第1章

数据说服力

——平淡无奇的数据也能说服他人

1.1

小心数据“陷阱”

我们每天都会碰到各式各样的数据：早晨一睁开眼睛就会打开微信，看看自己昨天发的朋友圈有多少人点赞；上班时会打开Excel，查看各种产品、客户、订单的数据；下班后在网上买一瓶沐浴露，也会按照销量排序，查找畅销的品牌和店铺。

可以说，数据无时无刻不在影响我们的生活，可是数据中也隐藏着巨大的“陷阱”。

一本关于营销学的书中有这样一句话：“在11秒内，本药剂就杀死了试管中的31108个细菌。”据说，这句话让这款药剂的销量呈指数级上升。对于略懂一点儿生物学的人来说，3万多对细菌而言并不是什么巨大的数字，也许这个样本中一共有1亿个细菌，被杀死的3万多个细菌只占了0.03%。这时候就会有两种表述方式。

这两种表述方式，从数据的本质来说是一模一样的，可为什么第一种的 “31108”要比“0.03%”更加让人信服呢？因为人们更容易被数值大的数据说服。我推测，负责营销这个产品的人员也知道这两种表述方式的不同之处，他非常聪明地选择了前者，从而让这款药剂的销量猛增。

美国大文豪马克•吐温在自传中写道，数字经常欺骗我，特别是在我自己整理它们时。针对这一情况，本杰明•迪斯雷利的说法十分准确：“世界上有3种谎言：谎言、该死的谎言、统计数字。”

1.2

每个人都应掌握数据说服力

作为一名研究学者，我开始关注并研究“数据”。当然我的研究方向并不是复杂的贝叶斯公式，而是如何用数据说服用户。就像一款只能杀死0.03%的细菌的药剂，却通过突出“杀死31108个细菌”，就能让用户以为其效果惊人，从而影响用户的决策，提升销量。

这种通过数据说服用户，进而影响用户决策和行为的能力，我把它称为“数据说服力”。

在大数据时代，人们可以通过数据刻画整个世界，甚至预测未来。但是数据永远无法代替真实世界，数据滥用的现象也时有发生。从收集到处理，从可视化到信息表达，数据在每个环节都可能被人“动了手脚”，让人防不胜防。不过数据永远都是那些数据，数据是客观存在的，撒谎的并不是数据本身，而是数据使用者——他们把数据“精心打扮”。

早在1955年，美国作家达莱尔•哈夫就出版了《统计数字会撒谎》一书。该书用大量生动有趣的实例揭露了当时美国社会中利用数据造假的现象，引起了极大反响。书中提到的一些用数据“撒谎”的方法，如样本选择偏差、平均值的选择以及相关性的滥用，现在仍然十分常见。

为了提升大众对“数据说服力”的认知，让更多人可以利用数据说服他人，同时不被他人的数据误导，我将近几年对“数据说服力”的研究成果写成本书，在书中由浅入深地对数据影响用户的完整流程进行解析。零基础的读者可以通过阅读本书，系统化地提升自己解读数据以及用数据“说话”的能力。

第2章

没有对比就没有伤害

——参照点

2.1

收入增加了1万元为何还会沮丧

2002年，学术界发生了一件奇怪的事。这一年的诺贝尔经济学奖居然授予了心理学家卡尼曼。请注意，“经济学奖”被授予了“心理学家”！这个卡尼曼有何神奇之处，竟获得了经济学界的青睐？

卡尼曼研究的“行为经济学”打破了传统经济学的局限，重视人的非理性行为，通过观察和实验等方法对个体和群体的经济行为特征进行研究。卡尼曼的研究中有一个非常经典的案例，他找到各种各样的人进行询问，让他们从以下两个方案中进行选择。

方案A．其他同事的年收入为6万元，你的年收入为7万元。

方案B．其他同事的年收入为9万元，你的年收入为8万元。

作为一个理性的人，我肯定会选择方案B，因为方案A的年收入是7万元，而方案B的年收入是8万元，整整多了1万元。

可卡尼曼的调查结果出人意料：大部分人选择了方案A。这就是参照依赖：多数人对得失的判断往往根据参照点进行。一般人对决策结果的评价，是通过计算该结果相对于某一参照点的变化而完成的。人们看的不是最终的结果，而是最终结果与参照点之间的差异。