北京物流信息联盟

可得性启发

2022-03-13 10:46:36

注:《the dreamer》来自法国艺术家 martine-roch

头脑中对个人知识经验的存储排列就像输入法一样,使用频率高的,排在前面,也更容易提取,这是提高生存效率的进化结果,接触频率越高,往往意味着使用场景更多,即使面对陌生问题或场景,使用高频的已知解决方案的成功率也更高。

人们会基于容易得到(想到)的少数信息来做决策,该现象于1973年由特维斯基(Amos Tversky)和卡尼曼(Daniel Kahneman)发现并命名为可得性启发(Availability Heuristic),“可得性”是主观感受到的事物发生的频率或概率

影响可得性的因素除了使用或接触事物的频率(个人经验),还包括理解概念和场景所需付出的认知努力(认知成本):

  • 具体的、可见的、近期的、严重的信息更容易从记忆中提取(可得性高);

  • 抽象的、不可见的、久远的、平淡的信息则更多依赖有意识地去头脑中搜索(可得性低)。

e.g. 一张小男孩溺亡海滩的照片引发了世界人民对叙利亚难民问题的关注,而之前并没有多少人去关注和难民有关的统计数字;

e.g. 人们认为飞机比汽车更危险,是因为飞机一旦失事基本生还率为零,实际上,汽车事故造成的伤亡率远高于飞机;

e.g. 如果某NBA球员在某场比赛中该球员连续多次投篮命中,人们偏向认为该球员接下来的投篮也很可能会命中,这种现象被称为“热手谬论”(Hot-hand fallacy);

e.g. 新闻上报道某地发生了严重的安全事故,然后很多人开始买保险(可能更多的情况是接到妈妈打电话来提醒一定要注意安全);

可得性也可以理解为熟悉感,先前经验和当前场景的相似度会引发不同的心理反应:

  • 熟悉的环境中会体验到安全感,此时可得性启发往往可以非常高效地解决问题;

  • 在陌生的环境中则会感受到焦虑,产生对场景的警惕,判断好坏的标准会更加严格(宁可错杀一千而不可使一人漏网,在统计上称为I类错误),e.g. 见到从没见过的小动物会让你觉得这家伙很危险。在不确定的条件下“避害”比“趋利”更重要。

另一方面,也需要警惕“外部概念潜意识注入头脑”进而影响可得性。即使广告播放时并没有引起很大的注意,去商场买东西时,你却可能选择看到广告最多的那个品牌,广告潜移默化就会改变品牌在你头脑中的排序,广泛而言,“色声香味触法”皆可影响你的认知,知识很多时候你没意识到。

“定位理论”的核心观点之一就是要努力在人们的头脑中“刷存在感”,还要尽可能把自己在顾客心目中的位置刷到第一、第二,因为排到后面基本没什么人能记得住了。

不管是思考还是行动都是要付出成本的,可得性启发能极大程度上节约认知成本,提高了决策的效率。可得性启发常依赖于“直觉”系统,如果一个问题需要“理性”才能更好地解决时,那么可得性启发就会带来决策偏差。

如何克服“可得性偏差”:

1.保持开放,不断学习,更新知识

2. 控制第一反应(直觉系统),等待第二反应(理性系统),“直觉”系统是默认在头脑中加载的系统,处于随时待命的状态,“理性”系统则在有需要的时候才会“唤醒”,“理性”系统有助于做出明智的思考(大多数情况下),同时也会消耗更多的能量;

3.警惕头脑中的预先假设,不要想当然,区分事实、假设和判断,人们常有的两种偏见就是:事物是我们想象的那样、别人和我想得一样;

4.清晰了解自身知识经验的应用前提,要留意新环境中哪些“变量”发生了变化,有哪些不可控的因素,人们常犯的错误之一是不能理解“非线性”情景,抽象一点来说,假设整个值域是[0,+∞),但是我们以往的生活经验都是在[0,100]这个范围得到的,我们建立了一个y=a*x+b的线性函数就能很好地解释大多数现象,当我们处于(100,+∞)的环境中时,先前的经验就不一定适用了,在值域的后半段可能就是y=c*x^2+d,而且还可能遇到“黑天鹅”事件。

yesterday once more,也就是“历史重现”,是预测未来的基础,但是如果事物本身没有特定规律(随机状态),或者我们的历史经验并没有覆盖整个值域时,结论就应该小心使用,一般而言都是“有限结论,有限推广”,获得经验很重要,但是也要理解经验使用的前提,不然容易陷入“盲人摸象”的境地。


参考资料:

https://en.wikipedia.org/wiki/Availability_heuristic

https://en.wikipedia.org/wiki/Hot-hand_fallacy

思考,快与慢,丹尼尔·卡尼曼,中信出版社


附:题图使用大象,是基于心理学家乔纳森·海特提出的“象与骑象人”心理模型,大象代表人的潜意识(类似于弗洛伊德的本我),而骑象人则代表理性,更多可以阅读《象与骑象人》。

友情链接

Copyright © 2023 All Rights Reserved 版权所有 北京物流信息联盟