4.6.1 Luo nolla muuttuvien hintatiedot

Suuri kokeilun avain on ajaa muuttuvien kustannusten nollaan. Paras tapa tehdä tämä on automatisointi ja miellyttävä kokeilu.

Digitaalisilla kokeilla voi olla dramaattisesti erilaisia ​​kustannusrakenteita, ja tämä mahdollistaa tutkijoiden suorittamien kokeiden, jotka olivat mahdottomia aiemmin. Eräs tapa ajatella tätä eroa on huomata, että kokeilla on yleensä kahdenlaisia ​​kustannuksia: kiinteät kustannukset ja muuttuvat kustannukset. Kiinteät kustannukset ovat kustannuksia, jotka pysyvät muuttumattomina osallistujamääristä riippumatta. Esimerkiksi laboratoriokokeessa kiinteät kustannukset saattavat olla huoneiden vuokraamisen ja huonekalujen ostamisen kustannukset. Muuttuvat kustannukset puolestaan ​​vaihtelevat osallistujamäärän mukaan. Esimerkiksi laboratoriokokeessa muuttuvat kustannukset saattavat johtua henkilöstön ja osanottajien maksamisesta. Yleensä analogisilla kokeilla on alhaiset kiinteät kustannukset ja suuret muuttuvat kustannukset, kun taas digitaalisissa kokeissa on korkeat kiinteät kustannukset ja alhaiset muuttuvat kustannukset (kuva 4.19). Vaikka digitaalisissa kokeissa on alhaiset muuttuvat kustannukset, voit luoda paljon jännittäviä mahdollisuuksia, kun siirrät muuttujan kustannuksia nollaksi.

Kuva 4.19: Kaavio kustannusrakenteista analogisissa ja digitaalisissa kokeissa. Yleensä analogisilla kokeilla on alhaiset kiinteät kustannukset ja korkeat muuttuvat kustannukset, kun taas digitaalisissa kokeissa on korkeat kiinteät kustannukset ja alhaiset muuttuvat kustannukset. Eri kustannusrakenteet merkitsevät sitä, että digitaaliset kokeet voivat toimia asteikolla, joka ei ole mahdollista analogisissa kokeissa.

Henkilöstöön ja osanottajille suoritettaviin maksuihin on olemassa kaksi keskeistä osa-aluetta, joista jokainen voi nostaa nollaan eri strategioiden avulla. Henkilöstön maksut perustuvat siihen, että tutkimusavustajat rekrytoivat osallistujia, antavat hoitoja ja mittaavat tuloksia. Esimerkiksi Schultzin ja kollegoiden (2007) analoginen kenttäkokeilu sähkön käytöstä edellytti tutkimusavustajia matkustamaan jokaiseen kotiin käsittelemään hoitoa ja lukemaan sähkömittarin (kuva 4.3). Tutkimusavustajien kaikki tämä pyrkimys merkitsivät, että uuden kotitalouden lisääminen tutkimukseen olisi lisännyt kustannuksia. Toisaalta Restivon ja van de Rijtin (2012) digitaalikentän kokeessa palkintojen vaikutuksesta Wikipedia-toimittajiin tutkijat voisivat lisätä osallistujia lähes ilman kustannuksia. Yleinen strategia erilaisten hallintokustannusten vähentämiseksi on ihmisen työn korvaaminen (joka on kallista) tietokoneella (joka on halpaa). Voit kysyä itseltäsi: Voiko tämä kokeilu käydä, kun kaikki tutkimusryhmänni nukkuvat? Jos vastaus on kyllä, olet tehnyt hyvää automaatiota.

