首頁 / 自我成長 / 思維模型入門：新手必學的 100+ 個基礎模型

思維模型入門：新手必學的 100+ 個基礎模型

什麼是「思維模型」？

思維模型（mental model）是大腦用來理解世界、預測結果與指導行動的內部簡化圖。

它把外部複雜現象濃縮成一套可供「快速思考」的核心規則——類似地圖、電路圖或公式——讓我們在有限資訊下，仍能做出較好的判斷。

思維模型與「方法」「框架」有何不同？

多少個思維模型才夠用？

50+ 核心模型 ，已足以過好一生。

• 10–12 個 打基礎，避免顯而易見的錯誤。
• 30–50 個 形成跨學科連結，覆蓋大部分工作與投資場景。
• 80–120 個 適用於需要去「看見別人看不見的」創新或高槓桿決策。
• 超過 200+，除非研究型職業，否則投入 / 產出往往不符。

100+ 個核心思維模型有哪些？

下面 150 個模型，每一個都展開成完整的一節：它從哪來、怎麼運作、有什麼經典案例、你今天就能怎麼用，以及它在什麼情況下會騙你。最後那一項是我花最多力氣的地方——多數模型清單都在教你怎麼用，很少有人告訴你什麼時候它不成立。一個你不知道邊界的模型，比不知道這個模型更危險，因為你會拿它去解釋不該解釋的事。

讀法我只建議一件事：不要從頭讀到尾。挑三個，用一個月，再回來拿第四個。

一、決策與判斷（20 個）

八二法則

少數關鍵因素（20%）決定大多數結果（80%）；找出高槓桿點，集中資源。

這條規律的起點很偶然。義大利經濟學家帕雷托在整理土地資料時注意到，全國八成的土地握在兩成的人手裡，後來他發現自己院子裡的豌豆也差不多——八成的豆子來自兩成的豆莢。二十世紀中，品管專家朱蘭把這個觀察搬進工業界，說絕大多數的瑕疵來自少數幾種原因，「關鍵少數」這個講法就這樣傳開了。

先講一件很多人搞錯的事：20 和 80 不是精確的數字，也不必加起來等於 100。有些領域是 90/10，有些是 99/1。它真正在講的是一種形狀——投入跟產出的關係不是等比例的，而是嚴重傾斜的。微軟曾公布過修掉最常出現的兩成錯誤，就能消除八成的當機和系統掛掉。你自己的客戶名單、你的文章成效、你的收入來源，攤開來看多半也是這個形狀。

那要怎麼用？我的做法是先盤點，後決定。找一個晚上，把你上個月做過的事全部列出來，逐項標記「這件事有沒有真的推動什麼」。多數人列完會嚇一跳：一個月三十天，真正產生結果的可能只有三四天，其他時間在回信、在開會、在處理別人丟過來的事。這份清單本身不會改變什麼，但它會讓你下個月排行事曆時，手抖一下。

接著講它最常被誤用的地方。有人拿它合理化偷懶：「反正只有兩成有用，剩下八成我都不做。」問題是那八成裡有一部分是地板——回客戶信、對帳、備份、繳稅。這些事不做，會直接讓那兩成失效。八二法則是用來分配「額外的心力往哪放」，不是用來砍掉你的底線。

還有一個更根本的限制：你只有事後才知道哪兩成有效。事前就篤定押注，通常押錯。所以真正的操作順序是先廣撒、快速觀察、再收攏，而不是一開始就宣布「我只做這一件」。創作者尤其吃這個虧——如果你只寫你以為會紅的題目，你會錯過那些莫名其妙紅起來的。

最後一個延伸值得記住：八二法則會遞迴。在那兩成裡面再套一次，就是 4% 帶來 64% 的結果。這解釋了為什麼頂尖跟中上的差距，看起來遠大於他們投入的差距。

機會成本

選擇一條路，實際成本是放棄的最佳替代收益，用以評估取捨。

多數人算成本只算兩樣：掏出去的錢，花掉的時間。經濟學要你多算第三樣——你放棄掉的那條路本來會給你什麼。花三萬塊上一門課，帳面成本是三萬，真實成本是三萬加上這筆錢的其他用途，再加上那六十個小時本來可以拿去做的事。

這個模型最有威力的地方在「看起來免費的東西」。免費的講座、免費的合作邀約、朋友找你幫個小忙、公司裡那個沒人想去但你不好意思推的會議。這些東西的價格標籤都是零，機會成本可能高得離譜。全職工作的人常常忘記自己有一份隱形帳單：每接一個副業，就等於放棄一段本來能修復精力的時間，而精力沒有回來，會在三個月後以另一種形式收帳。

要用得準，就要問得具體。不要問「這件事值得做嗎」，這種問法永遠會得到「值得啊，多少有點收穫」。要問的是：如果我不做這件事，這段時間我實際上會拿去做什麼？答案如果是「躺著滑手機」，那機會成本很低，去做吧。答案如果是「我本來要把那份提案寫完」，那你就得重新排序了。

有一個經濟學家做過的經典調查很有意思：他們問一群經濟學家一道機會成本的題目，答對率大約只有兩成——跟隨機猜差不多。連專業訓練過的人在快速回答時都會漏掉這一層，可見它有多違反直覺。

邊界要記清楚兩條。第一，機會成本算的是「最好的那一個替代方案」，不是所有替代方案的總和。你放棄了十件事，不代表你有十倍損失，你只損失了其中最好的那一個。第二，這個模型會讓有些人陷入分析癱瘓——每做一件事都在心裡跑一遍所有替代方案，最後什麼都不做。實務上的解法是分級：大決定（換工作、簽長約、大額投資）認真算，小決定用預設值處理，不要每天為午餐算機會成本。

還有一個延伸很實用：機會成本會隨著你的能力上升而上升。你越值錢，你做低價值事情的代價越高。所以那些「我自己做比較快」的雜事，過了某個門檻就該外包，即使外包品質比你差一點。

奧卡姆剃刀

若多種解釋皆能成立，優先採用假設最少、最簡潔者。

十四世紀的修士奧坎的威廉留下一句大意是「如非必要，勿增實體」的話。後人把它磨成一把刀：當好幾種解釋都能說得通，先押那個需要最少額外假設的。

舉個你今天可能就遇到的例子。同事已讀你的訊息三小時沒回。解釋一：他在忙。解釋二：他因為上週那場會議上你講的話對你有意見，所以刻意冷處理，順便觀察你會不會主動示好。前者需要一個假設，後者需要四個，而且每一個都需要你去猜別人的內心。在沒有其他證據之前，剃刀說先押前者。

它在除錯上特別好用。網站掛了，工程師的第一直覺常常是想像複雜的資料庫連鎖故障、上游服務異常、快取穿透。實際上九成的時候是有人剛剛推了一版壞掉的程式碼。醫學院有一句幾乎一樣的口訣：聽到蹄聲先想馬，不要先想斑馬。急診室的醫生如果每次都先懷疑罕見病，會害死人。

要小心的是，這把剃刀砍的是「假設數量」，不是「聽起來的複雜度」。演化論本身一點都不簡單，它需要你理解變異、遺傳、選擇壓力、時間尺度。但它需要的前提假設，比「有一位造物者分別創造了每一個物種、並且刻意在岩層裡留下看起來像過渡型態的化石」少得多。把奧卡姆剃刀理解成「越簡單的說法越對」，在真的存在複雜因果的領域會出大事——經濟、流行病、氣候、慢性病，這些領域的簡單答案通常是錯的答案。

實務上我最常用它的方式是抓補丁。當你發現自己為了維持某個判斷，必須不斷加上「除非…」「可能他其實…」「但這次情況比較特殊…」，那些補丁就是訊號。一個需要五個例外條款才能成立的解釋，大概已經該丟了。

還有一個相關的原則值得一起記：漢隆剃刀。能用愚蠢解釋的，不要歸因於惡意。多數看起來像針對你的行為，其實是別人沒想那麼多。這條在職場上省下的內耗，可能比任何時間管理技巧都多。

沉沒成本謬誤

已付出的時間金錢無法回收，不應影響當前理性決策。

一部電影看了四十分鐘，很難看。你會走嗎？票錢已經付了，走或不走都拿不回來，留下來只是再賠一個小時。理性上很清楚，但大多數人會坐到最後，因為離開等於當場承認「我剛剛那筆錢白花了」。

真正貴的版本發生在大額投入上。讀了三年才發現不適合的研究所，投了兩年的產品線，撐了很久卻早就沒有感覺的關係。投入越多越難停損，而且會出現一種很危險的衝動：加碼把它救回來。賭場靠這個賺錢，很多公司也靠這個把小坑挖成大坑。

協和號客機是教科書案例，甚至有人直接把這個謬誤叫做協和謬誤。英法兩國在開發過程中就已經算出商業上不會回本，還是繼續投錢，因為停下來會讓已經投入的一切變成一個公開的、寫在報紙上的失敗。這裡藏著一個常被忽略的動機：人堅持下去，往往不是因為算不清楚，而是因為承認錯誤的社會成本很高。

破解的問法我用得很順手，也推薦你抄走：假裝你是今天才空降接手這件事，前面什麼都沒投，你還會選它嗎？如果答案是不會，那就是該停的訊號。這個問法之所以有效，是因為它把你從「已經投入的那個人」換成「一個外部的評估者」，而外部評估者不需要保護面子。

要區分清楚的是——這一點很多人搞混——「已經花掉的錢」跟「已經累積的能力」不一樣。三年研究所的學費是沉沒的，但你在裡面練出來的統計能力、寫作能力、跟教授周旋的能力可以帶走。這部分要算進未來的收益，不算沉沒。所以停損不等於歸零，你可以帶著一部分資產轉場。

另外要提醒：有些「堅持」看起來像沉沒成本謬誤，其實不是。長期投入本來就會經過看不到回報的平原期（見學習曲線那一條），這時候放棄才是錯的。判斷的差別在於，你是因為有理由相信未來會好而繼續，還是因為不想承認過去而繼續。問自己一句話就能分出來：如果沒有人知道我曾經投入過，我還會繼續嗎？

逆向思考

從想要避免的結果出發倒推策略，常能發現疏漏與盲點。

正著想「怎麼讓這件事成功」，你腦中會冒出一堆可能有用的方法，而且很難排序，因為每一個聽起來都有點道理。反過來問「怎麼樣做一定會搞砸」，答案會突然變得又快又具體：稿子拖到最後一天才動、簡報當天沒有先測投影、把客戶的公司名字打錯、重要的檔案只存在一個地方。

查理蒙格常講的版本很直白：我只想知道我會死在哪裡，這樣我就不去那裡。他把這套當成投資的第一道濾網——先排除掉所有會讓你出局的做法，剩下的才拿來比較。這個順序很重要，因為避開明顯的失敗因素比找到成功因素容易得多，而且效果穩定。成功的路有一百條，失敗的路就那幾條，而且大家都掉進同樣的坑。

具體怎麼做？把你的目標寫下來，然後在下面寫一份「保證失敗清單」，硬湊十條。接著把每一條轉成一個防呆動作。想長期維持健康，先列出保證變不健康的做法——睡不夠、不動、一天一杯手搖、壓力沒有出口——再一條一條戒掉，比研究哪種超級食物有效率太多了。想維持一段關係也一樣，列出保證搞砸的行為，通常比列出「如何經營感情」實用。

它在制度設計上也很強。要設計一個不會出事的流程，先想像所有出事的方式，再針對每一種加防線。航空業、核電廠、醫院的檢查表全部是這樣長出來的。

邊界在哪？避開失敗不等於會成功。一個從不犯錯的創作者可能只是平庸，一家什麼險都不冒的公司會慢慢乾掉。逆向思考負責守住下限，上限還是得靠正向的、可能會失敗的嘗試。所以健康的配置是：用逆向思考鎖住不能出的事，用正向嘗試去追不確定的機會。這跟後面會講到的槓鈴策略是同一個結構。

還有一個常見的失誤：只列出你已經知道的失敗方式。這份清單的品質取決於你見過多少種失敗，所以主動去讀失敗案例、去問倒過的人、去看事故報告，是提高這個模型效力最直接的方式。

二階思考

考量行動的二次、三次效應，避免只看到眼前結果。

一階思考是「然後呢」只問一次就停手：房價太高，那就限制房價。二階思考會繼續問下去：限價之後建商還願意蓋嗎，新供給減少之後三年後會怎樣，會不會出現檯面下的交易，最後受害的是不是本來要保護的那群人。

橡樹資本的霍華馬克斯用這個區分好壞投資人。一階思考的人看到一家好公司就買；二階思考的人會問「大家都知道它是好公司，那這個好消息是不是已經反映在價格裡了？如果是，我買的到底是什麼？」差別不在於誰的資訊多，而在於誰多推了一步。而且他強調一件很殘酷的事：要贏過平均，你的想法必須跟共識不同，而且必須是對的。光是不同不夠，光是對也不夠。

日常版本到處都是。發獎金激勵業績是一階，二階是這個獎金制度會讓人怎麼鑽漏洞——會不會有人把下個月的單壓到這個月，會不會有人為了衝量接爛客戶。餐廳上外送平台換曝光是一階，二階是客人習慣了平台之後，你再也回不去自有通路，而抽成會逐年調高。政府補貼某個產業是一階，二階是資源湧入之後產能過剩。

用它的方法很土但有效：養成一個口頭禪，「這麼做之後會怎樣，然後呢，再然後呢」。推到第三層通常就夠了。推太多層會變成癱瘓，因為每多一層，不確定性就乘上去一次，第五層的推論基本上是編故事。

有兩種情況特別容易出現嚴重的二階效應，值得你警覺。第一種是你的行動會改變別人的行為（誘因設計、定價、規則）。第二種是你的行動會改變系統的結構（把某個環節自動化、把某個部門裁掉、換掉一個看似不重要但很多人依賴的工具）。這兩種情況下，一階的效果通常是你要的，二階的效果通常不是。

一個很有代表性的歷史例子是眼鏡蛇效應：據說殖民時期的印度為了減少眼鏡蛇，懸賞收購蛇屍，結果有人開始養蛇來領賞；政策取消後，這些蛇被放生，蛇反而變多。這個故事的史料佐證其實不強，但它被反覆傳頌是有原因的——同樣的結構在現代政策裡不斷重演。

末日倒推

假設計畫失敗，逆推原因並預先補強；提升成功率。

心理學家 Gary Klein 推廣過一種會議形式，做法簡單到有點好笑：專案還沒開始，先讓所有人假設一年後它徹底失敗了，然後各自安靜寫下五分鐘的失敗原因。

這個小動作繞過了一個很硬的心理障礙。在啟動階段講風險，會被當成不合群、扯後腿、對團隊沒信心，尤其當老闆已經表態很興奮的時候。但在「假設它已經失敗」的框架下，講出擔憂從冒犯變成了任務，你是在完成一個被指派的作業，不是在唱衰。

Klein 的說法是，這種做法讓人講得出來的風險，比事前用「你有什麼疑慮嗎」問出來的多。原因跟人腦的運作方式有關：我們很擅長替已經發生的事找原因（事後諸葛就是這種能力的副作用），很不擅長替還沒發生的事評估機率。末日倒推等於是借用了前者的能力來服務後者的目的。

個人也能用，而且效果不輸團隊。要辭職創業前，先寫「半年後我彈盡糧絕收攤了，最可能是哪裡出錯」。寫出來的通常是三件事：現金流撐不到有收入、找不到第一批付錢的客戶、家裡出狀況打亂節奏。這三條每一條都能對應到一個具體的準備動作——多存三個月、開始前先預售、跟家人把時程講清楚。

執行時有幾個細節會影響效果。第一，一定要先各自寫再開口，否則第一個發言的人會定調，這是群體迷思那一條的老問題。第二，要求寫「具體的失敗劇本」而不是「風險類別」——不要寫「執行力不足」，要寫「三月時 A 離職，交接沒做完，四月的交付延遲兩週，客戶不續約」。具體的劇本才能對應到具體的防範。第三，寫完之後要排序，挑最致命而且最可能的兩三條處理，其他的存檔就好，不然會變成一份沒人看的風險清單。

跟逆向思考的差別在時態。逆向思考是問「怎麼樣會失敗」，你還站在現在；末日倒推是先假定「它已經失敗了」，你站在未來回看。時態不同，逼出來的答案不同，兩個都做一次成本也不高。

貝葉斯定理

用新證據更新原有信念的機率分布，動態修正判斷。

公式長什麼樣不重要，精神比較重要：你對任何一件事的判斷都應該有一個起始機率，每來一個新證據就往上或往下調一點，而不是在「我相信」和「我不信」之間跳來跳去。

有個例子把它的威力講得最清楚。假設某種疾病的盛行率是萬分之一，檢驗的準確率是 99%。你去驗，結果是陽性。你得病的機率大概是多少？多數人脫口而出 99%。實際上大約只有 1%。原因是在一萬個人裡，只有一個真病人，卻有大約一百個健康的人被誤判成陽性。起始機率太低的時候，一個證據翻不了盤。醫學院要花很多力氣教這個，因為連醫生也常常答錯。

日常應用比你想的多。看到一則聳動的爆料，不要直接問「這聽起來合不合理」，要先問「這種事本來多常發生」，再問「這個消息來源過去的可靠度如何」。兩個一起看，才不會被單一證據拉走。面試也一樣：一個表現很好的面試表現，要放在「面試表現好的人裡面有多少比例真的做得好」這個背景機率上讀。

我覺得最實用的是一句心法：問自己「要看到什麼，我才會改變想法」。這個問題答得出來，代表你的信念是可更新的，你在做判斷；答不出來，那不是判斷，是立場。而且這個問法還有個附加價值——把答案先寫下來，之後那個證據真的出現時，你比較難賴帳。

要注意兩個常見的失誤。第一是起始機率抓錯。人很容易用「這件事聽起來多戲劇化」代替「這件事多常發生」，於是把罕見的事想得很常見（空難、綁架、隨機攻擊）。第二是證據強度估錯。很多我們以為有力的證據其實很弱，因為它在「假設不成立」的世界裡也很容易出現。判斷證據強度的正確問法是：如果我的假設是錯的，我還會看到這個現象嗎？如果會，那它幾乎沒有資訊量。

最後補一個實作習慣：把重要判斷連同機率寫下來，日期記上，過三個月回去看。你會很快發現自己在哪類題目上長期過度自信。這比讀十本關於偏誤的書有用。

預期價值（EV）

機率 × 收益的加總，用來篩選正期望、淘汰負期望選項。

一張成本 50 元的彩券，有 1% 的機會中 1000 元。期望值是 10 元，成本是 50 元，長期玩必虧。反過來，一個八成機率賺 100、兩成機率賠 200 的機會，期望值是 40，值得反覆去做，即使你這次可能賠錢。

這個模型幫你解掉一個非常普遍的思考錯誤：用結果的好壞來判斷決策的好壞。撲克圈把這個叫做結果導向，而且是罵人的話。你押對了不代表你算對了，很可能只是運氣好；你押錯了也不一定是判斷錯，可能只是那兩成發生了。要評價一個決定，得回到做決定當下的機率和賠率，而不是看它這次開出什麼。Annie Duke 在《高勝算決策》裡整本書都在講這件事，她的說法是：把決策品質和結果品質分開看，是所有高手的共同習慣。

用它有兩個前提。第一，這件事你會做很多次，期望值才會實現。單次的極端事件不服從平均——你不會因為期望值是正的，就在單次賭局裡賭上全部身家。第二，收益要能量化。感情、名聲、健康這些東西很難塞進乘法裡，硬塞會得到一種假的精確感。

還有一個修正非常重要，重要到後面會單獨開一條講：涉及破產風險的時候，期望值再高也不能玩。因為破產會終止「你可以一直玩下去」這個前提，而那正是期望值成立的基礎。凱利公式處理的就是這個問題——它算的不是要不要下注，而是該下多少比例，才能在賠率有利的情況下長期成長而不歸零。

實務上有一個簡化的用法很好上手，叫做期望值四格。把你的選項寫下來，各自估「成功的機率」「成功的收益」「失敗的機率」「失敗的代價」，四個數字寫出來就好，不必精確。多數時候你不需要算出答案，光是把這四格填完，哪個選項明顯比較好就浮出來了。真正危險的選項通常長這樣：成功機率高、收益普通、失敗機率低但代價無限大。

決策矩陣

列出方案與評分指標，量化比較多重選項優劣。

橫軸放候選方案，縱軸放評分項目，每個項目給一個權重，逐格打分，加權加總。找工作可以放薪資、通勤時間、成長性、直屬主管、產業前景、穩定度；買房可以放坪數、學區、屋齡、生活機能、貸款壓力、增值空間。

這個工具最有意思的地方，是它真正的功用往往不是那個總分。很多人做完矩陣，看到 A 的分數比較高，卻鬆一口氣地選了 B——這時候你就知道自己真正在乎什麼了，而那個訊號比分數有價值得多。所以我會建議：算完分數之後，先不要看結果，自己猜一次哪個會贏，再對答案。猜的跟算的不一樣的時候，就是你的隱藏權重現身的時候。

技術上有兩個地方最容易出錯。第一是權重是主觀的，而人會偷偷調權重來讓自己想要的選項勝出——這是決策矩陣最常見的自我欺騙。防它的做法是：先訂權重，再蒐集分數，順序絕對不能反。權重訂完就鎖住，不准回頭改。

第二是評分尺度。用一到五分比一到十分好，因為人分辨不出十個等級，硬要分只會製造雜訊。而且盡量把主觀項目換成客觀代理指標——「成長性」很難打分，「這個職位過去三年有幾個人升遷」比較好打。

適用範圍也要講清楚。方案超過五個或指標超過八個的時候，矩陣會變成一種高級的拖延，你會花三天調表格而不做決定。這時候先用淘汰法：訂兩三條硬條件（通勤不能超過一小時、薪水不能低於某個數字），砍掉不符合的，剩下的再進矩陣。

還有一種情況它完全不適用：當某一個項目是否決項的時候。如果直屬主管是你完全無法忍受的人，其他項目再高分也沒用，這時候用加總會得到錯的答案。遇到否決項要單獨處理，不要放進加權裡稀釋掉。

最後一個延伸：矩陣做完之後留著。三個月、一年後回頭看，你會發現自己當初的權重排序準不準，這是校正判斷力最便宜的方式。

SWOT 分析

檢視內部優劣勢與外部機會威脅，形成策略基礎。

四個格子：內部的強項與弱項，外部的機會與威脅。它之所以流傳這麼廣，是因為它強迫你同時看內外，不會只顧著檢討自己，也不會只顧著怪環境。

但老實說，大多數人做的 SWOT 是廢的，因為他們填完四格就收工了。那份表除了讓人覺得「我有做功課」之外，沒有產生任何決定。有用的一步在填完之後：配對。用哪個強項去接哪個機會（這是進攻方向），哪個弱項碰上哪個威脅最危險（這是必須先補的破口），還有——這格最容易被忽略——哪個強項可以用來擋掉哪個威脅。這三組配對出來的東西才叫策略，前面那四格只是原料。

個人版完全成立，而且更好用，因為你對自己的資料比對市場的資料準。舉個例子：強項是十年的產業業務經驗和一批真的會接你電話的客戶，弱項是完全不會做數位內容，機會是這個產業正在轉線上而且老闆們都很焦慮，威脅是年輕人更便宜也更懂工具。配起來的結論很清楚——你的位置不是去跟年輕人比工具，是去當那個「懂產業又懂一點線上」的中介。

寫的時候有一條紀律要守：具體到能被驗證。「執行力強」不是強項，那是形容詞，每個人都會這樣寫。「三個月內能獨立完成一次完整的客戶導入，不需要主管介入」才是強項，因為它可以被檢查。同樣的，「市場競爭激烈」不是威脅，「前三大競爭者去年都推出了比我便宜三成的方案」才是。

它被批評的地方也要知道：SWOT 是靜態的快照，沒有時間軸，也沒有處理各項之間的權重。一個致命的威脅跟一個小威脅在表上長得一樣大。所以比較成熟的用法是把它當成盤點的第一步，後面接波特五力（看產業結構）或情景規劃（看不同的未來），不要只用它就下策略。

還有一個實作建議：找兩三個了解你的人各填一份，跟你自己填的對照。你的盲點區（見周哈里窗）會在那個對照裡跳出來，而那通常是整份 SWOT 最有價值的部分。

零假設思維

先假定「沒必要做」，只有證明有正向效益才行動。

把預設值設成「不做」。任何一個新專案、新會議、新功能、新工具，都必須先舉證它為什麼該存在，舉不出來就砍掉。這跟一般組織的預設剛好相反——多數地方的預設是「先做做看，反正沒壞處」。

零基預算是同一套邏輯的財務版本，做法是每年編預算時不拿去年的數字加減，而是每一筆都從零重新問「這筆錢為什麼要有」。很多存在了十年的支出，一被問就消失了，因為當初的理由早就不存在，只是沒有人負責喊停。

個人層面最有感的應用是行事曆。把所有重複性會議先全部刪掉，真正需要的人自然會來找你重開，而沒有人來找的那些，就是本來就不必要的。訂閱制服務也適用：全部取消，缺的時候再訂回來，三個月後你會發現訂回來的不到一半。社群帳號、群組、電子報，全部可以跑一次這個流程。

它之所以有效，是因為它把舉證責任反過來了。維持現狀不需要理由，改變需要理由——這是預設選項偏差造成的常態。零假設思維把這個結構翻過來，讓「維持」變成需要辯護的一方。光是這個翻轉，就能清掉很多長年累積的沉積物。

但它有一個很危險的副作用，一定要處理。對於效益要很久才顯現的事——學習、關係維護、基礎建設、健康、備份、文件——你在當下舉不出證據，用零假設會全部砍掉，然後在兩年後付出很大的代價。這類事情要另外開一個保護區，明確宣告「這些不受這條規則管」，否則零假設會變成一台短視的絞肉機。

判斷一件事該不該進保護區，有個簡單的問法：這件事的回報是不是要一年以上才看得到？如果是，它就不能用當下的效益來審。這條界線劃清楚之後，零假設思維才是安全的。

時間折現

同一金額現在＞未來；愈遠期的價值需貼現計算。

今天拿到一萬塊，和一年後拿到一萬塊，價值不一樣。差額來自三個地方：通膨會吃掉購買力、這筆錢在這一年本來能產生報酬、以及對方在這一年裡跑掉的風險。金融上會用一個折現率把未來的錢換算回今天，所有的估值模型底層都是這件事。

人腦內建的折現率非常高，而且——這是重點——它不是平滑的。實驗會問你：今天拿一百塊，還是一個月後拿一百二？多數人選今天。再問：一年後拿一百，還是一年又一個月後拿一百二？多數人選後者。同樣是等一個月、同樣是多兩成，答案卻反過來。這叫雙曲折現，它是拖延、衝動消費、戒不掉的習慣共同的數學形狀：離現在越近，時間的價格越高。

有個著名但要小心引用的實驗是棉花糖測驗——小孩能忍住不吃眼前的棉花糖以換取更多，據說跟後來的成就有關。要標註的是，後續大規模的複製研究發現，這個關聯在控制家庭社經背景之後大幅縮小。所以它比較適合當成「延遲滿足這個概念的說明」，不適合當成「意志力決定人生」的證據。

實務上有兩個方向的用法。對外談判時，用「現在就付、金額少一點」跟對方交換條件，往往談得成，因為對方的折現率通常比你想的高，尤其是現金流緊的人。這在議價、催款、談合作都用得上。對內做長期規劃時，反過來提醒自己壓低折現率，把未來的自己當成一個真實存在、會感謝或痛恨你的人。

有一個小技巧很有效：把未來的收益折算成「每天」。存退休金聽起來遙遠到沒有感覺，換成「今天少喝一杯，換未來多幾天的自由」就有感了。反過來也一樣，把每天的小支出乘以三百六十五再乘以十年，那個數字通常會讓人安靜幾秒鐘。

最後一個邊界：不是所有的耐心都是美德。在高度不確定的環境裡，高折現率其實是理性的——如果你不確定明年還在不在這個位置，把資源投在遠期就是浪費。這也解釋了為什麼處境不穩定的人看起來比較「短視」，那往往是對環境的合理反應，不是人格缺陷。

隱性假設

不自覺預設條件可能錯誤，需刻意挖掘並驗證。

每一個計畫底下都躺著一堆沒有人講出口的前提。「客戶會願意先付訂金」「合作方下個月能交件」「這個功能大家會想要」「主管不會臨時改方向」。它們沒有被寫進計畫書，因為所有人都覺得那是理所當然的——而理所當然，正是它們危險的原因。

爆掉的專案，事後檢討幾乎總會指向其中一條。你會聽到「我以為他們會…」這種句子，那個「我以為」就是被踩到的隱性假設。

九宮格連線那個經典謎題是這個模型的視覺版：用四條直線連完九個點，多數人做不到，因為他們自動假設線不能超出那個方框。題目從來沒說。這個「跳出框框」的比喻被用爛了，但它的機制值得記住——限制不是題目給的，是你自己補上去的。

挖它的方法我覺得最實用的是這個：把計畫的每一個步驟寫成「只要 A 成立，B 就會發生」的形式，然後把所有的 A 圈出來。你會嚇一跳，一個看起來三步驟的計畫，底下可能躺著十五個 A。圈出來之後排序，用兩個維度：這條錯了有多致命，以及我對這條有多沒把握。挑落在「很致命而且很沒把握」那一格的兩三個，先去驗證，其他的先放著。

新創圈把這件事系統化成「最危險假設測試」。做法是不要先做產品，先花一週驗證那條錯了就全盤皆輸的前提。想開一家寵物用品訂閱服務？最危險的假設可能不是「人會買」，而是「人願意每個月固定收到一箱不能自己挑的東西」。這個前提用一頁落地頁和一週的廣告就能測，比做完產品才發現快得多。

還有一類隱性假設特別難挖，因為它們是你這行的常識。「文章要一千字以上才有 SEO 效果」「課程要有影片」「B2B 一定要業務」。這些在你的圈子裡沒有人會質疑，所以也沒有人會提醒你。挖它們的辦法是去問圈外人，或者去看別的產業怎麼做同一件事。外行人的蠢問題常常是最好的探針。

桑格爾法則

決策若無誤也無功，別因怕犯錯而停滯；行動產生資訊。

這條講的是決策的成本結構。有一大類決定，做錯了可以回頭，那就別花三週研究，直接做——做完得到的真實資訊，比你在腦中模擬三週得到的多得多。

貝佐斯把這件事講得最清楚，他分成兩種門。單向門是走過去就回不來的，這種要慢、要謹慎、要多問幾個人。雙向門是走進去覺得不對可以退出來的，這種要快，而且他特別指出：大公司之所以變慢，就是因為把所有決定都當成單向門在處理。

怕犯錯的人常常忽略一件事：不決定本身也是一種決定，而且它的成本是隱形的，不會有人寄帳單給你。你猶豫三個月沒有推出產品，市場不會替你保留位置；你考慮半年要不要開始寫作，那半年的複利就是沒有發生。隱形成本之所以危險，是因為它不會出現在你的檢討報告裡。

實務判準有三個問題，很好記：這個決定如果錯了會怎樣、能不能改回來、改回來要付多少代價。三個答案都不嚴重的話，就別再開會了，去做。我自己還加一條：如果做這個決定要花的時間，超過做錯之後修正要花的時間，那就直接做。

反過來說，遇到真正不可逆的事，把速度降下來是對的。簽長約、動手術、公開發言、把股份分出去、發出去的信、講出口的話。這些沒有回頭鍵，值得你多花十倍的時間。這條法則不是叫你全部都衝，它是叫你把速度分配對地方——多數人剛好搞反，在可逆的小事上糾結，在不可逆的大事上衝動。

還有一個延伸很值得記：可逆性有時候是可以設計的。試用期、租代替買、先做小規模、合約裡加退出條款、公開發言前先私下講一次。花一點成本把單向門改造成雙向門，你就能用快速決策的方式處理它，這個交易通常很划算。

群體迷思

團體為求一致忽視異議，導致集體判斷失誤。

一群聰明人關在同一間會議室裡，可以做出每一個人私下都不同意的決定。心理學家 Irving Janis 在研究豬玀灣事件時提出這個概念——一群甘迺迪政府的頂尖幕僚，集體通過了一個事後看來漏洞百出的計畫，而且事後訪談發現，其中好幾個人當時心裡就覺得不對。

機制是求和諧的壓力。反對的人要承擔三種風險：被貼上不合群的標籤、破壞會議的氣氛、以及萬一自己才是想錯的那個人。三種風險加起來，沉默的期望值比較高。

徵兆很好認，你可以拿去檢查你參加的會議：全場沒有人提出實質異議、共識達成得異常快、對外部批評的第一反應是嘲笑而不是回應、有人一講反對意見就被半開玩笑地岔開、以及會後在茶水間才聽得到真話。最後這一項是最強的訊號——如果你的組織有一個「真話發生的地方」而它不是會議室，那你的會議室已經壞了。

拆它的方法都跟制度有關，不能靠個人勇氣，因為勇氣是稀缺資源而制度不是。第一，讓每個人先各自寫下意見再開口，避免第一個發言的人定調。第二，指定一個人這場專門唱反調，讓反對變成職務而不是人格——天主教會封聖程序裡那個「魔鬼代言人」就是這個設計。第三，主管最後才表態，因為主管先講完之後，會議就結束了，只是大家還坐著。第四，重要決定分兩次會議，中間隔一天，讓人有機會在沒有現場壓力的情況下重新想。

還有一個親戚概念叫艾比林悖論，比群體迷思更冤：一家人開車去了一個沒有人想去的地方，因為每個人都以為別人想去。這裡連壓力都不存在，純粹是每個人都在配合自己想像中的別人。它的解法更簡單——有人先說真話就好。所以在會議上問一句「我先講一個可能只有我這樣想的疑慮」，成本很低，常常會打開閘門。

框架效應

同一資訊因表述方式不同而改變人們選擇。

「這個手術的存活率是九成」跟「這個手術的死亡率是一成」講的是同一件事，病人的選擇卻不一樣。更值得注意的是，醫生的選擇也不一樣——這是實驗做出來的結果，不是外行才會中的招。

康納曼和特沃斯基設計過一個經典題目：有一種疾病預計會死六百人，方案 A 能救活兩百人，方案 B 有三分之一機率救活全部、三分之二機率一個都救不活。多數人選 A。換個講法：方案 C 會死四百人，方案 D 有三分之一機率沒有人死、三分之二機率六百人全死。多數人選 D。A 跟 C 是同一個方案，B 跟 D 也是。差別只在「救活」和「死亡」這兩個字。人在講「獲得」時傾向保守，在講「損失」時傾向冒險。

