การแพร่กระจายข้อมูลเกิดขึ้นเมื่อข้อมูลภายนอกที่ได้รับจากผู้เข้าร่วมก่อนหน้าในเหตุการณ์หนึ่งๆ มีผลเหนือกว่าสัญญาณส่วนตัวของผู้เข้าร่วมเอง โดยไม่คำนึงถึงความถูกต้องของข้อมูลภายนอกมากกว่าสัญญาณส่วนตัว การทดลองที่ดำเนินการโดย Anderson ^{[ 10 ]} เป็นตัวอย่างที่มีประโยชน์ของกระบวนการนี้ การทดลองประกอบด้วยโถสองใบที่ติดป้าย A และ B โถ A บรรจุลูกบอลสองลูกที่ติดป้าย "a" และหนึ่งลูกที่ติดป้าย "b" โถ B บรรจุลูกบอลหนึ่งลูกที่ติดป้าย "a" และสองลูกที่ติดป้าย "b" โถที่จะต้องหยิบลูกบอลในแต่ละรอบจะถูกกำหนดแบบสุ่มและมีความน่าจะเป็นเท่ากัน (จากการทอยลูกเต๋า) เนื้อหาของโถที่เลือกจะถูกเทลงในภาชนะที่เป็นกลาง จากนั้นผู้เข้าร่วมจะถูกขอให้หยิบลูกแก้วจากภาชนะนี้ตามลำดับแบบสุ่ม กระบวนการทั้งหมดนี้อาจเรียกว่า "รอบ" และมีการดำเนินการรอบดังกล่าวจำนวนหนึ่ง

ทุกครั้งที่ผู้เข้าร่วมหยิบลูกแก้วขึ้นมา เขาจะต้องตัดสินใจว่าลูกแก้วนั้นเป็นของโถใบไหน จากนั้นการตัดสินใจของเขาจะถูกประกาศให้ผู้เข้าร่วมที่เหลือในห้องทราบ ดังนั้น ผู้เข้าร่วมคนที่ (n+1) จะมีข้อมูลเกี่ยวกับการตัดสินใจของผู้เข้าร่วมทั้ง n คนก่อนหน้าเขา และยังมีสัญญาณส่วนตัวของเขาเอง ซึ่งก็คือป้ายกำกับบนลูกแก้วที่เขาหยิบขึ้นมาในตาของเขา นักทดลองสังเกตว่ามีการเกิดการถ่ายทอดข้อมูลแบบต่อเนื่อง (information cascade) ใน 41 จาก 56 รอบการทดลอง ซึ่งหมายความว่า ในรอบการทดลองที่เกิดการถ่ายทอดข้อมูลแบบต่อเนื่องนั้น อย่างน้อยหนึ่งคนได้ให้ความสำคัญกับการตัดสินใจก่อนหน้ามากกว่าสัญญาณส่วนตัวของตนเอง เป็นไปได้ที่เหตุการณ์เช่นนี้จะทำให้ได้ผลลัพธ์ที่ผิดพลาด ปรากฏการณ์นี้เรียกว่า "การถ่ายทอดข้อมูลแบบย้อนกลับ" (Reverse Cascade)

สัญญาณที่บอกให้บุคคลยอมรับจะถูกแทนด้วยH (สัญญาณสูง ซึ่งสูงหมายความว่าเขาควรยอมรับ) และสัญญาณที่บอกให้พวกเขาไม่ยอมรับจะถูกแทนด้วยL (สัญญาณต่ำ) แบบจำลองนี้สมมติว่าเมื่อการตัดสินใจที่ถูกต้องคือการยอมรับ บุคคลจะมีแนวโน้มที่จะเห็นสัญญาณH มากกว่า และในทางกลับกัน เมื่อการตัดสินใจที่ถูกต้องคือการปฏิเสธ บุคคลจะมีแนวโน้มที่จะเห็น สัญญาณ L มากกว่า นี่คือความน่าจะเป็นแบบมีเงื่อนไข โดยพื้นฐานแล้ว – ความน่าจะเป็นของH เมื่อการกระทำที่ถูกต้องคือการยอมรับ หรือ${\displaystyle P[H|A]}$ในทำนองเดียวกัน${\displaystyle P[L|R]}$คือความน่าจะเป็นที่ตัวแทนจะได้รับ สัญญาณ Lเมื่อการกระทำที่ถูกต้องถูกปฏิเสธ หากความน่าจะเป็นเหล่านี้แสดงด้วยqแล้วq > 0.5 ซึ่งสรุปไว้ในตารางด้านล่าง^{[ 11 ]}

