您可以在百度里搜索“人人都可以是产品经理（套装共13册） 艾草文学(www.321553.xyz)”查找最新章节！

　　4.决策

　　决策是对行为的选择，是从几种备选的行动方案中做出最终选择，选择做什么或不做什么。人们做出决策是为了达到目标，而这些决策又基于人们对何种行为能够达到目标的信念。

　　4.1 理性决策

　　产品经理的工作由各种决策组成，包括以最常见的“要不要做”“怎么做”为代表的决策问题。好的决策，应该是通过科学方法做出的具有相对高确定性的理性判断，光靠直觉反应或感性判断是不够的。本节主要介绍适合产品经理的一般理性决策方法。

　　4.1.1 人类的决策天生就是不理性的

　　决策是指在收集、加工信息之后，借助一定工具和方法，进行分析、计算、判断，并得出结论的过程。但人的精力和能力有限，在信息获取与加工、分析、判断等环节，天然就有各种限制、偏差和不确定性，主要体现在以下几方面。

　　信息获取能力有限，比如：受搜寻信息受成本约束——获取更全面的信息需要付出更高成本，追求绝对全面的信息，成本可能会无限高；受认知偏误影响——人是选择性获取和解读信息的，会有认知偏误，做出非客观理性的判断；信息过载——非必要信息过多，有可能会让决策变复杂；第三方可能有意或无意误导——第三方对信息的加工和解读本身就有可能偏离客观事实。

　　信息处理能力有限，主要体现在：人脑的计算能力有限；部分记忆存在偏差；人的认知存在缺陷，本能算法和经验算法会导致各种偏误。

　　禀赋偏好导致的个体差异。禀赋、资源、偏好、情境、欲望、情绪、信念等的差异，均会导致各种效用和价值判断存在个体差异，以及对他人需求和态度的判断存在差异与偏误。

　　环境的不确定性导致决策偏误。各种事物关系复杂，环境也会变化，变化本身又存在不确定性，这些均会导致判断偏误。

　　上述各种人类自身能力的限制及外界因素的不确定性，均会导致非理性决策。

　　4.1.2 理性决策的三要素

　　理性决策的三要素，按重要性由高到低依次是：理性的信念、理性的目标、理性的行动。

　　理性的信念即与真实世界一致的信念，也可以理解成“对自我认知的认知”。我们要对自我认知保持怀疑和反思：关于某个决策所需的完备信息，我的认知程度可以打几分？可能用什么方法，值得付出多少成本来获取哪些信息？我可能存在哪些认知偏差？人类最大的理性，是理性地理解自身认知能力的局限性，除此无他。

　　理性的目标应该是约束条件下的价值（总效用）最大化。我们应保持对当前目标的反思：我的目标（或任务）理性吗？为什么不能是其他目标呢？从确定这个目标到现在，有什么关键变量（约束条件）已发生变化或将会发生变化？

　　理性的行动是在给定目标下，寻找最优解决方案。

　　现实中，没有刻意训练过的产品经理，大多数人都仅徘徊于第三项：寻找最优解决方案。但前两项更重要，如果第三项有所成就，决策的边际收益更依赖前两项。目标如果错了，在错误的目标下得到的最优解，跑得越快，也只是错得更多。如果对相关问题的认知缺陷很严重，就只能定出自以为理性，实际却谬以千里的目标。

　　4.1.3 决策即选择

　　决策就是选择，是在多个可行方案中选择最佳方案。所以我们需要训练模拟推演各种可能性的发展过程和结果的能力，以及在多个方案中做复杂价值判断的能力。

　　产品经理做决策前，首先需要列举各种可能性，应具备思考的广度。在产品文化优秀的产品团队中，应该要有异见收集机制。团队带着批判性思维充分讨论，可弥补某个产品经理在思考广度上的欠缺。其次，要在多个可能性方案中做综合权衡。

　　价值判断不仅仅是遵循“用户至上”就够了，因为“用户至上”天生是行不通的。很多人，无论是用户自己还是产品经理，对“用户价值”“用户体验”的理解可能不同，不同用户群体的需求和利益也有矛盾和冲突。我们要满足谁，不满足谁？或在不同情境下分别向谁倾斜呢？

　　用户和企业的利益也有冲突，单边倾斜做成的产品，是不可持续的。而互联网产品做大后都是平台，就会涉及产品生态链上无数第三方的利益，这之间的冲突就更复杂。甚至同一群体的用户的多个需求之间也会有矛盾，我们怎么选择才能让他们满意呢？

　　上面的问题，都是我们必须要回答的。产品经理的工作核心，最终都是权衡。

　　产品经理是做权衡的，不是做“设计”或“创意”的。或者说，我们中的很多人可能对“设计”存在误解。广义的设计，是对整个系统加以改变。无论什么领域，建筑、消费品、在线服务，设计都是要放在系统背景下考虑的。如果把“设计”狭义地定义成好创意、自我表达、好审美等等，其实是只选择去满足一小部分用户的诉求，只能在小众市场成功。而互联网产品做大后都是平台，就不适合运用创意思维和设计师思维了，需要适当引入经济学思维，习惯于权衡取舍，追求整个系统的效率。当然，也会有著名的现象级产品宣称自己遵从这类狭义设计理念，一般来说那可能是因为产品遇到了一轮巨大的新要素红利，本身已创造了巨大用户价值，其他因素的影响权重都降低，随便怎么做都锦上添花。在这种情况下，好的审美或交互当然有市场价值，但它们其实不会左右产品的成功与否。若产品本身已成功，创始人或管理者无论怎么解释，不论他是真这么想还是为了营销，历史也不能重演，第三方也就无法证伪。

　　4.1.4 决策的目标：价值最大化

　　前文已讲过，用户价值=新体验–旧体验–替换成本，产品经理可以用这个公式，来指导决策。

　　产品经理应追求新体验最大化

　　将新要素引入原有生产方式或生活方式，如能有效应用，即可创造大量新价值——这也是创新的本质含义。历史上，计算机、互联网、智能手机、移动支付，都是重大新要素。产品经理的职责，就是加速新要素的应用与普及。

　　新要素不仅限于新技术，也包括新人群（如有些产品要下沉到三四线用户）、新渠道（如公众号、小程序、抖音）、新方法（如AB测试、产品驱动、数据中台等）、新工具（例如工作中用到的生产力工具，iPhone、钉钉、维基百科、谷歌等都可创造更好的新体验）等等。

　　新要素的影响可叠加。比如引入“流水线”这种新方法之后，汽车生产效率大幅度提升，汽车价格下降。用户的价格敏感度是呈金字塔形分布的，越往底部下沉，用户量越大，“流水线”这个新要素就带来汽车用户量的大幅提升。“汽车普及的浪潮”继而又成为新要素，使得开设在郊区的沃尔玛这种商业模式成为可能（市中心百货大楼的商品价格中很大一部分是租金，郊区租金很便宜，郊区沃尔玛的商品也相应地很便宜，但在汽车普及前这种模式不可能成立）。商家通过各种降低成本的方法，可以为用户提供性价比更优的商品，于是创造了更好的新体验。

　　新体验不限于新要素与旧要素的结合，旧要素与旧要素的新组合，也可以创造新体验。

　　产品经理应将旧体验最小化

　　旧体验是已发生的历史经验，或是别人的产品，产品经理当然没能力去改变旧体验。所以，产品经理将用户的旧体验最小化，靠的是选择特定情境下的用户和选择用户的参照系。用户不是自然人，而是需求的集合。需求是可以从各个角度无限细分的，将旧体验最小化，本质上是选择旧体验最差的被替代品的用户。

　　极端情况之一是产品面向整个行业的“完美新用户”，这类新用户没用过同类竞品，对于同类产品的旧体验为零，寻找这样的新场景和新用户是性价比最高的。此时，即使你的产品体验做得比竞品差也没关系，因为新旧体验差太大了。