商業上到處是它。九折比「少收 10%」好聽。絞肉標「75% 瘦肉」比標「25% 脂肪」好賣。年繳寫成「每天不到十塊」比寫「三千六百五十元」容易成交。信用卡公司當年花了很大力氣，堅持刷卡跟付現的差價必須叫做「現金折扣」而不是「刷卡加價」——同樣的錢，一個是你少賺，一個是你被罰。

自衛的方法是主動翻面：看到任何數字，換另一種說法再讀一次。漲價 20% 換成「同樣的錢少買六分之一」，成功率 70% 換成「每十次會失敗三次」，「九成用戶滿意」換成「每十個人有一個不滿意」。翻完之後你的感受如果變了，那就代表剛才你被框架牽著走。

進攻的用法在溝通上。要說服人接受改變，把它框成「避免損失」通常比框成「獲得好處」有力，因為損失的感受強度大約是同等收益的兩倍（見損失厭惡）。但這裡有個倫理界線值得講：框架效應是繞過理性的技術，用它傳遞真話是溝通，用它包裝假話是操弄，而且被拆穿一次，信任就沒了。

還有一個延伸的框架技巧叫重新定錨參考點。人判斷好壞是相對於某個參考點，而參考點常常是可以移動的。「這個月業績比上個月低」跟「這個月業績比去年同期高」都是真的，選哪個當參考點，會決定整場會議的氣氛。誠實的做法是兩個都講。

權威偏誤

過度依賴權威意見，忽略內容本身正確性。

米爾格倫的電擊實驗是這個模型最有名的證據。只要有一個穿白袍的人在旁邊平靜地說「請繼續，實驗需要你繼續」，相當高比例的受試者會一路把電壓加到標示著危險的區間。人服從的常常不是道理，是那個位置。

要標註的是，這個實驗近年有不少方法學上的檢討——實驗過程比公開版本更複雜，主試者的施壓次數、受試者是否真的相信等等都有爭議。不過大方向沒有被推翻：情境和權威對行為的影響，比我們對自己的估計大得多。

航空業因為這個吃過大虧，也因為這個做了最徹底的改革。有幾起空難的黑盒子紀錄裡，副機長早就看出問題，卻用非常委婉的方式提醒機長——委婉到訊息根本沒有傳到。1977 年的特內里費空難、1982 年的佛羅里達航空空難都有這個成分。後來業界發展出機艙資源管理，明文規定副手在特定情況下必須直接講、必須複誦、必要時必須接手。他們把「敢不敢講」從人格問題改造成程序問題，這是我看過最漂亮的制度設計之一。

在自己的領域裡可以練一個小動作：聽到任何主張，先把講的人蓋起來，只看內容站不站得住。這個動作反過來也要做——一個你討厭的人、一個沒有頭銜的人講的話，也可能是對的，而我們對這一邊的偏誤同樣強烈。

要留意分寸：完全不採信專家是另一種錯，而且在專業分工的世界裡代價更大。你不可能自己驗證每一件事。合理的做法是把權威當成「先驗機率的調整項」而不是結論——專家說的話讓你把某個判斷的機率從 50% 調到 75%，而不是直接跳到 100%。同時去看幾件事：這位專家的專業範圍是不是剛好涵蓋這個問題（諾貝爾獎得主在自己領域外常常胡說）、這個領域的專家意見分歧程度、以及他有沒有切身利害。

最後補一個實務判準：專家在「事實」上的權威度，遠高於在「預測」和「價值判斷」上的權威度。醫生說你的血檢數值代表什麼，可信度很高；醫生說你應該怎麼安排人生，就跟其他人差不多了。

雙重流程理論

大腦有快速直覺系統一與慢速理性系統二，交替主導決策。

康納曼把它寫成了《快思慢想》。系統一自動、快、耗能低，負責認臉、閃避、語感、直覺判斷；系統二費力、慢，負責算數學、比較選項、抑制衝動。大部分時間是系統一在開車，系統二在後座打盹，只有在系統一遇到搞不定的東西時才會被叫醒。

有一道題目很能說明問題：球棒和球加起來 1.1 元，球棒比球貴 1 元，球多少錢？多數人脫口而出一角。正確答案是五分。這題的數學一點都不難，難的是系統一給出答案之後，系統二懶得驗算——它預設信任系統一，因為驗算很耗能。

這裡要提醒一件事：這套二分法是一個有用的比喻，不是大腦裡真的有兩個系統。近年認知科學對這種嚴格二分有不少批評，康納曼自己在書裡也說這是擬人化的說法。而且書中引用的一部分促發效應研究，在複製危機中沒有站住腳，他後來公開承認那一章寫得太有信心了。這個誠實值得記一筆，也提醒我們引用時要挑站得住的部分。

站得住而且最實用的部分是：知道系統二什麼時候會失能。累了、餓了、趕時間、情緒上來、資訊超載、剛做完一連串決定。這些狀態下不要做重要決定，也不要在這些狀態下的人面前做重要溝通。銷售訓練非常清楚這件事，所以促銷都設倒數計時、賣場動線都很長、簽約都排在你已經投入很多時間之後。

反過來說，系統一不是敵人。在你反覆練過幾千次的領域裡，直覺就是壓縮過的經驗，該信。判斷該不該信直覺，有一個很清楚的標準（Klein 和康納曼難得達成共識的地方）：這個領域的回饋是不是又快又準？下棋、開車、消防、急診，回饋快而且明確，專家直覺可信。選股、預測政治、判斷長期趨勢，回饋慢又模糊，那裡的直覺不值得信任，即使講話的人非常有信心。

實作建議：替自己設計一份「什麼情況下不做決定」的清單，貼在看得到的地方。比起訓練理性，避開理性失效的時刻便宜太多了。

風險-收益權衡

為追求更高報酬必須承擔更大風險，尋找最合理比值。

沒有又安全又高報酬的東西能長期存在，因為只要出現，資金就會湧進去把報酬買低。所以當你看到號稱穩賺、保本、高息的標的，正確的第一反應不是「太好了」，是「我還沒看懂它的風險藏在哪裡」。通常藏在流動性（你想拿回來的時候拿不回來）、對手風險（發行的人跑了）、或尾端風險（平常都沒事，出事一次歸零）。

比較兩個機會不能只看報酬率，要看每承擔一單位風險換到多少報酬。金融上有夏普比率在做這件事，日常沒有公式，但問法一樣：這個選擇最壞會壞到什麼程度、我承受得起嗎、換到的東西夠不夠補償我承擔的波動。

職涯上這條被嚴重忽略。從大公司跳到早期新創，帳面上是薪水加股票，實際上是把你收入的波動度整個放大好幾倍，同時把你的資產（人力資本）和你的投資（股票）綁在同一家公司上——這在投資學裡是教科書等級的錯誤配置。同樣的問題發生在專職接案卻只有一個大客戶、以及把自住房的槓桿開到極限。

有一個區分非常重要，值得單獨記住：風險和不確定性不一樣。這是經濟學家 Frank Knight 的區分。風險是你知道機率分布的情況——賭場、保險、擲骰子。不確定性是你連分布都不知道的情況——新市場、新技術、你這輩子沒遇過的處境。多數人生的重大決策屬於後者，而拿風險報酬公式去算不確定性，會給你一種很危險的假精確感。

面對真正的不確定性，正確的工具不是計算，是結構：留餘裕、保持可逆、分散、避免一次歸零、增加接觸好運的表面積。這一整套會在反脆弱、槓鈴策略、黑天鵝那幾條反覆出現，因為它們其實在講同一件事。

最後一個提醒：風險承受度是會隨人生階段改變的，而且改變的方向常常跟人的自我認知相反。二十五歲覺得自己很保守的人，其實承受得起很大的風險，因為他有時間修復；四十五歲覺得自己還很敢衝的人，往往已經承受不起同樣的錯誤了。定期重估一次，比相信自己的性格標籤可靠。

二、經濟與商業（18 個）

比較優勢

專注自己相對成本最低的產出，互惠能擴大全體效率。

李嘉圖在 1817 年提出的論點，到現在還是經濟學裡最反直覺、也最常被誤解的一條：就算你樣樣都比對方強，分工還是划算的。

用律師和祕書來說最清楚。假設這位律師打字比祕書快兩倍，照直覺他應該自己打。但他打字的那一小時，本來可以拿去做時薪一萬的法律工作，而祕書打字的那一小時，機會成本只有幾百塊。所以律師應該把打字交出去，即使他打得比較好。重點從來不是誰做得比較好，是誰做這件事放棄掉的東西比較少。

這條在個人職涯上被低估得離譜。大多數人在找「絕對優勢」——我要成為某個領域最強的那個人——但那條路非常擠，而且贏家通吃。比較優勢問的是完全不同的問題：跟我自己的其他能力比，我做哪一件事的相對成本最低？答案常常不是單一頂尖能力，而是幾個中上能力的組合。一個會寫程式的人不算稀有，一個會寫程式又懂會計實務又能跟老闆講人話的人，在特定位置上幾乎沒有替代品。

團隊分工也是同一回事，而且這是很多創辦人卡住的地方。老闆什麼都會，所以什麼都自己來，結果團隊沒有成長、老闆變成瓶頸、公司的天花板就是他一個人的產能。要判斷該不該交出去，算的是「這件事交給別人做，品質掉多少，換回來的時間我能創造多少價值」。多數時候答案很明顯，卡住的是情緒不是算術。

它的邊界很重要：分工要成立，交易成本得夠低。溝通、監督、信任、驗收、返工，這些如果很貴，自己做反而划算——這也正是公司為什麼存在（見科斯定理）。所以「該不該外包」這個問題的正確版本是「這件事的交易成本有多高」，而不是「我做得比較好還是他做得比較好」。

另外要誠實講一件事：比較優勢的模型假設資源可以自由移動、被替代掉的人可以轉去做別的。現實裡貿易帶來的總體效益是正的，但代價集中在特定的人和特定的地區身上，而且他們不一定轉得過去。用這條模型談政策時，跳過分配問題會讓論證失去說服力。

複利效應

收益再投入產生指數成長，時間是最大的放大器。

複利的殺傷力全部集中在後段。一塊錢用年化 10% 滾，十年變 2.6 倍，二十年 6.7 倍，三十年 17 倍，四十年 45 倍。前面十年慢到讓人懷疑人生，而多數人就是在那裡放棄的。

有一個關於它的常見誤區要先拆掉：複利不是「錢滾錢」的專利，它的結構是「今天的積累會讓明天的積累更容易」。技能、人脈、內容資產、健康、信譽都有這個性質。寫了三年的部落格會開始自己帶來流量，因為舊文章持續被搜尋到、被分享、被連結；累積十年的信任會讓合作自己找上門，因為別人不需要重新評估你。

巴菲特的財富有極高比例是六十歲以後累積的，這個常被引用的事實重點不在他有多會投資，在於他從十一歲就開始，而且中間沒有斷。這帶到複利的兩個必要條件。

第一是不中斷。複利曲線經不起歸零——一次 50% 的虧損需要 100% 的獲利才能回本。這解釋了為什麼「避免大虧」比「追求大賺」重要得多，也解釋了為什麼那些看起來很無聊的風險控制動作，長期報酬遠高於漂亮的操作。

第二是時間夠長。用複利思考短期只會製造焦慮，因為短期的曲線跟直線幾乎沒有差別，你會覺得自己做了很多卻沒有變化。撐過那段的方法不是意志力，是換掉衡量指標——看投入不看產出，看次數不看成效。

還有一件事很少人講：負向複利也在跑，而且跑得比正向快。債務利息、拖延累積的爛攤子、健康的小問題、關係裡沒有處理的小怨。多數人的處境不是缺一次大突破，是有三四條負向複利在後面扣分，把正向的成果吃掉了。先止血再加速，順序很重要。

最後一個實務判準：判斷一件事值不值得做，問它「會不會讓下一次更容易」。會的話，它有複利；不會的話，它是一次性的勞動，做完就歸零。你的時間應該慢慢從後者移到前者。

長尾理論

低頻小眾產品累積起來的市場需求可超越頭部商品。

實體書店只能放暢銷書，因為每一格架位都有成本，一年賣兩本的書不配佔那個位置。線上書店的架位成本近乎零，於是那些冷門書加起來，變成一塊很大的市場。Chris Anderson 在 2004 年把這個現象寫成長尾，一時之間所有人都在講「未來屬於小眾」。

它確實改變了創作者的處境。以前你必須做給最多人看的東西才活得下去，因為通路的守門人只讓大眾內容通過。現在你可以只服務全球一小群人，而網路讓你找得到他們。Kevin Kelly 的「一千個鐵粉」就是從這個結構長出來的：不必紅，只要夠深，一千個每年願意花一百美元的人就能養活一個創作者。

但要誠實講後續的修正，因為這一塊常被跳過。Anita Elberse 等人的研究發現，選擇變多之後，注意力其實更集中在頭部了——搜尋和推薦演算法會把人推向已經熱門的東西，因為那是最安全的推薦。長尾存在，但尾巴上的每一個點都非常淺，淺到單靠一個點活不下去。Spotify 上有大量歌曲的播放次數是個位數，這也是長尾的一部分。

所以實務策略通常是兩層：內容做長尾，變現做頭部。用大量利基題目累積搜尋流量和不同的入口，再把這些長尾帶進來的人集中導向一兩個主力產品。反過來做——內容只做熱門題目、產品做一堆小的——通常兩頭都不到位。

判斷你的市場是不是長尾型，看兩件事：邊際供給成本是不是接近零（數位商品是，實體服務不是），以及使用者找到冷門項目的成本高不高（有沒有好的搜尋和推薦）。兩個條件都成立，長尾才會展開。

還有一個常被忽略的推論：在長尾的世界裡，稀缺的東西從「內容」變成「篩選」。當所有東西都找得到，能幫人決定該看什麼的角色就變得值錢。這也是為什麼策展、書單、推薦信這類內容形式的價值上升了。

細分市場

將客群切細，提供差異化價值以避開紅海競爭。

不做「給所有人的健身課」，做「給久坐工程師的下背疼痛改善課」。市場變小了，但你在那個小市場裡是唯一的選擇，於是定價權、轉換率、口碑傳播全部變強。

切的維度遠不只人口統計。可以按情境切（專門給出差用的行李箱）、按痛點切（給怕痛的人的牙醫）、按身分認同切（給第一次當主管的人的管理課）、按價值觀切（不含酒精的社交場所）。越往後面的維度，大品牌越難複製，因為他們沒辦法讓品牌只服務一小撮人——那會稀釋掉他們對大眾的訴求。這是小玩家真正的結構性優勢。

判斷一個細分市場能不能做，我會看四件事。第一，這群人找得到嗎——有沒有他們已經聚集的地方（社團、論壇、展會、關鍵字）。第二，他們有沒有在為這個問題花錢，花在哪裡。第三，他們彼此會不會講話，這決定了口碑的速度。第四，這個問題對他們來說有多痛——「有點困擾」跟「睡不著」的價格差十倍。

最常見的錯誤是切到一個沒有身分認同的維度。「25 到 34 歲女性」不是一個市場，因為沒有人會說「我是 25 到 34 歲女性，所以我需要這個」。要切到人會拿來描述自己的那一層：新手媽媽、剛創業的設計師、想轉職的文組生。人會為自己的身分買單，不會為統計分類買單。

第二個常見錯誤是切完之後不敢喊。文案還是寫得像給所有人看的，怕排除掉別人。但細分的整個價值就在排除——當一個人看到「這是給你的」，他的注意力才會停下來。你怕的那些被排除的人，本來也不會買。

要注意的邊界：細分市場有天花板。如果你的目標是做到一定規模，就得規劃從第一個利基往外擴的路徑。經典的做法是先在一個小市場做到絕對主導（像早期的 Facebook 只開放給哈佛），再往相鄰的市場擴，而不是一開始就打全部。

摩爾定律

晶片性能約每 18–24 個月翻倍，科技產品快速迭代。

它其實不是物理定律，是英特爾創辦人之一的高登摩爾在 1965 年寫的一篇文章裡的觀察：積體電路上的電晶體數量大約每年翻一倍，他後來修正為每兩年。有意思的是，這個觀察後來變成整個半導體產業共同的節奏目標——所有人都照這個時間表規劃研發和資本支出，於是它自我實現了半個世紀。

近年要小心引用。電晶體微縮已經逼近物理極限，單純靠製程翻倍的節奏明顯放緩，成本也不再等比例下降。效能的成長轉往其他地方：專用晶片（GPU、TPU）、封裝技術、架構設計、以及軟體層的優化。所以把摩爾定律當成永遠成立的規律，會做出錯的長期判斷。

對非科技業的人來說，它真正的用途是提醒你：指數成長的東西不能用線性直覺去估。今天做不到的能力，兩三年後成本可能掉到十分之一。這代表你現在因為「太貴」「技術還不成熟」而放棄的計畫，不該直接刪掉，該留在一份清單上定期回看。過去幾年在影像生成、語音合成、翻譯上，很多人的清單都被翻出來重做了。

反過來也要用它做防守，而且這一面更重要：任何靠「現在的技術做不到」建立的護城河，都有到期日。如果你的價值來自「這件事很難、很花時間、需要專業工具」，那就要持續問一句——這個難度還會維持多久？當難度消失時，你剩下什麼？剩下的通常是判斷力、關係、品味、責任承擔，而不是操作技能。

還有一個相關的心理現象值得一起記：人會高估技術在兩年內的影響，低估它在十年內的影響（有時被稱為阿瑪拉定律）。短期的失望和長期的低估，常常是同一個人在不同時間犯的兩個錯。

品牌權益

品牌帶來的認知價值，可轉化為溢價與客戶忠誠。

同樣一瓶飲料，貼上不同的標籤，人願意付的價格差很多，而且——這是最有趣的部分——盲測時的偏好會跟睜眼時反過來。1970 到 80 年代的百事挑戰就是拿這個打可口可樂：蓋住品牌，很多人選百事；露出品牌，同一批人選可樂。後來有神經科學研究去掃描這個現象，發現看到品牌時大腦活躍的區域不同。品牌不是包裝，它進到了體驗本身。

品牌權益由幾個東西累積起來：知名度（人知不知道你）、聯想（想到你會想到什麼）、感知品質、以及忠誠度。這四項累積很慢，毀掉很快，而且毀掉的時候是整批毀，因為它們共用同一份信任。

個人品牌是完全一樣的機制。你被記住的那個標籤，決定了別人願意付你多少，也決定了別人願不願意在你不在場的時候推薦你——而後者才是真正的槓桿，因為那是在你睡覺時發生的銷售。這裡最重要的操作原則是「窄」：被記得一件事，比被記得五件事有價值得多。人的記憶體不會分那麼多格給你。

要注意品牌權益同時是資產也是負債。你建立了什麼期待，就必須持續兌現，一旦你想轉型做別的，原本的品牌會變成阻力。這是很多創作者的困境——靠某一類內容起來，然後被那類內容綁住。處理方式通常是提早鋪路（讓受眾看到你的興趣在移動），而不是某天突然轉彎。

實務上要建立它，有一條很簡單但很少人守的紀律：一致性。同一個名字、同一個視覺、同一種語氣、同一類主張，重複到你自己都膩了，外面的人才剛開始記得。行銷上常說的「你講到覺得很煩的時候，市場才剛聽到第一次」，講的就是這件事，而它跟單純曝光效應是同一個機制。

槓桿效應

利用借貸或資源倍增機制，以小博大放大回報。

槓桿的原理是用少量的自有資源撬動大量的外部資源，好處是報酬被放大，代價是虧損也被同等放大。房貸是最常見的版本：兩成自備款買下全額資產，房價漲一成你的自有資金賺五成，跌一成你賠五成。

Naval Ravikant 把槓桿分成三種，這個分法很好用。第一種是勞力槓桿，用別人的時間——這是最古老的一種，也是最難的，因為要管人。第二種是資本槓桿，用別人的錢——這在二十世紀最有威力，但需要別人願意給你。第三種是程式碼和媒體，複製成本近乎零：寫一次、錄一次、做一次，服務一萬人跟服務一個人的成本差不多。

他強調的關鍵差別在於：前兩種需要別人給你許可（要有人願意被你雇、要有人願意借你錢），第三種不需要。你不需要任何人的同意就可以寫一篇文章、錄一支影片、寫一個程式。這是這個時代最被低估的機會，也是為什麼「做一份會複製自己的東西」對個人來說報酬率極高。

用槓桿之前有一條鐵律：先確認方向是對的。放大一個賺錢的模式很好，放大一個虧錢的模式只是死得比較快。所以順序永遠是先小規模驗證單位經濟是正的（一個客戶能不能賺錢），再上槓桿。很多公司死於在單位經濟還是負的時候大舉擴張。

還有一條硬規則：任何會讓你在最糟的時間點被迫賣出的槓桿，都要留很大的緩衝。爆倉的人多半不是方向看錯，是撐不到方向兌現。這條在財務槓桿上是保證金，在人生上是——不要把時間排到沒有餘裕，因為意外總是在最忙的時候發生。

最後一個延伸：槓桿會同時放大你的判斷力和你的判斷失誤。所以正確的順序是先累積判斷力，再加槓桿。年輕時最好的投資是把自己變成一個判斷準的人，而不是急著放大一個還不準的判斷。

網絡效應

使用者越多，產品或平台對所有人越有價值。

一支電話一文不值，兩支有點用，一百萬支就變成基礎設施。網絡效應的定義是：使用者增加會讓產品對既有使用者也變得更好。這條性質讓領先者非常難被追上，是社群、市集、通訊軟體、作業系統最強的護城河。

它有幾種型態，分清楚很重要。同邊網路效應是用的人越多越好用（通訊軟體、社群）。跨邊網路效應是兩群人互相吸引（買家多吸引賣家，賣家多再吸引買家——電商、外送、媒合平台）。資料網路效應是用的人多讓演算法更準（搜尋、推薦）。還有一種比較弱的叫社會網路效應，純粹是「大家都在用所以我也要用」。

創業上最難的關卡是冷啟動：沒有人用的時候產品沒價值，沒價值就沒有人用。常見的破解方式是先在一個很小的封閉群體裡做到密度飽和——一所學校、一個城市、一個社團——因為在小圈子裡達到臨界密度需要的絕對人數很少。Facebook 從哈佛開始、Uber 從舊金山開始，都是這個做法。另一種是「單機也有用」：先讓產品在沒有其他使用者時就有價值（工具屬性），再讓網路效應長出來。

也要看清楚它的極限，這幾年討論很多。負向網路效應是真的存在的——人太多會讓體驗變差，塞車、洗版、垃圾訊息、劣幣驅逐良幣。另外多歸屬（一個餐廳同時上三個外送平台、一個人同時用三個社群）會把護城河削平，因為切換成本沒有想像中高。

判斷一個生意有沒有真正的網路效應，有個檢驗問題：如果使用者數量突然減半，剩下的人的體驗會不會變差？會，那是網路效應；不會，那只是規模經濟，兩者常被混為一談但強度差很多。

公地悲劇

公共資源缺乏管控時易被過度開採而枯竭。

Garrett Hardin 在 1968 年用一個牧場的比喻寫紅了這個概念：一片共用的草地，每個牧人多放一頭羊，好處全歸自己，草被吃光的代價由所有人分攤。每個人都理性行動，加起來把資源毀掉。漁場、地下水、空氣品質、抗生素的有效性，全是這個結構。

Hardin 的原始結論是只有國有化或私有化能解決，而 Elinor Ostrom 拿了諾貝爾獎，靠的正是推翻這個結論。她跑了大量田野研究，記錄了世界各地的社群自己發展出規則、監督和罰則，成功管理共用資源好幾百年——瑞士的高山牧場、日本的入會地、西班牙的灌溉系統。

她整理出的成功條件很值得記，因為它可以直接套到你的團隊和社群上：邊界要清楚（誰有權使用）、規則要由使用者自己訂（外來的規則沒人服）、要有便宜的監督方式、罰則要分級（第一次輕、屢犯重）、要有低成本的衝突解決機制、以及外部權威要承認這套自治。

組織裡到處是小型公地。共用的會議室、誰都可以丟東西的專案看板、任何人都能發訊息的群組。而注意力是最典型的公地——每個人多發一則訊息的成本趨近於零，總和卻讓所有人無法工作。開放式辦公室也是：每一次「借用你三分鐘」對提問者是省時，對整個團隊是災難。

處理它的方向大致三條：切割產權（誰的東西誰負責）、訂規則加監督（Ostrom 那一套）、或改變誘因讓成本回到個人身上（收費、配額、可交易的排放權）。第三條在制度設計上最優雅，但需要能量測。

還有一個反向版本值得知道，叫反公地悲劇：當太多人擁有否決權時，資源反而被閒置，因為要湊齊所有同意太難。都更卡住、專利叢林、跨部門專案全部動不了，都是這個結構。公地和反公地是同一個硬幣的兩面，處理時要先分清楚你在哪一面。

科斯定理

若交易成本為零，資源會自發流向最有效率的用途。

Ronald Coase 的原始論證是關於外部性：一座工廠汙染了隔壁的農田。傳統看法是政府該罰工廠，Coase 指出，只要產權界定清楚而且雙方談判不用成本，不管法律把權利判給工廠還是農民，最後的資源配置都會一樣有效率——誰更看重那個權利，誰就會把它買走。差別只在錢流向誰。

現實裡交易成本從來不是零，所以這條定理真正的用途是反過來讀：既然結果取決於交易成本，那制度設計就該把力氣花在降低交易成本上。合約範本、律師、法院、平台、評價系統、標準規格、信任，全部是在做這件事。整個現代商業文明有很大一部分是交易成本的基礎建設。

Coase 更早的另一篇論文回答了一個看似天真的問題：公司為什麼存在？如果市場交易永遠比較有效率，每個人都該是自由接案者，需要什麼就上市場買。他的答案是——在公司內部下指令，比每次都去市場上談一次合約便宜。公司的邊界就落在「內部組織的成本」等於「市場交易的成本」的那一點上。

這個框架直接解釋了這些年的變化。當溝通工具、支付、遠端協作、AI 都在降低市場交易成本時，公司的最適規模就會縮小，於是小團隊加外部協作的模式變多。反過來，當協調變複雜、信任變貴時，公司會變大、會往內整合。

用在你自己身上：判斷一件事該自己做還是外包，算的不只是價錢，還要加上找人、溝通需求、來回修改、驗收、返工的成本，以及萬一對方消失你要付出的代價。很多「外包比較便宜」的計算，是漏掉了這一整塊。

還有一個實用推論：如果你能有效降低某一類交易的成本（讓兩邊更容易找到彼此、更容易信任彼此、更容易驗收），那本身就是一門生意。所有的平台、仲介、認證、保證，賺的都是這個錢。

價格彈性

價格變動幅度對需求量影響的敏感程度。

漲價 10%，銷量掉超過 10%，這叫有彈性；掉不到 10%，叫缺乏彈性。這個差別直接決定了你該漲價還是該促銷——缺乏彈性的商品漲價會增加總營收，有彈性的商品降價才會。

什麼決定彈性？主要是四件事。替代品多不多，有得換就彈性高。佔所得的比例，大額支出人比較敏感。是必需還是想要。以及決策的時間長度——很多東西短期缺乏彈性、長期有彈性，油價漲的頭三個月大家照開，漲了三年大家換車。這第四點很多人忽略，它解釋了為什麼有些漲價的反噬會延後兩年才出現。

創作者和顧問在這裡誤判得最厲害。多數人以為漲價會流失客戶，實際上流失的往往是最耗人、最愛殺價、要求最多的那批，留下的是本來就重視你的人，總利潤反而上升。測試的方法不是全面調漲，是分層——對新客戶先用新價格，觀察轉換率掉多少，舊客戶維持一段時間再說。這樣你會拿到真實的數字，而不是想像中的災難。

反過來，如果你發現自己的產品彈性很高，客戶為了幾十塊就會跑掉，那是定位問題不是定價問題。它代表在客戶眼中你跟別人可以互換。解法不是降價（那會進入死亡螺旋），是找出一個讓你不可替代的維度——特定族群、特定情境、特定的服務方式。

還有一個進階的用法叫價格歧視，指的是對不同客群收不同的價格。學生票、早鳥價、企業版、大量採購折扣，全部是在利用不同客群的彈性差異。做得好可以同時服務價格敏感和不敏感的人，做不好會讓原價買的人覺得被騙。差別在於你有沒有給出一個他們接受的理由（願意提早決定、願意接受較少功能、身分不同）。

節儉悖論

全民同時節省開支會抑制總需求，經濟反而下滑。

一個人省錢是好事，所有人同時省錢，別人的收入就消失了；收入消失又逼更多人省錢，於是整體變窮，最後大家的儲蓄可能還變少。凱因斯用這個說明個體的理性和總體的結果可以完全背道而馳。

它屬於一個更大的家族，叫合成謬誤：對部分成立的事，對整體不一定成立。體育場前排的人站起來看得比較清楚，全部人都站起來就沒有人看得比較清楚，只是大家都比較累。這個結構值得記住，因為它是很多政策爭論和商業誤判的來源。

要標註的是，節儉悖論在經濟學界不是沒有爭議。它在需求不足的衰退期比較成立，在供給受限或充分就業的狀態下不一定成立，古典學派的看法也不同。所以引用它時最好加上情境條件，不要當成無條件的規律。

拿掉總體經濟的部分，它在日常判斷上的價值是提醒你檢查同一種錯誤。同業都在降價搶單，個別看是合理反應，全體加起來是把整個產業的毛利做爛，然後大家一起沒錢投資、產品一起變差。所有創作者都改做同一種爆紅格式，個別合理，總和是內容同質化、觀眾疲乏、整個類別的成效下滑。

問法很簡單，值得養成習慣：如果所有人都這樣做，結果會怎樣？如果答案是崩壞，那你參與的可能是一場負和遊戲。這時候該想的是怎麼退出或改變賽局，而不是怎麼跑得比別人快——在一場所有人都在往下跑的競賽裡跑第一，仍然是往下。

反過來也有正向版本：有些行為個體看起來吃虧，總體卻讓大家都受益（誠實、公開資訊、維護共同標準）。這類行為需要制度或文化來支撐，否則會被搭便車的人淘汰掉。

傑文斯悖論

技術提高效率 → 單位成本下降 → 總消耗反而增加。

十九世紀的經濟學家傑文斯注意到一件當時讓人困惑的事：蒸汽機的效率一代比一代高，用煤越來越省，但英國的煤消耗量一路往上。原因是效率讓每單位的成本下降，便宜讓更多人用得起，用途也隨之擴張，總量因此不減反增。

現代版本到處都是。車子更省油，人就開得更遠、買更大台的車。硬碟更便宜，我們囤更多從來不會再看的檔案。LED 更省電，於是到處都裝燈，包括本來沒有燈的地方。網路頻寬變大，影片畫質就變高，總流量繼續增加。

省時間的工具也逃不掉，而且這一面對個人最有感。email 讓寫信變快，結果每個人要處理的訊息量暴增，總時間反而變多。文書軟體讓做簡報變容易，於是每件事都要做簡報。這解釋了一個很多人困惑的現象：工具明明越來越強，為什麼大家越來越忙。

對個人的推論很直接：買一個提高效率的工具，不會自動讓你變閒。省下來的時間如果沒有被事先分配用途，它會被新的工作填滿——而且填得比你省下來的還多，因為門檻降低會誘發新的需求。要真的變閒，得同時做兩件事：提高效率，以及設上限（把省下來的時間先排成不可移動的行程）。只做前面那件，等於幫自己加班。

它也是評估 AI 工具最好的框架之一。產出成本大幅下降，總產出必然暴增，於是稀缺的東西會從「產出能力」轉移到別的地方——判斷什麼值得做、注意力、品味、以及願意為結果負責的人。當寫一篇文章的成本趨近於零，有價值的就不是會寫文章，是知道該寫什麼、以及讓人願意讀你寫的。

要注意的邊界：反彈效應的大小因產業而異，不是每次都會完全抵銷。有些領域的效率提升確實降低了總消耗，尤其是需求已經飽和的市場。所以它是一個提醒你去檢查的模型，不是一個結論。

波特五力模型

競爭者、供應商、客戶、替代品、潛在進入者五面評估產業吸引力。

Michael Porter 在 1979 年提出的主張，當時相當顛覆：一個產業能不能賺錢，主要由結構決定，不是由個別公司多努力決定。航空業長期難賺、餐飲業長期難賺，不是因為那些經營者比較笨，是因為結構就長那樣。

五力各自對應一個問法。現有競爭者：大家會不會殺價，退出障礙高不高（退出障礙高的產業會有一堆撐著不死的對手）。供應商議價力：有沒有人可以掐你，是不是只有一家能供貨。客戶議價力：你的營收有沒有集中在少數人手上。替代品：有沒有完全不同的方式解決同一個需求（視訊會議替代商務出差，不是替代另一家航空公司）。潛在進入者：新人進來容不容易，有沒有規模、專利、法規、品牌當門檻。

自由工作者可以整組套用，而且比多數職涯建議有用。你的技能有沒有很多人也會（競爭者）。你依賴哪個平台派案或曝光，它抽多少、會不會漲（供應商）。你的收入有沒有集中在一兩個客戶（買方議價力）。AI 或新工具會不會讓客戶自己就能做（替代品）。這行的入門門檻高不高（潛在進入者）。五個問題答完，你會很清楚該補哪一塊，通常答案是「不要讓收入集中在一個來源」。

它的限制也要知道。第一，偏靜態，對變化極快的產業解釋力有限。第二，沒有處理互補品和生態系的角色——一個產品因為別的產品而更有價值，這在平台時代非常重要，後來有人補上「第六力」。第三，它假設產業邊界清楚，但現在很多競爭來自你根本沒有歸類為同業的地方。

實用的做法是把它當成盤點清單而不是預測工具：每一力寫下具體的事實和證據，看完整張圖再判斷。多數人的策略盲點不是分析不夠深，是漏看了其中一力——尤其是替代品那一格。

藍海戰略

開闢未被競爭佔據的新市場空間，避開價格血戰。

紅海是在既有的規則裡搶市佔，大家比同樣的東西，於是只能比價格。藍海是重新定義這場競爭該比什麼。金偉燦和莫伯尼提出這套時，用太陽劇團當招牌案例：他們砍掉傳統馬戲團最貴的元素（動物、明星藝人、三個同時進行的舞台），加上劇場的元素（主題、原創配樂、藝術感），賣給一群本來不看馬戲團的成年觀眾，票價是原本的好幾倍。

