, die das Gespräch anleiteten. Obwohl alle Teilnehmer zu der Veranstaltung in der Hoffnung kamen, ihre sozialen Beziehungen zu verbessern, war die Kontrollgruppe nicht so erfolgreich wie ihre Gegenstücke, die Gesprächsaufforderungen erhalten hatten.

Wir haben festgestellt, dass die Menschen bei beiden Arten von Gesprächsaufforderungen mehr über sich selbst preisgaben, mehr das Gefühl hatten, dass andere mehr über sich preisgaben und über mehr neue Dinge sprachen als die Kontrollgruppe. Diese gegenseitige Offenlegung wiederum hatte die beabsichtigte Wirkung auf die Bindungsstärkung.

Im Durchschnitt sprachen die Menschen mit 1,6 weiteren neuen Leuten. Die Wahrscheinlichkeit, danach noch etwas unternehmen zu wollen, war in der Vorgabe mit den Gesprächsaufforderungen höher als in der Kontrollgruppe.

Das Anbieten eines Skripts und die Schaffung einer Norm für tiefere Gespräche förderte neue Verbindungen.

Studie 2 Wir haben es hier nicht mit einer Einsamkeitsepidemie zu tun, sondern mit einer Freundschaftsepidemie.

Um sie zu beheben, müssen wir herausfinden, wie wir Menschen helfen können, qualitativ hochwertige Freundschaften zu schließen (und zu erhalten), bevor sie einsam werden. Obwohl es viele Möglichkeiten gibt, Freundschaften

StraightONE Behavioral Economics Guide _ 2019

173

Teil 2 - Anwendungen

zu fördern, wissen wir mindestens einen Weg, der helfen kann: tiefere Gespräche zu führen. Unsere Erkenntnisse?

Statt zuzulassen, dass Menschen auf den kleinsten gemeinsamen Nenner der Konversation zurückgreifen, änderten wir die Normen und lenkten sie vom Smalltalk ab, indem wir ihnen Themen vorgaben, über die sie sprechen konnten. Dies nahm den Druck vom Einzelnen und stellte die schwierige Aufgabe, in einer gemeinsamen sozialen Infrastruktur verletzlich zu sein, was ihnen zudem noch mit einer hohen Rendite an sozialen Dividenden belohnte. Wir sollten nach einer Welt mit Gemeinschaften, Schulen, Bars und Nachbarn, die von Grund auf neugestaltet werden, streben, um es einfach und angenehm zu machen, sich miteinander zu verbinden. Im Idealfall muss der Einzelne nie das Gefühl haben, dass er ein soziales Risiko eingeht und kann stattdessen der bereits bestehenden Gesprächsnorm folgen.

Natürlich muss noch viel mehr Forschung bzgl. der Schaffung sozial produktiver Bindungen betrieben werden, wenn eine Norm erst gesetzt ist, und es gilt zu lernen, wie diese Bindungen mit der Zeit gestärkt werden können, damit sie echte Puffer gegen die Einsamkeit sein können. Wir müssen herausfinden, welche Arten von Menschen mehr oder weniger von diesem Gesprächsansatz zur Anbahnung von Freundschaften profitieren können. Und, wenn möglich, wollen wir immer noch Wege finden, die Menschen dazu zu bewegen, eigenständig mehr soziale Risiken einzugehen, und zwar ohne Gesprächsaufforderungen. Trotz all dieser offenen Fragen beenden wir diesen ersten Schritt der Untersuchung mit Optimismus. Es ist klar, dass mehr Anstrengungen unternommen werden sollten, um Einsamkeit zu verhindern, bevor sie beginnt und dass die Vermeidung von Einsamkeit eine vielversprechende Richtung sowohl für die Forschung als auch für die Gesellschaft ist.

Als abschließende Anmerkung hoffen wir, dass sich alle Leser diese Lektion zu Herzen nehmen, indem sie in Gesprächen etwas mehr riskieren, um die Früchte bedeutungsvoller sozialer Bindungen zu ernten. Wenn Sie der Untersuchung folgen und mit einem Skript und der Festlegung von Normen beginnen wollen, stellen wir Ihnen gerne unsere „No-Small-Talk-Gesprächskarten“ zum Selbstkostenpreis mit dem Gutscheincode ATCOST hier zur Verfügung.

174

StraightONE Behavioral Economics Guide _ 2019

Schlussfolgerung Wir haben es hier nicht mit einer Einsamkeitsepidemie zu tun, sondern mit einer Freundschaftsepidemie.

Um sie zu beheben, müssen wir herausfinden, wie wir Menschen helfen können, qualitativ hochwertige Freundschaften zu schließen (und zu erhalten), bevor sie einsam werden. Obwohl es viele Möglichkeiten gibt, Freundschaften zu fördern, wissen wir mindestens einen Weg, der helfen kann: tiefere Gespräche zu führen. Unsere Erkenntnisse?

Statt zuzulassen, dass Menschen auf den kleinsten gemeinsamen Nenner der Konversation zurückgreifen, änderten wir die Normen und lenkten sie vom Smalltalk ab, indem wir ihnen Themen vorgaben, über die sie sprechen konnten. Dies nahm den Druck vom Einzelnen und stellte die schwierige Aufgabe, in einer gemeinsamen sozialen Infrastruktur verletzlich zu sein, was ihnen zudem noch mit einer hohen Rendite an sozialen Dividenden belohnte. Wir sollten nach einer Welt mit Gemeinschaften, Schulen, Bars und Nachbarn, die von Grund auf neugestaltet werden, streben, um es einfach und angenehm zu machen, sich miteinander zu verbinden. Im Idealfall muss der Einzelne nie das Gefühl haben, dass er ein soziales Risiko eingeht und kann stattdessen der bereits bestehenden Gesprächsnorm folgen.

Natürlich muss noch viel mehr Forschung bzgl. der Schaffung sozial produktiver Bindungen betrieben werden, wenn eine Norm erst gesetzt ist, und es gilt zu lernen, wie diese Bindungen mit der Zeit gestärkt werden können, damit sie echte Puffer gegen die Einsamkeit sein können. Wir müssen herausfinden, welche Arten von Menschen mehr oder weniger von diesem Gesprächsansatz zur Anbahnung von Freundschaften profitieren können. Und, wenn möglich, wollen wir immer noch Wege finden, die Menschen dazu zu bewegen, eigenständig mehr soziale Risiken einzugehen, und zwar ohne Gesprächsaufforderungen. Trotz all dieser offenen Fragen beenden wir diesen ersten Schritt der Untersuchung mit Optimismus. Es ist klar, dass mehr Anstrengungen unternommen werden sollten, um Einsamkeit zu verhindern, bevor sie beginnt und dass die Vermeidung von Einsamkeit eine vielversprechende Richtung sowohl für die

Forschung als auch für die Gesellschaft ist.

Als abschließende Anmerkung hoffen wir, dass sich alle Leser diese Lektion zu Herzen nehmen, indem sie in Gesprächen etwas mehr riskieren, um die Früchte bedeutungsvoller sozialer Bindungen zu ernten. Wenn Sie der Untersuchung folgen und mit einem Skript und der Festlegung von Normen beginnen wollen, stellen wir Ihnen gerne unsere „No-Small-Talk-Gesprächskarten“ zum Selbstkostenpreis mit dem Gutscheincode ATCOST hier zur Verfügung.

Kristen Berman

ist CEO und Mitbegründerin von Irrational Labs, einer verhaltensökonomischen Produkt-Designfirma, zusammen mit dem Autor und Professor Dan Ariely. Kristen war auch Mitbegründerin von CommonCents Lab, einer Initiative der Duke University, die sich der Verbesserung des finanziellen Wohlergehens von Amerikanern unterer und mittlerer Einkommensklassen verschrieben hat. Sie gehörte zum Gründungsteam der Gruppe für Verhaltensökonomie bei Google, das mehr als 26 Teams in der gesamten Organisation berührte.

Die Autoren

Dan Ariely

ist der James B. Duke Professor für Psychologie und Verhaltensökonomie an der Duke Universität. Ariely ist der Gründer der Forschungseinrichtung The Center for Advanced Hindsight, Autor von drei NYT-Bestsellern und Mitbegründer von Irrational Labs, Timeful, Genie and Shapa, dem Chief Behavioral Economist von Qapital und dem Chief Behavioral Officer von Lemonade.

Charlotte Blank

ist Chief Behavioral Officer bei Maritz, einem weltweit führenden Anbieter von globalen Veranstaltungen, Motivations- und Loyalitätsprogrammen. Als Leiterin der Verhaltenswissenschaft und Feldforschung von Maritz, stellt Charlotte die Verbindung zwischen akademischer Theorie und unternehmerischer Anwendung her, was innovative Manager inspiriert, wie Wissenschaftler zu führen.

StraightONE Behavioral Economics Guide _ 2019

175

Teil 2 - Anwendungen

Sara Dadkhah

ist Verhaltenswissenschaftlerin bei Irrational Labs und Studentin der Public Policy an der Harvard Kennedy School of Government.t

Evelyn Gosnell

ist Geschäftsführerin von Irrational Labs und eine häufige Referentin im Bereich Verhaltensforschung, Wirtschaft und Verbraucherpsychologie. Sie rief das Ausbildungs- und Entwicklungsprogramm von Irrational Lab ins Leben, bei dem Hunderte in der Wissenschaft der Entscheidungsfindung ausgebildet werden. Evelyn war zuvor die Leiterin der Abteilung Produktentwicklung und Verhaltenswissenschaften bei Shapa, einem Gesundheits-Startup, das von Dan Ariely gegründet wurde.

Russ Frey

ist Direktor des Geheimdienstes in Maritz und Mitglied der Verhaltenswissenschaften der Firma und Feldforschungspraxis. Russ leitet den Maritz Field Research Collaborative, eine Partnerschaft die akademische Forscher mit Maritz-Kundenunternehmen zusammenbringt, um Feldforschung zu betreiben die die verhaltenswissenschaftliche Forschung vorantreibt und innovative Geschäftspraktiken anregt.

176

StraightONE Behavioral Economics Guide _ 2019

Lindsay Juarez

ist Direktorin bei Irrational Labs, wo sie sich auf das Entwerfen und Testen von Interventionen für die Bereiche Finanzen und Gesundheit konzentriert. Bevor sie zu Irrational Labs kam, war sie leitende Verhaltensforscherin am Center for Advanced Hindsight der Duke University.

Literaturhinweise Aron, A., Melinat, E., Aron, E. N., Vallone, R. D., & Bator, R. J. (1997).

The experimental genera- tion of interpersonal closeness: A procedure and some preliminary findings. Personality and Social Psychology Bulletin, 23(4), 363-377.

Ballard, J. (2019). Millennials are the loneliest generation. Retrieved from https://today.yougov. com/topics/lifestyle/articles-reports/2019/07/30/loneliness-friendship-new-friends-poll- survey.

Boomsma, D., Willemsen, G., Dolan, C., Hawkley, L., & Cacioppo, J. (2005). Genetic and environ- mental contributions to loneliness in adults: The Netherlands twin register study. Behavior Genetics, 35, 745-752.

Dickens, A. P., Richards, S. H., Greaves, C. J., & Campbell, J. L. (2011).

Interventions targeting social isolation in older people: A systematic review. BMC Public Health, 11. https://doi. org/10.1186/1471-245811-647.

Dykstra, P. A., & Fokkema, T. (2007). Social and emotional loneliness among divorced and mar- ried men and women: Comparing the deficit and cognitive perspectives. Basic and Applied Social Psychology, 29(1). https://doi.org/10.1080/01973530701330843.

Epley, N., & Schroeder, J. (2014). Mistakenly seeking solitude. Journal of Experimental Psychology: General, 143(5), 1980-1999.

research and therapy (pp. 123-134). Hoboken, NJ: Wiley & Sons.

Pinquart, M. (2003). Loneliness in married, widowed, divorced, and never-married older adults.

Journal of Social and Personal Relationships, 20(1), 31-53.

Schnittker J. (2007). Look (closely) at all the lonely people: Age and the social psychology of social support. Journal of Aging and Health, 19(4), 659-682.

Viney, L. L. (1985). “They call you a dole bludger”: Some experiences of unemployment. Journal of Community Psychology, 13(1), 31-45.

Abbildungen Abb. 1: https://unsplash.com/@Ellie Elien4 Abb. 2: https://unsplash.com/@Thom Holmes Abb. 3: https://unsplash.com/@Kevin Laminto

Gardiner, C., Geldenhuys, G. & Gott, M. (2018), Interventions to reduce social isolation and loneliness among older people: An integrative review. Health & Social Care in the Community, 26. https://doi. org/10.1111/hsc.12367.

Gardner, W. L., Pickett, C. L., Jefferis, V., & Knowles, M. (2005). On the outside looking in: Loneliness and social monitoring. Personality and Social Psychology Bulletin, 31(11), 1549- 1560.

Hansson, R. O., Briggs, S. R., & Rule, B. L. (1990). Old age and unemployment: Predictors of perceived control, depression, and loneliness.

Journal of Applied Gerontology, 9(2), 230-240.

Holt-Lunstad, J., Smith, T. B., Baker, M., Harris, T., & Stephenson, D., (2015). Loneliness and social isolation as risk factors for mortality: A meta-analytic review. Perspectives on Psychological Science, 10(2), 227-237.

Lawson, R. (2006). The science of cycology: Failures to understand how everyday objects work. Memory & Cognition, 34(8), 1667-1675.

Masi, C. M., Chen, H.-Y., Hawkley, L. C., & Cacioppo, J. T. (2010). A meta-analysis of interventions to reduce loneliness. Personality and Social Psychology Review, 15(3), 219-266.

Morenga, L., Mallard, S., & Mann, J., (2013). Dietary sugars and body weight: Systematic review and meta-analyses of randomised controlled trials and cohort studies. BMJ. 346. https://doi. org/10.1136/bmj. e7492.

Olson, K., & Wong, E. (2001). Loneliness in marriage. Family Therapy, 28(2), 105-111.

Perlman, D. & Peplau, L. A. (1982). Theoretical approaches to loneliness. In L. A. Peplau (Ed.), Loneliness: A sourcebook of current theory,

StraightONE Behavioral Economics Guide _ 2019

177

Teil 2 - Anwendungen

178

StraightONE Behavioral Economics Guide _ 2019

Wie man Rosenkohl verkauft ... ... Lektionen in digitaler Überzeugungsarbeit aus der Lebensversicherungsbranche

Es ist leicht, Süßigkeiten zu verkaufen. Süßigkeiten schmecken gut.

Sie sind voller Zucker, nach dem sich unser Körper sehnt, und wir müssen unsere Willenskraft einsetzen, damit wir uns nicht zu sehr verwöhnen lassen.

Abb. 1

Wenn Sie mir mehr Süßigkeiten verkaufen wollen, müssen Sie dafür sorgen, ich sie leicht kaufen und nur schwer vermeiden kann.

Sie können dafür sorgen, dass die Verpackung hell, frech und farbenfroh ist, so dass sie meine Aufmerksamkeit erregt und es mir schwer macht, meine Sehnsüchte zu ignorieren. Sie können die Süßigkeiten an der Supermarktkasse platzieren, so dass sie mich in Versuchung führen, während ich darauf warte, bedient zu werden.

Es ist viel schwieriger, Rosenkohl zu verkaufen ...

Obwohl er gut für uns ist, schmeckt Rosenkohl den meisten Menschen einfach nicht. Wir werden nicht recht viel mehr Rosenkohl verkaufen, nur weil wir ihn einfacher kaufen können. Wenn wir ihn in eine schöne farbige Verpackung einwickeln und an der Supermarktkasse aufstellen, wird dies wahrscheinlich nicht zu einem dramatischen Verkaufsanstieg führen. Nur wenige Menschen würden sich nicht in der Lage sehen, dem Impuls zu widerstehen, eine Packung Rosenkohl zu kaufen.

Als Verhaltensforscher sind die

StraightONE Behavioral Economics Guide _ 2019

179

Teil 2 - Anwendungen

Abb. 2

meisten von uns Rosenkohlverkäufer. Für die Rente sparen, Sport treiben, Diäten machen, weniger Auto fahren, weniger Fleisch essen: diese Verhaltensweisen sind gut für uns, aber leider schmecken sie den meisten Menschen einfach nicht besonders.

Kontexts und die Vorbereitung der Verbraucher auf die Auseinandersetzung mit einer Botschaft - Konzepte, die Robert Cialdini kürzlich als „Vorüberredung“ bezeichnet hat (Cialdini, 2016) - könnten uns helfen, andere wenig motivierende Verhaltensweisen zu ändern.

Die Lebensversicherung ist der Rosenkohl schlechthin.

Sie stellt den Familien Geld zur Verfügung, wenn sie es am meisten brauchen. Aber wir wissen, dass Menschen unverhältnismäßig stark von unmittelbaren, sicheren und persönlichen Vorteilen motiviert sind - das genaue Gegenteil von dem, was Lebensversicherungen bieten. Doch Lebensversicherungen werden seit über 150 Jahren erfolgreich verkauft, und auf ihrem Höhepunkt in den 1960er Jahren hatte fast drei Viertel der USHaushalte eine Lebensversicherung (Lyons & Demaster, 2015).

Wir meinen außerdem, dass die Herausforderungen, denen sich die Lebensversicherungsbranche beim Online-Verkauf von Policen gegenübersieht, das Problem für andere Initiativen zur digitalen Verhaltensänderung unterstreichen. Zu oft gehen wir bei der Schaffung digitaler Lösungen davon aus, dass Rosenkohl-Verhalten plötzlich zu einem Süßigkeiten-Verhalten wird, nämlich, dass die Lust, etwas zu tun automatisch kommt, nur weil es einfach ist, sich auf die entsprechende Art zu verhalten.

Wir meinen, dass der Erfolg der Branche von Verhaltensforschern noch zu wenig untersucht wurde. Die Lehren aus ihrer Geschichte in Bezug auf das Verstehen des

180

StraightONE Behavioral Economics Guide _ 2019

Wir glauben, dass für viele rosenkohlähnliche Produkte und Verhaltensweisen Leichtigkeit bei weitem nicht ausreicht, um Verbraucher zu begeistern. „Anreiz“Techniken, wie z.B. vorteilhafte Verhaltensweisen zum

Standard zu machen, haben sich in Bereichen wie dem Rentensparen als wirksam erwiesen (Benartzi & Thaler, 2013). Aber hier konzentrieren wir uns auf das, was uns die Verhaltenswissenschaft über effektive Überzeugungsarbeit sagen kann - Instrumente, die eingesetzt werden können, ohne dass System- oder Politikänderungen erforderlich sind. Wir meinen, dass wir lernen müssen, wie wir Vorüberredungstechniken besser anwenden können - und überlegen, wie Kontext und Zeitpunkt die Kommunikation online effektiver machen können.

Rosenkohl wird verkauft, nicht gekauft Änderung von Verhaltensweisen mit geringer Motivation Wenn man einen Verhaltensforscher bitten würde, ein Produkt zu entwerfen, das gegen viele unserer psychologischen Macken ankämpft, würde er wahrscheinlich so etwas wie eine Lebensversicherung entwerfen.

Wir wissen, dass Verhalten und Entscheidungen nicht unbedingt das Ergebnis einer Abwägung von Nutzen und Risiken sind, wie es bei Statistikern der Fall ist; vielmehr verwenden wir oft Heuristiken, die zu Fehlern führen können (Tversky & Kahneman, 1974). Wir übergewichten die unmittelbare Freude und den Schmerz - das gegenwärtige Bias (O‘Donoghue & Rabin, 2015). Wir können überoptimistisch sein, wenn es um realistische Risiken geht, wie z.B. ob wir Krebs bekommen - das Optimismus-Bias (Sharot, 2011a) - und gegenteilige Beweise untergewichten (Sharot, 2011b). Wir können Informationen ganz vermeiden, wenn wir denken, dass sie unangenehm sein werden (Sharot & Sunstein, 2020).

Dies stellt ein Problem für die Anbieter dar. Lebensversicherungen verlangen von den Verbrauchern, über ihre eigene Sterblichkeit nachzudenken (nicht angenehm oder einfach) und versprechen eine Auszahlung, die (hoffentlich) weit in der Zukunft liegt,

nicht immer sicher ist (einige Produkte sind so konzipiert, dass sie einen festen Zeitraum abdecken, wie z.B. die Länge einer Hypothek) und nicht einmal an den Käufer gehen wird. Es handelt sich nicht um ein offensichtlich attraktives Produkt, was das Sprichwort der Branche hervorgerufen hat: „Lebensversicherungen werden verkauft, nicht gekauft“.

Aber das Problem ist nicht, dass die Lebensversicherung keinen inneren Wert hat. Vielmehr löst sie Probleme, die viele haben: die Zahlung einer Hypothek, Beerdigungskosten und die Sicherung der finanziellen Stabilität für die Familie, nachdem ein Einkommen unerwartet wegfällt. Viele Menschen sind unterversichert, und ihre Familien hätten Probleme, wenn ein Einkommen wegfiele. Die Schutzlücke - die

Abb. 3

Differenz zwischen der Höhe der Versicherungssumme und dem Betrag, der benötigt wird, um die überlebenden Familien zu versorgen - wurde allein in den USA für das Jahr 2016 auf 25 Billionen Dollar geschätzt (Swiss Re Institute, 2018).

Theorien zu wichtigen Verhaltensänderungen, wie das COM-B-Modell von Michie (Michie, van Stralen, & West, 2011) und die Theorie des geplanten Verhaltens (Ajzen, 1991) weisen der Motivation eine führende Rolle zu. Aber leider ist klar, dass die Motivation der Verbraucher, über eine Lebensversicherung nachzudenken und sie zu kaufen, trotz ihres potenzi-

StraightONE Behavioral Economics Guide _ 2019

181

Teil 2 - Anwendungen

ellen Werts gering ist. Eine Lebensversicherung mag zwar der Rosenkohl schlechthin sein, aber viele positive Verhaltensweisen, wie Rentensparen, mehr Gemüse essen und regelmäßig ins Fitnessstudio gehen, leiden unter den gleichen Verhaltensverzerrungen.

Sie mögen zwar einen echten Wert haben, doch wird dieser oft erst auf lange Sicht erkannt und erfordert doch kurzfristige Opfer. Menschen mit einer gegenwärtigen Voreingenommenheit benötigen oft einen Anreiz, um sich auf solche Ideen einzulassen.

Gibt es angesichts der Tatsache, dass die Lebensversicherungsbranche seit über einem Jahrhundert so erfolgreich ein wenig motivierendes Produkt verkauft, Überzeugungslektionen, die wir lernen und anderswo anwenden können?

Verbraucher einbinden: Von Lebensversicherungen lernen Während des größten Teils ihrer Geschichte wurden Lebensversicherungen von Verkäufern und Finanzberatern von Angesicht zu Angesicht verkauft. Auch heute noch macht dieser Kanal den größten Teil der Verkäufe aus.

Verkäufer sind Experten der Überzeugungsarbeit. Tversky selbst sagte, seine Arbeit über Heuristik und Voreingenommenheit sei eine Formalisierung dessen, was Werbetreibende und Verkäufer bereits wussten (Stanford University, 1996), und Cialdinis populäres Buch „Einfluss“ (Cialdini, 1984) beruhte hauptsächlich auf Beobachtungen von Verkäufern. Es ist anzunehmen, dass Überzeugungskraft die Lebensversicherung historisch gesehen lebensfähig machte (Rotman Zelizer, 1979).

Verkäufer waren in der Lage, die Verbraucher mit den angebotenen Versicherungslösungen für ihre wirklichen, aber weit entfernten Probleme anzusprechen.

Verkäufer wurden zu Experten in dem, was Cialdini als Vorüberredung bezeichnet - Techniken, die Kommunikatoren einsetzen, um bei ihrem Publikum den richtigen

182

StraightONE Behavioral Economics Guide _ 2019

Gemütszustand zu schaffen, der Überredung erfolgreicher macht (Cialdini, 2016). Das bedeutet, dass die Verkäufer, bevor sie ihre Botschaft vorstellen, dafür sorgen, dass das Publikum ihr sympathisch gegenübersteht.

Vorüberzeugungstechniken gibt es in vielen Formen, aber Lebensversicherungsverkäufer konzentrierten ihre Aufmerksamkeit insbesondere auf zwei davon.

Die Schlüsseltechnik bestand darin, das Bedürfnis eines potenziellen Kunden nach einer Lebensversicherung zu wecken. Typischerweise wurde dies erreicht, indem man den Leuten schwierige Fragen stellte, wie z.B. „Wie wird Ihre Familie die Hypothek abbezahlen, wenn Sie sterben?“ (Thomson, 1969).

Diese Art der Überzeugungsarbeit beruht auf der Schaffung einer emotionalen und kognitiven Darstellung des Problems, das für viele Menschen normalerweise aus den Augen und aus dem Sinn ist. Wenn die Antwort auf die Frage lautet: „Meiner Familie ginge es gut, wir haben Hunderttausende an Ersparnissen“, dann besteht keine Notwendigkeit für eine Lebensversicherung, und der Verkäufer macht weiter. Aber wenn die Antwort lautet: „Ich weiß es nicht“ oder „sie wären nicht in der Lage, sie zu bezahlen“, dann hat der Verkäufer sie auf ein Problem aufmerksam gemacht, das sie haben und das sie vielleicht lösen müssen. Sie haben die Salienz erhöht ein Phänomen der selektiven Aufmerksamkeit, das von Psychologen seit langem diskutiert wird (Taylor & Fiske, 1978).

Silicon-Valley-Risikokapitalgeber sagen oft, dass sie nach Start-up-Produkten suchen, die Schmerzmittel („need to have“) und keine Vitamine („nice to have“) sind. Erfolgreiche Lebensversicherungsverkäufer weckten ein Bedürfnis, einen Schmerz, so dass die Lebensversicherung von einem „nice to have“ zu einem „must have“ wurde.

Die Verkäufer erkannten auch, dass der Kontext eine Rolle spielt, wenn ein Bedürfnis geweckt wird. Es gibt einen Grund, warum Lebensversicherungen von Hypothekenberatern verkauft werden - ihr Publikum ist

Abb. 4

darauf vorbereitet, Entscheidungen über finanzielle Risiken zu treffen, und bei der Verpflichtung, ein Haus zu kaufen, ist der genaue Inhalt dessen, was sie verlieren könnten, von entscheidender Bedeutung.

Die Lebensversicherungsgesellschaften suchten nach Möglichkeiten, den richtigen Kontext zu schaffen, um Bedürfnisse zu wecken. Ein wenig bekanntes Stück Musikgeschichte unterstreicht dies perfekt. Die Lebensversicherung kann glaubwürdig eine bedeutende Rolle in der Entwicklung der USamerikanischen Country-Musikszene für sich beanspruchen.

WSM ist ein Country-Musiksender

mit Sitz in Nashville, der seit 1925 auf Sendung ist. Er ist die Heimat einer berühmten Show mit dem Namen „The Grand Ole Opry“ oder „die Show, die die Country-Musik berühmt machte“ (Grand Ole Opry, 2020). In der Grand Ole Opry gab es Auftritte von Country-Superstars wie Johnny Cash, Dolly Parton und Willie Nelson. Überraschenderweise wurde der WSM jedoch von der National Accident and Life Insurance Company erfunden. Ihr Motto „We Shield Millions“ (wir schirmen Million ab) gab dem Sender seinen Namen und schmückt bis heute seine Mikrofone. Auf erfinderische Weise schuf WSM ein treues, gefangenes Publikum, bei dem Werbung gemacht werden konnte.

Verkäufer streiften durch die Nachbarschaften auf der Suche nach Leuten, die auf WSM eingestimmt waren, und riefen am folgenden Montag an, um zu versuchen, Policen zu verkaufen. Sie brachten kostenlose Geschenke und Erinnerungsstücke aus der Grand Ole Opry mit. Aber auch die Country-Musik trieft vor Nostalgie und Emotionen und beschäftigt sich mit Themen wie Beziehungen, Verlust und Gemeinschaft: wohl eine ausgezeichnete Voraussetzung für Verbindungen mit Menschen, die man liebt.

Das Beispiel des WSM demonstriert die Idee, den geeigneten Kontext zu finden (oder zu schaffen), um

StraightONE Behavioral Economics Guide _ 2019

183

Teil 2 - Anwendungen

Abb. 5

Menschen mit einem schwierigen Thema zu beschäftigen, und überzeugende Techniken anzuwenden, um das Bedürfnis der Verbraucher nach Lebensversicherungen zu wecken und zu verstärken.

Der effektive Einsatz von Kontext und das Wecken von Bedürfnissen kann auch bei der Änderung vieler anderer Verhaltensweisen eine Rolle spielen. Die meisten Menschen erkennen die logischen Gründe dafür, mehr zu sparen oder sich gesünder zu ernähren, aber sie haben nicht das emotionale Bedürfnis, das ihnen helfen könnte, sich mit dem Problem auseinanderzusetzen.

Um Einstellungen und Absichten zu ändern, müssen wir uns darauf konzentrieren, dieses Bedürfnis zu wecken, und den richtigen Kontext finden, in dem wir dies tun können.

184

StraightONE Behavioral Economics Guide _ 2019

Aber wie machen wir das digital? Diese Frage ist für die Lebensversicherungsbranche von besonderer Bedeutung. In den meisten entwickelten Märkten sinkt die Zahl der Finanzberater und Lebensversicherungsverkäufer, während das Durchschnittsalter der verbleibenden Mitarbeiter weiter steigt (Weltwirtschaftsforum, 2017). Dies ist zum Teil eine Folge der gestiegenen Kosten und der Vorschriften für Berater. Aber es spiegelt vielleicht auch die Schwierigkeit und Unbeliebtheit der Arbeit wider. Der Verkauf von Lebensversicherungen ist hart und weit davon entfernt, glamourös zu sein.

Dies ist ein Grund, warum die Lebensversicherung, wie

viele andere Branchen auch, auf ein digitales Vertriebsmodell zusteuert. Aber es bleibt die Frage, ob Überzeugungstechniken online nachgebildet (oder neu geschaffen) werden können. Kann Rosenkohl digital verkauft werden?

Marketing und User-Experience-Expertise, um unsere bestehenden Wünsche und Bedürfnisse zu verstärken, die direkt unter der Oberfläche verweilen. Sie reagieren auf unsere hedonistischen Tendenzen und ermöglichen sie erst, wie Experimentatoren, die leckere Marshmallows in einem Labor für enthemmte Kinder zurücklassen (Mischel, Ebbesen, & Raskoff Zeiss, 1972).

Herausfordaerungen beim digitalen Verkauf von Rosenkohl

Die Rolle der Überzeugungskraft bei der Beschäftigung mit schwierigen Themen dürfte wohl das größte Opfer der Digitalisierung sein. Digitale Werbeeinstellungen geben den Verbrauchern mehr Wahlmöglichkeiten, welche Informationen sie beachten wollen; es ist wahrscheinlich, dass die weniger hedonistischen Themen als erstes ignoriert werden. Traditionell werden Überzeugungsverfahren von Experten auf ein gefangenes Publikum angewandt. Wenn die Investitionen in die Überzeugungsarbeit zugunsten eines einfachen Online-Zugangs zu Produkten reduziert werden, ist es unwahrscheinlich, dass die Verbraucher ihren Bedarf an nützlichen Produkten und Dienstleistungen erkennen, und das Engagement dürfte darunter leiden.

In diesem Jahr feiert der erste von Sir Tim Berners-Lee entwickelte Webbrowser sein 30-jähriges Jubiläum.

Man kann das Ausmaß und die Auswirkungen der Innovation in den vergangenen Jahren kaum überbewerten, da die Digitaltechnik zu einem wichtigen Kanal geworden ist, über den Organisationen mit den Verbrauchern kommunizieren.

Digitale Marken wie Amazon, Google und Netflix sind heute allgegenwärtig, und eine wichtige Grundlage für ihre Attraktivität ist die Bequemlichkeit und Einfachheit, die sie den Verbrauchern bieten.

In den UX- und Verhaltenswissenschaften wird viel darüber gesprochen, wie wichtig es ist, die Dinge einfach zu machen - es ist eine Säule des einflussreichen EAST-Frameworks des britischen Behavioral Insights Teams (Service, et al., 2015). Dementsprechend haben es uns die digitalen Benchmark-Erfolge sehr schnell und einfach gemacht, Dinge zu tun, die wir wollen und tun müssen. Amazon macht es uns leicht, Dinge zu kaufen; Spotify und Netflix bieten uns einfache Möglichkeiten, Unterhaltung zu konsumieren; und soziale Medien machen es uns leicht, uns mit unseren sozialen Gruppen zu vergleichen und uns ihnen zu präsentieren.

