大家好，我是李红袖，再一次和大家见面了~
上一篇文章中和大家讨论的是“社会群体判断”的相关知识，这次要和大家聊的是“人们直觉和偏差”的内容。很多时候人们的直觉是有着他们自己习惯影响的，一些情况下还会产生偏差和不一致。
一、代表性直觉
概念：人们通常会根据“A在多大程度上可以代表B，或者A在多大程度上和B类似”来判断事物发生的可能。
有点抽象的概念，让我们来看例子吧
比如说，“天气非常恶劣，技工的维护水平非常低劣，飞机的使用年限非常久”，在一定程度上可以代表“这架飞机这次飞行将会发生事故”，多大程度呢？这取决于“天气，维护工作，使用年限”是否到达了它发生事故的“阀值”。可以这样理解。
再举个例子，“张三月收入8000元，35岁中年，男性，平时喜欢喝酒和吃烧烤，会简单的PC操作和智能手机操作”，那么张三多大程度上可以代表一名外卖类APP的目标用户。考虑这个问题的时候，也会用到“代表性直觉”。
随着场景中细节数量的增加，场景发生的概率只会降低，但它的代表性和由此带来的外显的可能性会上升。
什么意思呢？
还是比如说上面的例子的时候，很多人会认为，“张三是外卖类平台的用户”这件事，发生的可能性没有“张三是移动类外卖APP平台的用户”发生的概率高；“天气非常恶劣，技工的维护水平非常低劣，飞机的使用年限非常久，可能会导致这次飞机失事”发生的可能性没有“天气非常恶劣，技工的维护水平非常低劣，飞机的使用年限非常久，并且这次航线上气流可能会不稳定，导航设备可能会出问题”那么高。
因为对于我们正常人来说，表述很具体的事情似乎要更加好发生，因为这样的场景符合人们对于具体是件的想象。
（1）小数法则
称为“小数法则”主要是与统计学中的“大数法则”（在统计学中，你从总体中抽取的样本容量越大，该样本的平均数与总体的平均数越是接近）相对应。而“小数法则”的概念是这样的，从总体中抽取的随机样本相互之间是类似的，与总体之间的接近程度比实际的统计抽样理论所预测的高得多。
也就是人们会假设偶然事件具有“自我修复”的功能，然而实际上，偶然事件并没有“自我修复”的功能。
举个非常简单的例子，你抛硬币的时候，连续抛3次，都是正面，很多人就会猜，第四次抛的时候，很高几率是反面朝上，然而第四次反面朝上的概率依旧是50%，并不会有什么改变。
（2）忽视基线值
代表性直觉有时候甚至会让人们忽视客观存在的基础数据，盲目服从自己的判断。还是用两个例子来说明吧。
这是一个由卡尼曼完成的实验，样本由30名工程师和70名律师组成，对其中一个人描述如下：30岁，已婚，没有小孩，有很强的能力和工作积极性，希望在自己领域内获得很大的成功，同时也受到同事们的欢迎。
理论上这个人是工程师的概率为30%，然而大多数人认为他是工程师的概率为50%，情境基线被忽略了。
还有就是很多地产广告上有这样的文字：X楼盘最低N元。然而“最低”这两个字就被很多人忽略了。
但是请注意，当人们要直接用基线信息作出因果判断的时候，人们基本上都会采用基线信息。
例如，阿杰在1977年的时候，做的一个实验，要求被试者通过提供的信息预测出某学生本学期的考试成绩。这个时候所有提供的基线信息都会被被试采用。
再比如，斗地主的老手，除了看自己手牌之外，也会去记住已经打出的牌，打出的牌是如何组合的，来推测对手的剩余手牌和策略。
（3）非回归性的预测
这个概念其实很好理解。做任何一件事情的效果，都是由“真实水平”和“误差”两方面组成。“真实水平”是一个人做事应该本来具有的水平，“真实水平”的高低和个人的能力挂钩；误差则包括和能力无关但是会影响事情结果的因素（血糖，睡眠，通风等）。
举个简单的例子，一个运动员不可能一直巅峰，可能会出现一些低迷时刻；也不可能一直低迷，偶尔会有一些高光时刻，这些都是“误差”。
（4）结论
不要被非常细节的场景迷惑
场景越具体，发生的可能性反而越低，即使这样的场景非常好地代表了最可能发生的结果。
无论何时都应该注意基线
当基线是一个极端的数值时，代表性往往成为发生可能性的诱导因素
偶然事件并没有自我修复的功能
每个人的工作状态有起伏是正常的，因为要向“真实水平”的平均数回归
