Cumulative Advantage in Online Markets
Stefan Wehrli
ETH Zürich
VIU, December 2006
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 1 / 26
Übersicht
1 EinführungI Kumulative Vorteile in den WissenschaftenI Beispiele: Scale-free Networks
2 Reputationseffekte in Online Märkten (Mikro-Ebene)I GamesI Daten und Ergebnisse
3 Reputationssystem als Trade-Network (Makro-Ebene)I VerteilungenI Generative ProzesseI Degree-Verteilungsanalyse
4 Fazit, Kritik & Ausblick
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 2 / 26
Cumulative Advantage (CA)
"Cumulative advantage [...] refers to the social process throughwhich various kinds of opportunities for scientific inquiry [...] tendsto accumulate." (Merton 1988)→ Matthäus-Effekt"Cumulative advantage is a general mechanism for inequalityacross any temporal process [...] in which a favorable relativeposition becomes a resource that produces further relative gains."(Diprete 2006)
Einfachestes Beispiel:
Entwicklung eines Kapitalstocks mit fixem Zinssatz über die Zeit
CA auch bekannt unter:"Preferential Attachment", "Positive Rückkopplung", "Path dependent increasingreturns", "multiplier effects", "first mover advantage", "scarring effects", "the rich getricher", ...
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 3 / 26
Aktuelle Beispiele: Scale-free Networks
Movie Actors WWW Power Grid
Albert und Barabási (1999): Emergence of Scaling in Random Networks
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 4 / 26
Weitere skalen-invariante Netzwerke / Verteilungen
Weitere Beispiele:- Sexual-Netzwerke ∗
- Siedlungsgrössen (US)- Unternehmensgrössen- Vermögensverteilungen- Anzahl verkaufte Bücher- Kriegsintensitäten ∗
- Wort-Häufigkeiten (Zipf)- Familiennamen- . . .
Newman (2003): The Structure and Function of Complex Networks.∗ Genaue Verteilungscharakteristika noch umstritten
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 5 / 26
Charakteristika
Kleine Ausprägungen treten sehr häufig auf, grosse dagegenextrem selten.
Fat Tails: Degree-Verteilungen extrem rechtsschief.Small Worlds: Kleiner Diameter (ln ln N) und kurze
durchschnittliche Pfadlängen.Clustering: Dichte Nachbarschaften, Communities, geschlossene
Triaden. . .
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 6 / 26
Relevanz von Powerlaws
"The New Science of Networks": Barabási (2002)
"Nature’s unmistakable sign that chaos is departing in favor of order."
"The scale-free topoplogy is evidence of organizing principles acting ateach stage of the network formation process."
"We expect that the scale-invariant state [...] is a generic property of manycomplex networks, with applicability reaching far beyond the quotedexamples."
The Classics: Simon (1955)
"The mere fact that particular data conform to the Yule distribution [...] tellslittle about the underlying phenomena beyond what is contained in [our]assumptions [...]".
"The frequency with which the Yule distribution occurs in nature -particularly in social phenomena - should occasion no great surprise."
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 7 / 26
Daten: Feedback-Profil auf eBay.de
Prozessdaten von eBay.de, automatisierte Erhebung.
Anzahl erhaltene Bewertungen eines eBay-Mitglieds entsprichenseinem Degree im Reputationsnetzwerk.
Reputationsnetzwerk kann nur wachsen.
Unterscheidung in ein Belohnungs- und Sanktionsnetzwerk.