操作工具叫四動作框架，很好用：哪些業界的標準配備可以完全刪除、哪些可以降到遠低於業界水準、哪些要提高到遠高於業界水準、哪些是業界沒有而你要創造的。前兩個動作是為了把成本挪出來，後兩個是為了拉開差異。多數人只想著加，不敢刪，結果做出一個又貴又沒有特色的東西。

它最常被誤讀成「找一個沒有人做的題目」。沒有人做的題目多半是因為沒有需求，那不是藍海，那是沙漠。真正的藍海通常是「已經存在的需求，被現有做法服務得很差」，你用一組不同的取捨去接住它。所以起點是觀察非顧客——那些明明有這個需求卻不買現有方案的人，問他們為什麼不買。

還有一個很實用的工具叫策略布局圖：把業界競爭的各個要素畫成橫軸，把各家公司在每個要素上的投入程度畫成曲線。如果你的曲線跟主要對手長得幾乎一樣，那你就在紅海裡，不管你覺得自己多有特色。這張圖畫出來常常很傷人，但很有用。

要承認的是藍海會變紅。太陽劇團自己後來也遇到模仿者和經營困難。這套是週期性的動作，不是一次性的定位——你得預期自己開出來的空間會被填滿，並且在那之前開始找下一個。

護城河理論

企業具持續競爭優勢，如品牌、專利、規模經濟等。

巴菲特的比喻是：他要買的是一座有寬闊護城河保護的經濟城堡，而且護城河最好每年還在變寬。定義很嚴格——護城河必須讓對手就算完全知道你怎麼做，也很難跟上。

晨星整理過五種常見的護城河，這個分類很實用。無形資產：品牌、專利、政府特許。轉換成本：換掉你很麻煩，企業軟體、銀行帳戶、生態系綁定都屬於這類。網路效應。成本優勢：規模、地理位置、獨家原料、流程專利。效率規模：市場小到只夠養一兩家，新進者進來大家一起虧，所以沒人進來（區域性的水電、管線、某些利基工業品）。

同樣重要的是知道什麼不是護城河，因為這是多數人誤判的地方：好產品、優秀的團隊、先進的技術、高市佔率、以及「我們比較努力」。這些要嘛會被複製，要嘛本身是護城河產生的結果而不是原因。市佔率高如果沒有結構性的原因支撐，只是一個等著被搶的數字。

個人的護城河大致落在三個地方。第一，別人學不來的特定經驗組合——不是單一技能，是幾種技能加上特定產業的實戰經驗。第二，需要長時間才建得起來的信任和關係。第三，會隨你成長的資產：讀者、作品集、客戶關係、公開的紀錄。純技能不是護城河，因為技能會被工具追平，而且速度越來越快。

要定期做的檢查是問三個問題：如果一個很聰明、資源比我多的人明天想做我在做的事，他要花多久才能追上？他會卡在哪裡？那個卡點會不會在三年內消失？第三個問題最重要，因為多數護城河是有到期日的，而擁有它的人往往是最後一個發現的。

商業模式畫布

九宮格視覺工具，快速梳理價值主張與收益結構。

九個格子：客戶區隔、價值主張、通路、顧客關係、收益流、關鍵資源、關鍵活動、關鍵夥伴、成本結構。Osterwalder 設計它的目的是取代動輒五十頁的商業計畫書——一張紙就能把一門生意講完，而且能被討論。

它的正確用法是「拿來吵架」，不是拿來歸檔。三個共同創辦人各自默默填一張，然後對照，你會發現大家心裡的目標客戶根本不是同一群人，價值主張也不一樣。這種分歧本來就存在，只是平常被籠統的共同語言蓋住了。畫布的功能是把它逼出來。

填完之後還有關鍵的一步：把每一格底下的假設圈出來。「我們的客戶是中小企業主」是一個假設。「他們願意每月付三千」是一個假設。「透過臉書社團可以觸及他們」是一個假設。圈完之後照「錯了有多致命」排序，最上面那兩三個先去驗證（這就是隱性假設那一條的實作）。

最容易寫錯的一格是價值主張。多數人填的是產品描述——「一套線上課程」「一個排程工具」。要填的是客戶得到什麼改變：「三週內能自己寫出可以發布的第一篇文章」「每週省下四小時的排班時間」。差別在於前者是你賣什麼，後者是他買什麼，而人只為後者付錢。

畫布一定要成對看。左半邊（關鍵夥伴、活動、資源、成本）是效率端，右半邊（客戶、關係、通路、收益）是價值端，價值主張夾在中間把兩邊接起來。改動任何一格都會牽動其他格——換一個客戶區隔，通路要換、關係要換、成本結構也會變。這種連動關係才是這個工具最有價值的地方，單看一格沒有意義。

實務建議：每季重畫一次，跟上一版並排。變動的地方就是你這一季真正在做的事，常常跟你以為自己在做的事不一樣。

產品—市場契合

產品真正解決目標用戶痛點，需求與供給高度貼合。

Marc Andreessen 的描述很直白也很好記：契合之前，你怎麼推都沒反應，客戶不回信、媒體不報導、銷售週期長得離譜；契合之後，東西賣得比你供得上還快，客戶自己找上門，伺服器一直加，你的問題從「怎麼找客戶」變成「怎麼撐住」。他說你會知道，因為你會感覺得到。

要量測它，比較常用的是 Sean Ellis 的問卷：「如果明天起不能再用這個產品，你會多失望？」四成以上回答「非常失望」，通常被當成門檻。另一個更硬的指標是留存曲線——如果它一路往下掉到接近零，代表沒有；如果它在某個水平走平（形成所謂的微笑曲線），代表有一群人真的離不開，那群人就是你的起點。

沒有契合的時候，加行銷預算只會把錢燒得比較快而已。這階段該做的是換客群、換問題、或換做法——Eric Ries 講的軸轉。要注意軸轉不是全部推翻，通常是保留一隻腳（同樣的客群但換問題，或同樣的問題但換客群），另一隻腳移動。

有一個常見的自我欺騙要小心：把「大家覺得這個點子不錯」當成契合的訊號。稱讚是免費的，付錢不是。判斷有沒有契合，只看行為——有沒有人付錢、有沒有人回來、有沒有人主動介紹別人來。三個都沒有的時候，一百句稱讚也不代表什麼。

還要記得它會失效，而且失效時沒有警報。市場會變、對手會出現、客戶會長大、需求會被別的東西滿足。今天的契合是這個時間點的契合，不是永久資格。所以留存和推薦這兩個指標要一直看下去，不是達標一次就收工。

最後一個實務判準，我覺得比問卷更準：客戶會不會在你搞砸的時候原諒你。真正契合的產品，即使服務出包、介面很醜、價格漲了，人還是留著，因為他找不到替代品。這個容忍度就是契合強度的溫度計。

三、心理與行為偏誤（18 個）

損失厭惡

人對損失的痛苦大於同等收益的快感，導致保守行為。

康納曼和特沃斯基的前景理論裡，這是最有名的一塊。他們用實驗估出損失帶來的痛苦大約是同等收益快樂的兩倍上下。所以丟掉一千塊的難受，要贏兩千塊才能把心情拉平。這個不對稱不是人格問題，是普遍的心理構造。

它解釋了一大堆看起來不理性的行為。股票套牢了不肯賣，因為賣掉就等於把帳面損失變成真的損失，只要不賣就還「有機會」。用了很久的舊東西捨不得丟。已經爛掉的專案沒有人敢喊停。免費試用之所以有效，也是這條——東西一旦到手，拿走它就從「沒得到」變成「失去」。

有一個實驗設計得很聰明：給老師們預先發獎金，並告知如果學生成績沒進步就要收回。這組的教學成效，明顯高於「達標之後才發獎金」的組。同樣的錢、同樣的條件，只因為一組是保住已有的、一組是爭取沒有的。

拿來設計溝通很好用。「別再讓你的網站每個月流失三成訪客」比「讓你的網站流量成長三成」有力。但有兩個前提：損失要具體、要跟對方切身相關。含糊的恐嚇沒有效果，而且會引發防衛。

自我防衛的方法是換算成絕對狀態。不要問「我賠了多少」，要問「如果我今天手上是現金，我會買進這個部位嗎」。把參考點從買進價移開，決定會乾淨很多。同樣的問法可以用在任何「我已經投入很多」的處境上。

還有一個延伸值得記：損失厭惡會讓人在虧損狀態下變得更愛冒險。這跟框架效應那條的實驗結果一致——面對確定的損失，人會傾向賭一把。這也是為什麼賭輸的人會加碼、業績落後的團隊會做出更冒進的決定。知道這個機制之後，最實用的動作是：在虧損狀態下，把決定延後二十四小時。

確認偏誤

傾向搜尋、解讀支持既有觀點的資訊，忽視反例。

Peter Wason 的四張卡片實驗展示了一件事：人在驗證規則時，本能會去找支持的例子，而不是去找能推翻它的例子。但邏輯上只有後者有資訊價值。這個傾向強到連受過訓練的人都會犯。

它有三個層次，分清楚比較好處理。第一層是搜尋偏誤——你去找的資料本來就偏。第二層是解讀偏誤——同一份資料，支持你的部分你覺得證據充分，反對你的部分你會挑毛病。第三層是記憶偏誤——你後來記得的，是那些符合你想法的。三層疊起來，你會越來越確定自己是對的，而且完全是誠實的。

現在的資訊環境把它放大了。演算法會餵你更多你點過的東西，於是你會覺得「大家都這樣想」。同一份財報，看多的人和看空的人讀出完全相反的結論，兩邊都覺得證據充分，而且兩邊都能舉出一堆同溫層的人來佐證。

對抗它有幾個可操作的動作。第一，刻意去讀立場相反的最強版本，不是最蠢的版本——這是很多人假裝在做但其實沒做的事，因為讀最蠢的版本比較舒服。第二，發表意見之前先寫下「什麼樣的證據會讓我改口」。第三，找一個會直說的人，並且在他反駁你的時候不要辯解，先問「你看到什麼是我沒看到的」。

有一個很有力的練習叫意識形態圖靈測試：你要能把對方的立場講到讓對方的人以為你是自己人。做得到才代表你真的理解那個立場，做不到就代表你一直在打稻草人。

要接受一件事：確認偏誤不會被消滅，只能被稀釋。所以真正有用的是制度——同儕審查、預先註冊假設、盲測、決策日誌、把反方意見指派給特定的人——而不是「我會保持客觀」這種決心。決心在你最需要它的時候剛好最弱。

心理帳戶

人會將金錢或資源分不同「帳戶」，影響實際經濟行為。

理查塞勒的觀察是：同樣一千塊，在「年終獎金」帳戶裡花起來很爽快，在「這個月薪水」帳戶裡就捨不得。中獎的錢比較敢賭，加班賺來的錢比較保守。但錢本身沒有標記，是我們在心裡幫它貼了標籤。

他做過一個很有名的提問：你要去看一場一千塊的表演，到現場發現票丟了，你會不會再買一張？多數人說不會。換個版本：你還沒買票，到現場發現皮夾裡少了一千塊，你會不會買票？多數人說會。經濟上完全一樣（你都少了一千塊），但第一種情況裡那一千塊已經被記進「表演」這個帳戶，再買一張感覺像花了兩千看一場表演。

日常的例子很多，有些代價不小。有人一邊背著 15% 利息的卡債，一邊放著定存不動，因為那筆定存被歸在「不能動的」帳戶。有人為了省 60 塊運費多買一件不需要的東西。旅遊時的消費標準跟平常完全不同，因為那是「旅遊帳戶」。

它不全是壞事，這一點很重要。分帳戶其實是很有效的自制工具——把薪轉戶自動分成生活、儲蓄、投資三個帳戶，比靠意志力管用得多。信封理財法、專款專用、把某一筆錢命名為「進修基金」，全都是在善用這個偏誤而不是消滅它。這是行為經濟學最實用的態度：與其對抗人性，不如設計一個讓人性往對的方向跑的結構。

要小心的是被商家利用的版本。訂閱制把一年的錢拆成每月，讓它從「大額支出帳戶」掉進「零錢帳戶」，你就不會去算總額了。分期付款、點數、儲值金也是同一招——換一種計價單位，你的心理帳戶就換了一個。對策很簡單：定期把所有訂閱和小額支出加總成年度數字看一次，帳戶會自動被重新歸類。

預設選項偏差

懶於更改預設值，致使選擇被設計者左右。

器官捐贈同意率在歐洲各國的差距極大，有些國家接近百分之百，有些國家只有一兩成。Johnson 和 Goldstein 的研究指出，主要差別不是文化或宗教，是表格——預設「同意，不同意請打勾」的國家同意率極高，預設「不同意，同意請打勾」的國家極低。同一個大陸、相鄰的國家、相似的文化，差別在一個勾選框的方向。

它為什麼這麼強？有三層原因疊在一起。改預設要花力氣（即使只是打一個勾）。預設會被解讀成「專家建議」或「多數人的選擇」。以及——這一層最少被提到——不改就不必為結果負責，如果出事那是制度的錯不是我的選擇。

自己用它的方式是：把你想做的事變成預設，把不想做的事變成需要額外動作。手機把有用的 App 放首頁、把社群 App 移進資料夾第三頁或直接刪掉；冰箱裡水放前面飲料放後面；健身服前一晚放在門口；工作電腦不登入社群帳號。這比每天下決心有效太多，因為它不消耗意志力。

被別人用時要警覺。軟體的預設隱私設定通常對你最不利、對平台最有利。保險和購物流程的預設加購。自動續訂。演算法的預設排序。買任何服務之後花五分鐘把設定翻一遍，是報酬率極高的五分鐘。

延伸出來的是推力理論。塞勒和桑思坦主張，設計選擇環境的人（他們叫選擇建築師）無論如何都在做選擇——你不可能沒有預設值——所以問題不是要不要影響人，而是要往哪個方向影響。這個立場有它的爭議：誰決定什麼方向對人比較好？他們的回答是自由家長制，保留選擇權但把預設設在多數人事後會感謝的位置。你可以不同意，但「無法不影響」這個前提是成立的。

安慰劑效應

相信療法有效即可帶來真實生理或心理改善。

給病人一顆沒有藥理作用的糖錠，有相當比例的人在疼痛、焦慮、腸胃症狀、疲勞上會真的改善。這不是「想像出來的」，有些研究量得到生理指標的變化，也有研究顯示某些安慰劑反應可以被阻斷腦內啡的藥物擋掉——代表它走的是真實的生理路徑。

因為它太強，藥物臨床試驗才必須做隨機雙盲對照，否則你分不出療效來自藥還是來自「有人在治療我」這件事。

要講清楚的分寸是：安慰劑對主觀症狀效果明顯，對客觀病理指標基本上沒有效果。它不會縮小腫瘤、不會殺死細菌、不會接好骨折。用它取代真正的治療會出人命，這是所有討論安慰劑時必須放在最前面的一句。

它的親戚是反安慰劑效應，威力同樣不小：相信某件事會傷害你，症狀就真的出現。讀完藥物副作用清單之後開始覺得不舒服，屬於這一類。這在醫病溝通上是個真實的兩難——告知副作用是義務，但告知本身會誘發副作用。

有一個很有意思的發現：即使明白告訴受試者「這是安慰劑，沒有藥效」，在某些症狀上仍然觀察得到改善。這被稱為開放標籤安慰劑，研究還在累積，但它暗示了儀式和期待本身可能就是作用的一部分。

推論到非醫療的場景很有價值：期待是效果的一部分。老師相信學生會進步（畢馬龍效應）、教練的態度、環境的專業感、儀式的鄭重程度，都會改變結果。這對做教學、諮詢、服務的人是一個真實的槓桿——你怎麼交付，會改變交付的效果本身。當然，這也代表誇大宣稱在短期真的「有效」，所以更需要自律。

社會證明

他人行為或認同會影響個人決策，「大家都買」誘因。

不確定該怎麼做的時候，人會看別人怎麼做。這是一個效率很高的捷徑——多數時候跟著大家走確實比較安全。Cialdini 把它列為說服六原則之一，而且指出它的效力在兩種情況下特別強：情境越模糊、以及那些「別人」跟你越像。

所以「跟你一樣的三千位獨立接案設計師都在用」比「一百萬人都在用」有效。同儕的力量遠大於群眾的力量。這也是為什麼分眾的見證、同產業的案例、同一個階段的人的評價，比名人代言更能推動實際購買。

飯店毛巾重複使用的實驗是這個模型最漂亮的示範。房卡上寫「請愛護環境」效果普通；寫「本旅館多數房客會重複使用毛巾」效果好一些；寫「住過這個房間的房客多數會重複使用毛巾」效果最好。越接近、越具體，力道越強。

反過來要留意它的反效果，公共宣導最常踩。強調「有 30% 的人逃漏稅」等於在告訴大家逃漏稅很普遍；宣導「每年有多少青少年吸菸」可能反而提高吸菸率。正確的做法是強調正向的多數：「九成的人都準時申報」。這在你設計團隊規範時同樣適用——不要一直講有多少人沒做到。

自我防衛有兩個問法。第一，如果沒有人在看、沒有人告訴我別人怎麼做，我還會選這個嗎？第二，這些「別人」到底是誰，他們的處境和目標跟我一樣嗎？很多時候你參考的群體根本不在同一條路上。

還有一個要注意的：社會證明可以被製造。假評論、買來的追蹤數、刻意營造的排隊、「已有 xxx 人購買」的浮動視窗。所以看到社會證明時，順手檢查它的可驗證性——有沒有具體的名字、可查的來源、可以聯繫的人。查不到的社會證明，權重要調到很低。

稀缺性偏誤

越難獲得越具吸引力，稀缺被視為高價值信號。

限量三十件、剩最後兩個名額、優惠倒數十分鐘。稀缺同時觸發兩件事：對損失的恐懼（見損失厭惡），以及「難拿到的東西應該比較好」這個推論捷徑。兩個機制疊在一起，威力很大。

心理學上還有第三個成分叫反抗心理：當選擇被限縮，人會更想要那個被拿走的選項。這解釋了禁書為什麼賣得好、為什麼「這個不是給你的」會讓人更想要、以及為什麼對青少年講「不准」常常有反效果。

有一個實驗做得很生動：把餅乾放在罐子裡讓人評分，一罐十片、一罐兩片，同樣的餅乾，兩片那罐評價比較高。更有趣的是，如果受試者看到餅乾是從十片被拿走變成兩片的，評價又更高——變得稀缺比一直稀缺更有吸引力。

真稀缺和假稀缺要分開。真稀缺有結構性原因：座位數、產能上限、你一週只能接三個案子、這個價格只到某個日期是因為之後成本真的會變。假稀缺是行銷造出來的倒數計時器，關掉重開又是新的十分鐘。第二種被識破一次，信任就掉一大塊，而且現在的消費者識破速度很快。

自己被觸發時的解法只有一句：如果這個東西永遠都買得到，我還想要嗎？想要就買，不想要那你要的是「不錯過」，不是這個東西。錯失恐懼買來的東西，收到後通常會被塞進抽屜。

用在自己的產品上，我的建議是只用真稀缺，而且把理由講出來。「我一個月只接三個顧問案，因為超過這個數量品質會掉」比「限時優惠倒數」有力，而且它同時傳達了你的標準。稀缺的說服力來自它是一個關於價值的訊號，一旦被看穿是操作，訊號就反轉了。

單純曝光效應

僅僅多次接觸即可提高喜好度，熟悉產生好感。

Robert Zajonc 的實驗顯示，受試者對看過越多次的圖形、漢字、臉孔評分越高，即使他們根本沒有意識到自己看過——有些實驗甚至把刺激閃現到意識察覺不到的程度，效果仍然存在。熟悉本身會被大腦誤讀成安全，安全再被誤讀成喜歡。

廣告的重複投放靠的就是這條。第一次看到某個品牌沒感覺，第七次看到會覺得「這個好像滿有名的」。這個「好像滿有名的」就是效果本身，它不需要你記得任何具體資訊。

內容創作也一樣，而且這是很多人排錯優先序的地方：讓同一群人反覆看到你，比讓一萬個陌生人各看你一次有效得多。前者會累積成認識和信任，後者過幾天就消散了。這也是電子報、播客、訂閱制內容的價值來源——它們保證了頻率。

它有幾個明確的邊界要記住。第一，如果第一印象是負面的，重複曝光會加深厭惡而不是轉正。所以推廣一個爭議性的東西時，多曝光可能適得其反。第二，過度曝光會產生疲乏，效果在某個點之後會遞減甚至反轉，這在音樂和廣告上都有觀察到。第三，複雜的刺激比簡單的刺激更耐得住重複——一首簡單的歌很快聽膩，一首複雜的歌可以聽很久。

實務推論有兩個。第一，經營受眾要看「同一個人看到你幾次」，不要只看總觸及數。一個十萬觸及但每個人只看一次的內容，價值低於一萬觸及但每個人看十次的內容。第二，你的視覺識別、口頭禪、開場方式要固定，因為重複的前提是可辨識——如果每次長得不一樣，重複就不會累積。

還有一個對創作者的安慰：你覺得自己講到膩的東西，觀眾平均只聽到十分之一。膩的感覺是你的取樣偏差造成的，不是市場的訊號。

IKEA 效應

親手參與製作的物品更被珍惜並評價更高。

Norton、Mochon 和 Ariely 的實驗裡，受試者對自己折的紙鶴、自己組的收納盒願意付的價格，明顯高於同款的成品，而且他們認為別人也會覺得自己做的比較好——這一點特別有意思，代表偏誤還帶了一層盲目。

有個常被引用的歷史對照：早期的蛋糕預拌粉賣不好，因為只要加水就完成，家庭主婦覺得那不算自己做的。後來配方改成必須自己打一顆蛋進去，銷量就上來了。太完全的便利反而剝奪了參與感和成就感。這個故事的細節在不同版本裡有出入，但它描述的機制是成立的。

用在產品上，這是提高黏著度最便宜的方式之一。讓使用者參與設定、客製化、匯入資料、建立自己的清單。設定過的軟體不想換，養了三年的筆記系統搬不走，捏過角色的遊戲捨不得刪。這裡的槓桿是「投入」而不是「功能」。

用在自己身上，代價就出來了：你會高估自己寫的企劃、自己養的產品線、自己想的點子，而且對外人的批評特別刺耳。這個偏誤跟稟賦效應、沉沒成本謬誤是一族的，三個加起來讓人很難放掉自己做的東西。

防它的方法有幾個。評估自己做的東西時，找一個完全沒參與過的人給意見，而且要問行為而不是感受——不要問「你覺得如何」，要問「你會付錢嗎」「你會用嗎」「你會推薦給誰」。另一個做法是隔一段時間再看，時間會沖淡一部分投入感。還有一個比較狠的：把它當成別人做的東西來評分，你會突然變嚴格。

要注意這個效應有條件：作品必須完成。同一批研究發現，如果組裝到一半被要求拆掉，估值提升就消失了。未完成的投入不會產生同樣的珍惜，這也解釋了為什麼半途而廢的專案反而容易被丟掉。

Endowment 效應

一旦擁有即高估價值，導致不願割捨。

塞勒的馬克杯實驗是行為經濟學最常被複述的實驗之一：隨機發杯子給教室裡一半的人，然後開放交易。理論上應該會有大量交易發生（因為誰拿到杯子是隨機的，喜歡杯子的人應該去買），實際上持有者的要價大約是想買者出價的兩倍多，交易量遠低於預期。東西一到手，價值就在心裡漲了。

它跟損失厭惡是同一個機制的不同面向：割捨被計算成損失，而損失的痛苦是雙倍的。所以免費試用、七天鑑賞期、先寄貨後付款、先讓你把設備搬回家用一週，全部是在讓你先擁有。這些設計的成本很高（退貨很麻煩），廠商還是做，因為稟賦效應的效果更大。

在賣東西上這是最大的阻力。屋主的開價常常高於市場，因為那是他住過、裝修過、有記憶的房子。清衣櫃困難也是同一件事——「我還會穿嗎」這個問法會啟動稟賦效應，換成「如果現在在店裡看到這件，我會買嗎」就乾脆多了。同樣的問法可以用在整理任何東西上。

在談判裡要小心對方讓你先擁有的手法。試用、先做再談、先給你一個頭銜、先讓你參與。這些不一定是惡意的，但它們確實會移動你的心理錨點。對策是在接受任何「先給你」之前，先把你的底線寫下來。

要標註的是，近年有研究者對稟賦效應的解釋提出了不同看法，認為部分效果來自實驗設計（受試者對交易本身的不熟悉、對實驗意圖的猜測）而非純粹的估值改變。效果在有交易經驗的人身上比較弱，這也支持「部分是經驗問題」的說法。所以拿它解釋現象很好用，拿它當成鐵律要保留一點空間。

達克效應

能力低下者反而高估自己，無法準確自評。

Dunning 和 Kruger 在 1999 年的原始論文說的是：在幽默感、文法、邏輯推理這些測驗上表現最差的一群人，對自己排名的估計偏高得最多。他們的解釋很優雅——評估自己表現需要的知識，正好就是他們缺的那一套。不知道自己不知道。

要標註爭議，而且這個爭議相當實質。有統計學者指出，原始論文的那張圖有一部分可以由迴歸均值和雜訊自動產生，也就是說即使受試者的自評完全隨機，也會畫出類似的圖形。效果的真實規模比流行說法小很多。所以拿它去嘲笑別人不太站得住，拿它提醒自己還是有用。

比較穩的是另外半邊：能力好的人常常低估自己的相對位置。原因有兩個，一是他們身邊都是同等程度的人，二是他們知道自己還有多少不會。這個現象在專業社群裡很常見，也是冒牌者症候群的一部分來源。

實用的作法是把自評換成外部檢驗。不要問「我覺得我做得如何」，去做一次會被比較、會有明確回饋的事——投稿、比賽、接受檢視、把作品拿給比你強的人拆。回饋比自省準，而且準很多。

還有一個更根本的推論：要知道自己不知道什麼，最快的方式是接觸這個領域的地圖，而不是往下鑽某一點。看一次完整的知識架構、看一次專家的爭論、看一次入門到精通的階段劃分，你會立刻看到自己站在哪，以及前面還有什麼。這也是為什麼一個好的框架地圖對新手的價值，遠高於一堆零散的技巧。

用在管理上要小心分寸。指出別人高估自己，幾乎不可能不傷人。比較可行的做法是創造回饋環境，讓現實去告訴他，而不是由你去告訴他。

規劃謬誤

低估完成任務所需時間與資源，過度樂觀。

問人一份報告要多久，答案通常比實際短很多。康納曼和特沃斯基在 1979 年提出這個概念，而最戲劇性的是康納曼自己講的親身經歷：他召集一群人寫教科書，大家估兩年，他也覺得合理。實際上花了八年，而且中間有一位成員早就指出類似計畫的歷史平均是七到十年——但沒有人把那個資訊聽進去。

這裡有個關鍵：規劃謬誤最頑固的地方在於，就算你上次也低估了，這次還是會低估。因為人估計時用的是「這件事順利的話要多久」，而不是「上次類似的事實際花了多久」。前者是內部觀點，後者是外部觀點。

大型工程是集體版本，而且穩定到可以當成規律。雪梨歌劇院原訂七年、七百萬澳幣，最後花了十四年、超過一億。Bent Flyvbjerg 研究過大量基礎建設專案，發現超支和延遲是常態不是例外，而且他認為除了認知偏誤，還有策略性的低報——如果誠實估價，這個案子根本不會被批准。這一層值得記住：有些低估不是誤判，是誘因。

破解方法裡最有效的是外部觀點，也叫參考類別預測。不要問「這個案子要多久」，去找五個類似的案子看它們實際花了多少。這個方法的準確度明顯高於內部估計，而且很多人不用它的原因很簡單——它會給出讓人不想聽的數字。

土法煉鋼的版本也有效：把你的估計乘以 1.5 到 2，並且把時程拆到「半天可完成」的顆粒度。拆得越細，那些隱藏的步驟越容易浮出來——你會突然想起還要等法務審、還要跟三個人對過、還要做一版簡報。

還有一個實務建議：報時程時給範圍不給單點，並且說明前提。「三到五週，前提是設計在第一週給我」比「四週」誠實，也比較不會在出事時變成信任問題。

倖存者偏差

只看到留下來的樣本，忽略失敗者，導致結論失準。

二戰時盟軍研究返航飛機的彈孔分布，打算在中彈最多的部位加強裝甲。統計學家 Abraham Wald 指出應該補在彈孔少的地方——因為打中那些部位的飛機根本沒有飛回來，所以你在資料裡看不到它們。這個故事之所以被講了八十年，是因為它把「你看不到的資料」這件事講得太清楚了。

它污染了幾乎所有的成功學。輟學創業成功的故事被反覆傳頌，輟學之後沒有下文的人不會出現在任何一本書裡。老房子看起來蓋得比較好，是因為蓋得差的早就拆了。老歌比較好聽，是因為難聽的沒有被留下來。某個投資策略「過去十年年化 20%」，要問的是採用這個策略但倒掉的基金去哪了。

自我檢查的問法有三個。這份樣本是怎麼被選進來的？誰被篩掉了？如果我只能看到「留下來的」，那我看到的相關性有多少是篩選本身造成的？第三個問題最有殺傷力，因為篩選可以憑空製造出強烈的相關性。

實務上要主動去找失敗案例，這是最難但報酬最高的功課。訪問倒掉的同業、讀退場的復盤、問離職的人、看被拒絕的提案。這些資料難拿——因為失敗的人不想講、成功的人愛講——正因為難拿才有價值。

有一個相關的偏誤值得一起記，叫沉默證據。塔雷伯講過一個古老的故事：有人給無神論者看一幅畫，畫的是祈禱之後從海難中生還的人，說這證明祈禱有效。無神論者問：那些祈禱了卻淹死的人的畫在哪裡？

最後一個提醒，這條偏誤也有溫和的用法：當你看到一個領域裡的人都在講同一套成功方法，先假設那是倖存者在事後合理化，然後去找「用了同樣方法但沒成功」的人。找得到很多，那個方法大概沒有你想的那麼關鍵。

錨定效應

最先接收的數字或資訊成為心理錨點影響判斷。

康納曼和特沃斯基做過一個經典設計：先讓受試者轉一個動過手腳的輪盤，轉出一個隨機數字，然後問他們非洲國家在聯合國的比例是多少。轉到 10 的人平均答 25%，轉到 65 的人平均答 45%。那個數字明明是他們親眼看到的隨機結果，還是把答案拉走了。

錨定的強度令人不安的地方在於：知道有這個效應也擋不住。有實驗直接告訴受試者「這個數字是隨機的，請不要被影響」，效果仍然存在。所以對抗它不能靠當下的警覺，只能靠事前的準備。

商業上的用法遍地都是。原價劃掉再標特價（那個原價可能從來沒有人用過）。菜單上放一支超貴的酒，讓次貴的顯得合理。房仲先帶你看兩間又貴又爛的。談薪水時先報數字的人常常佔優勢。連「建議售價」這個名詞本身都是一個錨。

自衛的做法有兩層。第一，進場前先自己定錨——看房、談薪、談報價之前，先寫下你的數字和依據，寫在對方開口之前。這個動作看起來很簡單，效果差很多，因為它給了你一個競爭性的參考點。第二，遇到對方報出一個誇張的錨，不要在那個數字上還價（在那個數字上還價就已經接受了它的框架），直接把話題移回依據：這個價格是怎麼算出來的？

要注意錨不只是數字。第一個被討論的方案會變成錨，第一個提出的架構會變成錨，第一份草稿會變成錨——後面所有的討論都會繞著它修改。這在會議上很值得利用：如果你希望某個方向被認真考慮，先把它寫成完整的第一版。

還有一個反向的實用技巧：當你要給別人估價或估時程時，先講範圍的上限再往下談，效果通常好過先講下限再往上加。這不是操弄，這是承認人的判斷會被順序影響，所以順序本身是要設計的。

光環效應

單一突出特質影響對整體的評價，常見於明星產品。

心理學家 Thorndike 在 1920 年代研究軍官評分時發現，長官對士兵各項特質的評分高度相關——體格好的人連帶被評為聰明、忠誠、有領導力。這些特質之間沒有理由這麼相關，是評分者的整體印象滲透到了每一項。

商業上最完整的批判來自 Phil Rosenzweig 的《光環效應》。他的觀察是：多數研究「成功企業共同特質」的暢銷書，其實是先看到公司的績效，再回頭找原因，於是所有的敘事都被績效污染了。公司賺錢的時候，它的文化叫「有願景」、老闆叫「有魄力」、策略叫「大膽」；同一家公司虧錢之後，同樣的特質被重新描述成「盲目」「獨斷」「魯莽」。而中間可能什麼都沒變。

這對閱讀商業書和個案的人是一記重擊，但它是對的：任何「成功企業都有 X」的研究，如果沒有同時去看「失敗企業有沒有 X」，就沒有資訊量（這也是倖存者偏差和確認偏誤的合體）。

在選人上它最貴。名校、大公司、口才好、外表整齊，都會拉高對其他能力的評估，而那些特質跟工作表現的相關性遠低於我們的直覺。防它的方法是把評估拆項並且分開進行：技能測驗、情境題、實作作業、背景查核各自打分，最後才合起來看。結構化面試之所以預測力比自由面試好，主要原因就是它壓抑了光環效應。

反過來的版本叫尖角效應：一個明顯的缺點會拉低所有評價。遲到一次的人，他的專業能力會被連帶懷疑。第一印象糟糕的人要花很久才翻得回來，而多數人根本沒有那個機會。

自我檢查的問法：我對這個人（或這個產品、這家公司）的整體好感，有多少是來自我實際查證過的部分？把好感拆開來，通常會發現支撐它的只有一兩件事。

峰終定律（Peak-End）

人們記憶取決於高峰與結束時刻，而非平均體驗。

康納曼和同事做過一個設計得很聰明的實驗：受試者把手放進冰水裡六十秒（痛），另一次放進冰水六十秒之後，再多泡三十秒稍微不那麼冷的水（總痛苦更多，但結尾比較不痛）。事後問他們願意重複哪一次，多數人選了比較長的那一次。記憶不是把體驗加總平均，它抓的是峰值和結尾。

這帶出一個重要的區分：體驗的自我和記憶的自我不是同一個人，而且做決定的通常是後者。你選擇要不要再去某家餐廳、要不要再跟某個人合作、要不要再做某件事，依據的是記憶版本，不是當時實際的感受總量。

服務設計靠這條吃飯。IKEA 動線最後那支便宜到不合理的冰淇淋，餐廳結帳時附的小點心，飯店退房時多講的那一句話，醫院把最不舒服的檢查排在中間而不是最後。整趟體驗的評分會被最後三十秒明顯拉動，而那三十秒的成本通常很低。