ตัวแทนคนแรกจะตัดสินใจว่าจะยอมรับหรือไม่ยอมรับโดยอาศัยสัญญาณของตนเองเพียงอย่างเดียว เนื่องจากแบบจำลองนี้ถือว่าตัวแทนทุกตัวกระทำการอย่างมีเหตุผล การกระทำ (ยอมรับหรือปฏิเสธ) ที่ตัวแทนรู้สึกว่ามีแนวโน้มมากที่สุดก็คือการกระทำที่เขาจะเลือกทำ การตัดสินใจนี้สามารถอธิบายได้โดยใช้กฎของเบย์ส :

$${\displaystyle {\begin{aligned}P\left(A|H\right)&={\frac {P\left(A\right)P\left(H|A\right)}{P\left(H\right)}}\\&={\frac {P\left(A\right)P\left(H|A\right)}{P\left(A\right)P\left(H|A\right)+P\left(R\right)P\left(H|R\right)}}\\&={\frac {pq}{pq+\left(1-p\right)\left(1-q\right)}}\\&>p\end{aligned}}}$$

หากตัวแทนได้รับ สัญญาณ Hความน่าจะเป็นในการยอมรับจะคำนวณได้จากสูตร${\displaystyle P[A|H]}$สมการกล่าวว่า เนื่องจากq > 0.5 ตัวแทนคนแรกซึ่งกระทำการโดยอาศัยสัญญาณส่วนตัวของตนเท่านั้น จะเพิ่มการประมาณค่าp ของตนเสมอ เมื่อได้รับ สัญญาณ Hในทำนองเดียวกัน สามารถแสดงได้ว่าตัวแทนจะลดความคาดหวังของp ของตนเสมอ เมื่อได้รับสัญญาณต่ำ โดยระลึกว่า หากค่าVของการยอมรับเท่ากับค่าของการปฏิเสธ ตัวแทนจะยอมรับหากเขาเชื่อว่าp > 0.5 และปฏิเสธในกรณีอื่น เนื่องจากตัวแทนนี้เริ่มต้นด้วยสมมติฐานว่าทั้งการยอมรับและการปฏิเสธเป็นทางเลือกที่เป็นไปได้เท่ากัน ( p = 0.5) การสังเกตสัญญาณHจะทำให้เขาสรุปได้ว่าการยอมรับเป็นทางเลือกที่สมเหตุสมผล

จากนั้นตัวแทนคนที่สองจะพิจารณาทั้งการตัดสินใจของตัวแทนคนแรกและสัญญาณของตนเองอีกครั้งอย่างมีเหตุผล โดยทั่วไปแล้ว ตัวแทนคนที่ nจะพิจารณาการตัดสินใจของ ตัวแทน n -1 คนก่อนหน้า และสัญญาณของตนเอง เขาจะทำการตัดสินใจโดยใช้เหตุผลแบบเบย์เซียนเพื่อหาทางเลือกที่สมเหตุสมผลที่สุด

$${\displaystyle P(A|{\text{Previous}},{\text{Personal signal}})={\frac {pq^{a}(1-q)^{b}}{pq^{a}(1-q)^{b}+(1-p)(1-q)^{a}q^{b}}}}$$

โดยที่aคือจำนวนการยอมรับในชุดก่อนหน้าบวกกับสัญญาณของตัวแทนเอง และbคือจำนวนการปฏิเสธ ดังนั้น⁠${\displaystyle a+b=n}$^{การตัดสินใจขึ้นอยู่กับ ว่า ค่า ทาง}ด้านขวามือของสมการเปรียบเทียบกับ p อย่างไร [ 11 ^]

แบบจำลองดั้งเดิมตั้งสมมติฐานหลายประการเกี่ยวกับพฤติกรรมของมนุษย์และโลกที่มนุษย์กระทำ^{[ 7 ]}ซึ่งบางส่วนได้รับการผ่อนปรนในเวอร์ชันต่อมา[ ^{11 ] หรือ}ในคำจำกัดความทางเลือกของปัญหาที่คล้ายกัน เช่น การแพร่กระจายนวัตกรรม