Aber wenn wir uns auf das nahtlose Verbrauchererlebnis konzentrieren, könnten wir zu falschen Schlussfolgerungen über die Triebkräfte des Online-Konsumverhaltens kommen. Die Erfolgsgeschichten machen es uns nicht nur einfach, sondern nutzen Produktdesign, digitales

Die Lebensversicherung macht genau das durch. Millionen von Dollar wurden für den Aufbau sehr einfacher Einkaufsreisen ausgegeben, und jetzt kann der Kauf einer Lebensversicherung weniger Zeit in Anspruch nehmen als die Buchung eines Fluges. Aber die Digitalisierung hat die Menschen nicht in einen Lebensversicherungs-Kaufrausch versetzt. Tatsächlich ist der Anteil der US-Bevölkerung, der 2016 eine Lebensversicherung besaß, seit den 1960er Jahren erheblich zurückgegangen (Bloomberg, 2018).

Die Facetten, wie wir die wirtschaftlichen Argumente für Versicherungen (falsch) verstehen, stellen eine bedeutende Herausforderung für digitale Vermarkter dar, die versuchen, das Engagement der Verbraucher zu gewinnen. Die Tendenz, sich auf kurzfristige Belohnungen zu konzentrieren, die bestrafende Informationen zu vermeiden und persönliche Risiken falsch einzuschätzen, bedeutet, dass Verbraucher in einem geschäftigen digitalen Umfeld wahrscheinlich keine Aufmerksamkeit

StraightONE Behavioral Economics Guide _ 2019

185

Teil 2 - Anwendungen

für versicherungsbezogene Themen aufbringen werden.

Die Lebensversicherer erkennen, dass die digitale Umgebung nicht immer der beste Kontext für ihre Botschaften ist. Die Menschen wollen nicht, dass ihnen schwierige Fragen gestellt werden, die sie dazu veranlassen, über ihre Sterblichkeit und die Auswirkungen auf andere nachzudenken, vor allem wenn sie sich gerade die Fotos vom letzten Urlaub ihres Freundes ansehen oder ein Update über das, was sie zum Mittagessen essen, veröffentlichen. Unsere eigenen Untersuchungen legen jedoch nahe, dass sich weichere Botschaften, die sich auf die Vorteile einer Lebensversicherung konzentrieren, nicht durchsetzen.

Sogar Consumer-Marken beginnen zu erkennen, dass die Digitaltechnik immer öfter ein Konverter von Kunden ist, nicht ein Schöpfer. Adidas hat kürzlich angedeutet, dass sie auf Kosten des Aufbaus einer begehrten Marke zu viel in digitale Werbung investiert haben (Vizard, 2019). Sie hatten sich bei ihren Messungen darauf konzentriert, die letzten Aktionen der Kunden vor dem Kauf zu verstehen. Aber als ein Ausfall in einer SEO-Kampagne unerwartet folgenlos war, kam Adidas zu dem Schluss, dass der Grund, warum die Leute ihre Produkte kauften, tiefere Wurzeln hatte als die leichte Auffindbarkeit in einer Suchmaschine. Folglich haben sie ihre Investitionen in den Markenaufbau verstärkt.

Der Fall Adidas zeigt, wie wichtig es ist, die tieferen psychologischen Grundlagen zu verstärken, die ihre Produkte überhaupt erst lebensfähig gemacht haben.

Dasselbe wird bei vielen digitalen Lösungen für rosenkohlartiges Verhalten erlebt. Zum Beispiel versprechen digitale Gesundheitsanwendungen den Verbrauchern eine Reihe von Vorteilen, wie Selbstkontrolle, einfachen Zugang zu Ressourcen und strukturierte Programme zur Verhaltensänderung. Es gibt über 400.000 Gesundheitsanwendungen, die in App-Stores erhältlich sind, was aber nicht unbedingt auf Erfolg hindeutet - die meisten Anwendungen wurden weniger als 10.000 Mal heruntergeladen (Georgiou, 2020). Trotz des enormen und oft anerkannten Potenzials dieser Dienste für die Verbraucher führt das Versprechen, sie durch Digita-

186

StraightONE Behavioral Economics Guide _ 2019

lisierung verfügbar und leicht zugänglich zu machen, eindeutig nicht unbedingt zur Akzeptanz und späteren Nutzung.

Für die Aufrechterhaltung des Gesundheitswesens, den Kauf von Versicherungen und wahrscheinlich viele andere nützliche, aber unattraktive Verhaltensweisen dürfte die Digitalisierung an sich kaum die Vorteile bieten, die sie für hedonistischere Angebote freisetzt. Wenn wir den Weg der Digitalisierung beschreiten, ohne die Motivation (und den Mangel daran) zu verstehen, wird das Engagement darunter leiden.

Lehren aus der Verhaltenswissenschaft: Digitale Zielgenauigkeit und Verfügbarkeit Da es keinen hedonistischen Sog gibt, müssen bei Verhaltensweisen wie dem Kauf von Versicherungen oder einer gesunden Lebensweise die Bedürfnisse und Wünsche der Verbraucher geweckt werden. Wie wenn man mit dem Skateboard einen Hügel hinunterfährt, wird durch die Beseitigung der Reibung eine glattere, erfolgreichere Reise ermöglicht; aber ohne eine gewisse Anfangskraft wird die Reise nicht beginnen.

Auf digitalen Kanälen könnten „Nudge“-Techniken angewendet werden. Beispielsweise hat sich die Vorgabe von Optionen für erwünschte Verhaltensweisen als erfolgreich bei der Förderung des Rentensparens erwiesen (Benartzi & Thaler, 2013). Diese Techniken könnten die Reise der Nutzer verbessern, wenn sie gewissenhaft angewendet werden, oder den Verbrauchern sogar standardmäßig eine Versicherung bieten. Letzteres würde jedoch erhebliche systemische Veränderungen erfordern.

Wie sieht es mit Vermarktern aus? Was können sie aus der Verhaltenswissenschaft lernen, um digitale Überzeugungsarbeit effektiver zu gestalten?

Abb. 6

Bisher haben wir darüber gesprochen, dass Vertriebsmitarbeiter proaktiv den Bedarf an Lebensversicherungen wecken, aber oft können Ereignisse dies auf natürliche Weise tun. Die Verfügbarkeitsheuristik (Tversky & Kahneman, 1973) spielt beim Versicherungskauf eine starke Rolle. Verbraucher beurteilen Ereignisse, die leicht vorstellbar sind oder an die sie sich erinnern, dass sie früher geschehen sind, als wahrscheinlicher für die Zukunft.

Dies mag der Grund dafür sein, dass wir Anzeichen dafür sehen, dass der Versicherungskauf nach gut

publizierten Überschwemmungen zunimmt, selbst in nicht überschwemmten Gebieten (Gallagher, 2014). Die zugrunde liegenden Risiken haben sich nicht geändert, aber die Verfügbarkeit des Risikos hat sich geändert.

Dasselbe Phänomen tritt bei der Lebensversicherung auf. Das Bewusstsein für die Notwendigkeit einer Lebensversicherung nimmt häufig bei einer Person zu, die einen Freund oder ein Familienmitglied jung sterben sah und die finanziellen Auswirkungen auf die

Familie miterlebt hat (McKinsey, 2017). Dies wird dadurch untermautert, dass ein Peak bei Suchen nach Lebensversicherungen in den USA und Berichte über vermehrte Versicherungsanträge mit dem Tod des NBA-Superstars Kobe Bryant am 26. Januar 2020 zusammenfielen (Herron, 2020). Bryants Tod erhöhte zwar nicht das tatsächliche zugrunde liegende Risiko eines anderen, aber er erhöhte sicherlich die Bedeutung des Todes in jungen Jahren und des Zurücklassens von Kindern. Die Forschung zeigt, dass die Berücksichtigung der Ähnlich-

StraightONE Behavioral Economics Guide _ 2019

187

Teil 2 - Anwendungen

keiten zwischen der gegenwärtigen und der zukünftigen Wahrnehmung unserer selbst eine wirksame langfristige Entscheidungsfindung fördern kann (Hershfield, 2011). Es ist plausibel, dass Ereignisse in der Umwelt, wie z.B. weit verbreitete Todesfälle, unsere zukünftigen Bedürfnisse stärker in den Vordergrund rücken und das Interesse der Verbraucher wecken könnten.

Die Zukunft des digitalen Vertriebs mag weniger darin liegen, Bedürfnisse zu wecken, als darin, die Menschen in Momenten zu erreichen, in denen die Umstände ihre Bedürfnisse für sie geweckt haben. Die Lebensversicherungsbranche versucht, dies auf kreative Weise zu erreichen. Früher wurden zum Beispiel Versicherungen in Automaten auf Flughäfen verkauft. In diesem Zusammenhang könnten Ihre eigene Sterblichkeit und die finanziellen Bedürfnisse Ihrer Angehörigen stärker hervortreten und den Bedarf an Versicherungen wecken (Kunreuther & Pauly, 2006). Einige Unternehmen haben jetzt damit begonnen, die Geolokalisierung zu nutzen, um festzustellen, wann sich Menschen auf Flughäfen aufhalten, und Werbung gezielter zu platzieren. Durch die Nutzung digitaler Kanäle sind in vielen Ländern auch Crowd-Funding-Plattformen zu einem beliebten Mittel geworden, um Geld für Familien zu sammeln, die einen wichtigen Ernährer verloren haben und mit Schwierigkeiten zu kämpfen haben. Die Botschaften können an diejenigen gerichtet werden, die in der Vergangenheit für diese Zwecke gespendet haben und sich in diesem Moment wahrscheinlich ihrer eigenen Sterblichkeit und der Auswirkungen bewusst sind, die dies auf ihre Lieben haben könnte.

Es ist durchaus möglich, dass die anderen Rosenkohlverkäufer die gleichen Kontexteffekte nützlich finden - den Kontext nutzen oder ihn mit subtilen Hinweisen schaffen, die die Ziele der Menschen in den Vordergrund stellen (Papies & Hamstra, 2010), um die Verbraucher zu gewinnen, wenn ihre Bedürfnisse im Vordergrund stehen. Es gibt bereits einige gute Beispiele: im Jahr 2019 brachte die BBC eine digitale Wohlfühlanwendung für Kinder mit dem Namen „Own It“ auf den Markt, die KI nutzt, um Online-Mobbing einzudämmen (BBC, 2019). Die App überwacht die Nachrichten eines

188

StraightONE Behavioral Economics Guide _ 2019

Benutzers, während er sie schreibt, und fragt: „Sind Sie sicher, dass Sie das posten wollen?“, wenn sie Wörter wie dumm, dick oder hässlich enthalten. Das Unterbrechen von impulsivem Verhalten zum genau richtigen Zeitpunkt und im realen Kontext veranlasst die Benutzer, ihre Worte vor dem Posten zu überdenken.

Gute Beispiele für Rosenkohlverkäufer, die ihren eigenen Kontext schaffen, sind Wohltätigkeitsorganisationen, die Dienstleistungen zur freien Willensbildung anbieten und stark vermarkten. Die Menschen sind oft davon zu überzeugen, dass es sich lohnt, eine wohltätige Spende in ihrem Testament zu hinterlassen - die größere Herausforderung bestand darin, dass nicht genug Menschen ein Testament verfassen. Nach Angaben der Schöpfer des „Free Wills Month“ in Großbritannien enthalten 7,3% der Testamente in der Regel eine Erbschaftsspende, verglichen mit 58% der Testamente, die durch den Free Wills Service erstellt wurden (Institute of Fundraising, 2015). Ähnliche Gelegenheiten muss es geben, um Kontext und Zeitpunkt zu maximieren, um andere positive Verhaltensweisen zu fördern. Beispielsweise legt die Beliebtheit von Diäten für eine Bikinifigur nahe, dass ein bevorstehender Urlaub die Motivation zum Abnehmen auslösen kann, aber wie viele ganzheitliche Gesundheits- und Wellness-Interventionen sind in den Kauf eines Urlaubs oder von Strandbekleidung eingebaut?

Rosenkohl für Jedermann Eine Verhaltensänderung ist viel einfacher, wenn sie auf einfachere Weise auf bereits vorhandene Motivationen zurückgreift. Aber wir stoßen auf Schwierigkeiten, wenn wir versuchen, die gleichen Techniken auf Verhaltensweisen mit niedriger Motivation anzuwenden. Oft werden wir von dem, was wir glauben, dass die Motivation eines Menschen sein sollte, oder sogar von dem, was er glaubt, dass sie ist, geblendet. Das Problem ist, dass die Menschen oft keine Verhaltensänderung oder neue Gewohnheiten annehmen wollen.

Wenn es um den Verkauf von Lebensversicherungen geht, hat sich der Einsatz von Überzeugungstechniken durch Experten in der Vergangenheit als erfolgreich erwiesen, wenn es darum ging, die Verbraucher für schwierige Themen zu gewinnen, indem man ihre langfristigen Ziele stärker in den Vordergrund rückte.

Wenn wir uns allein auf die Kraft der digitalen Kanäle verlassen, um reibungslose Erfahrungen zu schaffen, laufen wir Gefahr, diese Überzeugungsinstrumente zu verlieren.

Aber der Kontext kann Verbraucher darauf vorbereiten, eine Botschaft zu empfangen, und Überzeugungsarbeit effektiver machen. Die digitale Technologie kann, wenn sie zusammen mit Daten- und Verhaltenswissenschaften eingesetzt wird, dazu beitragen, die Verbraucher in solchen Zeiten und Kontexten zu erreichen, in denen sie empfänglich für keimhafte Themen sein könnten. Dies kann ein fruchtbarer Weg für die Zukunft sein, Verbraucher online zu erreichen und zu überzeugen.

Wenn wir uns tiefer in das digitale Zeitalter hineinbewegen, kann die Berücksichtigung der Psychologie der Verbraucher dazu beitragen, den Wert von Gebrauchsprodukten zu erschließen. Die Digitalisierung an sich reicht sicherlich nicht aus, um eine Auseinandersetzung mit keimhaften Verhaltensweisen zu erzeugen. Wir müssen uns an die Lehren aus der vordigitalen Vergangenheit erinnern - Kontext und Überzeugungstechnik werden für eine sinnvolle Einbeziehung der Verbraucher so wichtig wie eh und je sein.

Die Autoren

Matt Battersby

gründete und leitet das verhaltenswissenschaftliche Team der Reinsurance Group of America, Incorporated (RGA). Er ist verantwortlich für die Entwicklung und den Einsatz von verhaltenswissenschaftlich fundierten Modellen für RGA und ihre Kunden, die im Underwriting, in der Schadenbearbeitung, im Risikomanagement, im Marketing und in der Kundenbetreuung eingesetzt werden.

Bevor er zu RGA kam, war Matt mehr als ein Jahrzehnt lang für das Kommunikationsunternehmen Hill+Knowlton Strategies tätig. Zuletzt war er Geschäftsführer und Leiter des verhaltenswissenschaftlichen Teams und arbeitete mit einer Vielzahl von Organisationen zusammen, um Strategien zur Verhaltensänderung zu implementieren, die dazu beitragen, verschiedene Geschäftsziele zu erreichen, wie z.B. die Verbesserung der finanziellen Entscheidungsfindung, mehr Recycling und die Förderung eines gesünderen Lebensstils.

Matt hat einen Master of Science (MSc) in Verhaltenswissenschaften von der London School of Economics und einen Bachelor of Science (BSc) in Wirtschaft und Philosophie von der University of Bristol.

StraightONE Behavioral Economics Guide _ 2019

189

Teil 2 - Anwendungen

Literaturhinweise Ajzen, I. (1991). The theory of planned behaviour. Organizational Behaviour and Human Decision Processes, 50(2), 179-211.

Dr. Peter Hovard

ist Lead Behavioral Scientist bei der Reinsurance Group of America, Incorporated (RGA) und hat seinen Sitz in der Londoner Niederlassung der RGA. Seine Aufgabe besteht darin, verhaltenswissenschaftliche Prinzipien und Methoden auf Herausforderungen in der Lebensund Krankenversicherungsbranche anzuwenden. Peter arbeitete zuvor als Leiter der Verhaltenswissenschaften für den britischen Generalversicherer RSA. Als erster Verhaltensforscher der Organisation gehörte dazu die Einführung von verhaltenswissenschaftlichem Denken in Bereichen wie digitale Verhaltensänderung, Produktentwicklung und Betrugsbekämpfung.

Peter hat an der University of Sussex in experimenteller Psychologie promoviert und in Fachzeitschriften mit Peer-Review-Verfahren über Essverhalten, Appetit und atypische Wahrnehmung veröffentlicht.

BBC. (2019, September 18). BBC launches ‘Digital wellbeing’ own it app for children. Retrieved from https://www.bbc.co.uk/news/ technology-49726844.

Benartzi, S., & Thaler, R. H. (2013). Behavioural economics and the retirement savings crisis. Science, 6124, 1152-1153.

Birnbaum, F., Lewis, D. M., Rosen, R., & Ranney, M. L. (2015).

Patient engagement and the design of digital health . Academic Emergency Medicine, 22(6), 754-756.

Bloomberg. (2018, February 27). The decline of life insurance is a mystery. Retrieved from https:// www.bloomberg.com/opinion/ articles/2018-02-27/the-decline-of-life-insurance-is-a-mys- tery.

Cialdini, R. (1984). Influence: The psychology of persuasion.

New York, NY: Harper Collins. Cialdini, R. (2016). Pre-suasion: A revolutionary way to influence and persuade. New York, NY: Simon & Schuster.

Gallagher, J. (2014). Learning about an infrequent event: Evidence from flood insurance takeup in the United States. American Economic Journal: Applied Economics, 6(3), 206-233. Georgiou, M. (2020, January 23). Developing a healthcare app in 2020: What do patients really want? Imaginovation. Retrieved from https://www.imaginovation.net/blog/developing-a-mobile-health-app-what-patients-really-want/.

Grand Ole Opry. (2020, April 8). The show that made country music famous. Retrieved from https://www.opry.com/about/.

Herron, J. (2020, March 5). ‘Anything can happen to anybody’: Kobe Bryant’s tragic death led toa life insurance boom. Yahoo!

Money. Retrieved from https://money.yahoo.com/kobe-bry- antlife-insurance-172357104.html.

Hershfield, H. E. (2011). Future self-continuity: how conceptions of the future self transform intertemporal choice. Annals of the New York Academy of Sciences, 1235, 30-43.

Institute of Fundraising. (2015, November 25). 10 things that 10 years of free wills month have taught us. Retrieved from https:// www.institute-of-fundraising.org.uk/blog/10-things-that-10-years-of-free-wills-month-have-taught-us/.IQVIA. (2017, November 7). The growing value of digital health. Retrieved from https://www.iqvia.com/insights/the-iqvia-institute/reports/thegrowing-value-of-digital-health.

Kunreuther, H., & Pauly, M. (2006). Insurance decision making and market behaviour. Hanover,MA: Now Publishers.

Lyons, P., & Demaster, B. (2015, March 25). How life insurers can bring their business into the21st century. Harvard Business Review. Retrieved from https://hbr.org/2015/03/how-life-in-surers-can-bring-their-business-into-the-21st-century.

190

StraightONE Behavioral Economics Guide _ 2019

McKinsey. (2017, October). Unlocking the next horizon of growth in the life insurance industry. Retrieved from https://www. mckinsey.com/industries/financial-services/our-insights/un- locking-the-next-horizon-of-growth-in-the-life-insurance-industry.

Michie, S., van Stralen, M. M., & West, R. (2011). The behaviour change wheel: A new method for characterising and designing behaviour change interventions. Implementation Science, 6, 42.

Mischel, W., Ebbesen, E. B., & Raskoff Zeiss, A. (1972). Cognitive and attentional mechanisms in delay of gratification. Journal of Personality and Social Psychology, 21(2), 204-218.

O’Donoghue, T., & Rabin, M. (2015). Present bias: Lessons learned and to be learned. American Economic Review: Papers and Proceedings, 105(5), 273-279.

Papies, E. K., & Hamstra, P. (2010). Goal priming and eating behaviour: Enhancing self-regula- tion by environmental cues.

Health Psychology, 29(4), 384-388.

Rotman Zelizer, V. A. (1979). Morals and markets, the development of life insurance in the United States. New York, NY: Columbia University Press.

Service, O., Hallsworth, M., Halpern, D., Algate, F., Gallagher, R., Nguyen, S., . . . Sanders, M. (2015). EAST: Four simple ways to apply behavioural insights. London, UK: Behavioural Insights Team.

American Journal of Public Health, 102(3), 527-533.

Tversky, A., & Kahneman, D. (1973). Availability: A heuristic for judging frequency and probability. Cognitive Psychology, 5(2), 207-232.

Tversky, A., & Kahneman, D. (1974). Judgement under uncertainty: Heuristics and biases. Science, 185(4157), 1124-1131.

Vizard, S. (2019, October 17). Adidas: We over-invested in digital advertising. Marketing Week. Retrieved from https://www.marketingweek.com/adidas-marketing-effectiveness/.

World Economic Forum. (2017, August 4). The insurance sales gap is widening. This is how we can close it. Retrieved from https://www.weforum.org/agenda/2017/08/this-is-the-most-effec-tive-way-to-close-the-insurance-sales-gap/.

Abbildungen Abb. 1: https://unsplash.com/@ Priscil und Preez Abb. 2: https://unsplash.com/@John Schnobrich Abb. 3: https://unsplash.com/@Francesco Alberti Abb. 4: https://unsplash.com/@Taylor Roger Abb. 5: https://unsplash.com/@Thom Holmes

Sharot, T. (2011a). The optimism bias. Current Biology, 21(23), 941-945.

Sharot, T. (2011b). How unrealistic optimism is maintained in the face of reality. Nature Neuroscience, 14(11), 1475-1479.

Sharot, T., & Sunstein, C. R. (2020). How people decide what they want to know. Nature Human Behaviour, 4, 14-19.

Slovic, P., Finucane, M. L., Peters, E., & MacGregor, D. G. (2007).

The affect heuristic. EuropeanJournal of Operational Research, 177, 1333-1352.

Smaldino, P. E. (2019). Social identity and cooperation in cultural evolution. Behavioural Processes, 161, 108-116. Stanford University. (1996, June 5). Amos Tversky, leading decision researcher, dies at 59. Retrieved from https://news.stanford.edu/ pr/96/960605tversky.html.

Swiss Re Institute. (2018). Life underinsurance in the US: Bridging the USD 25 trillion mortality protection gap. Zurich, Switzerland: Swiss Re Institute .

Taylor, S. E., & Fiske, S. T. (1978). Salience, attention and attribution: Top of the head phenom-ena. Advances in Experimental Social Psychology, 11, 249-288.

Thomson, A. H. (1969). The Feldman method. BN Publishing.

Thorndike, A. N., Sonnenberg, L., Riis, J., Barraclough, S., & Levy, D. E. (2012). A 2-phase label-ing and choice architecture intervention to improve healthy food and beverage choices.

StraightONE Behavioral Economics Guide _ 2019

191

Teil 3 - Ressourcen

Verhaltenswissenschaftliche Konzepte

Abb. 1

192

StraightONE Behavioral Economics Guide _ 2019

StraightONE Behavioral Economics Guide _ 2019

193

Teil 3 - Ressourcen

A Action Bias Einige Kernideen in der Verhaltensökonomie konzentrieren sich auf die Neigung der Menschen, nichts zu tun, was sich im Standard-Bias und im Status-quo-Bias zeigt.

Untätigkeit kann auf eine Reihe von Faktoren zurückzuführen sein, darunter Trägheit oder die Erwartung, dass man es bereuen wird. Manchmal haben Menschen jedoch den Impuls zu handeln, um ein Gefühl der Kontrolle über eine Situation zu gewinnen und ein Problem zu beseitigen. Dies wurde als „Action Bias“ bezeichnet (Patt & Zeckhauser, 2000). Beispielsweise kann sich eine Person für eine medizinische Behandlung statt für eine Alternative ohne Behandlung entscheiden, obwohl klinische Studien die Wirksamkeit der Behandlung nicht belegt haben.

Ein Action Bias tritt besonders dann auf, wenn wir etwas für andere tun oder andere von uns erwarten, dass wir handeln (siehe soziale Norm), wie die Tendenz von Fußballtorhütern zeigt, bei Elfmeterschüssen nach links oder rechts zu springen, obwohl sie statistisch gesehen besser dran wären, wenn sie einfach in der Mitte des Tores bleiben würden (Bar-Eli et al., 2007). Eine Ver-

194

StraightONE Behavioral Economics Guide _ 2019

zerrung des Handelns kann auch bei Menschen, die zur Selbstüberschätzung neigen, wahrscheinlicher sein oder wenn jemand zuvor negative Erfahrungen gemacht hat (Zeelenberg et al., 2002), bei denen ein späteres Nichthandeln einem Versäumnis, etwas zur Verbesserung der Situation zu tun, gleichkäme.

Affect Heuristic Die Affektheuristik stellt eine Abhängigkeit von guten oder schlechten Gefühlen dar, die im Zusammenhang mit einem Stimulus erlebt werden. Affektbasierte Bewertungen sind schnell, automatisch und wurzeln in erfahrungsbasiertem Denken, das vor reflektierenden Beurteilungen aktiviert wird (siehe Theorie der dualen Systeme) (Slovic et al., 2002). Beispielsweise sind erfahrungsbasierte Beurteilungen offensichtlich, wenn Menschen durch Risiken beeinflusst werden, die in Zählungen ausgedrückt werden (z.B. „von 100 Patienten, die Herrn Jones ähnlich sind, werden schätzungsweise 10 eine Gewalttat begehen“), die über einen abstrakten, aber äquivalenten Wahrscheinlichkeitsrahmen hinausgehen (z.B. „Patienten, die Herrn Jones ähnlich sind, haben eine geschätzte Wahrscheinlichkeit von 10%, eine Gewalttat gegenüber anderen zu begehen“) (Slovic et al., 2000).

Affektbasierte Beurteilungen sind ausgeprägter, wenn Menschen nicht die Ressourcen oder die Zeit zum Nachdenken haben. Anstatt beispielsweise Risiken und Nutzen unabhängig voneinander zu betrachten, können Personen mit einer negativen Einstellung zur Kernenergie unter Zeitdruck deren Nutzen als gering und die Risiken als hoch einschätzen. Dies führt zu einer negativeren Risiko-Nutzen-Korrelation, als dies ohne Zeitdruck der Fall wäre (Finucane et al., 2000).

Die Affektheuristik wurde als mögliche Erklärung für

eine Reihe von Verbraucherbeurteilungen herangezogen, darunter Produktinnovationen (King & Slovic, 2014), Markenimage (z.B. Ravaja et al., 2015) und Produktpreisgestaltung (z.B. der Nullpreiseffekt; siehe Samson & Voyer, 2012). Es wird als eine weitere allgemeine Zweckheuristik betrachtet, ähnlich der Verfügbarkeitsheuristik und der Repräsentativitätsheuristik in dem Sinne, dass der Affekt als ein Orientierungsmechanismus dient, so wie die Ähnlichkeit und die Einprägsamkeit (Kahneman & Frederick, 2002).

Altruism Nach der neoklassischen Wirtschaftswissenschaft tun rationale Wesen, was immer sie tun müssen, um ihren eigenen Reichtum zu maximieren. Wenn Menschen jedoch Opfer bringen, um anderen zu nützen, ohne eine persönliche Belohnung zu erwarten, wird angenommen, dass sie sich altruistisch verhalten (Rushton, 1984).

Häufige Anwendungsbereiche dieses pro-sozialen Verhaltens sind Freiwilligenarbeit, Philanthropie und die Hilfe für andere in Notsituationen (Piliavin & Charng, 1990).

Altruismus zeigt sich in einer Reihe von Forschungsergebnissen, wie z.B. Diktatorenspielen. In diesem Spiel schlägt ein Teilnehmer vor, wie er eine Belohnung zwischen sich und einem anderen zufälligen Teilnehmer aufteilen kann. Während einige Antragsteller (Diktatoren) die gesamte Belohnung für sich behalten, teilen sich viele auch freiwillig einen Teil der Belohnung (Fehr & Schmidt, 1999).

Während Altruismus sich auf Opfer konzentriert, die zum Nutzen anderer gebracht werden, untersuchen ähnliche Konzepte, wie man Opfer bringt, um Fairness zu gewährleisten (siehe auch Inequity Aversion und Social Preferences).

Ambiguity Aversion Ambiguitäts- oder Unsicherheitsaversion ist die Tendenz, das Bekannte gegenüber dem Unbekannten zu bevorzugen, einschließlich bekannter Risiken gegenüber unbekannten Risiken. Wenn wir uns beispielsweise zwischen zwei Wetten entscheiden, wählen wir eher die Wette, für die wir die Quoten kennen, auch wenn die Quoten schlecht sind, als die, für die wir die Quoten nicht kennen.

Diese Aversion hat durch das Ellsberg-Paradoxon (Ellsberg, 1961) Aufmerksamkeit erregt. Nehmen wir an, es gäbe zwei Beutel mit einer Mischung aus je 100 roten und schwarzen Bällen. Ein Entscheidungsträger wird gebeten, einen Ball aus einem von zwei Beuteln zu ziehen, mit der Chance, 100 Dollar zu gewinnen, wenn Rot gezogen wird. Bei einem Beutel weiß der Entscheidungsträger, dass genau die Hälfte der Steine rot und die Hälfte schwarz ist. Die Farbmischung der Steine in der zweiten Tasche ist unbekannt. Aufgrund der Ambiguitätsaversion würden die Entscheidungsträger es vorziehen, aus dem Beutel mit der bekannten Mischung zu ziehen als aus dem Beutel mit der unbekannten Mischung (Ellsberg, 1961). Dies geschieht trotz der Tatsache, dass die Leute im Durchschnitt auf Rot oder Schwarz gleichermaßen wetten würden, wenn ihnen nur ein Beutel mit entweder der bekannten 50-50-Mischung oder ein Beutel mit der unbekannten Mischung vorgelegt würde.

Die Ambiguitätsaversion ist auch in realen Situationen dokumentiert worden. Beispielsweise führt sie dazu, dass Menschen die Teilnahme am Aktienmarkt mit unbekannten Risiken vermeiden (Easley & O‘Hara, 2009) und bestimmte medizinische Behandlungen meiden, wenn die Risiken weniger bekannt sind (Berger, et al., 2013).

StraightONE Behavioral Economics Guide _ 2019

195

Teil 3 - Ressourcen

Anchoring Anchoring ist eine besondere Form des Priming-Effekts, bei der die anfängliche Exposition gegenüber einer Zahl als Bezugspunkt dient und spätere Beurteilungen beeinflusst. Dieser Prozess findet in der Regel statt, ohne dass wir uns dessen bewusst sind (Tversky & Kahneman, 1974) und wurde in vielen Zusammenhängen erforscht, darunter Wahrscheinlichkeitsschätzungen, rechtliche Urteile, Prognosen und Kaufentscheidungen (Furnham & Boo, 2011).

In einem Experiment wurden die Teilnehmer gebeten, die letzten drei Ziffern ihrer Telefonnummer, multipliziert mit tausend (z.B. 678 = 678.000), aufzuschreiben.

Die Ergebnisse zeigten, dass eine spätere Schätzung von Hauspreisen durch den willkürlichen Anker signifikant beeinflusst wurde, obwohl die Teilnehmer zu Beginn der Studie eine 10-minütige Präsentation über Fakten und Zahlen aus dem Wohnungsmarkt erhielten. In der Praxis sind Verankerungseffekte oft weniger willkürlich, da offensichtlich der Preis des ersten Hauses, der uns von einem Immobilienmakler gezeigt wurde, als Anker dienen und die Wahrnehmung von Häusern beeinflussen kann, die uns später präsentiert wurden (als relativ billig oder teuer). Verankerungseffekte haben sich auch in der Kategorie der verpackten Konsumgüter gezeigt, wobei nicht nur explizite Slogans, mehr zu kaufen (z.B. „Kaufen Sie 18 Snickers-Riegel für Ihre Gefriertruhe“), sondern auch Kaufmengenbegrenzungen (z.B. „Grenze von 12 pro Person“) oder „Expansionsanker“ (z.B. „101 Verwendungen!“) die Kaufmengen erhöhen können (Wansink et al., 1998).

