以下是我认知中，用户最常见的认知偏误。

损失厌恶

电商网站的优惠券营销方式，已经与当初实体店例如肯德基等餐厅的优惠券方式有很大的不同。在过去，优惠券往往是难以获得的，我犹记得很多年前能拿到一张肯德基的优惠券，可以兴奋很久。现如今，电商平台的优惠券，却像毫不值钱的废纸一样，随意发放，每个人手里都有不少用不完的优惠券。

这是不是意味着平台和商家在变得更友好、购买东西变得更实惠了呢？当然不是，优惠券对于平台和商家的价值发生了转变。优惠券成了很重要的营销工具，它的核心目的是：让原本犹豫甚至没有意愿的消费者，也来购买商品。

这个目的的达成，依靠的就是损失厌恶。通过发放大量的优惠券，然后反复提醒消费者：要是再不赶快使用，你就损失了一大笔钱！

损失规避/损失厌恶（Loss aversion），由阿摩司·特沃斯基与丹尼尔·卡内曼提出，指的是当人面对同样量级的收益和损失时，会觉得损失更加难以忍受。科学家实验的结果是：损失带来的负效用为收益正效用的2至2.5倍。

丹尼尔·卡内曼的实验如下：

第1组实验：

被实验团体先行持有1000单位的现金。在此基础上做出选择。

A.50%的概率将持有的现金增加为2000。

B.100%的概率将持有的现金增加为1500。

此实验中，被实验团体的16%选择了A，84%选择了B。

第2组实验：

同实验团体先行持有2000单位的现金。在此基础上做出选择。

C.50%的概率损失1000单位现金

D.100%的概率损失500单位现金

此实验中，同实验团体的69%选择了C，31%选择了D。

损失厌恶可以运用的领域非常多，在设置用户权益、做用户运营等方面还有许多可以借鉴的地方。了解了这个认知偏误，我们就知道，“赠送给你一张200元额度的优惠券”和“不领取优惠券将损失200元的优惠额度”，用户会对后者的表述方法更加敏感，更容易受到影响。

说句题外话，原本由优惠券树立的价格歧视机制（肯德基通过发行难以获得的优惠券，来筛选出价格敏感的消费者，他们会拿优惠券来购物；而价格不敏感的消费者，就会直接购买），在电商平台新的营销体系里照样存在，我们在双十一面临的诸多根本搞不清楚的庞大优惠规则和机制，其实也是在筛选价格敏感和不敏感的消费者罢了。

框架效应

众所周知，要做一个好的金融理财产品，怎么向用户表达清楚理财的收益是最重要的工作之一。哪怕在不说谎的前提下，也有许多花样来表达逻辑上其实是同样的一件事情。

接下来要说的是框架效应（Framing effect），也是由阿摩司·特沃斯基与丹尼尔·卡内曼提出。面对同一个的问题，在使用不同的描述后，人们会选择乍听之下比较有利或者更顺耳的描述。框架效应的基础正是损失厌恶。

以下是一个经典的案例：

例1 美国即将爆发一种不寻常的疾病，预计疾病会侵袭600人。设想你有权力在两个治疗方案中做选择。

方案A：你能拯救200人。

方案B：1/3的可能性拯救600人，2/3的可能性一个人也救不了。

例2 美国即将爆发一种不寻常的疾病，预计疾病会侵袭600人。设想你有权力在两个治疗方案中做选择。

方案A：400个人会死。

方案B：2/3的可能性600人会死，1/3的可能性一个人都不会死。

大多数人会在例1中选择A、例2中选择B，但实际上你会发现，这两个例子中的方案是一模一样的。

框架效应可以运用的地方也有许多。比如，在吸引用户选择一套你有预设倾向的方案时，就可以用更加顺耳的说法来表达。在损失会比较大的时候，强调收益，损失比较小的时候，强调损失，可以让用户更认同。当然了，这里提到的只是如何描述同样的事情，而是否要隐瞒一些不利于用户的信息，就不是框架效应要解决的事情了，是由产品的设计者的价值观决定。