1. ตัวแทน ที่มีเหตุผลอย่างจำกัด : แบบจำลอง Independent Cascade ดั้งเดิมถือว่ามนุษย์มีเหตุผลอย่างจำกัด^{[ 12 ]}กล่าวคือ พวกเขาจะตัดสินใจอย่างมีเหตุผลเสมอโดยอาศัยข้อมูลที่พวกเขาสามารถสังเกตได้ แต่ข้อมูลที่พวกเขาสังเกตอาจไม่สมบูรณ์หรือถูกต้อง กล่าวอีกนัยหนึ่ง ตัวแทนไม่มีความรู้ที่สมบูรณ์เกี่ยวกับโลกรอบตัวพวกเขา (ซึ่งจะทำให้พวกเขาสามารถตัดสินใจได้อย่างถูกต้องในทุกสถานการณ์) ด้วยวิธีนี้ จึงมีจุดหนึ่งที่แม้ว่าบุคคลจะมี1ความรู้ที่ถูกต้องเกี่ยวกับแนวคิดหรือการกระทำที่ส่งต่อกัน พวกเขาก็อาจถูกโน้มน้าวผ่านแรงกดดันทางสังคมให้ยอมรับมุมมองอื่นที่ไม่ถูกต้องเกี่ยวกับโลก
2. ความรู้ที่ไม่สมบูรณ์เกี่ยวกับผู้อื่น: แบบจำลองการแพร่กระจายข้อมูลแบบดั้งเดิมนั้นตั้งอยู่บนสมมติฐานว่าตัวแทนแต่ละคนมีความรู้ที่ไม่สมบูรณ์เกี่ยวกับตัวแทนที่อยู่ก่อนหน้าในลำดับที่กำหนด ซึ่งแตกต่างจากคำจำกัดความที่ตัวแทนแต่ละคนมีความรู้เกี่ยวกับ "ข้อมูลส่วนตัว" ที่ตัวแทนก่อนหน้ามีอยู่ ตัวแทนปัจจุบันจะตัดสินใจโดยอาศัยเพียงการกระทำที่สังเกตได้ (ว่าจะเลียนแบบหรือไม่) ของตัวแทนที่อยู่ก่อนหน้าเท่านั้น ผู้สร้างแบบจำลองดั้งเดิมให้เหตุผลว่านี่เป็นสาเหตุที่การแพร่กระจายข้อมูลสามารถเกิดขึ้นได้จากแรงกระแทกเพียงเล็กน้อย
3. พฤติกรรมของตัวแทนทั้งหมดก่อนหน้านี้เป็นที่ทราบกันดีอยู่แล้ว

1. ปรากฏการณ์ลูกโซ่จะเกิดขึ้นเสมอดังที่ได้กล่าวไปแล้ว ในโหมดง่าย ความน่าจะเป็นของการเกิดปรากฏการณ์ลูกโซ่จะเพิ่มขึ้นเข้าใกล้ 1 เมื่อจำนวนคนทำการตัดสินใจเพิ่มขึ้นเข้าสู่ค่าอนันต์
2. ลำดับการกระทำที่ไม่ถูกต้องอาจเกิดขึ้นได้ เนื่องจากตัวแทนตัดสินใจโดยใช้ทั้งเหตุผลที่จำกัดและความรู้เชิงความน่าจะเป็นเกี่ยวกับความจริงเบื้องต้น (เช่น การยอมรับหรือการปฏิเสธเป็นการตัดสินใจที่ถูกต้องหรือไม่) พฤติกรรมที่ไม่ถูกต้องอาจแพร่กระจายไปทั่วทั้งระบบ
3. ปรากฏการณ์ลูกโซ่สามารถเกิดขึ้นได้โดยใช้ข้อมูลเพียงเล็กน้อย – ในทางคณิตศาสตร์ ปรากฏการณ์ลูกโซ่ที่มีความยาวอนันต์สามารถเกิดขึ้นได้โดยอาศัยการตัดสินใจของคนเพียงสองคนเท่านั้น โดยทั่วไปแล้ว กลุ่มคนเล็กๆ ที่สนับสนุนแนวคิดหนึ่งอย่างแข็งขันว่าเป็นเหตุผลที่สมควร สามารถโน้มน้าวกลุ่มคนจำนวนมากในประชากรทั่วไปได้อย่างรวดเร็ว
4. แคสเคดมีความเปราะบาง – เนื่องจากตัวแทนจะไม่ได้รับข้อมูลเพิ่มเติมหลังจากความแตกต่างระหว่าง a และ b เพิ่มขึ้นเกิน 2 และเนื่องจากความแตกต่างดังกล่าวสามารถเกิดขึ้นได้ที่ตัวแทนจำนวนน้อย ตัวแทนที่พิจารณาความคิดเห็นจากตัวแทนที่กำลังตัดสินใจโดยอิงจากข้อมูลจริงอาจถูกชักจูงให้เปลี่ยนใจจากการเลือกได้ค่อนข้างง่าย^{[ 7 ]}สิ่งนี้ชี้ให้เห็นว่าแคสเคดมีความอ่อนไหวต่อการเปิดเผยข้อมูลสาธารณะ^{[ 7 ]}ยังกล่าวถึงผลลัพธ์นี้ในบริบทของค่าพื้นฐาน p ที่เปลี่ยนแปลงไปตามเวลา ซึ่งในกรณีนี้แคสเคดสามารถเปลี่ยนทิศทางได้อย่างรวดเร็ว