　　举个例子，假设早期搜索引擎A与B竞争时，某个月A增长了200万新用户，其中100万是用过B或其他搜索引擎的，另外100万是从未用过搜索引擎的，但只有后者是“完美新用户”。这两类新用户反映在公司的业绩月报和财务报表上是一样的，都是增长了100万用户或增加了多少成交总额，但是，产品给这两类用户创造的用户价值却有天壤之别。

　　对于用过其他搜索引擎的新用户，他们感受到的新旧体验差是有限的（在一个充分竞争的行业里，竞品的技术和产品一般是逐渐接近的，拉开的差距不会特别大，除非是新技术应用初期），他们对A公司的产品和品牌的认同度就不会高出很多。

　　而后一类“完美新用户”感受到的新体验与旧体验差值特别大，往往会满怀感激和认同，对产品和公司品牌产生光环效应，有较高概率会成为最忠诚的用户，会主动进行口碑传播，未来还会充分信任和积极接受该公司的新产品，他们是公司的品牌价值和长期市场竞争力的重要来源。

　　而且，一旦成为A搜索引擎的完美新用户，他下次再有机会用上B搜索引擎时，用户价值的感知是以A搜索引擎的旧体验为参照系的，对于大多数人来说，从日常简单搜索应用是很难感知出这个新旧体验差别的，于是这些新用户就很难再流失。A搜索引擎还可以在很多产品细节上做针对性的优化，让用户使用某类关键词搜索时认为A的体验明显比B好。

　　还有一个重要影响是，大众用户对于什么是搜索引擎的理解是市场建构的，并不会遵从工程师标准或媒体专家标准——如果大众用户先用到A，先体验到A的一系列垂直搜索和产品体验优化，先以A为标准建立了搜索引擎概念标准，当他们后来再用上B时，只会认为B这个搜索引擎好差，感觉哪里都不好。

　　“完美新用户”概念带给产品发展路径的一个方法是：一种全新种类的产品出现早期，不一定只能做首创发明者，即使是模仿者、后来者也会有机会。一旦产品的用户价值被验证（不要追求大版本和完美功能），应该最快速地提高市场渗透率，把所有“完美新用户”的新体验都变成旧体验，之后竞品再想抢市场就很难了，因为它会面临把“新体验与旧体验之差”做到大于“替换成本”的问题。

　　有同事提过一个产品方向决策问题，他发现某个新方向可能有不错的机会，但不能借力于现有成熟优势业务，企业的精力和资源有限。他应该选择围绕成熟优势去拓展业务，还是选择新方向、新产品？这个问题如果用“新体验－旧体验”的理论可以这么解释：如果潜在需求量较大，且看到有一种新要素（不论是降了某种成本还是提高了某种效用）导致未来市场是成长型市场，那么企业有没有优势不重要，只要去做了，先发优势就会成为最大的优势，可以把自己先变成旧体验。

　　极端情况之二是垄断。用户没有别的选择，相当于旧体验为零。此时，即使大家都在骂这个产品难用，也依然会用。不是只有市场份额的独家垄断或寡头垄断才叫垄断（为便于大众理解，这里依然沿用市场份额的伪垄断定义，但学过经济学就会明白，除了垄断行为，只有强制准入限制才是真垄断），因为产品有情境性，所以在任何场景下只要让用户没有选择，就形成了局部垄断，创造了旧体验为零的场景。比如，本来你在货架上的可口可乐和百事可乐中选一种时，获得的是心理上的两者体验差值，但当一个加油站连锁超市或者一个连锁餐饮店只卖百事可乐不卖可口可乐，这就形成了局部垄断，这时你只能选择喝百事可乐或不喝可乐，这个用户价值的差值是巨大的，用户难以拒绝。

　　产品经理应将替换成本最小化

　　最常见的替换成本是认知成本、获取成本、使用成本，而广义来说，价格和所有交易成本也都是替换成本。一般来说，产品经理要么降低自己用户的替换成本，要么提升自己用户的流失成本（相当于提高了竞品的替换成本）。

　　认知成本包括品类认知（如了解触屏手机）成本、品牌认知（如了解苹果、华为、小米）成本、美誉度认知（如口碑评价）成本等等。

　　获取成本包括渠道（如公众号、小程序、App、二维码）获取成本、下载成本（如减少安装包大小）等等。一个极端的例子是捆绑安装，此举大幅降低了替换成本，但依然受新旧体验差影响（若产品太烂，相对市场平均水平是负体验，用户还是会走）。

　　交互视觉成本就属于使用成本。越简洁易用，使用成本越低；越沿袭原有用户的习惯，使用成本越低；极端情况下，有些产品直接复制行业已有的交互，使用成本几乎为零。又如，某些产品随使用时间的延长，体验变好（如个性化推荐型产品），此时用户切换到其他产品的成本就会升高。

　　产品经理应根据上述公式去考虑产品相关的用户

　　上述公式有较强的通用性，除了用于分析作为使用者的用户，还可以用于分析产品价值链上的其他各种角色，包括但不限于客户、政府、大型互联网公司、员工、股东、供应商和合作伙伴、替代品和被替代品、受外部影响的第三方等。在做决策前，把以上每个角色当作用户，套用该公式思考，有助于提升预判和决策的准确性。从经济学的角度分析，这个公式其实大致可以看作“净收入=毛收入–机会成本–交易成本”。但站在产品经理的角度，用“体验”这个词强调了用户的非货币成本，方便互联网人群理解，所以在实践中被不少人接受和应用。

　　这个公式是一个主观价值判断的辅助工具，不是一个真的可以用加减法运算的公式。举个例子，比如贸易制裁，不论是限量、加税、不买你的、不卖给你中的哪一种，那些被减少的交易，都会造成己方损失，可以看作用“己方损失”这个货币，购买了“对方损失”这个商品。是不是一定要让己方损失小于对方损失才是正确的决策？不一定，因为这些价值里，货币损失相对容易衡量，但还有很多无法客观度量的非货币成本和非货币效用，受益者和受损者也是一个差异化的分布模型，所以最终只能取决于决策者的主观价值判断。

　　用户价值判断的权衡视角

　　这些千变万化的价值判断，不少是难以准确度量的，有几个常用权衡视角可以辅助提高主观判断质量。

　　对自我认知的认知：做这个判断所需的完备信息，我的认知程度可以打几分？可能用什么方法，值得付出多少成本，来获取哪些信息？我可能存在哪些认知偏差？概率思维和克服我方偏误，仅仅这两点就能大幅降低认知偏差发生率，就像饭前便后洗手降低疾病率一样。

　　对给定目标的批判性思考：我做这个判断的目标是什么？我的目标（或任务）理性吗？为什么不能是其他目标呢？从确定这个目标到现在，有什么关键变量（约束条件）已发生变化或将会发生变化？

　　参照系：参照系严重影响用户价值大小。怎么定义新体验、旧体验？这里有哪些参照系相关的认知偏差，会怎样影响我、影响用户、影响各方关联人？人们觉得不公平、不满意、满意时用的参照系是怎样的？

　　成本：谁在分析问题时只谈收益或只谈成本，那他不是骗子就是傻瓜。一个有意识的行为，成本和收益必须一起考虑。直接成本、交易成本、机会成本、风险成本（行为会引入什么新风险）分别是什么？

　　不确定性决策：尊重和敬畏这个世界的不确定性，很多决策的结果取决于无数个体和群体的未来决策或超越已知规律的未来变化。

　　概率（风险决策）：这件事按照预期发生的可能性有多大？同时考虑收益和成本依然不够，还要预判发生概率，得出预期效用（决策备择项）这个可以真正用来判断比较的价值：（收益–各种成本）×概率 = 预期效用。

　　非货币价值（跨效用决策）：人的欲望是无穷的，约束条件也是变化无穷的。不能只考虑货币价值，效用是需要跨属性权衡取舍的。比如找工作时只考虑工资，哪怕还考虑了奖金、期权也是低质量决策，可以考虑的包括但不限于业务成长前景、团队氛围、领导情况、升迁机会、公司声誉、学习环境、所在城市、离家远近、上下游协作方、加班情况、出差频率、管理制度、行业前景、福利、价值观、稳定性等。

