分類思維也有危害?-管理百科

2021年5月27日16:56:07 評論 133

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??浯笠矔圆灰撞煊X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。

巴特·德朗格(Bart de Langhe)菲利普·菲恩巴赫(Philip Fernbach) | 文

巴特·德朗格是位于巴塞羅那的拉曼魯爾大學的ESADE商學院營銷學教授。菲利普·菲恩巴赫是科羅拉多大學波德分校利茲商學院營銷學教授,合著有《知識錯覺:為什么我們從未獨自思考》(The Knowledge Illusion: Why We Never Think Alone)(河源出版社,2017年出版)。

DBA報名學習入口