Hiệu ứng bầy đàn là xu hướng làm theo lựa chọn của số đông, nhiều khi gạt bỏ thông tin riêng của chính mình. Trong kinh tế học, nó không bị coi đơn giản là ngớ ngẩn: khi người khác có thể biết điều mình không biết, nhìn họ chọn gì là một cách học hợp lý. Vấn đề nảy sinh khi ai cũng chỉ nhìn người khác, và cả đám đông cùng đi theo một tín hiệu ban đầu có khi rất mỏng.
Bài này giải thích hai mô hình kinh điển năm 1992 về thác thông tin, những thí nghiệm tâm lý về sự tuân theo, các dạng bầy đàn trong đời sống kinh tế ở Việt Nam từ chuyện quán ăn tới chuyện đổ xô trồng một loại cây, tranh luận về bong bóng tài sản, và cách đặt câu hỏi khi "đám đông" bạn nhìn thấy thực ra là bảng xếp hạng do thuật toán hay câu trả lời của AI tạo ra.
Làm theo đám đông có thể là quyết định hợp lý
Hãy hình dung bạn tới một con phố lạ, có hai quán phở cạnh nhau. Quán bên trái đông khách, quán bên phải vắng. Bạn không biết gì về hai quán. Chọn quán đông là hợp lý: những người đang ngồi đó có thể là dân quanh đây, đã ăn cả hai quán và chọn bên trái. Đám đông đang cho bạn thông tin miễn phí.
Năm 1992, hai nhóm nhà kinh tế độc lập với nhau đưa ý tưởng này vào mô hình. Abhijit Banerjee đăng bài "A Simple Model of Herd Behavior" trên Quarterly Journal of Economics, và chính ông dùng ví dụ hai nhà hàng. Sushil Bikhchandani, David Hirshleifer và Ivo Welch đăng trên Journal of Political Economy một mô hình họ gọi là thác thông tin. Kết luận chung khiến giới kinh tế chú ý: ngay cả khi mỗi người đều hành xử hợp lý, cả nhóm vẫn có thể kết thúc ở lựa chọn sai.
Điểm mấu chốt là thông tin riêng bị lãng phí. Khi đủ nhiều người đã chọn một phía, người đến sau thấy hợp lý hơn nếu bỏ qua thông tin riêng của mình và làm theo. Nhưng hành động làm theo đó không còn chứa thông tin mới nào cho người tiếp theo. Đám đông trông có vẻ lớn, nhưng nó có thể chỉ được dựng trên vài người đầu tiên, và những người đó có khi chỉ tình cờ chọn sai.
Một thác thông tin hình thành từng bước
Ví dụ giả định dưới đây theo cấu trúc mô hình năm 1992, kể bằng hai quán phở. Mỗi người khách có một chút thông tin riêng, như lời một người bạn kể, nhưng thông tin đó không chắc chắn.
- Khách thứ nhất nghe bạn kể quán trái ngon hơn, chọn quán trái. Đây là lựa chọn dựa hoàn toàn vào thông tin riêng.
- Khách thứ hai cũng nghe nói quán trái ngon, thấy quán trái có người, chọn quán trái. Vẫn khớp thông tin riêng.
- Khách thứ ba nghe nói quán phải ngon hơn. Nhưng anh thấy hai người đã chọn quán trái, đoán rằng hai người đó có thông tin, và hai thông tin thắng một. Anh vào quán trái, bỏ qua thông tin riêng.
- Từ khách thứ tư trở đi, ai cũng lý luận như khách thứ ba. Quán trái ngày càng đông; quán phải vắng dần dù có thể ngon hơn. Thác thông tin đã hình thành.
- Thác rất mong manh. Chỉ cần một tín hiệu công khai mới, như một bài đánh giá đáng tin hay một lần quán trái bị phát hiện mất vệ sinh, cả đám đông có thể đổi chiều nhanh chóng, vì bên dưới nó vốn không có nhiều thông tin.