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 8 / 26
Daten: Aufbau der Erhebung
2005
AUKTIONEN
1.1 Mio Fälle aus17 Teil-Märkten ⇒
EGO
516’000 Nutzerund deren ego-zentrierte Netz-werke
⇒
ALTERI
9.3 Mio Nutzer,verbunden mit denEgos über 113 MioTransaktionen
2006
EGO
aktualisiert⇒
ALTERI
akutalisiert⇒
Ziel: Vollerhebung des deutschen Reputationsnetzwerkes → Analyse des Netzwerkwachstums
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 9 / 26
Mikro-Ebene: Games
Transaktionsprozess
zweiten Gruppe hat lediglich der Treugeber die Möglichkeit eine Bewertung ab-zugeben. Dies ist die asymmetrischen Variante, die im weitesten Sinne mit denBestrafungsexperimenten vergleichbar sein sollte. (3) In der dritten Gruppe wirdschliesslich das sequentielle PD gespielt, wobei die Spieler selbst entscheiden, obsie als First- oder Second-Mover auftreten.1
Basisspiel als Vertrauensspiel (1. Stufe):
Player 1
Player 2
C D
C R,R S ,T
D P, P P, P
Die Akteure nehmen abwechslungsweise die Rolle des Verkäufers oder Käufersein und werden in jeder Runde mit einer neuen Person zufällig gematched. DerRollenwechsel ist notwendig, da der Vertrauensgeber ansonsten kein Anreiz hat, inseine Reputation zu investieren. Spieler 1 entscheidet sich auf jedem Stage, ob erkaufen will oder nicht. Spieler 2 entscheidet, ob er das Vertrauen honorieren odermissbrauchen will. Die Auszahlungen für das Vertrauensspiel werden im Pretestkalibriert. Damit genügend Defektionen auf der ersten Stufe stattfinden, ist ers-tens ein geringes Risiko beim Treugeber, jedoch eine sehr grosse Versuchung beimTreunehmer vorzusehen. Vorschlag: S = 0, P = 5,R = 10,T = 20.
Bewertungsspiel im Sinne eines sequentielles PD (2. Stufe):
Player 1
Player 2
+ − 0
+ a − c, a − c −aγ − c, a − c −c, a
− a − c,−aγ − c −aγ − c,−aγ − c −c,−aγ
0 a,−c −aγ,−c 0, 0
Auf der Bewertungsebene haben die Akteure die Wahl unter Kosten c ihren Partnerzu bewerten, d.h. belohnen (+), bestrafen (−) oder schweigen (0). Wir bezeichnen a
1Mascalet und Pénard (2006) haben hier zwei weitere interessante Treatments vorgeschlagen:Den Spielern wurde erstens ein simultanes Bewertungsspiel und zweitens eine sequentielle Anord-nung mit exogen definierter Spielsequenz vorgelegt.
2
Problem:
Vertrauenspiel
Lösung:Reputation
Payoffs: T > R > P > S
Bewertungsprozess
zweiten Gruppe hat lediglich der Treugeber die Möglichkeit eine Bewertung ab-zugeben. Dies ist die asymmetrischen Variante, die im weitesten Sinne mit denBestrafungsexperimenten vergleichbar sein sollte. (3) In der dritten Gruppe wirdschliesslich das sequentielle PD gespielt, wobei die Spieler selbst entscheiden, obsie als First- oder Second-Mover auftreten.1
Basisspiel als Vertrauensspiel (1. Stufe):
Player 1
Player 2
C D
C R,R S ,T
D P, P P, P
Die Akteure nehmen abwechslungsweise die Rolle des Verkäufers oder Käufersein und werden in jeder Runde mit einer neuen Person zufällig gematched. DerRollenwechsel ist notwendig, da der Vertrauensgeber ansonsten kein Anreiz hat, inseine Reputation zu investieren. Spieler 1 entscheidet sich auf jedem Stage, ob erkaufen will oder nicht. Spieler 2 entscheidet, ob er das Vertrauen honorieren odermissbrauchen will. Die Auszahlungen für das Vertrauensspiel werden im Pretestkalibriert. Damit genügend Defektionen auf der ersten Stufe stattfinden, ist ers-tens ein geringes Risiko beim Treugeber, jedoch eine sehr grosse Versuchung beimTreunehmer vorzusehen. Vorschlag: S = 0, P = 5,R = 10,T = 20.
Bewertungsspiel im Sinne eines sequentielles PD (2. Stufe):
Player 1
Player 2
+ − 0
+ a − c, a − c −aγ − c, a − c −c, a
− a − c,−aγ − c −aγ − c,−aγ − c −c,−aγ
0 a,−c −aγ,−c 0, 0
Auf der Bewertungsebene haben die Akteure die Wahl unter Kosten c ihren Partnerzu bewerten, d.h. belohnen (+), bestrafen (−) oder schweigen (0). Wir bezeichnen a
1Mascalet und Pénard (2006) haben hier zwei weitere interessante Treatments vorgeschlagen:Den Spielern wurde erstens ein simultanes Bewertungsspiel und zweitens eine sequentielle Anord-nung mit exogen definierter Spielsequenz vorgelegt.
