چرا یک کاربر به توصیه‌ی یک اپلیکیشن سلامت اعتماد می‌کند اما همان توصیه را از یک وب سایت ناشناس نمی‌پذیرد. چرا یک فروشگاه اینترنتی با طراحی حرفه‌ای، بیشتر از فروشگاهی با ظاهر شلخته فروش دارد. پاسخ این پرسش‌ها، در این دسته‌ از مدل طراحی سامانه‌های ترغیبی نهفته است که اویناس کوکونن و هارجوما آن را «پشتیبانی از اعتبار سامانه» نامیده‌اند. این دسته، بر خلاف سه دسته‌ی دیگر که عمدتاً به تسهیل وظیفه، ایجاد گفت‌وگو یا تقویت انگیزه‌ی اجتماعی می‌پردازند، به یک پرسش بنیادی‌تر پاسخ می‌دهد. آیا این سامانه اصلاً قابل باور است.

وقتی اپلیکیشن موسیقی، آهنگی را «مخصوص شما» پیشنهاد می‌دهد، یا اپلیکیشن سلامت، بر اساس فعالیت روزتان یک تمرین کوتاه پیشنهاد می‌کند، هر دو در حال به‌کارگیری یکی از ظریف‌ترین اصول طراحی ترغیبی هستند: «پیشنهاد» (Suggestion). بر اساس مدل طراحی سامانه‌های ترغیبی (PSD)، این اصل نیز مانند یادآوری و پاداش در دسته‌ی «پشتیبانی از گفت‌وگو» (Dialogue Support) قرار می‌گیرد، اما کارکردش متفاوت است: اویناس-کوکونن و هارجوما (Oinas-Kukkonen & Harjumaa, 2009) پیشنهاد را این‌گونه تعریف می‌کنند که اگر سامانه در لحظه‌ی مناسب، یک اقدام مشخص را به کاربر پیشنهاد دهد، احتمال انجام آن رفتار افزایش می‌یابد.

این سند مکمل فایل «ابزارهای طراحی سامانه‌های ترغیبی» است و صرفاً به تشریح عمیق‌تر یکی از ۲۸ اصل آن مدل، یعنی «دوست‌داشتنی بودن» (Liking)، اختصاص دارد. برای مرور کامل مدل PSD و چهار دسته‌ی اصلی آن به فایل نخست مراجعه کنید، در این‌جا از تکرار آن مطالب خودداری شده است. ریشه‌ی روان‌شناختی این اصل به یکی از شش اصل کلاسیک اقناع در کتاب سیالدینی (Cialdini, 2001) بازمی‌گردد: انسان‌ها راحت‌تر تسلیم درخواست کسانی می‌شوند که آن‌ها را دوست دارند. آن‌چه دوست‌داشتنی بودن را از اصل شباهت (Similarity) متمایز می‌کند، این است که شباهت بر مبنای «هم‌خوانی با خودِ کاربر» عمل می‌کند، در حالی‌که دوست‌داشتنی بودن می‌تواند حتی بدون هیچ شباهتی (صرفاً از طریق جذابیت ذاتی، گرمی یا کیفیت تعامل) ایجاد شود.