ทำไมป้าย "ลูกค้า 75% เลือกแบบนี้" ถึงได้ผลกว่าคำโฆษณาสวยหรู

จุดกำเนิด: การทดลองเส้นตรงของ Asch ที่พิสูจน์ว่าคนยอมเชื่อสิ่งที่ตาเห็นผิด

Solomon Asch นักจิตวิทยาสังคมชาวโปแลนด์-อเมริกัน ตีพิมพ์ผลการทดลองชุดสำคัญในงานชื่อ "Studies of Independence and Conformity: I. A Minority of One against a Unanimous Majority" ใน *Psychological Monographs: General and Applied* ปี 1956 (เล่ม 70 ฉบับ 9 หน้า 1-70) โดยเริ่มต้นจากการทดลองกับนักศึกษาชายที่ Swarthmore College

การทดลองนี้ให้ผู้เข้าร่วมจริงหนึ่งคนนั่งอยู่ในกลุ่มคนอีก 7-8 คน ซึ่งจริงๆ แล้วเป็นหน้าม้าที่ตกลงคำตอบกันไว้ล่วงหน้าทั้งหมด ทุกคนถูกขอให้บอกว่าเส้นตรงเส้นไหนใน 3 เส้นตัวเลือกมีความยาวเท่ากับเส้นตัวอย่าง ซึ่งเป็นคำถามที่ตอบถูกได้ง่ายมากด้วยตาเปล่า ผู้เข้าร่วมทำแบบทดสอบทั้งหมด 18 รอบ โดย 12 รอบในนั้นเป็น "รอบวิกฤต" ที่หน้าม้าทุกคนจงใจตอบผิดพร้อมกันหมด ผลลัพธ์คือ ผู้เข้าร่วมจริงยอมตอบผิดตามกลุ่มถึง 37% ของรอบวิกฤตทั้งหมด และราว 75% ของผู้เข้าร่วมยอมคล้อยตามกลุ่มอย่างน้อยหนึ่งครั้งตลอดการทดลอง ทั้งที่คำตอบที่ถูกนั้นชัดเจนมากจนแทบไม่น่าเข้าใจผิดได้เลย งานนี้จึงกลายเป็นรากฐานสำคัญของแนวคิดเรื่อง conformity และ social proof ที่ถูกอ้างอิงในวงการจิตวิทยาสังคมมาจนถึงปัจจุบัน

วัดขนาดข้ามวัฒนธรรม: meta-analysis จาก 17 ประเทศ

เกือบ 40 ปีหลังจากงานของ Asch คำถามที่ตามมาคือ ผลลัพธ์นี้เป็นสากลหรือขึ้นอยู่กับวัฒนธรรม Rod Bond และ Peter B. Smith ตอบคำถามนี้ในงานชื่อ "Culture and Conformity: A Meta-Analysis of Studies Using Asch's (1952b, 1956) Line Judgment Task" ตีพิมพ์ใน *Psychological Bulletin* ปี 1996 (เล่ม 119 ฉบับ 1 หน้า 111-137) ซึ่งเป็นวารสารเรือธงด้าน meta-analysis ของ APA โดยรวบรวมงานวิจัยที่ใช้แบบทดลองเส้นตรงของ Asch ทั้งหมด 133 การศึกษา จาก 17 ประเทศ ได้แก่ สหรัฐฯ แคนาดา อังกฤษ ฝรั่งเศส เนเธอร์แลนด์ เบลเยียม เยอรมนี โปรตุเกส ญี่ปุ่น ฮ่องกง ฟิจิ ซิมบับเว คองโก กานา บราซิล คูเวต และเลบานอน

ผลลัพธ์คือ ประเทศที่มีคะแนนวัฒนธรรมแบบกลุ่มนิยม (collectivism) สูงกว่า มีแนวโน้มคล้อยตามกลุ่มสูงกว่าประเทศที่เน้นปัจเจกนิยมอย่างมีนัยสำคัญ ประเทศที่มีอัตราคล้อยตามสูงสุด ได้แก่ ฟิจิ ฮ่องกง และญี่ปุ่น ส่วนประเทศที่มีอัตราต่ำสุด ได้แก่ ฝรั่งเศสและเนเธอร์แลนด์ นอกจากนี้ เมื่อดูเฉพาะงานวิจัยในสหรัฐฯ นักวิจัยยังพบด้วยว่าอัตราการคล้อยตามกลุ่มโดยรวมลดลงเรื่อยๆ นับตั้งแต่ทศวรรษ 1950 งานวิจัยนี้จึงชี้ให้เห็นว่า social proof ไม่ใช่ปรากฏการณ์ที่คงที่ตายตัว แต่ขึ้นอยู่กับบริบททางวัฒนธรรมและยุคสมัยอย่างมีนัยสำคัญ ซึ่งเป็นข้อควรระวังสำหรับใครก็ตามที่คิดจะนำเทคนิคนี้ไปใช้ข้ามวัฒนธรรม