你的工作也能設計。課程的最後留一個高峰而不是草草收尾，會議用一句清楚的行動收掉而不是拖到超時，一天的最後一小時做一件有成就感的事而不是回信。這些不會改變你實際做了多少，但會改變你對這段時間的記憶，而記憶會影響你明天要不要繼續。

要留意兩件事。第一，它是關於「記憶中的體驗」，不是「當下的體驗」。如果你的目的是實際的幸福而不是回憶，這條的用法要反過來想——不要為了漂亮的回憶去忍受漫長的難受。第二，這條被過度延伸使用了，近年也有研究顯示效果的強度視情境而異，尤其在很長、很複雜的體驗上不一定成立。當成設計的提示可以，當成公式不行。

從眾效應

因群體壓力而改變觀點或行為與多數一致。

Solomon Asch 的線段實驗是社會心理學的經典：一群樁腳一起指認一條明顯錯誤的線段，大約三分之一的判斷會跟著錯，而且有七成以上的受試者至少屈服過一次。這些線段的長度差異大到單獨作答時幾乎不會錯。

最有價值的是後續變化：只要有一個人跟受試者站在同一邊——即使那個人給的是另一個錯誤答案——從眾率就大幅下降。反抗需要的不是勇氣，是一個盟友。

這對組織的啟示非常直接。不要當那個唯一敢講話的人，先去找一個盟友，在會議前對過；也不要讓你的團隊裡只有一個人敢講話，因為他撐不久。第二個聲音的成本很低，效果很大。

它跟社會證明的差別在動機，值得分清楚。社會證明是「我不確定，所以參考別人」，那是資訊問題，解法是提供更好的資訊。從眾是「我知道答案，但怕跟人不一樣」，那是壓力問題，解法是降低表達異議的社會成本——匿名、先寫再講、指定唱反調的角色。用錯解法會沒有效果。

投資上這條的代價最貴。多數泡沫的參與者不是不知道貴，是覺得「別人都在賺，只有我站在外面」很難受。凱因斯有句常被引用的話大意是：世俗的智慧告訴我們，隨大流地失敗，比特立獨行地成功更有利於名聲。這句話解釋了為什麼專業經理人的行為會趨同——不是判斷趨同，是誘因趨同。

實務上要建立自己的免疫力，最有效的是把判斷寫下來並附上理由。當外界的聲音變大時，你有一份自己當初的推理可以檢查——如果推理還成立，那外界的一致只是噪音；如果推理裡有洞，那才是該改的時候。

承諾一致性

一旦表態就傾向保持一致，避免顯得前後矛盾。

有一個很經典的研究：先請住戶在窗戶上貼一張支持安全駕駛的小貼紙，幾週後再請他們在院子裡立一塊很大又很醜的看板，答應率遠高於直接問的對照組。這叫得寸進尺法，機制是人會維持自我形象的連貫——我是一個關心交通安全的人，所以我應該答應。

Cialdini 指出承諾的效力跟幾個條件有關：書面的比口頭的強、公開的比私下的強、主動做出的比被動接受的強、以及需要付出努力的比輕鬆的強。四個條件湊齊，那個承諾會非常黏。

所以銷售流程會要你先填一份小表單、健身房要你簽約而不是月租、社群要你發文宣告目標、課程要你在第一堂寫下學習動機。這些動作看起來無害，實際上都在建立一個你之後很難違背的自我敘事。

正面用法是幫自己上鎖。把目標寫下來、告訴一個會追問你的人、預先付款、公開宣告進度。這是把未來的自己綁在今天的決定上，對抗雙曲折現最有效的手段之一。實務上最強的組合是「公開 + 有人會追問 + 有金錢代價」。

負面代價是它讓人不肯改口。公開表態過的立場，就算後來看到反證也很難退，因為退等於承認自己錯了兩次（一次判斷錯、一次公開錯）。這在專家和公眾人物身上特別明顯，也是為什麼越是需要保持開放的角色，越要小心早期的公開表態。

留一條路給自己的方法：講話時保留時態和條件。「以我目前看到的資料，我的判斷是 A」跟「就是 A」在說服力上差不多，但在退路上差很多。前者讓你改變想法時只需要說「我看到新資料了」，這是一個體面而且誠實的下台階。養成這個語言習慣，你會發現自己更新想法的速度變快很多。

// 讀到這，先存個檔

思維模型，一鍵打包為 Notion 模板

重點濃縮 + 動手檢查表，留個 email，我直接寄一份可直接套用的版本給你。

寄一份給我 →

P.S. 一週寄一封電子報，不喜歡退訂兩秒鐘 ✏️

四、系統與複雜性（15 個）

系統思考

關注整體要素間互動與反饋，而非孤立部分。

線性思考問「誰造成的」，系統思考問「這個結構讓什麼事變得容易發生」。同一個團隊換了三任主管都一樣亂，問題大概不在人，在流程和誘因；一個人減肥三次都復胖，問題大概不在意志力，在他的生活結構。

Donella Meadows 在《系統思考》裡整理過一份介入點的層級表，我覺得那是這個模型最實用的部分。最沒力的是調參數（改預算、改人數、改 KPI 的數字），中間是改資訊流（讓人看得到原本看不到的東西）與規則，最有力的是改目標和典範（大家默認在追求什麼）。而多數組織把 90% 的力氣花在最沒力的那一層——每年改預算數字，從來不問這個部門存在的目標對不對。

有一個要特別注意的性質是延遲。系統的回饋常常慢好幾拍，你今天的動作要幾個月才看到效果，於是人會誤判、會過度修正。就像洗澡時調水溫，熱水來得慢，你一直轉，最後在燙和冷之間來回震盪。組織裡的招聘、行銷投放、健康習慣全部有這個特性，而多數人的錯誤是在還沒看到效果前就換了做法。

還有一個叫「政策阻力」的現象：系統裡不同的角色各自往不同方向拉，於是任何單方面的施力都會被抵銷，系統看起來頑固得不合理。這時候硬推沒有用，要先搞清楚每一方在維護什麼。

實用的第一步是畫圖。把要素畫成圈，用箭頭連起來，標出哪些是增強回饋、哪些是平衡回饋、哪裡有延遲。畫完通常會看到自己原本以為的因果只是整張圖的一小段，而且真正的槓桿點在別的地方。這個動作不需要任何工具，一張紙就夠，但很少人做。

最後一個提醒：系統思考容易變成一種聰明的癱瘓——「這件事很複雜，牽一髮動全身」講完就沒有下文。它的目的是找到介入點然後動手，不是產生一份精美的複雜度說明。

反脆弱性

系統在壓力或波動下不僅抗打擊，甚至變得更強。

塔雷伯的三分法是這個概念的起點：脆弱的東西怕波動（玻璃杯、精密排程），強韌的東西不怕（石頭、鐵箱），反脆弱的東西需要波動才會變好（肌肉、免疫系統、有競爭的市場、練過真實對話的溝通能力）。他的重點是第三類長期沒有名字，所以大家想不到要去追求它。

關鍵在於這是一種結構，不是一種態度。你不能靠「心態堅強」變得反脆弱，你要靠設計出「小損失可承受、大收益不封頂」的處境。多條收入來源、可逆的小實驗、留現金、多認識不同圈子的人、把作品公開接受批評，這些都是在建立這種形狀。

反過來，很多看起來很穩定的安排其實非常脆弱：單一雇主、單一大客戶、高槓桿、把行程排到沒有一分鐘餘裕、過度優化到零庫存的供應鏈。它們在平常表現最好——這正是危險的地方，因為表現好會讓人繼續往那個方向優化——但在意外時斷得最快。塔雷伯稱之為「火雞問題」：火雞被餵養一千天，每一天的資料都在支持「人類愛我」這個結論，直到感恩節前一天。

過度保護會製造脆弱，這是這套理論最有教育意義的推論。無菌環境養出過敏體質，太順的職涯經不起第一次真正的挫折，長期壓抑所有小火災會累積成一場大火（森林管理已經證實了這一點）。適量的壓力不是要忍受的成本，是必要的輸入。

實作上有個很好用的檢查：列出你生活裡所有「不能出事」的環節——不能生病的那一週、不能延遲的那一個交付、不能失去的那一個客戶。每一條都是脆弱點。然後問，我可以怎麼讓它出事也不會全毀？答案通常是備援、緩衝、或多一個選項。

韌性工程

設計能在故障時維持功能、快速恢復的系統。

前提是承認一件事：故障必然發生。一旦接受這個前提，重點就從「不要壞」轉成「壞了以後多快能恢復、壞的時候會不會拖垮全部」。這個轉向聽起來像認輸，實際上是所有高可靠系統的共同起點。

具體手法有幾類。第一是隔艙——把系統切成互相隔離的區塊，讓故障不擴散，船艙的水密隔艙就是這個名字的來源。第二是優雅降級——主要功能掛掉時提供陽春版，而不是整個白畫面。第三是主動製造故障：Netflix 的混沌猴子會隨機關掉自己的正式環境伺服器，逼團隊寫出撐得住的架構。第四是縮短偵測時間，因為多數災難的規模跟「多久才發現」成正比。

個人版本的韌性設計包括：重要檔案有備份而且真的驗證過能還原（沒驗證過的備份不算備份）、有三到六個月生活費的緩衝、關鍵技能不只掌握在一個人手上、以及一個「你生病一週不會讓所有事停擺」的工作安排。最後這條大部分自由工作者都沒有，而它是最常出事的一條。

要量測的是恢復時間，不是故障次數。故障次數為零通常代表你還沒有被真正測試過，而不是你很強。這在資安、備份、緊急聯絡機制上特別真實——沒演練過的計畫，出事時的成功率接近零。

還有一個常被忽略的維度：人的韌性。輪班、交接文件、副手制度、不要讓一個人變成單點故障。組織裡最脆弱的環節通常是那個「什麼都知道、什麼都他處理」的人，而他自己往往覺得這是被重視。

跟反脆弱的差別：韌性是壞了能回到原狀，反脆弱是壞了之後比原本更好。多數系統做到韌性就很不錯了，反脆弱是額外的追求。

途徑依賴

早期偶然選擇會鎖定後續路徑，難以逆轉。

QWERTY 鍵盤是最常被引用的例子——據說當初的排列是為了避免打字機卡鍵，效率不是首要考量，但一旦所有人都學會了，就換不掉了。要注意這個案例有爭議，有經濟學家質疑替代方案（Dvorak）到底有沒有真的比較快。不過機制本身不受影響：鐵軌軌距、電力規格、程式語言的流行度、市話號碼的長度，都有類似的故事。

機制是切換成本會隨時間累積。用得越久、配套越多、會用的人越多、依賴它的東西越多，換掉的代價越大，即使有更好的方案也推不動。這是一種正回饋，跟網路效應是親戚。

對個人的意義是：早期的選擇比你以為的重要得多。第一份工作的產業、第一批客戶的類型、第一個技術棧、第一個內容主題，會決定接下來十年你會遇到什麼機會、認識什麼人、被貼上什麼標籤。這不是宿命論，是提醒你在起步階段多花一點時間選方向，因為那時候的一小時值後來的十小時。

也因此要保留可逆性。在還不確定的階段，選一個「好轉身」的路徑，通常比選一個「現在看起來最優」的路徑划算。可轉移的技能勝過只在單一公司有用的技能，通用的工具勝過小眾的封閉系統，屬於自己的受眾勝過綁在單一平台的粉絲。

已經被鎖定的地方怎麼辦？我的看法是別再花力氣抗拒，改成在鎖定的基礎上找槓桿。你已經在某個產業待了十年，那個產業知識就是你的資產，即使那不是你當初刻意選的。要換方向的話，帶著它換，比丟掉它從零開始快得多。

還有一個組織版本值得注意：路徑依賴會讓「我們一直都是這樣做」變成一種看不見的憲法。破解的方法是定期做一次零假設審查——如果今天從零開始，我們還會這樣安排嗎？

霍夫斯塔特定律

任何事都要比預想更久，即使已考慮此定律。

侯世達寫在《哥德爾、艾雪、巴哈》裡的一句自嘲，形式上是一個遞迴笑話，但它指出了一件真事：你把緩衝加進去之後，還是會超時。

為什麼加了緩衝還是不夠？因為複雜任務的步驟數本身就估不準。你估得到的是你想得到的步驟，估不到的是那些「做了才知道要做」的事——相依性、返工、等別人回覆、環境壞掉、規格中途變更、以及那些每次都會發生但每次都不會被寫進計畫的雜事。緩衝加的是已知步驟的變異，加不到未知步驟的數量。

實務上的處理不是無限加緩衝（那會讓你的估計失去意義，而且沒有人會相信），而是改變承諾的方式。給範圍不給單點，給里程碑不給完工日，或者用固定時間讓範圍浮動——時間到就交出當下能交的版本，這是敏捷開發和限時衝刺背後的邏輯。第三種做法在創作上特別有用，因為創作的範圍本來就沒有底。

還有一招在專案管理上很常見：把「未知的未知」用一個固定比例編進去，直接當成常態。很多成熟團隊會編 30% 到 50% 的緩衝，並且明說這是給未知用的，而不是每次都樂觀估完再道歉。這個做法的附加價值是它讓對話變誠實——大家知道那個緩衝在那裡，就不會偷偷各自藏。

個人層面最實用的一條：把「我今天要做完五件事」改成「我今天要做完兩件事，如果有餘力再往下」。兩件是真的做得完的數量，五件是願望。長期用願望排程的人，會累積出一種每天都失敗的感覺，而那個感覺本身會降低產能。

最後補一句：這條定律跟規劃謬誤講的是同一個現象，差別在規劃謬誤解釋成因（內部觀點），霍夫斯塔特定律描述那個怎麼修都修不掉的殘留。兩個一起用比較完整。

平衡回饋

負回饋機制抑制變化，使系統趨向穩定。

冷氣的恆溫器、身體的體溫調節、市場價格的自動調整、水箱的浮球閥，都是同一個結構：偏離目標就產生一股反向的力量把它拉回來。這是系統穩定的來源，也是改變失敗最常見的原因。

它的實務意義很明確：對抗平衡回饋的努力多半白費。想在一個有強力平衡機制的系統裡推動改變，硬推只會被拉回原點，而且你會累。正確的做法有兩條——改掉那個「目標值」本身，或者削弱回饋的強度。

減肥的停滯期是最好懂的例子。身體會下調基礎代謝、提高飢餓訊號來抵銷熱量赤字，這就是平衡回饋在運作。硬撐通常輸給生理，因為它有無限的耐心而你沒有。比較有效的做法是改變設定點——調整肌肉量、睡眠、壓力荷爾蒙環境，讓系統本身想停在不同的地方。

組織裡的版本更常見：新流程推下去三個月後大家又回到舊做法。這代表舊做法背後有一股平衡力量沒被處理，可能是誘因（新做法讓某些人變麻煩）、可能是方便性（舊做法真的比較快）、可能是非正式規範（大家私下都覺得新流程很蠢）。不處理那股力量，再推第二次還是會回彈。

有一個判斷技巧很好用：如果一個問題你已經解決過兩次以上，它又回來了，那它不是問題，是一個系統的平衡點。這時候該做的不是第三次解決它，是去找那個把它拉回來的力量。

反過來，平衡回饋也是你的朋友。要讓一個好習慣穩定下來，就是替它裝一個恆溫器——固定的時間、固定的地點、會提醒你的人、會反映現狀的儀表板。有了平衡回饋，習慣就不需要靠意志力維持。

強化回饋

正回饋放大初始變動，可能導致爆炸式增長或崩潰。

麥克風靠近喇叭發出的尖叫、複利、傳染病早期的擴散、銀行擠兌、社群上的爆紅，都是強化回饋。輸出回頭變成輸入，於是滾雪球。

它有兩個特徵一定要記住。第一，起初慢到看不出來，然後很快——這是指數的性質，也是為什麼人對疫情初期、對技術採用曲線、對複利的直覺都會出錯。第二，它不挑好壞，向上和向下一樣猛。銀行擠兌就是信任下降導致提款、提款導致信任更低；一個團隊開始有人離職，剩下的人變忙、變忙再導致更多人離職。

做事情要主動去找可以掛上強化回饋的位置。內容帶來訂閱、訂閱帶來回饋、回饋讓內容更好；口碑帶來客戶、客戶產生案例、案例帶來更多口碑；學習產生成果、成果帶來機會、機會帶來更多學習。找到這種圈，剩下的主要是耐心和不中斷。

反過來，也要找出你身上正在跑的負向強化回饋。睡不好導致效率低、效率低導致加班、加班導致更睡不好，這種圈不主動打斷不會自己停。打斷點通常在圈上最容易施力的那一環，不一定是最根本的那一環——先強制睡覺，比先解決工作量容易。

同時要設熔斷。所有強化回饋最後都會撞到某個限制（資源、市場規模、體力、注意力），不預先設限就會過衝然後崩塌。生態系統裡族群數量的暴增暴跌、產業的擴張後倒閉潮、個人的燃燒後崩潰，都是同一個形狀。事先想好「到什麼程度我要主動踩煞車」，比撞牆之後再處理便宜。

還有一個實務判準：任何成長如果不是靠強化回饋來的（例如純靠花錢買流量），它就會在你停止投入的那天停下來。判斷一個成長是不是真的，看它有沒有自己的循環。

冗餘設計

多餘備援資源確保關鍵功能不中斷。

飛機有多套獨立的液壓系統，人有兩顆腎，資料要有三份備份、放在兩種媒介、其中一份在異地。冗餘在平常看起來是浪費，它買的是意外發生時不會歸零。

要注意冗餘的品質，這是最常出錯的地方。同一台機器上的三份備份不是冗餘，同一個機房的三台伺服器不是冗餘，因為它們有共同的失效原因。真正的冗餘要求備援跟主體之間沒有共用的脆弱點。這也是分散投資最常見的錯誤——買了十檔股票但全在同一個產業、同一個國家、對同一個利率環境敏感，那不是分散，那是十份同樣的部位。

過度追求效率會吃掉冗餘，而且這個過程通常是漸進的、每一步都很合理的。及時生產把庫存壓到最低，平常的財報最漂亮，遇到供應鏈中斷就整條停線。這幾年很多產業重新把「有庫存」當成策略而不是浪費，代價是學費繳了一輪。

個人層面的冗餘：存款、第二專長、兩三條可以接案的管道、不只一個能講真話的朋友、不只一個平台的受眾。這些在順風時看起來全都是多餘的，而且維持它們要花力氣。判斷該不該保留的方法是問：如果主要的那個明天消失，我要多久才能恢復？

有一個相關的區分值得知道：冗餘和多樣性不一樣。冗餘是同樣的東西多幾份（三台一樣的伺服器），多樣性是不同的東西可以互相替代（伺服器 + 手動流程）。面對已知的隨機故障，冗餘就夠；面對未知的系統性風險，多樣性比較可靠，因為同款的東西可能一起壞。

最後一個提醒：冗餘是有成本的，而且成本是持續的、可見的，收益是不確定的、看不見的。所以它永遠會被拿來當成第一個削減的對象，尤其在事情很久沒出過問題的時候。這是一個需要制度來保護的東西，不能靠當下的判斷。

湧現特性

整體的行為無法僅由個體特性線性推導。

單一隻螞蟻很笨，蟻群會找到食物的最短路徑。單一神經元不會思考，八百多億個連起來會。水分子沒有「濕」這個性質，一杯水有。這些性質只在層級上升的時候出現，你在下一層怎麼找都找不到。

它的推論很重要，而且會顛覆很多分析習慣：拆解到最小單位不一定能解釋整體。研究單一員工不會理解公司文化，研究單一使用者不會理解社群的氣氛，研究單一神經元不會理解意識。還原論在很多層次上有效，但在湧現的邊界上會失效。

反過來說，要改變湧現出來的東西，操作點在「個體的互動規則」而不是個體本身。想改變一個社群的氛圍，去改誰能發言、什麼行為會被獎勵、新人怎麼進來、衝突怎麼處理——而不是一個一個去勸大家友善一點。想改變團隊的協作品質，去改會議怎麼開、資訊怎麼流動、失敗怎麼被對待，而不是換掉幾個人。

Conway 定律是一個很具體的例子：一個組織設計出來的系統架構，會複製這個組織的溝通結構。四個團隊做出來的編譯器就會有四個階段。這不是誰決定的，是從溝通成本裡湧現出來的。所以想改架構，常常要先改組織。

也要接受它的不可預測性。規則簡單不代表結果可預測——康威生命遊戲的規則只有四條，產生的圖案至今還在被研究。這是複雜系統的性質，不是你想得不夠仔細。所以面對湧現現象，正確的態度是觀察和小步試探，不是預測和一次到位。

實務上最有用的一句提醒：當你發現「每個環節看起來都沒問題，但整體就是不對」，那通常是湧現層的問題，往下查零件不會有答案。

蝴蝶效應

初始微小差異經非線性放大，最終結果完全不同。

Edward Lorenz 在跑氣象模擬時，為了省事把輸入數字從 0.506127 四捨五入成 0.506，重跑之後的天氣完全不同。這個意外發現變成了混沌理論的起點，也帶出一個很反直覺的結論：一個完全確定性的系統，也可以是不可預測的。

它常被誤讀成「小事會改變世界，所以每件小事都很重要」。這個讀法很勵志但不準確。比較準確的讀法是：在混沌系統裡，長期預測不可能，因為初始的測量誤差會指數放大。這解釋了為什麼天氣預報三天內還可以，兩週以上基本上沒有意義——不是儀器不夠好，是數學上就不行。

實務推論偏防守。不要相信任何關於複雜系統的長期精確預測，包括十年後的市場走向、五年後的產業樣貌、精確到年的職涯規劃。不是那些人不夠聰明，是那個系統的性質決定了精確預測不可能。取而代之的是建立能適應多種未來的結構——這又回到反脆弱、槓鈴策略、情景規劃那一組。

也不是所有系統都混沌，這一點要分清楚，否則會變成什麼都不能規劃的虛無主義。行星軌道可以算到極準，日蝕可以預測到秒。判斷的關鍵是這個系統有沒有強烈的非線性交互作用和回饋放大。人少、關係簡單、回饋弱的系統可以預測；人多、互相影響、有強化回饋的系統不行。

還有一個實用的推論方向：既然初始條件的影響這麼大，那在「初始階段」施力的報酬率就特別高。一個習慣的頭兩週、一段關係的頭幾次互動、一個專案的頭一個月、一份工作的頭九十天。同樣的力氣在後期只能微調，在初期能改變整條軌跡。

適應性循環

系統經歷成長-保守-釋放-重組，周而復始。

生態學家 C.S. Holling 提出的四階段模型：快速成長期（資源多、機會多、規則鬆）、保守期（效率提高、連結緊密、僵化累積）、釋放期（崩解、資源被釋放出來）、重組期（重新洗牌、新的組合出現）。森林、產業、組織、個人職涯都能看到這條曲線。

最有洞察力的是保守期那一段。系統在這裡看起來最強壯、最有效率、資源利用率最高——同時也最脆弱。因為連結太緊密、餘裕被榨乾、多樣性下降，一個小擾動就會引發連鎖。老森林堆滿枯枝、企業流程優化到極致、一個人的生活排得完美無縫，都是這個狀態。外表的強壯和內在的脆弱在這裡是同一件事。

推論之一是：小規模的破壞有保護作用。定期的小火燒掉枯枝，就不會累積出燒掉整片林的大火——森林管理已經從「全面滅火」轉向「控制性焚燒」，代價是花了幾十年和幾場巨災才學會。組織裡定期的重整、產品線的汰換、刻意打破的舒適，都是同一種功能。

推論之二是：釋放期不全是壞事。崩解會把被鎖住的資源放出來，而重組期是新組合唯一有機會出現的時候。產業洗牌時進場的人、公司重整時接手的人、人生轉折後重新開始的人，拿到的是保守期絕對拿不到的機會。

放在個人身上，我覺得最有用的判斷是這個：如果你現在的狀態是「一切都很順、流程都固定了、每天都知道會發生什麼」，那通常是該主動製造一點變動的時候，不是該安穩下來的時候。因為保守期不會永遠持續，區別只在於變動是你選的還是被迫的。

還有一個延伸概念叫盤根系統：不同尺度的循環互相嵌套，小循環快、大循環慢。你個人的循環嵌在公司的循環裡，公司嵌在產業裡。判斷處境時要看你在哪一層、上一層在哪個階段，因為上層的階段會決定你的空間。

槓鈴策略

同時佈局極安全與高風險投資，避免中間地帶。

塔雷伯的配置法：大部分資源放在極保守的地方（八成到九成），剩下一小部分放在高風險但上檔不封頂的地方，中間那種「看起來穩健、其實風險不明」的東西完全不碰。

邏輯的重點是控制下檔而不是預測。中等風險的問題在於你以為自己知道風險有多大，實際上不知道——那些被評為投資級卻突然歸零的東西就是這樣來的。槓鈴讓最壞情況被鎖死（八成的部位不會出事），同時保留接觸極端好運的機會（那一成可能翻很多倍）。它放棄的是中間那段平庸的報酬。

職涯版本很好懂：一份穩定的收入來源保底，同時做幾個上檔不封頂的小實驗——寫作、做產品、開課、投資自己的技能。這比全押一份「還不錯」的工作安全，因為那份還不錯的工作是一個中等風險部位：它看起來穩，但它把你的收入、時間、技能發展全部綁在同一個地方。

寫作和創業也適用。多數時間做穩定產出（維持基本盤和收入），同時允許少量的高風險嘗試（換題材、換形式、講可能沒人要看的東西）。重點是每個嘗試的失敗成本要小到你可以連續失敗二十次還活著。這也是為什麼「小成本多次嘗試」的策略在長尾和冪律的世界裡特別有效。

要注意兩個誤用。第一，槓鈴不是「一半保守一半激進」，比例很重要——保守的那端必須大到即使激進端全歸零你也活得下去。第二，高風險那端必須是「上檔不封頂」的，不是單純的高風險。買一張賠率很差的彩券是高風險但期望值為負，那不是槓鈴，那是浪費。

實作上最難的其實是心理：中間地帶很誘人，因為它看起來又安全又有報酬。要拒絕它需要你真的相信自己不知道風險有多大，而承認這件事違反人的本能。

破窗理論

微小失序若不修補會誘發更嚴重犯罪或失序。

Wilson 和 Kelling 在 1982 年提出：一扇沒修的破窗會發出「這裡沒有人管」的訊號，於是失序累積、社區凝聚力下降、嚴重犯罪跟著來。紐約在 1990 年代清除地鐵塗鴉、取締逃票的政策，常被拿來當作它的佐證，因為同期犯罪率大幅下降。

必須誠實標註爭議，而且這個爭議相當大。後續研究對「清除輕微失序能降低重大犯罪」的因果關係有很多質疑，同期犯罪率下降有其他競爭解釋（人口結構改變、經濟好轉、快克市場消退、警力配置與資料統計方式改變）。更重要的是，這套理論在執法上被延伸成零容忍和攔檢政策，對特定社群造成了明確的傷害，社會代價很高。所以引用它時，不宜當成已證實的治安對策。

把治安那一層拿掉，它在小尺度上的直覺仍然有用，而且比較站得住：訊號會傳染。程式碼裡的一個 TODO 沒清，下一個人就更敢再加一個。辦公室的一個角落堆雜物，很快會堆滿。一份文件的格式亂了，後面接手的人不會去修。一個團隊開始有人遲到而沒事，遲到就變成常態。

機制其實比較接近社會證明和預設值：環境在告訴你這裡的標準是什麼。所以維持標準的成本，在標準還沒掉下去之前最低。

實用做法是設一個「立刻修」的門檻：兩分鐘內能處理的失序就當場處理，不排進待辦清單。同時，在團隊裡把「維持環境」明確變成某個人的職責，而不是希望大家自動自發——公地悲劇那一條已經告訴我們，沒有人負責的東西不會有人維護。

最後一句提醒：這條理論最容易被濫用成對人的道德要求。用它管理你自己的環境和標準是合理的，用它去推論別人的品格就走太遠了。

複雜適應系統

多元個體根據簡單規則交互，自發生成複雜行為。

鳥群飛行不需要指揮，Craig Reynolds 的模擬顯示只要三條規則就能產生逼真的群飛：不要撞到鄰居、跟上鄰居的平均方向、往群體中心靠。市場、城市、免疫系統、網路社群、生態系都屬於這一類。

它的性質包括：沒有中央控制、個體會學習和適應、規則本身會隨時間演化、對介入的反應難以預測、以及會出現湧現特性。這幾點加起來代表一件事——傳統的「規劃、執行、管控」在這種系統裡效果有限，因為你的介入會改變系統，而改變後的系統會用你沒預期的方式回應。

實務上的替代做法是「安全的試探」：小規模投放、觀察系統怎麼反應、放大有效的、收掉無效的。Dave Snowden 的 Cynefin 框架把這個講得很清楚——在複雜領域裡，正確的順序是探測、感知、回應，而不是分析、規劃、執行。後者是給「繁雜但可知」的領域用的（例如修飛機引擎），用錯領域會出事。

管理者用它的方式是設計約束而不是下指令。規則要少而清楚，並且允許在規則內自由行動。這聽起來像放任，實際上不是——約束的設計是很費心的工作，你要決定哪三條規則能產生你要的行為。這比寫一百頁 SOP 難，但在變動的環境裡活得久。

還有一個實用推論：複雜適應系統會對你的指標產生適應。你量什麼，系統就會演化出優化那個指標的行為，包括你不想要的那些。這是古德哈特定律的系統版本，也是為什麼任何單一指標長期都會被玩壞。對策是多指標、定期換、以及保留質性的觀察。

判斷你面對的是不是複雜適應系統，有個簡單的問法：這裡面的東西會不會因為我做了什麼而改變策略？會的話，你不能把它當成機器來修。

冪律分布

極少數事件占據大多數影響，長尾現象的統計基礎。

跟常態分布的差別大到必須分開思考。人的身高是常態分布——沒有人高三十公尺，隨便抓一個人也不會顯著改變平均。財富、城市人口、書籍銷量、地震規模、論文引用數是冪律分布——極端值大到會主導整體平均，抓進一個比爾蓋茲就會改變一整間教室的平均財富。

塔雷伯把兩者稱為平庸世界和極端世界，並且指出混淆兩者是很多分析出錯的根源。在極端世界裡用平均值和標準差做風險管理，會系統性地低估尾端。2008 年那些「這種事一萬年才會發生一次」的說法，就是把極端世界當成平庸世界在算。

實務推論之一：在冪律的領域裡，要提高的是嘗試次數和單次的上檔，不是每一次的平均品質。創投投三十家、指望其中一家撐起整個基金的報酬，就是照這個分布在下注。內容創作也一樣——你的第五十篇文章可能帶來的流量超過前面四十九篇的總和，而你事前分不出來哪一篇是它。

推論之二：不要用平均來規劃。平均年報酬、平均文章成效、平均客戶價值、平均專案工時，在冪律分布下全部會誤導你。改看中位數（多數情況長什麼樣）加上分布形狀（極端值有多極端）。一個「平均客戶價值三萬」的生意，可能實際上是九十個客戶各付三千、十個客戶各付二十萬，這兩種結構的經營方式完全不同。

推論之三：在冪律的世界裡，「還過得去」的表現價值很低。前三名拿走大部分的注意力和報酬，第十名跟第一百名的差距沒有你想的大。這聽起來殘酷，但它也給出了策略——與其在一個大池子裡當第五十名，不如把池子切小到你能當第一名（見細分市場）。

最後要提醒的是：冪律不是宿命，它是可以被結構改變的。分配機制、平台設計、制度都會影響尾巴有多長。看到冪律不代表「本來就該這樣」。

五、風險與不確定性（11 個）

黑天鵝理論

極端罕見且衝擊巨大的事件不可預測，但事後看似必然。

塔雷伯定義了三個條件：這件事落在既有經驗之外、衝擊極大、而且事後會被人講得好像早就看得出來。名字來自歐洲人的經驗——他們看過的天鵝全是白的，「黑天鵝」曾經是「不可能存在的事物」的代名詞，直到有人在澳洲看到。

這個理論最有力的部分其實是第三個條件，也就是對事後合理化的批評。事情發生之後，媒體和專家會在幾天內拼出一條完整的因果鏈，讓它顯得早有徵兆。於是我們沒有學到「不可預測」這件事本身，反而更相信自己下次能預測——這是比黑天鵝本身更持久的傷害。

要注意的是，黑天鵝是相對於觀察者的。對火雞來說感恩節是黑天鵝，對屠夫不是。所以「這是黑天鵝」有時候只是「我沒做功課」的體面說法。2008 年金融危機對多數人是黑天鵝，對少數看懂結構的人不是。判斷的方法是問：這件事真的無法預見，還是只是我沒去看？

實務上的正確反應不是去預測黑天鵝（照定義就預測不到），是調整結構：降低破產風險、留餘裕、避免高槓桿、不要讓單一失敗點決定全局、保留可逆性。這一整套跟反脆弱、槓鈴策略、冗餘設計講的是同一件事，塔雷伯的三本書基本上是同一個論點的三個角度。

也有正向黑天鵝，而且這一面常被忽略：意外爆紅、意外的合作機會、意外遇到改變你人生的人。對這一類的策略剛好相反——不是防守，是增加接觸面。多見人、多發表、多做小實驗、多讓別人知道你在做什麼。你不能製造好運，但你可以擴大自己被好運撞到的表面積。

最後一個實務判斷：分辨你所在的領域是哪一種。有些領域（保險、製造、體重）的極端值有上限，黑天鵝的威脅有限；有些領域（金融、創業、內容、傳染病）沒有上限，一次極端事件可以定義一切。前者可以用平均思考，後者必須用尾端思考。

不確定性槓桿

在高不確定環境設計選項，讓上行無限下行有限。

這是選擇權式的思考：付一個小而確定的成本，換一個大而不確定的可能。買選擇權是這樣，去參加一場不知道會不會有收穫的活動是這樣，寫一篇可能沒人看的文章也是這樣。

判斷一個機會值不值得，看的不是成功機率，是報酬的形狀。九成會失敗，但成本只有一週、成功會改變接下來三年——這種要多做，而且要做很多次。九成會成功，但失敗會讓你歸零——這種一次都不能做，不管期望值算起來多好看。多數人把注意力放在機率上，而形狀比機率重要得多。

在職涯上的操作叫「多買便宜的選擇權」：學一個新技能、認識一個新圈子、開一個小副業、公開寫作、去一場不確定有沒有用的聚會、跟一個你欣賞的人聊三十分鐘。每一個單獨看報酬期望都不明確，但它們共同構成一個未來的選項組合，而未來會從這個組合裡挑一個給你。