Mô hình giải thích được hai điều quen thuộc: vì sao những trào lưu nổi lên rất nhanh từ những khởi đầu nhỏ, và vì sao chúng cũng sụp nhanh không kém. Nó cũng cho thấy giá trị của việc người đi trước nói rõ lý do, không chỉ hành động: lý do truyền được thông tin, hành động trần thì không.
Ba nguồn gốc khác của hành vi bầy đàn
Áp lực tuân theo. Thí nghiệm của nhà tâm lý học Solomon Asch đầu những năm 1950 cho người tham gia so độ dài các đoạn thẳng, trong khi những người khác trong phòng, thực ra là người của nhóm nghiên cứu, cố ý đồng loạt trả lời sai. Một tỉ lệ đáng kể người tham gia làm theo câu trả lời sai ở ít nhất một lượt. Ở đây không có thông tin nào để học; người ta làm theo vì ngại lạc lõng.
Bằng chứng xã hội. Nhà tâm lý học Robert Cialdini trong cuốn "Influence" năm 1984 mô tả bằng chứng xã hội là một trong những nguyên tắc thuyết phục mạnh nhất: khi không chắc nên làm gì, người ta nhìn xem người giống mình làm gì. Dòng chữ "đã bán hơn mười nghìn sản phẩm" hay "người dùng cùng khu vực đã chọn" dựa vào chính nguyên tắc này.
Bầy đàn vì danh tiếng. Trong mô hình của David Scharfstein và Jeremy Stein năm 1990, người quản lý quỹ hoặc nhà phân tích có động cơ làm giống đồng nghiệp, vì sai cùng mọi người ít bị trách hơn sai một mình. Cùng logic ấy có thể thấy ở cơ quan, doanh nghiệp: chọn phương án "ai cũng chọn" để an toàn cho bản thân, không hẳn vì nó tốt nhất.
Phân biệt nguồn gốc giúp chọn cách đối phó. Nếu bạn làm theo vì thiếu thông tin, cách sửa là tìm thông tin. Nếu vì áp lực nhóm, cách sửa là tách quyết định ra khỏi nơi đông người. Nếu vì sợ bị trách, cách sửa là ghi lại lý do quyết định từ đầu.
Hành vi bầy đàn trong đời sống kinh tế ở Việt Nam
Bảng dưới mô tả những dạng bầy đàn quen thuộc, cơ chế chủ yếu, và câu hỏi giúp bạn đứng ngoài một chút. Đây là mô tả hiện tượng chung, không bình luận thị trường cụ thể nào.
| Tình huống | Cơ chế chủ yếu | Câu hỏi nên đặt |
|---|---|---|
| Quán đông, hàng dài | Thác thông tin | Những người đang xếp hàng biết gì mà mình không biết? |
| Sản phẩm nhiều đánh giá năm sao | Bằng chứng xã hội | Đánh giá đến từ người mua thật hay có thể đã được tài trợ? |
| Nông dân đổ xô trồng một loại cây, nuôi một con vật vì vụ trước được giá | Thác thông tin cộng phản ứng chậm của nguồn cung | Nếu mọi người cùng trồng, giá vụ sau sẽ ra sao? |
| Mua tích trữ khi có tin đồn khan hàng | Thác thông tin cộng sợ mất mát | Tin đồn có từ nguồn chính thức không? |
| Đổ xô vào một loại tài sản đang lên giá | Thác thông tin cộng bầy đàn vì danh tiếng | Lý do mua là giá trị sử dụng hay chỉ vì người khác đang mua? |
| Người gửi tiền đồng loạt rút tiền khi có tin đồn | Phối hợp kỳ vọng | Thông tin chính thức từ cơ quan quản lý nói gì? |
Dòng thứ ba quen thuộc ở nông thôn Việt Nam qua câu "được mùa mất giá". Kinh tế học có mô hình riêng cho hiện tượng này, gọi là mô hình mạng nhện, nơi người sản xuất quyết định theo giá vụ trước. Dòng cuối là hiện tượng rút tiền hàng loạt, được Douglas Diamond và Philip Dybvig mô hình hoá năm 1983: nỗi sợ người khác rút trước có thể tự gây ra điều mình sợ. Bài này không đánh giá bất kỳ tổ chức tín dụng nào.