เมื่อบอกคนว่าเพื่อนบ้านใช้ไฟเท่าไหร่: พลังและกับดักของ social norms

P. Wesley Schultz, Jessica M. Nolan, Robert B. Cialdini, Noah J. Goldstein, และ Vladas Griskevicius ทดสอบพลังของ social proof ในบริบทการประหยัดพลังงานจริง ในงานชื่อ "The Constructive, Destructive, and Reconstructive Power of Social Norms" ตีพิมพ์ใน *Psychological Science* ปี 2007 (เล่ม 18 ฉบับ 5 หน้า 429-434) โดยทำการทดลองภาคสนามส่งข้อความบอกครัวเรือนว่าเพื่อนบ้านในละแวกเดียวกันใช้พลังงานเฉลี่ยเท่าไหร่ต่อสัปดาห์ เทียบกับการใช้พลังงานของครัวเรือนตัวเอง

ผลลัพธ์คือ ครัวเรือนที่ใช้พลังงานสูงกว่าค่าเฉลี่ยเพื่อนบ้านลดการใช้พลังงานลงอย่างชัดเจนหลังได้รับข้อมูลนี้ แต่ผลลัพธ์ที่น่าประหลาดใจกว่าคือ ครัวเรือนที่ใช้พลังงานต่ำกว่าค่าเฉลี่ยอยู่แล้วกลับเพิ่มการใช้พลังงานขึ้น ราวกับรู้สึกว่าตัวเอง "ประหยัดเกินความจำเป็น" เมื่อเทียบกับคนอื่น ปรากฏการณ์นี้ถูกเรียกว่า boomerang effect ซึ่งเป็นด้าน "ทำลาย" ของ social norms อย่างไรก็ตาม เมื่อนักวิจัยเพิ่มข้อความเชิงอนุมัติทางสังคม (injunctive message เช่น หน้ายิ้มหรือหน้าบึ้งกำกับ) เข้าไปด้วย ผล boomerang ที่ว่านี้ก็หายไป งานวิจัยนี้เป็นหนึ่งในบทความที่ถูกอ้างอิงมากที่สุดของ Association for Psychological Science และชี้ให้เห็นข้อควรระวังสำคัญว่า การบอกคนว่า "คนอื่นทำอะไรอยู่" อาจส่งผลย้อนกลับได้ถ้าไม่ระวังให้ดี ไม่ใช่ว่าจะได้ผลบวกเสมอไป

การทดลองผ้าเช็ดตัวในโรงแรมที่กลายเป็นตำราการตลาด

Noah J. Goldstein, Robert B. Cialdini, และ Vladas Griskevicius นำแนวคิด social norms มาทดสอบในบริบทที่ใกล้ตัวธุรกิจโรงแรมมากขึ้น ในงานชื่อ "A Room with a Viewpoint: Using Social Norms to Motivate Environmental Conservation in Hotels" ตีพิมพ์ใน *Journal of Consumer Research* ปี 2008 (เล่ม 35 ฉบับ 3 หน้า 472-482) โดยทำการทดลองภาคสนาม 2 ชุดในโรงแรมจริง เปรียบเทียบป้ายในห้องน้ำที่ใช้ข้อความรณรงค์สิ่งแวดล้อมแบบทั่วไป กับป้ายที่ใช้ข้อความบอกว่าแขกคนอื่นทำอย่างไร (descriptive norm)