Muuttuvien kustannusten toinen päätyyppi on maksuja osallistujille. Jotkut tutkijat ovat käyttäneet Amazon Mechanical Turkia ja muita verkko-työmarkkinoita vähentäen osallistujien tarvitsemia maksuja. Jotta vaihtelevia kustannuksia voidaan kuljettaa aina nollaan, tarvitaan kuitenkin erilainen lähestymistapa. Pitkän aikaa tutkijat ovat suunnitelleet kokeita, jotka ovat niin tylsiä, että he joutuvat maksamaan ihmisille osallistumista. Mutta entä jos voisit luoda kokeilun, jonka ihmiset haluavat olla? Tämä saattaa kuulostaa kauaskantoiselta, mutta annan esimerkin omasta työstäni, ja taulukossa 4.4 on enemmän esimerkkejä. Huomaa, että tämä ajatus miellyttävän kokeilun suunnittelusta kaikuilee joitakin teemoja luvussa 3 miellyttävämpiä tutkimuksia suunniteltaessa ja luvussa 5 massasuunnittelun suunnittelusta. Näin ollen mielestäni osallistujan nauttiminen - mitä voidaan kutsua myös käyttäjäkokemukseksi - on yhä tärkeämpi osa digitaaliajan tutkimussuunnittelua.

Jos haluat luoda kokeiluja muuttuvien muuttuvien kustannustietojen kanssa, sinun on varmistettava, että kaikki on täysin automatisoituja ja että osallistujat eivät tarvitse maksuja. Jotta voin osoittaa, miten tämä on mahdollista, esitän väitöskirjatutkimukseni kulttuurituotteiden menestyksestä ja epäonnistumisesta.

Väitösni on vaikuttanut kulttuurituotteiden menestyksen hämmästyttävä luonne. Hit-kappaleet, myydyimmät kirjat ja blockbuster-elokuvat ovat paljon, paljon keskivertoa parempi. Tästä syystä näiden tuotteiden markkinoita kutsutaan usein "voittaja-take-all" -markkinoiksi. Samaan aikaan, mikä laulu, kirja tai elokuva onnistuu, on uskomattoman arvaamaton. Käsikirjoittaja William Goldman (1989) kuvasi tyylikkäästi paljon akateemista tutkimusta sanomalla, että kun on kyse menestyksen ennustuksesta, "kukaan ei tiedä mitään". Voittajien ottamien kaikkien markkinoiden arvaamattomuus sai minut miettimään, kuinka paljon menestys on tulos laatu ja kuinka paljon onnea. Tai, ilmaistuna hieman toisin, jos voisimme luoda rinnakkaisia ​​maailmoja ja saada ne kaikki kehittyä itsenäisesti, olisivatko samat kappaleet suosittu kussakin maailmassa? Ja jos ei, mikä voisi olla mekanismi, joka aiheuttaa näitä eroja?

Jotta voisimme vastata näihin kysymyksiin, me - Peter Dodds, Duncan Watts (väitöskirjan neuvonantaja) ja I-juoksin sarja verkkokentän kokeita. Erityisesti rakennettiin verkkosivusto nimeltä MusicLab, jossa ihmiset löysivät uuden musiikin, ja käytimme sitä useisiin kokeiluihin. Rekrytoimme osallistujia käymällä bannerimainoksia teini-ikäisten verkkosivuilla (kuva 4.20) ja mainitsemalla tiedotusvälineissä. Sivustollamme saapuvat osallistujat saivat tietoisen suostumuksen, suorittivat lyhyen taustakyselyn, ja heidät satunnaisesti tehtiin kahdelle koeolosuhteista riippumattomalle ja sosiaaliselle vaikutukselle. Riippumattomassa kunnossa osallistujat tekivät päätöksiä siitä, mitkä kappaleet kuunneltiin, kun otetaan huomioon vain bändien ja kappaleiden nimet. Kuuntelemalla laulua osallistujat pyydettiin arvioimaan sen, minkä jälkeen heillä oli tilaisuus (mutta ei velvollisuus) lataamaan kappale. Sosiaalisessa vaikutusvalmiudessa osallistujilla oli sama kokemus, paitsi että he voisivat myös nähdä, kuinka monta kertaa aiemmat osanottajat olivat laittaneet jokaisen kappaleen. Lisäksi sosiaalisen vaikutuksen ehtoja osallistui satunnaisesti yhteen kahdeksasta rinnakkaisesta maailmasta, joista jokainen kehittyi itsenäisesti (kuvio 4.21). Käyttämällä tätä mallia käytimme kahta asiaan liittyvää kokeilua. Ensimmäisessä kappaleessa esitimme kappaleet lajittelemattoman verkon osallistujille, mikä antoi niille heikon suosion. Toisessa kokeilussa esitimme kappaleet paremmuusjärjestykseen, mikä antoi paljon vahvemman suosiota (kuva 4.22).