การแพร่กระจายข้อมูลอย่างรวดเร็วได้กลายเป็นหนึ่งในหัวข้อของเศรษฐศาสตร์เชิงพฤติกรรมเนื่องจากมักพบเห็นได้ในตลาดการเงิน ซึ่งสามารถกระตุ้นการเก็งกำไรและสร้างการเคลื่อนไหวของราคา ที่มากเกินไปและสะสม ไม่ว่าจะเป็นในตลาดโดยรวม ( ฟองสบู่ในตลาด ) หรือในสินทรัพย์เฉพาะ เช่น หุ้นที่ได้รับความนิยมมากเกินไปในหมู่นักลงทุน

นักการตลาดใช้แนวคิดเรื่อง "การแพร่ระบาด" เพื่อพยายามกระตุ้นให้เกิดการซื้อสินค้าใหม่ หากพวกเขาสามารถชักจูงกลุ่มคนแรกให้ยอมรับผลิตภัณฑ์ใหม่ได้ ผู้ที่ตัดสินใจซื้อในภายหลังก็อาจจะยอมรับผลิตภัณฑ์นั้นด้วยเช่นกัน แม้ว่าผลิตภัณฑ์นั้นอาจจะไม่ดีกว่า หรืออาจจะแย่กว่าผลิตภัณฑ์คู่แข่งก็ตาม วิธีนี้จะได้ผลดีที่สุดหากผู้บริโภคกลุ่มหลังสามารถสังเกตเห็นการตัดสินใจซื้อของผู้อื่นได้ แต่ไม่ทราบว่าลูกค้ากลุ่มแรกพึงพอใจกับสินค้าที่เลือกมากน้อยเพียงใด นี่สอดคล้องกับแนวคิดที่ว่า การแพร่ระบาดเกิดขึ้นเองตามธรรมชาติเมื่อผู้คนสามารถเห็นสิ่งที่คนอื่นทำ แต่ไม่รู้ว่าตนเองรู้เกี่ยวกับอะไรบ้าง

ตัวอย่างเช่น ภาพยนตร์ฮอลลีวูด หากการฉายทดสอบบ่งชี้ว่าภาพยนตร์ทุนสร้างสูงอาจล้มเหลว สตูดิโอมักจะตัดสินใจใช้เงินในการทำการตลาดมากขึ้นในช่วงแรก แทนที่จะลดลง โดยมีเป้าหมายที่จะทำเงินให้ได้มากที่สุดเท่าที่จะเป็นไปได้ในสุดสัปดาห์แรกที่เข้าฉาย ก่อนที่ข่าวจะแพร่กระจายออกไปว่าภาพยนตร์เรื่องนั้นล้มเหลว

โดยทั่วไปนักเศรษฐศาสตร์จะพิจารณาถึงปรากฏการณ์การแพร่กระจายข้อมูล:

• ในฐานะที่เป็นผลผลิตจากความคาดหวังอย่างมีเหตุผลในตอนเริ่มต้น
• พฤติกรรมเลียนแบบฝูงชนที่ไม่สมเหตุสมผลหากเกิดขึ้นต่อเนื่องนานเกินไป บ่งชี้ว่าอารมณ์ส่วนรวมก็เข้ามามีบทบาทและส่งผลให้พฤติกรรมนั้นทวีความรุนแรงขึ้น