有一個相關的概念叫可選性。塔雷伯的說法是，可選性讓你不需要很聰明也能得到好結果——因為你不必事先知道哪個會成，只要保留在事後選擇的權利。這對「我不知道自己要做什麼」的人是很實用的策略：不要急著押注，先累積選項。

要避免的相反形狀是：小而確定的收益，加上小機率的巨大損失。這種形狀在金融上叫「在推土機前面撿硬幣」，日常版本包括：穩定收租但用了高槓桿、長期兼差但簽了無限責任的約、一直很順但把所有雞蛋放在一個客戶身上。它們平常表現很好，而且會給你很多次正向回饋，直到那一次。

實作建議：定期盤點你手上的選項。有多少事情是你「隨時可以做」但還沒做的？那個清單的長度，就是你的可選性。清單越短，你越被鎖住，即使目前的狀況看起來不錯。

基金會錯誤

高估人格因素、低估情境對他人行為的影響。

心理學上一般譯作基本歸因謬誤。最好記的版本是：別人插隊是因為他沒教養，自己插隊是因為真的在趕時間。解釋別人時用性格，解釋自己時用處境。

經典的實驗設計是這樣：讓受試者讀一篇支持某個政治立場的文章，並且明確告知作者是被隨機指定要寫這個立場的，沒有選擇權。受試者仍然會推論作者本人傾向那個立場。情境的資訊擺在眼前、講得清清楚楚，還是被性格解釋蓋過去了。

要標註的是，這個效應的跨文化強度有差異，在強調集體與情境的文化裡比較弱。所以它不是人類的固定配線，比較像是特定文化和特定情境下的常見傾向。這一點在引用時值得誠實。

管理上的代價很直接。同事一直遲交，第一反應是「他不負責任」，比較有用的問法是「這條流程哪裡讓他交不出來」——他要等三個人的回覆嗎？他的優先順序被誰改過？這個交付要求本身合理嗎？多數重複發生的行為問題，改情境比改人有效，而且便宜太多。

米爾格倫的電擊實驗、史丹佛監獄實驗（雖然後者的方法學問題很大）之所以震撼，就是因為它們展示了情境的力量遠超過我們對自己的估計。人喜歡相信「我不會那樣做」，但實驗一再顯示大部分人會。

也要留意配套的自我偏誤：成功歸因於自己的能力，失敗歸因於環境。這叫自利歸因偏誤。兩邊合起來，就是一個既苛待別人又寬待自己的判斷系統，而且完全不自覺。

實用的解毒劑是換位問法：如果我處在他的位置、有他的資訊、面對他的壓力，我會怎麼做？誠實回答這個問題，多數的道德義憤會降溫。這不是要你原諒所有事，是要你先看清楚再判斷。

俄羅斯輪盤

低機率卻致命風險的賭博，比看起來更危險。

六發的左輪裝一顆子彈，扣一次扳機賺一百萬。期望值算起來很漂亮——六分之五的機率賺一百萬。但沒有人應該玩，因為六分之一的結果是出局，而出局之後所有未來的期望值都歸零。

這條是對預期價值那個模型最重要的限制。期望值的計算隱含了一個假設：你可以一直玩下去，讓大數法則發揮作用。破產風險會終止這個假設，而一旦被終止，前面所有的正期望值都沒有意義。

凱利公式處理的正是這個問題。它算的不是要不要下注，而是該下多少比例，才能在賠率有利的情況下長期成長而不歸零。重點結論是：即使賠率對你有利，下注比例過大也會導致長期歸零。這在直覺上很難接受——明明每一次都是好賭注，怎麼會輸？答案是複利的路徑依賴，一次 100% 的虧損沒有任何後續可以彌補。

現實裡的俄羅斯輪盤有哪些？高槓桿、不做備份、酒駕、把全部身家壓在單一標的、在沒有保險的情況下承擔無限責任、把所有收入綁在一個客戶或一個平台、以及那些「大家都這樣做，一直都沒事」的事。最後這一類最危險，因為連續的無事會被誤讀成安全，而那正是塔雷伯講的火雞問題。

判準很簡單，也是我覺得整份清單裡最該記住的一句：這件事最壞的結果，會不會讓我沒辦法繼續玩下去？會的話，不管報酬多好都跳過。這條規則會讓你錯過一些機會，但它保證你還在場上，而在場上是所有長期報酬的前提。

還有一個延伸：時間會放大低機率風險。一次 1% 的破產機率看起來很小，重複一百次之後，你活下來的機率只剩三分之一左右。所以評估重複性的風險時，要看的是累積機率，不是單次機率。

隨機漫步

市場價格變動近似隨機，短期難以預測趨勢。

Burton Malkiel 在《漫步華爾街》裡有個著名的說法：蒙眼的猴子丟飛鏢選股，長期表現不會輸給專家精挑細選的組合。背後的邏輯是效率市場假說——價格已經反映了公開資訊，下一步的變動主要由「還沒發生的新資訊」驅動，因此近似隨機。

它最有用的推論是對「模式」保持懷疑。人腦會在隨機序列裡看見趨勢、看見頭肩頂、看見手感。丟一百次硬幣把結果畫成折線圖，看起來會非常有「趨勢」，而且你可以事後編出一套解釋。這個能力在辨識真實模式時很有用，在隨機環境裡會害死你。

要注意這條有爭議和邊界。市場並非完全效率，行為財務學記錄了一些長期存在的異常現象（動能、價值、規模），不同市場的效率程度也不同（大型股比小型股效率高，成熟市場比新興市場效率高）。但對一般人來說，結論仍然穩固：不要相信自己能靠短期預測賺錢，尤其是在扣掉交易成本和稅之後。

延伸到其他領域很有價值。短期的內容成效、單月業績、單次面試結果、一週的體重變化，雜訊佔比都非常高。要看訊號就得拉長樣本，而拉長樣本需要耐心，這正是多數人缺的。很多「策略調整」其實是在對雜訊做反應，而對雜訊做反應會讓結果變差，因為你會不斷改變本來沒問題的做法。

有一個實用的心法：在檢視任何短期數據之前，先問「如果什麼都沒變，這個數字自然的波動範圍有多大」。答不出來，就不該對這次的變化做解釋。

還有一個對創作者的安慰：既然單篇成效的隨機性這麼高，那唯一可靠的策略就是增加次數和拉長時間。你控制不了哪一篇會爆，但你控制得了發幾篇。

道德危機

行為者不承擔全部後果時，易做高風險決策。

一般譯作道德風險。結構很簡單：收益歸自己、損失歸別人。只要這個結構存在，行為就會往冒險傾斜，不需要有人存心作惡——這一點很重要，道德風險不是道德問題，是結構問題。

例子遍地都是。有保險的人比較不小心（保險公司用自負額對抗這一點）。用別人的錢投資比用自己的錢激進。知道會被紓困的銀行敢冒更大的險。年終獎金看短期業績的主管，會把成本推到明年。租來的東西比自己的東西操得兇。

設計制度時的對策是讓決策者留在風險裡：自負額、共同投資、獎金遞延、要求主管跟團隊承擔同一組指標、讓建議的人也承擔建議的後果。塔雷伯稱之為切身利害，並且主張這是判斷任何建議品質的第一道濾網——沒有切身利害的建議不值錢，因為講錯了他什麼都不會失去。

日常判斷也能用，而且非常實用：聽任何建議之前，先問「這個人如果建議錯了，他會損失什麼」。答案是「沒有」的話，那個建議的權重要調低，不管講的人多有名。這條可以用在投資建議、職涯建議、育兒建議、醫療以外的健康建議上。反過來，一個跟你一起下注的人，他的建議自動就比較可信。

要注意的邊界：完全消除道德風險是不可能的，也不一定值得。保險的存在本身就創造了道德風險，但保險的社會價值遠大於這個成本。所以正確的目標不是消除，是控制在合理範圍——自負額的設計就是在做這個平衡。

還有一個反向的問題叫逆向選擇，它跟道德風險常常一起出現但不一樣：道德風險是簽約後行為改變，逆向選擇是簽約前就選錯了人（最想買醫療險的是最會用到的人）。兩者的解法不同，一個靠誘因設計，一個靠篩選機制。

反向指標

當大多數人過於一致時，往往意味趨勢將反轉。

雜誌封面效應是最常被講的版本：當某個題材紅到上主流財經雜誌封面，通常已經接近尾聲。有研究做過統計，說封面故事發布後的表現確實傾向反轉，不過樣本和方法都有限，別當成鐵律。

背後的機制不是玄學，是資金和注意力的耗盡。極端的一致代表沒有人站在另一邊，而市場需要有新的買盤才能繼續走。當計程車司機都在講同一支股票，代表最後一批猶豫的人也進場了，後面沒有人了。

但要非常小心地使用這個模型，因為它是所有反向思考裡最貴的一個。一致的意見有時候只是因為那個判斷是對的——大家都同意地球是圓的，不代表該做空。而且凱因斯那句話一直有效：市場保持非理性的時間，可以比你保持不破產的時間更久。「大家都看好所以我要看空」是很多人賠光的原因。

比較安全的用法是把它當成檢查而不是訊號。當你發現自己的看法跟身邊所有人一樣、而且沒有任何人講得出反面理由時，回頭去認真找一次反方論證。找不到有力的反方論證有兩種可能：這個判斷真的很紮實，或者你的資訊來源太同質。分辨的方法是去問一個立場不同的內行人。

還有一個更實用的版本：注意「新入場者的組成」。當一個領域開始湧入大量不懂但被熱度吸引的人，通常代表這一輪的後段。這在投資、創業題材、內容平台上都成立，而且比看價格準。

最後補一句：反向指標對「情緒的極端」比對「價格的極端」有用。價格高不代表會跌，但當所有人都覺得不可能跌的時候，脆弱度是真的上升了，因為那時候沒有人在做防守準備。

信息不對稱

交易雙方掌握資訊不均，引致逆向選擇或道德危機。

George Akerlof 的二手車市場論文是這條的起點，也讓他拿了諾貝爾獎。邏輯是這樣：買方分不出好車和爛車，所以只願意出「平均價」；好車的車主覺得不划算所以不賣，市場上剩下的爛車比例上升；買方發現之後再把出價往下調；好一點的車又退出。這個循環會一直跑到市場崩掉。這叫逆向選擇。

保險市場是另一個典型。最想買醫療險的人，通常是最知道自己會用到的人；最想買年金的人，通常是覺得自己會長壽的人。這也是為什麼保險要核保、要等待期、要團體投保。

社會發展出一大堆機制來對抗它，統稱訊號機制：保固、第三方認證、履歷與學歷、證照、評價系統、品牌、退款保證、公開的作品集。它們的共同點是——好的一方需要一個「爛的一方模仿不起」的方式來證明自己。這是關鍵：一個誰都能做的宣稱不是訊號。學歷之所以有訊號價值，不完全在於學了什麼，而在於它難以偽造。

自己是資訊少的一方時，要找的就是難以偽造的訊號：實際作品而不是自我描述、可查證的成果而不是形容詞、願意承擔後果的承諾（保證、試用、分階段付款）、以及第三方的可聯繫推薦人。

自己是資訊多的一方時，主動把資訊攤開是最便宜的信任建立方式。價格公開、流程公開、限制公開、把「我們不適合什麼樣的客戶」講出來。最後這一項效果特別好，因為它是一個爛玩家不會做的動作，所以它本身就是訊號。

還有一個延伸值得記：資訊不對稱是很多商業模式的來源，也是很多商業模式被顛覆的原因。當某個領域的資訊突然變透明（比價網站、評價系統、公開資料），靠資訊差賺錢的中介就會被壓縮，而靠真實服務品質的會受益。判斷你的價值是靠哪一種，決定了你在透明化浪潮裡的位置。

貝葉斯更新

連續用新數據修正機率分布，降低信念偏誤。

跟前面的貝葉斯定理是同一套數學，這一條強調的是「持續」這件事。算一次叫做數學題，反覆做才形成一種思考方式。

好的更新有幾個可觀察的特徵。第一，調整的幅度跟證據強度成比例——弱證據小調，強證據大調，而不是每次都劇烈翻轉或每次都不動。第二，對自己相信的和不信的用同一套標準，不要對支持自己的證據放水。第三，願意停在「五五波」而不是硬選邊，因為承認不知道也是一種判斷。

Philip Tetlock 的超級預測者研究裡，表現最好的那群人有一個很明確的共同點：他們調整預測的次數比別人多，而且每次調得很小。持續的微調勝過偶爾的大翻轉。這跟一般人想像的「厲害的人一眼看穿」剛好相反——真正準的人看起來比較猶豫，因為他們一直在更新。

Tetlock 還發現另一件有趣的事：越有名、越常上媒體的專家，預測準確度反而越差。他的解釋是媒體獎勵有把握、有戲劇性、有單一大理論的說法，而那種說法在預測上表現不好。這給了我們一個實用的濾網：對於斬釘截鐵的預測，權重要調低。

實作方式很土但有效：把重要判斷寫下來，附上你當下給的機率和理由，記上日期。過三個月、半年回去看。這份紀錄會讓你發現自己在哪些題目上長期過度自信（多數人是在自己熟悉的領域），在哪些題目上其實蠻準的。沒有這份紀錄，你會記得自己猜對的那幾次，忘掉猜錯的（見確認偏誤的記憶層）。

還有一個實用的問法可以嵌進日常：當有人告訴你一個新資訊，先問「這讓我從幾成調到幾成」。這個問法會逼你先講出原本的機率，而多數人從來沒有明確想過自己原本相信到什麼程度。

大數法則

樣本量越大，平均值越趨近母體真值。

丟十次硬幣可能出現七次正面，丟一萬次會非常接近一半。這是統計推論的基礎，也是保險公司能賺錢的原因——單一個案完全不可預測，大量個案非常穩定。

但實務上真正常犯的錯是它的反面，康納曼稱之為「小數法則」：人會期待小樣本也表現出母體的性質，於是從很小的樣本得出結論。看了三個成功案例就歸納出方法論，A/B 測試跑兩天就宣布勝出，訪問五個客戶就決定產品方向，一場面試就判斷一個人。

有一個示範非常漂亮：美國腎臟癌發生率最低的郡，多半是人口稀少的鄉村郡。看起來像是鄉村生活比較健康——空氣好、壓力小、食物新鮮。但如果你再去看發生率最高的郡，也多半是人口稀少的鄉村郡。真正的原因是小樣本的變異就是比較大，跟鄉村一點關係都沒有。而人的第一反應永遠是去找因果解釋，不是去看樣本數。

用它的方式是兩個問題。第一，這個結論建立在幾個樣本上？第二，如果純粹是運氣，資料會不會也長這樣？第二個問題特別重要，因為它是在問「這個模式的驚人程度，有沒有超過隨機能產生的程度」。

還有一個延伸叫賭徒謬誤，是同一個誤解的另一面：以為連續出現五次紅色之後，黑色「該出現了」。硬幣沒有記憶，大數法則不是靠「補償」來運作的，是靠稀釋——後面的大量樣本會把前面的偏差比例壓小，而不是反向抵銷它。

實務上最有用的一條紀律：在看到任何數字之前，先想清楚「多少樣本我才願意相信」，寫下來。這可以避免你在數字剛好符合期待時降低標準——那是最常發生的事。

雙盲實驗

受試者與研究者皆未知分組，防止偏見干擾結果。

受試者不知道自己吃的是藥還是安慰劑，執行和評估的人也不知道誰在哪一組。前者擋掉安慰劑效應，後者擋掉觀察者期待——研究者會不自覺地對實驗組多問一句、記錄得寬鬆一點、解讀模糊的症狀時偏向自己的假設。這些都不是造假，是人。

這套設計之所以成為醫學的標準，正因為人的偏誤太難靠自律排除。這是整份清單裡我覺得最重要的一個元教訓：好的設計比好的意志可靠。

有一個著名的動物版本叫聰明漢斯：一匹會算數的馬，用蹄子敲出答案。後來發現牠不會算數，牠在讀提問者的細微肢體反應——當敲到正確次數時，提問者會不自覺地放鬆。關鍵是，如果提問者自己不知道答案，馬就答不出來了。這個案例催生了很多實驗設計的規範。

它的精神能移植到日常。找人給作品意見時不要說「這是我寫的」，讓對方讀到的是內容本身。比較兩個方案時把提出人的名字蓋掉。招募時把履歷上的姓名和學校遮掉再看作品——有研究顯示交響樂團改用簾幕後的盲選之後，女性錄取比例明顯上升（這個研究近年也有方法學上的檢討，但盲選的原則本身站得住）。

限制也要知道。很多領域做不了雙盲：外科手術、教育介入、組織變革、心理治療、任何受試者一定會知道自己在做什麼的介入。所以那些領域的證據強度天然比較弱，引用時要打折，也要對「某某研究顯示」保留一點空間。

實務建議：任何你在意的判斷，先問「這個資訊是怎麼產生的，有沒有人在過程中知道答案而可能影響結果」。這一個問題就能過濾掉很多包裝精美但站不住的說法。

六、策略與博弈（14 個）

囚徒困境

合作共贏卻因互不信任而雙輸，揭示信任的重要性。

兩個嫌犯分開偵訊。都沉默，各判一年；都招供，各判五年；一方招供另一方沉默，招供的無罪、沉默的判十年。逐個推理下來，不管對方怎麼選，招供對自己都比較好，於是兩個人都招供，拿到比一起沉默更差的結果。

它的結構解釋了一大批集體失敗：軍備競賽、削價競爭、公共資源枯竭、廣告支出的軍備競賽、運動員用藥。每個人做對自己最好的事，加起來大家都輸，而且沒有人做錯任何一步。

破解的關鍵是「重複」。Robert Axelrod 在 1980 年辦過一場電腦程式競賽，讓各種策略互相對打幾百回合。贏的是最簡單的那個——以牙還牙：第一次先合作，之後就跟著對方上一次的動作，被背叛就報復，對方回頭合作就原諒。它從來沒有在任何一場單挑裡贏過對手，卻拿到最高的總分，因為它不製造互相毀滅。

Axelrod 歸納出成功策略的四個特徵，我覺得很值得抄下來：友善（不主動背叛）、會報復（不當濫好人）、會原諒（不記恨到底）、清晰（讓對方容易看懂你的規則）。最後一項最常被忽略——一個難以預測的人，就算意圖良善，也很難被合作。

實務推論很直接：想要合作，就把單次賽局變成重複賽局。長期合約、公開的名聲系統、社群、把未來還會有的交易攤在檯面上講。反過來，做一次性生意時人的行為會明顯變差——觀光區的餐廳、路邊的臨時攤販、快要離職的人——這是結構問題不是人品問題，所以要用結構解決（押金、評價、第三方擔保）。

還有一個延伸：現實裡的賽局常常不知道會玩幾次，而「知不知道最後一次是哪一次」會改變一切。如果雙方都知道這是最後一回合，背叛就沒有代價，於是倒推回去每一回合都會背叛。這解釋了為什麼「即將結束的關係」特別容易出問題，也解釋了為什麼讓合作看起來會持續下去，本身就有價值。

納什均衡

在博弈中各方無法單邊改變策略獲益，即達平衡。

均衡的意思是：給定其他人的選擇，沒有任何一個人可以靠自己改變策略而變得更好。要注意它完全不保證結果最好——囚徒困境裡「雙方都招供」就是納什均衡，卻是四種結果裡對雙方而言最差的組合。

生活裡最好懂的例子是演唱會站起來看。所有人都站著，沒有人能靠自己坐下來獲益（坐下就看不到），所以大家一直站著，全部人都比較累而視野跟大家都坐著時一樣。這種「大家都不想要但沒人能單方面改變」的狀態，比你以為的普遍。

要打破一個糟糕的均衡，通常需要外力或協調機制——規則、主辦方廣播、可信的承諾、法規、行業公約。靠個別勸說很難，因為第一個改變的人會吃虧，而每個人都知道這件事。這解釋了為什麼很多明顯不合理的產業慣例可以持續幾十年。

用在談判和市場分析上，第一個該問的是：目前的局面是不是一個均衡？如果是，那你的對手不會因為你講道理就改變，因為改變對他不利。這時候有用的動作是改變賽局本身——改變報酬結構、引入第三方、改變資訊的公開程度、或者做出一個讓對方相信的承諾。

有一個常被忽略的重點：一個賽局可以有多個納什均衡，而大家停在哪一個往往是歷史和協調的結果，不是最優的結果。靠左行駛和靠右行駛都是均衡，換一邊需要整個社會一起動（瑞典 1967 年真的做過一次，需要國家級的協調）。這跟途徑依賴接得起來。

實務上最有用的一句：當你想不通「為什麼大家都知道這樣不好，卻沒有人改」，答案通常是——這是一個均衡，第一個動的人會受傷。找出誰能承擔那個成本，或者怎麼讓大家同時動，才是解法。

馬太效應

成功者享更多資源，優勢自我增強，貧富差距擴大。

名字來自聖經馬太福音那句大意是「凡有的，還要加給他」的話。社會學家 Robert Merton 用它描述學術界的現象：同樣品質的成果，出自知名教授的論文引用數遠高於無名研究者，於是名氣繼續累積，而年輕研究者的貢獻常常被歸功給資深的合作者。

機制是優勢累積：早期的一點領先帶來更多資源和注意力，資源又製造更多領先。它跟強化回饋、冪律分布、網路效應是同一組概念的不同面向。

有一個實驗把這件事做得很漂亮：研究者建了幾個平行的音樂下載網站，讓不同組的使用者看到不同的「已下載次數」。結果同一首歌在不同組裡的排名差異巨大，而且初期的隨機領先會被放大成最終的巨大差距。品質有影響，但遠不如「誰先領先」的影響大。這對所有「爆紅是實力」的敘事是一記重擊。

實務推論之一：初期的差距值得不成比例的投資。第一批評價、第一個代表作、第一個亮眼客戶、第一波種子讀者，帶來的複利遠超過它們本身的價值。很多人把資源平均分配在整條路上，但這條路的報酬結構不是平均的。

推論之二：不要在馬太效應已經跑了很久的賽道上，用同樣的方式跟領先者硬碰。你不會靠「做得更好一點」追上一個累積了十年優勢的人。要換一個剛開始的賽道，或者換一個評價維度，才有機會啟動自己的累積。這跟藍海戰略和細分市場是同一個結論的不同講法。

推論之三，也是比較安慰人的一條：既然初期的領先有隨機成分，那增加嘗試次數就有價值。你不知道哪一次會被放大，但每一次都是一張彩券。

零和博弈

一方收益必等於另一方損失，總和為零。

分一塊固定大小的蛋糕是零和，把蛋糕做大不是。多數人的錯誤是把非零和的局面誤判成零和——談判時只想著爭價格，忽略了雙方在意的東西其實不同（一方最在意現金流、一方最在意交期），而那個差異正是把餅做大的空間。

《哈佛這樣教談判力》整本書講的就是這件事：不要在立場上討價還價，去挖背後的利益。經典的例子是兩姐妹搶一顆橘子，最後對半分——後來才發現一個要果肉榨汁、一個要果皮做蛋糕。如果她們談的是利益而不是立場，兩個人都能拿到 100%。

真正的零和場合有：體育賽事的名次、固定名額的考試和標案、期貨市場的短期部位、一場已經開始的訴訟。這些場合的策略邏輯完全不同，合作沒有意義，該做的是準備和執行。分清楚你在哪一種，比任何談判技巧都重要。

判斷方法是問：有沒有一種安排能讓雙方都比現在好？答得出來就不是零和，該找的是交換而不是壓價。答不出來，再確認一次你是不是漏掉了什麼可以交換的維度——時間、風險分擔、資訊、未來的合作、聲譽。

社會上很多衝突之所以難解，是因為雙方都被說服相信這是零和。移民、貿易、世代之爭、資源分配都有這個成分。這裡要誠實：有些確實有零和的部分（特定時點的特定資源），但整體幾乎沒有一件事是純零和的。先檢查前提是否成立，通常比爭論結論有用。

還有一個更嚴重的類別要記住：負和賽局。訴訟戰、價格戰、口水戰、報復循環，雙方都投入資源而總價值下降，贏的人也比不打之前窮。判斷自己有沒有掉進負和的方法是：算一下如果我贏了，我會比沒開始打之前好嗎？答案常常是不會。

漸進承諾

逐步投入使人難以抽身，終致深度綑綁。

從一個小到不可能拒絕的請求開始，一步一步加碼。詐騙、傳銷、不平等的合作關係、以及一些不健康的感情，全部用這個結構。前面每一步都很合理，回頭看已經走得很遠了。

它是承諾一致性和沉沒成本的合體，威力來自這個疊加：先讓你表態（於是你要維持自我形象的連貫），再讓你投入（於是離開等於承認損失），然後你會自己說服自己留下來——這一步最關鍵，因為到後期不需要對方再施力了，你會替他完成說服工作。

投資詐騙的標準劇本就是這樣：先讓你投一小筆並且真的獲利、讓你提領成功、然後你自己會想加碼。每一步的決定看起來都是你自己做的，這正是它難以防範的原因。

自衛的方法是設「事前的底線」。在還沒被拉進去之前寫下退出條件——投入到什麼程度、什麼跡象出現、多久沒有結果我就走——並且告訴一個圈外的人。決策當下要退非常難，因為那時候你已經在裡面了；事前定好的規則比較守得住。這跟尤利西斯把自己綁在桅杆上是同一招。

正面的用法也存在，而且很重要：帶人養成習慣、推動組織改革、談大型合作，都適合從小步開始，因為信任和能力只能漸進累積。要一個從不運動的人開始每週跑五次會失敗，從每天走十分鐘開始會成功。

正面和負面的差別在哪裡？在於對方有沒有讓你看到全貌。如果一開始就告訴你「這是一條會越走越深的路，最後大概會到這裡」，那是引導；如果每一步都假裝這是最後一步，那是操弄。這條界線值得你在用它時放在心上。

Stag Hunt

獵鹿需合作、獵兔可獨行；反映風險 vs. 收益選擇。

盧梭的比喻：一群人一起獵鹿，收穫最大，但要所有人都不脫隊；自己去獵兔，收穫小卻穩當。問題在於——只要你懷疑同伴會跑去追兔子，你最好也去追兔子，因為留下來獵鹿而別人跑了，你什麼都拿不到。

它跟囚徒困境的差別非常重要，很多人搞混。囚徒困境裡，背叛是絕對有利的（不管對方怎麼選）；獵鹿賽局裡，合作才是最好的，問題純粹出在對別人的信心。所以兩者的解法完全不同——囚徒困境要靠懲罰和重複，獵鹿賽局要靠溝通、可見度和共同承諾。用錯解法會沒效果甚至有反效果。

團隊裡這個結構非常常見。大家都知道一起投入那個長期專案報酬最高，但每個人都怕別人先跳去做短期見效、比較好交代的事，於是全體都去做短期的，長期的那個永遠不會發生。這不是因為誰自私，是因為沒有人敢當第一個。

破解的著力點是「讓合作的意圖變得可見」：公開承諾、同步的進度看板、把長期專案的里程碑排進共同行事曆、讓每個人看得到別人也在投入。降低不確定性比加強誘因更有效，因為問題本來就不是誘因不夠。

還有一個很好用的手法是「先動者示範」。由一個人（通常是位階高的）先公開投入，而且投入到大家看得見，可以把整群人的信心門檻拉下來。這在組織變革裡是主管唯一真正不可取代的動作。

實務上的判斷問法：這件事沒有人做，是因為做了會吃虧（囚徒困境），還是因為大家在等別人先動（獵鹿）？兩個答案指向完全不同的解法，而多數人預設是前者，實際上後者更常見。

鷹鴿博弈

激進與溫和策略博弈，平衡成本與收益。

演化生物學的模型，Maynard Smith 提出。鷹遇鷹會兩敗俱傷（雙方都受傷），鷹遇鴿鷹全拿，鴿遇鴿平分資源。有意思的是結果：全部是鴿的族群裡出現一隻鷹會大賺，於是鷹會增加；但全部是鷹的族群裡當鴿反而划算，於是鴿又會回來。最後停在某個混合比例，取決於資源價值和衝突成本的比例。

它的推論是：沒有一個策略永遠最好，最適策略取決於別人在做什麼。這在市場定位上很直接——當所有人都在猛攻同一個位置、用同樣的手法時，反過來做的報酬會上升。所有人都在做短影音的時候，做長文的人反而顯眼；所有人都很煽動的時候，冷靜的聲音有溢價。

談判上的應用是：面對強硬的人一味退讓會被吃掉，面對合作的人一味強硬會失去長期夥伴。所以要有「讀對方類型再決定姿態」的能力，而不是固定人設。這也呼應以牙還牙那條策略——先合作，然後跟著對方走。

要留意鷹鷹相遇的代價，這是這個模型最重要的實務提醒。價格戰、口水戰、訴訟戰、報復性的加碼，都屬於這一類：雙方都投入資源而總價值下降。衝突成本越高，混合均衡裡鴿的比例應該越高——也就是說，在殺傷力大的衝突裡，退讓的策略價值上升。能不進場就不進場。

還有一個延伸叫資源價值的影響：當爭奪的東西價值很高、而衝突成本相對低時，鷹的比例會上升。這解釋了為什麼在利潤高的市場競爭比較兇，也解釋了為什麼「把這件事的重要性降下來」有時候是化解衝突最有效的方法。

Minimax 原則

在最壞情況下最小化損失，多用於對抗型決策。

不選期望值最高的方案，選「最糟情況最不糟」的方案。它來自賽局理論的零和賽局分析，假設對手會針對你、會選對他最有利（也就是對你最不利）的行動。

跟預期價值的取捨很清楚。期望值適合可以重複很多次、單次結果不致命的情境；minimax 適合不可逆、對抗性強、或資訊很少的情境。用錯場合的代價是實在的：在可重複的小事上用 minimax 會讓你錯過大量機會，在不可逆的大事上用期望值會讓你出局。

實務例子：選擇合作對象時，不要只看合作順利能賺多少，先看破局時你會被卡住什麼——資料在誰手上、客戶關係歸誰、你能不能繼續營業。合約條款、資料掌控權、退出機制，全部是在做 minimax。租而不買、分階段付款、保留原始檔，也是。

它的成本是保守。如果所有決定都用最壞情況思考，你會什麼都不敢做，而且會付出大量的保險費。所以合理的做法是分區使用：不可逆、會影響存續的部分用 minimax，可逆、影響有限的部分用期望值。這其實就是槓鈴策略在決策層面的版本。

還有一個變形叫 minimax regret，最小化後悔：不是看最壞的結果，是看「如果我選錯了，我會多後悔」。有些人用這個做人生決策比較合用，因為它把「沒有嘗試」的後悔也算進去了——這一項在純粹的最壞情況分析裡會被漏掉。

實作建議：對任何重大決定，寫下三件事——最好的情況、最可能的情況、最壞的情況，以及最壞情況我撐不撐得住。第三項答不出來，就先不要做。這個練習花五分鐘，擋掉的災難不成比例地多。

核心競爭力

企業難以複製、能長期創造價值的能力。

Prahalad 和 Hamel 在 1990 年提出的定義有三個條件，三個都要滿足：能打開多個不同的市場、對客戶感受到的價值有明顯貢獻、以及競爭對手難以模仿。

它跟「我們很會做某件事」不一樣，這是最常見的誤用。很會做但別人也很會做的，是入場資格不是競爭力。本田的引擎技術之所以被拿來當範例，是因為它可以延伸到機車、汽車、發電機、割草機、船外機——同一個能力打開好幾個市場。如果一個能力只能用在一個產品上，它是產品優勢不是核心競爭力。

個人版本要問的是同一組問題：我有什麼能力，是能延伸到多個場景、客戶明顯感受得到、而且別人短期學不來的？答案通常不是單一技能，是幾種能力的交集加上特定領域的實戰經驗。「會寫作」不是，「能把複雜的技術問題翻譯成決策者聽得懂的話，而且我懂這個產業的實務」比較接近。

要小心它會變成包袱，這是這個概念最被低估的一面。曾經的競爭力在環境改變之後可能變成路徑依賴的鎖。柯達的底片技術和相關的產業鏈是全世界最強的，強到讓他們無法認真對待數位——不是他們沒看到（他們自己做出了早期的數位相機），是那個核心競爭力在阻止他們。克里斯汀生的破壞式創新講的就是這個機制。

所以要定期做一件事：問你的競爭力還會有效多久，以及如果它明天失效，你剩下什麼。這個問題不舒服，但它是唯一能讓你提早準備的問題。

實務上一個好用的檢查：把你的能力拆成「工具層」「方法層」「判斷層」。工具層最容易被取代（軟體、技術），方法層次之，判斷層最耐久。看看你的價值有多少比例在最上面那層。

探索-利用權衡

在嘗試新路與利用既有成果間尋找最佳比例。

多臂拉霸機問題：你面前有幾台吃角子老虎，不知道哪一台的賠率高。一直玩目前已知最好的那台，會錯過可能更好的；一直換新的，會浪費在爛台上。這個結構在電腦科學、心理學、生物學裡都有大量研究。

一個常用的解法是「先探索一段固定時間，之後主要利用，同時保留一小比例繼續探索」。《演算法之美》裡把它套到人生上：搬到新城市時應該多試不同餐廳，住久了應該多去已知最好的那幾家。而且他們指出——正確的比例取決於你還剩多久。剩餘時間越長，探索越划算；越接近尾聲，利用越划算。這也解釋了為什麼年輕人愛嘗鮮而老人愛去老店，那不是保守，是理性。

另一個調整比例的訊號是環境變動速度。環境變得越快，已知的最佳解越容易過期，探索的價值就越高。在一個穩定的行業裡深耕二十年是合理的；在一個三年變一次的領域裡這樣做很危險。

實務失衡最常見於中期。做出一點成績之後全力利用——同樣的客戶、同樣的產品、同樣的方法——三年後發現市場變了而自己已經沒有其他選項。定期保留一成到兩成的時間做探索，是很便宜的保險，而且那些探索常常是後來主業的來源。

還有一個實用的做法是把探索排進行事曆而不是等有空。有空永遠不會發生，因為利用永遠比較急。用一個固定的時段（每週半天、每季一週）做「不確定有沒有用的事」，並且不要求它產生成果。

要注意探索也有品質差異。隨機亂試的效率很低，好的探索是「有假設的探索」——你在試什麼、期待學到什麼、什麼結果會改變你的判斷。這樣即使失敗，你也拿到了資訊。

馬斯洛需求層次

從生理到自我實現的五層需求階梯。

生理、安全、歸屬、尊重、自我實現。它直覺、好記、被引用了八十年，幾乎每一本管理和行銷入門書都有。

必須誠實標註：這個模型的實證支持很弱。跨文化研究並不支持嚴格的階梯順序——人在飢餓和危險中仍然追求歸屬與意義，有時候甚至更強烈。Frankl 在集中營的觀察就是一個反例。而且馬斯洛本人從來沒有畫過那個金字塔，那是後來管理學教科書加上去的。他晚年還加了一層自我超越，也很少人提。