ผลลัพธ์คือ ป้ายที่เขียนว่า "ร่วมกับแขกท่านอื่นช่วยรักษาสิ่งแวดล้อม" พร้อมระบุว่าแขกเกือบ 75% ที่ได้รับการขอความร่วมมือเลือกใช้ผ้าเช็ดตัวซ้ำ ทำให้อัตราการใช้ซ้ำเพิ่มขึ้นจาก 35.1% เป็น 44.1% เมื่อเทียบกับป้ายรณรงค์สิ่งแวดล้อมแบบมาตรฐานที่ไม่มีข้อมูลเชิงสังคม นักวิจัยยังพบสิ่งที่เรียกว่า "provincial norm" คือ เมื่อป้ายระบุเจาะจงว่าเป็นพฤติกรรมของ "แขกที่เคยพักห้องนี้มาก่อน" (ไม่ใช่แขกโรงแรมทั้งหมด) จะยิ่งได้ผลดีกว่าการอ้างอิงแขกทั้งโรงแรมแบบกว้างๆ เพราะความใกล้ชิดของบริบททำให้คนรู้สึกเชื่อมโยงกับกลุ่มอ้างอิงมากขึ้น งานวิจัยนี้กลายเป็นกรณีศึกษาคลาสสิกที่ถูกนำไปใช้ในวงการการตลาดและการขายอย่างกว้างขวาง เพราะแสดงให้เห็นว่าการเปลี่ยนแค่ถ้อยคำในป้ายโดยไม่ต้องลงทุนอะไรเพิ่ม ก็เปลี่ยนพฤติกรรมจริงของคนได้อย่างมีนัยสำคัญ

หลักฐานจากโลกดิจิทัล: โหวตบวกครั้งเดียวเปลี่ยนชะตาคอมเมนต์ได้อย่างไร

คำถามที่สำคัญสำหรับยุคดิจิทัลคือ ระบบให้คะแนนและรีวิวออนไลน์ที่เราเห็นทุกวันนี้ ถูกบิดเบือนโดย social proof ตั้งแต่ต้นทางได้แค่ไหน Lev Muchnik, Sinan Aral, และ Sean J. Taylor ตอบคำถามนี้ในงานชื่อ "Social Influence Bias: A Randomized Experiment" ตีพิมพ์ใน *Science* ปี 2013 (เล่ม 341 ฉบับ 6146 หน้า 647-651) โดยร่วมมือกับเว็บไซต์รวมข่าวสังคมแห่งหนึ่ง สุ่มให้คอมเมนต์กว่า 100,000 รายการได้รับโหวตบวกปลอม โหวตลบปลอม หรือไม่ได้รับการโหวตเลยเป็นคอมเมนต์แรก แล้วติดตามดูว่าคอมเมนต์นั้นจะได้รับโหวตจากคนอื่นต่อไปอย่างไร

ผลลัพธ์คือ คอมเมนต์ที่ได้รับโหวตบวกปลอมเป็นอันดับแรก มีโอกาสได้รับโหวตบวกเพิ่มจากคนอื่นสูงขึ้นถึง 32% เมื่อเทียบกับกลุ่มควบคุม และผลกระทบนี้สะสมเพิ่มขึ้นเรื่อยๆ จนทำให้คะแนนสุดท้ายเบี่ยงเบนไปจากคุณภาพที่แท้จริงของคอมเมนต์นั้นอย่างมีนัยสำคัญ ในทางกลับกัน คอมเมนต์ที่ได้รับโหวตลบปลอมเป็นอันดับแรกกลับมีผลกระทบระยะยาวน้อยกว่ามาก เพราะมักถูกผู้ใช้คนอื่นแก้ไขคะแนนกลับมาใกล้เคียงความเป็นจริง นักวิจัยอธิบายว่าปรากฏการณ์นี้เกิดจากอคติที่เรียกว่า "social influence bias" ซึ่งคนมักใช้คะแนนสะสมที่เห็นเป็นตัวช่วยตัดสินใจ แทนที่จะประเมินเนื้อหาด้วยตัวเองอย่างอิสระ งานวิจัยนี้จึงเป็นหลักฐานสำคัญที่ชี้ว่าระบบเรตติ้งและรีวิวออนไลน์ที่ใช้กันทั่วไป มีความเสี่ยงที่จะถูกบิดเบือนได้ง่ายกว่าที่คิด เพียงแค่มีคนกดโหวตบวกผิดๆ ไปในช่วงเริ่มต้นเท่านั้น

