客户投诉电话一响就想整批召回?贝叶斯定理教你先把概率算对

凌晨两点,泰国罗勇府一家干果出口厂老板颂查(Somchai)的手机震动了——越南经销商发来一张照片,说收到的芒果干闻起来有酒味,怀疑整批发酵变质。颂查心跳加速,脑子里只有一个念头:完了,这五百箱是不是全废了?他几乎要立刻下令仓库全部召回。

但他先深呼吸,想起上个月学到的一课:一条客诉,不等于整批出问题。真正该问的是:"根据我对这批货、这套包装流程的了解,出现这种客诉时,问题真的扩散到整批的概率有多高?"这正是贝叶斯定理要教他的事——不是被第一个坏消息直接判死刑,而是把新证据和原本的底数放在一起算,得出一个随时能被下一条证据再修正的概率。

为什么

贝叶斯定理由18世纪英国牧师兼数学家托马斯·贝叶斯(Thomas Bayes)提出,他去世后由朋友理查德·普莱斯(Richard Price)于1763年整理发表《机遇论中一个问题的解法》,后来法国数学家拉普拉斯(Pierre-Simon Laplace)将其发展成完整公式,才成为今天广泛使用的统计工具。核心逻辑很简单:你对一件事的信念,是"先验概率"(过去累积的底数)乘上"新证据的似然比"(这个证据在"有问题"和"没问题"两种情况下各自出现的概率差多少),两者相乘才等于"后验概率"——也就是看到新证据之后,你该相信的新概率。多数人犯的错,是看到一条耸动的证据,就直接把后验概率当成百分之百,完全丢掉了底数。

怎么做

第一步:诚实估出你的"先验概率"

先看历史数据,不要凭印象。颂查翻出发货记录:过去两年500批货里,真正整批发酵报废的只有9批,先验概率大约2%。这个数字,就是他在收到客诉"之前"该相信的底数。