007. 易得性偏差

编号：007/100 · 分类：认知偏差与决策 · 难度：入门 一句话：人根据"脑子里最容易想到的例子"来判断事情发生的频率和概率，而不依据真实统计数据。

一、极简定义

易得性偏差（Availability Heuristic/Bias） 是指人在评估事件发生的频率、概率或重要性时，过度依赖"能多快、多容易从记忆中调出相关例子"作为判断依据。

Tversky & Kahneman（1973）在《认知心理学》期刊上首次提出"易得性启发式"概念，通过一系列实验证明：当人们被问及"英语中以R开头的单词多还是R在第三位的单词多"时，大多数人回答"以R开头"——因为更容易想到——但实际是后者更多。

二、核心机制

2.1 易得性的四种来源

2.2 易得性偏差的认知路径

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

问题："这个事件发生的概率有多大？"
    ↓
大脑启用的认知捷径：
    不是：去搜索统计数据
    而是："我脑子里有多少相关例子？想起来费劲吗？"
    ↓
如果一秒钟内蹦出三个鲜明例子 → "这个很常见！"
如果想半天想不出一个例子 → "这个很少见"
    ↓
这就是易得性偏差 —— 用"记忆检索的流畅度"替代"真实概率"

2.3 易得性与真实风险的反向关系

这是一个重要的悖论：很多真实的高风险事件恰恰因为很少发生，所以人脑中缺乏生动的例子，因而被系统性低估。

三、理论溯源

• Tversky & Kahneman（1973）：“Availability: A Heuristic for Judging Frequency and Probability” — 首次系统提出这一概念，包含8个精巧实验
• Schwarz et al.（1991）：关键补充——不只是"想起多少个例子"，也包括"想起例子的流畅度"。如果被要求列出12个优点（比6个难），反而对事物的评价更低——因为"不容易想起来"本身被解读为"优点不多"
• Lichtenstein et al.（1978）：研究公众对死亡原因的频率估计——发现频死原因（如中风、胃癌）被大幅低估，罕见但骇人的死因（如龙卷风、火灾）被大幅高估
• Carroll（1978）：提出"易得性"不仅影响概率判断，还影响因果推断——一个容易想象的场景（“如果供应商破产会怎样”）会比一个难以想象的场景更容易被认为"可能发生"

四、操作框架

4.1 易得性偏差的识别信号

你的判断可能被易得性偏差污染，如果：

1
2
3
4
5

□ "我最近刚见到/听到一个例子……" → 警报！一个例子不等于统计事实
□ "媒体都在报道这个" → 媒体报道频率 ≠ 事件发生频率
□ "这画面感太强了，我忘不掉" → 生动性往往掩盖了稀有性
□ "我的一个朋友/同行就遇到过……" → 个例 ≠ 频次
□ 你想不起来反面例子 → 可能不是因为不存在，而是因为不够易得

4.2 双重来源校准法

4.3 组织决策中的易得性防线

• 强制历史对比：在评估某风险时，要求调出过去5年的真实发生记录，而不只依赖团队成员的"印象"
• 事前基准率思维（Base Rate Thinking）：在做任何判断之前，先问"在类似情境下，这件事情的基础发生率是多少？"
• 轮换信息来源：避免反复接触同一来源的信息（如同一个微信群、同一份行业报告），刻意扩大信息源的多样性

五、典型应用场景

场景1：供应中断风险评估

我刚听说同行A因为某个关键物料供应商的问题停产两周。

• ❌ 易得性偏差：这个生动的例子 → “我们的供应链也有巨大风险！” → 过度反应，增加不必要的安全库存
• ✅ 正确做法：
  1. 先问基础概率：我所在行业的供应中断历史频率是多少？
  2. 同行A的情况和自己的情况是否可比？（物料品类、供应商集中度、地域风险等）
  3. 根据自己的实际情况调整安全库存，而非被一个生动个案驱动

场景2：新市场机会判断

我去了一趟越南考察，看到街上到处都是摩托车，对制冷产品的需求似乎很大。

• ❌ 易得性偏差：亲眼看到的生动画面 → “越南市场机会巨大！” → 冲动决策
• ✅ 正确做法：
  1. 亲眼所见 = 一个样本点，需要系统性的市场数据来补充（人均GDP、家电渗透率、冷链基础设施）
  2. 是否看到了"幸存者偏差"——只看到了成功的店铺，没看到倒闭的？
  3. 找个当地行业专家聊聊，获取跨国公司在越南的制冷市场真实数据

场景3：人员招聘决策

面试了一个候选人，他讲了一个非常精彩的过往项目故事。

• ❌ 生动的故事导致"这个人很优秀"的直觉——忘记检查故事的可靠性、候选人在项目中真实扮演的角色、以及这是否代表了他的稳定水平
• ✅ 用结构化面试和技能测试来补充——不让一个生动的故事主导整个判断

六、常见误用与边界

❌ 把易得性当作"完全没用"的信号

• 易得性偏差是偏差，但"容易想起的例子"有时也确实携带信息——如果一个朋友说"那家供应商不靠谱"，虽然这是易得性驱动的判断，但也是真实发生的个案信息
• 关键区别：把易得性当作"假设的起点"而非"结论的终点"——“我听说了一个坏例子 → 这提醒我去核实 → 而不是直接下结论”

⚠️ “真实数据"本身可能也有易得性问题

• 有统计数据很好，但哪些数据被收集、被报告，本身也受易得性影响
• 比如"客户投诉率"这个指标——只反映了愿意投诉的客户，沉默的不满意客户不在数据里
• 校准：不仅要看已有的数据，还要问"什么数据我们可能遗漏了？”

易得性偏差的沟通应用

在管理沟通中，易得性偏差也有正面用途——为了让团队重视某个风险，用一个生动的、易得的故事来"对标"：

• “我们不是第一个遇到这种情况的——2019年另一家工厂因为同样的问题停产三周、损失¥800万”
• 这不完全是操纵——它是对抗"因为没发生过所以不重视"的有效工具

七、与其他模型的关系

八、自检清单

1
2
3
4
5

□ 我的判断中有多少来自"最近发生的/记得最清楚的"个案？
□ 我检查过真实统计数据吗？如果没有，统计数据的缺失本身说明了什么？
□ 我有没有故意去寻找"不容易想到"的案例？（数据库而非记忆库）
□ 当我特别想不起来某类事件的例子时——那可能恰恰说明需要寻找
□ 我有没有区分"这个事件的冲击力"和"这个事件的发生概率"？

九、我实践检视

（由我填写在实战中遭遇易得性偏差的具体案例和心得）

十、深度延伸

• 原始论文：Tversky, A., & Kahneman, D. (1973). Availability: A Heuristic for Judging Frequency and Probability. Cognitive Psychology, 5(2), 207-232.
• 流畅度效应：Schwarz, N., et al. (1991). Ease of Retrieval as Information: Another Look at the Availability Heuristic. Journal of Personality and Social Psychology, 61(2), 195-202. — 确立"检索流畅度"作为独立于"内容"的第二个信号
• 死亡风险认知：Lichtenstein, S., et al. (1978). Judged Frequency of Lethal Events. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 551-578. — 经典的风险认知研究
• 管理应用：Bazerman, M. H., & Moore, D. A. (2012). Judgment in Managerial Decision Making. — 第4章对企业管理中易得性偏差的系统分析
• 媒体效应：Combs, B., & Slovic, P. (1979). Newspaper Coverage of Causes of Death. Journalism Quarterly, 56(4), 837-849. — 媒体对死亡原因的报道偏差如何塑造公众的风险认知