2
Problem:Sequentielles PD
Lösung:Reziprozität & Reputation
Payoffs: a > c, a > 0, c > 0
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 10 / 26
Reputationseffekte: empirische EvidenzenTransaktionsprozess
Zeit bis erstes Gebot
Verkaufswahrscheinlichkeit
Endpreis
Wahl des Startpreises
Wahl des Zahlungsmodus
⇒ Direkte Effekte auf Fitness
BewertungsprozessBewertungsrate: 70-80%
Direkte Reziprozität (Second-Mover)
Effekt der Partner-Reputation auf dieBewertungsrate (First-Mover)
⇒ Indirekte Effekte auf Fitness
Offene Fragen:Geburts-, Wachstums- und Sterbeprozesse
Wehrli (2005): Alles bestens, gerne wieder. Reputation und Reziprozität in Online-Auktionen.
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 11 / 26
Ergebnisse: Zeit bis zum ersten GebotEinleitungDegree-Verteilungen
Cumulative Advantage
FragestellungAnalysen
Proportional-Hazards-Modelle für das erste GebotVerkäufer Käufer
Reputation (log. Score) 0.048*** (0.005)Positive Reputation (log.) 0.053*** (0.006)Negative Reputation (log.) -0.011 (0.007)Verk. hat Shop -0.081*** (0.024) -0.077** (0.024)Verk. hat „Mich“-Seite -0.216*** (0.023) -0.210*** (0.023)Verk. ist geprüftes Mitglied -0.173*** (0.025) -0.177*** (0.025)Verk. ist Powerseller -0.081** (0.025) -0.079** (0.025)Startpreis -0.107*** (0.003) -0.107*** (0.003)Versandkosten -0.098*** (0.006) -0.098*** (0.006)Beschreibungslänge (log.) -0.014* (0.007) -0.014* (0.007)Galeriebild 0.057* (0.024) 0.056* (0.024)Fettschrift 0.526*** (0.118) 0.529*** (0.118)Fallzahl 34’797 34’797Anzahl „Ereignisse“ 18’607 18’607
Standardfehler in Klammern; Stratifiziert nach Unterkategorie und Wochentag;Reputation = logarithmierte Anzahl Bewertungen
Stefan Wehrli und Ben Jann Netzwerke in Online-Märkten
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 12 / 26
Ergebnisse: Verkaufswahrscheinlichkeit
EinleitungDegree-Verteilungen
Cumulative Advantage
FragestellungAnalysen
Analyse 2: Verkaufserfolg (Mobiles)
Verkaufserfolg (Logistische Regression / Mobiles)Neu Gebraucht
Positive Reputation (log.) 0.142* (0.071) -0.014 (0.044)Negative Reputation (log.) -0.353* (0.149) -0.118 (0.117)Startpreis -0.032*** (0.003) -0.035*** (0.002)Anbieterkonkurrenz -0.008* (0.003) -0.007** (0.003)Auktionsdauer 0.017 (0.038) 0.051* (0.022)Kalenderzeit -0.011 (0.010) -0.002 (0.006)Beschreibungslänge (log.) -0.018 (0.078) -0.039 (0.060)Produktbild 0.134 (0.387) 0.331 (0.218)(. . . )Anteil verkauft 95.06% 95.47%Fallzahl 5’338 8’738
Standardfehler in Klammern (geklumpt); Reputation = logarithmierte AnzahlBewertungen