Kuva 4.20: Esimerkki bannerimainoksesta, jonka kollegani ja minä käytimme osallistumiseen osallistujille MusicLab-kokeiluissa (Salganik, Dodds, and Watts 2006) Salganik (Salganik, Dodds, and Watts 2006) . Salganik (2007) luvalla, kuva 2.12.

Kuva 4.21: Experimental design for MusicLab-kokeilut (Salganik, Dodds, and Watts 2006) Salganik (Salganik, Dodds, and Watts 2006) . Osallistujat sijoittivat satunnaisesti yhteen kahdesta ehdosta: itsenäisestä ja sosiaalisesta vaikutuksesta. Osallistujat itsenäiseen kuntoon tekivät valintansa ilman mitään tietoa siitä, mitä muut ihmiset olivat tehneet. Sosiaalisen vaikutusvallan osanottajat sattumanvaraisesti siirrettiin yhdelle kahdeksasta rinnakkaisesta maailmasta, missä he näkivät kunkin kappaleen suosion - mitattuna aiempien osallistujien lataamina - heidän maailmassaan, mutta he eivät voineet nähdä mitään tietoa, eivätkä he voineet jopa tietää jonkin muun maailman olemassaolosta. Mukautettu Salganik, Dodds, and Watts (2006) , kuva s1.

Löysimme, että kappaleiden suosio vaihteli eri puolilla maailmaa, mikä viittasi siihen, että onni oli tärkeä rooli menestyksessä. Esimerkiksi yhdessä maailmassa 52Metron laulu "Lockdown" tuli ensimmäisestä 48: sta kappaleesta, kun taas toisessa maailmassa se tuli neljäskymmenesensimmäiseksi. Tämä oli täsmälleen sama laulu kilpailee kaikkia samoja kappaleita vastaan, mutta yhdessä maailmassa se sai onnekas ja toisissa se ei. Lisäksi vertaamalla tuloksia kahdessa kokeessa havaitsimme, että sosiaalinen vaikutus lisää näiden markkinoiden voittaja-take-luontoa, mikä saattaa viitata taitojen merkitykseen. Mutta katsomalla maailmoilta (joita ei voi tehdä tämänkaltaisen rinnakkaiskokemuksen ulkopuolella), havaitsimme, että sosiaalinen vaikutus todella lisäsi onnen merkitystä. Lisäksi yllättävää oli se, että kappaleet olivat suurimpia, ja onnettomuus oli suurimmillaan (kuva 4.23).

Kuva 4.22: Screenshots SocialLife-kokeiden sosiaalisista vaikutuksista (Salganik (Salganik, Dodds, and Watts 2006) . Koe 1: ssä sosiaalisessa vaikuttamisessa ehdottomasti kappaleet ja edellisten latausten määrä esitettiin osallistujille, jotka järjestettiin 16 \(\times\) 3 suorakaiteen ruutuun, jossa kappaleiden sijainnit jaettiin satunnaisesti kullekin osallistuja. Kokeessa 2 osallistujat sosiaaliseen vaikuttamiseen liittyvään tilaan osoittivat kappaleet, joiden latauslaskelmat esitetään yhdessä sarakkeessa nykyisen suosion laskevassa järjestyksessä.

Kuva 4.23: MusicLab-kokeiden tulokset, jotka osoittavat valituksen ja menestyksen välisen suhteen (Salganik, Dodds, and Watts 2006) . \(x\) -axis on kappaleen markkinaosuus itsenäisessä maailmassa, joka toimii kappaleen houkutteluna ja \(y\) -axis on saman kappaleen markkinaosuus kahdeksan yhteiskunnallisen vaikutusvallan maailmaa, joka toimii kappaleiden menestyksen mittauksena. Havaitsimme, että lisäämällä sosiaalista vaikutusta, jota osallistujat kokivat - nimenomaan asettelun muutos kokeen 1 kokeesta 2 (kuvio 4.22) - aiheutti menestystä entistä arvaamattomammaksi varsinkin korkeimmin valitut kappaleet. Mukautettu Salganik, Dodds, and Watts (2006) kuvasta 3.