所以它適合當成溝通用的分類，不適合當成規律。用它來組織你的思考可以，用它來預測人的行為會出錯。

用在行銷和產品上仍然有參考價值：同一個產品可以訴求不同層次，而你訴求哪一層決定了價格帶、通路和文案語氣。賣一把椅子可以訴求「坐得舒服」（生理）、「符合人體工學、保護你的脊椎」（安全）、「符合你的品味」（尊重）。這三種寫法賣給不同的人，價差可以是十倍。

要避免的用法是拿它評斷別人「還停留在哪一層」。這種用法既不準確也不友善，而且常常變成一種階級化的傲慢——彷彿在意收入的人層次比較低。實際上人是同時在追求多個層次的，順序因人因時而異。

如果你想要一個實證比較穩的替代品，可以看自我決定論：它主張人有三種基本心理需求——自主（我能選）、勝任（我做得到）、連結（我有歸屬），而且這三種不是階梯，是同時存在的。它在動機研究上的證據基礎比馬斯洛紮實得多，而且對設計工作環境和學習環境更有指導性。

管理者–創業者二分

穩定運營 vs. 創新突破的角色張力。

兩種模式要的東西剛好相反。營運要可預測、要標準化、要降低變異、要能被複製；創新要試錯、要容忍失敗、要放大變異、要能被推翻。同一個人同時做兩件事會分裂，同一個組織用同一套 KPI 管兩件事會把創新殺掉——而且通常是無聲地殺掉，因為創新的死法是「今年先不做」。

大公司做不出新東西通常不是因為裡面的人笨，是因為現有業務的規模讓任何新業務的數字都顯得不值得投入。一個一年營收百億的公司，看到一個「三年後可能做到兩億」的新機會，會覺得那是浪費資源——而這個判斷在當下是對的。等到那個新機會長到有意義的規模時，市場已經被別人拿走了。這是克里斯汀生講破壞式創新時最關鍵的一段，也是為什麼他說這是「好的管理」造成的失敗。

處理方式通常是隔離：讓創新單位有自己的指標、自己的節奏、自己的資源，不必分攤現有業務的規則和成本結構。而且要夠獨立到不會被主業的優先順序吃掉。這在組織上很難，因為它看起來像是給某些人特權。

個人也一樣。把創作時段和維運時段分開，不要在同一個下午切換——這兩種模式需要的心智狀態不同，切換成本很高。很多創作者的痛苦來自用同一種標準要求兩種工作：寫初稿時要求品質（於是寫不出來），做行政時要求靈感（於是很痛苦）。

自我認識也用得上。多數人有明顯的偏好，硬要自己補齊另一半通常效率很差。找一個互補的人比較快，而且這是很多成功合夥關係的結構——一個往外拓、一個往內守。要注意的是這兩種人天生互看不順眼，所以需要明確的分工和相互的尊重才撐得住。

博弈論（原版）

研究互動決策者策略選擇及其均衡結果。

跟一般決策分析最大的差別在於：對手會針對你的選擇做反應。天氣不會因為你帶傘而改變，競爭對手會因為你降價而降價，客戶會因為你常打折而等打折。一旦對方會反應，你就不能只算自己那邊。

分析一個賽局要先問四件事：有哪些參與者（包括你沒想到的第三方）、各自能選什麼、各種組合下每個人的報酬是什麼、以及資訊是不是對稱。把這四項具體寫下來，很多爭執會自己清楚——多數談判卡住是因為雙方對「對方的報酬結構」有錯誤的想像。

有幾個結論值得記住。先行者不一定有利，要看你的承諾能不能被相信。可信的威脅比強硬的姿態有用得多——一個你顯然不會執行的威脅，等於沒有威脅。把自己的退路切斷有時反而增強議價力（背水一戰、公開承諾、把決定權交給一個不能妥協的委員會）。改變報酬結構比說服對手容易。

還有一個實務上很有價值的概念叫承諾裝置。當你能讓對方相信「我沒有選擇」時，你反而佔優。工會授權罷工、公司公告不打折政策、談判代表被授權的上限，都是在製造這種不可退讓性。反過來，如果對方擺出這種姿態，你要判斷的是他的承諾是真的（結構上退不了）還是演的。

它的限制要講清楚：博弈論假設參與者理性、報酬明確、而且知道賽局規則。現實裡三個都常常不成立——人會賭氣、報酬包含面子和情緒、規則會中途改變。所以拿它當結構分析工具很好，拿它當預測工具會失望。行為賽局理論在補這一塊，加入了人的實際行為模式（例如人會為了懲罰不公平而犧牲自己的利益，這在最後通牒賽局裡看得很清楚）。

情景規劃

預設多種可能未來情境，提前制定靈活策略。

殼牌石油在 1970 年代初用這套推演過「如果油價劇烈上漲會怎樣」的情境。1973 年石油危機真的發生時，他們的反應比同業快，因為那個劇本已經在腦中演過。這是這個方法最有名的起點。

它要做的不是預測哪個未來會發生——那正是它要放棄的東西。它準備三到四個差異夠大的劇本，然後檢查你現在的策略在每個劇本下的表現。目的是找到「在多數劇本下都不會死」的做法，以及提前定義好觸發轉向的訊號。

關鍵技巧在於挑「不確定性軸」。找出兩個對你影響最大、同時最說不準的變數，交叉成四個象限，每個象限寫一個具體的世界長什麼樣。注意這裡的紀律：不要寫成「好、中、壞」三版，那只是同一條線上的三個點，不會讓你看到新的東西。要選兩個獨立的維度，才會出現你原本沒想過的組合。

每個劇本要寫成一段故事，有具體的細節和發生順序，不要只寫幾個形容詞。故事化的目的是讓它進得了人的直覺系統，被記住、被想起來。一份寫成表格的情境分析，通常在事情發生時沒有人會想起來。

個人也能用，而且很值得花一個下午。把「AI 取代這項工作的速度」和「客戶預算的鬆緊」交叉，四個世界各寫兩段。你會很快發現哪些準備是四個世界都需要的——那些就是現在該做的事，而且做了不會後悔。剩下的做成「如果看到某某訊號，就啟動某某計畫」的觸發清單。

最後一個實務提醒：情境規劃最大的價值不在那份文件，在做的過程中團隊的心智被拓寬了。所以它必須是一群人一起做，而且要包含跟你想法不同的人，否則四個劇本會長得一模一樣。

七、創新與問題解決（12 個）

第一性原理

拆解到不可再分的基本事實，再重新構建解決方案。

亞里斯多德對第一原理的定義大意是「對一件事最基本、不能從別的東西推導出來的命題」。操作上就是把問題往下拆，一直問「這件事為什麼是這樣」，拆到不能再問為止，然後從那些底層事實往上重建——而不是從現有做法微調。

馬斯克講電池成本的例子最常被引用。當時業界說一度電的電池組要六百美元，而且大家認為這就是事實。他的做法是去查構成電池的原物料——鎳、鋁、碳、鋰、聚合物——在倫敦金屬交易所的價格，算出如果只買材料自己組，成本大約是八十幾美元。剩下的差額不是物理限制，是製程和供應鏈的問題，而問題是可以解的。

平常的用法沒那麼戲劇化，但同樣有效：問「這件事非得這樣做嗎？如果從零開始，我會怎麼做？」很多流程存在的理由是歷史而不是需求——這個報表當初是為了某位已經離職的主管做的、這個欄位是因為十年前的系統限制、這個會議是因為某次出包之後加的。沒有人重新檢查過。

代價是慢，而且大部分事情不值得這樣拆。類比推理（別人怎麼做我就怎麼做）便宜、快、而且通常夠用——你不需要從第一性原理推導出怎麼寄一封 email。第一性原理該留給那些「大家都說不可能、但你懷疑那是慣例而非限制」的題目，以及那些你打算投入好幾年的方向。

有一個實務上的執行技巧：拆的時候要拆到「物理的、法律的、數學的」限制才算到底。「客戶不會接受」不是底層事實，那是一個可以被驗證也可能被改變的假設。「材料成本」「一天只有二十四小時」「光速」才是。多數人拆到「大家都這樣」就停了，那正是還沒開始的地方。

要提醒的是，第一性原理不保證你的重建是對的。它只保證你不是因為慣性才那樣做。重建之後仍然要驗證，否則你只是換了一個更自信的錯誤。

逆向工程

從現成產品倒推設計原理，發現改進空間。

拿一個已經成功的成品，拆開來理解它為什麼有效，然後在你的場景裡重建。這是學習速度最快的方式之一，因為你研究的對象已經被市場驗證過了，不必自己從零猜。

寫作可以這樣練，而且效果驚人。找一篇你覺得很好的文章，不要抄字句，抄骨架：第一段做了什麼、第二段怎麼轉、證據放在哪個位置、什麼時候給例子、結尾怎麼收、每一段多長。把骨架抽出來寫成一張表，然後用你自己的題材填進去。你會發現自己寫不出來的地方，正是原作者處理得最漂亮的地方。

商業上也一樣，但要拆的層次不同。研究一個成功的產品，表面功能最容易複製，也最沒用。真正要拆的是它的取捨：它刻意不做什麼、它把資源集中在哪裡、它靠什麼賺錢、它得罪了誰。一個產品的個性來自它拒絕的東西，而那些通常沒有寫在官網上。

要注意兩個陷阱。第一是倖存者偏差：你拆的只是成功的那一個，同樣做法但失敗的看不到。所以拆完之後最好去找一個「做了類似的事但沒成功」的案例，比對差別在哪。第二是脈絡差異：對方的做法可能建立在你沒有的資源上——他有五十人團隊、他有既有的品牌、他有一個大客戶墊底。抄一個需要那些前提的做法，會抄出一個空殼。

實務上我建議的順序是：先拆結構（它由哪些部分組成）、再拆取捨（它為什麼這樣選）、最後拆前提（它需要什麼條件才成立）。第三步做完，你才知道這個做法能不能搬到你身上。

還有一個延伸用法很實用：拆解你自己成功過的東西。多數人對自己做對的事沒有意識，於是無法複製。把你表現最好的那次專案、那篇文章、那場簡報拆一次，你會找到一組可以重複使用的東西。

SCAMPER 創新法

替換、結合、調整等七步刺激創意。

七個動詞：替換（Substitute）、結合（Combine）、調整（Adapt）、修改或放大縮小（Modify）、改變用途（Put to another use）、消除（Eliminate）、重組或反轉（Reverse）。拿著現有的東西，一個一個動詞套上去問。

它的價值在於強迫轉向。人自由發想的時候會一直繞在同一個區域，因為聯想是靠既有的路徑走的。給七個固定角度反而跑得比較遠——限制產生創意，這在很多創作領域都被觀察到。

七個裡面我覺得最有生產力的是「消除」。把某個大家都覺得必要的元素拿掉會怎樣？沒有座位的餐廳（立食）、沒有講師的課程（同儕學習）、不用註冊的服務、沒有菜單的餐廳、不含酒精的酒吧。很多創新是減法做出來的，而多數人只會做加法，因為加法比較安全也比較好交代。

第二有生產力的是「改變用途」。這個東西如果賣給完全不同的人會怎樣？很多產品的第二春來自這個問題——原本給專業人士的工具賣給業餘愛好者、原本給企業的服務賣給個人、原本給大人的東西改給小孩。

用法建議：一次只用一個動詞，發散十分鐘，不評價。評價階段另外開，兩件事混在一起你什麼都想不出來——這是腦力激盪最基本但最常被違反的規則。而且要寫下所有想法，包括蠢的，因為蠢的想法常常是好想法的踏腳石。

限制是它適合改良既有的東西，不適合開創全新的類別。當你手上還沒有可以被「替換、結合」的原型時，這套沒有著力點。這時候該用的是觀察使用者、第一性原理、或者從問題本身開始。

小步快跑（MVP）

以最小可行產品快速驗證市場，降低浪費。

最小可行產品的重點全在「可行」兩個字。它必須能真的驗證一個明確的假設，而不只是做得小。做一個功能殘缺的爛版本不叫 MVP，那只是爛產品，而且會給你一個錯誤的否定訊號——你以為市場不要，其實只是你做得太爛。

驗證方式不一定要做出產品，這是很多人漏掉的部分。落地頁測試（先賣再做，看有多少人按下購買）、人工後台（前台看起來自動化，後面是你在手動處理）、影片示範（Dropbox 早期就是做了一支示範影片，因為當時的技術問題太多，先看有沒有人想要）、預售、以及最土的方法——直接去問二十個人願不願意現在付訂金。

要定義清楚你在驗證什麼，這是 MVP 成敗的關鍵。「大家喜不喜歡」不是一個假設，它沒辦法被否證（見可證偽性）。「這群特定的人，會不會為了解決這個問題付兩千塊」才是。假設不明確，做出來的 MVP 也讀不出結論，你會拿到一堆模稜兩可的回饋然後繼續做下去。

它的邊界在於品質期待高的市場。醫療、金融、精品、B2B 的關鍵系統，粗糙的版本會直接損害信任，而且信任損害通常不可逆。這些領域的最小驗證要換成別的形式——深度訪談、預售合約、小範圍的高品質試作、或者先服務一個客戶到極致再說。

還有一個常見的誤用：把 MVP 當成藉口不做好。Reid Hoffman 那句「如果你對第一版不覺得尷尬，代表你推出得太晚」被引用到爛，但它的前提是你在測一個真正的假設，而不是在偷懶。尷尬應該來自不完整，不應該來自不用心。

實務建議：每一個 MVP 都先寫下「什麼結果我會繼續、什麼結果我會停」。事前寫，因為事後你一定會找理由繼續。

群體智慧

多元個體集體決策，可超越單一專家。

Francis Galton 在 1906 年的市集上記錄了將近八百人猜一頭牛的重量。個別的誤差很大，但所有猜測的中位數幾乎命中真實重量。這個故事之所以有名，是因為它違反了「專家一定比外行準」的直覺。

James Surowiecki 整理出群體智慧成立的條件：意見多元、彼此獨立、決策分散（每個人根據自己的在地資訊）、以及有一個好的匯總機制。四個條件缺一不可，而現實中最容易被破壞的是獨立性。

一旦大家看得到別人的答案，估計就會收斂，多元性消失，準確度立刻下降。有實驗直接測過這件事：讓受試者在知道別人答案的情況下重複估計，群體的離散度快速縮小，但正確度沒有提高——大家只是一起錯得更有信心。這就是為什麼會議上要先各自寫答案再公布，而不是輪流發言。

實務工具包括匿名投票、預測市場、德爾菲法（多輪匿名回饋，每輪讓大家看到統計摘要但不知道誰講的）。共同點都是先保護獨立性，再匯總。這幾個工具的成本都很低，用的人卻很少，因為它們違反「開會就是要討論」的直覺。

不適用的情況要分清楚。第一，需要專業判斷而外行完全沒有相關資訊的題目（醫學診斷、法律解釋）——群體智慧需要每個人手上都有一點真實的訊號，如果大家都是雜訊，平均起來還是雜訊。第二，當群體被同一個資訊源餵養時，社群平台上的一致意見不是群體智慧，是同一個訊號的回音。

還有一個實用的提醒：群體在「估計數量」上表現最好，在「選擇方案」上表現普通，在「創造新方案」上表現最差。所以正確的分工通常是——個人或小組產生方案，群體評估和排序。反過來做（一群人一起想點子）效率很低。

團隊多樣性

不同背景觀點可提高創新質量與問題覆蓋面。

Scott Page 的論證是數學性的：在解決複雜問題時，成員的「思考方式差異」能覆蓋更多解法空間，因此一群多元但個別能力中上的人，有時候勝過一群同質但個別頂尖的人。他把這個叫做多樣性優於能力定理，不過要注意這個定理有明確的前提條件，不是無條件成立。

要分清楚這裡講的是「認知多樣性」——不同的經驗、訓練、思考路徑、心智模型。人口統計上的多樣性常常與它相關（不同的人生經歷會產生不同的視角），但兩者不等同。一群性別和族裔各異、卻都讀同一個科系、進同一家公司待十年的人，認知上可能非常同質。

代價也要講清楚，不然這條會變成一句正確但沒用的口號。多元團隊溝通成本高、初期摩擦多、成員的滿意度常常較低，而且他們對自己表現的評價往往低於同質團隊——即使客觀表現更好。研究顯示它在複雜、需要創新的任務上勝出，在簡單重複的任務上反而拖慢。所以要不要多元，取決於你在做什麼任務。

要讓多樣性發揮作用，前提是心理安全感。Amy Edmondson 的研究指出，團隊表現的關鍵不在成員多聰明，在於成員敢不敢承認錯誤、提出問題、表達不同意見。不同意見講不出來的團隊，多元只會變成內耗，因為差異存在卻無法交換。

實務上比「找不同的人」更有效的，是「創造讓差異能被表達的機制」：先寫再講、輪流發言、指定唱反調的角色、主管最後表態、明確區分「腦力激盪階段」和「決定階段」。這些機制便宜，而且對現有團隊立刻有效。

最後一個提醒：多樣性不是把不同的人放在同一個房間就完成了。如果決策權集中在同質的一小群人手上，其餘的多樣性只是裝飾。

TRIZ 理論

40 個發明原則系統化解決技術矛盾。

蘇聯工程師 Genrich Altshuller 在專利局工作時，分析了大量專利，發現發明其實反覆使用同一組手法。他把這些整理成四十條發明原則，加上一個矛盾矩陣：你告訴它你想改善什麼、同時什麼會變差，它告訴你歷史上這類矛盾常用哪幾條原則解決。

它的主要概念是「技術矛盾」：想要 A 變好就會讓 B 變差。想更堅固就會更重，想更快就會更耗能，想更便宜就會更薄。TRIZ 的主張是，這種矛盾多半有人在別的領域解過，你不必自己從零想。

四十條原則裡有些非常通用，就算不查矩陣，翻一遍清單也常常能撞出方向：分割（把整體拆成可獨立處理的部分）、局部品質（不同部位用不同的規格）、預先動作（提前完成一部分）、反向操作（把動的變成不動的）、廉價替代品（用便宜易耗的取代昂貴耐久的）、自助（讓系統自己完成某個功能）、以及「拋棄與再生」。

它還有一個很有價值的概念叫理想最終結果：先描述「這個功能被完美達成，而且不需要任何裝置、不花任何成本、不產生任何副作用」的狀態，再往回推。這個思考起點跟第一性原理有點像，都是先擺脫現有方案的形狀。

它偏向工程領域，套到組織與服務問題上會有點勉強，因為那些領域的矛盾不像機械那麼可量化。比較實際的用法是借用它最前面的那個步驟——把矛盾明確寫出來。很多問題卡住不是因為沒有解法，是因為沒有人把「我們到底在什麼跟什麼之間權衡」講清楚。寫出來之後常常會發現，那個矛盾根本是假的，或者可以用時間、空間、條件把它分開（TRIZ 稱之為分離原理，也很好用）。

水平思考法

打破縱向邏輯，以跳躍聯想生出新點子。

Edward de Bono 的說法是：垂直思考是把同一個洞挖得更深，水平思考是換一個地方挖。他的貢獻不只是提出這個比喻，而是設計了一些刻意的工具——因為他認為創意不是天賦，是可以用程序觸發的。

最好上手的是隨機字詞刺激。想不出來的時候翻開字典指一個詞，強迫把它跟你的問題連起來。聽起來像胡鬧，但它有效的原因很清楚：打斷既有的聯想路徑。人的思考會沿著最常走的神經路徑跑，一個無關的詞會強迫你從一個沒走過的地方接近問題。

另一個工具是挑釁式命題：刻意提出一個不合理的假設，然後認真推導。「假設汽車是方輪子的」「假設我們不收錢」「假設客戶自己做這件事」。目的不是要用那個方案，是要在推導的過程中撞出新的路徑。很多商業模式的創新（免費增值、訂閱制、逆向拍賣）都可以用這個方式被想出來。

六頂思考帽是同一位作者的另一套，處理的是另一個問題：讓一群人在同一時間戴同一頂帽子（純資訊、純直覺、純批判、純樂觀、純創意、純流程），避免會議變成不同思考模式互相打架——有人還在發想，有人已經在挑毛病，兩邊都很挫折。這套的價值在於把「順序」明確化。

用它一定要配上收斂階段。水平思考產出的多數點子沒有用，它的價值在於裡面偶爾出現的那一兩個，所以量要夠、而且篩選要另外做、由另外的標準做。如果你在發散的當下就篩選，你會回到原本的路徑上。

要誠實說，de Bono 的方法在學術上的實證支持不算強，比較像是一套實用的操作啟發。但它便宜、無害、而且很多人用了覺得有幫助，這在創意方法裡已經算不錯的條件了。

設計思考

同理用戶、定義問題、原型迭代的人本創新流程。

五個階段：同理、定義、發想、原型、測試。它最大的貢獻是把「先去現場看使用者真的怎麼做」變成一個標準動作，而不是在會議室裡想像使用者。

最有價值的環節通常是「定義」，而不是大家以為的「發想」。使用者說他想要一匹更快的馬，把它翻譯成「他要的是更快抵達目的地」，解法空間就完全不同了。這一步做錯，後面再精緻的執行都是在解錯的問題。所以定義階段的產出應該是一句「怎麼樣才能幫某某人在某某情境下達成某某目的」，而不是一個功能清單。

同理階段有一個實務要點：問行為不要問意見。「你會想要這個功能嗎」得到的答案幾乎沒有價值，人不知道自己會怎麼做。「上次你遇到這個問題時，你實際上做了什麼」才有資訊。看使用者操作，比聽使用者描述準十倍。

原型要粗，這是最違反直覺的一條。紙上畫的介面、假的按鈕、演出來的服務流程。目的是拿去被人吐槽，不是拿去展示。做得太精緻有兩個壞處：別人會不好意思批評（因為看起來你花了很多力氣），你自己也會捨不得改。這叫做原型的忠實度陷阱。

批評的聲音也要知道。這套方法被商業化之後，常常變成貼便利貼的工作坊儀式——跑完流程、拍了照片、產出一堆便利貼，然後什麼都沒有落地。也有人批評它對真正的結構性問題無能為力，只能做表層的體驗改良。判斷你有沒有做對，最簡單的檢查是：這次過程中你有沒有真的跟至少五個使用者相處過？沒有的話，那不是設計思考，那是有主題的腦力激盪。

MECE 原則

相互獨立、完全窮盡的結構化分類方法。

麥肯錫的分類紀律：切出來的類別彼此不重疊（相互獨立），加起來沒有遺漏（完全窮盡）。營收下滑可以切成「新客減少」和「舊客流失」，這兩類不重疊而且窮盡；切成「行銷不力」和「產品不好」就不是，因為它們會重疊，而且沒有涵蓋所有可能。

它的用途是保證你的分析沒有黑洞。做問題樹或議題樹的時候，每一層都要 MECE，這樣你排除掉某一支之後，才能確定剩下的範圍是完整的。這是顧問業的基本功，也是為什麼他們的簡報看起來那麼有條理。

實務上找 MECE 切法有幾個常用的維度。數學拆解最安全：營收＝客數×單價，客數＝新客＋舊客，成本＝固定＋變動。流程階段也很好用：認知→考慮→購買→使用→回購。二分法最不會出錯但常常太粗：是／否、內部／外部。時間先後：發生前／發生中／發生後。

不要為了 MECE 犧牲重點，這是它最常見的誤用。現實問題常常有交互作用和重疊，硬切會失真——你會為了讓格子漂亮而扭曲事實。遇到這種情況，寧可承認重疊並且另外標註出來，也不要假裝它不存在。一個誠實但不完美的分類，勝過一個漂亮但錯誤的分類。

還有一個更重要的提醒：MECE 保證你沒有漏，但不保證你切在對的地方。你可以用一個完全 MECE 但完全沒有用的維度來切（把客戶按姓氏筆畫分成五組，非常 MECE，毫無用處）。好的切法要能讓不同的格子有不同的處理方式——如果切完之後每一格的行動都一樣，那就是白切了。

實作建議：切完之後對每一格問「這一格我會怎麼做」。答案都一樣的話，換一個維度重切。

魚骨圖

從人機料法環角度找出問題根因。

石川馨在 1960 年代提出的因果圖，長得像魚骨所以有這個俗稱。問題寫在魚頭，主要類別當大骨，每根骨頭下面再展開細部原因。製造業常用「人、機、料、法、環」五類（人員、機器、材料、方法、環境），服務業可以換成人員、流程、系統、政策、環境、顧客。

它的價值是把「大家七嘴八舌講原因」變成有結構的盤點，而且讓不同部門的人看到問題的全貌——生產部門看到的原因和業務部門看到的原因常常完全不同，畫在同一張圖上，那個落差本身就是資訊。

配合五個為什麼一起用效果最好。魚骨圖負責廣度（有哪些可能的原因類別），五個為什麼負責深度（往下挖到制度層面）。找到最可疑的那根骨頭，往下連問五次為什麼，通常會從「操作失誤」挖到「訓練不足」再挖到「這個職位流動率太高」再挖到「薪資結構」。挖到你能實際改變的那一層才停。

要避免的是把它做成一次性的會議產出。真正有用的是後續驗證——列出來的原因要拿數據去確認哪幾條真的成立，沒驗證的魚骨圖只是一份集體猜測，而且因為畫得很整齊，會讓人誤以為已經找到答案了。

還有一個常見的偏差：魚骨圖很容易把「人」那一根骨頭畫得特別長，因為怪人最容易。這正是基本歸因謬誤在組織裡的樣子。畫的時候可以設一條規則：每指出一個人為原因，就必須同時問「什麼樣的流程設計會讓這個錯誤不容易發生」。

實作建議：畫完之後，圈出「我們自己能改變的」那些，其他的另外處理。很多團隊的挫折來自把力氣放在改變不了的原因上（市場、法規、老闆），而那些通常是最容易被提出來的。

5W1H 分析法

Who‧What‧When‧Where‧Why‧How 全面拆解課題。

六個問題跑一遍。它便宜、快、不需要訓練，缺點是很淺——它是整理工具不是思考工具，這一點要先講清楚，免得對它有錯誤期待。

它最好的用途其實是「檢查有沒有漏」。寫需求、發公告、交辦任務之前，六個問題各答一句，多數溝通誤會就消失了。而根據我的觀察，最常漏掉的是 Why——What 講得很清楚（做這個），Why 完全沒講（為什麼要做），於是執行的人遇到沒被指定的情況時，只能亂猜。多數的返工來自這裡。

延伸版是 5W2H，加上 How much。做決策文件時這一項不能少，因為沒有成本的方案討論會失焦——所有方案聽起來都很好，直到你問價錢。

要提升它的深度，把 Why 那一格單獨拉出來連問五次（豐田的五個為什麼），其餘五格用來確認事實。單靠六個問題不會產生新的想法，但它能保證你不會在事實層面有缺漏，而很多錯誤判斷的根源是事實沒問清楚。

新聞寫作也用同一套，這不是巧合——它們處理的是同一個問題：如何在最短的篇幅裡讓讀者掌握一件事的全貌。所以這套框架反過來也可以用來檢查你收到的資訊：這則消息有沒有回答六個問題？漏掉哪一個？漏掉的那一個常常是最關鍵的（例如報導講了發生什麼、沒講消息來源是誰）。

實作建議：把 5W1H 做成一個交辦模板，強制自己每次交辦都填完。這是最低成本的溝通改善，效果卻很明顯，尤其在遠端工作和非同步溝通的情況下。

// 讀到這，先存個檔

思維模型，一鍵打包為 Notion 模板

重點濃縮 + 動手檢查表，留個 email，我直接寄一份可直接套用的版本給你。

寄一份給我 →

P.S. 一週寄一封電子報，不喜歡退訂兩秒鐘 ✏️

八、學習與認知（15 個）

費曼技巧

用簡單語言教他人，以檢驗並加深理解。

四個步驟：挑一個概念、假裝講給一個完全不懂的人聽、卡住的地方回去查、再用更簡單的話重講一次。名字來自費曼，不過他本人有沒有把這套寫成方法論其實有爭議，這個名稱主要是後人整理和推廣的。方法本身站得住，來源要誠實標。

它有效的原因是把「認得」跟「理解」分開。讀過會產生熟悉感，熟悉感會被大腦誤認成理解——這是學習裡最普遍也最貴的錯覺，因為它讓你在還沒懂的時候就停下來。只有輸出會暴露破洞，因為講的時候你必須決定順序、必須補上因果、必須處理「那如果是這樣呢」。

實際操作有一個很關鍵的訣竅：禁止使用專業術語。術語是打包好的黑盒子，一旦允許使用，你可以在完全不理解的情況下把整段話講完，而且聽起來很專業。強迫自己用日常詞彙，你會立刻發現哪幾個環節其實是空的。

第二個訣竅是設定一個具體的對象。不要對著空氣講，找一個真實的人，或者想像一個具體的人——你不懂這行的朋友、一個高中生、你媽。具體的對象會改變你的用詞和取捨，抽象的「外行人」不會。

它的限制是需要對象，或至少需要「假裝有對象」的紀律。對著空氣講很容易偷懶跳過難處，因為沒有人會追問。所以錄音、寫成文章、真的找個人講，效果差很多。錄音是最低成本的版本——你會很誠實地聽到自己含糊帶過的地方。

還有一個進階用法：講完之後請對方複述。如果對方複述得出來，你才真的講清楚了。如果對方只能點頭說「嗯我懂了」，那多半是禮貌。這一步在教學和溝通上都適用，而且是檢驗自己的最硬標準。

刻意練習

設定明確目標、獲取即時反饋、挑戰舒適圈。

Anders Ericsson 的研究區分了「練習」和「刻意練習」，這個區分是整個概念的價值所在。開了二十年車的人不會比開五年的人更會開車，因為那是重複而不是刻意練習。刻意練習有幾個要件：明確的子目標（不是「變厲害」，是「這週練左手小指的獨立性」）、在能力邊緣（不是舒適區也不是恐慌區）、立即而準確的回饋、以及大量的重複與修正。通常還需要一位知道你哪裡錯的教練。

一萬小時的說法是 Gladwell 通俗化的版本，而 Ericsson 本人明確反對那個簡化——時數不是重點，練習的結構才是，而且不同領域需要的時數差異很大。近年也有後設分析指出，刻意練習能解釋的表現差異比原本宣稱的少，在不同領域差距很大（在有明確規則的領域如西洋棋和樂器比較高，在開放領域如商業和教育低很多）。這些都值得誠實標註。

自學者最缺的是回饋。可以自己造：錄下來回看、跟標準答案對照、把作品拿給比你強的人拆、設計能立刻看到結果的小練習、參加會被評分的場合。這一項的投資報酬率通常遠高於多練幾小時。

還有一個常被忽略的前提條件：這個領域要有穩定的規則和明確的評判標準。在回饋模糊、因果延遲、運氣成分大的領域（管理、創業、投資、育兒），刻意練習的效果會大打折扣，因為你不知道自己做對還是做錯。在那些領域，可靠的成長方式比較接近「大量閱讀失敗案例＋保持可逆＋記錄判斷並回顧」。

實務建議：把你想練的能力拆到「可以在十五分鐘內練一次、而且練完立刻知道好壞」的顆粒度。拆不到那麼細，通常代表你還沒想清楚自己要練什麼。

心智表徵

大腦為快速決策建立的內部模型；專家與新手差異關鍵。

有一個經典實驗：讓西洋棋大師和新手看真實棋局幾秒鐘，然後憑記憶重擺。大師幾乎全對，新手一塌糊塗。但如果把棋子隨機亂擺（不是真實棋局），大師的表現就跟新手差不多。差別不在記憶容量，在表徵——大師看到的不是二十四顆棋子，是六七個有意義的結構。

這解釋了專家為什麼快、為什麼輕鬆。他們的表徵把大量細節壓縮成有意義的單位（心理學上叫做組塊），所以工作記憶還有餘裕去做判斷、去想下一步、去注意例外。新手的工作記憶全部被基本操作佔滿，根本沒有空間思考。

它也解釋了為什麼專家講不清楚自己怎麼做的。表徵是內隱的，它不是一條一條的規則，而是一種「看起來對不對」的感覺。這是知識傳承最大的困難，也是為什麼師徒制在很多領域還是無法被課程取代。

要建立表徵，靠的是大量帶回饋的接觸，加上主動的歸類。看一百份財報並且每次都問「這屬於哪一類狀況、跟我看過的哪一份像」，比看一百份只讀數字有用太多。因為前者在建結構，後者只在累積資料。

實用做法：每學一個新東西，強迫自己做兩件事。第一，把它歸到已有的類別裡，或者開一個新類別並說出它跟舊類別的差異在哪。第二，找出這個東西的「典型範例」和「邊緣案例」——知道什麼是最標準的樣子，也知道邊界在哪，表徵才完整。

還有一個判斷自己表徵成熟度的方法：你能不能一眼看出「這個做得不好」，而且說得出來哪裡不好？能看出不好但說不出來，代表表徵已經形成但還沒語言化；連不好都看不出來，代表還在新手階段。

德雷福斯模型

技能從新手到專家分五階，每階思維方式不同。

五個階段：新手（需要明確規則，不看情境）、進階新手（開始認得情境的特徵）、勝任（能訂計畫、會篩選重點、開始為結果負責）、精熟（能整體看待、靠經驗判斷、開始有直覺）、專家（直覺運作，難以言說，只有在遇到罕見狀況時才會回到分析）。

它最有用的推論是「不同階段要用不同的教法」，而多數教學失敗在這裡。給新手一堆「看情況而定」會讓他癱瘓，他需要的是明確的步驟和可以照做的規則，即使那些規則不完全準確。給精熟者一份詳細的 SOP 會讓他綁手綁腳，他需要的是脈絡、目標和例外的討論。同一份教材不可能同時服務兩端。

自我定位也用得上。如果你在某個領域還需要照步驟走，那就別急著追求彈性和個人風格——那是後面的事，太早追求會變成不扎實。如果你已經能看整體、能預判、能感覺到不對勁，那繼續照 SOP 練不會進步，你需要的是更難的問題和更好的回饋。

要注意技能是分領域的，而且分得很細。同一個人可以在一件事上是專家，在另一件事上是新手，這很正常。真正的風險是專家在自己不熟的領域最容易犯錯，因為他習慣了直覺運作的模式，而那個模式在新領域裡沒有經驗支撐——他會用專家的自信做新手的判斷。