Bong bóng tài sản: đồng thuận và tranh luận
Khi hành vi bầy đàn diễn ra trên thị trường tài sản, kết quả có thể là bong bóng: giá tăng xa khỏi giá trị cơ bản vì người mua kỳ vọng sẽ bán lại cho người khác với giá cao hơn. John Maynard Keynes trong cuốn "Lý thuyết tổng quát" năm 1936 đã so sánh thị trường với một cuộc thi sắc đẹp trên báo, nơi người chơi không chọn gương mặt mình thấy đẹp nhất mà chọn gương mặt họ đoán người khác sẽ chọn.
Robert Shiller, với cuốn "Irrational Exuberance" năm 2000, là người nổi bật trong việc nhấn mạnh vai trò của tâm lý và câu chuyện lan truyền trong các đợt tăng giá. Năm 2013 ông nhận giải Nobel kinh tế, chia cùng Lars Peter Hansen và Eugene Fama, người có quan điểm khác: thị trường phản ánh thông tin khá nhanh và rất khó phát hiện bong bóng trước khi nó vỡ. Việc hai người có quan điểm khác nhau cùng nhận giải năm đó cho thấy đây vẫn là vấn đề còn tranh luận nghiêm túc.
Điều mà cả hai phía đều chấp nhận là: nhận ra một đợt tăng giá là bong bóng trong lúc nó đang diễn ra cực kỳ khó, và không ai có công thức đáng tin để đoán thời điểm đảo chiều. Bài này không đưa nhận định về thị trường cụ thể nào và không phải lời khuyên mua bán. Nếu bạn đang cân nhắc một quyết định tài sản lớn, hãy tìm tới chuyên gia độc lập và đọc kỹ thông tin chính thức.
Khi đám đông là thuật toán và trợ lý AI
Trước đây đám đông là những người bạn nhìn thấy: hàng dài trước quán, hàng xóm đều trồng một loại cây. Ngày nay phần lớn "đám đông" mà bạn thấy đã qua một lớp lọc: danh sách bán chạy, mục thịnh hành, số lượt thích, số đánh giá. Những con số đó là tín hiệu thật một phần, nhưng thứ tự và cách hiển thị do thuật toán quyết định, và một số có thể bị làm giả.
Trợ lý AI thêm một lớp nữa. Mô hình ngôn ngữ học từ một lượng lớn văn bản trên mạng, nên câu trả lời của nó thường phản ánh quan điểm phổ biến trong dữ liệu huấn luyện. Khi bạn hỏi "nên chọn cái nào", câu trả lời có thể chỉ là ý kiến số đông trên mạng được nói lại bằng giọng tự tin, không phải đánh giá độc lập. Với những chủ đề mà ý kiến số đông trên mạng lệch, AI cũng có thể lệch theo.
Điều này không có nghĩa nên bỏ qua đánh giá hay AI. Nó có nghĩa bạn cần phân biệt tín hiệu có lý do và tín hiệu chỉ có số lượng. Một đánh giá ba sao giải thích rõ vì sao món ăn mặn có giá trị thông tin hơn mười đánh giá năm sao chỉ ghi "ngon". Một câu trả lời của AI có nêu căn cứ để bạn tự kiểm có giá trị hơn một câu trả lời chỉ có kết luận.
Câu hỏi tự kiểm và câu lệnh mẫu trước khi theo số đông
Trước một quyết định mà bạn thấy "ai cũng đang làm", hãy đi qua danh sách dưới. Một số mục có câu lệnh để nhờ AI hỗ trợ.
- Ghi ra thông tin riêng của mình trước khi xem người khác làm gì. Nếu thông tin riêng ngược với đám đông, đừng vội vứt nó đi.