Asymmetrically Dominated Choice Asymmetrisch dominierte Option, siehe Decoy Effect

196

StraightONE Behavioral Economics Guide _ 2019

Availability Heuristic Bei der Verfügbarkeitsheuristik beurteilen Menschen die Wahrscheinlichkeit eines Ereignisses danach, wie leicht ihnen ein Beispiel, eine Gelegenheit oder ein Fall in den Sinn kommt. Beispielsweise können Investoren die Qualität einer Investition auf der Grundlage von Informationen beurteilen, die kürzlich in den Nachrichten erschienen sind, und andere relevante Fakten ignorieren (Tversky & Kahneman, 1974). Im Gesundheitsbereich hat sich gezeigt, dass der Rückruf von Arzneimittelwerbung die wahrgenommene Prävalenz von Krankheiten beeinflusst (An, 2008), während die jüngsten Erfahrungen von Ärzten mit einer Erkrankung die Wahrscheinlichkeit einer späteren Diagnose erhöht (Poses & Anthony, 1991). In der Verbraucherforschung kann die Verfügbarkeit bei verschiedenen Schätzungen eine Rolle spielen, z. B. bei den Ladenpreisen (Ofir et al., 2008) oder beim Produktversagen (Folkes, 1988). Die Verfügbarkeit von Informationen im Gedächtnis unterliegt zudem der Repräsentativitätsheuristik.

B

Behavioral economics Das Gebiet der Verhaltensökonomie studiert und beschreibt die wirtschaftliche Entscheidungsfindung.

Ihren Theorien zufolge ist das tatsächliche menschliche Verhalten weniger rational, stabil und egoistisch, als die traditionelle normative Theorie vermuten lässt (siehe auch Homo Oeconomicus), was auf eine begrenzte Rationalität, begrenzte Selbstkontrolle und soziale Präferenzen zurückzuführen ist.

Bias s. Cognitive Bias

Bounded rationality Begrenzte Rationalität ist ein von Herbert Simon vorgeschlagenes Konzept, das den Begriff der menschlichen Rationalität in Frage stellt, wie er durch das Konzept des Homo Oeconomicus impliziert wird. Rationalität ist begrenzt, weil es Grenzen für unser Denkvermögen, die verfügbaren Informationen und die Zeit gibt (Simon, 1982). Begrenzte Rationalität ist eine Kernannahme der Sichtweise der „natürlichen Bewertungen“ der Heuristik und der Zweisystemmodelle des Denkens (Gilovich et al., 2002) und eine der psychologischen Grundlagen der Verhaltensökonomie.

(Economic) Bubble Wirtschaftsblasen (oder Vermögensblasen), bilden sich, wenn die Preise viel höher getrieben werden als ihr innerer Wert (siehe auch die Hypothese eines effizienten Marktes). Bekannte Beispiele für Blasen sind die USDot-Com-Blase am Aktienmarkt Ende der 1990er Jahre und die Immobilienblase Mitte der 2000er Jahre. Laut Robert Shiller (2015), der vor diesen beiden Ereignissen warnte, werden Spekulationsblasen durch ansteckende Investorenbegeisterung (siehe auch Herdenverhalten) und Geschichten, die Preiserhöhungen rechtfertigen, angeheizt. Zweifel am realen Wert von Investitionen werden von starken Emotionen wie Neid und Aufregung überwältigt.

Andere Bias-Varianten, die Blasen fördern, sind Übervertrauen, Anchoring und Repräsentativität, die Investoren dazu veranlassen, steigende Preise als einen Trend zu interpretieren, der sich fortsetzen wird und sie dazu veranlasst, dem Markt hinterherzulaufen (Fisher, 2014).

Auf Wirtschaftsblasen folgt in der Regel ein plötzlicher und starker Preisrückgang, der auch als Crash bezeichnet wird.

StraightONE Behavioral Economics Guide _ 2019

197

Teil 3 - Ressourcen

C

Choice Architecture Dieser von Thaler und Sunstein (2008) geprägte Begriff bezieht sich auf die Praxis, Entscheidungen zu beeinflussen, indem „der Kontext, in dem Menschen Entscheidungen treffen, organisiert wird“ (Thaler et al., 2013, S. 428; siehe auch Nudge). Ein häufig genanntes Beispiel ist die Art und Weise, wie das Essen in Cafeterien ausgelegt wird, wo das Anbieten von gesundem Essen am Anfang der Schlange oder auf Augenhöhe zu gesünderen Entscheidungen beitragen kann. Die Entscheidungsarchitektur umfasst viele andere Verhaltenshilfen, die sich auf Entscheidungen auswirken, wie z.B. Vorgabewerte, Framing oder Lockvogeloptionen.

Certainty/Possibility Effects Choice Overload Änderungen in der Wahrscheinlichkeit von Gewinnen oder Verlusten wirken sich nicht linear auf die subjektive Bewertung der Menschen aus (siehe auch Prospektivtheorie und Nullpreiseffekt) (Tversky & Kahneman, 1981). Beispielsweise hat ein Wechsel von einer 50%igen zu einer 60%igen Gewinnchance eine geringere emotionale Auswirkung als ein Wechsel von einer 95%igen zu einer 100%igen Chance (Gewissheit). Umgekehrt ist der Wechsel von einer 0%igen Chance auf eine 5%ige Chance, einen Preis zu gewinnen, attraktiver als ein Wechsel von 5% auf 10%. Menschen übergewichten kleine Wahrscheinlichkeiten, was die Attraktivität des Glücksspiels erklärt. Forschungsergebnisse deuten darauf hin, dass die Wahrscheinlichkeitswahrnehmung von Problemspielern, zu verlieren, nicht verzerrt ist und dass sich ihre Verlustaversion nicht wesentlich von der anderer Personen unterscheidet. Sie sind jedoch viel risikofreudiger und übergewichten kleine bis mittlere Gewinnwahrscheinlichkeiten stark (Ring et al., 2018).

198

StraightONE Behavioral Economics Guide _ 2019

Auch als „Überangebot“ bezeichnet, tritt das Phänomen der Überfrachtung des Angebots auf, weil den Verbrauchern zu viele Wahlmöglichkeiten zur Verfügung stehen. Überangebot wird mit Unzufriedenheit (Schwartz, 2004), Entscheidungsmüdigkeit, dem Festhalten an der Standardoption sowie mit einem Entscheidungsaufschub in Verbindung gebracht, d.h. mit dem völligen Verzicht auf eine Entscheidung, z.B. dem Nichtkauf eines Produkts (Iyengar & Lepper, 2000). Viele verschiedene Faktoren können zu einer wahrgenommenen Wahlüberlastung beitragen, darunter die Anzahl der Optionen und Attribute, zeitliche Zwänge, Verantwortlichkeit für die Entscheidung, Anpassbarkeit und Komplementarität der Optionen, Unsicherheit der Verbraucherpräferenzen und andere Faktoren (Chernev et al., 2015).

Choice Overload kann durch eine Vereinfachung der Wahlmerkmale oder der Anzahl der verfügbaren Optionen entgegengewirkt werden (Johnson et al., 2012).

Einige Studien zu Konsumgütern legen jedoch nahe,

dass paradoxerweise in Produktbereichen, bei denen sich Menschen eher unwissend fühlen (z.B. Wein), eine größere Auswahl angeboten werden sollte, während in Bereichen, bei denen sich Menschen eher kundig fühlen (z.B. Erfrischungsgetränke), weniger Auswahl angeboten werden sollte (Hadar & Sood, 2014).

verwendet, um Prozesse oder Aufgaben in besser handhabbare Stücke zu zerlegen (siehe zum Beispiel Eşanu, 2019, über Chunking im UX-Design oder Wijland & Hansen, 2016, über mobiles Nudging im Bankensektor).

Cognitive Bias Chunking Wenn die gleichen Informationen in einer anderen Form präsentiert werden, die leichter zu verarbeiten ist, ist unsere Fähigkeit, sie zu empfangen und zu behalten, größer. Menschen ordnen Informationen oft neu an, gruppieren oder komprimieren sie, um sie besser zu verstehen oder sich an sie zu erinnern. Die daraus resultierenden Untergruppen sind „Chunks“, also Brocken, die als eine Menge von Informationen oder Gegenständen definiert werden können, die kollektiv als eine Einheit behandelt werden (Mathy & Feldman, 2012). Das „Chunking“ kann durch strategische Reorganisation auf der Grundlage von Vertrautheit, Vorkenntnissen, Nähe oder anderen Mitteln zur Strukturierung der vorliegenden Informationen erfolgen. Beispielsweise kann eine Telefonnummer in drei Untergruppen von Ortsvorwahl, Vorwahl und Nummer aufgeteilt werden, oder man kann darin ein sinnvolles Datum erkennen und sie so leichter in verschiedenen Chunks organisieren.

In Bezug auf die ideale Menge an Chunks fand Miller (1956) heraus, dass sich Menschen bei der Informationsverarbeitung am besten an sieben plus oder minus zwei Einheiten erinnern. In jüngerer Zeit haben verschiedene Studien gezeigt, dass Chunking tatsächlich am effektivsten ist, wenn vier bis sechs Chunks gebildet werden (Mathy & Feldman, 2012). Obwohl dies eine „magische Zahl“ zu sein scheint, ist es auch möglich, zu lernen, die Größe dieser Chunks mit der Zeit zu erhöhen (Sullivan, 2009).

In der Verhaltenswissenschaft wurde Chunking auch

Ein kognitives Bias (z.B. Ariely, 2008) ist ein systematischer (nicht zufälliger) Denkfehler in dem Sinne, dass eine Beurteilung von dem abweicht, was aus der Perspektive akzeptierter Normen als wünschenswert oder aus Sicht der formalen Logik als richtig angesehen würde. Die Anwendung von Heuristiken ist oft mit kognitivem Bias verbunden. Einige Verzerrungen, z.B. solche, die sich aus der Verfügbarkeit oder Repräsentativität ergeben, sind „kalt“ in dem Sinne, dass sie nicht die Motivation einer Person widerspiegeln, sondern stattdessen das Ergebnis von Fehlern bei der Informationsverarbeitung sind. Andere Arten des kognitiven Bias, insbesondere solche, die eine eigennützige Funktion haben (z.B. übermäßiges Selbstvertrauen), sind motivierter. Schließlich gibt es auch Formen von Bias, die motiviert oder unmotiviert sein können, wie z.B. das Confirmation Bias (Nickerson, 1998).

Da die Untersuchung von Heuristiken und Biasformen ein Kernelement der Verhaltensökonomie ist, hat der Psychologe Gerd Gigerenzer vor der Falle eines „Bias Bias“ gewarnt - der Tendenz, Verzerrungen zu sehen, auch wenn es keine gibt (Gigerenzer, 2018).

Cognitive Dissonance Kognitive Dissonanz, ein wichtiges Konzept in der Sozialpsychologie (Festinger, 1957), bezieht sich auf die unangenehme Spannung, die zwischen zwei gleich-

StraightONE Behavioral Economics Guide _ 2019

199

Teil 3 - Ressourcen

zeitigen und widersprüchlichen Ideen oder Gefühlen bestehen kann - oft, wenn eine Person erkennt, dass sie ein Verhalten an den Tag gelegt hat, das nicht mit dem Typus der Person übereinstimmt, der sie sein möchte oder der in der Öffentlichkeit gesehen werden möchte.

Die Theorie besagt, dass Menschen motiviert sind, diese Spannung zu verringern, indem sie ihre Einstellungen, Überzeugungen oder Handlungen ändern. Zum Beispiel können Raucher ihr Verhalten rationalisieren, indem sie an „selbstbefreienden Überzeugungen“ festhalten, wie z.B. „Der medizinische Nachweis, dass Rauchen Krebs verursacht, ist nicht überzeugend“ oder „Viele Menschen, die ihr ganzes Leben lang rauchen, leben bis ins hohe Alter, so dass Rauchen für sie nicht so schlimm ist“ (Chapman et al., 1993).

Das Hervorrufen von Dissonanzen kann zur Erzielung von Verhaltensänderungen genutzt werden; in einer Studie (Dickerson et al., 1992) wurden beispielsweise Menschen auf ihren verschwenderischen Wasserverbrauch aufmerksam gemacht und dann dazu gebracht, andere zu drängen (öffentlich zu verpflichten), kürzer zu duschen. Personen, die sich in diesem „heuchlerischen Zustand“ befanden, duschten in der Folge deutlich kürzer als diejenigen, die nur daran erinnert wurden, dass sie Wasser verschwendet hatten oder sich lediglich öffentlich verpflichteten.

Commitment Commitments (siehe auch Precommitment) werden oft als Instrument eingesetzt, um dem Mangel an Willenskraft entgegenzuwirken und Verhaltensänderungen zu erreichen, z.B. in den Bereichen Diät oder Sparen. Je höher die Kosten für den Bruch eines Commitments, also einer Verpflichtung, sind, desto wirksamer ist sie (Dolan et al., 2010). Aus sozialpsychologischer Sicht sind Menschen motiviert, ein konsistentes und positives Selbstbild aufrechtzuerhalten (Cialdini, 2008),

200

StraightONE Behavioral Economics Guide _ 2019

und es ist wahrscheinlich, dass sie Verpflichtungen einhalten, um Reputationsschäden (wenn sie öffentlich gemacht werden) und/oder kognitive Dissonanzen zu vermeiden (Festinger, 1957). Ein Feldexperiment in einem Hotel fand zum Beispiel eine um 25% höhere Wiederverwendung von Handtüchern bei Gästen, die sich beim Einchecken zur Wiederverwendung von Handtüchern verpflichteten und eine Anstecknadel „Friend of the Earth“ trugen, um ihr Commitment während ihres Aufenthalts zu signalisieren (Baca-Motes et al., 2012). Die Verhaltensänderungstechnik des „Zielsetzens“ hängt mit dem Eingehen von Verpflichtungen zusammen (Strecher et al., 1995), während Gegenseitigkeit eine implizite Verpflichtung beinhaltet.

Confirmation Bias Confirmation Bias (Wason, 1960) tritt auf, wenn Menschen Informationen in einer Weise suchen oder bewerten, die zu ihrem bestehenden Denken und ihren Vorurteilen passt. Der Bereich der Wissenschaft, in dem Theorien sowohl auf der Grundlage falscher als auch stützender Beweise vorankommen sollten, war nicht immun gegen Verzerrungen, die oft damit verbunden sind, dass Menschen Hypothesen auf eine Weise verarbeiten, die sie letztendlich bestätigen (Oswald & Grosjean, 2004). In ähnlicher Weise kann ein Verbraucher, der eine bestimmte Marke mag und einen neuen Kauf recherchiert, motiviert sein, im Internet nach Kundenbewertungen zu suchen, die diese Marke bevorzugen. Confirmation Bias wurde auch mit unmotivierten Prozessen in Verbindung gebracht, einschließlich Vorrangwirkungen und dem Anchoring, die sich in einer Abhängigkeit von Informationen zeigen, die in einem frühen Stadium eines Prozesses auftreten (Nickerson, 1998).

Control Premium Confirmation Bias (Wason, 1960) tritt auf, wenn Menschen Informationen in einer Weise suchen oder bewerten, die zu ihrem bestehenden Denken und ihren Vorurteilen passt. Der Bereich der Wissenschaft, in dem Theorien sowohl auf der Grundlage falscher als auch stützender Beweise vorankommen sollten, war nicht immun gegen Verzerrungen, die oft damit verbunden sind, dass Menschen Hypothesen auf eine Weise verarbeiten, die sie letztendlich bestätigen (Oswald & Grosjean, 2004). In ähnlicher Weise kann ein Verbraucher, der eine bestimmte Marke mag und einen neuen Kauf recherchiert, motiviert sein, im Internet nach Kundenbewertungen zu suchen, die diese Marke bevorzugen. Confirmation Bias wurde auch mit unmotivierten Prozessen in Verbindung gebracht, einschließlich Vorrangwirkungen und dem Anchoring, die sich in einer Abhängigkeit von Informationen zeigen, die in einem frühen

die Anfänger benötigen, um eine Aufgabe zu erledigen (Hinds, 1999).

Eine lustige Art und Weise, den Fluch des Wissens in Aktion zu zeigen, ist ein Musikspiel, bei dem die Teilnehmer entweder der „Klopfer“ oder der „Zuhörer“ sind. Bei diesem Spiel wählt der Klopfer ein einfaches, bekanntes Lied aus, z.B. „Happy Birthday“, und klopft den Rhythmus auf einem Tisch. Die Zuhörer versuchen dann, das Lied zu erraten. In einem frühen Experiment erwarteten die Klopfer, dass die Zuhörer das Lied in 50 % der Fälle richtig erraten, doch in Wirklichkeit lagen die Zuhörer nur in 2,5 % der Fälle richtig (Newton, 1990).

Curse of Knowledge Ökonomen gehen im Allgemeinen davon aus, dass wir mit mehr Informationen bessere Entscheidungen treffen können. Die Informationsasymmetrie, die besteht, wenn ein Wirtschaftsakteur über mehr Informationen verfügt als ein anderer, kann jedoch auch negative Auswirkungen für den besser informierten Akteur haben.

Dies ist als „Curse of Knowledge“, also als Fluch des Wissens, bekannt (Camerer et al., 1989), der auftritt, weil besser informierte Agenten nicht in der Lage sind, ihr eigenes Wissen zu ignorieren.

Der Fluch des Wissens kann sich in vielen Bereichen des Wirtschaftslebens manifestieren, wie z.B. bei der Festsetzung von Preisen oder der Einschätzung der Produktivität. In Bezug auf Letzteres stellte eine Studie fest, dass Experten durchweg die Zeit unterschätzen,

StraightONE Behavioral Economics Guide _ 2019

201

Teil 3 - Ressourcen

D

und Alternativen. Wenn Menschen z.B. ihre Optionen einschränken, neigen sie oft dazu, Alternativen auf der Grundlage einer Teilmenge von Attributen zu untersuchen und dann Alternativen zu vergleichen. Choice-Architekten können nicht nur komplexe Entscheidungen in mehrere Stufen zerlegen, um den Prozess zu erleichtern, sondern sie können auch mit einem Verständnis der sequentiellen Entscheidungsfindung arbeiten, indem sie bestimmte Vergleiche in verschiedenen Stadien des Auswahlprozesses erleichtern (Johnson et al., 2012).

Decision Fatigue

Die Auswahl erfolgt oft relativ zu dem, was angeboten wird, und nicht auf der Grundlage absoluter Präferenzen. Der Ködereffekt ist technisch als „asymmetrisch dominierte Option“ bekannt und tritt auf, wenn sich die Präferenz der Menschen für eine Option gegenüber einer anderen durch Hinzufügen einer dritten (ähnlichen, aber weniger attraktiven) Option ändert. Beispielsweise entscheiden sich Menschen eher für einen eleganten Stift als für 6 Dollar in bar, wenn es eine dritte Option in Form eines weniger eleganten Stiftes gibt (Bateman et al., 2008). Während dieser Effekt im Zusammenhang mit Konsumgütern umfassend untersucht wurde, wurde er auch bei der Auswahl von Mitarbeitern (z.B. Slaughter et al., 2006), bei der Wahl der Wohnung (Simonson, 1989) oder als Anstoß zur Verbesserung der Handhygiene (Li et al., 2018) festgestellt.

Die Entscheidungsfindung ist mit psychologischen Kosten verbunden. Da die Auswahl schwierig sein kann und Anstrengung erfordert, wie jede andere Aktivität auch, können lange Sitzungen der Entscheidungsfindung zu schlechten Entscheidungen führen. Ähnlich wie bei anderen Tätigkeiten, die Ressourcen verbrauchen, die für Exekutivfunktionen benötigt werden, spiegelt sich die Entscheidungsmüdigkeit in der Selbstregulierung wider, wie z.B. in einer verminderten Fähigkeit zur Selbstkontrolle (Vohs et al., 2008) (siehe auch Choice Overload und Ego Depletion).

Decoy Effect

Decision Staging Wenn Menschen komplexe oder lange Entscheidungen treffen, wie z.B. beim Kauf eines Autos, neigen sie dazu, ihre Optionen sukzessive auszuloten. Dazu gehört die Entscheidung, auf welche Informationen sie sich konzentrieren wollen, sowie die Wahl zwischen Attributen

202

StraightONE Behavioral Economics Guide _ 2019

Default Standardoptionen sind voreingestellte Handlungsoptionen, die wirksam werden, wenn vom Entscheidungsträger nichts festgelegt wird (Thaler & Sunstein,

2008), und die Festlegung von Standardwerten ist ein wirksamer Anstoß, wenn bei der Entscheidungsfindung Trägheit oder Unsicherheit herrschen (Samson, 2014).

Da das Setzen von Vorgaben keine Anstrengung des Entscheidungsträgers erfordert, können Vorgaben ein einfaches, aber wirkungsvolles Mittel sein, wenn es Untätigkeit gibt (Samson & Ramani, 2018). Wenn die Entscheidungen schwierig sind, können Zahlungsausfälle auch als empfohlene Vorgehensweise angesehen werden (McKenzie et al., 2006). Die Forderung, dass Menschen explizit angeben müssen (opt-out), wenn sie z.B. ihre Organe nicht spenden wollen, wurde mit höheren Spenderraten in Verbindung gebracht (Johnson & Goldstein, 2003). Auch die Einzahlung von Beiträgen auf Alterssparkonten ist in einigen Ländern, wie z.B. in Großbritannien und den Vereinigten Staaten, automatisch geworden.

Delusion of Competence (Dunning-Kruger Effect) Dies ist der Fall, wenn es einer Person entweder sozial oder pathologisch an der reflexiven Erkenntnis mangelt, dass sie nicht in der Lage ist, eine Entscheidung zu treffen oder in Bezug auf die Anforderungen einer Situation angemessen zu handeln. Kruger und Dunning (1999) beobachteten eine Diskrepanz zwischen wahrgenommener und tatsächlicher Kompetenz, was eine Reihe von unsoliden Entscheidungen erklärt. Dieser Effekt erklärt, warum sich die Vorstände neben anderen Schwierigkeiten in der realen Welt dazu entschließen, Produkte zu fördern, deren Funktionsweise sie nicht verstehen, und warum die Teilnehmer an Talentshows sich ihrer Unfähigkeit zu singen nicht bewusst sind, bis sie von der Jury ausgeschlossen werden. (Das Vorherrschen dieser Form von Bias hat die Produzenten bestimmter Talentshows sehr wohlhabend gemacht).

Dictator Game Das Diktatorspiel ist ein experimentelles Spiel (siehe Verhaltensspieltheorie), das altruistische Aspekte des Verhaltens hervorrufen soll. Im Ultimatumspiel wird ein vorschlagender Spieler mit einer Geldsumme ausgestattet und gebeten, diese mit einem anderen (antwortenden) Spieler zu teilen. Der antwortende Spieler kann das Angebot des vorschlagenden Spielers entweder annehmen oder ablehnen, in diesem Fall erhält keiner der beiden Spieler etwas. Da die geäußerten Präferenzen im Ultimatumspiel auf andere Faktoren als Altruismus (z.B. Angst vor Neid) zurückzuführen sein können, wird das Diktatorspiel gespielt, ohne dass der Antwortende entscheiden kann, ob er das Angebot annimmt oder nicht (Camerer, 2003). Infolgedessen ist nur ein einziger tatsächlicher Spieler beteiligt und es handelt sich nicht unbedingt um ein Spiel. Ob diese Spiele Altruismus oder etwas anderes tatsächlich besser messen können oder nicht, ist Teil einer interessanten Debatte (z.B. Bardsley, 2008) (siehe Trust Game.)

Discounting Siehe Time Discounting

Disposition Effect Der Dispositionseffekt bezieht sich auf die Zurückhaltung von Investoren, Vermögenswerte zu verkaufen, die an Wert verloren haben, und darauf, dass sie eher geneigt sind, Vermögenswerte zu verkaufen, die Gewinne erzielt haben (Shefrin & Statman, 1985). Dieses Phäno-

StraightONE Behavioral Economics Guide _ 2019

203

Teil 3 - Ressourcen

men lässt sich mit der Prospect Theory (Loss Aversion), Regret Avoidance und Mental Accounting erklären.

Diversification Bias Menschen möchten lieber eine größere Auswahl haben, wenn sie sich gleichzeitig für mehrere Artikel für den zukünftigen Verbrauch entscheiden sollen, als wenn sie ihre Wahl sequentiell, d.h. auf einer „im Moment“Basis treffen. Diversifizierung ist nicht optimal, wenn Menschen ihr Bedürfnis nach Vielfalt überschätzen (Read & Loewenstein, 1995). Mit anderen Worten, sequentielle Entscheidungen führen zu einem größeren Erfahrungsnutzen. Beispielsweise kann ich vor einer Urlaubsreise klassische Musik, Rock- und Popmusik auf meinen MP3-Player hochladen, aber auf der eigentlichen Reise höre ich am Ende vielleicht meistens meine Lieblings-Rockmusik. Wenn Menschen eine gleichzeitige Auswahl zwischen Dingen treffen, die als Tugenden (z.B. anspruchsvolle Filme oder gesunde Nachspeisen) oder Laster (z.B. anspruchslose Filme oder genussvolle Nachspeisen) klassifiziert werden können, beinhaltet ihre Diversifizierungsstrategie gewöhnlich eine größere Auswahl an Tugenden (Read et al., 1999) (siehe auch Projection Bias).

Dual-Self Model In der Ökonomie befassen sich Dual-Self Models mit der Inkonsistenz zwischen dem langfristigen Selbst des Patienten und dem kurzsichtigen, kurzfristigen Selbst.

Im Hinblick auf das Sparverhalten führten Thaler und Shefrin (1981) die Konzepte des weitsichtigen Planers und des kurzsichtigen Machers ein. Zu jedem Zeitpunkt gibt es einen Konflikt zwischen denjenigen Formen des Selbst mit zwei Präferenzgruppen. Der Ansatz hilft den

204

StraightONE Behavioral Economics Guide _ 2019

Wirtschaftstheoretikern, das Paradoxon zu überwinden, das durch die Selbstkontrolle in Standardbetrachtungen des Nutzens entsteht. Das neuere Dual-Self Model der Impulskontrolle (Fudenberg & Levine, 2006) erklärt Erkenntnisse aus den Bereichen Zeitdiskontierung, Risikoaversion und Selbstkontrolle (siehe auch intertemporale Wahl). Die eher praxisorientierte Forschung zum Sparverhalten hat versucht, den Menschen das Gefühl zu geben, sich mit ihrem zukünftigen Selbst stärker verbunden zu fühlen und ihnen bewusst zu machen, dass sie die zukünftigen Empfänger der gegenwärtigen Ersparnisse sind. In einem Experiment wiesen Teilnehmer, die ihrem zukünftigen (im Gegensatz zum gegenwärtigen) Selbst in Form eines altersfortschrittlichen Avatars in Virtual-Reality-Umgebungen ausgesetzt waren, doppelt so viel Geld auf ein Rentenkonto zu (Hershfield et al., 2011).

Dual-System Theory Zwei-System-Modelle des menschlichen Verstandes stellen automatisches, schnelles und unbewusstes (System 1) dem kontrollierten, langsamen und bewussten (System 2) Denken gegenüber (siehe Strack & Deutsch, 2015, für eine ausführliche Rezension). Viele Heuristiken und kognitiven Verzerrungen, die von Verhaltensökonomen untersucht werden, sind das Ergebnis von Intuition, Eindrücken oder automatischen Gedanken, die von System 1 erzeugt werden (Kahneman, 2011).

Zu den Faktoren, die die Prozesse von System 1 bei der Entscheidungsfindung dominanter machen, gehören kognitive Geschäftigkeit, Ablenkung, Zeitdruck und positive Stimmung, während die Prozesse von System 2 tendenziell verstärkt werden, wenn die Entscheidung ein wichtiges Objekt betrifft, die persönliche Relevanz erhöht ist und wenn der Entscheidungsträger von anderen zur Rechenschaft gezogen wird (Samson & Voyer, 2012; Samson & Voyer, 2014).

E Efficient market hypothesis Nach der Hypothese des effizienten Marktes spiegelt der Preis (Marktwert) eines Wertpapiers seinen wahren Wert (innerer Wert) wider. In einem Markt mit vollkommen rationalen Agenten „stimmen die Preise“.

Erkenntnisse aus der Behavioral Finance legen dagegen nahe, dass Vermögenspreise auch das Handelsverhalten von Personen widerspiegeln, die nicht völlig rational sind (Barberis & Thaler, 2003), was zu Anomalien wie Vermögensblasen führt.

Ego Depletion Die Ego-Erschöpfung ist ein Konzept, das von der Theorie der Selbstregulierung (oder Selbstkontrolle) in der Psychologie ausgeht. Nach dieser Theorie funktioniert Willenskraft wie ein Muskel, der trainiert oder benutzt werden kann. Studien haben herausgefunden, dass Aufgaben, die Selbstkontrolle erfordern, diesen Muskel schwächen können, was zu einer Erschöpfung des Egos

und in der Folge zu einer verminderten Fähigkeit zur Ausübung von Selbstkontrolle führen kann. Im Labor wurde die Erschöpfung des Egos auf viele verschiedene Arten herbeigeführt, z.B. wenn man Emotionen oder Gedanken unterdrücken oder eine Reihe schwieriger Entscheidungen treffen muss. Die daraus resultierende Erschöpfung des Egos führt dazu, dass die Menschen weniger zurückhaltende Entscheidungen treffen; Verbraucher entscheiden sich z.B. eher für Süßigkeiten als für „gesunde“ Müsliriegel (Baumeister et al., 2008).

Einige Studien deuten nun darauf hin, dass die Evidenz für dieses Ressourcenerschöpfungsmodell der Selbstkontrolle überschätzt worden ist (z.B. Hagger & Chatzisarantis, 2016).

Elimination-by-Aspects Entscheidungsträgern steht eine Vielzahl von Heuristiken zur Verfügung, wenn sie Entscheidungen treffen.

Eine dieser aufwandsmindernden Heuristiken wird als „Elimination nach Aspekten“ bezeichnet. Wenn sie angewendet wird, reduzieren die Entscheidungsträger schrittweise die Anzahl der Alternativen in einer Auswahlmenge, beginnend mit dem Aspekt, den sie für den wichtigsten halten. Es wird jeweils ein Stichwort auf einmal bewertet, bis immer weniger Alternativen in der Menge der verfügbaren Optionen übrigbleiben (Tversky, 1972). Beispielsweise kann ein Reisender zunächst eine Auswahl von Hotels an einem Zielort auf der Grundlage der Klassifizierung vergleichen und dabei alle Hotels mit weniger als drei Sternen eliminieren. Die Person kann dann die festgelegte Auswahl durch die Entfernung zum Strand zu Fuß weiter reduzieren, gefolgt von Gästebewertungen usw., bis nur noch eine Option übrigbleibt.

Empathy Gap

StraightONE Behavioral Economics Guide _ 2019

205

Teil 3 - Ressourcen

Für den Menschen ist es schwierig, vorherzusagen, wie er sich in Zukunft verhalten wird. Eine Heiß-KaltEmpathielücke entsteht, wenn Menschen den Einfluss viszeraler Zustände (z.B. Wut, Schmerz oder Hunger) auf ihr Verhalten oder ihre Präferenzen unterschätzen (Loewenstein, 2005). In der medizinischen Entscheidungsfindung kann z.B. eine Heiß-Kalt-Empathielücke zu unerwünschten Behandlungsentscheidungen führen, wenn Krebspatienten direkt nach der Mitteilung ihrer Diagnose aufgefordert werden, sich zwischen den Behandlungsoptionen zu entscheiden.

In einer Studie wurden Raucher verschiedenen Versuchsbedingungen zugeordnet (Sayette et al., 2008). Einige Raucher in einem heißen Zustand (des Verlangens) wurden in einer zweiten Sitzung gebeten, Vorhersagen über einen Zustand mit hohem Verlangen zu machen.

Andere machten die gleiche Vorhersage, während sie sich in einem kalten Zustand befanden. Im Gegensatz zu denen in der heißen Gruppe sagten die Raucher in der kalten Gruppe nicht voraus, wie sehr sie das Rauchen während der zweiten Sitzung schätzen würden. Dieses Empathie-Gefälle kann schlechte Entscheidungen von Rauchern, die versuchen, mit dem Rauchen aufzuhören, erklären, die sie in Hochrisikosituationen bringen (z.B. Geselligkeit bei einem Getränk), und warum Menschen ihr Risiko, abhängig zu werden, überhaupt unterschätzen.

