在《
產品經理需要了解的心理學知識(問題的設立如何影響問題的答案)》中,和大家討論了“問題的設立如何影響問題的答案”,那麼今天要和大家一起關注的是“決策模型”相關的一些知識。

這些模型是建立在人們的態度以及偏好是固定的這一基礎之上,決策者被看成是“理性人”,追求的是自我利益的最大化。雖然在頻繁發生動態變化的情況下可能會有偏差,但是在固定場景下對人們進行分析確是非常好用的方法。那麼就直接切入正題吧~

一、期望效用理論

同樣的1000美元,對於一個窮人的效用要比它對於一個富人的效用要大得多,雖然二者的金額完全是相同的。

也就是我們經濟學的入門知識啦,“邊際收益遞減效應”,金錢的效用隨着金額的增多(或者說已有財富的增多)而遞減。

當然,不只是金錢,很多別的東西也存在邊際效用遞減,舉兩個例子吧:

突然間減少50萬用戶數量對於你們的APP或者說幾乎等於宣判死刑了吧?但是對於微信或者QQ來說呢?就微不足道了吧。

第二個例子,某PM以前上學沒有什麼固定收入的時候,每頓飯就想着吃一頓10多塊的便當,後來過了多年,PM工作了有了達到行業平均值的薪水了,但是他還是一頓飯吃10多塊的便當就非常非常滿足了,於是每個月的薪水都會餘下來不少,就存起來了,“儲蓄”給他帶來的滿足感(效用),明顯不如花掉的錢給他帶來的效用高,但是沒轍啊,人家就10多塊便當這點追求,所以多出來的都“邊際效用遞減”了。

後來這一學說逐漸成為了理性決策的一個公理,由“期望效用理論”推出的原則有6條,後來也成為了理性決策的6條原則,熟悉這6條原則對於我們做出客觀理性的決策是有幫助的,下面對這6條原則逐條進行介紹:

有序性

決策者可以對任意兩個備選方案進行比較,要麼偏好其中一個,要麼兩個都無所謂。

嗯,看上去就像是正確的廢話一句,那麼只好用實例來說明了。很簡單,比如說一個編輯在糾結用戶到底喜歡看圖文還是喜歡看漫畫,兩者之間一直在做選擇也不知道自己偏向於哪邊,然而他缺忘了考慮這一層“你發啥用戶看啥”,不斷糾結於做2選1,嗯,典型的非理性決策。

佔優性

決策者永遠不會採用一個被別的策略佔優的策略。

嗯,又一句正確的廢話,那就來個我自己的例子吧。有次過年,朋友說送我雙運動鞋,問我要阿迪達斯的還是Kappa的,當時我就說,要個361的吧……理由其實很簡單,有次我不注意,踩到釘子上了,然而那雙361的鞋底子破了,但是把我的腳護住了,沒受傷,所以在這次對於鞋子的選擇上,感情因素介入,我選擇了361的鞋子放棄了更高檔的鞋子。所以這個選擇就是一個非理性的選擇。

相消性

在進行選擇時只比較方案之間那些不同的結果,兩種方案相同的因素應該相互抵消。

看上去又是so easy,對不對,但是做起來也要注意方式方法,在做決策的時候最好是能夠使用“表格法”來對方案進行比較。比如比較兩條棉被的時候,拆分出“厚度”“材質”“面積”“合格率”“價格”這些屬性,然後逐一比較,進行選擇。很多PM在做競品分析的時候都使用表格法進行比較,在此就不再贅述了。

可傳遞性

假設有3個方案,ABC,決策者在A與B中偏向於A,在B與C中偏向於B,那麼A與C中理性決策者必然偏向於A。

這個原則很容易被別人利用來進行欺騙。同樣還是舉個例子,一個公司的資源和時間都是有限的,有的PM朋友並沒有時刻牢記產品原則,比如一款鬧鐘軟件,第一天早上用戶A跟他抱怨“沒有鬧鐘備註功能用着感覺很不好”,中午用戶B跟他抱怨“能不能加個社交功能啊,你看隔壁XX”,下午用戶C打電話說“朋友,不加個遊戲功能么?”,然後PM覺得備註功能沒社交功能重要啊,畢竟隔壁都開始弄了,但是C是個很有錢的用戶啊,似乎遊戲功能也挺不錯的,但是備註功能似乎可以滿足大部分用戶需求啊……然後PM炸了,就這樣。

連續性

對於一組結果,如果出現最好的結果的概率非常大,決策者總是在最好和最差的結果中進行賭博而不是選擇一个中間值。

這次舉一個遊戲界的例子吧。動視暴雪現在每年都會發布一部新的遊戲作品,而不是發點補丁做做微調,因為他們新作成為新的爆款的概率非常高。

恆定性

決策者不會受到備選方案表現形式的影響。

比如餅乾A,從每盒10塊提升到每盒12塊,包裝上印的是“送2塊!”

餅乾B,同樣從每盒10塊提升到每盒12塊,包裝上印的是“送20%!”