Stefan Wehrli und Ben Jann Netzwerke in Online-Märkten
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 13 / 26
Ergebnisse: Endpreis
EinleitungDegree-Verteilungen
Cumulative Advantage
FragestellungAnalysen
Analyse 3: Verkaufspreis (Mobiles)
Effekte auf den Verkaufspreis (OLS / Mobiles)Neu Gebraucht
Positive Reputation (log.) 1.069*** (0.209) 1.047*** (0.231)Negative Reputation (log.) -1.995*** (0.501) -2.738*** (0.472)Startpreis 0.034*** (0.006) 0.127*** (0.010)Anzahl Bieter 0.573*** (0.079) 1.495*** (0.143)Anbieterkonkurrenz -0.070*** (0.009) -0.059*** (0.011)Auktionsdauer 0.050 (0.109) -0.105 (0.121)Kalenderzeit -0.312*** (0.026) -0.260*** (0.027)Kelenderzeit quadriert 0.023*** (0.003) 0.022*** (0.003)Beschreibungslänge (log.) 1.001*** (0.236) 2.711*** (0.280)Produktbild 3.736** (1.274) 4.002* (1.558)(. . . )Korrigiertes R2 0.842 0.789Fallzahl 5’096 8’306
Abhängige Variable: Verkaufspreis (EUR); Standardfehler in Klammern(geklumpt); Reputation = logarithmierte Anzahl Bewertungen
Stefan Wehrli und Ben Jann Netzwerke in Online-Märkten
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 14 / 26
Ergebnisse: BewertungsrateEinleitung
Degree-VerteilungenCumulative Advantage
FragestellungAnalysen
Proportional-Hazards-Modelle für die Vergabe von BewertungenVerkäufer Käufer
Partner zuerst (zeitveränd.) 2.021*** (0.118) 0.617*** (0.011)Positive Partnerreputation 0.088*** (0.006) 0.098*** (0.004)Negative Partnerreputation -0.184*** (0.016) -0.085*** (0.006)Partner zuerst X pos. P.rep. -0.099*** (0.010) -0.029*** (0.005)Partner zuerst X neg. P.rep. 0.163*** (0.023) -0.117*** (0.010)Eigene positive Reputation 0.050** (0.016) 0.141*** (0.004)Eigene negative Reputation -0.199*** (0.029) -0.253*** (0.010)Wiederholte Interaktion -0.281*** (0.077) -0.467*** (0.033)Rollenwechsel 0.175*** (0.051) 0.185*** (0.022)Geprüftes Mitglied 0.210* (0.084) 0.190*** (0.037)Preis -0.002 (0.001) -0.000 (0.000)(. . . )Fallzahl (Klumpen) 177’561 (29’816) 177’561 (99’139)Anzahl „Ereignisse“ 146’693 146’300
Bootstrap-Standardfehler in Klammern (geklumpt); Reputation = logarithmierteAnzahl Bewertungen
Stefan Wehrli und Ben Jann Netzwerke in Online-MärktenStefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 15 / 26
Mikro-Makro-Verbindung: Generative Prozesse
Yule Prozess
Geburtsprozess
Preferential Attachment
⇒ Yule Verteilung⇒ Pareto Verteilung
Gibrat Prozess
Grosse Zahl kleiner multiplikativerEinflüsse
Proportionales Wachstum,unabhängig von Grösse
⇒ Lognormale Verteilung
Übersicht in Simkin und Roychowdhury (2006): Re-inventing Willis.
