|
決策陷阱 ─ 專家限制
為何Netflix比店員還清楚你最愛的電影
專家殿堂正逐漸傾頹
由於群眾的智慧受到網路運用的加持,以及電腦運算能力的日新月異,致使專家預測的加值能力不斷下降。我將此稱為「專家限制」(expert squeeze),而且可茲證明的證據與日俱增。儘管趨勢如此,我們依然相信,許多形式的知識是技術性且專門的,同時渴望得到專家(亦即那些具備特殊技能或知識的個人)的意見。我們直覺認為,那些身穿白色實驗室外袍或細條紋西裝的人必定知道答案,並盲目聽從他們的意見,但卻對電腦產生的結果、或一群新手的集體意見心存疑慮。
專家限制意味著,人們固守陳舊的思維習慣,不用新的方法深入了解問題。要知道何時得超越專家的意見,必須以全新的觀點來看事情,而這個觀點不會不請自來。不過可以肯定的是,專家的未來並非全然黯淡。專家在某些關鍵領域仍保有優勢。我們的挑戰是,要知道何時可借助專家的力量,以及如何運用。
店員比不上Cinematch
1990年代初期,我和妻子住在紐約市。晚上無事時,我們會租片回家觀賞。就如同那個時代其他影片出租店一樣,店裡會有一兩位店員根據你之前喜歡的影片及你當時的心情,非常熱絡地向你推薦,甚至可能不時會推薦一兩片你不常看的影片。考慮到他們相對不算多的電影庫存,以及對我們的電影口味有限的知識,這些員工算是相當有幫助的。
DVD影片租借網站Netflix設立於1997年,以客戶滿意度為核心考量,初期便成功依據訂戶的喜好,介紹匹配的影片,業務因而蓬勃發展。2000年,這家公司推出名為「Cinematch」(影片配對)的服務,由一套演算程式系統,執行觀眾和磁碟影片的配對。Cinematch利用消費者回饋的資訊提供推薦,迅速改善預測消費者口味的準確度,讓用戶持續感到滿意及減少對新片發行資訊的依賴。Cinematch目前已帶動Netflix一半以上的租金收入。但公司管理階層意識到,Cinematch並非所有問題的答案。因此在2006年,他們發出戰帖:只要能提出更好的電腦程式,在預測消費者偏好的準確度上,比Cinematch高出一成,Netflix願意支付100萬美元獎金。
撰寫這本書時,該筆獎金仍在各方爭奪之中,領先團隊的程式僅優於Cinematch 9.8%。有兩個值得強調的重點:第一,有些人雖然聰明絕頂,但處理問題的價值和Netflix相較之下卻是小巫見大巫。(Netflix的主管不諱言,一個成功演算法的價值超過100萬美元。)第二,無論是Cinematch或任何最終取代它的程式,其表現都大幅優於紐約市影片出租店的員工。
儘管有幾十年充分的證據,各領域依賴專家的傾向依然毫無變化。事實上,大多數人很難吸收廣泛的統計證據,以融入他們的判斷中。當你面對如何挑選影片的決定時,問問自己,比較希望得到Cinematch提供的推薦,還是影片出租店櫃檯後頭的店員。現在,你已知道何者最可能提供你最大的觀賞樂趣。
回上一頁 |
|
|
麥可.莫布新 著
2010年10月29日出版
定價:320元
網站特惠價:253元 (約79折)
|
- 導論 聰明反被聰明誤
- 第一章 外在觀點
為什麼名駒大棕馬(Big Brown)
是個不好的賭注
- 第二章 開放選項
你的電話號碼如何影響你的決定
- 第三章 專家限制
為何Netflix比店員還清楚你最愛的
電影
- 第四章 情境知覺
手風琴音樂如何提升勃根地葡萄酒
的銷售量
- 第五章 數大即不同
蜜蜂如何不靠房地產仲介就找到
最好的蜂窩建地
- 第六章 處境證據
外包「夢幻客機」如何成為波音公司
的噩夢
- 第七章 臨界點
十個英國佬如何讓千禧橋搖晃
- 第八章 技能與運氣有別
為什麼投資者善於買高賣低
- 結論 是該「再想一想」了
如何能夠立即改變你的決策模式
|