MusicLab pystyi käyttämään olennaisesti nollaa muuttuvia kustannuksia, koska se oli suunniteltu. Ensinnäkin kaikki oli täysin automatisoitu, joten se pystyi juosta kun nukkasin. Toiseksi, korvaus oli vapaata musiikkia, joten muuttuvien osallistujien korvauskustannuksia ei ollut. Musiikin käyttö kompensoinnina kuvaa myös sitä, miten kiinteän ja muuttuvan kustannuksen välillä on toisinaan yhteys. Musiikin käyttö kasvatti kiinteitä kustannuksia, koska jouduin viettämään aikaa bändien turvaamisluvasta ja laatimaan raportteja osallistujien reaktiosta musiikkiinsa. Mutta tässä tapauksessa kiinteiden kustannusten korottaminen muuttuvien kustannusten pienentämiseksi oli oikea tapa tehdä; Tämän ansiosta voimme kokeilla kokeilua, joka oli noin 100 kertaa suurempi kuin tavanomainen laboratoriokokeilu.

Lisäksi MusicLab-kokeilut osoittavat, että nollan muuttuvien kustannusten ei tarvitse olla itsetarkoitus; pikemminkin se voi olla keino uuden kokeilun suorittamiseen. Huomaa, ettemme käytä kaikkia osallistujia käyttämään tavanomaista sosiaalisen vaikuttamisen laboratorion kokeilua 100 kertaa. Sen sijaan teimme jotain erilaista, mitä voisitte ajatella siirtymään psykologisesta kokeesta sosiologiseen (Hedström 2006) . Sen sijaan, että keskitymme yksilölliseen päätöksentekoon, keskityimme kokeiluun suosioon, yhteiseen lopputulokseen. Tämä siirtyminen kollektiiviseen lopputulokseen merkitsi sitä, että vaadittiin noin 700 osanottajaa tuottamaan yhden datapisteen (jokaisessa rinnakkaismaailmassa oli 700 henkilöä). Tämä mittakaava oli mahdollista vain kokeilun kustannusrakenteen vuoksi. Yleensä, jos tutkijat haluavat tutkia, miten kollektiiviset tulokset johtuvat yksittäisistä päätöksistä, ryhmäkokeet, kuten MusicLab ovat hyvin jännittäviä. Aikaisemmin ne ovat olleet logistisesti vaikeita, mutta nämä vaikeudet heikkenevät siksi, että niillä on mahdollisuus muuttuviin muuttuviin kustannuksiin.

Sen lisäksi, että havainnollistetaan nollasta muuttuvien kustannustietojen hyötyjä, MusicLab-kokeilut osoittavat myös tämän lähestymistavan haasteen: korkeat kiinteät kustannukset. Minun tapauksessani olin äärimmäisen onnekas voidessani työskennellä kokeneella verkko-kehittäjälle nimeltä Peter Hausel noin kuuden kuukauden ajan kokeilun rakentamiseksi. Tämä oli mahdollista vain, koska neuvonantajani, Duncan Watts, oli saanut useita apurahoja tällaisen tutkimuksen tukemiseen. Teknologia on parantunut, koska rakensimme MusicLabin vuonna 2004, joten nyt olisi paljon helpompi rakentaa kokeilu. Mutta korkeat kiinteät kustannukset strategiat ovat todella vain tutkijoille, jotka voivat jotenkin kattaa nämä kustannukset.

Yhteenvetona voidaan todeta, että digitaalisilla kokeilla voi olla dramaattisesti erilaisia ​​kustannusrakenteita kuin analogiset kokeet. Jos haluat suorittaa todella suuria kokeiluja, kannattaa yrittää pienentää muuttujan kustannuksia mahdollisimman paljon ja ihanteellisesti aina nollaan asti. Voit tehdä tämän automatisoimalla kokeesi mekaniikka (esim. Ihmisen ajan korvaaminen tietokoneella) ja suunnittelemalla kokeita, joihin ihmiset haluavat olla. Tutkijat, jotka voivat suunnitella kokeiluja näillä ominaisuuksilla, voivat kokeilla uusia kokeiluja, jotka olivat ei ole mahdollista aiemmin. Kuitenkin kyky luoda nollaa muuttuviin kustannuksiin perustuvia kokeita voi nostaa uusia eettisiä kysymyksiä, aihe, jota käsittelen nyt.