幸存者偏差——只看成功案例就会看错世界

大家好，我是 Senko。本文将解读“幸存者偏差”。

“成功者大多凌晨四点起床。所以早起就能成功”——这类说法你见过吗？听起来煞有介事，可这个推论有个致命缺陷：凌晨四点起床却没成功的绝大多数人，没有人采访，不出书，作为数据根本不存在。

什么是幸存者偏差

幸存者偏差（英文 survivorship bias）指的是只能观察到通过了某种筛选而幸存下来的对象，被淘汰的对象从视野中消失，因而看错全局的统计偏差。

要点在于，这不是“假数据”的问题。眼前的数据本身可能货真价实，可只要没察觉这份数据是“只剩幸存者”的偏样本，就可能推出完全相反的结论。

成功创业者的共同点 → 做同样的事却失败的人也许有几十倍
“我奶奶天天喝酒活到九十”→ 喝酒早逝的人没法开口
老字号的经营哲学 → 秉持同样哲学倒掉的公司没留下来

只用能观察到的东西做判断，筛选的滤网本身就看不见了。

返航轰炸机的弹孔

谈幸存者偏差，最有名的是二战期间轰炸机的故事。

当时美军调查了出击后返航的轰炸机的中弹位置。弹孔集中在主翼与机身上，军方最初认为“应该给弹孔多的地方加装甲”。守住容易中弹的地方——乍看完全合理。

可统计学家亚伯拉罕·瓦尔德提出了相反的建议：“该加装甲的，是没有弹孔的地方。”

理由是这样的：调查对象只有“能飞回来的机体”。主翼和机身被打穿还能返航，说明那里挨了枪也掉不下来。反过来，发动机与驾驶舱见不到弹孔，是因为那些地方中弹的机体根本回不来。

能不能想象到坠毁的机体——也就是“没能幸存的数据”——结论会掉个头。再没有比这更鲜明地展示幸存者偏差之本质的例子了。

从高层坠落的猫反而更容易活？

传达幸存者偏差之古怪的著名故事，是“猫的高处坠落”统计。

1987 年，纽约一家动物医院分析了“从高处坠落被送来的猫”的记录，得到一个奇怪的结果：从七层以上坠落的猫，存活率看起来高于从更低楼层坠落的猫。

这个结果被解释为“猫下落时间长，能调整姿态分散冲击”而广为流传。这种空中姿态的效果确实被认为存在，但后来也有人指出另一种可能。

那就是，从超高层坠落当场毙命的猫，压根不会被送到医院。主人送去医院的只有“或许还能救”的猫。数据里只包含到院的猫，所以高层的数据从一开始就可能偏向了“有存活希望的猫”。

即便是动物医院的统计这种看似中立的数据，“数据是怎么汇集起来的”这个入口处也埋着筛选。我觉得这是幸存者偏差教科书式的案例。

用一万名挑战者体会数字

幸存者偏差有多可怕，摆上具体数字就能一下子体会到。我们用一个虚构的例子。

假设某一年有一万人以视频创作者身份出道。五年后，能靠它谋生的成功者有 10 人。媒体采访这 10 人，寻找共同点，结果 10 个人都回答“每天更新”。报道的标题于是成了：“成功者 100% 都在实践的‘日更’之力”

看着挺有说服力。可这里看不见的是分母。假如一万名挑战者中有 8000 人在坚持日更，其中成功的是 10 人呢？日更者的成功率只有 0.125%，这个数字怎么都说不出“日更就能成功”。

还有更刁钻的可能：没有日更的那 2000 人里，成功者真的是 0 人吗，还是只是没被采访到、其实有几个？只调查那 10 位成功者，这个比较永远做不了。

看到“成功者中有百分之几在做某事”这种表述时，请在脑中想起这张一万人的图。你需要的不是成功者中的比例，而是“做了这件事的人里，成功的占百分之几”这个反方向的数字。