Dotey et al. ^{[ 18 ]}ระบุว่าข้อมูลไหลเวียนในรูปแบบของการแพร่กระจายแบบลูกโซ่บนเครือข่ายสังคมตามที่ผู้เขียนกล่าว การวิเคราะห์ความแพร่หลาย ของการแพร่ กระจายข้อมูลแบบลูกโซ่บนเครือข่ายสังคมอาจนำไปสู่การใช้งานที่มีประโยชน์มากมาย เช่น การระบุบุคคลที่มีอิทธิพลมากที่สุดภายในเครือข่าย ข้อมูลนี้สามารถนำมาใช้เพื่อเพิ่มประสิทธิภาพทางการตลาดหรือมีอิทธิพลต่อความคิดเห็นสาธารณะคุณลักษณะเชิงโครงสร้างและเวลาต่างๆ ของเครือข่ายส่งผลต่อความแพร่หลายของการแพร่กระจายแบบลูกโซ่ นอกจากนี้ โมเดลเหล่านี้ยังถูกนำไปใช้อย่างกว้างขวางในปัญหาการแพร่กระจายข่าวลือในเครือข่ายสังคมเพื่อตรวจสอบและลดอิทธิพลของข่าวลือในเครือข่ายสังคมออนไลน์

ตรงกันข้ามกับงานวิจัยเกี่ยวกับการแพร่กระจายข้อมูลในเครือข่ายสังคม โมเดล อิทธิพลทางสังคมของการแพร่กระจายความเชื่อโต้แย้งว่าผู้คนมีความคิดบางอย่างเกี่ยวกับความเชื่อส่วนตัวของผู้คนในเครือข่ายของพวกเขา^{[ 19 ]} ดังนั้น โมเดลอิทธิพลทางสังคมจึงผ่อนคลายข้อสมมติฐานของการแพร่กระจายข้อมูลที่ว่าผู้คนกระทำตามการกระทำที่สังเกตได้ของผู้อื่นเท่านั้น นอกจากนี้ โมเดลอิทธิพลทางสังคมยังมุ่งเน้นไปที่การฝังตัวของผู้คนภายในเครือข่ายสังคม แทนที่จะเป็นคิว สุดท้าย โมเดลอิทธิพลทางสังคมผ่อนคลายข้อสมมติฐานของโมเดลการแพร่กระจายข้อมูลที่ว่าผู้คนจะดำเนินการหรือไม่ดำเนินการ โดยอนุญาตให้มีมาตราส่วนต่อเนื่องของ "ความแข็งแกร่ง" ของความเชื่อของตัวแทนว่าควรดำเนินการให้เสร็จสิ้น

การแพร่กระจายข้อมูลยังสามารถปรับโครงสร้างเครือข่ายสังคมที่ข้อมูลนั้นผ่านไปได้อีกด้วย ตัวอย่างเช่น แม้ว่าจะมีการเปลี่ยนแปลงความสัมพันธ์ทางสังคมบนTwitter ในระดับต่ำอย่างต่อเนื่อง —ในแต่ละเดือน ความสัมพันธ์ทางสังคมทั้งหมดจะเปลี่ยนแปลงไปประมาณ 9%—แต่ก็มักจะมีการติดตามและเลิกติดตามเพิ่มขึ้นอย่างรวดเร็วหลังจากการแพร่กระจายข้อมูล เช่น การแชร์ทวีตที่เป็นไวรัล^{[ 20 ]}เมื่อการแพร่กระจายของการแชร์ทวีตผ่านเครือข่าย ผู้ใช้จะปรับความสัมพันธ์ทางสังคมของตน โดยเฉพาะอย่างยิ่งความสัมพันธ์ที่เชื่อมโยงกับผู้เขียนทวีตไวรัลต้นฉบับ ผู้เขียนทวีตไวรัลจะเห็นทั้งการสูญเสียผู้ติดตามเดิมอย่างกะทันหันและการเพิ่มขึ้นอย่างกะทันหันของผู้ติดตามใหม่

ในฐานะส่วนหนึ่งของกระบวนการจัดระเบียบใหม่ที่ขับเคลื่อนด้วยการแพร่กระจายข้อมูลนี้ การแพร่กระจายข้อมูลยังสามารถสร้างเครือข่ายสังคมแบบจัดกลุ่มได้ซึ่งผู้คนมักจะเชื่อมต่อกับผู้อื่นที่มีลักษณะคล้ายคลึงกัน การแพร่กระจายทวีตจะเพิ่มขึ้นตามความคล้ายคลึงกันระหว่างผู้ใช้ที่เชื่อมต่อกัน เนื่องจากผู้ใช้จะสูญเสียความสัมพันธ์กับผู้ใช้ที่ไม่คล้ายคลึงกันมากขึ้น และเพิ่มความสัมพันธ์ใหม่กับผู้ใช้ที่คล้ายคลึงกัน^{[ 20 ]}การแพร่กระจายข้อมูลที่สร้างขึ้นโดยการรายงานข่าวในสื่ออาจส่งเสริมการแบ่งขั้วทางการเมืองโดยการจัดเรียงเครือข่ายสังคมตามแนวทางการเมืองผู้ใช้ Twitter ที่ติดตามและแชร์ข่าวที่มีการแบ่งขั้วมากขึ้นมักจะสูญเสียความสัมพันธ์ทางสังคมกับผู้ใช้ที่มีอุดมการณ์ตรงข้าม^{[ 21 ]}

