人類天生喜歡分類,但它一定靠譜嗎?

人類大腦是一個分類機器,一刻不停地吸收外界海量的混亂數據,將其簡化和格式化處理,以便理解這個世界。這是大腦最重要的能力之一:一眼看出某個東西到底是蛇還是木棍,對人類來說很有價值。

分類法有價值的前提是兩點:第一,必須實事求是。你不能隨意地將同類強行分開。正如柏拉圖所說,有效分類是“從關節處切分種類”,就像蛇和木棍。第二,必須有用。不同類別必須有你所關心的差異。區分蛇和木棍是有意義的,能幫助人類在叢林探險中存活下來。

但在商業世界中,我們常常創造并依賴一些虛假或者無用的分類,這會導致重大的決策失誤。

分類思維的危害體現在四個重要方面。它會臉譜化同類別下的成員,忽略彼此間的差異;夸大不同類別成員的差異;歧視、偏愛某些類別;將人為制造的類別構架視為恒定不變。

臉譜化

我們在分類時,依據的是原型。這樣一來很容易忘記每個類別中的各種變數。

目標客戶的迷思。營銷部門最常用的工具之一就是研究細分市場,旨在將顧客分類,找到公司的目標客戶群——也就是公司的戰略重點和需要特殊關注的一類客戶。

細分用戶研究一般先詢問顧客的行為、意愿和人口統計特征,再根據答案的相似程度,通過聚類算法將答題者分為不同類別。這類分析很少得出差異很大的類別。但營銷人員很少會認真評估這些群體是否真實存在,而是直接進入細分流程的下一步:確定平均值、顧客畫像、創造原型。

屏蔽效應。臉譜化還會影響人才選拔。假如你負責公司招聘,在貼出廣告后,有20人應聘。你先做一輪篩查,然后根據候選人的技術能力進行排名,選擇前5名來面試。

即便這5個人的技術能力大相徑庭,但到了這時也不會太多影響你的錄用決定。一旦你基于技術能力篩選出候選人,進入下一階段的候選人在你眼中技術能力都差不多。受到分類思維影響,你在面試中會主要基于軟技能進行篩選:他們的氣質談吐如何,溝通是否高效等。當然這些技能很重要,但對很多職位來說,最重要的是找到技術能力最高者,但屏蔽效應妨礙了你找到這些人才的能力。

夸大效應

分類思維會促使你夸大不同類別間的區別,對其他群組的人產生刻板印象,在決策中隨意設立閾值,得出錯誤結論。

群組動態。在大數據和用戶畫像時代,基于分類思維產生的夸大令人擔憂。例如,Facebook根據用戶瀏覽記錄(“中立”“保守” “自由”),為其打上政治標簽,并為廣告主提供這類信息。這會讓廣告主覺得Facebook不同類型用戶間的區別比實際要大,而諷刺的是,廣告主因此為每個群體量身打造廣告內容,反而會進一步擴大真實差異。2016年美國總統大選和英國脫歐政治活動中,似乎就發生了這樣的情況:Facebook為“保守派”和“自由派”用戶提供了數千條加深分裂的內容。

很多公司的內部也飽受類似的夸大效應之苦。不同部門發揮協同效應往往會給企業帶來成功。但是分類思維會讓人嚴重低估團隊跨部門合作的成效。如果你覺得公司的數據科學家很懂技術,但是對商業運作一竅不通,公司營銷經理很懂營銷,但面對數據一籌莫展,也許你根本不會想要讓他們合作。這也是很多分析項目停擺的原因之一。

決策。夸大也會以不易察覺的方式影響管理決策。例如,NBA球隊在以微弱比分輸掉比賽后(100比101),相比以微弱比分贏得比賽(100比99),即使都是兩分之差,教練在下一場比賽中,調整首發陣容的概率高17%。但很少有教練會因為球隊以100比106,而不是100比108輸掉比賽,而調整陣容,雖然差距也是兩分。失敗和成功從感覺上講有本質差別,因為人們不會以連續統一體看待體育比賽結果。

統計顯著性。隨著行為經濟學和數據科學的興起,企業日益依賴A/B測試來評估效能。部分原因是A/B測試易于執行和分析:你創造出除一個因素外其余完全相同的兩種情況,然后讓一組人體驗A版本,再讓另一組體驗B版本,接著看兩組間是否有較大行為差異。

即便這一設計實則毫無作用,出于偶然性,兩組之間總會有某些差異。因此,為了確定差距是不是足以說明測試設計有效,還要做統計測試。測試結果就是在假設控制因素無效的情況下,你可能會看到差距差異的可能性,即假設概率(p值)。該值越接近0,越能充分說明你所控制的因素才是差異的主要原因,而非偶然性。但多接近0是足夠接近呢?