social proof ในหน้าสมัครสมาชิกอีคอมเมิร์ซยุคปัจจุบัน

ในบริบทธุรกิจดิจิทัลปัจจุบัน คำถามคือ social proof ยังใช้ได้ผลจริงในหน้าเว็บที่ออกแบบมาเพื่อดึงดูดผู้ใช้ใหม่หรือไม่ Konstantin Roethke, Johannes Klumpe, Martin Adam, และ Alexander Benlian ตอบคำถามนี้ในงานชื่อ "Social Influence Tactics in E-commerce Onboarding: The Role of Social Proof and Reciprocity in Affecting User Registrations" ตีพิมพ์ใน *Decision Support Systems* ปี 2020 (เล่ม 131 บทความหมายเลข 113268) โดยทำการทดลองออนไลน์ขนาดเล็ก (N=249) ควบคู่กับการทดลองภาคสนามขนาดใหญ่ในเว็บไซต์อีคอมเมิร์ซจริง (N=475,495) เพื่อเปรียบเทียบผลของ social proof ร่วมกับกลไก reciprocity สองรูปแบบต่อการตัดสินใจสมัครสมาชิก

ผลลัพธ์คือ เมื่อใช้ social proof และ reciprocity แยกกันแต่ละอย่าง ต่างก็ช่วยเพิ่มอัตราการสมัครสมาชิกได้อย่างมีนัยสำคัญ แต่เมื่อนำสองกลไกมาใช้ร่วมกัน ผลลัพธ์กลับซับซ้อนกว่าที่คิด กล่าวคือ social proof ทำให้ผลของ reciprocity แบบให้ผลตอบแทนเป็นตัวเงินอ่อนแรงลงจนแทบไม่มีผล ในขณะที่กลับขยายผลของ reciprocity แบบให้ประโยชน์ใช้สอย (utility-based) ให้แข็งแรงขึ้น นักวิจัยอธิบายว่าเป็นเพราะกลไกทั้งสองแข่งกันดึงความสนใจของผู้ใช้ไปคนละทิศทาง งานวิจัยนี้เป็นตัวอย่างที่ดีของหลักฐานยุคดิจิทัลที่แสดงว่า social proof ยังคงมีผลจริงในระดับการทดลองภาคสนามขนาดใหญ่ในโลกอีคอมเมิร์ซ แต่การผสมเทคนิคหลายอย่างเข้าด้วยกันโดยไม่เข้าใจกลไกที่แท้จริง อาจทำให้ผลลัพธ์ที่ได้ตรงข้ามกับที่ตั้งใจไว้

Asch ยังใช้ได้ผลในปี 2023 ไหม

เกือบ 70 ปีหลังงานต้นฉบับของ Asch คำถามที่ยังค้างคาคือ ผลการทดลองแบบคลาสสิกนี้ยังคงอยู่ในโลกปัจจุบันหรือไม่ Axel Franzen และ Sebastian Mader ทดสอบคำถามนี้โดยตรงในงานชื่อ "The Power of Social Influence: A Replication and Extension of the Asch Experiment" ตีพิมพ์ใน *PLOS One* ปี 2023 (เล่ม 18 บทความหมายเลข e0294325) โดยทำการทดลองซ้ำกับนักศึกษามหาวิทยาลัยในสวิตเซอร์แลนด์ 210 คน ใช้รูปแบบหน้าม้า 5 คนต่อผู้เข้าร่วมจริง 1 คน แบ่งเป็นกลุ่มที่ไม่มีรางวัลตอบแทนกับกลุ่มที่ได้รับเงินรางวัล 1 ฟรังก์สวิสสำหรับคำตอบที่ถูกต้อง และขยายการทดลองไปถึงคำถามเชิงความเห็นทางการเมือง

ผลลัพธ์คือ ในการทดสอบตัดสินความยาวเส้นตรงแบบดั้งเดิม พบอัตราคำตอบผิดตามกลุ่ม 33% ซึ่งใกล้เคียงกับผลการทดลองต้นฉบับของ Asch อย่างน่าทึ่งแม้เวลาจะผ่านไปเกือบ 70 ปี เมื่อมีรางวัลเป็นตัวเงินจูงใจให้ตอบถูก อัตราการตอบผิดลดลงเหลือ 25% ซึ่งชี้ว่าแรงจูงใจทางการเงินช่วยลดแรงกดดันจากกลุ่มได้บ้าง แต่ไม่ได้ขจัดออกไปทั้งหมด ส่วนเมื่อทดสอบกับความเห็นทางการเมือง อัตราการคล้อยตามกลุ่มอยู่ที่ 38% ซึ่งสูงกว่าการทดสอบเส้นตรงเสียอีก