　　外部性：企业或用户的目标有外部性，需要以更广的视野权衡取舍。一个用户的多个目标（期望价值）可能互相冲突，一个用户与另一个用户的目标也可能冲突，用户目标与受产品影响的各种第三方也可能互相冲突。

　　时间性（跨期决策）：价值判断的对错受时间影响巨大。一个产品增长策略以3个月为时间标准进行衡量是对的，但以3年为时间标准来衡量却可能是错的。那么，你的决策者会选择3个月还是3年？比如一个用户抽烟、暴食或长时间沉溺于游戏、小视频、公众号，从短期来评价他是自愿的、快乐的、获得较大效用的，从长期来评价，他未来很可能后悔。作为产品经理，要怎么选择尺度，怎么细分用户？

　　4.2 常见的决策方法和误区

　　4.2.1 数据决策

　　数据是这个时代最强大的工具。数据对于做产品的价值，一般是作为做正确决策和达成共识的最低成本工具。生活中的策略或设计，往往都是事前定的（基于推理做决策），但有了AB测试，就可以事后选择已验证的更优策略。对于适合它的题型来说，进行AB测试就是在偷看答案后解题，它简直就是产品经理的“作弊”利器。不过，还是有题型，尤其是开放性大题和附加题往往不适合它。

　　在线产品进行大量控制实验代价低且可控性高，很适合进行AB测试。但对于含较重要线下环节的产品，AB测试的可用性低，也就更依赖于产品经理的深度思考、预判准确性和权衡取舍能力，更需要成熟产品经理负责。进一步想，还有比O2O线下产品更难进行AB测试的，比如手机这类几乎一年迭代一次的硬件产品就很难进行AB测试，因为综合代价实在太大。

　　但哪怕是适合进行AB测试的产品工作，我们也应保持警醒。表面上看，数据决策连小学生都能做，但数据本身并不能说明问题或得出结论，需要根据个人经验和知识做主观分析和判断。人生来便具有主观性，加上建模的局限性和信息的不确定性，人们很难根据数据总是做出最正确、最理性的判断和决策。

　　体现数据决策局限性的案例很多：比如在蓝海业务跑马圈地的早期，过度强调数据决策反而拖慢组织效率；比如当基础数据不足，数据获取和使用的成本过高时，强调数据决策则不切实际。比如有人看到开市客（Costco）财报上的净利润与收到的会员费差不多，就认为开市客的成功是因为会员制，这就差之毫厘谬以千里了。

　　宏观经济学中有个重要概念叫卢卡斯批判。卢卡斯批判也适用于批判过分依赖数据驱动的行为。虽然，因为互联网产品能快速迭代（能快速进行AB测试、灰度测试、回滚），而经济政策不能，这个问题带给互联网产品的负面作用远不如它带给经济政策的，但我们还是可以从中理解不足之处。而优化改善的方向，正是基于用户样本量的用户模型。

　　卢卡斯（凭理性预期理论获1995年诺贝尔经济学奖）认为，利用加总的历史数据来给出政策建议和经济预测，其结论值得怀疑。

　　宏观系统本身是由大量具有能动性的微观主体组成，这里的微观主体既可以指居民消费者——可以根据物价变化和收入变化等改变自己的消费、储蓄行为，也可以指企业——可以根据物价、成本、市场需求变化来调整自己的生产。如果在建立预测模型时，罔顾这些微观主体应对政策和实际市场的反应，而只是机械地进行统计意义上的数量预测，其结果是非常不可靠的。所以，宏观经济理论必须建立在微观个体最优决策的基础之上，而不是基于任意的统计观察，否则会导致卢卡斯批判。

　　最理想的宏观模型是怎样的？应该是经济学家调查每家每户以及每个企业的各种决策行为，长期跟踪，建立起每家每户和各个企业的决策函数，然后由此进行加总，获得总供给和总需求，最后政府以此来改变利率、税率、货币发行量等，看看这些微观主体的反应如何，择优而为之。（这一过程特别像产品经理基于用户样本量建用户模型。）显然，以上策略可操作性并不高。

　　所以经济学家的一般策略是，从一些公认的对于微观主体的假设出发，建立模型并推导出他们的决策进行加总，然后反过来将实际数据代入其中来“凑”。如果在现有参数下能很好地解释一些重要的可观测数量，比如失业率、消费占GDP比重、投资占GDP比重、实际利率等等，那么我们就认为这个模型至少能很好地刻画现有的经济。这套模型就好比是一个实验室，我们就可以来看看，假设税率提高或者财政补贴上升会如何。（先拍脑袋决策后验证，依然是我们离不开的产品方法，问题是拍的程度和由谁来拍。）

　　数据驱动的产品方法论也简单，还有快速迭代兜底，所以大概会继续作为基础工具和主流方法。用户模型和交易模型更可能作为一种辅助思考决策的高级工具，与数据驱动一起发挥作用。

　　4.2.2 逻辑决策

　　行为科学研究得出结论，一个人一天的行为中大约有5%是非习惯性的，而其他95%的行为都源自习惯。这基本上意味着是习惯而不是逻辑，决定了我们的一生。我们以为自己是理性的，我们以为自己的一举一动都是讲逻辑、有道理的。但事实上，我们的多数日常行为，都是一些我们自己根本无法了解的隐蔽动机导致的结果。所谓理性，是指当条件合适时（理性并非总是优于本能和习惯），优先用逻辑、知识和思维去做出决策和预期收益最大化的行为，而不是任由本能和习惯驱使。

　　逻辑决策也是“讲理决策”，结论靠逻辑推导得来。但需要对方具备相应的认知水平，否则就会鸡同鸭讲。想让一个人理解和接受一个道理，是要在他的偏好和认知结构内去实现的。如果对方不具备相应的偏好和认知结构，就需要帮他补齐，但这个成本实在太高了。所以，逻辑决策的成本远高于数据决策。

　　产品经理需要认识到，在这个世界上，并不存在什么客观的事实，你所认为的事实，只是你所认为的事实。另一个人是否理解和接受这个事实，是受他的认知结构的刚性约束的。你只能在对方的认知约束内让他理解和接受他认为的事实，你只能按照对方的认知结构去设计沟通目标、沟通内容和沟通方式。

　　有这样一个例子。有一次，我要劝阻一个人不做某个业务，说到最后，为了加强自己判断的说服力，我直接跟对方说，你对产品的市场判断比我差远了，过去凡是我反对的但你坚持要做的产品，每一个都失败了，然后一一指出那些产品。但那个人回答：“那是因为产品经理没有好好做。”这个回答的潜台词是，只要一个产品经理好好做，产品就能成功。但我们知道，产品经理没有那么大本事，用简单的三维归因分析可知：一个产品的成功，是由产品经理、团队合作伙伴、大环境三方因素共同决定的，具体其中某个因素的影响权重有多大，只能具体案例具体分析。（而且，因为历史不可重复和人的有限理性，即使有当事人的事后分析总结也不能保证其就是真相。）但如果对方的认知结构中没有三维归因概念，而是习惯于一维归因，那你就没办法用三维归因的所谓“事实”去和对方沟通，你永远只能基于对方认知结构和能接受的“事实”去和对方沟通。

　　4.2.3 主观判断决策

　　著名经济学家奈特在他的名篇《风险、不确定性与利润》中提出，员工对不确定世界的预判能力差别很大，企业家的超额利润都来自识别任用判断力更优的员工。

　　主观判断决策是最难的决策，没有数据或逻辑支撑，只能用关键变量和用户模型、交易模型来模拟市场运行，并据此做出判断。此类决策往往还需要强大的个人影响力来支撑落地。

　　在做决策的时候，因为信息不足和环境的不确定性，你无法预知未来。因此，你需要进行假设性推理：在脑中创建一个临时的模拟世界模型，并在这个模拟世界中推演各种行为导致的变化过程和结果，对结果做价值判断和风险概率判断，比较多个模拟推演结果（复杂价值的权衡取舍）之后选择一个最优解，将其作为决策结果。