1925年,英國統計學家和遺傳學家羅納德·費希爾(Ronald Fisher)爵士隨意選擇了0.05作為分界。他也可以挑0.03,實際上他還建議,假設概率應當根據研究參數的不同設置不同值,但沒人在乎。在隨后幾十年間,學界盲目追隨,認定0.05是劃分有效與否的楚河漢界,并成為商業實踐的規范。

這帶來各種問題。當A/B測試出現0.04的假設概率時,測驗通過,而0.06則放棄,但從這數字本身來說,兩者之間差異并無太大意義。更糟的是,很多實驗人員會定期偷看數據,測試統計顯著性,當看到低于0.05的假設概率后,就不再搜集數據。

這樣做,更容易將實際無效的介入視為有效。近期,針對使用著名網上A/B測試平臺的實驗人員,有人進行了研究,發現多數人參與了“假設概率造假”行為,導致虛假測試率從33%上升到42%。

歧視

一旦你采用了某種分類體系,會傾向于更偏愛某些類別。但是,忽視另一些類別會帶來有害結果。

過度定位。廣告對目標客戶也許有更大的積極影響,但在很多情況下,廣告主無法收回每次點擊多花費的成本。然而營銷人員沉迷于目標客戶,忽略了其他人身上的價值。

Facebook一直在致力于幫助廣告客戶理解與細分客戶相關的覆蓋率問題。它以一個曾關注男性用戶的啤酒品牌為例。該品牌轉向數字媒體后,能夠縮小目標客戶的范圍,看似是件好事。但實際上,這嚴重限制了公司宣傳的覆蓋范圍,品牌績效下滑。調查過后,公司發現該品牌的消費者很大比例是女性。在拓寬目標范圍并推出創意廣告后,公司立即看到好的變化。

凈推薦值。什么是凈推薦值(NPS),它的作用是什么?——企業詢問顧客(或員工),以0到10的標準,他們向親朋好友推薦這家公司的可能性有多高。0代表“絕不會”,10代表“肯定會”。

在給出答案后,消費者會被分為三類:批評者(0-6分),被動者(7-8分)和推薦者(9-10)。得出NPS值,先要統計各類顧客的比例,然后用推薦者比例減去批評者比例。如果60%的顧客是推薦者,10%的顧客是批評者,你的NPS是50。

NPS體系本應幫公司避免夸大和偏見,但其本身也存在同樣問題。例如,打6分的顧客更接近7分而不是0分,但它還是被歸入批評者,而非被動者。決定分數時,跨類別的微小差異起了重要作用,換言之,同一類別中相同的,甚至更大的差異反而被忽略。

NPS還有另一個分類思維的問題:被動者的數量不予統計。以兩個極端調研結果為例:一家公司有0%的批評者,0%的推薦者。另一家有50%的批評者和50%的推薦者。兩家NPS值相同,但很明顯兩者的顧客狀況非常不同,應當用不同的方式進行管理。

僵化

分類會導致僵化的世界觀。它讓我們覺得這樣看到的就是真實的世界,而不是一部分人梳理世界的一種方式。約翰·凱恩斯(John Maynard Keynes)曾用精妙語言描述過這一觀點,“困難不在于如何接受新思想,而在于如何擺脫舊思想”。

很多企業希望通過分類提高運營效率。他們將任務分配到人,將人分配到各部門等等。

這么做有其意義,但也會付出代價。為解決過去業務問題所作的分類,難以適應未來的問題。而依靠分類來思考問題,會給知識創造拖后腿,因為它會影響人們以全新方式結合各因素的能力。2016年,多倫多大學的研究人員進行了一項研究,要求200名參與者用樂高積木搭建一個外星人。