นักวิจัยยังพบว่าลักษณะบุคลิกภาพ "ความเปิดกว้างทางความคิด" (openness) เป็นปัจจัยเดียวจาก Big Five ที่สัมพันธ์กับการคล้อยตามกลุ่มที่ลดลงอย่างมีนัยสำคัญ งานวิจัยนี้จึงยืนยันว่าปรากฏการณ์ social proof ในรูปแบบ conformity ของ Asch ไม่ได้เป็นเพียงประวัติศาสตร์จิตวิทยา แต่ยังคงทำงานอยู่จริงในสังคมปัจจุบัน แม้บริบทข้อมูลข่าวสารจะเปลี่ยนไปมากแล้วก็ตาม

กรอบเจาะ–จริง–ต้น–ลอง

เพื่อแปลงงานวิจัยทั้งเจ็ดชิ้นให้เป็นวิธีใช้ social proof อย่างได้ผลและมีจริยธรรม เราสังเคราะห์เป็นกรอบ เจาะ–จริง–ต้น–ลอง กรอบนี้เป็นเครื่องมือประยุกต์ของบทความ ไม่ใช่หลักการตลาดที่ผ่านการรับรองแยกต่างหาก

1. เจาะ — เจาะจงกลุ่มอ้างอิงให้แคบและใกล้ชิด

ตามที่ Goldstein, Cialdini, & Griskevicius (2008) พบว่า "provincial norm" ที่อ้างอิงคนกลุ่มใกล้ชิด เช่น แขกที่เคยพักห้องนี้มาก่อน ได้ผลดีกว่าการอ้างอิงคนทั้งหมดแบบกว้างๆ ยิ่งกลุ่มอ้างอิงใกล้เคียงกับผู้รับสารมากเท่าไหร่ ยิ่งได้ผล

2. จริง — ใช้ข้อมูลจริงและระวังผลย้อนกลับ

ตามที่ Schultz et al. (2007) พบ boomerang effect เมื่อบอกคนที่ทำดีอยู่แล้วว่าคนอื่นทำน้อยกว่า ควรใช้ข้อมูลจริงเสมอและใส่ข้อความเชิงอนุมัติทางสังคมกำกับด้วย ไม่ใช่แค่ตัวเลขเปรียบเทียบเฉยๆ

3. ต้น — ดูแลรีวิวหรือโหวตช่วงต้นเป็นพิเศษ

ตามที่ Muchnik, Aral, & Taylor (2013) พบว่าโหวตแรกเพียงครั้งเดียวเปลี่ยนเส้นทางความนิยมได้ถึง 32% ธุรกิจที่พึ่งพารีวิวออนไลน์จึงควรดูแลรีวิวแรกๆ ให้ได้มาโดยสุจริต เพราะมันมีผลสะสมสูงกว่าที่คิด

4. ลอง — ทดสอบก่อนใช้จริง โดยเฉพาะเมื่อผสมหลายเทคนิค

ตามที่ Roethke et al. (2020) พบว่าเทคนิคโน้มน้าวสองอย่างอาจหักล้างกันเองได้ถ้าออกแบบไม่ดี และ Bond & Smith (1996) พบว่าความแรงของ social proof ต่างกันตามวัฒนธรรม ควรทดสอบผลจริงในตลาดของตัวเองก่อนใช้เต็มรูปแบบ ไม่ใช่คัดลอกสูตรจากที่อื่นตรงๆ

กรณีจำลอง: ร้านสกินแคร์ออนไลน์ที่ใช้รีวิวลูกค้าผิดวิธี

สมมติว่า "แนน" เปิดร้านสกินแคร์ออนไลน์ ช่วงแรกเธอเขียนบนหน้าเว็บกว้างๆ ว่า "ลูกค้าทั่วประเทศเลือกใช้ผลิตภัณฑ์ของเรา" ซึ่งฟังดูไม่น่าเชื่อถือและไม่ช่วยเพิ่มยอดขายเท่าไหร่ นอกจากนี้เธอยังเคยจ้างรีวิวปลอมชุดแรกตอนเปิดร้านใหม่ๆ เพราะกลัวว่าไม่มีรีวิวจะขายไม่ออก