　　人的运算能力很弱，所以必须学会提取特定情境下的关键变量（关键约束条件），必须事先找到用户模型和交易模型（要做到洞察人心和洞明世事，台上三分钟，台下三年功），才能及时、高效、较高准确率地做模拟推演，满足决策需要。

　　在用主观判断做决策时，我们建议的思考习惯是：有一个想法后，把它记下来，用过往所有经验去证伪，如果无法证伪，那就假设它成立，存储起来。以后有新的信息或思考时，随时将它提取出来匹配一下，就可能有所得，从而产生新的结论。

　　4.2.4 常见的决策误区之认知偏误

　　认知偏误是指在某些特定情况下的特定思考、行为倾向，会导致理性或判断产生系统性偏误，这些现象被心理学与行为经济学广泛研究。

　　虽然这些偏误被反复研究确认，然而如何对其进行分类与解释，一直存在争议。大脑自有一些处理资讯的规则，为了增进决策与判断效率的“心理捷径”称作捷思，捷思有时会产生一些不好的效应，这些不好的效应称作认知偏误。判断与决策的偏误也可能是由动机导致，例如信念受到一厢情愿的想法扭曲。

　　一些偏误是否该被视为真正的不理性，是否可能导致有用的态度与行为，是有争议的。例如，要了解他人时，人们常会问引导性问题，看起来是为了印证自己对他人的假设，是一种偏误；但有些人认为这种确认性偏误应该视作社交技巧，用于建立与他人的联系。

　　产品经理作为研究人的职业，关于认知偏误的知识是其必修课，既要极力避免自己犯这些错，也要从这些角度理解人性，理解一些用户行为背后的原理。维基百科词条“认知偏误列表”列举了近两百种认知偏误，下面这些是产品经理需要关注的。

　　归因偏误

　　归因在生活中和工作中都是高频行为，但人们常常有归因偏误。如评价自己时，把良好行为或成功归因于自身，把不良行为或失败归因于外部情境或他人；而在评价他人时则相反，归因良好行为或成功时高估外因，归因不良行为或失败时高估内因。

　　足够简化的理论才能被思考模式的系统1经常使用，三维归因理论就足够简化。遇事需要归因时，从以下三个维度快速评估一下行为主体（人或组织）、关联方（如果有，也进行一遍三维归因）、行为情境对结果的影响，往往能减少错误归因。

　　以下是三维归因理论的三个维度。

　　·（情境）特殊性（distinctiveness）：行为人在不同情境中是否表现不同。

　　·（他人）一致性（consensus）：其他行为人在相同情境下是否表现相同。

　　·（个体）一贯性（consistency）：行为人在不同时间是否表现相同。

　　一些常见的归因偏误现象如下。

　　自利偏误：将成功归因于自己，而将失败归因于环境。把集体行动的结果归因于自己，多过其他人会归因的程度。

　　正面效应与负面效应：评价喜欢的人的行为时，把他们做好事归因于内在本质，而把他们做坏事归因于环境因素。评价不喜欢的人的行为时，把他们做好事归因于环境因素，而把他们做坏事归因于内在本质。

　　群体归因偏误：把个体的特质当作其所属群体的特质，或把个体的行为当作其所属群体的偏好。

　　终极归因偏误：把问题归因于整个群体，而非群体中的个体。

　　基本归因偏误：解释他人行为时，过度归因于内在特质（一定是他有这样的人格，才做出这样的行为），而非外在情境（也许是情势所迫，或这个场所有特殊的潜规则）。

　　锚定效应

　　锚定效应是指为不熟悉的事物估值时，会把熟悉的类似事物或不久前接触到的无关数值当作“锚”，估出来的数值会大大倾向“锚”。类似的偏误现象还有以下几种。

　　幸存者偏差：过度关注在某些经历后幸存下来的人事物，忽略那些没有幸存的（沉默的数据），造成结论偏离实际情况。

　　峰终定律：我们对一项事物进行体验之后，印象最深的是在峰值与结束时的体验，而在过程中好与不好体验的比重、好与不好体验的时间长短，对记忆影响很小。高峰之后，终点出现得越迅速，这件事留给我们的印象越深刻。

　　框架效应：同一资讯以不同方式呈现会使得人的想法不同，例如告知公众有一个做法将会“导致三分之一的人死亡”和“保护三分之二的人活下来”的效果是不一样的。

　　禀赋效应：指人们拥有或即将拥有某物品或资产时，对其价值的评估会比没有时高出许多，因而不愿失去或放弃它。

　　心理账户：人们将消费分门别类（住宅、食物、服装、娱乐、投资等），且每一个类别对应各自的心理账户，每个心理账户都有自己的预算和单独的参照点，使得各个账户之间的替代性非常有限。一个人对给定数量金钱赋予的价值，取决于这部分钱属于哪一个心理账户，继而依赖于背景、框架和情境。心理账户能解释同一个人在不同事物上的花钱矛盾现象。

　　损失厌恶：指人们面对同样数量的收益和损失时，认为损失更加令人难以忍受。损失带来的负效用约为同量收益的正效用的2.5倍。损失厌恶反映了人们的风险偏好并不客观，当涉及的是收益时，人们表现为风险厌恶；当涉及的是损失时，人们则表现为风险寻求。

　　选择性注意

　　人们常常倾向于忽略掉不符合自己期望的东西，只看到自己期望看到的东西，他们期望看到的东西又是基于熟悉的东西、先前的经历，或是个人的欲望、兴趣需求，这就是选择性注意。

　　选择性观察偏误：人们在观察时不可避免受到前置条件的限制而筛选了样本，因而得出不适当的结论。例如问卷调查到的人一定是热心、愿意填问卷的人，因而其结果未必能反映不热心、不愿意填问卷的人的想法。

　　观察者偏见：是指由于观察者个人的动机和期望导致的偏误。通常，人们看见的和听见的只是他们期望的，而不是事实的本来面目。

　　观察者期望效应：由于研究者期待某种结果，因而下意识中不当操作实验或诠释资料。

　　受试者期望效应：由于受试者期待某种结果，因而下意识地扭曲了回报内容。常见现象是安慰剂效应，即被给予无效的药物或治疗，病人却相信或觉得情况改善。

　　刻板印象

　　刻板印象是指对某人或某一类人产生的一种比较固定的、类化的看法。人们习惯把人进行机械的归类，把某个具体的人看作某类人的典型代表，把对某类人的评价视为对某个人的评价。典型现象如种族歧视、地域歧视、职业歧视、性别歧视等。

　　光环效应：一个人的某个单一特性（比如漂亮、长得帅、富有等）一旦给人以非常好的印象，在这种印象的影响下，人们对这个人的其他品质（与这个单一特性不相关的品质如能力、人品）也会给予较好的评价。

　　外群体同质性偏见：认为自己的个性、行为、情绪是多变的，而他人是一成不变且容易预测的。

　　首因效应：指个体在社会认知过程中，通过“第一印象”最先输入的信息，对以后的认知产生的影响作用最强，持续的时间也长，影响力远大于以后得到的信息。

　　自我中心偏误

　　自我美化偏误：会美化回忆中的自己，往往认为自己比实际情况更好。例如记忆中自己的考试成绩比实际更好。

　　支持选择偏误：回顾自己做过的选择时，倾向认为它是明智的，给出高于实际的评价。如购买后把之前的购买决定合理化，即使买下的商品太过昂贵或有瑕疵。

　　错误共识效应：高估别人对自己的认同程度，认为所有人以同一方式思考。

　　投射偏误：不自觉地以为他人（或未来的自己）和（现在的）自己有相似的情感、思想与价值观。

　　素朴实在论：相信自己所见所闻即是真相，是客观且不带偏见的，认为这是显而易见的事实。

　　控制错觉：高估自己对外在事件的影响力，认为事情是受自己控制或影响的，但实际上它可能与自己毫无关系。

　　达克效应：能力过差的人由于无法分辨能力好与能力差的不同，因而会错误地高估自己的真实水准，有一种虚幻的自我优越感。

　　逆火效应：遇上与自身信念抵触的观点或证据时，除非它们足以完全摧毁原信念，否则会忽略或反驳它们，原信念反而更加强化。

　　证实偏见：人们普遍偏向能够验证己方假设和观点的信息，而不是那些否定假设的信息。关注、寻找、诠释、记忆信息的方向多半是能证实自己假设和成见的方向，而那些可能推翻自己观点的信息往往会被忽视掉。

