讲故事赢过看数字:为什么你的大脑总是忽略基础概率

在曼谷挽那区(Bang Na)一家快速扩张的物流科技创业公司「速达云物流」里,人力资源总监 Aew 正在面试一位资深业务拓展(BD)候选人 Don。Don 曾在一家大型跨国物流集团任职,他讲起自己如何在三个月内,靠着一次又一次登门拜访,硬是把一个濒临解约、金额高达上百万泰铢的大客户谈了回来——故事讲得跌宕起伏,连在场的销售总监都听得起鸡皮疙瘩。面试结束,整个面试小组几乎一致认定:「这个人就是我们要找的即战力」,准备第二天就发offer。

Aew 本来也被打动了,但她想起半年前人力资源部做过的一份内部复盘:过去两年,凡是「从大型企业直接跳槽到速达云这种十几人小创业公司的资深业务」,总共招了11位,结果半年内离职或被试用期淘汰的高达8位,留存率不到三成。这个冷冰冰的数字,和眼前这个充满魅力的故事完全对不上号——面试小组听到的是一个「人」的故事,她脑子里浮现的却是一整批「同一类人」的记录。到底该相信哪一个?

为什么

心理学家丹尼尔·卡尼曼(Daniel Kahneman)与阿莫斯·特沃斯基(Amos Tversky)在1970年代做过一系列经典实验,其中最著名的一个是「出租车问题」:城里有两家车行,绿色车占85%,蓝色车只占15%。深夜发生一起肇事逃逸,一位目击证人指认肇事车是蓝色,事后测试证明这位证人在夜间的辨色准确率约80%。多数受试者算出的答案是「肇事车是蓝色的概率约80%」,但正确答案其实只有约41%。原因是大家一头扎进「证人怎么说」这段生动细节,完全忘了先问一句:「这座城里蓝车本来就只占15%」。这正是统计学上所说的「基础比率忽视」(base rate neglect)。

特沃斯基与卡尼曼在1983年发表的「琳达问题」进一步证明:当人物侧写描述得很像「社会运动积极分子」时,多数人会判断「琳达是关心女性主义的银行职员」比「琳达是银行职员」更有可能——即便逻辑上前者的概率不可能高于后者,因为前者只是后者的子集合。这种「代表性启发式」(representativeness heuristic)说明,人脑天生偏好判断「这个故事像不像典型案例」,而不是先问「这类案例在总体里占多少比例」。