アンカリング効果

定義と Tversky & Kahneman の実験

アンカリング効果とは、最初に提示された数値 (アンカー) が 後続の判断を系統的に歪める認知バイアスである。Tversky と Kahneman が 1974 年の論文 (Science 185 巻 4157 号) で報告した 実験では、被験者の目の前でルーレット状の「運命の輪」を回して 無関係な数字を 示したうえで、「国連加盟国のうちアフリカの国が占める割合」を 推定させた。輪が 10 を示した群の回答は中央値 25%、65 を示した 群では中央値 45% となり、判断とは何の関係もない数字が推定値を 大きく動かした。アンカーが高いほど推定値も高くなり、低いほど 低くなる。同じ論文では、回答の正確さに報酬を与えても効果が 減らなかったことも報告されており、「注意すれば避けられる」 種類の錯覚ではない。

ランキングがアンカーになる仕組み

MyRank で最初に見たランキング結果は、その後の自己評価の アンカーとして機能する。たとえば年収ランキングで「上位 40%」 と表示されると、その数値が基準点となり、他の指標の順位も 40% 前後だろうと無意識に予測してしまう。

このアンカリングは、ランキング結果を時系列で追跡する場合にも 発生する。最初に見た順位が「正常値」として固定され、 わずかな変動にも過剰に反応する原因となる。

デアンカリングの方法

アンカリング効果を軽減するには、意識的に反対方向の情報を 検討する「考慮の反転」が有効である。たとえば「上位 40%」と 表示されたら、「もし上位 10% だったら」「もし下位 10% だったら」 と両極端を想像してから判断する。また、複数の独立した情報源から データを集めることで、単一のアンカーへの依存を減らせる。

複数の比較基準を持つ重要性

アンカリングの影響を最小化するには、一つの指標だけでなく 複数の比較基準を同時に参照することが重要である。年収だけでなく 資産、労働時間、生活満足度など多面的な指標を並べて見ることで、 特定の数値に引きずられる危険を減らせる。MyRank が複数の ランキング軸を提供しているのは、まさにこの多角的な自己認識を 支援するためである。