Endowment Effect Diese Verzerrung tritt auf, wenn wir ein Gut, das wir besitzen, unabhängig von seinem objektiven Marktwert überbewerten (Kahneman et al., 1991). Sie wird offenbar, wenn Menschen relativ zögerlich werden, sich von einem Gut für seinen Gegenwert in bar zu trennen, oder wenn der Betrag, den Menschen bereit sind, für das Gut zu zahlen, niedriger ist als der Betrag, den sie beim Verkauf des Gutes zu akzeptieren bereit sind. Einfacher ausgedrückt: Menschen messen den Dingen einen

206

StraightONE Behavioral Economics Guide _ 2019

höheren Wert bei, wenn sie erst einmal das Eigentum erworben haben. Dies gilt insbesondere für Güter, die normalerweise nicht auf dem Markt gekauft oder verkauft würden, in der Regel Gegenstände mit symbolischer, empirischer oder emotionaler Bedeutung. Untersuchungen zum Endowment-Effekt wurden mit Waren vom Kaffeebecher (Kahneman et al., 1990) bis hin zu Sportkarten (List, 2011) durchgeführt. Obwohl die Forscher verschiedene Gründe für den Effekt vorgeschlagen haben, lässt er sich am besten durch psychologische Faktoren im Zusammenhang mit der Verlustaversion erklären (Ericson & Fuster, 2014).

Extrapolation bias Siehe Representativeness Heuristik

F Fairness In der Verhaltenswissenschaft bezieht sich Fairness auf unsere soziale Präferenz für gerechte Ergebnisse. Dies kann sich als Ungleichheitsaversion äußern, d.h. als die Neigung von Menschen, ungleiche Auszahlungen zu ihren eigenen Gunsten oder zu Gunsten anderer abzulehnen. Diese Tendenz wurde durch experimentelle Spiele wie das Ultimatum-, Diktator- und Vertrauensspiel dokumentiert (Fehr & Schmidt, 1999).

Ein großer Teil der Fairnessforschung in der Wirtschaft hat sich auf Preise und Löhne konzentriert. In Bezug auf die Preise zum Beispiel akzeptieren die Verbraucher Preiserhöhungen infolge eines kurzfristigen Nachfragewachstums im Allgemeinen weniger als einen Anstieg der Kosten (Kahneman et al., 1986). In Bezug auf die Löhne und Gehälter stimmen die Arbeitgeber oft zu, mehr als das Minimum zu zahlen, das die Arbeitnehmer akzeptieren würden, in der Hoffnung, dass diese Fairness erwidert wird (z.B. Jolls, 2002). Auf der anderen Seite wird wahrgenommene Ungerechtigkeit, wie z.B. eine überhöhte Vergütung von CEOs, verhaltensbedingt mit einer verringerten Arbeitsmoral unter den Beschäf-

tigten in Verbindung gebracht (Cornelissen et al., 2011).

Fast and Frugal Eine schnelle und genügsame (fast and frugal) Entscheidungsfindung bezieht sich auf die Anwendung ökologisch rationaler Heuristiken, wie z.B. der Erkennungsheuristik, die in den psychologischen Fähigkeiten wurzeln, die wir als menschliche Tiere entwickelt haben (z.B. Gedächtnis und Wahrnehmungssysteme). Sie sind „schnell und genügsam“, weil sie unter Bedingungen begrenzter Rationalität wirksam sind - wenn Wissen, Zeit und Rechenkraft begrenzt sind (Goldstein & Gigerenzer, 2002).

Fear of missing out Die sozialen Medien haben es uns ermöglicht, uns mit anderen zu verbinden und mit ihnen zu interagieren, aber die Zahl der Optionen, die uns über diese Kanäle angeboten werden, ist aufgrund der begrenzten Zeit und der praktischen Zwänge weitaus größer als das, was wir realistischerweise in Anspruch nehmen können. Das populäre Konzept von FoMO oder Furcht vor Versäumnissen bezieht sich auf „eine allgegenwärtige Befürchtung, dass andere lohnende Erfahrungen machen könnten, bei denen man nicht dabei ist“ (Przybylski et al., 2013).

Menschen, die an FoMO leiden, haben den starken Wunsch, ständig darüber informiert zu sein, was andere tun (siehe auch Scarcity Heuristic, Regret Aversion und Loss Aversion).

Framing Effect

StraightONE Behavioral Economics Guide _ 2019

207

Teil 3 - Ressourcen

Entscheidungen können so präsentiert werden, dass die positiven oder negativen Aspekte derselben Entscheidung hervorgehoben werden, was zu Veränderungen in ihrer relativen Attraktivität führt. Diese Technik war Teil von Tverskys und Kahnemans Entwicklung der Prospektivtheorie, die Glücksspiele in Form von Verlusten oder Gewinnen darstellte (Kahneman & Tversky, 1979a).

Es wurden verschiedene Arten von Framing-Ansätzen identifiziert, darunter das Framing risikoreicher Entscheidungen (z.B. das Risiko, 10 von 100 Leben zu verlieren, gegenüber der Möglichkeit, 90 von 100 Leben zu retten), das Framing von Attributen (z.B. Rindfleisch, das als 95% mager gegenüber 5% fett beschrieben wird) und das Framing von Zielen (z.B. Motivieren von Menschen durch eine Belohnung von 5 Dollar gegenüber der Verhängung einer Strafe von 5 Dollar) (Levin et al., 1998).

Das Konzept des Framing hat auch eine lange Geschichte in der politischen Kommunikation, wo es sich auf den Informationsschwerpunkt bezieht, den ein Kommunikator wählt, um eine bestimmte Botschaft zu vermitteln.

In diesem Bereich hat die Forschung untersucht, wie sich das Framing auf die öffentliche Meinung von politischen Kandidaten, die Politik oder allgemeinere Themen auswirkt (Busby et al., 2018).

G Gambler’s Fallacy Der Begriff „Gambler’s Fallacy“ (Spielerfehlschluss) bezieht sich auf den Irrglauben mancher Leute, dass unabhängige Ereignisse miteinander zusammenhängen; zum Beispiel kann sich ein Roulette- oder Lotteriespieler dafür entscheiden, nicht auf eine Zahl zu setzen, die in der vorherigen Runde auftauchte. Auch wenn sich die Menschen in der Regel bewusst sind, dass aufeinanderfolgende Ziehungen von Zahlen in keinem Zusammenhang stehen, kann ihr Bauchgefühl ihnen etwas anderes sagen (Rogers, 1998).

(Behavioral) Game Theory Spieltheorie ist ein mathematischer Ansatz zur Modellierung von Verhalten durch Analyse der strategischen Entscheidungen, die von interagierenden Spielern getroffen werden (Nash, 1950). In der experimentellen Standardökonomie geht die Theorie vom Homo Oeconomicus aus - einem eigennützigen, rationalen

208

StraightONE Behavioral Economics Guide _ 2019

Maximierer. Die Verhaltensspieltheorie erweitert die standardmäßige (analytische) Spieltheorie, indem sie berücksichtigt, wie sich die Spieler in Bezug auf Auszahlungen, die andere Spieler erhalten, fühlen. Ebenso finden Grenzen im strategischen Denken, der Einfluss des Kontextes sowie die Auswirkungen des Lernens Berücksichtigung (Camerer, 2003). Bei Spielen geht es in der Regel um Kooperation oder Fairness. Bekannte Beispiele sind das Ultimatumspiel, das Diktatorspiel und das Vertrauensspiel.

H Habit Gewohnheit ist ein automatisches und starres Verhaltensmuster in bestimmten Situationen, das in der Regel

durch Wiederholung erworben wird und sich durch assoziatives Lernen entwickelt (siehe auch System 1 in der Dual-System-Theorie), wenn Handlungen wiederholt mit einem Kontext oder einem Ereignis gepaart werden (Dolan et al., 2010). „Gewohnheitsschleifen“ beinhalten einen Hinweis, der eine Handlung auslöst, das tatsächliche Verhalten und eine Belohnung. Gewohnheitstrinker können zum Beispiel nach der Arbeit nach Hause kommen (das Stichwort), ein Bier trinken (das Verhalten) und sich entspannt fühlen (die Belohnung) (Duhigg, 2012). Verhaltensweisen können zunächst dazu dienen, ein bestimmtes Ziel zu erreichen, aber sobald die Handlung automatisch und gewohnheitsmäßig erfolgt, verliert das Ziel seine Bedeutung. Zum Beispiel kann Popcorn im Kino gewohnheitsmäßig gegessen werden, obwohl es abgestanden ist (Wood & Neal, 2009).

Habits können auch mit dem Status-Quo-Bias assoziiert werden.

Halo Effect Dieses Konzept wurde in der Sozialpsychologie entwickelt und bezieht sich auf die Erkenntnis, dass eine globale Bewertung einer Person manchmal die Wahrnehmung anderer, nicht verbundener Eigenschaften dieser Person beeinflusst. So kann zum Beispiel eine freundliche Person als körperlich attraktiv bewertet werden, während eine kalte Person als weniger ansprechend bewertet werden kann (Nisbett & Wilson, 1977). HaloEffekte sind auch in anderen Bereichen der Psychologie angewandt worden. So hat beispielsweise eine Studie über den „Gesundheitshalo“ ergeben, dass Verbraucher dazu neigen, in Fastfood-Restaurants, die behaupten, gesund zu sein (z.B. Subway), im Vergleich zu anderen (z.B. McDonald‘s) Getränke, Beilagen und Desserts mit einem höheren Kaloriengehalt zu wählen (Chandon & Wansink, 2007).

StraightONE Behavioral Economics Guide _ 2019

209

Teil 3 - Ressourcen

Economou et al., 2018), Unsicherheit (z.B. Lin, 2018) oder eine gemeinsame Identität der Entscheidungsträger (z.B. Berger et al., 2018) verstärkt werden.

Hedonic Adaptation Menschen gewöhnen sich an veränderte Lebenserfahrungen, ein Prozess, der als „hedonische Anpassung“ oder „hedonische Tretmühle“ bezeichnet wird. So wie das Glück, das mit dem Besitz eines neuen Geräts oder einer Gehaltserhöhung einhergeht, mit der Zeit nachlässt, so neigen auch die negativen Auswirkungen von Lebensereignissen wie Trauer oder Einschränkung des subjektiven Wohlbefindens dazu, sich bis zu einem gewissen Grad abzuschwächen (Frederick & Loewenstein, 1999). Wenn dies geschieht, kehren die Menschen zu einer relativ stabilen Grundlinie des Glücks zurück. Es wurde angeregt, dass die Wiederholung kleinerer positiver Erfahrungen („hedonische Impulse“), wie Sport oder religiöse Praktiken, eine nachhaltigere Wirkung auf unser Wohlbefinden hat als größere Lebensereignisse (Mochon et al., 2008).

Herd Behavior Dieser Effekt zeigt sich, wenn Menschen das tun, was andere tun, anstatt ihre eigenen Informationen zu nutzen oder unabhängige Entscheidungen zu treffen.

Die Idee des Herdenverhaltens hat in der Philosophie und der Psychologie eine lange Geschichte. Besonders relevant ist sie im Finanzbereich, wo sie im Zusammenhang mit der kollektiven Irrationalität von Investoren, einschließlich Börsenblasen, diskutiert wurde (Banerjee, 1992). In anderen Bereichen der Entscheidungsfindung, wie Politik, Wissenschaft und Populärkultur, wird das Herdenverhalten manchmal als „Informationskaskade“ bezeichnet (Bikhchandi et al., 1992). Das Herdenverhalten kann durch verschiedene Faktoren wie Angst (z.B.

210

StraightONE Behavioral Economics Guide _ 2019

Heuristic Heuristiken werden allgemein als kognitive Abkürzungen oder Faustregeln definiert, die Entscheidungen vereinfachen, insbesondere unter Bedingungen der Unsicherheit. Sie stellen einen Prozess dar, bei dem eine schwierige Frage durch eine einfachere ersetzt wird (Kahneman, 2003). Heuristiken können auch zu kognitiven Verzerrungen führen. Es gibt Meinungsverschiedenheiten bezüglich der Heuristik in Bezug auf Verzerrungen und Rationalität. In der schnellen und sparsamen Sichtweise ist die Anwendung von Heuristiken (z.B. Recognition Heuristic) eine „ökologisch rationale“ Strategie, die die begrenzten Informationen, die den Individuen zur Verfügung stehen, am besten nutzt (Goldstein & Gigerenzer, 2002).

Es gibt im Allgemeinen verschiedene Klassen von Heuristiken, je nach ihrem Anwendungsbereich. Einige Heuristiken, wie Affekt-, Verfügbarkeits- und Repräsentativitätsheuristik, haben einen allgemeinen Zweckcharakter. Andere, die in der Sozial- und Verbraucherpsychologie entwickelt wurden, sind eher domänenspezifisch. Beispiele hierfür sind Markennamen-, Preisund Knappheits-Heuristiken (Shah & Oppenheimer, 2008).

Hindsight Bias Diese Verzerrung, die auch als „Knew-it-all-along-Effekt’“ bezeichnet wird, ist eine häufig anzutreffende Verzerrung bei der Beurteilung, die zum Teil auf Verfügbarkeits- und Repräsentativitätsheuristik zurückzu-

führen ist. Sie tritt auf, wenn wir neue Informationen erhalten, die unsere Erinnerung von einem ursprünglichen Gedanken zu etwas anderem verändern (Mazzoni & Vannucci, 2007). Diese Voreingenommenheit kann zu verzerrten Beurteilungen der Wahrscheinlichkeit des Eintretens eines Ereignisses führen, weil das Ergebnis eines Ereignisses so wahrgenommen wird, als wäre es vorhersehbar gewesen. Sie kann auch zu einer verzerrten Erinnerung bei der Beurteilung von Faktenwissen führen. Verzerrungen im Nachhinein können ein Problem bei rechtlichen Entscheidungen sein. Bei Klagen wegen ärztlichen Fehlverhaltens zum Beispiel nimmt die Voreingenommenheit der Geschworenen im Nachhinein tendenziell mit der Schwere des Ergebnisses (z.B. Verletzung oder Tod) zu (Harley, 2007).

Homo Economicus Der Begriff „Homo Oeconomicus“ oder „Economic Man“ bezeichnet eine Sicht des Menschen in den Sozialwissenschaften, insbesondere der Wirtschaft, als eigennützige Akteurinnen und Akteure, die nach optimalen, nutzenmaximierenden Ergebnissen streben. Verhaltensökonomen und die meisten Psychologen, Soziologen und Anthropologen stehen diesem Konzept kritisch gegenüber. Die Menschen sind nicht immer eigennützig (siehe Social Preferences), noch sind sie hauptsächlich auf Nutzenmaximierung und Kostenminimierung bedacht. Wir treffen Entscheidungen oft in einem Zustand der Unsicherheit mit unzureichendem Wissen, Feedback und Verarbeitungsfähigkeit (Bounded Rationality).

Manchmal fehlt es uns an Selbstkontrolle, und unsere Präferenzen ändern sich, oft als Reaktion auf Veränderungen im Entscheidungskontext.

Honesty

Ehrlichkeit ist ein wichtiger Teil unseres täglichen Lebens. Sowohl im Geschäfts- als auch im Privatleben werden Beziehungen auf der Grundlage unseres Vertrauens in die Ehrlichkeit und Gegenseitigkeit der anderen Partei aufgebaut und abgebrochen.

Eine Studie aus dem Jahr 2016 untersuchte Ehrlichkeit, den Glauben an Ehrlichkeit und wirtschaftliches Wachstum in 15 Ländern und deckte große länderübergreifende Unterschiede auf. Die Ergebnisse zeigten, dass die durchschnittliche Ehrlichkeit positiv mit dem ProKopf-BIP assoziiert war, was auf einen Zusammenhang zwischen Ehrlichkeit und wirtschaftlicher Entwicklung schließen lässt. Die Erwartungen hinsichtlich des Grads an Ehrlichkeit in den Ländern entsprachen jedoch nicht der Realität (die tatsächliche Ehrlichkeit bei Berichten über die Ergebnisse eines Münzwurf-Experiments), sondern wurden eher durch kognitive Verzerrungen gesteuert (Hugh-Jones, 2016).

Menschen schätzen in der Regel Ehrlichkeit, neigen dazu, einen starken Glauben an ihre Moral zu haben und wollen diesen Aspekt ihres Selbstkonzepts beibehalten (Mazar et al., 2008). Eigeninteresse kann mit der Ehrlichkeit der Menschen als einer verinnerlichten sozialen Norm in Konflikt geraten, aber die daraus resultierende kognitive Dissonanz kann durch Selbsttäuschung überwunden werden, indem man sich auf Selbsttäuschung einlässt und moralischen „Spielraum“ schafft, der es den Menschen ermöglicht, eigennützig zu handeln. Wenn moralische Ermahnungen eingesetzt werden, kann diese Selbsttäuschung jedoch reduziert werden, wie in Laborexperimenten von Mazar und Kollegen (2008) gezeigt wurde. Es ist daher nicht überraschend, dass ein Mangel an sozialen Normen eine allgemeine Triebfeder für unehrliches Verhalten ist, zusammen mit einem hohen Nutzen und niedrigen Kosten externer Täuschung, einem Mangel an Selbstbewusstsein sowie Selbsttäuschung (Mazar & Ariely, 2006).

Ehrlichkeit muss auch im Zusammenhang mit der Gruppenzugehörigkeit verstanden werden. Die Mitarbeiter

StraightONE Behavioral Economics Guide _ 2019

211

Teil 3 - Ressourcen

einer großen internationalen Bank zum Beispiel verhielten sich in der Kontrollvorgabe eines Experiments im Durchschnitt ehrlich, aber wenn ihre berufliche Identität als Banker herausgestellt wurde, wurde ein erheblicher Teil von ihnen unehrlich. Dies deutet darauf hin, dass die im Bankgewerbe vorherrschende Geschäftskultur die Ehrlichkeitsnorm (Cohn et al., 2014) schwächt und untergräbt (siehe auch Identity Economics).

Hot and Cold States Siehe Empathy Gap

Hyperbolic Discounting See Time Discountin

I Identity Economics Die Identitätsökonomie beschreibt die Idee, dass wir wirtschaftliche Entscheidungen auf der Grundlage monetärer Anreize und unserer Identität treffen. Das Selbst- oder Identitätsgefühl einer Person beeinflusst die wirtschaftlichen Ergebnisse. Dies wurde in der bahnbrechenden Arbeit von Akerlof und Kranton (2000) umrissen, die die Standard-Nutzenfunktion um pekuniäre Auszahlungen und die Identitätsökonomie in einem einfachen spieltheoretischen Verhaltensmodell erweiterte und die Psychologie und Soziologie damit weiter in das wirtschaftliche Denken integrierte.

Wenn wirtschaftliche (oder andere extrinsische) Anreize in Organisationen wirkungslos sind, kann Identität die Antwort sein: das Selbstverständnis eines Arbeitnehmers als Stelleninhaber und sein Ideal, wie seine Arbeit zu erledigen ist, kann an sich schon ein wichtiger Anreiz sein (Akerlof & Kranton, 2005). In einer Studie mit 306 Einzelhandelsgeschäften zum Beispiel (Lichtenstein et al., 2010) wurde festgestellt, dass die Identifizierung mit Organisationen in direktem Zusammenhang mit der Leistung der Mitarbeiter und sogar indirekt mit

212

StraightONE Behavioral Economics Guide _ 2019

Kundenbewertungen und der Leistung der Geschäfte steht. Auch als die Mitarbeiter ermutigt wurden, ihre eigenen Berufsbezeichnungen so zu gestalten, dass sie den einzigartigen Wert, den sie in die Arbeit einbringen, besser widerspiegeln, stieg die Identifikation und die emotionale Erschöpfung wurde verringert (Grant et al., 2014). In einigen Fällen kann die Identität auch negative Auswirkungen haben. Banker, deren berufliche Identität herausgestellt wurde, zeigten zum Beispiel ein unehrlicheres Verhalten (siehe Honesty).

Ikea Effect Während der Endowment-Effekt suggeriert, dass der bloße Besitz eines Produkts dessen Wert für den Einzelnen erhöht, zeigt sich der IKEA-Effekt, wenn investierte Arbeit zu einer überhöhten Produktbewertung führt (Norton et al., 2012). Beispielsweise zeigen Experimente, dass der monetäre Wert, der selbst gemachten Waren zugewiesen wird, die von einem Amateur hergestellt wurden, dem Wert entspricht, der selbst gemachten Waren zugewiesen wird, die von einem Experten hergestellt wurden. Sowohl erfahrene als auch unerfahrene Heimwerker sind anfällig für den IKEA-Effekt. Untersuchungen zeigten auch, dass der Effekt nicht einfach auf die Zeit zurückzuführen ist, die für die Kreationen aufgewendet wird, da die Demontage eines zuvor gebauten Produkts den Effekt verschwinden lässt.

Der IKEA-Effekt ist heute angesichts der Verlagerung der Massenproduktion hin zu zunehmender kundenspezifischer Anpassung und Co-Produktion von Wert besonders relevant. Für den Effekt gibt es eine Reihe möglicher Erklärungen, wie positive Gefühle (einschließlich Kompetenzgefühle), die mit der erfolgreichen Erfüllung einer Aufgabe einhergehen, eine Konzentration auf die positiven Eigenschaften des Produkts, die Beziehung zwischen Anstrengung und Sympathie (Norton et al., 2012), eine Verbindung zwischen unseren Kreationen

und unserem Selbstkonzept (Marsh et al., 2018) sowie ein psychologisches Gefühl des Eigentums (Sarstedt et al., 2017. Effort Heuristic ist ein weiteres Konzept, das eine Verbindung zwischen wahrgenommener Anstrengung und Bewertung vorschlägt (Kruger et al., 2004).

Incentives Ein Incentive, also ein Anreiz, ist etwas, das ein Individuum zur Ausführung einer Handlung motiviert. Es ist daher für die Untersuchung jeder wirtschaftlichen Tätigkeit von wesentlicher Bedeutung. Anreize, ob es sich nun um intrinsische oder extrinsische (traditionelle) Anreize handelt, können wirksam sein, um Verhaltensänderungen zu fördern, wie z.B. das Rauchen aufzugeben, sich mehr zu bewegen, sich an Steuergesetze zu halten oder einen größeren Beitrag zum Gemeinwohl zu leisten. Traditionelle Anreize können wirksam Änderungen im Verhalten fördern, da sie sowohl dazu beitragen können, erwünschte Gewohnheiten hervorzubringen als auch unerwünschte Gewohnheiten zu brechen. Anreize schon im Vorfeld anzubieten kann dem Problem eines gegenwärtigen Bias - der Konzentration der Menschen auf eine sofortige Befriedigung - entgegenwirken. Und schließlich können Anreize den Menschen helfen, Hindernisse für Verhaltensänderungen zu überwinden (Gneezy et al., 2019).

Traditionell wurde die Bedeutung von intrinsischen Anreizen unterschätzt, und der Schwerpunkt lag auf monetären Anreizen. Monetäre Anreize können nach hinten losgehen und die Leistung von Akteuren oder ihre Einhaltung von Regeln verringern (siehe auch OverJustification-Effekt), insbesondere wenn Motive wie der Wunsch nach Gegenleistung oder der Wunsch, soziale Missbilligung zu vermeiden (siehe Social Norms), vernachlässigt werden. Diese intrinsischen Motive helfen oft, Verhaltensänderungen zu verstehen (Fehr & Falk, 2002).

StraightONE Behavioral Economics Guide _ 2019

213

Teil 3 - Ressourcen

In Zusammenhang mit prosozialem Verhalten können extrinsische Anreize den Reputationswert von guten Taten verderben, da Menschen möglicherweise so wahrgenommen werden, dass sie die Aufgabe für die Anreize und nicht für sich selbst erfüllt haben (Bénabou & Tirole, 2006). In ähnlicher Weise können Leistungsanreize, die von einem informierten Auftraggeber (Manager, Lehrer oder Elternteil) angeboten werden, die Wahrnehmung einer Aufgabe oder der eigenen Fähigkeiten durch einen Akteur (Arbeiter, Schüler oder Kind) negativ beeinflussen und kurzfristig nur als schwache und langfristig als negative Verstärker dienen (Bénabou & Tirole, 2003). (Für eine interessante Zusammenfassung darüber, wann extrinsische Anreize wirken und wann nicht, siehe Gneezy et al., 2011).

Inequity Aversion Der menschliche Widerstand gegen „unfaire“ Ergebnisse wird als „Ungleichheitsaversion“ bezeichnet, die auftritt, wenn Menschen Fairness bevorzugen und sich gegen Ungleichheiten wehren (Fehr & Schmidt, 1999). In einigen Fällen ist die Ungleichheitsaversion nachteilig, da Menschen bereit sind, auf einen Gewinn zu verzichten, um zu verhindern, dass eine andere Person eine höhere Belohnung erhält. Die Ungleichheitsaversion wurde durch experimentelle Spiele, insbesondere Diktator-, Ultimatum- und Vertrauensspiele, untersucht. Das Konzept wurde in verschiedenen Bereichen angewandt, unter anderem in der Wirtschaft und im Marketing, wie z.B. in Studien zu Kundenreaktionen auf exklusive Preisaktionen (Barone & Tirthankar, 2010) und zur Preisgestaltung nach dem Motto „Zahlen Sie, was Sie wollen“ (z.B. Regner, 2015).

Inertia

214

StraightONE Behavioral Economics Guide _ 2019

In der Verhaltensökonomie ist Trägheit die Dauerhaftigkeit eines stabilen Zustandes, verbunden mit Untätigkeit und dem Konzept des Status-Quo-Bias (Madrian & Shea 2001). Verhaltensbedingte Anstöße können entweder mit der Entscheidungsträgheit von Menschen arbeiten (z.B. durch das Setzen von Vorgaben) oder gegen sie (z.B. durch Warnungen) (Jung, 2019). In der Sozialpsychologie wird der Begriff manchmal auch im Zusammenhang mit der Beharrlichkeit in (oder Verpflichtungen zu) Haltungen und Beziehungen verwendet.

Information Avoidance Informationsvermeidung in der Verhaltensökonomie (Golman et al., 2017) bezieht sich auf Situationen, in denen Menschen sich dafür entscheiden, sich kein frei verfügbares Wissen anzueignen. Aktive Informationsvermeidung umfasst körperliches Vermeiden, Unaufmerksamkeit, die voreingenommene Interpretation von Informationen (siehe auch Confirmation Bias) und sogar einige Formen des Vergessens. Im Bereich der Behavioral Finance beispielsweise hat die Forschung gezeigt, dass Investoren ihr Portfolio weniger häufig online überprüfen, wenn der Aktienmarkt unten ist, als wenn er oben ist, was als Vogel-Strauß-Effekt bezeichnet wird (Karlsson et al., 2009). Schwerwiegendere Vermeidungsfälle treten auf, wenn Menschen beispielsweise nicht in die Klinik zurückkehren, um medizinische Testergebnisse zu erhalten (Sullivan et al., 2004).

Informationsvermeidung ist zwar manchmal strategisch, hat aber in der Regel einen unmittelbaren hedonischen Nutzen für die Menschen, wenn sie die negativen (meist psychologischen) Folgen der Kenntnis der Information verhindert. Auf lange Sicht ist sie in der Regel von negativem Nutzen, weil sie den Menschen potenziell nützliche Informationen für die Entscheidungsfindung und Feedback für künftiges Verhalten vorenthält. Darüber

hinaus kann die Informationsvermeidung zu einer Polarisierung der politischen Meinungen und zur Voreingenommenheit der Medien beitragen.

Intertemporal Choice Intertemporale Wahlfreiheit ist ein Forschungsgebiet, das sich mit dem relativen Wert befasst, den Menschen Auszahlungen zu verschiedenen Zeitpunkten beimessen.

Dabei wird im Allgemeinen festgestellt, dass Menschen gegenüber der Gegenwart voreingenommen sind (siehe Present Bias) und dazu neigen, die Zukunft zu diskontieren (siehe Time Discounting und Dual-Self Model).

L Less-is-Better Effect Wenn Objekte nicht gemeinsam, sondern getrennt bewertet werden, konzentrieren sich die Entscheidungsträger weniger auf wichtige Attribute und werden mehr von leicht zu bewertenden Attributen beeinflusst. Der „Weniger-ist-besser-Effekt“ deutet auf eine Präferenzumkehr hin, wenn Objekte zusammen statt getrennt betrachtet werden. In einer Studie wurden den Teilnehmern zwei Optionen für ein Essgeschirr vorgestellt.

Option A umfasste 40 Teile, von denen neun zerbrochen waren. Option B umfasste 24 Teile, von denen alle intakt waren. Option A war überlegen, da sie 31 intakte Stücke enthielt, aber bei getrennter Bewertung waren die Teilnehmer bereit, einen höheren Preis für Set B zu zahlen.

In einer gemeinsamen Bewertung beider Optionen zeigte sich dagegen eine höhere Zahlungsbereitschaft für Option A (Hsee, 1998).

Licensing Effect

StraightONE Behavioral Economics Guide _ 2019

215

Teil 3 - Ressourcen

Auch als „Selbstlizenzierung“ oder „moralische Lizenzierung“ bekannt, zeigt sich der Lizenzierungseffekt, wenn Menschen sich erlauben, etwas Schlechtes (z.B. Unmoralisches) zu tun, nachdem sie zuerst etwas Gutes (z.B. Moralisches) getan haben (Merritt et al., 2010). Der Effekt der Lizensierung ist für verschiedene Verhaltensergebnisse untersucht worden, darunter Spenden, Kooperation, Rassendiskriminierung und Betrug (Blanken et al., 2015). Gut publizierte Untersuchungen in Kanada forderten die Teilnehmer auf, entweder in einem grünen oder in einem konventionellen Online-Shop einzukaufen. In einem Experiment teilten Menschen, die in einem grünen Laden einkauften, in einem Diktatorspiel weniger Geld. Ein anderes Experiment erlaubte es den Teilnehmern, zu lügen (über ihre Leistung bei einer Aufgabe) und zu betrügen (mehr Geld aus einem Umschlag zu nehmen, als sie tatsächlich verdienten) und zeigte mehr Unehrlichkeit unter den grünen Käufern (Mazar & Zhong, 2010).

Loss Aversion Die Verlustaversion ist ein wichtiges Konzept der Prospekttheorie und wird mit dem Ausdruck „Verluste sind bedrohlicher als Gewinne“ (Kahneman & Tversky, 1979a) zusammengefasst. Man geht davon aus, dass der Schmerz des Verlierens psychologisch etwa doppelt so stark ist wie die Freude am Gewinnen. Menschen sind eher bereit, Risiken einzugehen (oder sich unehrlich zu verhalten, z.B. Schindler & Pfattheicher, 2016), um einen Verlust zu vermeiden, als um einen Gewinn zu erzielen. Die Verlustaversion wurde zur Erklärung des Endowment-Effekts und dem Irrglauben der versunkenen Kosten verwendet, und sie kann auch beim StatusQuo-Bias eine Rolle spielen.

Das Grundprinzip der Verlustaversion kann erklären, warum Strafrahmen manchmal wirksamer als Belohnungsrahmen sind, wenn es darum geht, Menschen zu

216

StraightONE Behavioral Economics Guide _ 2019

motivieren (Gächter et al., 2009), und wurde daher bei Strategien zur Verhaltensänderung angewandt. Die Website Stickk zum Beispiel ermöglicht es Menschen, sich öffentlich zu einer positiven Verhaltensänderung zu verpflichten (z.B. auf Junk Food zu verzichten), was mit der Angst vor Verlust verbunden sein kann - eine Geldstrafe bei Nichteinhaltung (siehe auch Myopic Loss Aversion and Regret Aversion).

Ihr kultureller Hintergrund kann einen Einfluss darauf haben, wie sehr Menschen Verluste zu vermeiden suchen (z.B. Wang et al., 2017). sind (z.B. Wang et al., 2017)

M Mental Accounting Mentale Buchführung ist ein Konzept, das mit der Arbeit von Richard Thaler verbunden ist (siehe Thaler, 2015, für eine Zusammenfassung). Thaler zufolge denken Menschen eher in relativen als in absoluten Begriffen über Wert nach. Beispielsweise erfreuen sie sich nicht nur am Wert eines Objekts, sondern auch an der Qualität des Deals - seinem Transaktionsnutzen (Thaler, 1985). Hinzu kommt, dass Menschen oft die Opportunitätskosten (Tradeoffs) nicht vollständig berücksichtigen und anfällig für den Irrglauben der versunkenen Kosten sind.

Warum sind Menschen bereit, mehr auszugeben, wenn sie mit einer Kreditkarte als mit Bargeld bezahlen (Prelec & Simester, 2001)? Warum würden mehr Menschen 10 Dollar für eine Theaterkarte ausgeben, wenn sie gerade einen 10-Dollar-Schein verloren haben, als wenn sie eine verlorene Karte im Wert von 10 Dollar ersetzen müssten (Kahneman & Tversky, 1984)? Warum sind Menschen eher bereit, eine kleine Erbschaft auszugeben und eine große zu investieren (Thaler, 1985)?

