1701529006
1701529007
在第三个实验中,库波维和索特卡让耶鲁大学的学生们报出“0~9之间第一个想到的数字,不要分数,只使用类似7一样的整数”。表面上看,这跟第一次实验一样,因为即便未曾明确规定,每个人都知道该选整数。结果再一次完全不同。数字3、5和7几乎同样受欢迎,而7现在的受欢迎度降到了全体被试的17%以下。
1701529008
1701529009
我们已经发现,当我们提到或以其他方式让人注意到一个选项7时,会让选择它的人望而却步。这中间一定是有些什么蹊跷。
1701529010
1701529011
在最后一次实验中,库波维和索特卡让一群被试在20~29之间报出自己第一个想到的数字,又让另一群被试在70~79之间做选择。结果,前一组人压倒性地选择了27,约28%的人选择它,跟最初0~9之间选择7的比例相同。
1701529012
1701529013
但对后一组人来说,77就不怎么受欢迎了,只有16%的人选择它。最明显的原因在于,被试希望避免个位上是7(因为这个选择范围会让人注意到7),或是避免选择个位和十位上相同的数字,又或者两种想法兼而有之。
1701529014
1701529015
希望被试选择7的超感师会向其施加压力,要求他即刻作答。超感师知道,被试思考的时间越长,就越有可能对最初的冲动表示疑虑。表演者鼓励快速作答的一种方式是打响指,“快在1~10之间选一个数”。然后,“啪”地打个响指。
1701529016
1701529017
耶鲁大学的实验里的路人不大可能花太多时间深思熟虑。执行实验的人让他们报出脑袋里想到的第一个数字,而不是报出一个“随机数”。在实践中,人为创造的数字之间——不管是称它为“随机数”,还是“第一个想到的数字”,或者别的什么,总有相当大的相似性。无论具体创造数字的目的是什么,7都最为常见。
1701529018
1701529019
库波维和索特卡怀疑,让路人自己想出一个数字的请求构成了“第二十二条军规”(catch-22)[17]式自相矛盾的陷阱。被试担心自己最初的冲动或许不够自然,并产生了猜忌。“他陷入了矛盾的局面——只有当他努力想着不依从时,才会依从。”
1701529020
1701529021
ROCKBREAKSSCISSORS
1701529022
1701529023
超级预测者的思维
1701529024
1701529025
人为创造的数字之间——不管是称它为“随机数”,还是“第一个想到的数字”,或者别的什么,总有相当大的相似性。
1701529026
1701529027
一般而言,人们喜欢奇数而非偶数;喜欢不处于选择范围极限的数字;喜欢不招人注意的数字。总体来看,7“处在一个独特位置上,成了‘最怪异’的数字”。
1701529028
1701529030
变幻莫测的评分
1701529031
1701529032
大众评分既不是随机性实验,也不是最初冲动研究。参与者要把自己对产品的感觉转换成量表上的一个数字或位置。这可并不像表面上看起来的那么简单。这家酒吧应该被评3分还是4分?候选人的攻击性广告是0分(因为我讨厌负面广告)还是10分(因为它的确让我对候选人的对手产生了担忧)?评分人要为自己复杂混乱的情绪或根本没有情绪编造一个相对应的数字。
1701529033
1701529034
你可以把耶鲁大学的实验想成是调研某种产品的焦点小组。被试对该产品评高分或评低分都没有特别的理由,所以想到什么数字就报了出来。此外,大众评分里还有一个类似的因素,有些评分人对评分漠不关心,或是感觉复杂,因此他们认为自己怎样评分都行。他们很可能会受到奇数或选择范围偏高那一端的吸引,比如7。
1701529035
1701529036
《洋葱报》(Onion)曾经刊登了一则新闻,《美国青少年报告说,学校“还好”》(School“Fine”,U.S.Teens Report)。10分制里打7分,就像是郁郁寡欢的青少年嘴上的“还好”,这个默认的回答意思是“别烦我”。这也是群体评分变化莫测的一个原因。平平无奇的产品有可能得到了体面的分数(大量的“7”),结果却在市场上遭遇惨败。如果你想知道的是,“你会买这种产品吗?”你应该直接问。
1701529037
1701529038
在耶鲁大学的实验中,0是迄今为止最不受欢迎的选项,其次是1和9(9是上限,因为没有10)。这意味着,接近或达到量表限度的分值蕴含着最确信的主张。看看网上的评论,尤其是要注意最低分(0星)和最高分(5星)所占的比例。如果我们假设评分人是诚实的,那么打这类分值的人要么真正讨厌该产品,要么就是真心喜欢。
1701529039
1701529040
对许多产品或服务而言,有多少人喜欢、多少人讨厌无关紧要,只要有人愿意花钱买它就行了。对喜欢选择电影制片人或电影主题的观众来说,得到高比例的5星评分的独立电影应该是稳妥的选择,0星评分的数量或许无关紧要。这样的电影不是为了吸引所有人来看,而在网上,总会有些评论人选“错”了电影。等企业有了更广泛的受众(如电影大片或家庭餐厅),0星评价的信息量才会丰富起来,它们有助于评估碰到糟糕体验的概率。
1701529041
1701529042
超级预测术
1701529043
1701529044
如果你让人们在1~10之间选择一个数字,大多数人往往会选7。这会扭曲焦点小组的评分和大众点评式网络评价。
1701529045
1701529046
对产品给出满分(10分制里的10分,5星制里的5星)的评分者所占比例,或许比平均得分更能准确地衡量产品的销售潜力。
1701529047
1701529049
10 神秘的本福特定律
1701529050
1701529051
在南非开普敦长大的马克·尼格里尼(Mark Nigrini)对于数字的魔力相当着迷。他到美国求学,希望能够在那里拿到会计学博士学位。1989年4月,即将毕业的他正在寻找论文的研究主题。在辛辛那提大学的某一天,他偶然看到一篇简报,其中提到了“本福特定律”(Benford’s law)这一概念。“当晚,我就去了图书馆,找到了本福特的论文。”尼格里尼回忆说。他的职业生涯因为读了这篇论文而发生了改变。
1701529052
1701529053
20世纪20年代,物理学家弗兰克·本福特(Frank Benford)为纽约州斯克内克塔迪市的通用电气公司效力。当时,科学计算的意思就是翻查对数表,检索数据。本福特注意到,对数表的前几页因为长时间使用而被磨损得厉害,后面几页却几乎是全新的。这个无聊时发现的现象而非通用电气公司付钱让他从事的工作,让本福特的名字流传到了后世。
1701529054
1701529055
本福特需要查询的数值往往以较小的数字为首位数,而以较小数字为首位数的数值则处在对数表靠前的篇幅。举例来说,本福特发现,科学研究和工程设计中遇到的数据有30%左右都以1为首位数。与此相对应的,仅有5%的数据以9为首位数。这样一来,对数表靠后的篇幅自然就相对没什么人使用了。
[
上一页 ]
[ :1.701529006e+09 ]
[
下一页 ]