另外，我们了解到框架效应后，也要识破许多数据分析上的漏洞。一些精明又熟悉数据的分析师，会给我们呈现更加有利的一面，如果不能摒弃掉我们自身作为人类固有的一些非理性的偏见，那就很可能被精心设计过的数据结论所误导。

锚定效应

这是一个电饭煲商家的三款产品，他们的价格分别是 130、440和390，具备的功能数量是3、9和8，上架一段时间后，销量则是 1200、890 和200000。如果你是一个理性的卖家，你会怎么看待这件事？是不是应该把A和B下架，也不要生产了，节省生产新型号带来的额外成本？

我们不妨还是先想想假如自己是消费者，会发生什么。

我们是对电饭煲没有太多概念的消费者，听说过这个品牌很不错，于是来选择一款它家的电饭煲。当先看到第一款型号A时，我们会想：这个比起右边两个有点太便宜了吧，功能也少很多，看来质量肯定很差。于是很快就排除在考虑外了。

接下来我们看第二个型号B和第三个型号C。看似功能差别不大，C比B只是少了一个功能，但价格好像还差不少。仔细阅读了C缺少的那个功能，感觉好像也没有太大用途，没必要多花50就为了这个鸡肋功能。于是我们的注意力放在了型号C上。

比A功能强大，比B物美价廉，那还等什么呢？下单呗。

这样模仿一遍，可能你也会有感触了：A和B的销量很小，并不重要。它们就是放在C的旁边，作为一个重要的锚定物的。A用来锚定C的质量优秀，B用来锚定C的物美价廉。最终用户在卖家的这种锚定路径影响下，购买了C，反而会觉得这是自己充满理性的决策。整个过程中，对C的8个功能是否值390块钱，你其实会想得很少。

这就是运用广泛的锚定效应，同样是由阿摩司·特沃斯基与丹尼尔·卡内曼进行观察，并以加以理论化的。可锚定的通常都是价格，有时还会有例子中提到的功能、质量等等。总之，一旦你建立了初始锚定的认知，再后面的认知都会基于这个初始参考物来做判断。

有几个非常简单的例子，都可以说明锚定效应的威力：

• 测试对象在5秒内计算 1×2×3×4×5×6×7×8 或 8×7×6×5×4×3×2×1 。由于测试对象没有足够时间计算，所以只能尝试估计答案。由小数字开始的测试对象估计是512，由大数字开始的测试对象估计是2250（正确答案是40320）。

• 一款新饮料，在超市里被摆放到可口可乐和百事可乐的中间，哪怕是价格很高，也能被消费者接受；反之，如果跟价格很低的饮料们摆在一起，哪怕也很便宜、性价比超群，也很难被消费者接受。

• 询问"乌克兰的人口是多少，两亿吗？"的答案，平均值是1.75亿。而询问"乌克兰的人口是多少，是500万吗？"的答案，平均值是1000万左右。

锚定效应的运用极其广泛，不仅仅是在价格方面。比如可以用来管理用户的预期，你的产品提供送餐服务，如果你刚开始告诉用户是预估30分钟送到，而25分钟就送到了，跟你告诉用户是预估20分钟送到，结果25分钟送到，用户的感知差别会非常大，后者情况里，用户会很不满意，哪怕你反复强调是预估的时间、并不是承诺的时间，也没有用。用户会把最开始得到的信息作为固定的锚点，你后面的任何行为，都会基于这个锚点被用户所评价。

网约车行业里，司机对平台的抱怨由来已久，其中最不满的因素是收入太低。然而对比网约车司机与出租车司机、货车司机的平均时薪，会发现他们在司机群体中已经是位居前列了。如今抱怨的问题，更多还是补贴大战的遗留问题，在之前高补贴拉司机的大环境里，网约车司机已经对平台收入有了极高的预期（甚至许多白领都下海做司机），当整体市场回归正常之后，自然就不能接受当下的收入了。