二、易得性直觉
有一些事情相对于其他事情更容易被想到，并不是因为这样的事情有着更高的发生概率，而是因为这样的事情在脑子里更加容易被“提取”。
（1）歪曲的易得性
个体对于结果的想象可以增加对其结果发生可能性的预期。
例如“每年被飞机零件掉下来砸死的人数和每年被鲨鱼要死的人数哪个多？”绝大多数人都认为被鲨鱼要死的人更多，然而被飞机零件砸死的人是被鲨鱼咬死人数的30倍。
因为这样的例子更加容易被人给想象出来。
（2）想象的局限性
如果事件的结果是抽象的，难以想象的，想象过程的努力就会让人们降低对其发生可能性的预期。
又有点抽象，所以还是用例子来说明这一点。
比如每次《魔兽世界》更新新的资料片版本，天赋，技能要进行一次大的更改，由于玩家们没有拿到手上试玩，所以很难想象新的天赋和技能是如何发挥作用的，于是无法做出想象的玩家们大多数都会选择到论坛上抱怨“下个版本怎么玩啊，我的职业又要悲剧了”之类的。
（3）否定
如果事件的结果是极端负面的，以至于对于事件结果的想象会令人们否认事件会发生。
这个和简单，人们往往无法想象自己家人死亡的场景。
（4）生动性
指某件事多么具体和易于想象，在情绪上令人激动或者是事件之间在时间或空间上的接近性。
要做出决策和判断的人，更加容易被生动的信息所影响，而不是平淡的，抽象的信息，或者是统计数据。
这个也很好理解，比如现在的互联网领域，网民更加喜欢看视频，其次是听音频，接下来是图文信息，最后纯文字信息是最不受欢迎的。
三、概率和风险
（1）效价和概率判断
效价：事件的结果被认为是正面还是负面的程度
个体通常认为正面结果发生的概率比负面的要高。
这也是个非常好理解的概念，参与抽奖、买彩票的人那么多就足够说明这一点了。
换个更加切合当代的例子，参加路演的创业者大多数都觉得自己的项目可以受到投资人的青睐；当电脑宕机的时候，大多数人更加愿意相信这是一次偶然事件或者仅仅是超负荷运作了，而不是硬件上出了问题。
（2）复合事件
当复合事件由大量简单事件构成时，人们往往会高估其发生的概率；当非连续事件由许多低概率独立事件组成的时候，人们会低估事件发生的概率，这时的概率是简单事件，发生一件即可。
概念很复杂，其实就是中学时候“乘法原理”和“加法原理”的区别而已。
就像是“2选1”的题，连续打对3道给你满分和“4选1”的题，3道里面答对一道就能得满分，后者得满分的概率其实要比前者高很多的。
（3）对风险的知觉
公众对于风险的认知，存在2个维度
恐怖风险
知觉到缺乏控制感，恐惧，灾难性，不良后果以及利益与风险不匹配
例子就是有人将核能与核爆炸互相联系的风险
未知的风险
特点是无法预测的，无法了解的，新颖的，造成的伤害是延期的
例如对于基因技术的不了解。
（4）结论
保持正确的记录
记录已发生事件的频率，这样可以减少起始效应和近因效应的偏差和一些框架式偏差。
警惕如意算盘
高估正面事件概率，低估负面事件概率，这是需要避免的。解决的方法是决策时候引入第三方评估。
四、锚定与调整
个体的判断是以一个初始值“锚值”作为依据的，并且会进行不充分的上下调整。
又是个比较抽象的概念，还是采用例子来进行解释吧。
比如出一道题，如果将全球所有人的血液收集到一个立方体中，立方体长、宽、高，估算值为多少？
回答这个问题的时候，很多人首先想到的是“全球所有人”，所以就会错误估计这个立方体会特别大，然而这其实只需要870米的长宽高。
再比如2013年某个全国性的电子竞技比赛进行宣传的时候，当我们组拿到宣传任务时，很多人只想到“国字号的比赛”和“整个省的推广覆盖面”，所以错误的高估了推广费用，其实最后做下来我们负责的那个省只花了2万元不到就把比赛办完了。
结论：
极端假设法或者是讨论极端案例可能会引发锚定值变动（例如网上各种创业成功人士的案例，导致很多人觉得自己创业也能像马云那样成功，成为像扎克伯格那样的产品经理）。
在做出最后决策的时候，考虑多个锚定值非常有必要（很多外卖项目考虑补贴的时候，参考淘点点、饿了么、美团这样的大户，然后把自己玩死了）。
相关阅读：产品经理需要了解的心理学知识：社会群体的判断
