•学校组织郊游，老师问：没来的同学举个手，好，人齐了，我们出发吧！
•央视记者在一辆高铁上问：您买到票了吗？买到了！您呢，您买到了票了吗？买到了！
•妈妈为什么不挑食？因为她买菜的时候已经挑过了！
•降落伞的电商店铺为什么都是好评？因降落伞有问题而失事的人想给差评也给不了！
•为什么打架死了的都是先动手的那个人？因为死人不会说话
看完这些生活案例，是不是有些反思与感触，有没有不经意掉入“经验之谈”的陷阱之中？
一、历史典型故事及概念定义
幸存者偏差(survivorship bias)是思维中一种常见的逻辑谬误,其主要体现在舆论的旁观者和参与者在观察和评论的过程中往往倾向于认同"幸存者"的经验而非"未能幸存者"的经验。这种逻辑谬误的本质是一种简化论。
幸存者偏差一词的出现，要从第二次世界大战中的一则故事说起。1941年，第二次世界大战中，空军是最重要的兵种之一，盟军的战机在多次空战中损失严重，无数次被纳粹炮火击落，盟军总部秘密邀请了一些物理学家、数学家以及统计学家组成了一个小组，专门研究“如何减少空军被击落概率”的问题。英美军方调查了作战后幸存飞机上弹痕的分布，发现飞机上被打到的弹孔主要集中在机身中央，两侧的机翼和尾翼部分。因此研究人员提议，在弹孔最密集的部分加上装甲，以提高飞机的防御能力。统计专家Wald连续写了8篇研究报告，指出这些百孔千疮的轰炸机是从战场上成功飞回来的“幸存者”，因此它们机身上的弹孔对于飞机来说算不上致命。要想救那些轰炸机飞行员的性命，更正确的方法应该是去研究那些被打中并坠毁的轰炸机。只有研究那些没有成功返航的“倒霉蛋”，才能有的放矢，找到这些飞机最脆弱的地方并用装甲加强。Wald的建议后来被英国军方采纳，挽救了成千上万的飞行员性命。
由这个故事我们可以得知：
幸存者偏差分析框架
•统计的样本只是平安返回的战机；
•被多次击中机翼的飞机，似乎还是能够安全返航；
•而在机身机尾的位置，很少发现弹孔的原因并非真的不会中弹，而是一旦中弹，其安全返航的机率极小，即返回的飞机是幸存者，仅仅依靠幸存者做出判断是不科学的，那些被忽视了的非幸存者才是关键，他们根本没有回来！
二、反面案例
【倒了这杯毒鸡汤】狐狸与鸡的故事。狐狸在养鸡场的山崖边立了块碑，上面写道：“不勇敢地飞下去，你怎么知道自己原来也是一只搏击长空的鹰！” 从此以后，狐狸每天都能在崖底吃到那些摔死的鸡！
【商业模式】大师包生男、考研班包过班等。有一个古代的故事，有一位大师自称能隔空改变孕妇肚子里孩子的性别，如果生下来的是儿子，那收的费用就不退了，如果生下来的是女儿，那就全额退费，生意特别好，很多渴望儿子的人对他感恩戴德。
反面故事案例
一些成功学鸡汤、投机倒把的商业模式等借用幸存者偏差理论，变成了忽悠人的利器。人们往往会受一些表象或虚假片面信息的影响而做出误判，由此产生偏见。我们不用只看到成功者信息，而总结出一些不靠谱的“经验之谈”。
三、互联网优秀案例
拼多多
看惯了朋友圈、抖音的朋友总是容易产生一种想法：买名牌包、吃豪餐、国外旅游已经是中国常态。但拼多多的崛起让“沉默证据”发力：原来购买廉价产品，为了几毛钱动员砍价的人，才是中国人口最广群体。要意识到了“沉默证据”的存在，你才有机会获得更全面的认知。
四、互联网设计反思
1.判断样本的随机性，即必须知道样本是否是随机的。例如在收到用户的某些功能建议反馈后，例如新增XX功能，不止要分析这些有声的用户反馈，还要去看沉默的后台数据。
2.判断样本和剩余样本中会不会存在显著差异。例如设计时不能只考虑专家用户，还要考虑新手用户。在做可用性测试时，不能只找熟悉的专家用户，还要涵盖其他用户群，全面的验证。
3.分析剩余样本数据，验证结论。
4.建立产品的用户画像及产品定位（应该从行业研究出发），而不是根据现有活跃用户的特征。例如本省用户与外省用户，已入驻用户与潜在入驻用户等。
在设计时，要参考多个维度，避免调入幸存者偏差的陷阱。
研究成功者，你能看到美艳的皮肤；研究失败者，你能看到生死的命门。正确地认识你所获得的数据，才能尽量避免幸存者偏差的出现。将注意力投放整个池塘上，而不是那小部分在水面蹦跶的鱼儿扑腾的涟漪。
望共勉，不足之处多多包涵。
参考文章：
网友评论