　　舒适区效应：对于过去常用的方案，高估效益或成功机会；对于过去少用的方案，低估效益或成功机会。

　　信念偏误

　　可得性偏误：对容易想到的事，会高估其发生概率。然而一件事是否容易想到还受发生多久、激起情绪的程度等因素影响，无法反映实际的发生概率。

　　频率错觉：因最近注意到一件原先没注意到的事，就觉得这件事到处都在发生。

　　后见之明偏误：又称“我早就知道了”“马后炮”“事后诸葛亮”。在事情发生或发展后，以为自己事前就能预测其发生与发展。

　　可获性层叠：一件事越常被公开谈论，人们就越相信其正确性，类似“三人成虎”。

　　货币错觉：专注于货币名目上（表面上）的价值，而非其实质购买力。

　　一致性偏误：记忆中他人过去的态度与行为会变得像目前的态度与行为。

　　巴纳姆效应：人们会把他们认为是为自己量身定做的人格描述评价为高度准确，而这些描述往往十分模糊及普遍，能放诸四海而皆准，适用于很多人。这个效应多出现于占卜星相、算命和个体性格分析等情境。

　　基本比率忽视：只关注针对性的信息，忽略一般性的信息（基本比率），导致不恰当的认知。例如因为酒驾较容易肇事，就认为肇事者中很多是酒驾，然而由于酒驾者占所有驾驶者的比例很小，肇事者中酒驾者的比例不会那么高。

　　赌徒谬误：认为某事多次发生则未来发生的概率较小，或多次未发生则未来发生的概率较大。就像赌徒认为掷骰子时连续几把结果是“大”，那么下一把是“小”的概率更高，而忽视了每一次掷骰子都是独立事件，有独立概率。

　　逆赌徒谬误：认为发生概率很小的事不会发生，如果发生了，一定是做了很多次。

　　决策类偏误

　　结果偏误：评价决策好坏时，根据其最终结果，而不是根据做决策的过程。

　　道德评价偏误：评价他人行为的道德时，根据结果而不是根据做出行为时的情境。

　　资讯偏误：倾向寻求更多资讯以做出决策，即使寻求的资讯对决策没有帮助。

　　共有资讯偏误：团队讨论倾向花较多时间与精力讨论所有成员都知道的事（即共有资讯），而花较少时间讨论较少成员知道的事。

　　集体错觉：团体在决策过程中，由于成员倾向让自己的观点与团体一致，因而令整个团体缺乏不同的思考角度，不能进行客观分析。

　　从众效应：倾向做很多人做的事，或相信很多人相信的事，以和他人保持一致，也就是“随大流”。

　　沉没成本谬误：当人们证实先前累积的投入（沉没成本）已经浪费掉了，仍然对这些已经不能回收的成本念念不忘，因而做出不理性的选择。

　　塞麦尔维斯反射：条件反射般地否定、拒绝新证据或新知识，因其有悖于现有的常规、信仰或价值观。

　　麦纳马拉谬误：过度相信数据，依赖数据评估事情，忽略难以量化的事。此典故源自美国前国防部长麦纳马拉，他相信能用量化数据（如击毙越军的尸体数量和减少己方人员的伤亡数量）衡量美国在越战中的成功，但忽略了其他因素。

　　4.2.5 常见的决策误区之偏离方法论上的个人主义

　　方法论上的个人主义强调组织不做决策，只有真实的人（组织中的一个或几个）才能做决策。而人是不同的，每个人均具有不同及变化着的偏好、目标、目的和想法。因此，“社会”“国家”“企业”“团队”“群体”等等就不应被理解为行为上犹如个体行为人那样的集体。组织或者集体在本质上不再是一个关注焦点。相反，一种关于社会现象的理论首先应该由个体成员的认知和行为出发，并将对它的解释建立在这一基础之上，这些个体成员的行为导致了我们所要研究的现象。（以上引自《新制度经济学：一个交易费用分析范式》）

　　方法论上的个人主义，为个人决策制定者给出了一个全新的解释。

　　要弄明白决策背后的因果关系，或试图影响决策，只靠分析组织特征是很难接近真相的。要想解决问题，姑且不论难度，至少在方向上，应该遵循方法论上的个人主义，去找到具体的决策人和决策流程，各决策人个人的真实想法，这些想法受什么外部信息、个人信念、情境和历史因素影响，决策过程又可能怎样影响结果。如此决策，可减少大量不必要的错误。

　　世界上不存在一个叫用户的人，也不存在一个叫用户的群体，只有无数人的具有异质性、情境性、可塑性、自利性、有限理性的购买和使用产品的行为。产品经理需要理解的“用户”，应该不是一个具体的群体或具体的人，而是一个特定情境下的需求组合。

　　例如，我们经常听见这样的说法，“用户怎样怎样”。每当这种时刻，我们可以按照发言者的语境推演一下他说的“用户”是指什么。除了经过系统训练的产品经理，其他职业的大部分人口中的“用户”定义令人失望，也就不用指望后面的讨论质量有多高了。

　　再举个例子，“人是自私的，追求利益最大化”，这是经济学的最基本假设。产品经理面向用户设计产品，需要预判用户行为时，一般也遵循这个假设。但是，每个人的自私程度千差万别，而且，在不同情境下的应激反应还不同，如果仅仅按照“人是自私的”用户模型去考虑问题，精准性是不高的，很多关于产品细节的决策就会有问题。

　　所以，产品经理研究的“用户”，是最需要采用方法论上的个人主义的，必须从无数情境下差异化的个体样本出发来抽象出“用户模型”。

　　4.3 能落地的决策才有价值

　　不能落地实现的优质判断和决策，只对个人成长有价值，对业务的价值可能是零。能落地的决策才有价值，推动能力的强弱也是关键变量，所以协作型产品经理的概念才值得独立出来，这相当于以强推动能力交换降低的决策能力，这时的边际收益可能更大。

　　常常听到产品经理抱怨，用逻辑去说服别人的难度特别大。确实，因为历史原因和一些变化，有些工作的沟通比较困难，要花费更多精力和心力。但好在，对这个能力的锻炼和成长会在未来持续提高个人价值。一个管理者职位越高，他的日常工作中一般都会有越高比例的沟通说服工作。

　　4.3.1 推动决策落地的几种方法

　　产品经理可以通过哪些办法来影响自己的老板、同事或下属呢？

　　（1）合法性：依靠你的职权，或者强调你的要求符合组织的规章制度。适用于影响同事或下属。

　　（2）理性说服：提出符合逻辑的观点和事实依据来证明某个请求的合理性。适用于影响老板、同事或下属。

　　（3）鼓舞式诉求：通过呼吁某个目标的价值观、需求、希望和渴望来引起情感认同。适用于影响下属。

　　（4）商议：通过让他人参与决定如何实施你的计划来增强他人对你的支持。适用于影响同事或下属。

　　（5）交换：通过给他人提供某些利益或好处来换取其对某项要求的遵循。适用于影响同事或下属。

　　（6）个人式诉求：利用友谊或忠诚来获得他人的同意。适用于影响同事。

　　（7）逢迎：在提出请求之前先采取吹捧、赞扬或友善行为。适用于影响同事或下属。

　　（8）施压：使用警告、威胁和反复要求等手段。适用于影响下属。

　　（9）联盟：通过寻求他人的帮助或支持来说服目标对象同意。适用于影响同事。

　　（以上9条引自罗宾斯《组织行为学》）

　　天下熙熙，皆为利来；天下攘攘，皆为利往。一个人对另一个人的影响力，主要来自对另一个人创造价值或造成伤害的能力，这个能力有多大，影响力就有多大，能力很小就几乎没有影响力。所以，要提高自己的推动能力，关键是提高自己为他人创造价值的能力，并能充分分析各方诉求，寻找有较多共同利益的方案和视角，然后让对方理解推动这事能给他创造的价值，或这事推不动会带给他的伤害。