其實都是一樣的。

二、描述性決策模型

通過詳細的描述,決策者的決策選擇會受到一些影響,還是用一個易於理解的例子來說明吧:

1977年的時候,傑尹·拉索做了一個實驗,內容是在超市裡面的麥片上標註了每一克麥片的單價,這個時候人們往往會選擇購買單價最低的品牌,但是價格從始至終沒有改變過,但是就因為這個描述,導致了麥片品牌的銷量發生了變化。

滿意

人們在做決策的時候,追求的是“滿意”而不是“完美”。“用戶習慣”一說其實也部分出於此。

比如說我們在買垃圾袋和砧板的時候往往只需要買個便宜的,差不多的就行了,並不會進行精挑細選。互聯網產業同理,所以有句話叫做“最大的競爭對手是用戶習慣”一點也沒錯。

前景理論

簡單來說就是,“失去”給人帶來的感覺要比“收益”來的更加強烈。

理由是由於一個叫做“稟賦效應”的東西,指的是當一件物品成為人的稟賦時,它的價值就增加了,比如人們對於自己的寵物往往會開出天價;再比如在“知乎”建立的初期,對於其實免費的一個知乎賬號,有的人也會開出不低的價格拿去賣。

前景理論還包括1點就是,人們在面對收益的時候經常採用規避風險,而面對損失的時候更加偏好風險。

1979年卡尼曼的一個實驗就對前景理論的這一部分進行了證實,他問了被試幾個問題:

問題一   A 50%幾率獲得1000美元,B 肯定獲得500美元

70名被試回答了這個問題,其中84%的人選擇了B

問題二  C 50%概率損失1000美元,D 肯定損失500美元

這個問題,70%的人選擇了C

但是對於買彩票這種小概率高回報的事情,人們又會去傾向於賭博,所以概率和回報/損失中間有一個打破的臨界值,具體是什麼樣的比例,我也並不知道……

確定效應

由同一個因素引起的結果概率減小,在結果最初就確定時產生的影響要大於在結果最初只是可能的影響。

非常抽象的一個描述,但是說個例子各位就能夠明白了。

從4種花色的紙牌中去掉一種花色相比,人們更加傾向於從雙面硬幣中去掉一種可能結果的賭博也就是說前者能夠增加你賭博成功的概率,後者可以讓你確定賭博可以贏。雖然兩者都是“減少一種可能結果”。

人們更加願意去消除風險,而不是減少風險,即便損失發生的概率在兩種情況下都等量減少了。

後悔理論

在一些情況下,人們將某個決策質量的衡量建立在與其他不同決策的後果相對比的情況下,由於依賴假設的事件,有時候也被稱為“反事實推理”。人們會將“後悔”作為一個規避風險的變量,避免決策失敗的後悔。

後悔理論的例子很普遍,很多人想跳槽,但是又擔心跳槽之後帶來的後悔,所以遲遲沒有行動。

但是當涉及到高風險決策的時候,談論負面後果的後悔是沒有意義的。比如心臟手術,比如企業的特大換血,甚至比如產品的大轉型。

多屬性選擇

許多的選擇中,結果不能根據某個單一的標準來進行描述。在面臨多屬性的選擇時,如果是對於方案的2選1,人們常常會採取1種“補償性”的策略,以某個標準的高價值來彌補某個標準的低價值,比如選擇外賣APP的時候,人們都會選擇優惠力度最大的哪怕它的界面丑的一塌糊塗。

這種選擇策略一般來說有2種模型:

線性模型

每一個標準的重要性賦予其權重,然後將各個標準的值加權后得到總體價值指數。

比如說選擇外賣APP的時候“優惠力度”這個標準是權重最高的,別的什麼“界面美觀”“運行速度”“品牌背書”都是低權重的標準,那麼用戶在選擇相應產品的時候最為看重的就是“優惠力度”了。

理想點模型

決策者心中有個理想方案,然後用備選方案在各個標準上與理想方案進行比較,對差異進行加權,

比如說我在選擇外賣的時候,心中的“理想模型”就是“滿20減10,原始均價16元,加飯1元,30分鐘內送到的便當店”,然後開始在外賣APP上進行瀏覽,和心中的理想模型進行對比,最後點餐。

非補償性策略

面對多個備選方案的時候經常使用,與補償性策略不同,並不允許不同標準間的相互協調。非補償性策略有下面3個具體的策略方案,下面進行描述和舉例說明。

有關聯原則

決策者可以排除預定範圍外的方案

比如某省高考一本線是550分,那麼550分以下的考生就會被排除在一本學校的錄取預計之外。

在互聯網領域呢,可以用在用戶分類的工作上,比如月活躍時間少於20小時的,就不能被列為“有效用戶”之類的。

析取原則

衡量每個備選方案的標準是這一方案所具有的最好的屬性,而不管其他屬性有多差。

比如某企業在招收程序員的時候看的僅僅是他的JAVA水平,而不管他的人品、學習能力、工作態度等等。只要JAVA熟練,哪怕是一隻猴子也要。

優先標準

面臨等價的備選方案時,人們並不是隨機進行選擇,而是先識別出對自己重要的標準,然後選擇那些在這個標準上有更高價值的方案。

又是個比較抽象的概念,所以還是用例子來進行說明。

比如說在遊戲裏面,有兩種武器,槍和火箭筒,火箭筒每2秒可以攻擊一次,每次攻擊100點傷害;槍每秒可以攻擊2次,每次攻擊可以造成25點傷害。那麼這兩種武器的每秒傷害其實是一樣的,但是有的玩家喜歡“爆發”,喜歡一瞬間的快感,就選擇了火箭筒;而喜歡“靈活”以及“持續傷害”的玩家就會選擇槍。

 

本文由 @李紅袖(微信公眾號:Qinghua_Game) 原創發佈於人人都是產品經理 ,未經許可,禁止轉載。