• การประท้วงเล็กๆ เริ่มขึ้นในเมืองไลป์ซิกประเทศเยอรมนี ในปี 1989 โดยมีนักกิจกรรมเพียงไม่กี่คนท้าทายสาธารณรัฐประชาธิปไตยเยอรมนี [ ^{22 ] เป็น}เวลาเกือบหนึ่งปีที่ผู้ประท้วงรวมตัวกันทุกวันจันทร์ โดยมีจำนวนคนเพิ่มขึ้นเรื่อยๆ ในแต่ละครั้ง^{[ 22 ]}เมื่อรัฐบาลพยายามจัดการกับสถานการณ์ในเดือนกันยายน ปี 1989 การประท้วงก็ใหญ่เกินกว่าจะปราบปรามได้^{[ 22 ]}ในเดือนตุลาคม จำนวนผู้ประท้วงเพิ่มขึ้นเป็น 100,000 คน และในวันจันทร์แรกของเดือนพฤศจิกายน มีผู้คนกว่า 400,000 คนเดินขบวนไปตามถนนในเมืองไลป์ซิก สองวันต่อมากำแพงเบอร์ลินก็ถูกรื้อถอน^{[ 22 ]}

• อัตราการยอมรับเมล็ดพันธุ์ข้าวโพดลูกผสมทนแล้งในช่วงภาวะเศรษฐกิจตกต่ำครั้งใหญ่และภัยแล้งครั้งใหญ่เป็นไปอย่างช้าๆ แม้ว่าจะมีการปรับปรุงอย่างมีนัยสำคัญเมื่อเทียบกับเมล็ดพันธุ์ข้าวโพดที่มีอยู่ก่อนหน้านี้ นักวิจัยที่มหาวิทยาลัยไอโอวาสเตทสนใจที่จะทำความเข้าใจความลังเลของประชาชนในการยอมรับเทคโนโลยีที่ได้รับการปรับปรุงอย่างมีนัยสำคัญนี้ หลังจากทำการสัมภาษณ์เกษตรกร 259 ราย^{[ 23 ]}พบว่าอัตราการยอมรับที่ช้าเกิดจากวิธีที่เกษตรกรให้คุณค่ากับความคิดเห็นของเพื่อนและเพื่อนบ้านมากกว่าคำพูดของพนักงานขาย^{[ 24 ]}

มีการแสดงให้เห็นว่าการแพร่กระจายข้อมูลเกิดขึ้นในงานวิจัยเชิงประจักษ์หลายชิ้น เช่น งานวิจัยเกี่ยว ^กับโถบรรจุอัฐิของแอนเดอร์สัน^{[ 10} ] ตัวอย่างอื่นๆ ได้แก่:

• De Vany และ Walls ^{[ 25 ]} สร้างแบบจำลองทางสถิติของการแพร่กระจายข้อมูลโดยต้องมีการดำเนินการ พวกเขาใช้แบบจำลองนี้กับการกระทำที่ผู้คนทำเพื่อไปดูภาพยนตร์ที่เข้าฉายในโรงภาพยนตร์ De Vany และ Walls ตรวจสอบความถูกต้องของแบบจำลองของพวกเขาด้วยข้อมูลนี้ โดยพบว่าการกระจายรายได้แบบ Pareto ที่คล้ายกัน สำหรับภาพยนตร์ต่างๆ
• Walden และ Browne ยังนำแบบจำลอง Information Cascade ดั้งเดิมมาใช้ในแบบจำลองการดำเนินงานที่ใช้งานได้จริงมากขึ้นสำหรับการศึกษาในโลกแห่งความเป็นจริง ซึ่งช่วยให้สามารถวิเคราะห์ตามตัวแปรที่สังเกตได้ Walden และ Browne ทดสอบแบบจำลองของพวกเขากับข้อมูลเกี่ยวกับการนำเทคโนโลยีใหม่มาใช้โดยธุรกิจต่างๆ และพบว่ามีหลักฐานสนับสนุนสมมติฐานของพวกเขาว่า Information Cascade มีบทบาทในการนำมาใช้ดังกล่าว^{[ 26 ]}