แนนลองปรับกลยุทธ์ตามกรอบนี้: เจาะ เธอเปลี่ยนข้อความเป็น "ลูกค้าผิวมันเป็นสิว 8 ใน 10 คนที่ใช้เซรั่มตัวนี้ กลับมาซื้อซ้ำภายในหนึ่งเดือน" ซึ่งเจาะจงกลุ่มที่ใกล้เคียงกับผู้ที่กำลังดูสินค้าตัวนี้อยู่, จริง เธอหยุดใช้รีวิวปลอมทั้งหมดและเก็บรีวิวจริงจากลูกค้าที่ซื้อจริงเท่านั้น แม้ช่วงแรกจะมีรีวิวน้อยกว่าที่อยากได้, ต้น เธอตั้งใจดูแลลูกค้ากลุ่มแรกเป็นพิเศษ ส่งข้อความตามผลลัพธ์และขอรีวิวอย่างจริงใจ เพราะรู้ว่ารีวิวแรกๆ จะส่งผลต่อความน่าเชื่อถือของสินค้าไปอีกนาน และ ลอง ก่อนจะใช้ social proof ร่วมกับโปรโมชันส่วนลด เธอทดสอบกับลูกค้ากลุ่มเล็กก่อนว่าสองอย่างนี้เสริมกันหรือหักล้างกัน แทนเปิดใช้พร้อมกันทั้งร้านทันที

หกเดือนต่อมา ยอดขายของแนนเติบโตขึ้นอย่างมั่นคงจากฐานรีวิวจริงที่ค่อยๆ สะสม แม้จะช้ากว่าตอนใช้รีวิวปลอมในช่วงแรก แต่ก็ไม่มีความเสี่ยงที่จะถูกลูกค้าจับได้ว่าข้อมูลเป็นเท็จ กรณีนี้เป็น สถานการณ์จำลองเพื่อสาธิตวิธีคิด ไม่ใช่ร้านค้าหรือบุคคลจริง

ลองเอาไปปรับใช้ดู

1. ถ้าจะใช้ social proof ในการขาย ลองระบุกลุ่มอ้างอิงให้เจาะจงที่สุดเท่าที่ทำได้ดูครับ ตามที่ Goldstein, Cialdini, & Griskevicius (2008) พบว่า "provincial norm" ที่อ้างอิงคนกลุ่มใกล้ชิด (เช่น ลูกค้าที่ซื้อสินค้าแบบเดียวกัน) ได้ผลดีกว่าการอ้างอิงคนทั้งหมดแบบกว้างๆ 2. น่าจะระวังผลย้อนกลับเมื่อบอกคนที่ทำดีอยู่แล้วว่าคนอื่นทำน้อยกว่า ตามที่ Schultz et al. (2007) พบ boomerang effect การให้ข้อมูลเปรียบเทียบจึงควรมีข้อความเชิงอนุมัติทางสังคมกำกับด้วยเสมอ ไม่ใช่แค่ตัวเลขเปรียบเทียบเฉยๆ 3. น่าจะให้ความสำคัญกับคะแนนรีวิว/โหวตในช่วงเริ่มต้นเป็นพิเศษ เพราะมันมีผลสะสมสูงมาก ตามที่ Muchnik, Aral, & Taylor (2013) พบว่าโหวตแรกเพียงครั้งเดียวเปลี่ยนเส้นทางความนิยมได้ถึง 32% ธุรกิจที่พึ่งพารีวิวออนไลน์จึงน่าจะดูแลรีวิวแรกๆ เป็นพิเศษ 4. ถ้าจะใช้ social proof ร่วมกับสิ่งจูงใจอื่น ลองทดสอบผลร่วมกันก่อนใช้จริงดูนะครับ ตามที่ Roethke et al. (2020) พบว่าเทคนิคโน้มน้าวสองอย่างอาจหักล้างกันเองได้ถ้าออกแบบไม่ดี ไม่ใช่ว่ายิ่งใช้เทคนิคเยอะยิ่งได้ผลดีเสมอไป 5. อย่าลืมว่าวัฒนธรรมและบริบทกำหนดความแรงของ social proof ตามที่ Bond & Smith (1996) พบว่าอัตราการคล้อยตามกลุ่มต่างกันมากระหว่างวัฒนธรรมกลุ่มนิยมกับปัจเจกนิยม กลยุทธ์ที่ได้ผลในตลาดหนึ่งอาจไม่ได้ผลแบบเดียวกันในอีกตลาดหนึ่ง