- Hỏi đám đông này biết gì. Họ có thông tin, hay chỉ đang nhìn nhau?
- Đọc lý do, không đếm số lượng. Câu lệnh mẫu: "Đây là mười đánh giá về một sản phẩm, đã bỏ tên người viết. Hãy tách những đánh giá có lý do cụ thể khỏi đánh giá chung chung, và tóm tắt những lý do cụ thể."
- Tìm phía bên kia. Câu lệnh mẫu: "Trình bày quan điểm mạnh nhất của những người KHÔNG làm theo xu hướng này, kèm những căn cứ mà người đọc có thể tự kiểm."
- Tự hỏi nếu mọi người cùng làm điều này, kết quả chung sẽ ra sao. Đây là câu hỏi giúp nhận ra những trường hợp kiểu được mùa mất giá.
- Với quyết định lớn, chờ một nhịp và tìm nguồn chính thức. Thác thông tin mong manh; một tuần chờ đợi có thể cho bạn thấy nó đổi chiều.
Khi nhờ AI phân tích, đừng dán thông tin cá nhân của người viết đánh giá hay của chính bạn. Và nhớ rằng AI cũng có thể đang lặp lại đám đông; câu lệnh "kèm căn cứ tự kiểm được" là cách buộc nó lộ ra chỗ dựa.
Câu hỏi thường gặp
Hiệu ứng bầy đàn và tâm lý đám đông có phải là một?
Trong cách dùng hằng ngày, hai cụm này gần như thay thế được cho nhau. Trong nghiên cứu, hiệu ứng bầy đàn thường chỉ việc làm theo lựa chọn của người khác, có thể hợp lý hoặc không; còn tâm lý đám đông hay được dùng rộng hơn, cả cho cảm xúc lan truyền trong đám đông.
Làm theo số đông có phải lúc nào cũng sai?
Không. Khi người khác có thông tin tốt hơn và quyết định độc lập với nhau, làm theo số đông thường là chiến lược tốt. Rủi ro tăng lên khi mọi người chỉ nhìn nhau, khi có động cơ làm giống để tránh bị trách, hoặc khi tín hiệu đám đông bị làm giả.
Vì sao các đợt đổ xô trồng cây hay nuôi con gì thường kết thúc bằng rớt giá?
Mỗi hộ quyết định dựa trên giá vụ trước và thấy người khác cũng đang làm, nhưng không ai biết tổng sản lượng vụ tới. Khi nhiều hộ cùng tăng sản xuất, nguồn cung vụ sau tăng mạnh và giá giảm. Thông tin dự báo cung cầu từ cơ quan nông nghiệp giúp giảm vòng lặp này.
Đánh giá năm sao giả có ảnh hưởng thế nào?
Chúng làm hỏng tín hiệu mà người mua dựa vào để học từ nhau, khiến thác thông tin bắt đầu từ thông tin sai. Đăng đánh giá giả hay thuê đánh giá có thể vi phạm quy định về quảng cáo và bảo vệ người tiêu dùng; chi tiết xem văn bản hiện hành.
Người có chuyên môn có thoát được hiệu ứng bầy đàn không?
Không hẳn. Mô hình bầy đàn vì danh tiếng cho thấy chính người có chuyên môn có thể có động cơ làm giống đồng nghiệp để bảo vệ uy tín. Thói quen ghi lại lý do trước khi biết người khác nghĩ gì là cách nhiều tổ chức dùng để giảm hiện tượng này.
AI có thể giúp phát hiện xu hướng bầy đàn không?
Nó giúp tóm tắt lý do trong nhiều ý kiến, chỉ ra luận điểm phía bên kia, và nhắc bạn những câu hỏi nên đặt. Nhưng nó không có dữ liệu thị trường thời gian thực đáng tin và có thể phản ánh chính ý kiến số đông. Dùng nó để mở rộng góc nhìn, không phải để xác nhận cảm giác của bạn.