Nach der Theorie der mentalen Buchführung behandeln

Menschen Geld unterschiedlich, je nach Faktoren wie Herkunft und Verwendungszweck des Geldes, anstatt es unter dem Gesichtspunkt des „Endergebnisses“ zu betrachten wie in der formalen Buchführung (Thaler, 1999). Ein wichtiger Begriff, der der Theorie zugrunde liegt, ist die Fungibilität, die Tatsache, dass alles Geld austauschbar ist und keine Etiketten hat. In der mentalen Buchführung werden Vermögenswerte als weniger fungibel behandelt, als sie tatsächlich sind. Sogar erfahrene Anleger sind anfällig für diese Verzerrung, wenn sie die jüngsten Gewinne als verfügbares „Hausgeld“ betrachten (Thaler & Johnson, 1990), das für risikoreiche Investitionen verwendet werden kann. Dabei treffen sie Entscheidungen für jedes mentale Konto einzeln und verlieren dabei das Gesamtbild des Portfolios (siehe auch Partitioning und Pain of Paying im Zusammenhang mit mentaler Buchführung).

Die Neigung der Verbraucher, mit mentalen Konten zu arbeiten, spiegelt sich in verschiedenen Bereichen der angewandten Verhaltenswissenschaften wider, insbesondere in der Finanzdienstleistungsindustrie.

Beispiele hierfür sind Banken, die mehrere Konten mit Sparzieletiketten anbieten, die die mentale Buchführung expliziter machen, sowie Dienstleistungen Dritter, die Verbrauchern aggregierte Finanzinformationen über verschiedene Finanzinstitutionen hinweg zur Verfügung stellen (Zhang & Sussman, 2018).

Mindless Eating Verschiedene Hinweise beeinflussen unbewusst die Menge und die Qualität des Nahrungsmittelkonsums der Menschen. Die Hinweise dienen oft als Bezugspunkte in der Umwelt, und sie können Servierbehälter, Verpackungen, Menschen, Etiketten und atmosphärische Faktoren umfassen. Sie schlagen dem Verbraucher vor, was und wie viel er normal, angemessen, typisch oder vernünftig zu konsumieren hat. Wahrnehmungsstörun-

StraightONE Behavioral Economics Guide _ 2019

217

Teil 3 - Ressourcen

gen tragen zu einem verzerrten Verbrauchsempfinden bei; so unterschätzen Menschen beispielsweise die Kalorienmenge bei größeren Portionen und neigen dazu, sich selbst mehr zu servieren, wenn sie größere Utensilien, Teller oder Schüsseln verwenden (Wansink et al., 2009).

Brian Wansink, der prominenteste Akademiker im Bereich der verhaltensorientierten Lebensmittelwissenschaft, sah sich mit Vorwürfen wissenschaftlichen Fehlverhaltens und mehreren Artikelrücknahmen konfrontiert (Ducharme, 2018).

zu berücksichtigen (Kahneman & Lovallo, 1993). Ein groß angelegtes Feldexperiment hat gezeigt, dass Personen, die zu häufig Informationen über die Anlageperformance erhalten, dazu neigen, in risikoreichere Anlagen zu wenig zu investieren, wodurch sie das Potenzial für bessere langfristige Gewinne verpassen (Larson et al., 2016).

Money Illusion Der Begriff „Money Illusion“ wurde von Irving Fisher (1928) geprägt und bezieht sich auf die Neigung der Menschen, Geldwerte eher in nominalen als in realen Werten zu denken. Dies geschieht in der Regel, wenn wir den inflationsbedingten Kaufkraftverlust des Geldes vernachlässigen. Investoren können sich zum Beispiel eher auf markantere nominale Renditen als auf reale Renditen konzentrieren, die ebenfalls die Inflation erklären (Shafir et al., 1997)

Myopic Loss Aversion Eine kurzsichtige Verlustaversion tritt auf, wenn Investoren ihre Investitionen stark kurzfristig betrachten, was dazu führt, dass sie zu negativ auf die jüngsten Verluste reagieren, was zu Lasten eines langfristigen Nutzens gehen kann (Thaler et al., 1997). Dieses Phänomen wird durch einen engen Rahmen beeinflusst, der sich daraus ergibt, dass Anleger bestimmte Investitionen (z.B. eine einzelne Aktie oder einen Handel) in Betracht ziehen, ohne das Gesamtbild (z.B. ein Portfolio als Ganzes oder eine Abfolge von Handelsgeschäften im Laufe der Zeit)

218

StraightONE Behavioral Economics Guide _ 2019

N Naive Allocation Entscheidungsforscher haben festgestellt, dass Menschen es vorziehen, begrenzte Ressourcen gleichmäßig auf eine Reihe von Möglichkeiten zu verteilen (siehe

auch 1/N-Heuristik). Dies kann als „naive Zuteilung“ bezeichnet werden. Beispielsweise können Verbraucher gleich viel Geld in verschiedene Anlagemöglichkeiten investieren, unabhängig von deren Qualität. In ähnlicher Weise zeigt das Diversifikations-Bias, dass Verbraucher ihre Konsumentscheidungen gerne auf eine Vielzahl von Gütern verteilen. Studienergebnisse implizieren, dass Choice-Architekten aufgrund der Partitionsabhängigkeit der Entscheidungsträger mit diesen Tendenzen arbeiten können. Indem man zum Beispiel die Menüoptionen für gesunde Lebensmittel in verschiedene Menükategorien aufteilt (z.B. „Obst“, „Gemüse“) und ungesunde Optionen in einer einzigen Menükategorie zusammenfasst (z.B. „Süßigkeiten und Kekse“), kann man die Verbraucher dazu bringen, mehr gesunde Optionen und weniger ungesunde Optionen zu wählen (Johnson et al., 2012).

Nudge Nach Thaler und Sunstein (2008, S. 6) ist ein Nudge, also ein Anstoß oder Stupser, ein Aspekt der Entscheidungsarchitektur, der das Verhalten der Menschen in vorhersehbarer Weise verändert, ohne irgendwelche Optionen zu verbieten oder ihre wirtschaftlichen Anreize wesentlich zu verändern. Um als Nudge zu gelten, muss die Intervention leicht und billig zu vermeiden sein.

Der vielleicht am häufigsten erwähnte Nudge ist das Setzen von Defaults, also vorgegebenen Vorgehensweisen, die dann wirksam werden, wenn der Entscheidungsträger selbst nichts vorgibt. Diese Art des Anstoßes, die mit der menschlichen Neigung zur Untätigkeit arbeitet, scheint besonders erfolgreich zu sein, da Menschen viele Jahre lang an einer Entscheidung festhalten können (Gill, 2018).

von Nudges wurden untersucht (Kosters & Van der Heijden, 2015) im Hinblick auf ihre Fähigkeit, dauerhafte Verhaltensänderungen herbeizuführen (Frey & Rogers, 2014), sowie auf ihre Annahmen von Irrationalität und mangelnder Handlungsfähigkeit (Gigerenzer, 2015). Es kann auch aufgrund nicht-kognitiver Zwänge und Bevölkerungsunterschiede Grenzen für das Stupsen geben, wie z.B. ein Mangel an finanziellen Ressourcen, wenn Nudges darauf abzielen, die Ersparnisse zu erhöhen (Loibl et al., 2016). Grenzen bei der Anwendung von Nudges sprechen für den Wert von Experimenten, um Verhaltensinterventionen vor ihrer Umsetzung zu testen.

Hertwig und Grüne-Yanoff (2017) schlagen als ergänzenden Ansatz, der sich mit den Unzulänglichkeiten von Nudges befasst, das Konzept der „Boosts“ vor, eine Entscheidungshilfe, die die Kompetenz der Menschen fördert, informierte Entscheidungen zu treffen (siehe auch Choice Architecture).

1/N Heuristic 1/N ist eine Kompromiss-Heuristik, eine Heuristik, die allen Hinweisen oder Alternativen gleiches Gewicht zuweist (Gigerenzer & Gaissmaier, 2011). Nach der 1/NRegel werden die Ressourcen zu gleichen Teilen jeder der N-Alternativen zugewiesen. Beim (One-Shot-)Ultimatum-Spiel beispielsweise teilen sich die Teilnehmer ihr Geld am häufigsten zu gleichen Teilen. In ähnlicher Weise sichern die Teilnehmer ihr Geld bei Investitionen oft ab, indem sie gleiche Beträge auf verschiedene Optionen verteilen. 1/N ist eine Form der naiven Zuteilung von Ressourcen.

Auf kostenbereinigter Basis ist die Wirksamkeit von Nudges oft größer als die von traditionellen Ansätzen (Benartzi et al., 2017).

Fragen nach dem theoretischen und praktischen Wert

StraightONE Behavioral Economics Guide _ 2019

219

Teil 3 - Ressourcen

Overconfidence (Effect)

O Optimism Bias Menschen neigen dazu, die Wahrscheinlichkeit positiver Ereignisse zu überschätzen und die Wahrscheinlichkeit, dass ihnen in Zukunft negative Ereignisse widerfahren, zu unterschätzen (Sharot, 2011). Beispielsweise unterschätzen wir möglicherweise unser Risiko, an Krebs zu erkranken, und überschätzen unseren zukünftigen Erfolg auf dem Arbeitsmarkt. Eine Reihe von Faktoren kann unrealistischen Optimismus erklären, darunter die wahrgenommene Kontrolle und gute Laune (HelwegLarsen & Shepperd, 2001) (siehe auch Overconfidence).

Der Overconfidence-Effekt wird beobachtet, wenn das subjektive Vertrauen der Menschen in ihre eigenen Fähigkeiten größer ist als ihre objektive (tatsächliche) Leistung. Er wird häufig gemessen, indem man die Versuchspersonen Testfragen zum Allgemeinwissen beantworten lässt. Sie werden dann gebeten, auf einer Skala zu bewerten, wie zuversichtlich sie bzgl. der Korrektheit ihrer Antworten sind. Das Selbstvertrauen wird gemessen, indem die Punktzahl für das durchschnittliche Vertrauen einer Person im Verhältnis zum tatsächlichen Anteil der richtig beantworteten Fragen berechnet wird.

Eine große Bandbreite an Themen wurde der Overconfidence im Allgemeinen zugeschrieben, darunter die hohe Rate von Unternehmern, die trotz geringer Erfolgschancen in einen Markt eintreten (Moore & Healy, 2008).

Bei den Investoren wurde übermäßiges Selbstvertrauen mit übermäßiger Risikobereitschaft (z.B. Hirshleifer & Luo, 2001), konzentrierten Portfolios (z.B. Odean, 1998) und übermäßigem Handel (z.B. Grinblatt & Keloharju, 2009) in Verbindung gebracht. Der Planungsirrtum ist ein weiteres Beispiel für übermäßiges Selbstvertrauen, bei dem die Menschen die Zeit unterschätzen, die sie für die Erledigung einer Aufgabe benötigen, und dabei oft frühere Erfahrungen ignorieren (Buehler et al., 1994) (siehe auch Optimism Bias).

Over-Justification Effect Ostrich Effect Siehe Information Avoidance

220

StraightONE Behavioral Economics Guide _ 2019

Dieser Effekt tritt auf, wenn das intrinsische Interesse einer Person an einer zuvor nicht belohnten Tätigkeit nachlässt, nachdem sie diese Tätigkeit als Mittel zur

Erreichung eines extrinsischen Ziels (z. B. finanzielle Belohnung) ausgeübt hat (Deci et al., 1999). Infolgedessen kann z.B. die Anzahl der von Freiwilligen geleisteten Arbeitsstunden durch kleine finanzielle Belohnungen negativ beeinflusst werden (Frey & Goette, 1999) (siehe auch Incentives).

P Pain of Paying Die Menschen geben nicht gerne Geld aus. Wir haben Schmerzen beim Zahlen (Zellermayer, 1996), weil wir verlustfeindlich sind. Der Schmerz des Bezahlens spielt eine wichtige Rolle bei der Selbstregulierung der Verbraucher, um die Ausgaben unter Kontrolle zu halten (Prelec & Loewenstein, 1998). Man geht davon aus,

dass dieser Schmerz bei Kreditkartenkäufen verringert wird, weil Plastik weniger greifbar ist als Bargeld, die Erschöpfung der Ressourcen (Geld) weniger sichtbar ist und die Zahlung aufgeschoben wird. Verschiedene Persönlichkeitstypen empfinden unterschiedlich starke Schmerzen beim Bezahlen, was sich auf Ausgabenentscheidungen auswirken kann. Geizkragen zum Beispiel leiden mehr unter diesem Schmerz als Verschwender.

Infolgedessen reagieren Geizkragen besonders empfindlich auf Marketing-Kontexte, die das Ausgeben weniger schmerzhaft machen (Rick, 2018) (siehe auch Mental Accounting).

Partition Dependence siehe Naive Allocation

Partitioning Die Verbrauchsrate kann gesenkt werden, indem Ressourcen physisch in kleinere Einheiten aufgeteilt werden, z.B. einzeln verpackte Kekse oder in mehrere Umschläge aufgeteiltes Geld. Wenn eine Ressource in kleinere Einheiten aufgeteilt wird (z.B. mehrere Packungen Chips), stoßen die Verbraucher auf zusätzliche Entscheidungspunkte - eine psychologische Hürde, die sie zum Nachdenken anregt. Zusätzlich zu den Kosten, die bei der Verwendung von Ressourcen entstehen, verursacht das Öffnen eines unterteilten Ressourcenpools psychologische Übertretungskosten, wie zum Beispiel Schuldgefühle (Cheema & Soman, 2008). Ähnliche Forschungsarbeiten haben ergeben, dass getrennte mentale Zahlungskonten (d.h. Umschläge mit Geld) einen Kauf-

StraightONE Behavioral Economics Guide _ 2019

221

Teil 3 - Ressourcen

impulseffekt stören können, der nach einem Erstkauf auftreten kann (Dhar et al., 2007) (für verwandte Ideen siehe auch Mental Accounting).

Peak-End Rule Nach der „Peak-End“-Regel entspricht unsere Erinnerung an vergangene Erfahrungen (angenehm oder unangenehm) nicht einem durchschnittlichen Niveau positiver oder negativer Gefühle, sondern dem extremsten Punkt und dem Ende der Episode (Kahneman, 2000b).

Die Regel entwickelte sich aus der Erkenntnis, dass die Bewertung einer vergangenen Episode durch einen gewichteten Durchschnitt von „Momentaufnahmen“ einer Erfahrung, wie z.B. von Filmmomenten, bestimmt zu sein scheint, wodurch die tatsächliche Dauer vernachlässigt wird (Fredrickson & Kahneman, 1993), sowie aus Untersuchungen, die zeigen, dass Menschen es vorziehen würden, eine schmerzhafte Erfahrung zu wiederholen, wenn ihr eine etwas weniger Schmerzhafte folgt (Kahneman et al., 1993). In Bezug auf Erinnerungen ist der Erinnerungsnutzen wichtiger als der Gesamtnutzen (Kahneman, 2000a). Die Erinnerungen der Menschen an prototypische Momente hängen mit den Beurteilungen zusammen, die getroffen werden, wenn Menschen eine Repräsentativitätsheuristik anwenden (Kahneman, 2000b).

Planning Fallacy Ursprünglich von Kahneman und Tversky (1979b) vorgeschlagen, besteht der Planungsirrtum darin, dass Einzelpersonen oder Teams dazu neigen, die Zeit und Ressourcen zu unterschätzen, die für die Fertigstellung eines Projekts benötigt werden. Dieser Fehler tritt auf, wenn Prognostiker ihre Fähigkeiten überschätzen und

222

StraightONE Behavioral Economics Guide _ 2019

das mit einem Projekt verbundene mögliche Risiko unterschätzen. Ohne eine angemessene Ausbildung können aus Einzelpersonen bestehende Teams dieses Phänomen verschlimmern und dazu führen, dass Projekte auf dem Vertrauen des Teams und nicht auf statistischen Projektionen basieren.

Eine Möglichkeit, den Planungsirrtum zu bekämpfen, ist die Verwendung einer Methode, die als Referenzklassenprognose bezeichnet wird (Flyvbjerg et al., 2005; Kahneman & Tversky, 1979b). Diese Methode beginnt mit der Erstellung einer Benchmark unter Verwendung von Daten über ähnliche Projekte. Dann werden Schätzungen auf der Grundlage von Abweichungen von der Benchmark erstellt, die von Variablen abhängen, die sich auf das jeweilige Projekt beziehen. Ein Bauunternehmen könnte zum Beispiel schätzen, dass der Bau eines Hauses fünf Wochen statt der durchschnittlichen Referenzklassenzeit von sechs Wochen dauern wird, weil das vorliegende Team größer und qualifizierter ist als frühere Projektteams (siehe auch Optimism Bias, Overconfidence).

Possibility Effect siehe Certainty/Possibility Effect

Precommitment Menschen brauchen ein kontinuierliches und konsistentes Selbstbild (Cialdini, 2008). In dem Bemühen, sein zukünftiges Verhalten auszurichten, ist Konsistenz am besten durch eine Verpflichtung zu erreichen. Daher ist die Vorverpflichtung auf ein Ziel eines der am häufigsten angewandten Verhaltensmittel, um positive Veränderungen zu erreichen. Sich zu einer bestimmten Zeit (z.B.

montags, mittwochs und freitags um 7 Uhr morgens) zu einer bestimmten zukünftigen Handlung zu verpflichten (z.B. gesund zu bleiben, indem man ins Fitnessstudio geht), motiviert tendenziell besser zum Handeln und verringert gleichzeitig das Zögern (Sunstein, 2014).

Prädiktoren für Präferenzen in Verhaltensexperimenten sind. Dazu gehören Fragen zur Risikobereitschaft (siehe Prospect Theory), zu sozialen Präferenzen (z.B. zur Reziprozität) und zur Zeitdiskontierung (Falk et al., 2012).

Das Programm „Save More Tomorrow“, das darauf abzielt, den Mitarbeitern zu helfen, mehr Geld zu sparen (Thaler & Benartzi, 2004), veranschaulicht das Precommitment neben anderen Ideen aus der Verhaltensökonomie. Das Programm vermeidet auch die Wahrnehmung von Verlusten, die sich bei einer Verringerung des verfügbaren Einkommens bemerkbar machen würden, da sich die Verbraucher verpflichten, zukünftige Einkommenssteigerungen zu sparen. Die Trägheit der Menschen macht es wahrscheinlicher, dass sie an dem Programm festhalten werden, weil sie sich gegen einen Austritt entscheiden müssen.

Preference Reversal

Preference In der Wirtschaftswissenschaft zeigen sich Präferenzen in theoretisch optimalen Entscheidungen oder realen (Verhaltens-)Entscheidungen, wenn Menschen sich zwischen Alternativen entscheiden. Präferenzen implizieren auch eine Ordnung verschiedener Optionen im Hinblick auf das erwartete Maß an Glück, der Befriedigung, des Nutzens usw. (Pfeil, 1958). Die Messung von Präferenzen kann sich auf Zahlungsbereitschaft (WTP) und Annahmebereitschaft (WTA) stützen. Präferenzen werden manchmal in der Umfrageforschung eruiert, was mit einer Reihe von Problemen verbunden sein kann, wie z.B. der hypothetischen Verzerrung, wenn die angegebenen Präferenzen sich von den in den tatsächlichen Wahlmöglichkeiten ausgedrückten unterscheiden, oder den Antworteffekten, wenn die Probanden die Antwort zurückgeben, die der Forscher ihrer Meinung nach „erwartet“. Armin Falk und Kollegen haben kulturübergreifend gültige Erhebungsfragen entwickelt, die gute

Präferenzumkehrung (Lichtenstein & Slovic, 1973) bezieht sich auf eine Veränderung der relativen Häufigkeit, mit der eine Option in Verhaltensexperimenten gegenüber einer anderen bevorzugt wird, wie dies z.B. beim „Weniger-ist-besser-Effekt“ oder Ratio-Bias oder allgemein bei Framing-Effekten deutlich werden kann.

Es wird oft festgestellt, dass die bevorzugte Reihenfolge eines Wahlpaares davon abhängt, wie die Wahl präsentiert wird; dieser Effekt widerspricht den Vorhersagen der Theorie der rationalen Wahl (siehe auch Transitive/ Intransitive Preferences).

Present Bias Die gegenwärtige Voreingenommenheit bezieht sich auf die Neigung von Menschen, Auszahlungen, die näher an der Gegenwart liegen, stärker zu gewichten, wenn sie Abwägungen zwischen zwei Momenten in der Zukunft vornehmen sollen (O‘Donoghue & Rabin, 1999). Beispielsweise könnte eine Person mit einem Present Bias es vorziehen, heute zehn Dollar zu erhalten, anstatt morgen fünfzehn Dollar zu erhalten, hätte aber nichts dagegen, einen Tag länger zu warten, wenn die Wahl auf die gleichen Beträge ein Jahr von heute gegenüber einem Jahr und einem Tag von heute fallen würde (siehe Time Discounting). Das Konzept der gegenwärtigen Voreingenommenheit wird oft allgemeiner verwendet, um Ungeduld oder unmittelbare Befriedigung bei der Entscheidungsfindung zu beschreiben.

StraightONE Behavioral Economics Guide _ 2019

223

Teil 3 - Ressourcen

Untersuchung der wirtschaftlichen Auswirkungen von sozialer Identität (siehe Identity Economics und Social Norms) (Cohn & Maréchal, 2016).

Primacy Effect siehe Serial-Position Effect

(Conceptual) Priming Konzeptuelles Priming ist eine in der Psychologie angewandte Technik und ein Verfahren, das Menschen in eine Aufgabe einbezieht oder sie Reizen aussetzt.

Das Priming besteht aus Bedeutungen (z.B. Wörtern), die zugehörige Erinnerungen (Schema, Stereotypen, Einstellungen usw.) aktivieren. Dieser Prozess kann dann die Leistung der Menschen bei einer späteren Aufgabe beeinflussen (Tulving et al., 1982). Beispielsweise wurden in einer Studie die Verbraucher mit Wörtern vorbereitet, die entweder für Prestigemarken des US-Einzelhandels (Tiffany, Neiman Marcus und Nordstrom) oder für Billigmarken (Wal-Mart, Kmart und Dollar Store) stehen. In einer scheinbar unzusammenhängenden Aufgabe gaben die Teilnehmer, die mit Prestige-Namen geprimed wurden, dann dem Prestige höhere Präferenzbewertungen als den Billig-Produktoptionen (Chartrand et al., 2008). Das konzeptuelle Priming unterscheidet sich von Prozessen, die sich nicht auf aktivierende Bedeutungen stützen, wie z.B. das perzeptuelle Priming (Priming ähnlicher Formen), der bloße Expositionseffekt (wiederholte Exposition erhöht die Sympathie), das affektive Priming (unterschwellige Exposition gegenüber Reizen ruft positive oder negative Emotionen hervor) (Murphy & Zajonc, 1993) oder die Verknüpfung von Wahrnehmung und Verhalten (z.B. Mimikry) (Chartrand & Bargh, 1999).

Die Technik des konzeptuellen Primings hat sich zu einem vielversprechenden Ansatz im Bereich der Wirtschaftswissenschaften entwickelt, insbesondere bei der

224

StraightONE Behavioral Economics Guide _ 2019

(Myopic) Procrastination Häufig schieben Menschen Entscheidungen auf, was auf Probleme mit Selbstkontrolle (die zur gegenwärtigen Voreingenommenheit führen), Trägheit oder die Komplexität der Entscheidungsfindung zurückzuführen sein kann (siehe Choice Overload). Verschiedene Stupsinstrumente, wie z.B. die Vorverpflichtung, können eingesetzt werden, um den Betroffenen zu helfen, das Zögern zu überwinden. Choice-Architekten können auch helfen, indem sie ein begrenztes Zeitfenster für das Handeln zur Verfügung stellen (siehe Scarcity Heuristic) oder den Schwerpunkt auf die Zufriedenstellung legen (Johnson et al., 2012).

Projection Bias In der Verhaltensökonomie bezieht sich das Projektionsbias auf die Annahme von Menschen, dass ihr eigener Geschmack oder ihre Vorlieben im Laufe der Zeit gleichbleiben werden (Loewenstein et al., 2003).

Sowohl kurzfristige, vorübergehende Präferenzen (z.B. aufgrund von Hunger oder Wetterbedingungen) als auch langfristige Geschmacksveränderungen können zu diesem Bias führen. So kann es z.B. vorkommen, dass Menschen den positiven Einfluss einer Karriereförderung aufgrund einer Unterschätzung der (hedonischen) Anpassung überschätzen, dass sie in ihrer Planung für den zukünftigen Konsum eine überoptimale Vielfalt voraussetzen (siehe Diversification Bias) oder dass sie den zukünftigen Verkaufspreis eines Artikels unterschätzen, weil sie den Endowment-Effekt nicht berücksichtigen.

Die Unterschätzung der Gewohnheitsbildung durch die Verbraucher (in Verbindung mit einem höheren Konsumniveau im Laufe der Zeit) kann zu einem Projektionsbias bei der Planung für die Zukunft führen, z.B. bei der Altersvorsorge.

Das Projektionsbias wirkt sich auch auf Entscheidungen in anderen Bereichen aus, z.B. medizinische Entscheidungen (Loewenstein, 2005), Besuch von Fitness-Studios (Acland & Levy, 2015), Katalogbestellungen (Conlin et al., 2007) sowie Auto- und Wohnungsmärkte (Busse et al., 2012).

Prospect Theory Die Prospekttheorie ist ein Verhaltensmodell, das zeigt, wie Menschen sich zwischen Alternativen entscheiden, die mit Risiko und Ungewissheit verbunden sind (z.B. %-Wahrscheinlichkeit von Gewinnen oder Verlusten).

Sie zeigt, dass die Menschen in Form eines erwarteten Nutzens in Relation zu einem Bezugspunkt (z.B. dem aktuellen Wohlstand) und nicht in absoluten Ergebnissen denken. Die Prospekttheorie wurde entwickelt, indem man risikobehaftete Entscheidungen formulierte, und sie zeigt, dass Menschen Verluste zu vermeiden suchen. Da Menschen Verluste nicht so sehr mögen wie entsprechende Gewinne, sind sie eher bereit, Risiken einzugehen, um einen Verlust zu vermeiden. Aufgrund der verzerrten Gewichtung von Wahrscheinlichkeiten (siehe Certainty/Possibility Effect) und der Verlustaversion führt die Theorie in Bezug auf das Risiko zu folgendem Muster (Kahneman & Tversky, 1979a; Kahneman, 2011):

Die Prospekttheorie wurde in verschiedenen wirtschaftlichen Bereichen angewandt, z.B. bei der Verbrauchs-

wahl, beim Arbeitskräfteangebot und in der Versicherungsbranche (Barberis, 2013).

R Ratio Bias Wir finden es schwieriger, mit Proportionen oder Verhältnissen umzugehen als mit absoluten Zahlen. Wenn man beispielsweise gebeten wird, zwei Filmverleihpläne mit einer eingeschränkten Skala (z.B. 7 bzw. 9 neue Filme pro Woche für Plan A bzw. Plan B) im Gegensatz zu einem gleichwertigen Angebot mit einer erweiterten Skala (364 bzw. 468 Filme pro Jahr) zu bewerten, bevorzugen die Verbraucher den besseren Plan (Plan B) eher in der Vorgabe mit der erweiterten als in der Vorgabe mit der beschränkten Skala (Burson et al., 2009). Das liegt daran, dass unser Erfahrungssystem im Gegensatz zum rationalen System - Informationen als konkrete Darstellungen kodiert, und absolute Zahlen

StraightONE Behavioral Economics Guide _ 2019

225

Teil 3 - Ressourcen

sind konkreter als Verhältnisse oder Prozentsätze (Kirkpatrick & Epstein, 1992) (siehe auch Framing, Dual-System Theory, Affect Heuristic)

siehe Serial-Position Effect

Recognition Heuristic Reciprocity Reziprozität ist eine soziale Norm, die einen Austausch in Form von Sachleistungen zwischen Menschen beinhaltet – es wird also auf die Handlung einer Person mit einer anderen gleichwertigen Handlung reagiert. Sie ist in der Regel positiv (z.B. die Erwiderung eines Gefallens), kann aber auch negativ sein (z.B. die Bestrafung einer negativen Handlung) (Fehr & Gächter, 2000). Die Reziprozität ist für Verhaltensökonomen von Interesse, weil sie keinen wirtschaftlichen Austausch beinhaltet und mit Hilfe experimenteller Spiele untersucht wurde (siehe Game Theory). Organisationen wenden in der Praxis oft Reziprozitätsnormen an. Wohltätigkeitsorganisationen machen sich die Reziprozität zunutze, wenn sie Bittbriefen kleine Geschenke beilegen (z.B. Falk, 2007), während Krankenhäuser ehemalige Patienten um Spenden bitten können (z.B. Chuan et al., 2018).

Reziprozität wird auch als Instrument der sozialen Einflussnahme in Form von „gegenseitigen Zugeständnissen“ eingesetzt, ein Ansatz, der auch als „Tür-insGesicht“-Technik bekannt ist. Sie tritt auf, wenn eine Person zunächst eine große Anfrage stellt (z.B. ein teures Produkt zu kaufen), gefolgt von einer kleineren Anfrage (z.B. eine kostengünstigere Option), wenn die erste Anfrage vom Antwortenden abgelehnt wird. Der Beantworter fühlt sich dann verpflichtet, „den Gefallen zu erwidern“, indem er dem Antrag mit dem Zugeständnis zustimmt (Cialdini et al., 1975).

Recency Effect

226

StraightONE Behavioral Economics Guide _ 2019

Während eine der Kernheuristiken gemäß der Tradition der Heuristiken und Verzerrungen von Tversky und Kahneman die Verfügbarkeit ist, ist eine konzeptionell ähnliche Heuristik, die in der „Fast-and-Frugal-Tradition“ von Gigerenzer vorgeschlagen wird, das Wiedererkennen. Aus Sicht von fast and frugal ist die Anwendung von Heuristiken eine „ökologisch-rationale“ Strategie, die die begrenzten Informationen, die Einzelpersonen zur Verfügung stehen, am besten nutzt (Goldstein & Gigerenzer, 2002). Das Wiedererkennen ist ein leicht zugänglicher Auslösereiz, der die Entscheidungsfindung vereinfacht und zeigt, dass manchmal weniger Wissen zu genaueren Schlussfolgerungen führen kann. In einem Experiment mussten die Teilnehmer beurteilen, welche von zwei Städten die größere Bevölkerungszahl hatte.

Die Ergebnisse zeigten, dass die überwiegende Mehrheit der Entscheidungen auf der Wiedererkennung des Städtenamens beruhte. Darüber hinaus wies die Studie auf einen „Weniger-ist-mehr-Effekt“ hin, bei dem die Menschen in einem Bereich, über den sie wenig wissen, genauer schätzen als in einem Bereich, über den sie viel wissen. Amerikanische Teilnehmer schnitten bei deutschen Städten besser ab, während deutsche Teilnehmer bei amerikanischen Städten höhere Werte erzielten (Goldstein & Gigerenzer, 2002) (siehe auch Satisficing).

Reference Dependence Die Referenzabhängigkeit ist eines der grundlegenden Prinzipien der Prospekttheorie und der Verhaltensökonomie im Allgemeinen. Bei der Prospekttheorie (Kahn-

eman & Tversky, 1979a) bewerten Menschen Ergebnisse in Relation zu einem Referenzpunkt und ordnen diese dann in Gewinne und Verluste ein (siehe auch Loss Aversion, Endowment Effect). Die Referenzabhängigkeit kann für jede Entscheidung gelten, die mit Risiko und Unsicherheit verbunden ist. Untersuchungen zum Online-Datenschutz zeigten zum Beispiel, dass identische Datenschutzhinweise nicht immer zum gleichen Grad an Auskunftsfreude führen (Adjerid et al., 2013). Verbraucher bewerten Datenschutzhinweise bezogen auf den Status quo - ihrem aktuellen Schutzniveau. Wenn den Hinweisen zum Schutz der Privatsphäre Hinweise vorausgehen, die weniger schützend sind, geben Menschen mehr preis als diejenigen, die keine Veränderung des Datenschutzes erfahren haben. Das Gegenteil ist der Fall, wenn vorhergehende Datenschutzhinweise mehr Schutz bieten.

