Algoritmen op datingplatforms bevoordelen aantrekkelijke personen

Hechtingsstijlen beïnvloeden de neiging om emotionele banden te vormen met smartphones
We vertellen veel leugens als we online naar liefde zoeken

Uit een onderzoek blijkt dat algoritmen die door online datingplatforms worden gebruikt

group of people standing on brown floor

Photo by Creative Christians

een populariteitsbias hebben, wat betekent dat ze populaire, aantrekkelijke gebruikers aanbevelen boven minder populaire, minder aantrekkelijke gebruikers.

De onderzoekers evalueerden gedurende drie maanden gegevens van ruim 240.000 gebruikers van een groot online datingplatform in Azië. Ze ontdekten dat de kans dat een gebruiker wordt aanbevolen door het algoritme van het platform aanzienlijk toenam naarmate de gemiddelde aantrekkelijkheidsscore steeg. Dit suggereert dat het algoritme de voorkeur geeft aan het aanbevelen van gebruikers die populairder zijn of als aantrekkelijker worden beschouwd op het platform.

“Online daten is snel gegroeid, vooral tijdens de COVID-19-pandemie”, merkt coauteur Soo-Haeng Cho op, hoogleraar operations management en strategie aan de Tepper School of Business van Carnegie Mellon University. “Hoewel datingplatforms gebruikers in staat stellen contact te maken met anderen, blijven er vragen bestaan ​​over de eerlijkheid van hun aanbevelingsalgoritmen.”

De onderzoekers rapporteren hun bevindingen in Manufacturing & Service Operations Management .

Gebruikers sluiten zich aan bij online datingplatforms om matches te vinden, maar de bedrijven die de platforms creëren, moeten ook inkomsten genereren. Bedrijven verdienen geld via advertenties, abonnementen en in-app-aankopen. Om deze reden kunnen platforms proberen gebruikers betrokken te houden op hun platforms in plaats van hun kansen op het vinden van de perfecte persoon te maximaliseren.

De onderzoekers hebben een model gebouwd om de prikkels voor platforms te analyseren om populaire gebruikers vaker aan te bevelen als het hun doel is om de omzet te maximaliseren of matches te maximaliseren. In hun model gebruikten ze de onbevooroordeelde benadering (dat wil zeggen wanneer populaire en impopulaire gebruikers gelijke kansen vinden om aan anderen te worden aanbevolen) als maatstaf voor eerlijkheid om de matchingkansen van populaire en impopulaire gebruikers te vergelijken. Uit hun analyse blijkt dat onbevooroordeelde aanbevelingen doorgaans resulteren in aanzienlijk lagere inkomsten voor het datingplatform en minder matches. Dit komt omdat populaire gebruikers het platform helpen meer inkomsten te genereren door de betrokkenheid van gebruikers te vergroten (door meer likes en verzonden berichten). Bovendien helpen populaire gebruikers het platform om meer succesvolle matches te genereren, zolang ze niet zo selectief worden dat ze als onbereikbaar worden beschouwd voor minder populaire gebruikers.

Uit het onderzoek bleek ook dat de populariteitsbias laag kan zijn als een platform zich nog in de beginfase van de groei bevindt, omdat een hoog matchpercentage kan helpen de reputatie van een platform op te bouwen en nieuwe gebruikers aan te trekken. Maar naarmate het platform volwassener wordt, kan de focus verschuiven naar het maximaliseren van de inkomsten, wat kan leiden tot een grotere populariteitsbias.

“Onze bevindingen suggereren dat een online datingplatform de omzet en de kansen van gebruikers om tegelijkertijd datingpartners te vinden kan vergroten”, legt Musa Eren Celdir uit, die promovendus was bij Carnegie Mellon toen hij het onderzoek leidde. “Deze platforms kunnen onze resultaten gebruiken om gebruikersgedrag te begrijpen en ze kunnen ons model gebruiken om hun aanbevelingssystemen te verbeteren.”

“Ons werk draagt ​​bij aan het onderzoek naar online matchingplatforms door eerlijkheid en vooringenomenheid in aanbevelingssystemen te bestuderen en door een nieuw voorspellend model te bouwen om de beslissingen van gebruikers te schatten”, zegt Elina H. Hwang, universitair hoofddocent informatiesystemen aan de Foster van de Universiteit van Washington. School of Business, die ook co-auteur was van het onderzoek. “Hoewel we ons hebben gefocust op een specifiek datingplatform, kunnen ons model en onze analyse worden toegepast op andere matchingplatforms, waarbij het platform aanbevelingen doet aan zijn gebruikers en gebruikers verschillende kenmerken hebben.”

De onderzoekers suggereren dat online datingplatforms transparanter zijn tegenover gebruikers over hoe hun algoritmen werken. Ze merken ook op dat er meer onderzoek nodig is naar de balans tussen gebruikerstevredenheid, omzetdoelstellingen en ethisch algoritmeontwerp.

Bron: Sheila Davis voor Carnegie Mellon University

Bronnen