可见的他人选择会破坏独立性并引发从众
别名: 从众 · 社会影响 · visible choices · 信息层叠
概念解释
社会影响偏差（social influence bias）是人们看到他人的选择、评分或排名后，将其当作质量线索而调整自己的判断，导致原本独立的意见趋同。可见选择有时提供有用信息，也会把早期偶然放大为从众。
机制
他人选择降低搜索和判断成本，也提供"多数不会错"的社会证明；不确定或低自信者尤其容易跟随。跟随使热门更热门、冷门更少被评估，系统获得的后续数据不再独立，难以区分真实偏好与显示顺序效应。
第二层机制值得区分清楚：这种跟随未必是非理性的盲从，很多情况下是信息层叠（information cascade）——每个人手里只有一条不完整的私人信号，同时又能观察到前面所有人的公开选择；一个理性的人在这种处境下会去权衡两种证据，如果前面已经积累的公开选择数量足够多，单独一个人手里那条微弱的私人信号在权衡中就会被压过，此时跟随前人做出同样选择，即使这条私人信号其实指向相反的方向，也是完全理性的行为。层叠一旦形成，后面每个人都在跟随同一个公开信号，而不再往公共信息池里注入自己那条私人信号——层叠因此变得极其脆弱：如果最早几个人恰好因为运气不好拿到了误导性的私人信号，整个层叠会锁定在错误的选择上，而且这个错误不会随着更多人加入被纠正，因为压根没有新的私人信息被贡献出来。这解释了为什么从众有时候看起来像是"很多人经过深思熟虑达成的共识"，实际上信息含量可能只等于最早两三个人的判断。
怎么研究
- 范式：随机隐藏或操纵已有评分、排名和评论，比较后续判断；专门设计能检验层叠是否成立的实验——让参与者依次做选择并报告私人信号强度，看后面的人是否在私人信号明确指向不同方向时仍然跟随前人，这是层叠发生的直接证据。
- 变量：可见社会信号、初始信号、私人信号强度与方向、信心、选择、分布和独立质量。
- 方法论注意点：不要把差异全部称为盲从，层叠框架下的跟随是理性的最优反应；判断某次从众是层叠还是单纯的社会证明偏好，需要看参与者是否报告了与从众方向相反的私人信号，而不只是看结果上的选择趋同。
边界
紧急协作或信誉来源明确时，参考他人选择是理性节省，符合层叠框架预测的理性行为。问题在于不说明来源、质量和不确定性地把大众信号当事实。层叠机制的脆弱性——一旦形成就不再吸收新信息——在公开信号出现顺序固定、后来者只能看到聚合结果而看不到原始私人信号分布的界面设计里最容易发生，比如只显示总评分不显示评分的时间序列；如果界面能让后来者看到"最近的独立评价"而不只是历史总分，层叠更容易被打破，因为它相当于人为地把新鲜的私人信号重新暴露出来。
怎么落地
- 让用户先评分或选择，再显示汇总；或延迟显示总数，直接针对层叠形成所需要的"先看到别人选择"这个前提条件。
- 区分专家、好友和全体的信号来源与置信度，让用户能判断自己面对的是层叠还是有信息增量的社会证明。
- 为冷门项目提供独立评估机会，专门用来打破已经形成的层叠——独立评估相当于重新注入新的私人信号。
- 验证办法：A/B 测试可见性对选择集中度、质量和新项目发现的影响；额外测试"隐藏总分只显示最新几条独立评价"这种设计是否比"完全不显示"或"显示全部历史总分"更能兼顾信息利用和层叠风险。