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 16 / 26
Verteilungen
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 17 / 26
Verteilung der positiven Bewertungen (2005)
●
●
●
●●
●●●
●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●● ● ● ● ● ●
0 50000 100000 150000
020
0040
0060
0080
00
Number of Feedbacks (+1)
Num
ber
of U
sers
● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●
●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●
●●●●
●
●●●●●●●●
●
●●●●
●●●
●
●●●●●●●
●●●●●
●
●●
●●●●●
●●●●●●●●●●●●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●
●●●●●●
●●●●●●●
●●●
●●●●●●
●●
●●
●●
●
●●
●●●●●●●●●●●●●●●●●●●●●●
●●
●●
●
●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●
●●●●
●●●●●
●
●
●●●●
●●●
●
●●●●●●●●●●●●●●●●●
●●●●●●●
●
●●
●
●●●●●
●●●●
●
●●●●●●
●
●
●
●
●
●
●●
●
●
●
●
●●●●●
●●
●
●●●●●●●●
●●
●
●●
●●
●●●●●
●
●
●●●
●
●
●●●●●●●
●
●●●●
●●●
●
●●●●
●
●●●●
●
●●●
●●●●●●●●●
●●
●
●
●●●●●
●
●●●●●
●
●
●
●●●●●●●●●●●●
●
●
●●
●
●●●●●●●●●●●
●
●
●●●
●
●●●●●
●
●
●●
●●●●●●
●
●
●●●●●●●●●●●●●●●●
●
●●●●
●
●
●●
●●
●●●●
●
●
●●
●
●
●●●●●
●●●
●
●●●●●
●
●●
●●
●●
●
●
●●●●●●●
●
●●●
●
●
●●
●
●
●●●●
●
●●
●
●●
●
●
●●●
●
●●●●
●
●●●
●
●●
●
●●
●●
●
●
●●●
●●
●
●
●●●●
●●●●●●
●
●●
●
●
●
●
●●●●●●
●●
●●●
●
●
●●●●●●
●
●●
●
●
●●●●
●●●●●●
●
●
●
●●
●●●
●
●
●●●●●
●●●●●●
●
●●
●●●
●●
●●
●
●●
●
●
●
●●●●
●
●●●
●
●●●●●●
●●●
●●●
●●●●●●
●●
●●●
●
●
●
●
●●
●●●
●
●
●
●
●●●●
●
●
●
●
●
●●●●●
●
●
●
●
●
●●
●
●●●●●●●●●
●●
●●●●
●
●
●●
●
●
●●
●
●
●●
●
●
●●●●●●●●
●●
●
●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●●●●●●●●
●●
●●
●●
●
●
●●
●●
●
●
●
●
●
●
●
●●●●●
●
●
●
●
●●
●
●
●
●●
●●
●●●●●●●●
●
●
●●●●●
●
●
●●●
●
●
●●●
●●
●
●
●
●●
●
●
●●
●●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●●●
●●●
●
●●
●●●
●
●
●●●
●●
●
●●
●
●●
●●
●●●
●
●
●
●
●●●
●
●
●
●
●●
●●●●
●
●●●●
●
●
●
●●
●
●
●●●
●
●
●
●
●●●
●
●
●
●
●●●●
●
●
●
●
●
●
●●
●
●
●●●
●
●
●●●●●
●
●●
●
●●
●
●●●
●
●
●
●
●
●●●
●●●
●
●●
●
●●●
●
●
●
●●
●
●
●
●
●
●●
●●
●
●
●●●
●
●●●●●●
●●●
●
●●●
●
●
●●
●
●●●
●●●●
●
●●●
●
●
●●●●
●
●●
●
●
●
●
●
●
●
●
●●
●●
●
●●
●
●●
●
●
●●●
●
●
●
●●●
●
●
●
●
●●
●●●●
●●
●
●
●
●●
●
●
●●
●
●
●
●
●
●●
●
●
●
●
●
●●●●●●
●
●
●●●
●
●●●●
●
●
●●
●●
●
●
●
●
●
●
●
●
●●●
●●
●
●●●●
●
●
●
●
●
●
●●
●
●●
●●
●●
●
●
●
●
●●
●●
●
●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●●●
●
●
●●
●●●
●
●
●
●
●
●●
●
●●
●●
●●
●
●
●●
●
●●●●●
●●
●
●
●●
●
●●●
●●●
●
●
●
●
●
●●●
●
●●
●
●
●
●●
●●
●●
●
●●●●
●●●
●●
●
●●
●
●
●
●
●
●
●
●●
●
●●●●
●
●
●
●
●●
●●
●
●
●
●
●
●
●●
●
●
●●
●●●●
●
●●
●
●
●
●●●●
●
●●●●
●
●
●●
●●
●
●
●
●
●
●
●●●●
●
●
●
●
●
●
●
●●
●●
●
●
●
●
●
●●●
●
●
●
●
●●●
●
●
●
●
●
●●
●●
●
●
●
●
●
●●●
●
●
●●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●●●●
●
●
●
●●●
●●
●
●●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●●
●●
●●
●
●
●●●●
●
●
●●
●
●
●
●
●●●●
●
●
●
●●
●●
●
●
●
●●●
●
●●●
●●
●●●
●●
●●
●
●●
●
●●●●●●
●
●●
●
●●
●●
●
●●●●
●
●
●●
●
●●●●
●
●
●
●●
●
●
●
●
●
●●●
●
●
●
●
●
●
●●●
●
●
●
●●●
●●
●
●
●
●
●
●●
●
●●
●
●
●
●
●●●
●
●
●
●
●
●
●●
●
●
●●●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●●