成功故事、体验帖、投资业绩里的陷阱

成功者的自传与专访在结构上就含有幸存者偏差。“大学退学去创业并成功”这个有名的故事背后，是无数做了同样选择却从台前消失的人。看起来像是成功者共同点的东西，也许只是“所有挑战者的共同点”。

养生法与偏方的体验帖是典型。“吃这个保健品把病治好了”对本人而言可能是真实的，可吃了同样东西没治好的人不会去发帖。体验帖不能用于判定效果，原因就在这里。

投资领域要留意基金的历史业绩数据。业绩差的基金会中途清盘消失，因此现存基金的平均业绩看起来会好于实际。专业人士反复强调应使用剔除了幸存者偏差的数据，就是这个道理。

“以前的东西才结实”这种感觉也能用幸存者偏差解释。五十年前的家电里如今还能转的，只是当时产品中格外结实的个别机器；坏掉的绝大多数早被扔了，也从记忆里消失了。

收集失败数据这种文化的力量

作为幸存者偏差的反面，有组织地收集“消失的数据＝失败的记录”的机制价值巨大。

代表是航空业。航空业建立了让当事人匿名上报未酿成事故的“险些出事”案例的制度，并以不处罚上报者为原则。据说正是持续收集了不止坠机这种“显眼的结果”、还包括“没坠但很危险”的海量非幸存（准确说是未遂）数据，才支撑起了航空事故率的大幅下降。

软件开发领域也普及了在故障后写“事后复盘”文档、不追责个人而记录结构性原因的文化。系统分析失败案例本身，如今也已成为一门专门的研究方向。

成功案例分享会很多公司都有，可失败案例被用同等热度分享的公司却不多。从幸存者偏差的角度说，作为组织的学习材料，真正宝贵的是那些没被讲出来就消失掉的失败。拥有能让人安心上报失败之机制的组织，光凭这一点在学习速度上就会拉开差距。

对策是去找“消失的数据”

对付幸存者偏差，就是照着瓦尔德的思路走一遍：有意识地去找眼前数据中没有的“淘汰者”。

看到成功案例，必定问一句“做同样的事却失败的人有多少”
确认“分母”（比起 100 位成功者的共同点，一万名挑战者中的成功率更重要）
确认数据的收集方式（这份数据通过了什么样的筛选）
有意收集失败案例与撤退案例（失败的记录比成功的记录更宝贵）

其中“分母是什么”这个提问是万能的。体验帖也好、成功故事也好、历史业绩也好，看不见分母的信息，作为判断材料就大幅打折。光是这个习惯，就能躲开相当多的陷阱。

那从成功者身上学习就没意义了吗

从成功者身上学习的正确用法

并非没有意义，只是能学到的种类有限。从成功者的话里能确实学到的，是“这条路上有哪些坑、有哪些技术”这类具体的门道。而靠不住的是“成功法则”，也就是“做了这个就能成功”这种因果主张——要主张法则，失败者的数据不可或缺。成功者的话作为“地图”很优秀，但别当作“成功保证书”去读。我觉得这个区分很实用。

与确认偏误的区别

扭曲发生的位置不同。确认偏误是发生在你自己脑中的扭曲，是挑选符合信念之信息的癖好；幸存者偏差则是发生在数据抵达你之前的扭曲，是世界那一侧只把已经筛选过的信息给你看的结构性问题。也就是说，哪怕心态完美公正的人，照样会中幸存者偏差。正因为无法靠自身努力矫正，这一个反而更棘手。

日常中最容易中招的场合

我认为是“评价与口碑”。写网购评价的人，会偏向对商品抱有强烈情绪的那一群（非常满意或非常不满），而中途弃用的人只是悄悄离开，不会留下评价。餐厅口碑也是如此，回头客与一次性客人的发帖率并不相同。把评价偏向“一直用下去的人的声音”这件事——也就是星数并不是“全体购买者的平均满意度”——放在脑子角落，买东西的眼光就会有点不一样。