在用户认知价值的过程中，锚定效应是其中最关键的要素。在本书下文论述用户价值时，会再详细展开。

注意力偏误

做过一段产品后，我认识到，哪怕你在产品上的文字说明写得再清晰，用户总有发现不了的情况。这倒不是某些用户比较懒惰，我们每个人都是这样的，产品本质上还是工具，我们的目标很清晰，就是用工具实现我们的目的，在这个过程中，许多次要的因素对我们都不重要，我们也根本关注不到。

我们要用淘宝购买一个确定型号的键盘，打开APP后我们第一时间就要找搜索栏，然后输入型号，从结果列表里选择我们最喜欢的。这个过程中，我们通常不关心APP一共有几个TAB页（标签页），也不关心首页上摆放了哪些东西。对于无关信息的不关注程度，其实超乎我们的想象，认知心理学上把这个现象称为“看不见的黑猩猩现象”，指的是当测试对象观看一个主要内容是几个白衣工作人员传球并计数传球次数时，有大部分居然都没有看到一个黑猩猩从他们背后经过。

滴滴快车的司机经常会遇到一个问题：决定回家时，由于上一单的结束在闹市区，因此结束订单时，很容易被派到一个新的订单，导致没有办法结束工作并回家。然而实际上，在结束上一单的结束页面左下方，有一个很明显的“收车”按钮，也就是在上一单结束时不想接单是完全可以人工操作的。但是这个功能，绝大多数司机在我们反复宣传和提醒之后，居然还是都不知道。甚至之前连我身边一些同事都并不知道这个功能，还来质问我为什么体验特别差。

回顾反思，主要原因还是司机每天都接许多订单，每次的操作流程就是去点击那个最明显的橙色按钮进入下一步。就像刚刚提到的黑猩猩现象，他们只关注这个按钮在哪，然后就点击下去了，其它的信息就变成了黑猩猩，导致他们哪怕每天在使用司机端，都不知道存在一个“收车”按钮。

另外一个很典型的黑猩猩现象，在互联网时代我觉得都可以成为“用户协议现象”。我们在注册每个APP时都会有一个同意协议的过程，有的是阻断式的要求我们必须阅读才能下一步，还有的只是勾选，是不是阅读是可选的。不过不管是阻断还是不阻断，几乎没有人看用户协议。这种大段的文字，用户都是视而不见的，因为对用户来说并不是当下关注的重点。

“用户协议现象”延伸出的问题是，用户对大段文字、字体比较小的描述，也都往往视而不见。在做一个订单量千万级的平台产品之前，我根本不敢想象，我们客服电话的咨询里，有如此多的数量都是询问APP上写得清清楚楚的内容。至于用户为什么还是要打客服电话询问，的确有一些是懒得翻手机，但绝大多数都是压根不知道产品上曾经视而不见过这个问题的答案。

当我意识到这个问题后，我再决策方案时，几乎不怎么会考虑“当用户认真阅读小字”这种场景了，如果依赖这种场景做功能，结果肯定就是会造成各种异常以及用户的大量进线投诉。于是，要么就是重要信息突出显示，要么就是更重要的信息阻断式显示，小字只能给有仔细计算和研究需求的用户作为辅助了。