他們要求部分參與者使用分好類的積木,另外一組則使用隨機分類的積木。第三組人就方案的創造性打分,結果使用未分類積木的小組,被認為更有創意。

如果類別僵化,還會讓人覺得很難跳出規則使用物件(或想法),從而影響創新。這是功能固著性的問題。

分類思維危害控制

那么,一位深思熟慮的領導者該如何避免分類思維帶來的危害呢?我們建議采取四步流程:

1.提高警覺。大家都習慣分類思維,這么做也有充分理由。但是任何決策者都應警惕,分類思維引發的簡化或扭曲問題,理解浮于表面以及隱形偏見。能夠盡量避開這些陷阱的企業,可以幫助員工更好應對不確定性、微妙變化和復雜性。在決策過程中,我們該常常捫心自問,這個類別是否真實存在?是否有用?

2.培養持續分析數據的能力。為避免分類思維帶來的決策隱患,關鍵要有出色的持續性分析,但很多公司缺乏相關知識。例如,在研究細分市場方面,公司將其外包給專業公司,之后錯誤解讀他們得到的信息。這點相對好解決。可以通過一些培訓,讓大家懂得如何使用成熟指標評估細分市場。用細分市場研究作為營銷研究或戰略規劃重要部分的企業,都應進行這類培訓,使用這類指標。這是明智企業培養內部知識專長,獲得競爭優勢的黃金機會。

3.檢視決策標準。很多企業在持續性動態中隨意設立了某個閾值,決定只在超過該值后采取行動,這會產生兩個問題。

首先,增加風險。假設一家公司希望通過市場研究判斷某新品是否能成功。如果在一次大規模調研中,消費者評估達到了預先決定的閾值,或某個實驗結果產生的假設概率小于“神奇數字”0.05,公司也許會決定推出該產品。但是,由于剛剛達到和剛剛錯過閾值幾乎沒有區別,公司可能僅因為樣品隨機變化或數據收集方式的小偏差,得到了這個結果。一個微小且本質上毫無意義的差異,導致了截然不同的決策結果。

第二,隨意選擇的閾值會阻礙學習。舉例來說,一家公司決定,如果未能實現某個營收目標,就進行機構變革。如果公司差一點實現目標,會假設公司出了問題,要進行改革。但如果公司剛剛達到目標,就會假設一切正常,業務照舊。而在這兩個案例中,營收的數據可能幾乎相同。

第三,為避免這種情況,我們推薦你檢視全公司的決策標準。你可能會驚訝于公司有多少決定是基于非此即彼的標準。有些時候這點難以避免,但大部分時候是有其他選擇的,這也是企業獲得競爭優勢的另一個機會。

第四,定期安排“消除僵化”會議。即便你按照前三個步驟進行,仍然會面臨僵化危險。為解決這個問題,你需要定期組織頭腦風暴會,認真審視公司對行業動態最根本的認知。你的顧客分布模型是否還有效?顧客需求和欲望是否有所改變?

分類幫助我們理解世界,和他人溝通。但我們已經發展成為分類機器,以至于在沒有類別的地方也看到類別,這會扭曲我們的世界觀,給決策帶來不良影響。過去,這樣的影響也許不至于使公司陷入危機。但今天,隨著數據革命的發展,成功的關鍵就是降低分類思維帶來的不良后果。


廣告
廣告
最新資訊
5G時代,SD-WAN將何去何從?
5G時代,SD-WAN將何去何從?
2019-09-29
1720次瀏覽
5G時代,SD-WAN將何去何從?
下沉市場流量之戰: AI不僅能養豬,還能趕野豬
下沉市場流量之戰: AI不僅能養豬,還能趕野豬
2019-10-06
1073次瀏覽
下沉市場流量之戰: AI不僅能養豬,還能趕野豬
趣頭條研發兩款短視頻對標抖音快手
趣頭條研發兩款短視頻對標抖音快手
2019-10-11
1061次瀏覽
憑借網賺模式吸納了大量低線用戶的趣頭條,意外撕開了下沉市場用戶的口子。趣頭條并不愿意將自己的主流人群定義為「下沉市場」,更多時候,他們將措辭更改為「新興市場」——意指三線及以下城市人群。
做爱视频-性交视频-在线观看