Can reminder emails compel Americans to save? A two-million-person megastudy
Notice bibliographique
Résumé
In the United States, 24% of adults have no savings and 39% have less than a month of income saved. We present results from a megastudy where nearly 2 million customers of a US bank were randomly assigned to receive one of seven different 2-month email campaigns, each employing a different behavioral science insight to nudge one-time and recurring savings deposits and increase savings balances or to a control condition without such messages. These campaigns increased the probability of making a one-time savings deposit, on average, by 0.05 percentage points (a 0.51% increase over control). The best-performing campaign delivered weekly messages to customers that differed depending on recent savings behavior: messages to customers who had not made a savings account deposit in the last week included a simple reminder to save, while those to customers who had made a savings account deposit in the prior week were congratulated on this accomplishment. This top-performing campaign increased the monthly likelihood that a customer made a one-time savings deposit by 0.13 percentage points (a 1.32% increase). We estimate that rolling this 2-month campaign out to everyone in our megastudy population would have led to an extra $6,123,996 to $9,910,090 in savings. Together, our findings highlight that light-touch, frequent email nudges can cost-effectively create small increases in savings deposits in the United States. Ideally, to generate meaningful benefits, behavioral science insights would be incorporated into a wider range of communications and incentives designed by financial institutions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».