　　大部分人是有限理性的，有很强的立场认知偏误，仅仅增加认同感就能让对方更容易接受你的意见，从而顺利推动决策的实施。如果你的上级或合作方缺乏批判性思维，不妨在产品决策的小处多认可他，只在大处坚持自我立场。对于各种无伤大雅的产品小决策，多听他的，赞美他（但也别表演过火，应该先试探，判断无法改变对方看法时才做这种无奈选择），让他觉得你和他总是观点相似，他也会更认同你，觉得你专业能力很强，这样，哪怕未来你在产品关键问题上提出不同意见，他也会更容易被你说服，从而顺利推动。

　　4.3.2 决策落地的技巧：议程设置

　　产品经理可能无法影响老板或决策层的想法，却可以影响老板或决策层去想什么，这是专家部门的“非正式权力”的主要来源。

　　议程设置是指在组织或公司做决策时，产品经理通过影响他人发挥出上述“非正式权力”，从而使决策落地的重要技巧。在信息传播和决策的过程中，如果你在脑中构建的用户模型已足够准确（即充分了解目标受众的偏好和行为反应模型），那么，选定议程之后，结果往往是可预期的，不需要干预。

　　议程设置是大众传播的重要社会功能和效果之一。1968年，麦克斯威尔·麦克姆斯和唐纳德·肖对美国总统大选进行了调查，看媒介议程对公众议程有多大的影响。1972年他们提出了议程设置理论，该理论认为大众媒介往往不能决定人们对某一事件或意见的具体看法，但是可以通过提供信息和安排相关的议题来有效左右人们关注某些事实和意见，以及他们议论的先后顺序，新闻媒介提供给公众的是它们的议程。

　　大众传媒对事物和意见的强调程度与受众的重视程度成正比，该理论强调：受众会因媒介提供议题而改变对事物重要性的认识，对媒介认为重要的事件首先采取行动。

　　一般而言，议程设置是一个由三部分组成的线性过程：首先，必须设定将要被讨论的问题的轻重缓急，即媒体议程；其次，媒体议程在某些方面影响公众观念或者与之发生相互作用，即公众议程；最后，公众议程在某些方面影响政策制定者所重视的事物，或者与之发生相互作用，即政策议程。舆论导向正确的重要性也可由此证明。

　　议程设置本身不影响结论对错，只是锋利的辅助工具，但在公司内滥用只会伤人伤己，需谨慎和少用，只有在确信目标本身已是理性的最优解时才宜适用。

　　4.4 权衡决策问题举例

　　4.4.1 关于快车动态调价模式与排队模式的权衡

　　出行行业有极其明显的高峰、平峰，且高峰还具有非常强的时间、地域性，比如晚10点的高铁站、下班时的CBD（中央商务区）。同时这些地域和时间点的供给密度，往往因为道路拥堵程度、司机分布等因素，出现十分巨大的差异。这个场景里最直接的表现就是供需失衡：司机因为拥堵，不愿去需求热区；打车需求量巨大且没有足够的司机，乘客打车很难。

　　为了缓解这个问题，最初行业普遍使用的策略是动态调价。通过在高峰期临时调整乘客打车价格去抑制打车需求。从经济学的角度来看，随着价格在需求方的自由竞争中逐渐上升，总能筛选出最愿意为当次交易付出更高价格来买单的人，本质上是每个人对于价格和价值的权衡。这个措施看似无可挑剔。

　　但随着滴滴规模的扩大，企业的社会责任随之提升。极端场景下价格不断上升的倍数，已经突破了作为感性人可接受的范围，所以后来平台将调价倍数限制在2倍以内。但这样一来，愿意接受议价的人变多，司机同样会对收入和付出成本进行权衡，这个倍数限制难以调动更多司机，所以运力供给并没有大量提升。结果就出现了大量用户接受临时调价，但依然无法出行的情况，用户更为不满，从而出现了大范围关于“动态调价”的投诉。

　　我们回归要解决的问题本质：满足更快打到车的诉求。但“更快打到车”拆解下来包含了三层含义：第一层是对何时能打到车有预期；第二层是这个预期是否准确；第三层是这个预期的时间是否还能更快。做好这三层，才能真正满足用户打到车的根本诉求。

　　相对来说，第三层需要更长的解决周期，根据整个出行行业高峰平峰的客观周期现象，需要结合运力结构的变化来长期解决，其中还涉及很多生态、政策等问题，这里先不展开。

　　从模式本身分析，对比动态调价模式，排队模式最大的变化就是给了用户更明确的时间预期，以及通过先进先出的队列逻辑，保证了预期的有序达成。从约束条件的差异分析，首先是社会文化的不同。中外社会文化对于公平和效率的取舍有所不同，国外对价格调节供需的市场接受度更高，国内是排队文化深入人心，几乎在所有涉及供需的线下环境中，都能看到排队的现象，而“让愿付更高价格的人优先”往往很难被接受。然后是行业在社会中扮演的角色不同。共享出行在国内市场更被认为具有公共交通属性，需要兼顾更多社会责任。

　　经过在特定环境下对公平和效率的权衡，滴滴最终选择了以排队作为供需紧张场景下的主要解决方案。一个新模式的出现，往往是一个后验的过程，特别是在旧模式已经广泛应用的前提下，所以排队就从一个供需最为紧张的场景切入——企业集中下班的场景。在北京中关村进行的MVP（最小可行产品）实验，验证了用户对于公平的感知和接受度的同时，也验证了排队模式通过拉长一点匹配时间（用户更愿意等待了），提升了打车需求的整体满足程度。

　　排队模式的诞生，是为了通过先到先得逻辑来解决供需失衡问题。但随着覆盖面持续提升，场景的复杂性也有了变化。前面也说到，效用取决于个人对于交易所产生价值的判断，不同出行目的背后的效用也会有巨大差异。比如，打车去急诊和打车去逛街，紧急程度完全不同。所以在某些场景下，追求公平排队实际上是降低了效率。

　　对于更紧急的打车需求，平台是否要优先满足？满足的优先级如何？这两个问题的答案更多取决于业务所处的阶段。在平台具备了满足普遍出行需求的能力后，出于承担社会责任以及对创造用户价值的追求，答案就不言而喻了，更紧急的需求应该被优先满足，和社会车辆要给消防、救护车辆让行是同样的道理。

　　那如何区分一次打车需求是否紧急呢？首先平台是否可以通过特征发现需求背后的紧急程度？因为滴滴是线上打车模式，平台很难做到准确判定用户需求的紧急程度，所以需要用户自己来表达诉求。但问题是，如果用户可以低成本地随意表达，结果会是很多人都说自己很紧急，还是无法区分紧急程度。所以我们需要通过让用户付出更高成本来表达，以提高用户所表达的紧急程度的准确性。

　　用什么来作为成本？金钱还是非金钱？金钱作为成本涉及的最大问题是如何分配。出行交易涉及乘客、司机、平台三个主体，如果将这部分金钱给乘客，因为影响对象包括队列中后续所有参与者，所以存在其他用户是否有资格拒绝和具体会分到几分钱、几毛钱的问题。如果是给司机，司机并没有为这部分额外收入多付出任何成本，接单与否更多是取决于运气，这会导致其他人有不公平的感觉。如果是给平台，司机和乘客都会认为平台没有任何付出，白拿了这些钱。金钱做成本，平台还会面临让有钱人先走的道德质疑。