于是总结下来，结合黑猩猩现象，我自己总结出的设计原则有几条：

-主线流程之外的信息和功能，要默认用户不了解；

-大段的文字和小字体的文字，也要默认用户不阅读；

-有重要的流程步骤、信息传递，就需要更明显的突出，或者阻断式提醒。

逆火效应、证实偏见和主观验证

在做美甲师、外卖骑手和司机群体的产品之后，我觉得最有趣的一件事，就是会收集到许多的坊间传闻，这些传闻在我们认知里觉得很荒谬，但在他们的口口相传里，非常斩钉截铁。

比如能不能接到更多订单，都是他们最关心的事情。关于仅怎么接到单的传闻就有以下这些：

• 如果没有订单，那么反复开关蓝牙，就能接到订单；

• 如果没有订单，就打客服电话骂客服，骂完就有了订单；

• 如果没有订单，就重启一下APP，就能有订单；

• ……

他们在知道我是产品经理之后，甚至会偶尔打电话和微信上找我，让我派单给他们。不仅仅关于接单的问题，还有许多关于平台策略的传闻，有时听起来都跟各朝各代那些逸闻野史一样传奇，这都是因为什么呢？

首先，前面提到的这些用户的确比较少接触科技产品的原理，他们并不熟悉派单系统是如何运作的，于是会有许多猜想，这些猜想是符合他们的“个性心智”的，受环境影响；其次，他们主观上会做一个假设，这是由于我们倾向于用系统1来思考问题导致的，这个假设会偏向一种简单可以解决的逻辑；最后，就引出我们这一小节要讨论的问题了：用户在有了主观判断后，之后收集的各种信息，都会经过处理补充进这个观点之中，加重和坐实自己之前的这一判断。

在最后的过程中，有几种偏误的情况可能会发生：

1.主观验证（Subjective Validation）：一个人如果认为某个观点或者判断特别重要的话，会主观上把许多无关的信息作为支持这一观点的论据。

主观验证最常见的效应是在星座和一系列心理测试上，当你认定测试结果会对自己有帮助时，或者比较相信“专家”和“科学”给的结论时，就会在潜移默化里将这些实际上未必有关联的信息附和到自己身上。

如果一个外卖骑手或者一个司机，认为系统派单与开关蓝牙相关，就会主观上对蓝牙相关的信息非常敏感。身边一旦有关于蓝牙的只言片语，哪怕不是特别相关，也会在他们心中加重对自己观点的支持。

2.证实偏见（Confirmation Bias）：当我们有了一个假设后，我们会偏好能够验证假设的信息，而不是那些否定假设的信息。

当外卖骑手或者司机听说，有人开关蓝牙来接单并不起作用，他们不会认为这个就否定了自己假设，而是认为操作方法有误、甚至这是条假信息。另一个视角看，也由于外卖骑手或者司机需要有更多比较确信的假设来让自己接不到单时有事可以做、有解决办法可以尝试，因此他们也更偏向相信假设的信息。

3.逆火效应（The Backfire Effect）：这是更严重的一种证实偏见，即当我们的假设被相反的信息否定后，我们反而更加深信自己原本的假设。

人的思考方式里有根深蒂固的叛逆性，尤其在缺乏自我批判的习惯时，会对外部反对自己想法的声音持有敌意，对方越是急切说服你，你越是相信他说的是假的。

外卖骑手或者司机听到其他用户、客服或者平台官方提供的证实他们的猜想是错误的信息后，有不少人反而会觉得“他们都是不清楚真相的”或者“官方的辟谣肯定心里有鬼”，继而更加深信自己的猜测是正确的。

这些偏见会导致用户内心比较确信的固定心智（包括观点、判断、假设等）时，我们要将准确的信息进行传递非常困难。意识到这些困难，并且设法解决，也是作为产品经理和设计者要考虑的。假定所有的信息用户都会全盘接受，或者假定用户很容易被说服，都是有问题的。

概率思维与0-1思维

假设我们有一个产品功能，有95%的概率不会出问题，我们会认为这是一个好功能吗？在一些限定条件下，我们会认为这是一个好功能，比如是一个预测消费者即将买什么商品的功能、或者判断用户病症的通用逻辑，准确率已经非常高了。

但是对于用户来说，这会是一个好功能吗？未必。因为对于用户来说，他并不是从整个平台视角理解产品的，而且关键在于，他遭遇到的并不存在95%这个数字，对于他来说，只有0和1，只有正确和错误。