還有一個教學上的實務提醒：從新手到勝任，最需要的是結構和回饋；從勝任到精熟，最需要的是大量多樣的實戰；從精熟到專家，最需要的是面對真正困難的、超出常規的案例。三個階段需要的資源不同，卡住的時候先確認你在哪一段。

模型本身要標註的是：它是描述性的觀察框架，不是有嚴格實證的理論，階段的界線也沒有那麼清楚。當成溝通和自我定位的工具很好用，當成精確的測量工具不行。

桑代克練習律

反覆練習加強刺激-反應連結，熟能生巧。

桑代克從貓逃出迷籠的實驗提出了幾條學習律，練習律是其中之一：一個反應被反覆使用會被強化，長期不用會弱化。這是行為主義學習理論的基礎之一。

但他後來自己做了重要的修正，而這個修正比原始版本更值得記：單純的重複如果沒有回饋，強化效果非常有限。他做過一個實驗，讓蒙眼的受試者反覆畫固定長度的線段幾千次，結果幾乎沒有進步——因為他們不知道自己畫得對不對。

這個修正很重要，因為它推翻了「熟能生巧」的簡化版。無回饋的重複不但沒用，還會讓錯誤動作被固化。練錯的姿勢比沒練還糟，這在運動、樂器、發音上都是實務常識。

配套的效果律是另一半：帶來滿意結果的反應會被保留，帶來不適的會被減弱。所以設計練習時要讓正確的動作立刻產生可感知的好結果，錯的動作立刻被指出。這就是為什麼好的練習環境要有即時回饋，而不只是大量的量。

現代認知心理學的說法比桑代克更精確，也更實用：重點不在重複輸入，在重複「從記憶裡把東西拉出來」。這叫提取練習，是這幾十年學習研究裡證據最紮實的發現之一。所以做題比重讀有效，回想比劃重點有效，闔上書自問自答比再看一遍有效。而且提取的難度越高（在快忘記的邊緣），強化效果越強。

實務建議：把你的練習改成「先試著想出來，再看答案」的結構。這個順序的改變幾乎不花額外時間，效果差距卻很大。即使你想不出來，那個嘗試的過程本身就會讓後面看到答案時記得更牢。

林迪法則

存在越久的知識越可能長存，抗脆弱指標。

對於不會自然死亡的東西——書、技術、觀念、制度、飲食習慣——已經存在的時間，是它未來還能存在多久的指標。出版五十年還在賣的書，比今年的暢銷書更可能十年後還在賣。這條被塔雷伯推廣，原始的觀察來自百老匯演員在紐約林迪熟食店的閒聊。

它跟生物是相反的。人活越久，剩下的時間越短；書活越久，剩下的時間越長。這個差別的關鍵是「有沒有內建的壽命上限」。有機體有，觀念和技術沒有。

實用推論是資訊飲食的配置：把大部分閱讀時間分給經過時間篩選的東西，少部分留給最新的。新東西的訊噪比很低，而時間會替你做篩選——那些一時很紅但沒有價值的東西，五年後不會有人提。這一條可以讓你在資訊焦慮的環境裡安心很多。

它在判斷技術和工具時也有用。一個存在了二十年的程式語言、一個用了三十年的財務原則、一種流傳幾百年的烹調方式，它們的存活本身就是一種證據——不是說它們最好，是說它們經得起各種你想不到的考驗。

限制在於它假設環境沒有結構性斷裂。技術典範轉移的時候，長壽的技術也會突然歸零——馬車業有幾千年歷史，然後在二十年內消失。所以用它挑觀念和經典很可靠，用它押注技術要小心，因為技術更容易被整個換掉。

還有一個要注意的：林迪法則講的是「這一類東西的存續」，不是「這個具體物件的品質」。存在很久的東西不一定好，可能只是很難改變（見途徑依賴），或者對某些人很有利所以被維持。用它當篩選的第一道濾網很好，當成最終判準會保守過頭。

間隔重複

利用遺忘曲線，在最佳時間點複習以固化記憶。

艾賓浩斯在十九世紀末用自己當受試者，記憶無意義音節，畫出了遺忘曲線：新學的東西掉得非常快，前面幾天掉最多，之後趨緩。在快要忘記的臨界點複習一次，記憶保留的時間會被拉長，於是複習間隔可以越拉越開——一天、三天、一週、一個月、三個月。

它跟集中複習（一次讀很多遍）的差別很值得記住：集中複習當下感覺很好，測驗成績卻明顯較差；間隔複習當下感覺吃力、會有「我怎麼又忘了」的挫折，長期保留卻高得多。這是學習研究裡反覆出現的模式——流暢的感覺是陷阱，困難的練習才有效。這個現象有個名字叫「合意的困難」。

工具上有 Anki 這類卡片軟體會自動排間隔，語言學習和醫學生用得最多。不用工具也可以做一個土法版本：學完當天回想一次、隔兩天一次、隔一週一次、隔一個月一次、隔三個月一次。五次之後多數東西就在長期記憶裡了。

有一個關鍵要配合：間隔重複必須搭配提取，不是重讀。打開筆記再看一遍不算複習，闔上筆記把內容回想出來才算。很多人用了間隔重複的排程但做的是重讀，效果會打很大的折。

它最適合的是「明確、可切分、需要記住」的內容——詞彙、事實、公式、流程步驟、人名。對於需要整體理解的概念，它的幫助比較間接，因為概念的鞏固更依賴應用和連結。所以合理的配置是：用間隔重複處理需要記住的部分，用實作和輸出處理需要理解的部分。

實務建議：如果你完全不想用工具，最低成本的版本是——每次讀完一份材料，在行事曆上排三個提醒（三天後、兩週後、兩個月後），每次花五分鐘憑記憶寫下你記得的重點。這個習慣的成本極低，效果卻遠超過重讀。

心流狀態

挑戰與能力匹配時的深度投入，高效與愉悅並存。

契克森米哈伊訪談了大量藝術家、運動員、外科醫生，歸納出一種共同的狀態：當任務難度略高於現有能力、目標明確、回饋即時，人會進入一種忘記時間、忘記自我的專注狀態。太簡單會無聊，太難會焦慮，剛好在邊緣才會進去。

三個條件裡最容易缺的是即時回饋。寫作、研究、規劃、策略思考這類工作的回饋很慢——你不知道自己寫的這一段好不好，可能要幾天後才知道。所以這類工作難進心流。破解的方式是人工製造回饋：設定字數目標、把工作切成小段落、每完成一段就標記、用番茄鐘產生節奏感。

環境條件也很硬：不被打斷的整塊時間。心流需要十五到二十分鐘才能進入，每次中斷就要重來，而且注意力殘留會讓重新進入更慢。所以一個被會議切成六段的下午，實際的深度工作時間接近零。這是為什麼「保護整塊時間」比「提高專注力」重要得多。

要留意它不是萬靈丹，這一點很少被講。心流適合執行熟悉的高技能任務，不適合需要停下來思考、質疑、重新規劃的工作——那些反而需要離開流暢感。有些研究者也指出，心流狀態下人比較不會質疑自己在做的事對不對，所以在方向可能有問題的時候，心流反而危險。你可以非常投入地做一件錯的事。

還有一個實務區分：心流是結果不是目標。追求心流本身會讓你進不去（因為你在監控自己），正確的做法是把條件準備好（明確的下一步、適當的難度、沒有干擾、有回饋），然後開始做，它會自己來或不來。

實作建議：每天保留一段九十分鐘的無干擾時段，開始前先寫下「這段時間我要完成的具體產出」。這兩個動作滿足了「不被打斷」和「目標明確」，剩下的靠任務難度調整。

滑雪道曲線

學習曲線非線性，前期緩慢後期加速。

學習的進步不是直線，這件事所有學過東西的人都知道，但很少人在放棄的時候想起來。常見的形狀有兩種：S 型（前期慢、中期快、後期趨緩到高原）和階梯型（長時間沒感覺，然後某天突然開竅，再進入下一個平原）。兩種都會讓人在平原期放棄。

平原期的存在有真實的原因：這段時間你在重組心智表徵，成果還沒外顯。語言學習者常常經歷幾個月的停滯，然後某天突然聽得懂——那幾個月不是浪費，是在建立音韻和語塊的辨識能力，只是這個過程不產生可見的成果。樂器、運動、寫作都有類似的階段。

實用做法是換掉衡量指標。在平原期不要看結果指標（成績、成效、收入、粉絲數），改看過程指標（練習次數、完成量、接觸時數、產出篇數）。過程指標會持續給你回饋，撐得過平原期。這也是為什麼「不看數據只管發」對創作者是有道理的建議，至少在前期。

也要能分辨真平原和假平原，這一點很重要。真平原是方法對、只是還沒到臨界點；假平原是方法錯了，再撐也不會有結果。分辨的方法是找一個已經走過這條路的人看一眼，或者去比對「別人在這個階段花了多久」。持續投入卻毫無變化超過同儕的平均時間很多，那通常是方法問題，要換方法或者去找回饋，不是硬撐。

還有一個相關的形狀要知道：多數技能是「前期進步最快」的（前 20% 的投入拿到 80% 的能力），而「後期進步最慢」。所以如果你的目標是堪用，投入很少就夠；如果目標是頂尖，後面那段要花的力氣是前面的好幾倍。決定你要走多遠，會影響你怎麼配置時間——這其實是八二法則在技能上的版本。

元認知

對自身思考過程的覺察與調整，是高效學習引擎。

簡單說是「思考自己怎麼思考」。它包含三個部分：知道自己懂不懂（監控）、知道該用什麼策略（規劃）、以及在發現方法無效時換掉它（調節）。

學習表現最大的差別之一在監控的準確度。學習成效差的人常常高估自己懂了，因為他們用「讀起來很順」當判準——而流暢感跟理解幾乎沒有關係。用測驗當判準的人，監控準得多，也因此知道該把時間花在哪。

可操作的動作有幾個。學完問自己「我能不看筆記講出來嗎」（這就是費曼技巧）。做題前先預測自己會不會對，做完對答案，看預測準不準。做錯之後分析是不會、還是粗心、還是誤解題目——這三種要用完全不同的方式修。這些動作本身就在訓練元認知，而且不需要額外的時間。

它也適用在情緒和決策上，而且這一面可能更有價值。察覺自己現在正在急、正在防衛、正在合理化、正在為了不想承認錯誤而找理由——這是能夠改變它的前提。心理治療裡有很大一塊在做的就是這件事：不是消除情緒，是先看見它。

有一個很實用的元認知習慣叫「決策日誌」：做重要決定時寫下你的判斷、理由、以及當下的信心程度。定期回顧，你會看到自己思考的固定模式——在哪類問題上總是太樂觀、哪類問題上想得太複雜、哪類決定事後總是後悔。這種模式只有靠紀錄才看得到，因為記憶會自動美化。

要注意的邊界：過度的元認知會變成反芻和癱瘓。一直監控自己在想什麼，會消耗執行的資源。合理的配置是在特定的時間點做（決策前、任務後、每週回顧），而不是持續運轉。

雙編碼理論

文字 + 圖像雙通道處理，可提升記憶與理解。

Allan Paivio 的理論主張語文和視覺是兩套獨立又互通的表徵系統，同時用兩套編碼會建立更多的提取路徑，因此記得更牢、也更容易被想起來。具體名詞（蘋果、狗）比抽象名詞（正義、效率）好記，就是因為前者能同時被兩套系統編碼。

實用推論是「講的時候配圖」。但這裡有一個關鍵限制：要配對的圖，不是裝飾用的圖庫照片。無關的圖會佔用注意力反而干擾理解，這在認知負荷理論裡是明確的發現，叫做「誘人的細節效應」——有趣但無關的內容會降低學習成效。所以簡報放一張漂亮但無關的照片，不是中性的，是負的。

自己學習時的用法：讀完一段畫一張圖或流程圖，用自己的方式重組。畫圖的價值不在圖本身，在於它強迫你決定元素之間的關係——什麼在什麼前面、什麼包含什麼、什麼影響什麼。這些關係在文字裡可以模糊帶過，在圖上不行。所以畫不出來，通常代表你還沒真的懂。

還有一個相關的發現叫繪圖效應：親手畫過的內容，記得比看過現成的圖更牢。醜沒關係，重點是自己畫。研究顯示這個效果比重讀、比抄筆記都好，而且對成人和學生都成立。

用在教學和寫作上：同一個概念用文字講一次、用視覺結構呈現一次，效果好過講兩次。這也是為什麼好的教科書和好的說明文章會有大量圖表——不是為了好看，是為了走另一條編碼路徑。

實作建議：把你正在學的東西畫成一張圖，然後蓋起來，隔天憑記憶重畫。這個練習同時用到了雙編碼、提取練習和間隔重複，效率非常高。

成長型思維

相信能力可透過努力提升，樂於挑戰與反饋。

Carol Dweck 的區分：固定型思維把能力當成天生的固定量，於是挑戰會威脅自我形象（失敗代表我不行），所以傾向選擇有把握的任務；成長型思維把能力當成可以增長的，於是挑戰是機會，失敗是資訊。

要標註爭議，而且這個爭議很實質。後續的大規模複製研究和後設分析顯示，成長型思維介入的平均效果比早期宣稱的小很多，而且主要在成績落後和社經弱勢的學生身上比較明顯。也有研究者指出，把它包裝成「相信就能做到」的勵志版本，反而會變成另一種指責——你做不到是因為你心態不對。所以把它當成萬用解方會失望，也會傷人。

比較站得住的部分是回饋語言的差別。稱讚「你很聰明」和稱讚「你這次用了不同的方法，而且試了三遍」對後續的挑戰意願確實有影響。前者把成功歸因於固定特質，於是下次為了保護那個特質會避開難題；後者把成功歸因於可控的行為。這一層在教養和帶人上很值得注意。

實務上比口號有用的是幾個具體做法。把「我不會」改成「我還不會」——聽起來很小，但它改變了時態。把失敗的檢討放在策略層面而不是能力層面（「這個方法沒效，換一個」而不是「我不適合」）。以及讓進步被看見——記錄起點，因為人對自己的進步非常不敏感。

還有一個很重要的補充：成長型思維不能取代好的教學和資源。相信自己能學會，但沒有人告訴你哪裡錯了、沒有適合的教材、沒有時間，還是學不會。心態是必要條件不是充分條件，而過度強調心態會讓人忽略結構性的問題。

內外循環學習

輸入閱讀與輸出講解互為循環，加深掌握。

輸入是讀、聽、看，輸出是寫、講、做。單靠輸入會累積出一種「懂了」的錯覺，輸出會逼出破洞，而破洞會引導下一輪輸入該讀什麼。這個循環的價值不只在鞏固，更在於它讓輸入變得有方向。

為了寫一篇文章而讀，跟隨便讀，吸收率差非常多。因為前者你腦中有一個等著被填的結構，每讀到一段你會自動判斷「這個能不能用、放在哪」。後者沒有結構，資訊進來就散掉了。這也是為什麼「先決定要輸出什麼，再開始輸入」通常比「讀完再想要寫什麼」有效。

實作節奏可以很簡單：讀完一章就用三百字寫出重點和自己的疑問，疑問變成下一輪的閱讀清單。三百字不多，但它會逼你做取捨和排序，而取捨和排序就是理解。

公開發表會讓這個循環更有力，因為被看見會提高你對正確性的要求——你會去查證那些本來想含糊帶過的地方。這是公開寫作最被低估的好處：它不是為了讀者，是為了逼自己誠實。

要小心的是輸出過早變成表演。如果每次輸出都在追求好看、追求按讚、追求「顯得懂」，你會避開自己還不懂的部分，循環就斷了——你只會反覆輸出你已經會的東西。解法是留一個不必好看的地方（私人筆記、只給幾個人看的群組、寫給自己的問題清單），專門放破洞。

還有一個進階的用法：輸出時故意選一個比你懂的人當假想讀者。這會逼你把論證做紮實，因為你知道糊弄不過去。寫給外行人可以練清楚，寫給內行人可以練嚴謹，兩種輪流做。

知識遷移

把已學概念應用到新情境，衡量理解深度。

能在原本的脈絡答對，不代表能在新的脈絡用出來。教育研究裡遷移一直很難發生，尤其是遠遷移（跨領域）。學了統計卻在生活中不會用、學了邏輯卻在爭論時不會用、上過談判課卻在真的談判時全忘了——這是常態不是例外，而且是教育最大的難題之一。

促成遷移有幾個已知有用的做法。第一，學的時候就接觸多樣的例子，不要只練同一種題型——單一情境的練習會讓知識跟那個情境綁死。第二，明確抽取出底層結構，講出「這一類問題的共同形狀是什麼」，而不是只記解法。第三，交錯練習：不同類型的題目混著做，而不是一種做完再做下一種。

交錯練習值得多講一句，因為它反直覺。混著練的時候當下的正確率會下降、感覺更難、更挫折，但長期的保留和遷移明顯更好。原因是它逼你每一題都要先判斷「這是什麼類型」，而那正是真實情境需要的能力——真實世界不會告訴你這題該用哪一章的方法。跟間隔重複一樣，這是另一個「感覺差但效果好」的方法。

判斷自己是不是真懂，測驗題應該來自沒見過的情境。能解課本習題不算，能在真實工作裡認出「這是那個問題」才算。所以最好的自我測驗是：這週遇到的哪一件事，可以用我最近學的東西來看？答得出來就有遷移，答不出來就還沒有。

還有一個對這份清單本身的提醒：思維模型最大的價值就在遷移，而模型清單最大的失敗也在這裡——背了一百個模型，遇到事情一個都想不起來。避免的方法只有一個，就是每學一個就立刻套在一件你現在正在煩的真實事情上，而且要套完整，不是想一下就過。

學習金字塔

教別人、實踐互動的保留率最高，聽講最低。

那張標著「聽講 5%、閱讀 10%、視聽 20%、示範 30%、討論 50%、實作 75%、教別人 90%」的金字塔流傳極廣，出現在無數簡報和教育訓練裡。

必須誠實講：這些數字沒有可靠的原始研究支持。它常被歸給美國國家訓練實驗室，但沒有人拿得出原始資料，而且那些數字整齊得可疑（全是 5 的倍數）。追溯下去，它可能是從 Edgar Dale 的「經驗金字塔」變形而來的，而 Dale 的原版根本沒有百分比——那些數字是後人加上去、然後互相引用而固化的。

拿掉假數字之後，剩下的方向仍然有大量證據支持：主動學習優於被動學習，提取練習優於重讀，教別人確實能暴露理解破洞（見費曼技巧），實作能促成遷移。這些都有紮實的研究，只是沒有那麼漂亮的數字。

所以正確的用法是留概念、丟數字。不要拿那些百分比去說服人——如果對方查了，你的整份簡報都會失去可信度。改用「輸出比輸入有效」「主動比被動有效」這種經得起檢驗的說法，並且可以直接引用提取練習的研究。

它本身也是一個很好的教學案例，而且我覺得這是它現在最大的價值：一個流傳三十年、被無數專業人士引用、看起來很有說服力的東西，可以完全沒有依據。碰到任何漂亮又整齊的數字，先問一句原始出處在哪。這個習慣會替你擋掉很多東西。

延伸的實務提醒：數字比敘述更容易被相信，也更容易被偽造。所以在你自己的內容裡引用數字時，標出處是最基本的自律——這既是誠實，也是在保護你的可信度資產。

九、效率與時間管理（10 個）

時間區塊化

將全天分為專一任務塊，減少切換成本。

不用待辦清單決定「接下來做什麼」，改用行事曆決定「這段時間做什麼」。差別在於待辦清單沒有容量限制——你可以無限往下加，於是它永遠列不完，而且永遠讓你有罪惡感。行事曆有容量，它會逼你面對一天只有這麼多小時這件事。

它處理的主要問題是切換成本。Sophie Leroy 的研究提出「注意力殘留」的概念：從一個任務切到另一個任務之後，前一個任務會在腦中殘留一段時間，讓你在新任務上的表現下降。所以頻繁切換的一天，實際產出遠低於帳面時數。你覺得自己忙了十小時，有效的可能只有三小時。

實作上有幾個要點。第一，先排最重要的深度工作，放在你精神最好的時段，其他的往旁邊擠——順序反過來的話，深度工作永遠排不進來。第二，把同類的雜事集中成一塊（回信、行政、聯絡、審核），減少切換。第三，每個區塊後留十五到三十分鐘緩衝，因為霍夫斯塔特定律永遠成立，而沒有緩衝的行事曆會在上午十點就開始崩。

最常見的失敗是排太滿。第一天全部炸掉之後就放棄了，然後結論是「這個方法不適合我」。比較務實的做法是一天只排兩到三個區塊，其他時間留白給突發和恢復。留白不是浪費，它是讓這套系統能持續的關鍵。

還有一個進階版本叫「主題日」：週一做行政和會議、週二三做深度創作、週四見人、週五做回顧和實驗。它把切換成本從一天之內移到一週之內，對自由工作者和創作者特別有效，因為深度工作需要的暖機時間可以攤在一整天上。

最後一個提醒：時間區塊化的敵人不是意外，是別人的行事曆。如果你的時間任何人都能預約，這套會失效。所以配套動作是設定「可被預約的時段」，並且把其他時段實際填滿（而不是留空），否則系統會判定你有空。

艾森豪矩陣

依重要/緊急劃分四象限，優先做重要不緊急。

四個格子：重要且緊急（做）、重要不緊急（排時間）、緊急不重要（授權、壓縮、或拒絕）、都不是（刪掉）。名字來自艾森豪那句「我有兩種問題，緊急的和重要的，緊急的不重要，重要的從來不緊急」，柯維在《與成功有約》裡把它系統化。

價值全部在第二象限。運動、學習、關係維護、系統改善、預防性維修、備份、財務規劃、深度思考，全部在這裡。它們的共同特徵是永遠不會催你——沒有人會提醒你該運動了，沒有截止日在後面追。所以它們永遠排不進來，等到它們變成第一象限（健康出問題、技能過時、關係破裂）就已經是危機了。

實務上最難的是「緊急不重要」那一格。別人的急事會偽裝成你的要事，因為緊急感是會傳染的——訊息一直跳、對方語氣很急、你不回好像很沒禮貌。處理方式是回問一句「這件事的截止日是什麼，晚一天會發生什麼」。多數會自己降級，而少數真的很急的，你也會知道該優先。

還有一個要注意的：重要性是相對於「你的目標」定義的。如果你沒有明確的目標，這個矩陣填不出來，因為你分不出什麼重要。所以用它之前要先有一個大方向，否則會退化成「有時間壓力的先做」，那就是每個人本來就在做的事。

用法建議：每週固定把第二象限的兩三件事先排進行事曆，用時間區塊鎖住，其他的再往空隙填。順序反過來就永遠輪不到——這是我覺得這個模型最實用的一句話。

要標註的是，這個框架很好用但很粗。它沒有處理「重要程度的差異」（兩件都重要，先做哪一個）、也沒有處理依賴關係（這件事要等別人）。所以它適合用來做每週的粗分，不適合用來排每天的細節。

斯金納箱

行為改變靠即時回饋與獎懲，自我管理工具。

斯金納用鴿子和老鼠證明了操作制約：行為的後果會決定它未來出現的頻率。回饋越即時、越明確，塑造效果越強。這是行為主義最紮實的一塊，即使認知革命之後，操作制約的基本結論仍然成立。

最有力的發現是變動比例增強——當獎勵不固定出現時（不知道第幾次會中），行為最頑固、最難消退。吃角子老虎、社群通知、無限捲動、抽卡遊戲，全部建立在這一條上。你戒不掉滑手機不是意志薄弱，那個回饋排程是專門設計來留住你的，而且設計者知道自己在做什麼。

反過來用在自己身上有兩個方向。第一，把想養成的行為配上立即回饋：打卡、進度條、記錄、把完成的事劃掉、跟人回報。回饋不必是實質獎勵，「看得到自己做了」本身就有效。第二，把想戒掉的行為增加摩擦：登出、刪 App、把手機放另一個房間、把零食放到需要開車才買得到的地方。摩擦比意志有效得多，因為它不消耗自制力。

也要知道外在獎勵的副作用。對本來就有內在動機的事給外在獎勵，可能反而削弱動機，這叫過度辯證效應——有研究顯示，給本來喜歡畫畫的小孩畫畫獎勵，之後他們自發畫畫的時間反而減少了。所以獎勵比較適合用在啟動期（還沒有內在動機的時候），之後要慢慢換成內在的回饋，例如做這件事本身帶來的進步感和意義感。

實務建議：設計習慣時，先問「這個行為做完，我在三秒內會感受到什麼」。答案是「什麼都沒有」的話，這個習慣不會持久，你需要人工加一個回饋。這比提高決心有效太多了。

人體能量曲線

依生理節律安排高腦力與低腦力工作。

多數人一天有明顯的能量起伏。Daniel Pink 在《什麼時候是好時候》裡整理了大量研究，歸納出常見的模式是「高峰、低谷、回升」——早上到中午前專注度較高，午後有一段明顯的低谷，傍晚會回升一些。個體差異很大，夜型的人整條曲線會往後移好幾個小時。

實用做法只有一句：把最需要腦力的事放在你的高峰，把行政雜事放進低谷，不要在低谷硬拚。多數人的問題是把高峰拿去回信和開會，然後在低谷試圖做創造性工作，兩邊都吃虧。

但要先量測再安排，不要照別人的作息表抄。方法很簡單：連續兩週，每兩小時記錄一次專注度（一到五分）和心情，畫出來就是你自己的曲線。多數人做完會發現自己的高峰跟想像的不一樣，尤其是那些一直逼自己早起的夜型人。

還有一個 Pink 提到的有趣發現：不同類型的工作適合不同的時段。需要分析和專注的工作適合高峰；需要洞察和跳躍聯想的工作，反而在「非高峰」時段表現比較好——因為那時候抑制力較弱，比較容易產生不尋常的聯想。所以低谷不是完全沒用，它適合發散思考和整理。

另外兩個常被忽略的變因：吃飽會加深午後的低谷（尤其是高碳水的午餐），睡眠不足會把整條曲線整個壓平——一個睡不夠的人，他的高峰可能還不如一個睡飽的人的低谷。所以作息沒調好之前，任何時間管理技巧的效益都有限，這是地板不是天花板。

實務建議：找出你的高峰時段之後，把它保護起來當成不可預約的時間。這是整份效率章節裡投資報酬率最高的單一動作。

PDCA 循環

Plan-Do-Check-Act 持續改進閉環。

計畫、執行、查核、調整，然後回到計畫。由 Shewhart 提出、Deming 推廣的品質管理循環，重點在於它是一個圈而不是一條線。日本製造業在戰後把它變成基本功。

多數人和多數組織斷在 Check。做完就做下一件，沒有回頭確認結果跟預期差在哪，於是同樣的錯誤一直發生，而每次都覺得是意外。這一步沒有做，PDCA 就退化成一直在 Do。

要讓 Check 真的發生，關鍵在 Plan 階段就要寫下可驗證的預期。「這次改版會提高轉換率」不可驗證（提高多少算成功？多久內？），「兩週內轉換率從 2% 升到 3%」可以。沒有預期就沒有落差，沒有落差就沒有學習——這是整個循環的樞紐，而它在最前面。

Act 也不只是修正，還包括「把有效的做法標準化」。這一半常常被漏掉，代價很高：改善之後如果沒有寫進流程，下一次或者換一個人就會回到原點。所以 Act 應該產出兩種東西——修正的計畫，以及更新過的標準。

它跟敏捷開發、精實創業的「建構、量測、學習」是同一個結構，只是詞彙不同。共同點是把「學習」明確排進流程，而不是希望它自然發生。

實作上有一個很低成本的版本：每週花二十分鐘做一次。這週預期什麼、實際如何、差在哪、下週改什麼。二十分鐘的成本很低，但多數人不做，因為它不緊急（見艾森豪矩陣的第二象限）。

要注意的邊界：PDCA 適合在相對穩定、可重複的流程上做持續改善。面對全新的、高度不確定的問題，它會太慢，因為你連該計畫什麼都不知道。那種情況比較適合「先做小實驗看系統怎麼反應」（見複雜適應系統）。

OKR 目標管理

設定目標與關鍵結果，拉高對齊與專注。

Objective 是方向，質化、講人話、有點鼓舞人心；Key Results 是判準，量化、可驗證、達成了沒有一目了然。一個 O 配三個左右的 KR，通常以季為單位。Intel 發展出來、Google 發揚光大。

它的用處主要有兩個。第一是對齊：當每個人都看得到公司和其他部門的 O，才有辦法判斷自己手上的事該不該做。第二是取捨：KR 數量的限制會逼出優先順序，因為什麼都想達成等於沒有目標。這第二點是多數人採用 OKR 之後真正得到的價值。

最常見的三個誤用值得記住。第一，把 KR 寫成任務清單——「完成三場工作坊」是任務，做完不等於有效果；「工作坊後三個月內有六成學員實際導入」才是結果。這個區分決定了 OKR 有沒有用，也是最多人做錯的地方。第二，把 OKR 綁定考績和獎金，於是所有人都訂保守的目標，這會直接殺掉它的價值。第三，訂完就放著，季末才打開來看，那等於沒訂。

比較有效的節奏是每週看一次進度（不是檢討，只是看數字和調整動作）、每季重訂。以及分清楚承諾型目標（一定要達成，用來管營運）和野心型目標（達成七成算好，用來推動突破），兩種混在一起會讓評分失去意義，也會讓人不知道該不該冒險。

個人用 OKR 要簡化。一季一個 O、兩到三個 KR 就夠，而且 KR 要選你真的能影響的——「粉絲數成長到一萬」你不能完全控制，「每週發布兩篇並且做三次讀者訪談」你可以。混合的做法是 KR 用結果，行動另外列。

還有一個提醒：OKR 是一套溝通和聚焦工具，不是萬用的管理系統。它不處理日常營運、不處理人員發展、不處理跨部門協調。把所有東西塞進去，它會垮。

敏捷開發

小步迭代、快速反饋，降低專案風險。

2001 年的敏捷宣言裡有四個價值：人與互動重於流程和工具、可用的軟體重於詳盡的文件、與客戶協作重於合約談判、回應變化重於遵循計畫。要注意宣言自己有註明——右邊的東西也有價值，只是左邊的更重要。這個但書常常被省略，然後變成「我們敏捷所以不寫文件」。

底層的判斷是：需求在做的過程中才會清楚。既然如此，長期詳細規劃的價值有限（因為規劃的前提會變），不如縮短交付週期，用真實的回饋修正方向。這個判斷在軟體上成立，在其他「需求不明確、變更成本低」的工作上也成立。

用在非軟體的工作上完全可以。寫書可以先寫一章拿給讀者看，辦活動可以先跑一場二十人的小場，做課程可以先開一個試賣班，做服務可以先手動服務三個客戶。共同點是把一個大賭注拆成一連串可觀察的小賭注，每一次都拿到真實回饋。

要小心它變成儀式，這是敏捷最常見的失敗方式。每天站會、燃盡圖、衝刺會議、回顧會議全部照做，但不允許改需求、不接受回饋、上面早就決定好三個月後要交什麼——那只是換了名字的瀑布式開發，而且開了更多會。

判斷一個團隊是不是真的敏捷，看兩件事：他們有沒有因為回饋而砍掉已經做好的東西（有的話是真的），以及回顧會議的結論有沒有真的改變下一輪的做法（沒有的話那是抱怨大會）。

還有一個邊界要講：敏捷不適合所有情境。當變更成本極高（蓋橋、發射衛星、醫療器材認證）、或者規格由外部法規決定時，前期的詳細規劃是必要的。方法要配合問題的性質，而不是反過來。

滾雪球效應

長期累積小成果逐漸放大成巨大成就。

跟複利是同一族的概念，但它強調的是體積和速度同時增加——雪球越大，滾一圈黏到的雪越多，而且滾得越快。這個比喻比複利更有畫面，也更能傳達「前期很慢」這件事。

在債務管理上有一個很具體的版本：雪球法主張先還金額最小的那一筆債（而不是利率最高的），因為快速還清一筆會帶來心理動能，讓人有信心繼續。數學上這不是最優解（雪崩法先還高利率的才是），但有研究顯示雪球法的完成率比較高。這提醒我們一件重要的事：可執行的次優解，常常勝過執行不了的最優解。

放在工作上：先做一件能快速完成、而且會產生下一個機會的小事。第一篇文章帶來第一個讀者，第一個讀者帶來第一個回饋，回饋讓第二篇更好，第二篇帶來更多讀者。找到這種能自己接下去的第一步，比規劃一個完美的長期計畫有用。

要維持雪球，斜坡不能斷。長期停頓會讓累積的動能消失——讀者會忘記你、技能會生疏、合作關係會冷掉、演算法會降低你的權重。所以頻率比單次強度重要：每週一篇普通的，勝過每季一篇很好的。這一點對創作者特別重要，因為完美主義會讓人選後者。

還有一個實務判準：判斷一件事有沒有滾雪球的性質，問它「做完之後，下一次會不會比較容易，或者會不會帶來新的機會」。兩個都不會的話，那是一次性勞動，做完就歸零。你的時間應該慢慢從一次性勞動移到會滾的事情上，即使前者短期報酬比較高。

最後一個提醒：雪球也會滾到障礙物。累積到一定規模之後，維護成本會上升（要回覆的訊息、要維持的關係、要更新的內容），如果不處理，成長會被維護吃掉。這時候需要的是系統化和取捨，不是更努力。

AARRR 模型

Acquisition→Activation→Retention→Revenue→Referral 成長漏斗。

Dave McClure 提出的海盜指標（因為縮寫唸起來像海盜的吼聲），把成長拆成獲取、啟用、留存、營收、推薦五個階段，每個階段各自有指標。

最常見的錯誤是從最上面開始優化。花錢買流量進來，但啟用和留存是破的，等於把水往一個破桶子裡倒——花越多錢，漏得越快。合理的順序是先修留存，再修啟用，最後才放大獲取。這個順序幾乎每一本成長書都會講，但實務上很少人照做，因為獲取的數字最漂亮、最容易在報告上呈現。

留存是整條漏斗裡最能反映真實價值的指標，也是唯一無法用預算買到的一項。你可以買流量、可以買曝光、可以用促銷買到第一次購買，但你買不到「他自己回來」。所以留存是產品好不好最誠實的溫度計，也是產品市場契合的主要判準。

用在個人事業上也完全成立：有人看到你（獲取）、有人真的讀完或用過（啟用）、有人會回來（留存）、有人付錢（營收）、有人主動介紹你（推薦）。卡住的通常不是第一關。多數創作者以為自己的問題是「沒有人看到我」，實際上是「看到的人不會再來」，而後者才是該修的。

