Pourquoi souscrire une assurance ?

L'aversion aux pertes

a expliqué.
Bias

Qu'est-ce que l'aversion aux pertes ?

L'aversion pour la perte est un biais cognitif qui explique pourquoi, pour les individus, la douleur de perdre est psychologiquement deux fois plus forte que le plaisir de gagner. La perte d'argent, ou de tout autre objet de valeur, peut être ressentie comme pire que le gain de la même chose.1 L'aversion à la perte fait référence à la tendance d'un individu à préférer éviter les pertes plutôt que d'acquérir des gains équivalents. En d'autres termes, il vaut mieux ne pas perdre 20 dollars que d'en trouver 20.

Loss aversion

Où ce biais se produit-il ?

L'aversion pour la perte est un concept pertinent en psychologie cognitive, en théorie de la décision et en économie comportementale.

L'aversion pour les pertes est particulièrement fréquente lorsque nous prenons des décisions financières. Une personne est moins susceptible d'acheter une action s'il y a un risque potentiel de perdre de l'argent, même si le potentiel de récompense est élevé. Il est à noter que l'aversion aux pertes s'accentue à mesure que les enjeux d'un choix augmentent.2

En outre, les campagnes de marketing telles que les périodes d'essai et les rabais exploitent notre tendance à opter pour un service présumé gratuit. Une fois qu'un acheteur a intégré un logiciel ou un produit spécifique dans sa vie, il est plus susceptible de l'acheter pour éviter la perte qu'il ressentira lorsqu'il l'abandonnera. Cela se produit généralement parce que la décision de réduire ses achats - qu'il s'agisse d'essais de logiciels, de voitures coûteuses ou de maisons plus grandes - est une décision émotionnellement difficile à prendre.

Références

  1. Kahneman, D., & Tversky, A. (1977). Prospect Theory. An Analysis of Decision Making Under Risk. doi:10.21236/ada045771
  2. Tay, Shu Wen; Ryan, Paul; Ryan, C Anthony (2016-10-18). “Systems 1 and 2 thinking processes and cognitive reflection testing in medical students”. Canadian Medical Education Journal. 7 (2): e97–e103. ISSN 1923-1202. PMC 5344059. PMID 28344696.
  3. Stein, R. (2016, March 25). How Could Releasing More Mosquitoes Help Fight Zika? Retrieved from https://www.npr.org/sections/goatsandsoda/2016/03/25/471304974/how-could-releasing-more-mosquitoes-help-fight-zika
  4. Fernández, C. R. (2019, September 02). New Results Show GM Mosquitoes Keep Dengue and Zika at Bay in Brazil. Retrieved July 20, 2020, from https://www.labiotech.eu/medical/oxitec-dengue-zika-brazil/
  5. Hendricks, K. (2018, September 14). What causes loss aversion? Retrieved July 20, 2020, from https://kenthendricks.com/loss-aversion/
  6. Canessa, N., Crespi, C., Baud-Bovy, G., Dodich, A., Falini, A., Antonellis, G., & Cappa, S. F. (2017). Neural markers of loss aversion in resting-state brain activity. NeuroImage, 146, 257-265. doi:10.1016/j.neuroimage.2016.11.050
  7. Canessa, N., Crespi, C., Motterlini, M., Baud-Bovy, G., Chierchia, G., Pantaleo, G., . . . Cappa, S. F. (2013). The Functional and Structural Neural Basis of Individual Differences in Loss aversion. Journal of Neuroscience, 33(36), 14307-14317. doi:10.1523/jneurosci.0497-13.2013
  8. Inesi, M. (2010). “Power and Loss aversion.” Organizational Behavior and Human Decision Processes, 112, 58–69
  9. Tanaka, T., Camerer, C., and Nguyen, Q. (2010). “Risk and time preferences: Linking experimental and household survey data from Vietnam.” American Economic Review, 100 (1), 557–71.
  10. Wang, M., Rieger, M. O., & Hens, T. (2016). The Impact of Culture on Loss aversion. Journal of Behavioral Decision Making, 30(2), 270-281. doi:10.1002/bdm.1941
  11. Bontempo, R. N., Bottom, W. P., & Weber, E. U. (1997). “Cross-cultural differences in risk perception: A model-based approach.” Risk Analysis, 17(4), 479–488.
  12. Levin, I. P., Schneider, S. L., & Gaeth, G. J. (1998). All Frames Are Not Created Equal: A Typology and Critical Analysis of Framing Effects. Organizational Behavior and Human Decision Processes, 76(2), 149-188. doi:10.1006/obhd.1998.2804
  13.  Tversky, A., & Kahneman, D. (2000). Advances in Prospect Theory: Cumulative Representation of Uncertainty. Choices, Values, and Frames, 44-66. doi:10.1017/cbo9780511803475.004
  14. Putler, D. S. (1992). Incorporating Reference Price Effects into a Theory of Consumer Choice. Marketing Science, 11(3), 287-309. doi:10.1287/mksc.11.3.287
  15. Shuja, U. (2018, November 30). Council post: Three cases of artificial intelligence overcoming professional bias. Forbes. https://www.forbes.com/sites/forbestechcouncil/2018/11/30/three-cases-of-artificial-intelligence-overcoming-professional-bias/?sh=7cae02594015
Notes illustration

Vous souhaitez savoir comment les sciences du comportement peuvent aider votre organisation ?