Regret Aversion Wenn Menschen befürchten, dass sich ihre Entscheidung im Nachhinein als falsch herausstellen könnte, zeigen sie eine Reue-Aversion. Menschen, die das Bedauern scheuen, können die Folgen sowohl von Unterlassungsfehlern (z.B. nicht das richtige Anlageobjekt zu kaufen) als auch von expliziten Handlungen (z.B. das falsche Anlageobjekt zu kaufen) fürchten (Seiler et al., 2008). Die Wirkung von erwartetem Bedauern ist im Gesundheitsbereich besonders gut erforscht, z.B. bei Entscheidungen von Menschen bzgl. ihrer medizinischen Behandlungen. Eine Meta-Analyse in diesem Bereich legt nahe, dass antizipiertes Bedauern ein besserer Prädiktor für Absichten und Verhalten ist als andere Arten von antizipierten negativen Emotionen und Risikobewertungen (Brewer et al., 2016) (siehe auch Loss Aversion, Status Quo Bias, Sunk Cost Fallacy, Fear of Missing out, Information Avoidance und Action Bias).

Regulatory Focus Theory Die psychologische Theorie des regulatorischen Fokus (Florack et al., 2013; Higgins, 1998) geht davon aus, dass menschliche Motivation in der Annäherung an Vergnügen und der Vermeidung von Schmerz wurzelt und unterscheidet einen Promotionsfokus von einem Präventionsfokus. Ersterer beinhaltet die Verfolgung von Zielen, die leistungs- oder förderungsbezogen sind und sich durch Eifer auszeichnen, während letzterer sich auf Sicherheit und Schutz konzentriert und sich durch Wachsamkeit auszeichnet. Zum Beispiel kann eine Person gesund werden, indem sie sich entweder körperlich betätigt und Bio-Lebensmittel isst oder auf schlechte Gewohnheiten wie Rauchen oder den Verzehr von Junk Food verzichtet. Präventions- und Promotionsorientierungen sind sowohl eine Frage dauerhafter Veranlagung als auch situativer Faktoren.

Nach der Theorie des regulatorischen Fit haben Botschaften und Rahmen, die als Gewinn präsentiert werden, unter einem Promotionsfokus mehr Einfluss, während die als Verlust präsentierten Botschaften und Rahmen unter einem Präventionsfokus mehr Gewicht haben. So haben zum Beispiel Untersuchungen von Lee und Aaker (2004) herausgefunden, dass „Gewinn-Rahmen“ in der Werbung („Tankt Energie!“) zu einer besseren Einstellung führen, wenn der Hauptteil der Werbung auf Promotion ausgerichtet ist (z.B. Betonung der energetischen Vorteile des Trinkens von Traubensaft), während „Verlust-Rahmen“ („Vergesst nicht, Energie zu tanken!“) einen günstigeren Effekt erzielen, wenn der Hauptteil der Werbung auf Prävention ausgerichtet ist (z.B. Betonung der krebsreduzierenden Vorteile des Trinkens von Traubensaft).

Representativeness Heuristic

StraightONE Behavioral Economics Guide _ 2019

227

Teil 3 - Ressourcen

Die Repräsentativität ist neben der Verfügbarkeit und dem Affekt eine der wichtigsten allgemeinen Heuristiken. Sie wird verwendet, wenn wir die Wahrscheinlichkeit beurteilen wollen, dass ein Objekt oder Ereignis A zur Klasse B gehört, indem wir den Grad der Ähnlichkeit von A mit B betrachten. Dabei vernachlässigen wir Informationen über die allgemeine Wahrscheinlichkeit des Auftretens von B (seine Basisrate) (Kahneman & Tversky, 1972). Betrachten wir das folgende Problem: Bob ist ein Opernfan, der im Urlaub gerne verschiedene Kunstmuseen besucht. Als Heranwachsender spielte er gerne Schach mit Familienmitgliedern und Freunden.

Welche Situation ist wahrscheinlicher?

A. Bob spielt Trompete für ein großes Sinfonieorchester B. Bob ist ein Landwirt Ein großer Teil der Menschen wird sich bei dem oben genannten Problem für A entscheiden, weil Bobs Beschreibung mit dem Stereotyp übereinstimmt, das wir vielleicht eher über klassische Musiker als über Bauern haben. In Wirklichkeit ist die Wahrscheinlichkeit, dass B zutrifft, weitaus größer, weil Landwirte einen viel größeren Anteil an der Bevölkerung ausmachen.

Auf Repräsentativität basierende Beurteilungen sind eine übliche kognitive Abkürzung in verschiedenen Kontexten. Beispielsweise kann ein Verbraucher von einer (generischen) Handelsmarke auf eine relativ hohe Produktqualität schließen, wenn ihre Verpackung so gestaltet ist, dass sie einer nationalen Marke ähnelt (Kardes et al., 2004). Repräsentativität ist auch dann am Werk, wenn Menschen denken, dass ein sehr kalter Winter ein Anzeichen für das Ausbleiben der globalen Erwärmung ist (Schubert & Stadelmann, 2015) oder wenn Spieler Lotterielose mit zufällig aussehenden Zahlenfolgen (z.B. 7, 16, 23, ...) gegenüber solchen, die einem Muster folgen (z.B. 10, 20, 30, ....) bevorzugen (Krawczyk & Rachubik, 2019).

In der Finanzwirtschaft ziehen es Investoren mögli-

228

StraightONE Behavioral Economics Guide _ 2019

cherweise vor, eine Aktie zu kaufen, die in der jüngsten Vergangenheit ungewöhnlich hohe Renditen erzielt hat (das Extrapolationsbias), oder sie verwechseln die positiven Eigenschaften eines Unternehmens (z.B. qualitativ hochwertige Güter) mit einem Indikator für eine gute Investition (Chen et al., 2007).

Risk-as-Feelings Konsequentialistische Perspektiven der Entscheidungsfindung unter Risiko oder Ungewissheit (Risiko-WahlTheorien, siehe z.B. Prospect Theory) neigen dazu, sich entweder nur auf kognitive Faktoren zu konzentrieren oder Emotionen als ein vorweggenommenes Ergebnis einer Entscheidung zu betrachten.

Die Risiko-als-Gefühl-Hypothese (Loewenstein et al., 2001) bezieht dagegen auch Emotionen als antizipativen Faktor mit ein, nämlich Gefühle im Moment der Entscheidungsfindung.

Im Gegensatz zu Theorien wie der Affektheuristik, bei der Gefühle eine informatorische Rolle spielen und den Menschen helfen, sich zwischen Alternativen zu entscheiden, kann die Risiko-als-Gefühl-Hypothese Fälle berücksichtigen, in denen die Entscheidungen (z.B. Flugverweigerung aufgrund einer starken Angst vor Flugreisen) von dem abweichen, was der Einzelne objektiv für die beste Vorgehensweise halten würde.

S Satisficing Nach Herbert Simon neigen Menschen dazu, Entscheidungen eher durch Satisfizierung (einer Kombination aus Genügen und Befriedigung) als durch Optimierung zu treffen (Simon, 1956). Entscheidungen sind oft einfach „gut genug“ im Hinblick auf die damit verbundenen Kosten und Zwänge. Als Heuristik werden satisfizierende Personen Optionen wählen, die ihren grundlegendsten Entscheidungskriterien entsprechen. Ein Fokus auf Satisfizierung kann von Choice-Architekten eingesetzt werden, wenn Entscheidungsträger zum Zögern neigen (Johnson et al., 2012).

Scarcity (Heuristic) Wenn ein Objekt oder eine Ressource weniger leicht verfügbar ist (z.B. aufgrund begrenzter Menge oder Zeit), neigen wir dazu, sie als wertvoller wahrzunehmen (Cialdini, 2008). Verknappungsappelle werden oft im Marketing eingesetzt, um Käufe zu induzieren. Marketingbotschaften mit Verknappungsappellen gelten als wirksamer als zeitlich begrenzte Appelle, da sie bei den

Konsumenten ein Gefühl des Wettbewerbs erzeugen (Aggarwal et al., 2011). In einem Experiment (Lee & Seidle, 2012), bei dem Armbanduhrenwerbung als Anreiz eingesetzt wurde, wurde den Teilnehmer eine von zwei verschiedenen Produktbeschreibungen vorgelegt: „Exklusive limitierte Auflage“. Beeilen Sie sich, limitierte Bestände“ oder „Neuauflage. Viele Artikel auf Lager“.

Sie mussten dann angeben, wie viel sie bereit wären, für das Produkt zu zahlen. Der Durchschnittsverbraucher war bereit, zusätzliche 50% zu zahlen, wenn die Uhr als knapp beworben wurde.

Knappheit kann von Choice-Architekten als wirksame Strategie eingesetzt werden, um Menschen, die Entscheidungen aufschieben (kurzsichtige Zauderer), zum Handeln zu bewegen (Johnson et al., 2012).

Scarcity (Psychology of) Menschen verfügen über eine „geistige Bandbreite“ oder „Brainpower“, bestehend aus Aufmerksamkeit, Kognition und Selbstkontrolle (Mullainathan & Sharif, 2013), die aus endlichen Ressourcen besteht, die reduziert oder erschöpft werden können. Die Knappheitsdenkweise bringt das Gefühl mit sich, von etwas nicht genug zu haben. Nach Mullainathan und Sharif kann jeder Mensch kognitive Knappheit erfahren, aber besonders ausgeprägt ist sie bei Menschen, die in Armut leben.

Auf der positiven Seite kann dies zu einem verminderten Fokus führen, der produktiv genutzt werden kann.

Die Kehrseite der Medaille ist das „Tunneln“, das die kognitive Kraft hemmt, die zur Lösung von Problemen, vernünftigem Denken und Handeln oder zum Speichern von Informationen benötigt wird. Eine verringerte Bandbreite beeinträchtigt auch die exekutive Kontrolle, beeinträchtigt die Planungsfähigkeit von Menschen und erhöht die Impulsivität, wobei der Fokus unmittelbar wird – Essen auf den Tisch bringen, ein Dach über dem Kopf finden oder die Stromrechnung zahlen (siehe auch

StraightONE Behavioral Economics Guide _ 2019

229

Teil 3 - Ressourcen

Present Bias).

Die mit Armut verbundenen Finanz- und Lebenssorgen und die schwierigen Kompromisse, die Menschen mit niedrigem Einkommen regelmäßig eingehen müssen, verringern ihre kognitiven Fähigkeiten. Einschränkungen der Selbstkontrolle oder Planung können einige Personen dazu veranlassen, zukünftige Belohnungen zugunsten kurzfristiger Bedürfnisse zu opfern. Auch das Zögern bei wichtigen Aufgaben ist wahrscheinlicher, ebenso wie das Vermeiden des Ausdrucks von negativen Emotionen.

oder vertraut ist, und dass der Rezenzeffekt wahrscheinlicher ist, wenn das Thema für den Einzelnen weniger relevant oder vertraut ist (Haugtvedt & Wegener, 1994; Lana, 1961).

Der Serienpositionseffekt sollte nicht mit allgemeineren Ordnungseffekten verwechselt werden, was sich auf Kontexteffekte bezieht, die durch die Reihenfolge der Items entstehen, wie z.B. Fragen in einem Forschungsinstrument (siehe auch Anchoring und Peak-End Rule).

Sludge Self-Control Selbstkontrolle ist in der Psychologie ein kognitiver Prozess, der dazu dient, bestimmte Verhaltensweisen und Emotionen gegenüber Versuchungen und Impulsen zu zügeln. Dieser Aspekt der Selbstregulierung ermöglicht es dem Einzelnen, Ziele zu erreichen (Diamond, 2013) (siehe auch Intertemporal Choice, Present Bias, DualSelf Model, Dual-System Theory, Ego Depletion und Decision Fatigue).

Serial-position Effekt Der Serienpositionseffekt bezieht sich auf die Erkenntnis, dass Gegenstände (z.B. Wort, Bild oder Handlung), die sich entweder am Anfang (Primat-Effekt) oder am Ende (Rezenzeffekt) einer Liste befinden, leichter erinnert werden (Ebbinghaus, 1913). Diese Effekte sind auch in der Sozialpsychologie eingehend untersucht worden.

Die Überzeugungsforschung hat zum Beispiel herausgefunden, dass der Primat-Effekt stärker ist, wenn das Thema in einer Botschaft für den Einzelnen relevant

230

StraightONE Behavioral Economics Guide _ 2019

Die beiden definierenden Merkmale eines Sludge (Thaler, 2018) sind „Reibung und schlechte Absichten“ (Goldhill, 2019). Während Richard Thaler eindringlich dafür plädiert, Nudges zum Guten einzusetzen, indem man erwünschtes Verhalten erleichtert, bewirkt ein Sludge das genaue Gegenteil: er erschwert einen Prozess, um zu einem Ergebnis zu gelangen, das nicht im besten Interesse der Person ist, die den Sludge erfährt.

Beispiele für Sludges sind Produktrabatte, die schwierige Verfahren erfordern, Abonnementkündigungen, die nur mit einem Telefonanruf erfolgen können, und komplizierte oder lange Antragsformulare für staatliche Studienbeihilfen.

Selbst wenn ein Sludge mit einem vorteilhaften Verhalten verbunden ist (wie z.B. bei der Studentenhilfe, Wählerregistrierung oder dem Führerschein), können die Kosten überhöht sein. Diese Kosten können Schwierigkeiten bei der Informationsbeschaffung, unnötiger Zeitaufwand oder psychologische Beeinträchtigungen wie Frustration sein (Sunstein, 2020).

Social Norm

Soziale Normen signalisieren angemessenes Verhalten und werden als Verhaltenserwartungen oder -regeln innerhalb einer Gruppe von Menschen eingestuft (Dolan et al., 2010). Soziale Normen des Austauschs, wie z.B. Reziprozität, unterscheiden sich von den Normen des Marktaustauschs (Ariely, 2008). Normative Rückmeldungen (z.B. wie das Niveau des eigenen Energieverbrauchs im Vergleich zum regionalen Durchschnitt ist) werden oft in Programmen zur Verhaltensänderung verwendet (Allcott, 2011) und haben sich als besonders wirksam erwiesen, um umweltschonendes Verhalten anzuregen (Farrow et al., 2017). Dieses Feedback kann entweder beschreibend sein, indem es das darstellt, was die meisten Menschen zum Zwecke des Vergleichs tun (z.B. „Die Mehrheit der Gäste in diesem Raum benutzt ihre Handtücher wieder“; Goldstein et al., 2008), oder anweisend, indem es genehmigtes oder missbilligtes Verhalten vermittelt (z.B. „Bitte nicht....“, Cialdini et al., 2006). Letzteres ist oft wirksamer, wenn ein unerwünschtes Verhalten häufiger auftritt als ein erwünschtes Verhalten (Cialdini, 2008).

Social Preferences Soziale Präferenzen (z.B. Fehr & Fischbacher, 2002) sind ein Präferenztyp, der in der Verhaltensökonomie untersucht wird und sich auf die Konzepte der Reziprozität, des Altruismus, der Ungleichheitsaversion und der Fairness bezieht.

Social Proof Der Einfluss, den andere auf unser Verhalten ausüben, kann entweder als normativ oder informational ausgedrückt werden. Normativer Einfluss impliziert Konformität, um akzeptiert oder gemocht zu werden (Aronson

et al., 2005), während informationaler Einfluss in mehrdeutigen Situationen auftritt, in denen wir unsicher sind, wie wir uns verhalten sollen, und in denen wir andere um Informationen oder Hinweise bitten.

Die soziale Bestätigung ist ein informationaler Einfluss (oder deskriptive Norm) und kann zu Herdenverhalten führen. Sie wird manchmal auch als Heuristik bezeichnet. Forschungsergebnisse deuten darauf hin, dass der Erhalt von Informationen darüber, wie sich andere verhalten (soziale Bestätigung), bei Menschen aus kollektivistischen Kulturen zu größerer Compliance führt, während Informationen über das Verhalten des Einzelnen in der Vergangenheit (Beständigkeit/Commitment) bei Menschen aus individualistischen Kulturen mit größerer Compliance verbunden sind (Cialdini et al., 1999).

Status Quo Bias Eine Verzerrung des Status quo ist offensichtlich, wenn Menschen es vorziehen, dass die Dinge gleichbleiben, indem sie nichts tun (siehe auch Inertia) oder an einer zuvor getroffenen Entscheidung festhalten (Samuelson & Zeckhauser, 1988). Dies kann selbst dann geschehen, wenn nur geringe Übergangskosten anfallen und die Bedeutung der Entscheidung groß ist.

Felddaten aus den Einschreibungen in universitäre Gesundheitspläne zum Beispiel zeigen eine große Diskrepanz bei der Wahl der Gesundheitspläne zwischen neuen und bestehenden Immatrikulierten. Ein bestimmter Plan mit deutlich günstigeren Prämien und Selbstbeteiligungen hatte einen wachsenden Marktanteil unter den neuen Mitarbeitern, aber einen deutlich geringeren Anteil unter den älteren Immatrikulierten.

Dies deutet darauf hin, dass ein fehlender Wechsel nicht durch unveränderte Präferenzen erklärt werden konnte.

Samuelson und Zeckhauser beobachteten, dass das

StraightONE Behavioral Economics Guide _ 2019

231

Teil 3 - Ressourcen

Status-Quo-Bias mit der Verlustaversion vereinbar ist und dass es psychologisch durch zuvor eingegangene Verpflichtungen, das Denken an versunkenen Kosten, kognitive Dissonanzen, das Bedürfnis, die Kontrolle zu haben, und das Bedauern über die Vermeidung des Wechsels erklärt werden könnte. Letzteres beruht auf der Beobachtung von Kahneman und Tversky, dass Menschen schlechte Ergebnisse, die aus neuen Handlungen resultieren, mehr bedauern als schlechte Folgen, die die Folge von Untätigkeit sind (Kahneman & Tversky, 1982).

Während ein Status-Quo-Bias häufig als irrational angesehen wird, ist das Festhalten an Entscheidungen, die in der Vergangenheit funktioniert haben, aufgrund informationaler und kognitiver Einschränkungen oft eine sichere und weniger schwierige Entscheidung (siehe Bounded Rationality). Zum Beispiel ist eine Verzerrung des Status quo wahrscheinlicher, wenn es eine Überlastung der Wahlmöglichkeiten (Dean et al., 2017) oder hohe Unsicherheit und Deliberationskosten (Nebel, 2015) gibt.

Sunk Cost Fallacy Einzelpersonen unterliegen dem Irrglauben der versunkenen Kosten, wenn sie ein Verhalten oder eine Bemühung als Ergebnis zuvor investierter Ressourcen (Zeit, Geld oder Mühe) fortsetzen (Arkes & Blumer, 1985).

Dieser Irrglauben, der mit der Verlustaversion und dem Status-Quo-Bias zusammenhängt, kann auch als Verzerrung angesehen werden, die sich aus einem fortgesetzten Commitment ergibt.

Beispielsweise bestellen Einzelpersonen manchmal zu viel Essen und essen dann zu viel, nur um „ihre Kosten wieder hereinzubekommen“. In ähnlicher Weise kann eine Person ein 20-Dollar-Ticket für ein Konzert haben

232

StraightONE Behavioral Economics Guide _ 2019

und dann stundenlang durch einen Schneesturm fahren, nur weil sie das Gefühl hat, dass sie wegen der anfänglichen Investition teilnehmen muss. Wenn die Kosten den Nutzen überwiegen, werden die anfallenden Zusatzkosten (Unannehmlichkeiten, Zeit oder sogar Geld) auf einem anderen mentalen Konto verbucht als auf dem, das mit der Ticket-Transaktion verbunden ist (Thaler, 1999).

Forschungsergebnisse legen nahe, dass Ratten, Mäuse und Menschen alle empfindlich auf versunkene Kosten reagieren, nachdem sie die Entscheidung getroffen haben, eine Belohnung anzustreben (Sweis et al., 2018).

System 1/2 Siehe Dual-system Theorie

T

Take-the-Best (Heuristi) Take-the-Best ist eine einfache Entscheidungsfindung, die man bei der Wahl zwischen Alternativen anwenden kann. Sie ist eine Entscheidungsregel, die auf einem einzigen Grund basiert, eine Art von Heuristik, bei der Beurteilungen nur auf einem einzigen „guten“ Grund beruhen und andere Hinweise ignoriert werden (Gigerenzer & Gaissmaier, 2011). Mit Hilfe der „Take-the-Best“Heuristik wird ein Entscheidungsträger die Wahl auf ein Attribut stützen, von dem angenommen wird, dass es am effektivsten zwischen den Optionen unterscheiden kann (Gigerenzer & Goldstein, 1996). Die Zollbeamten an einem Flughafen können z.B. bestimmen, ob ein Passagier für eine Durchsuchung ausgewählt wird, indem sie das Beste von verschiedenen Merkmalen wie Herkunftsflughafen, Nationalität oder Gepäckmenge auswählen (Pachur & Marinello, 2013). Eine Studie untersuchte, wie Wähler bei der US-Präsidentschaftswahl den Umgang der Präsidentschaftskandidaten mit einem, von den Wählern als am wichtigsten erachteten Thema, wie z.B. die Wirtschaftslage oder die Außenpolitik, umgingen. Ein Modell, das auf diesem Thema (als das von potenziellen Wählern als Take-the-Best-Merkmal erkorene Thema) basierte, konnte in 97% aller Vorhersagen den Gewinner der Volksabstimmung richtig bestimmen (Graefe & Armstrong, 2012).

Take-the-First (Heuristic) Take-the-First ist eine fließende Heuristik. Fließende Entscheidungsprozesse entstehen, wenn verschiedene Alternativen erkannt werden, aber demjenigen, das am schnellsten erkannt wird, ein höherer Wert in Bezug auf ein Kriterium beigemessen wird (Gigerenzer & Gaissmaier, 2011). Im Fall von Take-the-First wählen

die Entscheidungsträger einfach die erste Alternative, die ihnen in den Sinn kommt (Johnson & Raab, 2003). Ähnlich wie andere Ansätze nach dem Motto „fast and frugal“ eignet sich diese Strategie am besten in Situationen, in denen die Fähigkeit der Menschen, Informationen sorgfältig zu analysieren, eingeschränkt ist.

Wenn erfahrene Handballspieler gebeten wurden, sich in Videosequenzen zwischen einem Schuss oder einem Pass zu entscheiden, war die erste Option, die ihnen in den Sinn kam, tendenziell besser als spätere Optionen oder eine Vorgabe, unter der sie mehr Zeit zur Analyse der Situation hatten.

Time (Temporal) Discounting Die Zeitdiskontierungsforschung untersucht Unterschiede in der relativen Bewertung von Belohnungen (in der Regel Geld oder Waren) zu verschiedenen Zeitpunkten, indem sie die Bewertung zu einem früheren Zeitpunkt mit der Bewertung zu einem späteren Zeitpunkt vergleicht (Frederick et al., 2002). Es gibt Hinweise darauf, dass gegenwärtige Belohnungen stärker gewichtet werden als zukünftige. Sobald Belohnungen sehr weit in der Zeit entfernt sind, verlieren sie ihren Wert. Verzögerungsdiskontierung lässt sich durch Impulsivität und eine Tendenz zur sofortigen Befriedigung erklären (siehe Self Control), und sie ist besonders offensichtlich bei Süchten wie Nikotin (Bickel et al., 1999).

Die Theorie der hyperbolischen Diskontierung legt nahe, dass Diskontierung nicht zeitkonsistent ist; sie ist weder linear noch tritt sie mit einer konstanten Rate auf.

Sie wird gewöhnlich untersucht, indem man Menschen Fragen stellt wie „Würden Sie lieber heute £100 oder lieber £120 in einem Monat erhalten?“ oder „Würden Sie lieber £100 in einem Jahr oder lieber £120 in einem Jahr und einem Monat erhalten?“ Die Ergebnisse zeigen, dass die Menschen glücklicher sind, wenn sie einen zusätzlichen Monat auf eine größere Belohnung warten,

StraightONE Behavioral Economics Guide _ 2019

233

Teil 3 - Ressourcen

wenn diese in ferner Zukunft liegt. Bei der hyperbolischen Diskontierung nimmt der mit einer Belohnung verbundene Wert bei kleinen Verzögerungszeiten sehr schnell ab und fällt dann bei längeren Verzögerungen langsamer (Laibson, 1997) (siehe auch Present Bias).

Studien haben verschiedene Wege zur Verringerung der Diskontierung aufgezeigt, wie z.B. die Fokussierung auf die Zukunft (Sheffer et al., 2016), die mentale Simulation zukünftiger Erfahrungen (z.B. Stein et al., 2016) und die Interaktion mit visuellen Darstellungen des zukünftigen Selbst (Hershfield et al., 2011).

Transitive/Intransitive Preferences Präferenztransitivität ist ein Markenzeichen der Rational-Choice-Theorie. Sie besagt, dass wenn aus einer Reihe von Optionen A gegenüber B und B gegenüber C bevorzugt wird, dann muss auch A gegenüber C bevorzugt werden (z.B. von Neumann & Morgenstern, 1947).

Intransitive Präferenzen (d.h. C wird A vorgezogen) verletzen die Transitivitätsannahme und werden manchmal verwendet, um die Entscheidungsfindung System 1 vs.

2 anzugeben (Gallo et al., 2016) (siehe auch Preference Reversal und Decoy Effect).

Trust Vertrauen durchdringt menschliche Gesellschaften. Es ist unverzichtbar in Freundschaften, Liebe, Familie, Organisationen und Politik. Zwischenmenschliches Vertrauen ist ein mentales Konstrukt mit Auswirkungen auf das soziale Funktionieren und das wirtschaftliche Verhalten, wie es z.B. durch Vertrauensspiele untersucht wird.

Obwohl die neoklassische Wirtschaftstheorie suggeriert, dass Vertrauen in Fremde irrational ist, können Vertrauen und Vertrauenswürdigkeit in allen Gesellschaften weitgehend beobachtet werden. Tatsächlich gibt es Reziprozität als ein grundlegendes Element menschlicher Beziehungen und Verhaltensweisen, und dies wird in dem auf ein anonymes Gegenüber ausgeweiteten Vertrauen berücksichtigt (Berg et al., 1995). Die Natur des vertrauensvollen Verhaltens ist ein facettenreicher Teil der Psychologie, der im Hinblick auf die zugrunde liegenden Dispositionen, Intergruppenprozesse und kognitiven Erwartungen untersucht wird (Evans & Krueger, 2009). Verhaltenspsychologische und biologische Evidenz deutet darauf hin, dass Vertrauen nicht einfach ein Sonderfall der Risikobereitschaft ist, sondern auf wichtigen Formen sozialer Präferenzen wie der Verratsaversion beruht (Fehr, 2010).

Sowohl das Vertrauen als auch die Vertrauenswürdigkeit nehmen zu, wenn sich die Menschen sozial näherstehen, aber letztere nimmt ab, wenn die Partner aus unterschiedlichen sozialen Gruppen wie Nationalität oder Rasse stammen. Darüber hinaus zeigt sich, dass Personen mit einem hohen Status in der Lage sind, anderen mehr Vertrauen zu entlocken (Glaeser et al., 2000). Beispielsweise sind CEOs wesentlich vertrauensvoller und vertrauenswürdiger als Studenten. Vertrauen scheint vertrauenswürdiges Verhalten zu verstärken. In einem Verhaltensexperiment war die Vertrauenswürdigkeit am höchsten, wenn die Strafandrohung verfügbar war, aber nicht benutzt wurde, und am niedrigsten, wenn die Strafandrohung tatsächlich benutzt wurde. Paradoxerweise nutzten jedoch die meisten CEOs und Studenten die Strafandrohung, auch wenn CEOs von ihr deutlich weniger Gebrauch machten (Fehr & List, 2004).

Trust Game Ähnlich wie beim Diktatorspiel wird bei diesem Spiel

234

StraightONE Behavioral Economics Guide _ 2019

von den Teilnehmern verlangt, Geld zwischen sich und jemand anderem aufzuteilen. Beim Vertrauensspiel wird jedoch zunächst Spieler A gebeten, eine anfängliche Dotierung von Null oder einem höheren Wert (z.B. $5) festzulegen. Das Geld wird dann vom Experimentator multipliziert (z.B. verdreifacht auf $15) und an Spieler B gegeben, der dann gebeten wird, einen Betrag von null oder einem höheren Wert an Spieler A zurückzugeben.

Im Spiel geht es um Gegenseitigkeit und Vertrauen, denn Spieler A muss entscheiden, wie viel der Dotierung er an Spieler B in der Hoffnung abgibt, dafür mindestens den gleichen Betrag zu erhalten. Im ursprünglichen Experiment (Berg et al., 1995) schickten 30 von 32 ersten Spielern Geld, und 11 dieser 30 Entscheidungen führten zu einer Rückzahlung, die höher war als der ursprünglich geschickte Betrag. Diese Erkenntnis widerlegt die Vorhersage der ökonomischen Standardannahmen (siehe Homo Oeconomicus), dass es kein Vertrauen geben würde. Wie auch bei anderen Spielen haben Kritiker jedoch Fragen darüber aufgeworfen, was das Vertrauensspiel tatsächlich misst (Brülhart & Usunier, 2012) (siehe Ultimatum Game).

U Ultimatum Game Das Ultimatumspiel ist ein frühes Beispiel für Untersuchungen, die Verletzungen von Standardannahmen der Rationalität aufdeckten (siehe Homo Oeconomicus). In dem Experiment wird ein Spieler (der Vorschlagende/ Zuweiser) mit einer Geldsumme ausgestattet und gebeten, diese zwischen ihm und einem anonymen Spieler (dem Antwortenden/Empfänger) aufzuteilen. Der Empfänger kann den Vorschlag des Zuweisers entweder annehmen oder ablehnen, in diesem Fall erhält keiner der beiden Spieler etwas. Aus einer traditionellen spieltheoretischen Perspektive sollte der Zuweiser nur einen symbolischen Betrag anbieten und der Empfänger sollte ihn annehmen. Die Ergebnisse zeigten jedoch, dass die meisten Zuweiser mehr als nur eine symbolische Zahlung anboten, und viele gingen sogar so weit, eine gleichmäßige Aufteilung anzubieten. Einige Angebote wurden von den Empfängern abgelehnt, was darauf hindeutet, dass sie bereit waren, ein Opfer zu bringen, wenn sie das Angebot als unfair empfanden (siehe auch

StraightONE Behavioral Economics Guide _ 2019

235

Teil 3 - Ressourcen

Inequity Aversion und Fairness) (Guth et al., 1982), (siehe auch Dictator Game und Trust Game).

Utility In der Ökonomie bezieht sich der Nutzen (z.B. Stigler, 1950) auf den Vorteil (Zufriedenheit oder Glück), den die Verbraucher aus einem Gut ziehen, und er kann auf der Grundlage der Wahl des Einzelnen zwischen Alternativen oder Präferenzen gemessen werden, die sich in seiner Zahlungsbereitschaft oder Akzeptanz zeigt. Verhaltensökonomen haben in der Vergangenheit Annahmen in Frage gestellt, dass der Nutzen immer maximiert wird, und sie haben sowohl mit traditionellen als auch mit neuen Möglichkeiten zur Nutzen-Messung gearbeitet.

- Der erwartete Nutzen (Bernoulli, 1954 [1738]) wurde sowohl in der Wirtschaftswissenschaft als auch in der Spiel- und Entscheidungstheorie, einschließlich der Prospekttheorie, verwendet und basiert auf Entscheidungen mit ungewissem Ausgang.

- Der diskontierte Nutzen ist eine Form des Nutzens, die im intertemporalen Wahlbereich der Verhaltensökonomie verwendet wird (Berns et al., 2007).

- Erfahrener Nutzen (Kahneman et al., 1997) bezieht sich auf tatsächliche (hedonische) Erfahrungen, die mit einem Resultat verbunden sind (im Gegensatz zum wahlbasierten Entscheidungsnutzen), der mit Theorien über Prognosefehler wie dem Diversifikationsbias verbunden ist.

- Erinnerter Nutzen (Kahneman et al., 1997) suggeriert, dass die Entscheidungen der Menschen auch auf ihrer Erinnerung an vergangene Ereignisse oder Erfahrungen beruhen und wird in der Peak-End-Regel herangezogen.

236

StraightONE Behavioral Economics Guide _ 2019

- Sofortiger Nutzen und prognostizierter Nutzen wurden im Bereich der intertemporalen Wahl verwendet, wie z.B. Untersuchungen zur Empathielücke, die zeigt, dass der prognostizierte Nutzen in Richtung des sofortigen Nutzens verzerrt ist (Camerer & Loewenstein, 2004).

- Der Verfahrensnutzen ist relevant, wenn die Menschen nicht nur die Ergebnisse, sondern auch die Prozesse, die zu diesen Ergebnissen führen, schätzen (Frey, Benz, & Stutzer, 2004).

- Der soziale Nutzen wurde im Zusammenhang mit der Spieltheorie vorgeschlagen, in der Spieler nicht nur immer eigennützig handeln, sondern auch Bedenken hinsichtlich der wahrgenommenen Absichten anderer Spieler und der Fairness zeigen (Camerer, 1997).