實務上要做的第一件事是量出每一段的轉換率，找出掉最多的那一段。掉最多的那一段就是你的瓶頸，改善那裡的報酬遠高於改善其他地方——這是限制理論的基本結論。

要注意的限制：這個模型偏向線性漏斗，對於有網路效應、社群、或多次接觸才成交的生意，它的描述力有限。現在也有人主張改用「飛輪」而不是漏斗，因為推薦會回頭餵給獲取，形成強化回饋。用哪個模型取決於你的生意有沒有那個循環。

番茄鐘技巧

二十五分鐘專注、五分鐘休息，四輪後長休。

Francesco Cirillo 在 1980 年代用一個番茄形狀的廚房計時器發展出來的方法。重點不是那個二十五分鐘的數字，是三件事：一段承諾不被打斷的時間、一個明確的開始儀式、以及強制的休息。

它對拖延特別有效，原因值得講清楚：它把「我要做完這件大事」換成「我只要做二十五分鐘」，啟動門檻大幅降低。而拖延多半卡在啟動，不是卡在持續——開始之後通常就會繼續下去。所以任何能降低啟動成本的機制都有效，番茄鐘只是其中最簡單的一種。

另一個被低估的功能是量測。記錄一天完成幾個番茄，你會得到自己真實的產能數字。多數人第一次量會嚇到——一個「很忙」的八小時工作天，可能只有六到八個有效番茄。有了這個數字，你的估時會準很多，這剛好能補規劃謬誤。

要調整的地方：二十五分鐘對深度工作可能太短，剛進入狀態就被鈴聲打斷，反而破壞心流。習慣之後可以拉長到五十分鐘或九十分鐘（配合注意力的自然週期）。反過來，如果你的拖延很嚴重，可以縮短到十分鐘——重點是門檻要低到你無法拒絕。

休息一定要離開螢幕，這一點很多人做錯。滑手機不算休息，那是換一個消耗注意力的方式。有效的休息是走動、看遠方、喝水、發呆。研究顯示短暫的走動和自然環境的視覺接觸，對後續的專注恢復效果最好。

最後一個實務提醒：番茄鐘的敵人是「一個念頭跳出來所以我去查一下」。對策是在旁邊放一張紙，任何跳出來的雜念寫下來，等休息時間再處理。這個小動作能保住整段時間，而且你會發現多數雜念在五分鐘後就不重要了。

十、統計與科學方法（9 個）

Monte Carlo 模擬

透過大量隨機抽樣估計複雜系統的概率分布。

當一個問題有太多互相影響的變數、算不出解析解時，就讓電腦跑幾萬次隨機模擬，看結果的分布長什麼樣。名字來自摩納哥的賭場，方法在曼哈頓計畫時期由 Ulam 和 von Neumann 發展成形——Ulam 據說是在生病時玩接龍，想算贏牌機率算不出來，於是想到用大量隨機試驗來逼近。

它最大的價值是把單點答案換成分布。退休金試算給你一個「六十五歲會有多少錢」的數字其實沒什麼用，因為那個數字建立在一個固定報酬率的假設上。跑一萬次不同的報酬序列，告訴你「有八成機率撐得過去、有一成機率在八十歲用完」，這才是能拿來做決定的資訊。

專案排程也適用，而且很多人第一次跑會嚇一跳。每個任務給樂觀、最可能、悲觀三個估計，跑模擬，你會看到整體完工日的分布通常比直覺晚很多，而且右邊的尾巴很長。原因是任務的延遲會累加，而提前完成通常不會被拿去補別的任務（有時候被稱為學生症候群和帕金森定律的合力）。

要理解一個關鍵概念：報酬順序風險。同樣的平均報酬，發生的順序不同，結果可以差很多——尤其在你同時在提領的時候。退休前幾年遇到大跌，跟退休後幾年遇到大跌，結果完全不同。這種東西只有模擬看得出來，用平均值算永遠看不到。

限制是輸出的品質完全取決於輸入的假設。假設錯了，跑一百萬次也只是把錯誤放大成一張很有說服力的圖表。尤其是變數之間的相關性——如果你假設各項獨立而實際上會一起壞（金融危機時所有資產一起跌），模擬會嚴重低估風險。這正是 2008 年很多風險模型失效的原因。

實務建議：即使你不會寫程式，也可以用試算表做簡單版本。重點不是精確，是養成「看分布不看單點」的習慣。

中心極限定理

樣本均值分布趨近常態，支撐大多數統計推論。

不管原始資料是什麼分布，只要樣本量夠大、彼此獨立、而且變異數有限，樣本平均的分布就會趨近常態。這是統計學裡最重要的定理之一，也是為什麼常態分布無所不在——很多我們觀察到的量，本身就是很多小因素的加總。

要注意那個前提條件：變異數有限。在冪律分布的世界裡（財富、災損、爆紅程度、戰爭死亡人數），這個條件可能不成立，這時候用常態的直覺去估風險會嚴重低估尾端。塔雷伯批評金融風險模型時，攻擊的正是這一點——他們把極端世界當成平庸世界在算。

它也解釋了為什麼平均值比單一觀察穩定：多測幾次取平均，隨機誤差會互相抵消。這是所有量測、問卷、A/B 測試的基本假設，也是為什麼樣本數會直接影響結論的可信度。而且抵消的速度是「根號 n」——樣本數要變成四倍，誤差才會減半。這解釋了為什麼提高精確度的成本上升得很快。

實用推論有兩個。第一，看到單一數據不要下結論；看到平均值要問樣本數。樣本數小的平均值本身也是一個很吵的數字。第二，要提高估計的可靠度，增加樣本數的效果有遞減，所以與其把一個測試跑到十萬次，不如把資源分散去測十個不同的東西——除非你要偵測的效果很小。

還有一個很實用的延伸：既然平均值會趨近常態，那我們就可以計算「如果沒有真實效果，我看到這麼大的差異的機率是多少」——這就是統計檢定的基礎。理解這一層，你會比較知道 p 值到底在說什麼（見統計顯著性那條）。

Bootstrap 重抽樣

用樣本自身反覆抽樣，估計參數置信區間。

你手上只有一組樣本，卻想知道你的估計值有多可靠。傳統做法是套一個理論分布的公式，但那需要假設。Bootstrap 的做法是：從這組樣本裡有放回地重抽很多次（每次抽出跟原樣本一樣多的資料，允許重複），每次算一遍統計量，用這幾千個數值的分布來估計不確定性。

名字來自「拉自己的鞋帶把自己提起來」，聽起來像作弊——你憑空從一組資料生出了不確定性的估計。但在「這組樣本能代表母體」的前提下，它是有效的，而且 Efron 在 1979 年提出之後成為統計實務的標準工具之一。它的好處是不需要假設母體分布，用在難以推導公式的統計量上（中位數、相關係數、複雜模型的參數）特別方便。

給非統計背景的人，它真正的價值是一種心態：任何從資料算出來的數字，都應該附上一個範圍。轉換率 3.2% 這個數字，如果只來自兩百次曝光，它的合理範圍寬得會讓你不敢下任何結論。看到單一數字就行動，是資料分析最常見的錯誤。

有一個不用寫程式的土法版本很好用：把你的資料隨機切成兩半，各自算一次，看兩半的結果差多少。差很多就代表你的樣本不足以支撐結論。這個動作三十秒就能做，卻能擋掉很多過度解讀。

限制很直接：如果原始樣本本身有偏，重抽一萬次只會把偏誤忠實地複製一萬次。Bootstrap 處理的是「抽樣變異」，處理不了「抽樣偏誤」。這兩者常被混淆——前者靠增加樣本和統計方法解決，後者只能靠改善取樣設計解決。

實務提醒：當有人給你一個很精確的數字（「提升了 23.7%」），先問樣本數和變異範圍。精確的小數點常常是在掩蓋巨大的不確定性。

馬可夫鏈

下一狀態只依當前狀態的隨機過程，廣泛用於預測。

無記憶性是它的定義：預測下一步只需要知道現在在哪個狀態，不需要知道你是怎麼走到這裡的。天氣的簡化模型（今天晴，明天下雨的機率是多少）、Google 早期的網頁排名演算法、文字接龍模型，都建立在這個假設上。

它有用是因為簡化得夠狠，卻常常夠準。真實世界很多過程近似無記憶，而用它建模的成本遠低於考慮完整歷史。這是好模型的典型性質——不是最真實的，是在夠準的前提下最簡單的。

實務上的啟發是「狀態思維」。把一個流程拆成幾個狀態（潛在客戶、試用中、付費、沉睡、流失），估計狀態之間的轉移機率，你就能算出長期的分布會停在哪裡，也能看出哪一個轉移是瓶頸。這比追蹤個別客戶容易得多，而且更能看出結構。

這種分析會給你一個很有用的東西叫穩態分布：如果轉移機率不變，長期下來各狀態的比例會停在哪。很多人在看客戶數成長時忽略了流失率，而穩態分布會直接告訴你——以目前的獲取和流失速度，你的客戶數最終會停在某個數字，再怎麼努力獲取也不會超過。這個計算通常很有說服力，因為它把「留存比獲取重要」變成一個具體的數字。

要小心的是它在有強烈路徑依賴的系統裡會失準。歷史真的會影響未來的地方——人際關係（你們吵過幾次架有差）、品牌（過去的醜聞會留下）、技術鎖定、學習（前面學了什麼決定你現在能學什麼）——無記憶假設不成立，這時候需要更複雜的模型或者把歷史編進狀態定義裡。

實務建議：畫一次你的業務狀態轉移圖。多數人第一次畫會發現自己從來沒定義過「什麼叫沉睡客戶」，而那個定義本身就有價值。

相關性≠因果性

統計相關未必代表因果，需要實驗或工具變數驗證。

冰淇淋銷量和溺水人數高度相關，共同的原因是夏天。這是統計課的第一堂，也是實務上最常被忘記的一條——尤其是在相關性剛好符合你的期待的時候。

相關但非因果的來源有幾種，分清楚有助於檢查。共同原因（第三變數同時造成兩者）。反向因果（可能是你以為的結果造成了你以為的原因，例如「快樂的人比較常運動」也可能是運動讓人快樂，或兩者互為因果）。選擇效應（樣本是怎麼進來的造成了相關，例如「上過我課的人收入比較高」可能只是因為本來收入高的人才報得起）。以及純粹巧合——當你在大量資料裡搜尋，一定會找到看起來驚人的偽相關。

要建立因果，最可靠的是隨機分派實驗。做不了實驗時有一些準因果方法：工具變數、斷點回歸、差異中的差異、自然實驗。這些方法在經濟學和流行病學裡發展得很成熟，但每一種都需要額外的假設，而那些假設常常被引用者忽略。

日常判讀時的三個問題，我建議背下來：有沒有可能是反過來的？有沒有第三個東西同時造成兩者？這些樣本是怎麼被選出來的？三個問完，多數聳動的相關性會失色不少。

還有一個實務上很有用的補充：即使不能證明因果，相關性仍然有預測價值。你不需要知道為什麼，也可以用它做預測（這是機器學習大量在做的事）。但你不能用它做介入——如果你根據一個非因果的相關去改變某個變數，結果不會如你預期。這個區分很重要：預測和介入是兩件事，需要的證據強度不同。

最後一句：當你看到「研究顯示 A 和 B 有關」的新聞，先去看原始研究是觀察性還是實驗性的。這一個動作就能過濾掉大部分的誤導。

統計顯著性

p 值低於閾值即可拒絕零假設，但不代表實際重要性。

p 值回答的是一個很特定的問題：如果真的沒有效果，我看到這麼極端或更極端的資料的機率有多大。它不回答「這個效果有多大」，也不回答「我的假設為真的機率是多少」。這兩個誤讀普遍到連很多研究者都會犯。

0.05 這個門檻是慣例，來自 Fisher 的一句隨口建議，不是自然律。而它製造了幾種歪風：p 值操弄（換算法、加樣本、換指標、切子群體，直到跨過門檻）、發表偏誤（不顯著的結果不會被發表，於是文獻裡全是顯著的結果）、以及把「不顯著」誤讀成「證明沒有效果」——後者是完全不同的主張，需要不同的檢定。

這些問題累積起來，就是心理學和其他領域的複製危機：大量經典研究無法被重現。這也是為什麼這份清單裡很多條目我都加了「近年有複製上的爭議」的註記。這不是要你不相信科學，是要你知道單一研究的證據強度有限，要看的是後設分析和重複驗證。

比較好的做法是同時看效果量和信賴區間。一個統計上顯著、但實際只提升 0.3% 的效果，可能不值得投入任何資源。反過來，一個效果不小但因為樣本太少而不顯著的結果，值得再測一次而不是丟掉。

實務判讀口訣：顯著回答「有沒有」，效果量回答「有多少」，信賴區間回答「有多不確定」。三個都要看，只看第一個會做出很多沒有意義的決定。

還有一個對日常很有用的延伸：當有人說「研究證實」，先問三件事——樣本多大、效果多大、有沒有被重複驗證過。這三個問題會篩掉九成的引用。

證偽原則

科學理論須可被實驗反駁，否則不具科學性。

波普爾的主張：科學跟非科學的分界，不在能不能被驗證，而在能不能被推翻。「所有天鵝都是白的」永遠無法被完全證實（你不可能檢查完所有天鵝），但可以被一隻黑天鵝推翻，所以它是科學命題。一個怎麼樣都能解釋的理論，反而沒有資訊。

他當時的對照組是那些「解釋力強大」的理論——不管發生什麼事都能被納入解釋。波普爾的觀察是，這種無所不能的解釋力看起來是優點，實際上是缺點，因為它不做任何禁止性的預測。

實務上的推論很有力：一個能解釋一切的說法，等於什麼都沒說。市場漲是因為資金寬鬆、跌是因為獲利了結；他對你好是因為愛你、對你不好是因為在考驗你。這些說法無法被推翻，也無法拿來預測任何事。

判斷任何主張時可以問：什麼樣的觀察會讓你認為這是錯的？答不出來的話，那是信念不是理論——這不一定是壞事（人本來就有信念），但你要知道自己在處理哪一種東西，也不該用「這是科學」來包裝它。

要留意波普爾的版本也被後續的科學哲學修正過。Kuhn 指出科學實際上不是這樣運作的——單一反例很少會推翻整個理論，科學家通常會先修改輔助假設（「一定是儀器有問題」「一定有我們還不知道的變因」），只有在累積夠多異常而且出現替代典範時才會轉換。Lakatos 進一步提出研究綱領的概念來描述這個過程。所以證偽是一個方向和態度，不是一個機械程序。

實務建議：把「我可能錯在哪裡、我會怎麼發現」變成你做任何主張時的固定附註。這一個習慣會讓你的判斷品質和可信度同時上升。

把模糊的主張改寫成可證偽的形式，是提升思考品質最便宜的動作之一。

改寫的方法是加上具體的條件、數字和時間。「這個策略有效」不可證偽，因為有效的定義可以事後調整；「用這個策略後三個月內，回購率會從 15% 升到 20% 以上」可以。前者永遠對，後者可能錯——所以後者有用。這個轉換不需要任何專業知識，只需要願意讓自己有可能被證明錯。

在自我檢視上同樣適用。「我最近很努力」無法檢驗，「我這週寫了四天、每天至少一小時」可以。「我對這件事很有熱情」不可證偽，「我在沒有人要求的情況下，自己做了三次」可以。把自我評價改成可證偽的敘述，你才會看到真實狀態，而不是自己的敘事。

團隊溝通同理：所有承諾都應該寫成可以被判定達成或沒達成的形式。「我會盡快處理」「我會多注意」「我們會加強溝通」全部不可證偽，於是後續一定會出現對同一件事的兩種解讀，然後變成信任問題。把它們改成「我週三下班前給你初版」「每週五更新進度到看板上」，衝突就少一半。

有一個常見的抗拒要處理：人不喜歡讓自己可被證偽，因為那意味著可能被證明錯。這是承諾一致性和自我保護在作用。對策是把文化建立成「預測錯了很正常，重要的是有沒有更新」，而不是懲罰預測錯的人——否則大家會學會只講模糊的話。

實務建議：從你自己的一句常用模糊語開始改。多數人會有幾句慣用的萬用句，把它們找出來換掉，效果比學任何新框架明顯。

控制變量法

實驗中固定其他因素，單獨檢驗自變量影響。

重點是分離：只有把其他因素固定住，你觀察到的變化才能歸因給你動的那一項。

現實裡完全固定不可能——你沒辦法讓兩個月的天氣一樣、讓兩組人一模一樣。所以有兩個替代工具。第一是隨機分派：隨機把樣本分到兩組，讓所有已知和未知的干擾因素在兩組間平均分布。第二是統計控制：在模型裡把已知的干擾變數放進去，計算「在控制某某之後」的效果。

隨機分派比統計控制可靠很多，這一點值得記住。因為它能處理你沒想到的干擾因素，而統計控制只能處理你有測到的。這也是為什麼隨機對照試驗在證據等級上高於觀察性研究，即使後者的樣本可能大得多。

實務提醒：做線上測試時，兩組必須同時跑。用「這個月 vs 上個月」比較是最常見也最致命的錯誤，因為時間裡發生的所有事——季節、假期、新聞、對手動作、你自己的其他改動——都會被算到你的改動頭上。

它的成本是慢。所以實務上有折衷：影響大、要長期沿用的變因用嚴格的單變量測試；其他的用多變量設計一次跑完，再用統計把各自的貢獻拆開。多變量測試需要的樣本量比較大，這是它的代價。

還有一個實務提醒：有些東西不能單獨測，因為它們有交互作用。睡眠和運動、飲食和壓力、產品和定位，改一個會改變另一個的效果。遇到這種情況要承認，並且改用「組合」當成測試單位——測 A 組合對上 B 組合，而不是硬拆。

還有一個很多人忽略的問題：多重比較。如果你同時測十個指標，光靠運氣就有很高機率會有一個「顯著」。所以事前要決定主要指標是哪一個，其他的當參考。事後從一堆指標裡挑出有變化的那個來說故事，是資料分析裡最常見的自我欺騙。

生活裡也用得上，而且很划算。同時改變飲食、睡眠和運動，身體變好了你不知道該堅持哪一項——而三項都很花力氣，你不會全部維持。一次改一項、觀察兩到四週，拿到的資訊量高得多。代價是慢，但反正你有很多年可以測。

迴歸均值

極端值隨機波動後往平均值靠攏，解釋假回歸現象。

任何有隨機成分的量測，在極端的一次之後，下一次多半會比較接近平均。這不需要任何原因，是統計性質——只要相關性不是完美的 1，就會發生。Galton 在研究身高遺傳時最早注意到：高個子父母的孩子平均比父母矮一些，矮個子父母的孩子平均比父母高一些。

它製造了大量的因果幻覺，而且是最難察覺的那一種。表現特別差的員工被罵之後進步了，看起來罵有效；表現特別好的人被稱讚之後退步了，看起來稱讚有害。以色列空軍的飛行教官就曾經據此堅信「責備比讚美有效」，康納曼指出那只是迴歸均值——極端表現之後本來就會回到平均，跟你說了什麼無關。

這個例子的可怕之處在於：它會系統性地教出錯誤的信念，而且那個信念每天都被「經驗」印證。一個只在部屬表現最差時介入的主管，會不斷體驗到「我罵了他就進步」。

其他常見的受害者：吃了偏方之後感冒好了（本來就會好，而且人通常在最不舒服的那天才去找偏方）、股票在暴跌後反彈（不代表你抄底的判斷正確）、爆紅一篇之後成效下滑（不代表你退步了）、換了教練之後成績回升（球隊通常在最低潮時換教練）。

自我防衛的問法只有一句：我是在最極端的時候開始介入的嗎？是的話，就算什麼都不做，數字也會往回走。要證明介入真的有效，需要對照組——或者至少需要在非極端的時候也試一次。

還有一個延伸提醒：這條也適用在你對自己的評價上。狀態最好的那一週和最差的那一週，都不是你的真實水準。用極端的日子來定義自己，會讓你在好日子過度自信、在壞日子過度沮喪，而兩者都會導致錯誤的決定。

十一、溝通與影響力（8 個）

周哈里窗

自知/他知四象限，提升自我揭露與他人回饋以增信任。

Joseph Luft 和 Harrington Ingham 在 1955 年提出，名字取自兩人名字的組合。四個格子：公開我（自己知道別人也知道）、盲點我（別人知道自己不知道）、隱藏我（自己知道別人不知道）、未知我（都不知道）。

它的操作意義在於有兩個動作可以擴大公開區。自我揭露把隱藏區搬到公開區，索取回饋把盲點區搬到公開區。公開區越大，協作的摩擦越小——因為大家不需要猜你在想什麼、不需要處理誤解、不需要在你踩到地雷時繞路。

團隊裡最貴的是盲點區。沒有人會告訴你，你在會議上常常打斷別人、你的信寫得讓人不知道要做什麼、你一皺眉大家就不敢講話。這些事情大家都知道，只有你不知道，而且它每天都在造成成本。

索取回饋要具體才拿得到有用的東西。不要問「我表現如何」——這個問題只會得到「還不錯啊」。要問「我在會議上有沒有哪個習慣讓你比較難發言」「上次那份文件裡，哪一段你讀了兩次才懂」。具體、限定範圍、而且暗示你預期會聽到問題，對方才講得出口。

自我揭露要有分寸和順序。它是建立信任的加速器，因為揭露會引發互惠的揭露。但過快或過深會造成對方的負擔，也可能被解讀成操弄。通常由位階高的一方先小幅示範比較安全——主管先承認自己的一個錯誤，比要求大家坦誠有效得多。

要注意的邊界：這個模型沒有實證研究的支撐，它是一個溝通的思考工具，不是心理學理論。當成整理思緒的框架很好用，不要拿它做人格分類。

金字塔原理

先結論、後分論點，結構清晰使信息易吸收。

芭芭拉明托在麥肯錫發展出來的寫作結構。頂端是結論，往下是支撐它的幾個論點，再往下是各自的依據。規則有三條：同一層的論點要 MECE、每一層都要能回答上一層的「為什麼」或「怎麼做」、以及同一層的論點要有邏輯順序（時間、結構、或重要性）。

它跟一般人的寫法剛好相反。多數人照著自己思考的順序寫——背景、分析、然後結論——因為那是他們發現答案的路徑。但讀者要的是先知道結論，才知道該用什麼角度讀後面的材料。忙碌的讀者甚至只看第一段就決定要不要繼續。

實作最有效的一步是寫「電梯稿」：把整份文件壓成三十秒能講完的一段，包含情境（大家都同意的現況）、衝突（發生了什麼變化或問題）、問題（於是我們該問什麼）、答案（我的結論）。這個結構叫 SCQA，是明托的另一個貢獻。壓不出來，就代表你的結構還沒清楚，這時候寫下去只會浪費時間。

還有一個實用的檢查：把你的小標題單獨抽出來排成一列，看能不能讀成一段有邏輯的話。可以的話結構就對了，不行的話代表你的標題只是在分類，沒有在推進論證。

要注意適用範圍。它適合商業溝通、提案、報告、說服性文章，不適合敘事、抒情、或者需要讀者跟著推理過程走的內容。故事把結論先講就沒了，教學有時候也需要讓學生自己撞一次牆才學得會。用錯場合會讓文章變得很無趣。

實務建議：如果你的工作有大量寫文件的需求，這是投資報酬率最高的一個模型。它可以在一週內明顯改變別人閱讀你文件的感受。

非暴力溝通

觀察-感受-需求-請求四步，減少指責促進理解。

Marshall Rosenberg 的四個步驟：講出具體觀察（不帶評價）、講出自己的感受、講出感受背後的需求、提出具體可行的請求。

最難的是第一步。「你每次都遲到」是評價，「這週的三次會議你有兩次晚到十分鐘」是觀察。評價會立刻啟動對方的防衛（他會開始舉反例證明自己不是「每次」），觀察不會。這個差別看起來很小，實務上決定了整場對話的走向。

第二步的難點是很多人分不出感受和想法。「我覺得你不尊重我」不是感受，那是一個對對方的推論包裝成感受，效果跟指責一樣。「我覺得很挫折」才是感受。這個區分需要練習，因為中文的「我覺得」兩種都能接。

第四步也常出錯。請求要具體到對方知道明天怎麼做才算做到——「我希望你多體諒我」不是請求，「下次要晚到的話，可以在會議開始前傳個訊息給我嗎」才是。而且要是請求不是要求：對方可以說不，否則那只是包裝過的命令，對方感覺得出來。

它的限制要講清楚，因為這一點在推廣時常常被跳過：這套需要雙方都有基本的善意。在權力極度不對等、或對方有惡意的情況下，它會變成單方面的忍讓，而且會讓受害的一方誤以為是自己溝通技巧不夠好。遇到那種情況，需要的是界線、證據、和退出選項，不是更好的措辭。

還有一個實務提醒：這套方法用得太字面會很怪。照著四步驟一板一眼地講，聽起來像在唸稿，反而製造距離。比較好的用法是把它當成內在的檢查——講出口之前先在心裡跑一遍四個步驟，確認自己講的是觀察不是評價、是請求不是要求，然後用自然的話說出來。

可信賴性層級

事實數據 > 專家背書 > 個人經驗；信源越上層越具說服力。

這條給的是一個粗略排序：可驗證的資料最強，其次是有資格的第三方，最後是自己的經歷。寫任何有主張的內容時，優先找上層的證據。

比較細緻的版本會再往下拆，醫學界的證據金字塔是最成熟的：系統性回顧和後設分析最強，其次是隨機對照試驗、世代研究、病例對照研究、個案報告，最下面是專家意見和機制推論。這個排序的邏輯是「有多少可能的干擾被排除掉」。

但實務上不是永遠照這個順序用，這一點要講清楚。個人經驗在「建立共鳴和信任」上非常強，資料在「支撐主張」上很強，兩者的功能不同。有效的組合通常是用故事帶入、用資料支撐、再用故事收尾。純資料的內容沒有人讀得下去，純故事的內容站不住。

要避免的錯誤是拿弱證據冒充強證據：把一個人的成功經驗講得像規律（我這樣做成功了，所以你也該這樣）、把單篇研究講成學界共識、把「有研究顯示」當成免死金牌而不說是哪一篇。標清楚證據等級是最基本的誠實，而且長期來看它會變成你的信任資產——一個會說「這一點我不確定」的人，其他部分反而更被相信。

還有一個常被忽略的層級問題：資料本身也有品質差異。誰做的、樣本多大、有沒有利益衝突、有沒有被重複驗證。引用一份業配的產業報告，不會比引用一段誠實的個人經驗更有說服力。

實務建議：在你的內容裡建立一套固定的標註習慣——確定的事怎麼講、推測的事怎麼講、聽說的事怎麼講。讀者會很快學會你的用詞，而這份可預測性本身就是可信度。

信號與雜訊

區分有用信息與干擾，專注高信噪比輸入。

Nate Silver 的書名，也是統計和工程的基本概念。訊號是真正有預測力的資訊，雜訊是隨機波動。他的主要論點是：資料越多不代表訊號越多，往往是雜訊增加得更快，於是「看起來的模式」也變多，錯誤的預測跟著變多。

判斷信噪比有一個很實用的指標是時間尺度。日更的新聞多數是雜訊，季報和年報訊號多一點，經過十年還在被討論的東西訊號最高。這跟林迪法則接得起來——時間本身就是一台濾波器。

實作上的做法：減少高頻低訊號的輸入（即時新聞推播、社群動態、盯盤、每天看數據），增加低頻高訊號的輸入（書、長篇分析、一手資料、原始論文、跟內行人的深度對話）。前者的成本不只是時間，還包括它讓你對雜訊做出反應——而對雜訊做反應會讓結果變差，因為你會不斷改變本來沒問題的做法。

自己產出時也一樣。要判斷自己是不是在發雜訊，問一句：這則內容一個月後還成立嗎？一年後呢？答案是否的話，它大概不值得花很多力氣。這個問法可以幫創作者從追熱點的疲勞裡脫身。

Silver 還有一個很重要的提醒：我們對預測的信心，成長得比預測的準確度快。資料和運算能力增加會讓人更有信心，但準確度不一定提高，因為多數領域的限制不在算力，在雜訊本身。這解釋了為什麼很多用了大量資料的預測仍然很爛。

實務建議：定期檢視你的資訊來源清單，把「消耗最多時間但最少改變你行動」的那幾個砍掉。多數人的資訊飲食是靠慣性累積的，從來沒有被主動設計過。

霍桑效應

被觀察者因注意而改變行為，研究時需控制。

名字來自 1920 到 30 年代美國西方電氣公司霍桑工廠的一系列實驗。流行的說法是：不管把照明調亮還是調暗，產量都上升，因此被解釋成工人因為受到關注而更賣力。

要標註爭議，而且這個爭議相當大。後來重新分析原始資料的研究者對這個解釋提出很多質疑——產量變化可能跟其他因素有關（休息時間的調整、工資制度、被觀察者的人員更換），效果的規模和成因都不如流行說法確定。所以說「有這個現象的可能」比說「已證實」誠實得多。

不管成因如何，實務上的推論仍然有價值，而且這一層有大量的獨立證據支持：量測本身會改變被量測的行為。裝了監視系統的團隊行為會變，開始記帳的人消費會變，被追蹤的指標會被優化甚至被操弄。

由此延伸出兩個很重要的提醒。第一，設計指標時要預期它會被針對。古德哈特定律講得最精準：一旦一個指標變成目標，它就不再是好指標。醫院用「等候時間」當指標，就會出現把病人留在救護車上不算進等候的做法；用「結案數」當指標，簡單的案子會被優先處理。

第二個提醒是正面的：如果你想改變自己的某個行為，先開始記錄它，通常就會產生變化。記錄飲食會讓人吃得比較好，記錄時間會讓人花得比較有意識，記錄支出會讓人少花。這是最便宜的行為改變工具，因為它不需要任何決心，只需要一個表格。

實務建議：對任何你在意的行為，先量兩週再談改變。量測期間的自然改善，常常就已經解決了一半的問題。

具體性原則

抽象的說法留不下痕跡，具體的畫面才能被記住與傳遞。

這是《讓創意更有黏性》裡歸納的六個原則之一，也是我覺得對一般人最立即有用的一條。

「我們要提升客戶滿意度」講完就消失了，因為每個人腦中生成的畫面都不一樣。「客戶打來三分鐘內要有人接，接的人要能直接處理不轉接」會被記住，而且能被執行、能被檢查。抽象的句子有無限種解讀，具體的句子只有一種。

心理學上的原因是抽象詞沒有感官掛勾，記憶找不到位置放它（見雙編碼理論）。這也是為什麼諺語都是具體的：一鳥在手勝過二鳥在林、殺雞焉用牛刀。這些句子講的是抽象的道理，用的是具體的畫面，於是流傳了幾百年。

實作方法很簡單：任何抽象名詞後面，強迫自己加一句「例如」。加不出來的，代表你自己也還沒想清楚。這個檢查可以套在願景、價值觀、策略、給部屬的指示、以及你寫的每一篇文章上。

在說服上它還有一個附加效果：細節具體的說法會讓人覺得比較真，因為編造細節的成本高。這是法庭和新聞寫作都在用的機制。但也要小心它的反面——虛構的具體細節同樣有說服力，這是很多假訊息和詐騙的手法。所以看到非常具體的描述時，那是可信度的訊號，不是可信度的證據。

還有一個實務用法：把數字具體化。「我們的伺服器有 99.9% 的可用度」不如「一年大約會停 8 小時」。「這個誤差是三個百分點」不如「一百個人裡會多三個」。同樣的資訊，換一個人腦處理得動的單位，理解度差很多。

故事優於論證

資訊包在情節裡比包在條列裡更容易被接收與轉述。

人聽到論點會啟動反駁模式，聽到故事會啟動代入模式。同一個結論，用一個人的具體遭遇講出來，抵抗會小很多，記憶也久很多，而且更容易被轉述給第三個人——這一點在傳播上是決定性的。

有用的故事結構通常包含五個要素：一個具體的人、一個他遇到的阻礙、他做了什麼、結果如何、以及這件事留下什麼。缺了阻礙就不是故事，是流水帳——阻礙是張力的來源，沒有張力人不會聽下去。

商業溝通裡最實用的用法是「先故事後資料」。故事負責讓人在意，資料負責讓人相信。順序反過來的話，多數人在你講到資料之前就走了。TED 演講、好的簡報、有效的銷售頁，幾乎都是這個結構。

要留意它的倫理面，這一點值得認真對待。故事的說服力來自它繞過理性檢查——它讓人代入而不是評估。所以用它傳遞的東西必須是真的。用故事包裝站不住腳的主張，效果會非常好，代價是當有人查證時，你失去的不只是那個主張。

還有一個很實用的技巧叫「單一可辨識受害者效應」：一個具體的人的故事，比「三百萬人受影響」的統計更能引發行動。研究顯示，同時給故事和統計，捐款反而比只給故事少——統計會啟動分析模式，而分析模式會抑制同理。這對做倡議和募款的人是關鍵資訊，也提醒我們：人的反應強度跟問題的實際規模並不成比例。

實務建議：替你最常需要講的三個主張，各準備一個真實的故事。準備好的故事跟臨場想的差別非常大，而且它可以重複使用幾年。

三個使用提醒

第一，模型是鏡頭不是答案。同一件事換三個模型看會得到三種判斷，衝突的時候要自己下決定，不能推給模型。真正的能力不在知道模型，在知道這件事該用哪一個。

第二，會背不算會用。判斷你是否掌握一個模型，看的是它會不會在你需要的當下自己跳出來。要達到這個程度只能靠反覆把它套在真實的決定上，並且事後回頭檢查有沒有套對。這也是為什麼我建議一次只帶三個上路。

第三，這份清單裡各條目的證據強度差很多。有大量實證支持的（損失厭惡、規劃謬誤、間隔重複、提取練習），跟流傳廣但依據薄弱的（學習金字塔的百分比、馬斯洛的階梯、破窗理論的因果、霍桑效應的成因），本來就混在同一份清單裡。我在對應的地方都標出來了，引用的時候記得分開處理——這件事本身，可能比清單上任何一個模型都重要。

動手做：把幾個模型套到你正在煩的決定上

複習完了，現在輪到你動手。別想著背完一百個模型，挑幾個套到你現在正在煩的那個決定上，才是模型真正起作用的地方。

四個最常用的模型提問

// 把這篇帶著走

思維模型，一鍵打包為 Notion 模板

重點濃縮 + 動手檢查表，留個 email，我直接寄一份可直接套用的版本給你。

寄一份給我 →

P.S. 一週寄一封電子報，不喜歡退訂兩秒鐘 ✏️