●●●
●
●●
●
●●●
●
●●●●
●●●
●
●
●
●
●
●
●
●
●
●
●●
●●
●●●●●
●
●
●
●
●●
●
●●●
●
●●●
●●●
●
●
●
●●●
●●●
●
●
●
●●●
●
●
●
●●
●●
●●
●
●
●
●
●●●●●●●
●
●
●
●
●●
●
●
●●
●
●●
●
●
●
●
●
●●●
●
●
●●
●
●
●
●●
●
●●
●●
●●●
●
●●●●●
●
●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●●
●
●
●●●
●
●●●
●
●●
●
●●
●●
●●
●●●●
●
●●
●
●●
●
●●●
●●
●●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●●
●●●●●
●
●
●●
●●
●
●●●
●
●
●
●
●●
●
●●
●
●●●
●
●●●●
●●●●
●
●
●
●
●
●
●
●
●
●●
●
●●
●
●
●
●
●
●
●●●●●●●
●
●
●
●
●
●
●
●●●
●●●●●
●
●●●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●●●
●
●
●●●●●
●●
●
●●
●
●
●●●●●
●
●●●●●●
●
●
●
●●
●●
●
●●●●●●
●
●
●
●●●
●●
●●●
●●
●
●
●
●
●●
●
●●●●
●●
●●●●
●●●●
●●
●
●●
●
●
●
●●
●
●●
●
●●
●●
●●●
●●●
●
●
●●●
●
●
●●●
●●
●●
●
●
●
●
●
●
●●
●
●
●
●●
●
●
●●
●
●●●●
●●
●
●●●●●
●●
●●
●
●●●
●
●
●
●
●●
●●
●
●
●
●
●
●
●●
●
●
●
●
●
●●●●
●
●●
●
●
●
●●●●●●
●●
●
●
●
●
●
●●
●●
●●
●
●
●
●
●
●
●●
●
●
●
●●●
●●
●●
●
●●●●●●●●
●●
●●●
●
●●●●
●
●●
●●●●●●●
●
●
●●●●
●
●
●
●●
●●
●
●
●●
●●●●
●●●
●
●
●
●
●
●●●●●●●
●
●●
●
●
●
●
●
●●
●●●
●●
●
●
●
●●
●
●
●●●●
●●
●●●
●●
●●
●●
●●●●
●
●●●
●●●●
●●
●
●
●●●●●●
●●●●●●●●●●
●
●●●●●●●
●
●
●●●●●●●●
●
●●●●●●●●
●
●●
●
●
●●●
●
●●●●
●
●●●
●
●●
●
●●●
●
●
●
●
●●●●
●
●
●
●●●
●
●●
●●●
●●
●●●●●●●
●
●●●●●●●
●
●
●
●
●●
●●
●
●
●●●●●●
●
●●●●
●
●●
●
●●●●●●●●●●●●●●●●●●●●
●
●●●●●●
●
●
●
●●●●●●●
●
●●
●●
●●●●
●
●
●
●
●
●●●●
●●
●●●●
●
●
●
●
●
●●●●●●●●
●●
●●●●●●●●
●●
●●●●●●
●
●
●●●●●●
●
●
●●
●●●
●●
●●●●●●●●
●
●●●
●
●●
●
●●●
●
●●●
●●
●●
●●
●●●●●●●●●●
●
●●
●
●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●
●
●●●●
●
●●●●●●●●●●●●●
●
●●
●
●●●●●
●
●●●●●●●●●●●●●●●●●●
●
●●●●●●
●
●●●●●●●
●
●●●●●●●●
●
●●
●
●●●●●●
●
●
●●
●●●●
●
●●●●●
●
●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●
●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●
●
●
●
●●●
●
●
●
●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●
●●
●●
●
●●●●●●●●●●●●
●
●●●●
●
●●●
●
●●●●●●●●●●●●●●●●●●
●
●●●●
●
●●●●●●●●●
●●
●●
●
●●●
●
●●●●●●●●
●
●●●●●●●●
●
●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●
●
●
●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●
Number of Feedbacks (+1)
Num
ber
of U
sers
100 101 102 103 104 10510
010
110
210
310
4
(a) normal (b) Loglog-Plot
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 18 / 26
Verteilung der positiven Bewertungen (2005)
● ● ● ● ● ● ●●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
100 101 102 103 104 105
10−
1010
−9
10−
810
−7
10−
610
−5
10−
410
−3
10−
2 ● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103 104 10510
−5
10−
410
−3
10−
210
−1
100
(c) log bins (d) ccdf (1-cdf)
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 18 / 26
Verteilung der negativen Bewertungen (2005)
●
●
●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●● ●● ● ● ● ●
0 500 1000 1500 2000 2500
050
000
1500
0025
0000
3500
00
Number of Feedbacks (+1)
Num
ber
of U
sers
●
●
●
●
●
●
●
●●
●●●●●●
●●●
●●●●●
●●
●●●●●●●●●●●
●
●●●●●●●●
●
●
●
●
●
●●
●
●
●●
●
●
●
●
●
●
●
●●
●
●●●
●
●
●
●
●
●
●
●●
●
●
●
●●●●●
●●●
●●●