　　所以我们更倾向于以非金钱作为表达成本，同时仍需考虑优先权利不能被滥用，设置次数和成本限制条件。会员权益在各行各业普遍存在，这也是我们的排队“快速通道”的雏形。会员优先享受每月几次的应急优先特权，并且不可积累，定期清零。但单纯用会员身份做门槛，可能会让很多有需求但还不是会员的用户的紧急需求无法满足，所以后续又持续迭代了积分兑换等渠道，来满足非会员用户的紧急需求。

　　4.4.2 关于醉酒乘客打车问题的权衡

　　醉酒乘客乘车，容易引发司乘纠纷，平台存在比较严重的安全风险和服务难点。

　　安全风险主要体现在以下两个方面。

　　第一，女性乘客醉酒单独乘车，防范能力较弱，容易引发男性司机的性骚扰。（这里的性骚扰司机一般是历史清白无前科的初犯，因为如果滴滴查到某司机有过犯罪记录或性骚扰证据，此司机必然已被清退）。

　　第二，男性乘客醉酒乘车（尤其多人乘车），和司机更容易发生冲突，导致性骚扰（女司机）、危险驾驶等后果。男性乘客酒后（结伴）骚扰女司机（甚至男司机）的案例在涉性投诉中占比较多。

　　综上，平台曾经在部分城市试验过醉酒规则“司机遇到醉酒乘客，通过报备可无责取消订单”，但发现了很多问题，只能放弃。主要问题是：司乘碰面后，因司机拒载造成的醉酒冲突以数倍上涨；司机以乘客醉酒为由故意拒载也屡见不鲜。

　　后来，滴滴征询了媒体、专家、政府对醉酒乘客乘车问题的意见，又通过公众评议会征集公众意见，以及做了一些实验，才一步步有了今天的方案“平台引导醉酒乘客主动报备”，但此方案仍不完美，还有不少问题未能解决，需要继续努力。

　　除安全风险外，乘客醉酒也容易导致以下两个服务难点。

　　第一，严重醉酒乘客乘车，到达目的地后司机很难将其叫醒。平台曾尝试引导司机将乘客送至公安机关或医院，但都被拒收。司机如果在原地长时间停留等待乘客酒醒，则会损失自己的收入机会成本。平台也考虑过推行新规则，建议司机报备后原地等待乘客酒醒，期间正常计费。但有的司机曾经自发在原地等待乘客酒醒，乘客醒后对费用不认可，导致更严重纠纷。即使推行该新规则后的大多数结果是好的，但我们也无法接受出现的少数结果是更严重纠纷，所以还是放弃推行该规则。

　　第二，醉酒乘客呕吐，弄脏车辆，产生费用纠纷。司机要求乘客垫付洗车费，乘客不一定认可，双方产生争议甚至引发冲突。洗车费的标准及规则较难制定，各地洗车费标准也不统一，平台只能根据司机提供的洗车费发票金额报销（有上限金额）。但实际可能存在司机作弊的风险（优步在海外有不少司机虚报清洁费的新闻），平台暂时没有有效的识别和应对办法。

　　有一段时间，很多滴滴产品经理都在学犯罪心理学。有一个犯罪铁三角理论是说，潜在犯罪者+合适受害人+合适犯罪场景，只要铁三角成型就有概率发生犯罪，但如果能识别并阻断任意一个角，犯罪就不会发生。

　　无独有偶，经济学家巴泽尔提过一个观点，可以称它为权利三角。任何个人的任何一项权利的有效性都要依赖于：这个人为保护该项权利所做的努力；他人企图分享这项权利的努力；任何“第三方”所做的保护这项权利的努力。由于这些努力是有成本的，世界上不存在“绝对权利”。

　　鉴于这两个三角原理，在产品工作中，保护用户权利的一部分工作是教育用户保护自己的权利。比如，汽车发生严重翻车事故时，系了安全带可使死亡率减少80%，如果用户自己不系安全带，那么第三方做了所有努力也很难抵消这部分风险。

　　4.4.3 关于拼车价值分配问题的权衡

　　在拼车中，乘客的诉求是便宜，司机的诉求是提升收入，平台的诉求是单位运力效率最大化。拼车创造的价值总和=拼成时的共乘（收益）–未拼成时的乘客折扣（风险）。大部分时候，人们看到了收益，觉得拼成的时候平台利润率高，但忽略了风险——未拼成时给出的乘客折扣是平台的净亏损。

　　那么什么样的价值分配方式，能够兼顾收益与风险，且同时满足司机、乘客和平台三方的利益诉求？拼车时，司机收入按付出成本还是按实际产生的价值进行分配？拼不成时的风险由谁来承担呢？

　　实际上，拼车的价值分配模式经历过如下几个阶段，分别代表不同的导向。

　　表4–1 拼车的价值分配模式演变

　　平台要兼顾收益与风险，找到同时满足司机、乘客和平台三方利益诉求的价值分配方案，确实很难。所以我们只能在约束条件下求相对最优解，在此分享一下其中尝试过的基于不同供需状态的两种解决方案。

　　第一种，供大于求，缺乘客，价值分配向乘客倾斜。

　　首先，从经济学规律来讲，供大于求时，需要在乘客端降价以刺激需求，同时司机的收入单价也可以降低（因为机会成本是没单，空闲收入为零）。但是并非所有司机都愿意接受降价，本身拼车由于只占快车一定比例的订单，也不需要所有司机都来接拼车单。另外，基于司机收入公式，在线时薪=计费时薪×计费时长占比，降低单价即降低计费时薪，若能同时提升计费时长占比，司机的收入依然有可能提升。所以基于自愿的原则，我们在降低司机单价的同时，把这部分价值转让给乘客（体现为更低的折扣），同时给司机提供一个接拼车订单的开关，且在拼成的时候额外给司机一个拼成奖励，这样找到一条路径：乘客端更低的折扣—拉动更多乘客需求—拼成率提升，司机计费时长占比提升—司机单价降低但在线时薪提升，从而实现正向循环。

　　第二种，供小于求，缺司机，价值分配向司机倾斜。

　　在2018年下半年，整体供需环境变成供小于求，司机计费时长占比明显提升后，对司机而言，原来拼车提升计费时长占比进而提高收益的作用被明显削弱，而此时乘客端表现为打不到车的痛点明显。基于这个供需环境，我们认为此时约束条件已经发生变化，对乘客方我们更多是满足原有快车用户能打到车的诉求，而司机收入的机会成本变成了接快车单的收入。所以，我们基于价值分配向司机倾斜的导向，重新设计价值分配机制：对乘客采取两口价的方式，即乘客承担拼不成的风险；对司机，基础价格为快车价格的实时计价模式。如果行程中没有拼成，司机提供的就是快车服务，在司机的视角，他应该获得和快车一样的收入，这就需要基础计价和快车保持一致。如果行程中拼成，司机在额外提供服务的同时（即使拼成乘客完全顺路，也还有接驾送驾的额外成本和心理成本），创造了更高的单位价值，司机希望能够分配到更多的利益，不然就觉得“不值得”，所以需要有一个规则可以相对公平地把共乘的价值分配给司机。之前的拼成返利因为只考虑拼成结果（拼成几单），不考虑拼成质量（具体共乘的里程），并不是一个公平的分配策略。所以综合权衡之后，我们使用了共乘计价的模式，共乘的收益=共乘里程×里程费单价×共乘倍率。比如一次行程，共乘有1公里，里程费单价为1元，共乘倍率为0.5，司机可以额外获得1×1×0.5=0.5元（见图4–1）。这样，对于司机而言，拼车单一定是有更高价值的订单，从而保证拼车的司机生态在供小于求的环境下是正向循环。