因此这要看0-1思维在用户使用产品时，会是怎样的需求和场景，更重要的是，一旦失败，造成的后果如何。比如我们是一个搜索引擎的平台，提供医疗广告信息，那么对于一些重大疾病的用户，我们平台的广告就是决定他们生死的因素，不能儿戏，这时候概率视角下哪怕我们做到广告是99%准确的，都不一定够，因为用户都是以亿计数的话，1%的用户就意味着几百万人可能会受错误的广告误导；如果是另外的情况，我们是一个即时通讯工具，发送信息的失败概率可能是1%，失败之后我们可以重新再次发送，这种成本就是相对可接受的。

这是我基于一系列关于概率的认知偏误总结出的。严格来说不能算是用户或者我们的认知偏误，应该说是我们与用户视角认知有很大不同，不能单纯拿我们的概率思维逻辑，来认知用户的心智。曾经服务过美甲师群体、外卖员群体和司机群体的我，对此印象深刻，用户在我们数据库里，是一个个数字，但每次我们施加的影响，落在他们身上，都是有关他们能不能很好地在平台上通过劳动获取收入的重要问题，从细枝末节的文案到一个核心的策略变化，背后影响的都是几百万上千万的家庭。

要牢记：我们做功能时用的是概率思维，而对用户来说，都只是0和1的关系。

知识的诅咒 

在概率思维与0-1思维背后，还有一个波及范围更大的偏误，也就是知识的诅咒（Curse of knowledge），这个像是从哈利波特里走出的名词，其实很好地形容了偏误的要点：知道得越多，反而越容易做不好。

这个偏误来自于斯坦福大学心理学博士论文中的一个实验：把测试对象分成两组，给A组的学生一个清单，都是一些大家耳熟能详的儿歌。A组学生要做的事情就是拍桌子，在桌子上把这个节奏给打出来，然后让B组的测试对象去猜，对方敲打的节奏到底是什么歌？对于B组的测试对象来说，这个猜的过程并不容易，最后120首歌，B组仅猜出了3首。从概率上来说，只有2.5%，但A组的学生认为B组能猜中一半，也就是50%。

这个实验非常精确地描述了知识的诅咒现象：我们了解得更多的时候，就丧失了在不了解的视角看问题的能力。在产品决策中，至关重要。

像前面的注意力偏误引起的问题，就是一个典型的例子。用户由于注意力偏误并没有了解到在订单结束页面其实是可以停止接单（收车）的，但我们设计产品的时候以为所有用户都已经知道这件事了，假设用户跟我们一样是在产品方面非常了解的。当我们看到数据显示许多司机经常取消订单，我们就不会意识到是司机并不知道有结束订单时收车的功能、着急回家只好取消订单的场景，而是会认为发生了其它的问题，这样最终做的推理决策就都会是有问题的。

在产品方面，我们作为产品经理就可谓是“全知”的存在，我们知道产品中的各种细节、存在什么功能、有哪些策略，但我们做任何功能，都要假设用户的信息是缺失的和不完整的，而且缺失和不完整的部分也经常不一样，这个其实极其困难，困难到真的会觉得像诅咒一般痛苦。有时用户缺失的信息让人震惊：有很多司机并不知道每天有什么奖励活动、不知道平台上可以购买保险；有很多乘客也不知道其实可以买优惠套餐出行，更加便宜等等。在真正调研到之前，我们还会下意识以为这些司机和乘客是对活动和策略不满意。

摆脱知识的诅咒的第一步，就是先意识到自己是“全知”的，而用户的认知程度参差不齐。有许多产品经理认为，只要同理心足够强，那么用户想什么就都知道了。同理心当然非常重要，但要真正认识到用户的想法、要体验他们的视角，并不单纯是同理心就能搞定的，用户会从什么视角认知，摆脱了知识的诅咒之前，很难意识到。这就只能依靠频繁地与用户沟通、获取用户的想法来保障了。

希望能帮到你。