- Der Transaktionsnutzen erklärt den wahrgenommenen Verdienst oder die Qualität eines Geschäfts und nicht nur den Wert einer Ware oder Dienstleistung im Verhältnis zu ihrem Preis, der durch den Erwerbsnutzen erfasst wird (Thaler, 1985).

W Willingness to Pay (WTP) / Willingness to Accept (WTA)

fand Thaler (1985) Belege dafür, dass Menschen, die mit einem hypothetischen Szenario konfrontiert werden, in dem sie am Strand liegen und sich nach einem Bier sehnen, bereit wären, für ein Bier, das in einem ResortHotel gekauft wird, deutlich mehr zu bezahlen als für ein Bier, das in einem heruntergekommenen Lebensmittelgeschäft gekauft wird (siehe auch Transaction Utility und Mental Accounting). Darüber hinaus übersteigt die durchschnittliche WTA für eine Ware manchmal ihre WTP, was auf einen Endowment-Effekt hindeuten kann, d.h. Menschen schätzen etwas mehr, wenn sie es bereits besitzen. Die Forschung hat auch gezeigt, dass die Wahrscheinlichkeit, dass der WTA den WTP übersteigt, umso größer ist, je weiter ein Gut von einem gewöhnlichen privaten Gut entfernt ist. Das Verhältnis von WTA zu WTP ist besonders hoch bei Gesundheit/Sicherheit und öffentlichen/nicht-marktbestimmten Gütern (Horowitz & McConnel, 2002).

Winner’s Curse In der Ökonomie sind die Annahmebereitschaft (WTA) und die Zahlungsbereitschaft (WTP) Präferenzmaße, die sich nicht auf tatsächliche Wahlmöglichkeiten zwischen alternativen Optionen stützen. Stattdessen bitten sie Einzelpersonen, Geldbeträge anzugeben. WTA ist ein Maß für die finanzielle Mindestentschädigung, die eine Person benötigen würde, um sich von einem Gut zu trennen oder etwas Unerwünschtes (wie Umweltverschmutzung oder Kriminalität) in Kauf zu nehmen.

Zahlungsbereitschaft (WTP) ist das Gegenteil - der maximale Geldbetrag, den jemand bereit ist, für eine Ware zu zahlen oder um etwas Unerwünschtes zu vermeiden.

Nach gängiger ökonomischer Intuition sollte die WTP in allen Entscheidungskontexten relativ stabil sein, und die WTA sollte für ein bestimmtes Gut sehr nahe an der WTP liegen .

Die Verhaltensökonomie hat jedoch gezeigt, dass WTP und WTA kontextabhängig sein können. Zum Beispiel

Der Fluch des Gewinners beschreibt das Phänomen, dass das Gewinnergebot einer Auktion dazu neigt, den wahren (und für die Bieter unsicheren) Wert der Ware zu übersteigen, was faktisch dazu führt, dass der Gewinner zu viel bezahlt. Emotionen, kognitive Verzerrungen und unvollständige Informationen scheinen für dieses Verhalten verantwortlich zu sein, das im Extremfall zu Blasen auf den Aktien- oder Immobilienmärkten führen kann.

In seiner bahnbrechenden Arbeit „Anomalies: The Winner‘s Curse“ stellte Richard Thaler (1988) fest, dass, wenn er einen Krug mit Münzen unter seinen Studenten versteigern würde, (1) das durchschnittliche Gebot deutlich unter dem tatsächlichen Wert der Münzen liegen würde (Bieter sind risikoscheu) und (2) das Gebot, das den Zuschlag erhält, den Wert des Kruges übersteigen würde (auch wenn dieser überteuert sein könnte). Dies

StraightONE Behavioral Economics Guide _ 2019

237

Teil 3 - Ressourcen

steht nicht im Einklang mit der Vorstellung, dass alle Bieter rational sind. Theoretisch sollte es zu keinen Überzahlungen kommen, wenn perfekte Informationen allen zur Verfügung stünden und alle Teilnehmer in ihrer Entscheidungsfindung völlig rational und bei der Bewertung versiert wären. Der Fluch des Gewinners, eine robuste und hartnäckige Abweichung von theoretischen Vorhersagen, die in der experimentellen Ökonomie aufgestellt wurden, spiegelt jedoch die eingeschränkte Rationalität recht gut wider, da Menschen Schwierigkeiten haben, kontingente Überlegungen zu zukünftigen Ereignissen anzustellen (Charness & Levin, 2009) (siehe Intertemporal Choice). Es überrascht nicht, dass in einer experimentellen Demonstration des Fluchs des Gewinners der Grad der Unsicherheit bezüglich des Wertes der Ware und die Anzahl der konkurrierenden Bieter als die beiden Faktoren identifiziert wurden, die die Inzidenz und das Ausmaß dieses Fluchs beeinflussen (Bazerman & Samuelson, 1983).

In einem Versuch, den Fluch des Gewinners zu überwinden, hat ein Experiment zwei Faktoren identifiziert, die für seine Persistenz verantwortlich sind: eine Variabilität in der Umgebung, die zu mehrdeutigem Feedback führt (d.h. Entscheidungen und Ergebnisse sind nur teilweise korreliert), und die Tendenz der Entscheidungsträger, adaptiv zu lernen. Daher kann durch die Verringerung der Varianz im Feedback (so dass Entscheidungen und Ergebnisse korreliert sind) die Leistung deutlich verbessert werden (Bereby-Meyer & Grosskopf, 2008).

238

StraightONE Behavioral Economics Guide _ 2019

Z Zero Price Effect

Der Zero-Price-Effekt legt nahe, dass traditionelle Kosten-Nutzen-Modelle den psychologischen Effekt, etwas umsonst zu bekommen, nicht berücksichtigen können. Ein lineares Modell geht davon aus, dass die Veränderungen der Kosten auf allen Preisniveaus gleich sind und der Nutzen gleichbleibt. Infolgedessen macht eine Preissenkung eine Ware in allen Preispunkten gleich mehr oder weniger attraktiv. Das Zero-Preis-Modell hingegen geht davon aus, dass der innere Wert eines Gutes steigt, wenn der Preis auf Null gesenkt wird (Shampanier et al., 2007). Freie Güter haben eine zusätzliche Anziehungskraft, da eine Preissenkung von 1 $ auf Null stärker ist als eine Senkung von 2 $ auf 1 $.

Dies gilt insbesondere für hedonische Produkte - Dinge, die uns Freude oder Genuss bereiten (z.B. Hossain & Saini, 2015). Eine zentrale psychologische Erklärung für den Zero-Price-Effekt war die Affektheuristik, bei der Optionen, die keine Nachteile haben (keine Kosten), eine positivere affektive Reaktion auslösen.

Literaturhinweise Acland, D., & Levy, M. R. (2015). Naiveté, projection bias, and habit formation in gym attendance. Management Science, 61(1), 146-160.

Adjerid, I., Acquisti, A., Brandimarte, L., & Loewenstein, G. (2013).

Sleights of privacy: Framing, disclosures, and the limits of transparency. Proceedings of the Ninth Symposium on Usable Privacy and Security (SOUPS). Retrieved from http://cups.cs.cmu.edu/soups/2013/ proceed- ings/a9_Adjerid.pdf Aggarwal, P., Jun, S. Y., & Huh, J. H. (2011). Scarcity messages. Journal of Advertising, 40(3), 19-30. Akerlof, G., & Kranton, R. (2000).

Economics and identity. The Quarterly Journal of Economics, 115(3), 715-753.

Barone, M. J., & Tirthankar, R. (2010). Does exclusivity always pay off? Exclusive price promotions and consumer response. Journal of Marketing, 74(2), 121-132.

Bateman, I. J., Munro, A., & Poe, G. L. (2008). Decoy effects in choice experiments and contingent valuation: Asymmetric dominance. Land Economics, 84(1), 115-127.

Baumeister, R. F., Sparks, E. A., Stillman, T. F., & Vohs, K. D. (2008).

Free will in consumer behavior: Self-control, ego depletion, and choice. Journal of Consumer Psychology, 18(1), 4-13. Bazerman, M. & Samuelson, W. (1983). I won the auction but don’t want the prize.

Journal of Conflict Resolution, 27(4), 618-634.

Bénabou, R. & Tirole, J. (2003). Intrinsic and extrinsic motivation.

Review of Economic Studies, 30, 489-520.

Bénabou, R. & Tirole, J. (2006). Incentives and prosocial behavior.

American Economic Review, 96(5), 1652-1678.

Akerlof, G., & Kranton, R. (2005). Identity and the economics of organizations. Journal of Economic Perspectives, 19(1), 9-32.

Allcott, H. (2011). Social norms and energy conservation. Journal of Public Economics, 95(5), 1982- 2095.

Benartzi, S., Beshears, J., Milkman, K. L., Sunstein, C. R., Thaler, R. H., Shankar, M., Tucker- Ray, W., Congdon, W. J., & Galing, S. (2017).

Should governments invest more in nudging? Psychological Science, 28(8), 1041-1055.

An, S. (2008). Antidepressant direct-to-consumer advertising and social perception of the prev-

Bereby-Meyer, Y. & Grosskopf, B. (2008). Overcoming the winner’s curse: An adaptive learning perspective. Behavioral Decision Making, 21(1), 15-27.

Berg, J., Dickhaut, J. & McCabe, K. (1995). Trust, reciprocity, and social history. Games and Economic Behavior, 10(1), 122-142.

alence of depression: Application of the availability heuristic. Health Communication, 23(6), 499-505.

Ariely, D. (2008). Predictably Irrational. New York: Harper Collins.

Arkes, H. R., & Blumer, C. (1985). The psychology of sunk costs. Organizational Behavior and Human Decision Processes, 35, 124-140.

Aronson, E., Wilson, T., & Akert, A. (2005). Social Psychology (5th ed.). Upper Saddle River, NJ: Prentice Hall.

Arrow, K. (1958). Utilities, attitudes, choices: A review note. Econometrica, 26(1): 1-23. Baca-Motes, K., Brown, A., Gneezy, A., Keenan, E. A., & Nelson, L. D. (2012). Commitment and behavior change: Evidence from the field. Journal of Consumer Research, 39(5), 10701084. Banerjee, A. (1992). A simple model of herd behavior. Quarterly Journal of Economics, 107, 797- 817.

Barberis, N. C. (2013). Thirty years of prospect theory in economics: A review and assessment. Journal of Economic Perspectives, 27(1), 173-96.

Barberis, N. C., & Thaler, R. H. (2003). A survey of behavioral finance.

In G. M. Constantinides, M. Harris, & R. M. Stulz (Eds.), Handbook of the economics of finance (pp. 1053-1128). Elsevier. Bardsley, N. (2008). Dictator game giving: Altruism or artefact? Experimental Economics, 11(2), 122-133.

Bar-Eli, M., Azar, O. H., Ritov, I., Keidar-Levin, Y., & Schein, G. (2007). Action bias among elite soccer goalkeepers: The case of penalty kicks. Journal of Economic Psychology, 28(5), 606-621.

Berger, L., Bleichrodt, H., & Eeckhoudt, L. (2013). Treatment decisions under ambiguity. Journal of Health Economics, 32, 559-569.

Berger, S., Feldhaus, C., & Ockenfels, A. (2018). A shared identity promotes herding in an infor- mation cascade game. Journal of the Economic Science Association, 4(1), 63-72.

Bernoulli, D. (1954 [1738]). Exposition of a new theory on the measurement of risk. Econometrica, 22(1): 23–36.

Berns, G. S., Laibson, D., & Loewenstein, G. (2007). Intertemporal choice: Toward an integrative framework. Trends in Cognitive Sciences, 11(11), 482-488.

Bickel, W., Odum, A., & Madden, G. (1999). Impulsivity and cigarette smoking: Delay discounting in current, never, and ex-smokers. Psychopharmacology, 146(4),447-454.

Bikhchandi, S., Hirschleifer, D., & Welch, I. (1992). A theory of fads, fashion, custom and cultural change as informational cascades. Journal of Political Economy, 100, 992-1026.

Blanken, I., van de Ven, N., & Zeelenberg, M. (2015). A meta-analytic review of moral licensing. Personality and Social Psychology Bulletin, 41(4), 540-558.

Brewer, N. T., DeFrank, J. T., & Gilkey, M. B. (2016). Anticipated regret and health behavior: A meta-analysis. Health Psychology, 35(11), 1264-1275.

StraightONE Behavioral Economics Guide _ 2019

239

Teil 3 - Ressourcen

Brülhart, M., & Usunier, J.-C. (2012). Does the trust game measure trust? Economic Letters, 115, 20-23.

Chuan, A., Kessler, J. B., & Milkman, K. L. (2018). Field study of charitable giving reveals that reci- procity decays over time. Proceedings of the National Academy of Sciences, 115(8), 1766-1771.

Buehler, R., Griffin, D., & Ross, M. (1994). Exploring the “planning fallacy”: Why people underesti- mate their task completion times.

Journal of Personality and Social Psychology, 67(3), 366-381. Burson, K. A., Larrick, R. P., & Lynch, J. G., Jr. (2009). Six of one, half dozen of the other: expand- ing and contracting numerical dimensions produces preference reversals. Psychological Science, 20(9), 1074-1078.

Cialdini, R. B. (2008). Influence: Science and Practice, 5th ed. Boston: Pearson.

Cialdini, R. B., Demaine, L. J., Sagarin, B. J., Barrett, D. W., Rhoads, K., & Winter, P. L. (2006).

Busby, E., Flynn, D. J., & Druckman, J. N. (2018). Studying framing effects on political preferences: Existing research and lingering questions. In P. D‘Angelo (Ed.), Doing News Framing Analysis II (pp. 67-90). New York: Routledge.

Busse, M. R., Pope, D. G., Pope, J. C., & Silva-Risson, J. (2012).

Projection bias in the housing and car markets. NBER Working Paper.

Retrieved from https://www.nber.org/papers/w18212. Camerer, C. (2003). Behavioral game theory. Princeton, NJ: Princeton University Press. Camerer, C. F. (1997). Progress in behavioral game theory.

Journal of Economic Perspectives, 11, 167-188.Camerer, C., Loewenstein, G., & Weber, M. (1989). The curse of knowledge in economic settings:An experimental analysis. Journal of Political Economy, 97(5), 1232-1254.

Managing social norms for persuasive impact. Social Influence, 1(1), 3-15.

Cialdini, R. B., Vincent, J. E., Lewis, S. K., Catalan, J., Wheeler, D., & Darby, B. L. (1975). Reciprocal concessions procedure for inducing compliance: The door-in-the-face technique. Journal of Personality and Social Psychology, 31, 206-215.

Cialdini, R. B., Wosinska, W., Barrett, D. W., Butner, J., Gornik-Durose, M. (1999). Compliance with a request in two cultures: The differential influence of social proof and commitment/ consistency on collectivists and individualists. Personality and Social Psychology Bulletin, 25, 1242-1253.

Cohn, A., Fehr, E. & Maréchal, M. (2014). Business culture and dishonesty in the banking indus- try. Nature, 516, 86-89.

Camerer, C. F., & Loewenstein, G. (2004). Behavioral economics: past, present and future. In C. F. Camerer, G. Loewenstein and M. Rabin (Eds.), Advances in Behavioral Economics (pp. 3-51). Princeton, NJ: Princeton University Press.

Cohn, A., & Maréchal, M. A. (2016). Priming in economics. Current Opinion in Psychology, 12, 17- 21.

Chandon, P., & Wansink, B. (2007). The biasing health halos of fastfood restaurant health claims: Lower calorie estimates and higher side-dish consumption intentions. Journal of Consumer Research, 34(3), 301-314. Chapman, S., Wong, W. L., & Smith, W. (1993). Selfexempting beliefs about smoking and health: Differences between smokers and ex-smokers. American Journal of Public Health, 83(2), 215- 219.

Cornelissen, T., Himmler, O., & Koenig, T. (2011). Perceived unfairness in CEO compensation and work morale. Economics Letters, 110, 45-48.

Dean, M., Kibris, O., & Masatlioglu, Y. (2017). Limited attention and status quo bias. Journal of Economic Theory, 169, 93-127.

Charness, G., & Levin, D. (2009). The origin of the Winner’s Curse: A laboratory study. American Economic Journal: Microeconomics, 1(1), 207-36.

Chartrand, T. L., & Bargh, J. A. (1999). The chameleon effect: The perception-behavior link and social interaction. Journal of Personality and Social Psychology, 76(6), 893-910.

Chartrand, T. L., Huber, J., Shiv, B., & Tanner, R. (2008). Nonconscious goals and consumer choice. Journal of Consumer Research, 35, 189-201.

Cheema, A., & Soman, D. (2008). The effect of partitions on controlling consumption. Journal of Marketing Research, 45(6), 665-675.

Chen, G., Kim, K. A., Nofsinger, J. R., & Rui, O. M. (2007). Trading performance, disposition effect, overconfidence, representativeness bias, and experience of emerging market investors. Journal of Behavioral Decision Making, 20, 425-451.

Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology, 25(2), 333-358.

Conlin, M., O‘Donoghue, T., & Vogelsang, T. J. (2007). Projection bias in catalog orders. American Economic Review, 97(4), 1217-1249.

Deci, E. L., Koestner, R., & Ryan, R. M. (1999). A meta-analytic review of experiments examining the effects of extrinsic rewards on intrinsic motivation. Psychological Bulletin, 125, 627-668.

Dhar, R., Huber, J., & Khan, U. (2007). The shopping momentum effect. Journal of Marketing Research, 44, 370-378.

Diamond, A. (2013). Executive functions. Annual Review of Psychology, 64, 135-168.

Dickerson, C. A., Thibodeau, R., Aronson, E., & Miller, D. (1992).

Using cognitive dissonance to encourage water conservation. Journal of Applied Social Psychology, 22(11), 841-854.

Dolan, P., Hallsworth, M., Halpern, D., King, D., & Vlaev, I. (2010).

MINDSPACE: Influencing behaviour through public policy. London, UK: Cabinet Office.

Ducharme, J. (2018, September 21). A Prominent researcher on eating habits has had more studies retracted. Time. Retrieved from http:// time.com/5402927/brian-wansink-cornell-re- signed/.

Duhigg, C. (2012). The power of habit: Why we do what we do in life

240

StraightONE Behavioral Economics Guide _ 2019

and business. New York: Random House.

Fisher, I. (1928). The money illusion. New York: Adelphi Company.

Easley, D., & O’Hara, M. (2009). Ambiguity and nonparticipation: the role of regulation. The Review of Financial Studies, 22(5), 1817-1843.

Fiske, S. T., & Taylor, S. E. (1991). Social Cognition (2nd ed.). New York: McGraw-Hill.

Ebbinghaus, H. (1913). On memory: A contribution to experimental psychology. New York, NY: Teachers College.

Florack, A., Keller, J., & Palcu, J. (2013). Regulatory focus in economic contexts. Journal of Economic Psychology, 38, 127–137.

Economou, F., Hassapis, C., & Philippas, N. (2018). Investors’ fear and herding in the stock mar- ket. Applied Economics, 50(34-35), 36543663.

Flyvbjerg, B., Skamris Holm, M. K., & Buhl, S. L. (2005). How (in) accurate are demand forecasts in public works projects? The case of transportation. Journal of the American Planning Association, 71(2), 131-146.

Ellsberg, D. (1961). Risk, ambiguity, and the savage axioms. The Quarterly Journal of Economics, 75(4), 643-669.

Ericson, K. M. M., & Fuster, A. (2014). The endowment effect. Annual Review of Economics, 6(1), 555-579.

Eşanu, E. (2019, November 1). 10 powerful user nudges illustrated. UX Planet. Retrieved from https://uxplanet.org/10-powerful-user-nudges-illustrated-540ce4063f9a.

Evans, A. & Krueger, J. (2009). The psychology (and economics) of trust. Social and Personality Psychology Compass, 3(6), 1003-1017.

Falk, A. (2007). Gift exchange in the field. Econometrica, 75, 15011511.Falk, A., Becker, A., Dohmen, T., Huffman, D. & Sunde, U. (2012).

An experimentally validat- ed preference module. Retrieved from http://cups.cs.cmu.edu/soups/2013/proceedings/ a9_Adjerid.pdf Farrow, K., Grolleau, G., & Ibanez, L. (2017). Social norms and pro-environmental behavior: A review of the evidence. Ecological Economics, 140, 1-13.

Fehr, E. (2010). On the economics and biology of trust. Journal of the European Economics Association, 7(2-3), 235-266.

Fehr, E. & Falk, A. (2002). Psychological foundations of incentives.

European Economic Review, 46(4-5), 687-724.

Fehr, E., & Fischbacher, U. (2002). Why social preferences matter: The impact of non-selfish mo- tives on competition, cooperation and incentives. The Economic Journal, 112(478), C1-C33.

Folkes, V. S. (1988). The availability heuristic and perceived risk. Journal of Consumer research, 15(1), 13-23.

Frederick, S., & Loewenstein, G. (1999). Hedonic adaptation. In D. Kahneman, E. Diener, & N. Schwarz (Eds.), Well-being: The foundations of hedonic psychology (pp. 302-329). New York: Russell Sage Foundation.

Frederick, S., Loewenstein, G., & O’Donoghue, T. (2002). Time discounting and time preference: A critical review. Journal of Economic Literature, 40, 351-401.

Fredrickson, B. L., & Kahneman, D. (1993). Duration neglect in retrospective evaluations of affec- tive episodes. Journal of Personality and Social Psychology, 65(1), 45-55.

Frey, B. S., & Goette, L. (1999). Does pay motivate volunteers? Working Paper Series No. 7. Institute for Empirical Research in Economics. University of Zurich.

Frey, B. S., Benz, M., & Stutzer, A. (2004). Introducing procedural utility: Not only what, but also how matters. Journal of Institutional and Theoretical Economics, 160, 377-401.

Frey, E., & Rogers, T. (2014). Persistence: How treatment effects persist after interventions stop. Policy Insights from the Behavioral and Brain Sciences, 1(1), 172-179.

Fudenberg, D., & Levine, D. K. (2006). A dual-self model of impulse control. American Economic Review, 96(5), 1449-1476.

Fehr, E., & Gächter, S. (2000). Fairness and retaliation: The economics of reciprocity. Journal of Economic Perspectives, 14, 159-181.

Furnham, A., & Boo, H. C. (2011). A literature review of the anchoring effect. The Journal of Socio- Economics, 40(1), 35-42.

Fehr, E. & List, J. (2004). The hidden costs and returns of incentives: Trust and trustworthiness among CEOs. Journal of the European Economics Association, 2(5), 743-771.

Fehr, E., & Schmidt, K. M. (1999). A theory of fairness, competition, and cooperation. The Quarterly Journal of Economics, 114, 817-868.

Gächter, S., Orzen, H., Renner, E., & Starmer, C. (2009). Are experimental economists prone to framing effects? A natural field experiment. Journal of Economic Behavior & Organization, 70, 443-446.

Festinger, L. (1957). A theory of cognitive dissonance. Stanford: Stanford University Press. Finucane, M. L., Alhakami, A., Slovic, P., & Johnson, S. M. (2000). The affect heuristic in judgments of risks and benefits. Journal of Behavioral Decision Making, 13, 1-17.

Fisher, G. S. (2014). Advising the behavioral investor: Lessons from the real world. In H. K. Barker & V. Ricciardi (Eds.), Investor behavior: The psychology of financial planning and investing (pp. 265-283).

New York: John Wiley & Sons.

Gallo, I., Sood, S., Mann, T. C. , & Gilovich, T. (2016). The heart and the head: On choosing experi- ences intuitively and possessions deliberatively. Journal of Behavioral Decision Making. DOI: 10.1002/ bdm.1997.

Gigerenzer, G. (2018), The bias bias in behavioral economics. Review of Behavioral Economics, 5(3-4), 303-336.

Gigerenzer, G. (2015). On the supposed evidence for libertarian paternalism. Review of Philosophy and Psychology, 6, 361-383.

StraightONE Behavioral Economics Guide _ 2019

241

Gigerenzer, G., & Gaissmaier, W. (2011). Heuristic decision making.

Annual Review of Psychology, 62(1), 451-482

logical Science, 11, 546-573.

Gigerenzer, G., & Goldstein, D. G. (1996). Reasoning the fast and frugal way: Models of bounded rationality. Psychological Review, 103, 650-669.

Harley, E.M. (2007). Hindsight bias in legal decision making. Social Cognition, 25(1), 48-63. Haugtvedt, C. P., & Wegener, D. T. (1994).

Message order effects in persuasion: An attitude strength perspective.

Journal of Consumer Research, 21(1), 205-218.

Gill, D. (2018, February 20). When ‘nudging’ is forever: The case of Sweden. Chicago Booth Review. Retrieved from http://review.chicagobooth.edu/behavioral-science/2018/article/ when-nudging-forevercase-sweden.

Gilovich, T., Griffin, D., & Kahneman, D. (Eds.). (2002). Heuristics and biases: The psychology of intuitive judgment. Cambridge, UK: Cambridge University Press.

Glaeser, E., Laibson, D., Scheinkman, J. & Soutter, C. (2000). Measuring trust. The Quarterly Journal of Economics, 115(3), 811-846.

Gneezy, U., Kajackaite, A., & Meier, S. (2019). Incentive-based interventions. Forthcoming in the Handbook of Behavior Change.

Gneezy, U., Meier, S. & Rey-Biel, P. (2011). When and why incentives (don’t) work to modify behavior. Journal of Economic Perspectives, 25(4), 191-210.

Goldhill, O. (2019, July 31). Politicians love nudge theory. But beware its doppelgänger “sludge”. Quartz. Retrieved from: https:// qz.com/1679102/sludge-takes-nudge-theory-to-new-ma- nipulativelevels/.

Goldstein, D. G., & Gigerenzer, G. (2002). Models of ecological rationality: the recognition heuris- tic. Psychological Review, 109(1), 75-90.

Goldstein, N. J., Cialdini, R. B., & Griskevicius, V. (2008). A room with a viewpoint: Using social norms to motivate environmental conservation in hotels. Journal of Consumer Research, 35(3), 472-482.

Golman, R., Hagmann, D., & Loewenstein, G. (2017). Information avoidance. Journal of Economic Literature, 55(1), 96-135.

Graefe, A., & Armstrong, J. S. (2012). Predicting elections from the most important issue: A test of the take􏰀the􏰀best heuristic. Journal of Behavioral Decision Making, 25(1), 41-48.

Grant, A., Berg, J. & Cable, D. (2014). Job titles as identity badges: How self-reflective titles can reduce emotional exhaustion. Academy of Management Journal, 57(4), 1201-1225.

Grinblatt, M., & Keloharju, M. (2009). Sensation seeking, overconfidence, and trading activity. Journal of Finance, 64(2), 549-578.

Guth, W., Schmittberger, R., & Schwarz, B. (1982). An experimental analysis of ultimatum bar- gaining. Journal of Economic Behavior and Organization, 3, 367-388.

Heath, C., & Heath, D. (2007). Made to stick: why some ideas survive and others die. New York: Random House.

Helweg-Larsen, M., & Shepperd, J. A. (2001). Do moderators of the optimistic bias affect personal or target risk estimates? A review of the literature. Personality and Social Psychology Review, 5(1), 74-95.

Hershfield, H. E., Goldstein, D. G., Sharpe, W. F., Fox, J., Yeykelvis, L., Carstensen, L. L., & Bailenson, J. (2011). Increasing saving behavior through age-progressed renderings of the future self. Journal of Marketing Research, 48, 23-37.

Hertwig, R., & Grüne-Yanoff, T. (2017). Nudging and boosting: Steering or empowering good decisions. Perspectives on Psychological Science, 12(6), 973-986.

Higgins, E. T. (1998). Promotion and prevention: Regulatory focus as a motivational principle. In M. P. Zanna (Ed.). Advances in Experimental Psychology (Vol. 30, pp. 1–46). San Diego, CA: Academic Press.

Hinds, P. J. (1999). The curse of expertise: The effects of expertise and debiasing methods on prediction of novice performance. Journal of Experimental Psychology: Applied, 5(2), 205-221.

Hirshleifer, D., & Luo, G. Y. (2001). On the survival of overconfident traders in a competitive securities market. Journal of Financial Markets, 4(1), 73-84.

Horowitz, J. K., & McConnell, K. E. (2002). A review of WTA/WTP studies. Journal of Environmental Economics and Management, 44, 426-447. Hossain, M. T., & Saini, R. (2015). Free indulgences: Enhanced zero-price effect for hedonic options. International Journal of Research in Marketing, 32(4), 457-460.

Hsee, C. K. (1998). Less is better: When low-value options are valued more highly than high-value options. Journal of Behavioral Decision Making, 11, 107-121.

Hugh-Jones, D. (2016). Honesty, beliefs about honesty, and economic growth in 15 countries. Journal of Economic Behavior & Organization, 127, 99-114.

Iyengar, S., & Lepper, M. (2000). When choice is demotivating: Can one desire too much of a good thing? Journal of Personality and Social Psychology, 79, 995-1006.

Hadar, L., & Sood, S. (2014). When knowledge is demotivating: Subjective knowledge and choice overload. Psychological Science, 25(9), 1739-1747.

Johnson, E. J., & Goldstein, D. G. (2003). Do defaults save lives?

Science, 302, 1338-1339. Johnson, E. J., Shu, S. B., Dellaert, B. G.C., Fox, C. R., Goldstein, D. G.,Häubl, G., Larrick, R. P., Payne, J. W., Peters, E., Schkade, D., Wansink, B., & Weber, E. U. (2012). Beyond nudges:Tools of a choice architecture, Marketing Letters, 23, 487-504.

Hagger, M. S., & Chatzisarantis, N. L. D. (2016). A multilab preregistered replication of the ego-de- pletion effect. Perspectives on Psycho-

Johnson, J. G., & Raab, M. (2003). Take the first: Option generation and resulting choices. Organizational Behavior and Human Decision

242

StraightONE Behavioral Economics Guide _ 2019

Processes, 91, 215-229.

Jolls, C. (2002). Fairness, minimum wage law, and employee benefits.

New York University Law Review, 77, 47-70.

Jung. D. (2019, March 19). Nudge action: Overcoming decision inertia in financial planning tools. Behavioraleconomics.com. Retrieved from https://www.behavioraleconomics.com/ nudge-action-overcomingdecision-inertia-in-financial-planning-tools/.

Kahneman, D. (2000a). Experienced utility and objective happiness: A moment-based approach. In D. Kahneman & A. Tversky (Eds.), Choices, values, and frames (pp. 673–692). New York: Cambridge University Press.

Kahneman, D. (2000b). Evaluation by moments: Past and future. In D. Kahneman & A. Tversky (Eds.), Choices, values, and frames (pp.

693–708). New York: Cambridge University Press.

Kahneman, D. (2003). Maps of bounded rationality: Psychology for behavioral economics. The American Economic Review, 93, 14491475.

Kahneman, D. (2011). Thinking, fast and slow. London: Allen Lane.

Kahneman, D., & Frederick, S. (2002). Representativeness revisited: Attribute substitution in intuitive judgment. In T. Gilovich, D. Griffin, & D. Kahneman (Eds.), Heuristics of intuitive judgment: Extensions and applications (pp. 49–81). New York: Cambridge University Press.

Kahneman, D., Fredrickson, B. L., Schreiber, C. A., & Redelmeier, D. A. (1993). When more pain is preferred to less: Adding a better end.

Psychological Science, 4(6), 401-405.

Kahneman, D., Knetsch, J. L., & Thaler, R. H. (1986). Fairness as a constraint on profit seeking: Entitlements in the market. The American Economic Review, 76(4), 728-741.

Kahneman, D., Knetsch, J. L., & Thaler, R. H. (1990). Experimental ^tests of the endowment effect and the Coase theorem. Journal of Political Economy, 98(6), 1325-1348.

Kahneman, D., Knetsch, J. L., & Thaler, R. H. (1991). Anomalies: The endowment effect, loss aversion, and status quo bias. Journal of Economic Perspectives, 5(1), 193-206.

Kahneman, D., & Lovallo, D. (1993). Timid choices and bold forecasts: A cognitive perspective on risk taking. Management Science, 39, 17-31.

Kahneman, D., & Tversky, A. (1972). Subjective probability: A judgment of representativeness. Cognitive Psychology, 3, 430-454.

Kahneman, D., & Tversky, A. (1979a). Prospect theory: An analysis of decision under risk. Econometrica, 47, 263-291 .

Kahneman, D., & Tversky, A. (1979b). Intuitive prediction: Biases and corrective procedures. TIMS Studies in Management Science, 12, 313-327.

Kahneman, D., & Tversky, A. (1982). The psychology of preference.

Scientific American, 246, 160- 173.