　　图4–1 拼车模式里程

　　S1、S2、S3、S4、S5是司机完整的行驶里程，这一部分可以获得对应的里程费。

　　S2和S4是两单共乘里程段，可以获得额外的两单共乘里程费。

　　S3是三单共乘里程段，可以获得额外的三单共乘里程费。

　　关于拼车的合理价值分配模式，目前仍然在持续探索中。这个案例同样也验证了感知价值才是真正的用户价值。比如实际上基于快车价格实时计价的司机计价模式，从数据来看，是能够通过提升计费时长占比来提升司机收入的，但也只有部分司机认可（也可能是司机觉得自己因为接拼车单付出了更多的心力成本）。而即便在供大于求的情况下，我们通过新的价值分配方式提升了司机收入（且提供了选择的自由），也不是所有司机都认可其价值，这就相当于又加了一层约束条件，提升了这个案例权衡的复杂性。

　　4.4.4 关于乘客物品遗失在车上问题的权衡

　　遗失物品是网约车平台的常见情况，丢手机、丢包、丢各种证件等等，每天都有大量的案例在不断发生，且由于各种问题出现矛盾。如果没有标准的服务策略（规则+流程），乘客要求司机送回，司机通常都不会接受，而有的乘客会认为“送回东西”就是平台服务之一，于是就产生冲突。

　　先从这件事的权责来看，应该认为乘客需要承担责任，这也是社会大众能够接受的判责方法。最著名的过失认定的法律原理是汉德公式，B商家>平台”的指导思想，假如网约车平台也有“乘客>司机>平台”的指导思想，可以在此案例上认为乘客有更大价值空间。不过，这同样不能解决所有问题。若是遇到任何利益冲突都简单套用此指导思想，最后的结果就一定是没有司机的生存空间了。任何公式和抽象概念，都要考虑约束条件。

　　那应该怎样考虑这个问题呢？还是从问题可能引发的结果来看。先说两个前提条件。

　　第一，跟出租车行业相比，网约车平台对司机的约束力其实是弱了很多的。出租车司机与出租车公司是雇佣关系，公司对司机有更强的管控力，司机的工资是跟他的表现严格挂钩的，而失去一份有五险一金的职业，且要损失租车的费用，成本很高。网约车平台的司机除了与租车公司签了几年协议的，离开的沉没成本大都比较低。在网约车司机的管理或运营中，形式和思路其实更像运营C端用户，司机的体验不是不需要考虑的问题。

　　第二，更关键的问题是，各地的供需情况不一致。也就是说，有的地方司机本来就稀缺。那是不是应该区别对待，在这些地方，对司机优待一些，哪怕会损失一些乘客的体验，以保证更多的乘客需求被满足？如果这么做，长期来看，乘客的需求满足率会更高但满意度会下降。于是，我们的问题变成了效率和经济的权衡问题，而不是道德和价值观层面的考量。

　　让司机体验不好，会造成司机的流失，或者长期来看，是运力成本的提升（每获取一个运力的花费），这个成本是一定会摊在乘客头上的。所以此问题就变成了乘客在修改目的地上损失的体验和定价提升之间的权衡。在某些地区，运力可能是极端不足的，损失一个就拉不回来了，实际要权衡的是乘客在修改目的地上损失的体验，和有时可能打不到车而损失的体验，究竟选择哪个对整体生态更优。

　　4.4.6 关于司乘纠纷判责价值观的权衡

　　从司机接到订单开始，到乘客下车并完成支付，整个过程存在大量人与人的触点。人的行为不像机器算法，我们不能期望所有人都按照设定的方式行动，于是，在双方交互过程中，就可能发生各式各样的纠纷。滴滴客服团队有近9000名客服，7×24小时提供服务，日均处理30万进线，涵盖了超过2600个不同场景的问题。面对大量的服务纠纷，平台首先要做的就是建立快速、准确的判责能力，这是网约车平台的常见难题。

　　我们先说一个典型的场景：司机和乘客都如期到达上车点附近，但因上车点复杂的交通状况，加上司机与乘客的方言口音问题，沟通不畅，双方多次通话后仍然找不到彼此，最终司机只能取消订单，乘客、司机均表示不满。此时，平台应如何判断责任归属？是否要惩罚责任方，补偿受损方？

　　站在司机和乘客角度，自己都按约定到达了上车点，且多次主动联系对方，均表现出了极强的履约意愿。此时，若乘客要求平台惩罚司机的“主动取消”行为，或司机要求乘客支付“空驶补偿”，平台就陷入了两难境地。滴滴每天有数千万订单，这种棘手情况并不少见。

　　有人提议按“顾客就是上帝”的原则来处理，司机有义务多付出一些：在没有接到乘客的情况下，都不能主动取消订单。但这显然是偷懒的决策，司机要赚钱，时间就是金钱，如果乘客未准时出现在上车点（司机到达后被乘客要求再等一会儿的情况很多，但大城市中很多位置是禁止司机停车等候的），要求司机无休止地等待乘客是不公平的。若如此简单决策，长此以往，司机群体必然怨声载道。

　　那应该如何思考这个问题呢？还是从矛盾根源入手。本质上这是一个“判责不清”的案例，惩罚任意一方都不公平。可见，通过惩罚一方来补偿另一方的方式，是我们陷入死结的原因，这是典型的“跷跷板”价值观，即“偏袒一方，另一方即受损”。

　　破局之道，在于将价值观从“跷跷板”改为“弹簧”。

　　首先，我们需要将双方的判责分离，即乘客无责不代表司机一定有责，反之亦然。这样，就在“司机有责，乘客无责”“司机无责，乘客有责”的结果之外，新增了一种“判责不清”（双方有责或双方无责）的情况。

　　其次，通过引入“平台”这个角色，在判责不清时，由平台介入以承担补偿责任。如此，就赋予了判责系统弹性，一部分问题迎刃而解。在“判责不清，平台承担”的价值观指导下，滴滴相继推出多个判责、补偿相关产品。

　　其中，颇具代表性的产品是“平台垫付”功能。在订单结束后，乘客可能不会及时打开App，会直到下次打车时才支付。在司机侧，就表现为订单完成后迟迟未收到车费，司机焦虑感强烈。平台推出的垫付功能，就是先将车费给到司机，再向乘客追要车费，时间差之内的资金成本由平台承担。

　　一段时间之后，平台将垫付订单比例提升到很高，只有极少量的订单因为风控等原因未行垫付。但即便如此，产品团队还是会收到大量司机“未收到车费”的抱怨。经分析，未垫付比例虽然降到很低了，但考虑到滴滴每个月有天文数字般的7亿订单，仍有大量司机在一个月内会碰到未垫付订单。此时，平台有两种选择：一是要求更多乘客在订单前支付，虽影响乘客体验，但可以大幅降低坏账风险；二是升级垫付标准，只要司机没有问题，即使订单已被明确识别为作弊订单，平台也将车费垫付给司机，由平台承担坏账。

　　因平台未能在乘客发单前识别坏账风险，属于“判责不清”的范畴，所以平台未及时拦截，导致司机承担后果。按照“判责不清，平台承担”的价值导向，最终由平台先承担这部分成本，再通过优化识别策略、模型，逐渐降低成本。

　　从平台角度来看，这种价值观虽然为平台增加了成本，但如果司机长期抱怨连天，一定会导致更多司机流失。所以，这个问题最后还是可以转化为效率、经济层面的权衡。最后，从结果上看，在这个价值观的指导下，在司机侧关于“规则公平性”的各项口碑、体验指标有了质的提升。

　　在此之后，滴滴内部还逐渐理解了“上游问题上游解决”“用户认为不公平就是不公平（以大众评价为参照系）”两个价值导向。以前者为例，通过分析判责不清的场景，我们发现其中的根因都来源于“上游”。举个例子，司机开错路导致迟到，不一定是司机主观恶意，有时可能是平台导航提醒不够及时。相比于平台承担判责成本，通过推动上游重视并解决问题，是效率更高的方式，这背后都是对成本的权衡。值得一提的是，因为平台承担了“判责不清”的代价，“上游”体验瑕疵背后的代价或改进收益忽然变得特别容易衡量。在此之后，要推动上游部门解决问题，也就容易多了。 人人都可以是产品经理（套装共13册）