Zwischen 2015 und 2019 variierte LinkedIn nach Zufallsprinzip bei seinen mehr als 20 Millionen Nutzerinnen und Nutzern die Art und Weise, wie ihnen ein Algorithmus «Leute, die Sie vielleicht kennen» vorschlug. So erhielten die Nutzenden neue Empfehlungen. Die Millionen von Vorschlägen und die unterschiedlichen Folgen der neuen Verbindungen haben Forscher von LinkedIn zusammen mit Kolleginnen und Kollegen von M.I.T., Stanford und der Harvard Business School analysiert. Der Schluss ist eindeutig: Schon allein das Variieren der Art der Empfehlungen könnte sich positiv auf den Lebensunterhalt vieler Menschen ausgewirkt haben.
Was ist passiert? In der Realität erweisen sich relativ schwache Kontakte – Personen, mit denen LinkedIn-Mitglieder eigentlich nur zehn oder weniger gemeinsame Verbindungen haben –, bei der Jobsuche als viel hilfreicher als nahe Bekannte. Also anders als solche Kontakte, mit denen ein Nutzer oder eine Nutzerin mehr als 20 gemeinsame Verbindungen hat.
Gemäss dieser Studie wiesen Personen, die zusätzliche Empfehlungen für wenig verbundene Kontakte erhielten, eine doppelt so hohe Wahrscheinlichkeit auf, einen Job bei denjenigen Unternehmen zu bekommen, in denen diese Bekannten arbeiteten. Das war im Vergleich mit anderen Nutzern, die mehr Empfehlungen für starke Verbindungen erhielten. Gemessen haben die Forscher ein Jahr nach der Kontaktaufnahme auf LinkedIn. Und noch etwas ist den Forschenden gelungen: Ganz nebenbei haben sie eine jahrzehntealte Theorie bewiesen, die als Eckpfeiler der Sozialwissenschaft gilt, aber nie wirklich getestet worden war. Die Theorie der schwachen Verbindungen besagt, dass Menschen eher über entfernte Bekannte als über enge Freunde eine Anstellung oder andere Chancen im Leben erhalten.
Regelmässiges A-/B-Testing zur Verbesserung des Produkts
Tech-Giganten wie LinkedIn führen routinemässig gross angelegte Experimente durch, bei denen sie verschiedene Versionen von App-Funktionen, Web-Designs und Algorithmen an unterschiedlichen Personen testen. Diese seit langem gängige Praxis, die als A-/B-Tests bezeichnet wird, soll die Erfahrungen der Verbraucher verbessern und sie bei der Stange halten. Die von LinkedIn vorgenommenen Variationen sind nun aber just ein Beispiel dafür, wie solche Änderungen potenziell lebensverändernde Folgen für viele Menschen haben können.
Die Experimente des beruflichen Networkings auf LinkedIn wurden von der Techfirma als Teil der fortlaufenden Bemühungen konzipiert, die Relevanz des für die Empfehlungen zuständigen Algorithmus zu verbessern. Der Algorithmus analysiert zuerst Daten wie die Beschäftigungsgeschichte der Mitglieder, Jobtitel und Verbindungen zu anderen Nutzern. Dann versucht er Wahrscheinlichkeiten abzuschätzen: erstens, ob ein LinkedIn-Mitglied eine Freundschaftseinladung an eine vorgeschlagene neue Verbindung sendet. Und zweitens, ob eine Wahrscheinlichkeit besteht, dass diese neue Verbindung die Einladung annimmt.
Schwache Verbindungen sind tatsächlich die bessere Option
Für die Experimente hat LinkedIn seinen Algorithmus so angepasst, dass die Häufigkeit starker und schwacher Verbindungen, die das System vorschlägt, zufällig variiert. Die Studie ergab, dass Personen, die mehr Empfehlungen für mässig schwache Kontakte erhielten, sich im Allgemeinen auf mehr Stellen bewarben und diese auch annahmen – Ergebnisse, die sich mit der Theorie der schwachen Verbindungen decken.
Karthik Rajkumar, ein an der Studie beteiligter LinkedIn-Forscher, sagte der «New York Times»: «Wir konnten daraus schliessen, dass diese mässig schwachen Verbindungen die beste Option sind, um Menschen bei der Suche nach neuen Jobs zu unterstützen, und zwar viel mehr als engere Verbindungen.»
Die 20 Millionen Nutzerinnen und Nutzer, die LinkedIn im A-/B-Testing variabel bediente, schufen mehr als zwei Milliarden neue soziale Verbindungen und füllten mehr als 70 Millionen Bewerbungen aus, die zu 600’000 neuen Stellen führten, so die Studie. Und noch ein Schluss dürfte wichtig sein: Schwache Verbindungen erwiesen sich als am nützlichsten für Arbeitssuchende im Digitalbereich, etwa bei der Erforschung und Programmierung künstlicher Intelligenz. In Branchen, in denen Software keine zentrale Bedeutung hat, verhalfen dagegen starke Verbindungen schneller zum Erfolg, so die Studie.
https://influence.ch/wp-content/uploads/2022/12/influence_Verlaeufe_V01_1.png
2169
2442
Matthias Halbeis
https://influence.ch/wp-content/uploads/2023/03/Logo_Influence_weiss-1-300x77.png
Matthias Halbeis2021-06-25 09:43:372023-08-17 09:46:16Wie es zur Entwicklung der AI-Technologien kam