●
●
●
●
●●
●●●
●●●●
●
●●●
●●
●●
●
●●
●
●●●●●●●●●
●
●●●●●●●●●●●●●●●●●●●
●
●●●●●●●●●●●●●●●●● ● ●
Number of Feedbacks (+1)
Num
ber
of U
sers
100 101 102 10310
010
110
210
310
410
5
(a) normal (b) Loglog-Plot
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 19 / 26
Verteilung der negativen Bewertungen (2005)
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
100 101 102 103
10−
910
−8
10−
710
−6
10−
510
−4
10−
310
−2
10−
110
0
●
●
●
●
●●
●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 10310
−5
10−
410
−3
10−
210
−1
(c) log bins (d) ccdf (1-cdf)
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 19 / 26
Degree-Verteilungen im Vergleich
2005 2006 Alteri● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103 104 105
10−
510
−4
10−
310
−2
10−
110
0
● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●
Number of Feedbacks (+1)P
ropo
rtio
n of
Use
rs w
ith v
alue
>=
x
100 101 102 103 104 105
10−
510
−4
10−
310
−2
10−
110
0
● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103 104 105
10−
610
−5
10−
410
−3
10−
210
−1
100
● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103 104 105
10−
410
−3
10−
210
−1
100
● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103 104 105
10−
410
−3
10−
210
−1
100
● ● ● ● ●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103 104
10−
310
−2
10−
110
0
Mobiles DVDs Muenzen
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 20 / 26
Degree-Verteilungen im Vergleich
2005 2006 Alteri●
●
●
●
●●
●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103
10−
510
−4
10−
310
−2
10−
1
●
●
●
●●
●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●
●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103
10−
510
−4
10−
310
−2
10−
1
●
●
●●
●●
●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103
10−
610
−5
10−
410
−3
10−
210
−1
●
●
●
●
●
●●
●●
●●●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●● ●●●●●●●●●
●●●●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102 103
10−
410
−3
10−
210
−1
●
●
●
●
●●
●●
●●
●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●
●●●
●●
●
●
Number of Feedbacks (+1)
Pro
port
ion
of U
sers
with
val
ue >
= x
100 101 102
10−
410
−3
10−
210
−1
●
●
●
●
●●
●●
●●
●●
●●●
●●
●●● ●
●●●●
●●
●●
●
●
●
●
Number of Feedbacks (+1)P
ropo
rtio
n of
Use
rs w
ith v
alue
>=
x
100 101
10−
310
−2
10−
1
Mobiles DVDs Muenzen
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 20 / 26
Schätzung Skalenparameter γ
Hypothese: 2 ≤ γ ≤ 3
(1) Graphische Extraktion am Loglog-Plot oder (2) OLS bei Linearität
(3) Maximum Likelihood
Pareto (PDF und CDF):
Pr [X = x ] = αaαx−(α+1)
Pr [X ≤ x ] = 1− (a/x)α
Power law (PDF):
Pr [K = k ] ∼ k−γ
⇒ γ = α + 1
Hill’s Estimator von α
α̂ = nn∑
i=1
log(xi
a
)
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 21 / 26
Schätzung Skalenparameter γ
α(a = 1) n α(a = 100) n2005 0.257 457’255 1.017 157’9252006 0.225 475,311 0.988 228’723Alteri 0.266 3’280’884 1.201 873’525
Verteilung der positiven FeedbacksBootstrap-Schätzungen des Pareto-Index α
