幸存者偏差意思是指,当取得资讯的渠道,仅来自于幸存者时(因为死人不会说话),此资讯可能会存在与实际情况不同的偏差。

此规律也适用于金融和商业领域。存活下来的企业往往被视为“传奇”,它们的做法被争相效仿。而其实有些也许只是因为偶然原因幸存下来了而已。

如今互联网的发展的今天,很明显的就是一些鸡汤文、成功学之类的文章,欺骗了不明真相的吃瓜群众,所以说 你应该了解真相,真相会使你自由《圣经》。

首先给大家讲一个案列

二战期间,盟军需要对战斗机进行装甲加厚,以提高生还率,但由于军费有限,只能进行局部升级。那么问题来了,究竟哪个部位最关键,最值得把装甲加厚来抵御敌方炮火呢?人们众口不一,最后一致决定采用统计调查的方式来解决,即:仔细检查每一驾战斗机返回时受到的损伤程度,计算出飞机整体的受弹状况,然后根据大数据分析决定。

不久,统计数据很快出炉:盟军飞机普遍受弹最严重的地方是机翼,有的几乎被打成了筛子;相反,受弹最轻的地方是驾驶舱及尾部发动机,许多飞机的驾驶舱甚至连擦伤都没有。正当所有人拿着这份确凿无疑的报告准备给机翼加厚装甲时,一位统计学家(Abraham Wald)阻拦了他们,同时提出了一个完全相反的方案:加厚驾驶舱与尾部。理由非常简单:这两个位置中弹的飞机,都没有回来。换言之,它们是一份沉默的数据——“死人不会说话”。

最后,盟军高层纷纷听取了这个建议,加固了驾驶舱与尾部,果然空中战场局势得以好转,驾驶员生还率也大大提高。事实证明,这是一个无比英明的措施。

生活中也有很多例子如:

 

1、网络段子:记者跑到春运火车车厢里一个个的采访旅客:请问你买到春运的车票了吗?然后得出结论:所有人都能买到春运车票。

 

2、如今很多人在说,谁谁谁当初没好好上学如今照样挣大钱,而好多用功读书的人,毕业后反而不如那些没好好学习的人混得好。并且因为这样的例子有很多,所以很多人得出“上学没有用处”,“读书无用”的结论。对于高学历者,普通人既会关注成功的人,也会关注那些没成功的人,并且高学历却落魄的人尤其受关注,容易被当做新闻报道;而对于低学历者,普通人往往只关注成功者,忽视了广大学历低又没成功的人。正是因为忽视了这些“沉默的数据”,才产生「读书无用」这种错误结论。

 

刚刚恰好看了一则新闻,大致就是一老头活了一百多岁了,每天都要喝点白酒,从这则新闻里我觉得有些媒体人不是无知,就是赤裸裸的无良。

这则新闻一个正常人的理解会理解出两层含义,一,这老头活了一百多岁了,身体好到每天都能喝点白酒,二这个老头每天喝点白酒,所以活了一百多岁。

这就是幸存者偏差。

正确的理解是,这个老头幸好身体不错,才能够每天喝点白酒才能活一百多岁,而不是靠着喝白酒活到了一百多岁。

可是你看看标题,很容易让人陷入误区,尤其是重度酗酒患者,他们为自己的滥用酒精找到了一个活的例证,虽然这些人很少有活到六十岁的。

 

真希望脑子人人都能有。

 

产 品 研 发

由于朋友圈里,做互联网较多,谈谈自己对互联网研发的一个亲身体会。

前提:

  1. 我们假设有一款互联网产品A,目前已经正常投入使用,每天都会产生大量的用户日志。

日常日志分析工作的目标:

  1. 分析每天用户访问量以及最热门的界面和内容有哪些,以决定广告投放的定价;
  2. 分析每天活跃用户的基本画像,以决定定向内容和广告投放策略;
  3. 分析每天广告的点击点击数据,反馈给厂商以改进广告内容,

等等,这都是必要的工作,是提高内需消费能力的一些重要手段。但是这些分析都有一个重要前提,就是需要有用户使用这款产品,你才能保证收集到这些信息。假如用户不想使用这款产品或者很快就流失掉了,这就是系统性风险了。那么我们还需要做一些额外的工作,就是研究“非幸存者”。

对日志分析工作增加一些:

  1. 分析使用频率特别低和卸载软件的用户原因,甚至应该打电话回访,这部分用户很有可能给你提示一些系统性风险问题;
  2. 分析常规内容中,用户访问热度过低或者停留时间过短的界面,以达到改进的目的;
  3. 分析那些用户退出系统前,最后访问的几个内容,分析是否是由于内容的不合适导致用户退出系统的,

以达到“供给侧”改良的目的,提高用户的粘合度同时,减少用户流失,试图吸引更多的新用户。