Kahneman, D., & Tversky, A. (1984). Choices, values, and frames.

American Psychologist, 39(4), 341-350.

Kahneman, D., & Tversky, A. (1999). Evaluation by moments: Past and future. In D. Kahneman & A. Tversky (Eds.), Choices, values and frames (pp. 2-23). New York: Cambridge University Press.

Kahneman, D., Wakker, P., & Sarin, R. (1997). Back to Bentham: Explorations of experienced utility. Quarterly Journal of Economics, 112, 375-405.

Kardes, F. R., Posavac, S. S., & Cronley, M. L. (2004). Consumer inference: a review of processes, bases, and judgment contexts. Journal of Consumer Psychology, 14(3), 230-256.

Karlsson, N., Loewenstein, G., & Seppi, D. (2009). The ostrich effect: Selective attention to infor- mation. Journal of Risk and Uncertainty, 38, 95–115.

King, J., & Slovic, P. (2014). The affect heuristic in early judgments of product innovations. Journal of Consumer Behaviour, 13(6), 411-428.

Kirkpatrick, L. A., & Epstein, S. (1992). Cognitive-experiential self theory and subjective probabili- ty: further evidence for two conceptual systems. Journal of Personality and Social Psychology, 63(4), 534–544.

Kosters, M., & Van der Heijden, J. (2015). From mechanism to virtue: Evaluating nudge theory. Evaluation, 21(3), 276-291.

Krämer, W., & Gigerenzer, G. (2005). How to confuse with statistics or: the use and misuse of conditional probabilities. Statistical Science, 20(3), 223-230.

Krawczyk, M. W., & Rachubik, J. (2019). The representativeness heuristic and the choice of lottery tickets: A field experiment. Judgment and Decision Making, 14(1), 51-57.

Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one’s own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134.

Kruger, J., Wirtz, D., Van Boven, L., & Altermatt, T. W. (2004). The effort heuristic. Journal of Experimental Social Psychology, 40(1), 91-98.

Laibson, D. (1997). Golden eggs and hyperbolic discounting. Quarterly Journal of Economics, 112, 443-477.

Lana, R. E. (1961). Familiarity and the order of presentation of persuasive communications. Journal of Abnormal and Social Psychology, 62(3), 573-577.

Larson, F., List, J. A., & Metcalfe, R. D. (2016). Can myopic loss aversion explain the equity pre- mium puzzle? Evidence from a natural field experiment with professional traders. NBER Working Paper.

Retrieved from https://www.nber.org/papers/w22605.

Latané, B., & Darley, J. (1970). The unresponsive bystander: why doesn’t he help? New York: Appleton-Century-Crofts.

Lee, A. Y., & Aaker, J. L. (2004). Bringing the frame into focus: The influence of regulatory fit on processing fluency and persuasion. Journal of Personality and Social Psychology, 86, 205-218. Lee, S. Y., & Seidle,

StraightONE Behavioral Economics Guide _ 2019

243

R. (2012). Narcissists as consumers: The effects of perceived scarcity on processing of product information. Social Behavior and Personality, 40(9), 1485-1500.

Cognition, 170, 245-253.

Mazar, N., & Ariely, D. (2006). Dishonesty in everyday life and its policy implications. Journal of Public Policy & Marketing, 25(1), 117-126.

Levin, I. P., Schneider, S. L., & Gaeth, G. J. (1998). All frames are not created equal: A typology and critical analysis of framing effects.

Organizational Behavior and Human Decision Processes, 76, 149-188.

Levine, D. (1997). Modeling altruism and spitefulness in experiments.

Review of Economic Dynamics, 1(3), 593-622.

Mazar, N., & Zhong, C. (2010). Do green products make up better people? Psychological Science, 21, 494-498.

Li, M., Sun, Y., & Chen, H. (2018). The decoy effect as a nudge: Boosting hand hygiene with a worse option. Psychological Science.

Retrieved from https://doi.org/10.1177/0956797618761374.

Lichtenstein, D., Maxham, J. & Netemeyer, R. (2010). The relationships among manager-, employee-, and customer-company identification: Implications for retail store financial performance. Journal of Retailing, 86(1), 85-93.

Lichtenstein, S., & Slovic, P. (1973). Reversals of preference between bids and choices in gam- bling decisions. Journal of Experimental Psychology, 89(1), 46-55.

Lin, M. C. (2018). The impact of aggregate uncertainty on herding in analysts‘ stock recommen- dations. International Review of Financial Analysis, 57, 90-105.

List, J. A. (2011). Does market experience eliminate market anomalies? The case of exogenous market experience. American Economic Review, 101(3), 313-17.

Loewenstein, G. (2005). Hot-cold empathy gaps and medical decisionmaking. Health Psychology, 24(Suppl. 4), S49-S56.

Loewenstein, G. (2005). Projection bias in medical decision making.

Medical Decision Making, 25(1), 96-105.

Loewenstein, G., O’Donoghue, T., & Rabin, M. (2003). Projection bias in predicting future utility. Quarterly Journal of Economics, 118(4), 1209-1248.

Loewenstein, G., Weber, E. U., Hsee, C. K., & Welch, N. (2001). Risk as feelings. Psychological Bulletin, 127(2), 267-286.

Loibl, C., Jones, L. E., Haisley, E., & Loewenstein, G. (2016). Testing strategies to increase saving and retention in individual development account programs. https://papers.ssrn.com/sol3/ papers.cfm?abstract_id=2735625

Mazar, N., Amir, O., & Ariely, D. (2008). The dishonesty of honest people: A theory of self-concept maintenance. Journal of Marketing Research, 45(6), 633-644. Mazzoni, G., & Vannucci, M. (2007).

Hindsight bias, the misinformation effect, and false autobi- ographical memories. Social Cognition, 25(1), 203-220.

McKenzie, C. R., Liersch, M. J., & Finkelstein, S. R. (2006). Recommendations implicit in policy defaults. Psychological Science, 17(5), 414-420.

Merritt, A., Effron, D. A., Monin, B. (2010). Moral self-licensing: When being good frees us to be bad. Social and Personality Psychology Compass, 4/5, 344-357.

Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81–97.

Mochon, D., Norton, M. I., & Ariely, D. (2008). Getting off the hedonic treadmill, one step at a time: The impact of regular religious practice and exercise on wellbeing. Journal of Economic Psychology, 29, 632642.

Moore, D. A., & Healy, P. J. (2008). The trouble with overconfidence.

Psychological Review, 115(2), 502-517.

Mullainathan, S., & Sharif, E. (2013). Scarcity: Why having too little means so much. London: Allen Lane.

Murphy, S. T., & Zajonc, R. B. (1993). Affect, cognition, and awareness: Affective priming with optimal and suboptimal stimulus exposures. Journal of Personality and Social Psychology, 64, 723-729.

Nash, J. F. (1950). Equilibrium points in n-person games. Proceedings of the National Academy of Sciences, 36(1), 48-49.

Nebel, J. M. (2015). Status quo bias, rationality, and conservatism about value. Ethics, 125(2), 449-476.

Newton, L. (1990). Overconfidence in the communication of intent: heard and unheard melo- dies. Unpublished doctoral dissertation, Stanford University.

Madrian, B., & Shea, D. (2001). The power of suggestion: Inertia in 401(k) participation and sav- ings behavior. Quarterly Journal of Economics, 116, 1149-1187.

Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2, 175-220.

Mathy, F., & Feldman, J. (2012). What’s magic about magic numbers?

Chunking and data com- pression in short-term memory. Cognition, 122(3), 346–362.

Nisbett, R., & Wilson, T. D. (1977). The Halo Effect: Evidence for unconscious alteration of judg- ments. Journal of Personality and Social Psychology, 35, 250-256.

March, J. G. (1978). Bounded rationality, ambiguity, and the engineering of choice. The Bell Journal of Economics, 9(2), 587-608.

Norton, M. I., Mochon, D., & Ariely, D. (2012). The IKEA effect: When labor leads to love. Journal of Consumer Psychology, 22, 453-460.

Marsh, L. E., Kanngiesser, P., & Hood, B. (2018). When and how does labour lead to love? The ontogeny and mechanisms of the IKEA effect.

Odean, T. (1998). Volume, volatility, price, and profit when all traders are above average. Journal of Finance, 53(6), 1887-1934.

244

StraightONE Behavioral Economics Guide _ 2019

O’Donoghue, T., & Rabin, M. (1999). Doing it now or later. American Economic Review, 89(1), 103- 124.

Rick, S. I., Cryder, C. E., & Loewenstein, G. (2008). Tightwads and spendthrifts. Journal of Consumer Research, 34, 767-782.

Ofir, C., Raghubir, P., Brosh, G., Monroe, K. B., & Heiman, A. (2008).

Memory-based store price judgments: the role of knowledge and shopping experience. Journal of Retailing, 84(4), 414- 423.

Ring, P., Probst, C. C., Neyse, L., Wolff, S., Kaernbach, C., van Eimeren, T., Camerer, C. F., & Schmidt, U. (2018). It’s all about gains: Risk preferences in problem gambling. Journal of Experimental Psychology: General, 147(8), 1241-1255.

Oosterbeek, H., Sloof, R., & van de Kuilen, G. (2004). Cultural differences in ultimatum game experiments: evidence from a meta-analysis. Experimental Economics, 7, 171-188.

Oswald, M. E., & Grosjean, S. (2004). Confirmation bias. In R. F. Pohl (Ed.), Cognitive illusions: A handbook on fallacies and biases in thinking, judgement and memory (pp. 79–96). New York: Psychology Press.

Owens, D., Grossman, Z., & Fackler, R. (2014). The control premium: A preference for payoff autonomy. American Economic Journal: Microeconomics, 6(4), 138-161.

Pachur, T., & Marinello, G. (2013). Expert intuitions: How to model the decision strategies of airport customs officers? Acta Psychologica, 144(1), 97-103.

Patt, A., & Zeckhauser, R. (2000). Action bias and environmental decisions. Journal of Risk and Uncertainty, 21, 45-72.

Piliavin, J. A., & Charng, H. W. (1990). Altruism: A review of recent theory and research. Annual Review of Sociology, 16(1), 27-65.

Poses, R. M., & Anthony, M. (1991). Availability, wishful thinking, and physicians‘ diagnostic judg- ments for patients with suspected bacteremia. Medical Decision Making, 11(3), 159-168.

Prelec, D., & Loewenstein, G. (1998). The red and the black: Mental accounting of savings and debt. Marketing Science, 17(1), 4-28.Prelec, D., & Simester, D. (2001). Always leave home without it: A further investigation of the credit-card effect on willingness to pay. Marketing Letters. 12(1), 5–12.

Przybylski, A. K., Murayama, K., DeHaan, C. R., & Gladwell, V. (2013).

Motivational, emotional, and behavioral correlates of fear of missing out. Computers in Human Behavior, 29(4), 1841-1848. Ravaja, N., Aula, P., Falco, A., Laaksonen, S., Salminen, M., & Ainamo, A. (2015).

Online news and corporate reputation. Journal of Media Psychology, 27(3), 118-133.

Rogers, P. (1998). The cognitive psychology of lottery gambling: A theoretical review. Journal of Gambling Studies, 14, 111-134.

Rushton, J. P. (1984). The altruistic personality. Development and Maintenance of Prosocial Behavior, 271-290.

Samson, A. (2014, February 25). A simple change that could help everyone drink less. Psychology Today. Retrieved from https://www. psychologytoday.com/intl/blog/consumed/201402/ simple-changecould-help-everyone-drink-less.

Samson, A., & Ramani, P. (2018, August 27). Finding the right nudge for your clients. Investment News. Retrieved from https://www.investmentnews.com/article/20180827/ BLOG09/180829939/findingthe-right-nudge-for-your-clients.

Samson, A., & Voyer, B. (2012). Two minds, three ways: Dual system and process models in consumer psychology. Academy of Marketing Science Review, 2, 48–71.

Samson, A., & Voyer, B. (2014). Emergency purchasing situations: Implications for consumer decision-making. Journal of Economic Psychology, 44, 21-33.

Samuelson, W., & Zeckhauser, R. J. (1988). Status quo bias in decision making. Journal of Risk and Uncertainty, 1, 7-59.

Sarstedt, M., Neubert, D., & Barth, K. (2017). The IKEA Effect. A conceptual replication. Journal of Marketing Behavior, 2(4), 307-312.

Sayette, M. A., Loewenstein, G., Griffin, K. M., & Black, J. J. (2008).

Exploring the cold-to-hot em- pathy gap in smokers. Psychological Science, 19(9), 926-932.

Schindler, S., & Pfattheicher, S. (2017). The frame of the game: Lossframing increases dishonest behavior. Journal of Experimental Social Psychology, 69, 172-177.

Read, D., Loewenstein, G., Kalyanaraman, S. (1999). Mixing virtue and vice: Combining the immediacy effect and the diversification heuristic.

Journal of Behavioral Decision Making, 12, 257-273.

Schubert, R., & Stadelmann, M. (2015). Energy-using durables: Why consumers refrain from economically optimal choices. Frontiers in Energy Research, 3, 7.

Read, D., & Loewenstein, G. (1995). Diversification bias: Explaining the discrepancy in variety seeking between combined and separated choices. Journal of Experimental Psychology: Applied, 1, 34-49.

Schwartz, B. (2004). The paradox of choice: Why more is less. New York: Ecco.

Regner, T. (2015). Why consumers pay voluntarily: Evidence from online music. Journal of Behavioral and Experimental Economics, 57, 205-214.

Rick, S. I. (2018). Tightwads and spendthrifts: An interdisciplinary review. Financial Planning Review, 1(1-2), e1010. Retrieved from https://doi.org/10.1002/cfp2.1010.

Scott, P. J., & Lizieri, C. 92012). Consumer house price judgments: New evidence of anchoring and arbitrary coherence. Journal Of Property Research, 29, 49-68.

Seiler, M., Seiler, V., Traub, S., & Harrison, D. (2008). Regret aversion and false reference points in residential real estate. Journal of Real Estate Research, 30(4), 461-474.

StraightONE Behavioral Economics Guide _ 2019

245

Shafir, E., Diamond, P., & Tversky, A. (1997). Money illusion. The Quarterly Journal of Economics, 112(2), 341-374.

Shah, A. K., & Oppenheimer, D. M. (2008). Heuristics made easy: An effort-reduction framework. Psychological Bulletin, 134(2), 207-222.

Shampanier, K., Mazar, N., & Ariely D. (2007). Zero as a special price: The true value of free products. Marketing Science, 26, 742-757.

Sharot, T. (2011). The optimism bias. Current Biology, 21(23), R941R945.

Sheffer, C. E., Mackillop, J., Fernandez, A., Christensen, D., Bickel, W. K., Johnson, M. W., ... & Mathew, M. (2016). Initial examination of priming tasks to decrease delay discounting. Behavioural Processes, 128, 144-152.

Shefrin, H., & Statman, M. (1985). The disposition to sell winners too early and ride losers too long: Theory and evidence. The Journal of Finance, 40, 777-790.

Shepperd, J. A., Carroll, P., Grace, J., & Terry, M. (2002). Exploring the causes of comparative optimism. Psychologica Belgica, 42, 65-98.

Shiller, R. J. (2015). Irrational exuberance. NJ: Princeton University Press.

Simon, H. A. (1956). Rational choice and the structure of the environment. Psychological Review 63(2), 129-138.

Simon, H. A. (1982). Models of bounded rationality. Cambridge, MA: MIT Press.

Simonson, I. (1989). Choice based on reasons: The case of attraction and compromise effects. Journal of Consumer Research, 16(2), 158174.

Slaughter, J. E., Bagger, J., & Li, A. (2006). Context effects on groupbased employee selection decisions. Organizational Behavior and Human Decision Processes, 100(1), 47-59.

Slovic, P., Finucane, M. L., Peters, E., & MacGregor, D. G. (2002). The affect heuristic. In T. Gilovich, D. Griffin, & D. Kahneman (Eds.), Heuristics and biases: The psychology of intuitive judgment (pp. 397-420).

New York: Cambridge University Press.

Slovic, P., Monahan, J., & MacGregor, D. M. (2000). Violence risk assessment and risk communication: The effects of using actual cases, providing instructions, and employing probability vs. frequency formats. Law and Human Behavior, 24(3), 271-296.

Stein, J. S., Wilson, A. G., Koffarnus, M. N., Daniel, T. O., Epstein, L. H., & Bickel, W. K. (2016). Unstuck in time: Episodic future thinking reduces delay discounting and cigarette smoking. Psychopharmacology, 233(21-22), 3771-3778.

Stigler, G. J. (1950). The development of utility theory. Journal of Political Economy, 58(4), 307-327. Strack, F., & Deutsch, R. (2015).

The duality of everyday life: Dual-process and dual system models in social psychology. APA Handbook of Personality and Social Psychology, 1, 891-927.

246

StraightONE Behavioral Economics Guide _ 2019

Strecher, V. J., Seijts, G. H., Kok, G. J., Latham, G. P., Glasgow, R., DeVellis, B., Meertens, R. M., & Bulger, D. W. (1995). Goal setting as a strategy for health behavior change. Health Education Quarterly, 22, 190-200.

Sullivan, L. E. (2009). The SAGE glossary of the social and behavioral sciences. Los Angeles, CA: SAGE. Sullivan, P. S., Lansky, A., & Drake, A. (2004). Failure to return for HIV test results among persons at high risk for HIV infection: Results from a multistate interview project. JAIDS Journal of Acquired Immune Deficiency Syndromes, 35(5), 511–518.

Sunstein, C. R. (2014). Nudging: A very short guide. Journal of Consumer Policy, 37(4), 583-588. Sunstein, C. (2020). Sludge audits.

Behavioural Public Policy. https://doi.org/10.1017/ bpp.2019.32.

Sweis, B. M., Abram, S. V., Schmidt, B. J., Seeland, K. D., MacDonald, A. W., Thomas, M. J., & Redish, A. D. (2018). Sensitivity to “sunk costs” in mice, rats, and humans. Science, 361(6398), 178-181.Thaler, R. H. (1985). Mental accounting and consumer choice. Marketing Science, 4(3), 199-214. Thaler, R. (1988). Anomalies: The Winner’s Curse.

Journal of Economic Perspectives, 2(1), 191-202. Thaler, R. H. (1990).

Anomalies: Saving, fungibility, and mental accounts. The Journal of Economic Perspectives, 4, 193-205.

Thaler, R. H. (1999). Mental accounting matters. Journal of Behavioral Decision Making, 12, 183- 206.

Thaler, R. H. (2015). Misbehaving: The making of behavioral economics. New York, NY: W. W. Norton & Company.

Thaler, R. H. (2018). Nudge, not sludge. Science, 361(6401), 431.

Thaler, R. H., & Benartzi, S. (2004). Save More Tomorrow: Using behavioral economics to increase employee saving. Journal of Political Economy, 112, S164-S187.

Thaler, R. H., & Johnson, E. J. (1990). Gambling with the house money and trying to break even: The effects of prior outcomes on risky choice. Management Science, 36(6), 643-660.

Thaler, R. H., & Shefrin, H. M. (1981). An economic theory of self-control. Journal of Political Economy, 89(2), 392-406.

Thaler, R. H., Sunstein, C. R., & Balz, J. P. (2013). Choice architecture.

In E. Shafir (Ed.), The behavioral foundations of public policy (pp.

428-439). Princeton, NJ: Princeton University Press. Thaler, R. H., & Sunstein, C. (2008). Nudge: Improving decisions about health, wealth, and happiness. New Haven, CT: Yale University Press.

Thaler, R. H., Tversky, A., Kahneman, D., & Schwartz, A. (1997). The effect of myopia and loss aversion on risk taking: An experimental test.

The Quarterly Journal of Economics, 112(2), 647-661.

Thomas, M., Desai, K. K, & Seenivasan, S. (2011). How credit card payments increase unhealthy food purchases: Visceral regulation of vices.

Journal of Consumer Research, 38, 505-524. Trautmann, S., & van de Kuilen, G. (2015). Ambiguity attitudes. The Wiley Blackwell Handbook of Judgement and Decision Making, 89-116.

Tulving, E., Schacter, D. L., & Stark, H. A. (1982). Priming effects in word fragment completion are independent of recognition memory.

Journal of Experimental Psychology: Learning, Memory and Cognition, 8(4), 336-342.

Tversky, A. (1972). Elimination by aspects: A theory of choice. Psychological Review, 79, 281-299. Tversky, A., & Kahneman, D. (1974).

Judgment under uncertainty: Heuristics and biases. Science (New Series), 185, 1124-1131.

Tversky, A., & Kahneman, D. (1981). The Framing of Decisions and the Psychology of Choice. Science, 211(4481), 453-458.

Tversky, A., & Kahneman, D. (1983). Extensional versus intuitive reasoning: the conjunction fallacy in probability judgement. Psychology Review, 90(4), 293-315.

Vohs, K. D., Baumeister, R. F., Schmeichel, B. J., Twenge, J. M., Nelson, N. M., & Tice, D. M. (2008). Making choices impairs subsequent self􏰀control: A limited􏰀resource account of decision making, self􏰀regulaton, and active initiative. Journal of Personality and Social Psychology, 94, 883􏰀898. Von Neumann, J., & Morgenstern, O. (1947), Theory of games and economic behavior, Princeton, NJ: Princeton University Press.

Wang, M., Rieger, M. O., & Hens, T. (2017). The impact of culture on loss aversion. Journal of Behavioral Decision Making, 30(2), 270-281.

Wansink B., Just, D. R., & Payne, C. R. (2009). Mindless eating and healthy heuristics for the irrational. American Economic Review, 99, 165-169.

Wansink, B., Kent, R. J., & Hoch, S. J. (1998). An anchoring and adjustment model of purchase quantity decisions. Journal Of Marketing Research, 35(1), 71–81.

Wason, P. C. (1960). On the failure to eliminate hypotheses in a conceptual task. Quarterly Journal of Experimental Psychology, 12(3), 129-140.

Wijland, R. & Hansen, P. (2016). Mobile nudging: Youth engagement with banking apps. Journal of Financial Services Marketing, 21, 51–63.

Wood, W., & Neal, D. T. (2009). The habitual consumer. Journal of Consumer Psychology, 19, 579- 592.

Zeelenberg, M., Van den Bos, K., Van Dijk, E., & Pieters, R. (2002).

The inaction effect in the psy- chology of regret. Journal of Personality and Social Psychology, 82(3), 314-327.

Zellermayer, O. (1996). The pain of paying. (Doctoral dissertation).

Department of Social and Decision Sciences, Carnegie Mellon University, Pittsburgh, PA. Zhang, C. Y., & Sussman, A. B. (2018). Perspectives on mental accounting: An exploration of budgeting and investing. Financial Planning Review, 1(1-2), e1011.

Abbildungen Abb.1 : https://unsplash.com/@asoggetti

StraightONE Behavioral Economics Guide _ 2019

247

Anhang

Abbildungsverzeichnis

Abb.6: Die fünf besten Retweets erhielten Berichte über eingegangene Gleichgesinnte und gepostete Tweets.

Abb.7: Die fünf beliebtesten Tweets Abb.8: Die fünf beliebtesten empfangenen Kundenkonten gegen gepostete Tweets

Herausforderungen für die Verhaltensökonomie

und empfangene Retweets: https://unsplash.com/@Jess Bailey Abb.9: Die fünf beliebtesten Retweets.

Abb.1: https://unsplash.com/@Amelie Niklas

Abb.10:Die fünf beliebtesten Tweets

Abb.2: Trichterdiagramm von Schätzungen des Parameters PB der gegenwärti-

Abb.11: https://unsplash.com/@asoggetti

gen Vorspannung

Abb.12: https://unsplash.com/@Annie Spratt

Abb.3: https://unsplash.com/@Bret Kavanaugh Abb.4: Meta-analytische Effektgrößen d von Stößen zur Veränderung der Ernährung. Quelle: Cadario und Chandon (2019) Abb.5: https://unsplash.com/@Priyanka Singh

Anwendung der Verhaltenswissenschaft auf gesundheitliche und finanzielle Entscheidungen

Abb.6 : Armbänder, mit denen die Einhaltung eines Entwurmungsprogramms in Kenia signalisiert wurde. Quelle: Foto (a) mit freundlicher Genehmigung von

Abb.1: https://unsplash.com/@Jeremy Bishop

Anne Karing. Heatmap (b) erstellt von Xiaomin Li auf der Grundlage von Cornia

Abb.2: https://unsplash.com/@ Daniele Maquinezv

et al. (2018)

Abb.3: Durchschnittlicher Betrag einer Steuerrückerstattung in Höhe von 300 US-Dollar für den Kauf eines Sofas unter drei Bedingungen, die die Zahlung in Form der Rückzahlung des Darlehens, der Rückzahlung des Sofas oder des Be-

Der Zukunft eine Chance geben

sitzes des Sofas vorsehen.

Abb.4: Gebrauchswahrscheinlichkeit und zu erwartender Sparbetrag unter vier

Abb.1: https://unsplash.com/@Kelsey Knight

Bedingungen, die den Zinssatz (2% oder 3%) und die Ausgestaltung eines Finanz-

Abb.2: https://unsplash.com/@Jiangxu Lei

produkts (Super Locked Savings Goal-Produkt oder Einlagenzertifikat) variieren.

Abb.3: Boxplots von drei psychologischen Risikodimensionen

Abb.5: Angenehmes Schmerzempfinden unter zwei Bedingungen, die Bewegungs-

Abb.4: Übergreifende Ziele, die mit 13 verhaltenswissenschaftlichen Instrumen-

schmerzen als hilfreich oder schädlich einstufen.

ten erreicht werden sollen.

Green New Deals Einfache Strategien für S.H.A.R.P.P.E.R. Abb.1: https://unsplash.com/@Javier Allegue Barros Abb.2: https://unsplash.comz/@ Victoriano Izquierdo Abb.3: https://unsplash.com/@ Raquel Martinez Abb.4: https://unsplash.com/@Tobias Tullius Abb.5: https://unsplash.com/@Vladislav Babienkov Abb.6: https://unsplash.com/@Andrea Popa

Abb. 1: https://unsplash.com/@Bogdan Todoran Abb. 2: Vergleich von behauptetem und tatsächlichem Verbraucherverhalten.

Abb. 3: Leitfaden für die Faktoren der Markenwahrnehmung.

Abb. 4: Einfluss der Markenwahrnehmung auf die Kaufüberlegung.

Abb. 5: Schätzung des potenziellen Mehrwerts durch die Einbindung eines ethischen Merkmals in Angebote verschiedener Branchen.

Abb. 5: Vergleich des selbst eingeschätzten ethischen Kaufverhaltens mit der tatsächlichen Neigung, ethisch zu kaufen Abb. 6: Vergleich des selbst eingeschätzten ethischen Kaufverhaltens mit der tat-

Aufdeckung neuer Trends und kritischer Reaktionen auf die Verhaltensökonomie Abb.1: Die einflussreichsten Tweets 2019 Abb.2; Die fintech-ai-bigdata Themen.

Abb.3: Der Text Netzwerkgraph zu Themen der Menschlich-Rationalen-Zeit.

Abb.4:Die Bias-Forschung-Lösungs-Themen.

Abb.5: Die fünf besten Inhaltsgeneratoren bei den empfangenen Gleichgesinnten und den empfangenen Retweets.

248

StraightONE Behavioral Economics Guide _ 2019

sächlichen Neigung, ethisch zu kaufen.

Als Verhaltensforscher denken, als Designer handeln Abb. 1: https://unsplash.com/@ Alice Dietrich Abb. 2: https://unsplash.com/@ Jassin Aribuga Abb. 4: Cluster von Profilen älterer Menschen auf einer Karte mit der Zone der proximalen Entwicklung.

Abb. 4 :Einige Empfehlungen, was zu tun ist, um den Menschen zu helfen,

Abb. 3: https://unsplash.com/@ Markus Winkler

kompetenter und proaktiver zu werden, und welche Dienstleistungen zu diesem

Abb. 4: Angenehmes Schmerzempfinden wird bei zwei Erkrankungen berichtet,

Zweck konzipiert und gestaltet werden könnten

die Bewegungsschmerzen als hilfreich oder schädlich einstufen.

Abb. 5: https://unsplash.com/@Antevasin Nguyen

Abb. 5: Absicht, den Rasenmäher unter den Bedingungen in Studie 1 zu ersetzen.

Abb. 6: Software-Design-Roadmap, die sich auf das Verhaltens- und Aktivitäts-

Abb. 6: Mittelwerte und Standardabweichungen über die Bedingungen in Studie

modell stützt.

Abb. 7: https://unsplash.com/@Mika Baumeister

Abb. 7: Das Verhaltensmodell, das als Grundlage für die Entwicklung eines per-

Abb. 8: Absicht zur Entsorgung und zum Austausch unter verschiedenen Be-

sönlichen Finanzmanagement-Tools dient.

dingungen in Studie 2.

Abb. 8: Das Dashboard dient zur Überwachung der Ausgaben und zur Zuweisung

Abb. 9: Vermittlungsrolle der wahrgenommenen Verunreinigung in Bezug auf die

von Ressourcen

Auswirkung der Nutzung auf die Entsorgungsabsicht (A), die Ersatzabsicht (B)

Abb. 9: Dashboard zur Simulation von Zielen und zur Zuweisung fungibler

und den Mindest-Wiederverkaufspreis (C) des Mountainbikes.

Ressourcen zu Plänen

Abb. 10: https://unsplash.com/@Bence Boros Abb. 11: Meta-Analyse der Hauptwirkung in sieben Studien

Kostspielige Verhaltensweisen Innovation mit Blick auf die Benutzer Abb. 1: https://unsplash.com/@Kelli Sikema Abb. 2: https://unsplash.com/@Thom Holmes

Abb. 1 : https://unsplash.com/@Bogdan Todoran

Abb. 3: https://unsplash.com/@Luke Stackpoole

Abb. 2: Verhaltensmodell, das zur Abbildung der Benutzerbedürfnisse verwendet

Abb. 4: Einrichtung von „Kabinenversuchen“ für Botschaften in einem belebten

wird.

Einkaufszentrum. Quelle: Grenzüberschreitende Fallarbeit mit einem britischen

Abb. 3: https://unsplash.com/@Ethan Sykes

Wasserunternehmen. Kabinenversuche in einem Einkaufszentrum Abb. 5: Zusammenfassung der in den einzelnen Kabinentypen erzielten Ergebnisse Hinweis Quelle: Grenzüberschreitende Fallarbeit mit einem britischen

Reframing der Einsamkeitsepidemie

Wasserunternehmen.

Abb. 6: Ausgewählte aktivitätsbasierte Kosten für das Kundenverhalten. Quelle:

Abb. 1: https://unsplash.com/@Ellie Elien4

Grenzüberschreitende Fallarbeit mit einer Privatkundenbank.

Abb. 2: https://unsplash.com/@Thom Holmes

Abb. 7: Der „Neun Merkmale“-Rahmen. Die Quelle: Grenzüberschreitende Wirt-

Abb. 3: https://unsplash.com/@Kevin Laminto

schaft.

Abb. 8: https://unsplash.com/@asoggetti Abb. 9: https://unsplash.com/@Jess Bailey

Wie man Rosenkohl verkauft Abb. 1: https://unsplash.com/@ Priscil und Preez

Wie Online-Verhaltensexperimente neue Möglichkeiten für Verhaltensökonomen eröffnen

Abb. 2: https://unsplash.com/@John Schnobrich Abb. 3: https://unsplash.com/@Francesco Alberti Abb. 4: https://unsplash.com/@Taylor Roger

Abb. 1: https://pixabay.com

Abb. 5: https://unsplash.com/@Thom Holmes

Abb. 2:https://pixabay.com Abb. 3: https://pixabay.com Abb. 4: https://unsplash.com/@Mae Mu Abb. 5: https://unsplash.com/@Peter Bond

Das zweischneidige Schwert der Sharing Economy

Verhaltenswissenschaftliche Konzepte Abb.1 : https://unsplash.com/@asoggetti

Abbildungsverzeichnis

Abb. 1: https://unsplash.com/@Marek Rucinski Abb. 2: Eigentums- und Nutzungsarten.

StraightONE Behavioral Economics Guide _ 2019

249

Wollen Sie mehr erfahren?

Dann sprechen Sie uns an. +49 911 217738 10 bastian.verdel@straight.one www.straight.one

Wollen Sie mehr erfahren?

Dann sprechen Sie uns an. +49 911 217738 40 michaela.verdel@straight.one www.straight.one

Wollen Sie mehr erfahren? +49 911 217738 10 bastian.verdel@straight.one www.straight.one

Dann sprechen Sie uns an. +49 911 217738 40 michaela.verdel@straight.one www.straight.one