α(a = 1) n2005 2.012 124,0112006 1.643 174’811Alteri 1.874 933’398
Verteilung der negativen FeedbacksBootstrap-Schätzungen des Pareto-Index α
γ = α + 1, Nego = 478, 614, Nalteri = 3′290′613Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 22 / 26
Oder: Positive Feedbacks sind lognormal verteilt
0.1
.2.3
0 2 4 6 8 10 12
Pseudo Histogram
0.2
.4.6
.81
0 2 4 6 8 10 12
CDF
0.1
.2.3
.4.5
.6.7
.8.9
1
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Probability−Normal Plot
02
46
810
12
0 2 4 6 8 10 12
Quantile−Normal Plot
Nur Verkäufer! Pareto und lognormale Verteilung lassen sich kaum unterscheiden.Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 23 / 26
Schlussfolgerungen
Powerlaw-Verteilungen sind weder neu noch besonders!
Aus Verteilungen kann man nicht auf die zugrundeliegendenMikro-Prozesse schliessen.
CA-Effekte von Reputation können auf der Mikro-Ebene empirischgezeigt werden.
Auf der Makro-Ebene zeigen sich charakteristische Verteilungen(Lognormal, Pareto), die auf einen kumulativen Prozess hinweisen.
Geburts- und Sterbeprozesse sind zentral für die Prüfung desgenerativen Prozessmodells. Ein integrales CA-Modell für eBay fehltnoch!
Sollten Reputationsprämien auf der Mikro-Ebene tatsächlich eine Formvon Sozialkapitalrendite darstellen, dann sei mit der lognormalenVerteilung ein Indiz der Kapitallogik von Reputation gefunden.
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 24 / 26
Reputation@Office Reloaded
Verteiltes Beobachten. Helft mir das Netzwerk zu vervollständigen!
Mail:[email protected]
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 25 / 26
LiteraturAxtell, R.L. (2001): Zipf Distribution of U.S. Firm Sizes, Science 293: 1818-1820.
Barabasi, A-L., Albert, R. (1999): Emergence of Scaling in Random Networks, Science 286:509-512.
Barabasi, A-L. (2002): Linked: The new science of networks. Cambridge: Perseus Publishing.
DiPrete, T., Eirich, G. (2006): Cumulative Advantage as a Mechanism for Inequality: A Review ofTheoretical and Empirical Developments. American Sociological Review 32: 271-297.
Gibrat, R. (1931): Les inégalités économiques; applications: aux inégalitités des richess, à laconcentrations des entreprise, aux populations des villes, aux statistiques des familles, etc.,d’une nouvelle, la loi de l’effet proportionnel. Paris: Librairie du Recueil Sirey.
Merton, R.K. (1988): The Matthew Effect in Science, II. Cumulative Advantage and theSymbolism of Intellectual Property. ISIS 79: 606-623.
Newman, M.E.J. (2003): The Structure and Function of Complex Networks. SIAM Review 45.
Pareto, V. (1896): Cours d’Economie Polotique. Genf: Droz.
Simkin und Roychowdhury (2006): Re-inventing Willis. University of California, Los Angeles.
Simon, H.A. (1955): On a Class of Skew Distribution Functions, Biometrika 42:425-440.
Zipf, G.K. (1949): Human Behaviour and the Principle of Least-Effort. Addison-Wesley,Cambridge MA.
Stefan Wehrli (ETH Zürich) Cumulative Advantage VIU, December 2006 26 / 26
Top Related