Na aukcji jeden zwykły dwudziestodolarowy banknot został sprzedany za $204 — prosty mierzalny dowód, że nasze usterki poznawcze mają cenę.
Obserwacja: scena i liczba
Byłem przy tym metaforycznie, bo to nie moja aukcja, ale obraz pamiętam dobrze — $20 tradycyjna banknota kontra końcowa oferta $204. Liczba jest mała, anegdota wygląda zabawnie, ale to nie wyjątek.
Hipoteza: to nie tylko ludzka usterka
Lista błędów które tu działają, jest długa i dobrze opisana: błąd szukania potwierdzenia błąd myślenia wstecznego, efekt świeżości, heurystyka dostępności mentalność stadna oraz efekt ekspozycji i efekt Forera. To, co wygląda jak pojedynczy moment irracjonalności często jest wynikiem zintegrowanego mechanizmu — UX, marketing i algorytmy platform celowo mnożą okazje do wystąpienia tych biasów.
Test na danych: jak biznes zamienia nasze błędy na przychód
Model działania jest przewidywalny: zwiększona ekspozycja powoduje wzrost subiektywnej wagi informacji (efekt ekspozycji heurystyka dostępności), świeże elementy interfejsu dają złudzenie nowości (efekt świeżości), a społeczny dowód słuszności napędza mentalność stadną. W praktyce oznacza to że koszty irracjonalnych wyborów są systemowo przemnażane — platforma projektuje interakcje tak, by częściej uruchamiać te mechanizmy, bo mierzalnie zwiększają one konwersję i średnią wartość transakcji.
Wartość tej przewidywalności w modelu biznesowym mierzy się w prosty sposób: to przekłada się na więcej kliknięć, a dalej na więcej ofert i wyższe ceny końcowe — czasem z $20 robi się $204 i nikt nie nazwał tego oszustwem tylko optymalizacją.
Refleksja z laboratoriów i kampanii
Podczas analizy kampanii, którą opisałem w tekście jak czytam wykresy bez udawania że coś przewiduję, zauważyłem dwie rzeczy: mentalność stadna łatwo maskuje się jako „popularny wybór”, a efekt świeżości potrafi przysłonić brak jakości oferty. To nie była hipoteza z książki, to pomiar zachowania użytkowników w realnym testcie A/B.
Proces, który stosuję: obserwacja → hipoteza → test na danych → refleksja. Bez narracji o pewności za to z liczbami. To pomaga oddzielić korelację od przyczyny i mierzyć koszt błędów poznawczych zamiast ich demonizować.
