幸存者偏差

🌲 寓言版

标题

归来的船

正文

海边的村子每年都会派船出海。

有的船很快返航，有的几个月后才回来，还有一些船从此没有出现。

村民发现，最先归来的船大多船身轻、桅杆高，便纷纷得出结论：

“想要平安回来，就应该造得轻一些，把桅杆做得更高。”

于是，第二年出海的船都照着这个样子改造。

只有一位老船匠没有立刻动手。

他每天坐在港口，望着那些空着的泊位。

有人问他：“平安回来的船都摆在眼前，你为什么不照着学？”

老船匠说：

“我当然要看它们。”

“但我更想知道，那些没有回来的船是什么样子，又在哪里沉没。”

“只研究归来的船，我们学到的可能不是生存的方法。”

“只是幸存者刚好留下的样子。”

留白金句

看得见的成功者会讲述经验，看不见的失败者却带走了另一半答案。

🧠 专业版

标题

为什么成功经验，有时会把人带偏？

正文

我们经常听见这样的故事：

有人退学后创业成功，于是得出“学历不重要”；
有人长期熬夜依然事业有成，于是认为休息只是意志不够坚定；
有人重仓一个机会获得巨大回报，于是把冒险视为成功的必要条件。

这些故事可能都是真的。

问题在于，我们看到的是成功后留下来、被关注、能够讲述故事的人，却很少看到采用同样方法但没有成功的人。

失败者可能退出了行业、停止了发声，或者从一开始就没有获得被看见的机会。

当我们只根据幸存下来的样本寻找规律，就容易把偶然当成能力，把共同特征当成成功原因。

这就是幸存者偏差。

一句话总结

幸存者偏差是指：只关注经过筛选后留下来的样本，忽略已经消失或未被观察到的样本，从而得出偏差结论。

📖 对应理论

定义

幸存者偏差（Survivorship Bias）是一种选择偏差。

它指的是：

人们在分析问题时，往往只看到成功、存续或公开出现的对象，却忽略失败、退出或无法被观察到的对象。

所谓“幸存者”不一定是字面意义上活下来的人，也可以是：

• 仍在经营的企业；
• 获得曝光的作品；
• 取得成功的投资者；
• 坚持到最后的参与者；
• 愿意公开分享经历的人。

如果样本本身已经经过筛选，那么仅分析留下来的部分，就可能误判真正影响结果的因素。

为什么会发生

幸存者偏差常见，是因为成功样本与失败样本的可见度并不相同。

1. 成功者更容易被报道：突出结果更有故事性，也更容易获得传播。
2. 失败者逐渐退出视野：项目关闭、企业倒闭或个人离场后，相关数据和经历也更难被看到。
3. 人们喜欢总结规律：面对成功案例，我们容易从中寻找可以复制的共同点。
4. 结果会重塑叙事：事情成功后，很多普通选择会被重新解释成远见和关键决策。
5. 缺失样本不易察觉：没有出现的数据，不会主动提醒我们它们的存在。

因此，最危险的地方不是资料太少，而是眼前的资料看起来已经足够完整。

现实案例

• 创业研究：只分析成功企业的共同特征，忽略采用相似策略却已经倒闭的企业。
• 投资经验：只看到高收益投资者公开分享方法，却看不到同样冒险但亏损离场的人。
• 学习方法：某位高分者使用一种学习方式，不代表这种方式对所有人都有效。
• 职业选择：成功转行者更愿意分享经历，转行失败或收入下降的人可能保持沉默。
• 产品反馈：只听活跃用户的意见，可能忽略已经流失、没有完成注册或从未购买的人。
• 健康经验：有人长期保持不良习惯却没有明显问题，不能证明这种习惯没有风险。

给普通人的启发

1. 看到成功案例时，主动寻找采用相似方法却没有成功的人。
2. 区分“成功者共有的特征”和“导致成功的原因”，两者并不相同。
3. 评估投资、创业和职业选择时，查看失败率、退出率与最坏结果。
4. 不要只问“成功的人做了什么”，也要问“失败的人是否做过同样的事”。
5. 收集用户反馈时，不仅要询问留下的人，也要了解没有购买和已经离开的人。
6. 对个人经验保持尊重，但不要把一个人的幸存结果当成普遍规律。
7. 无法获得完整数据时，明确承认样本缺失，避免得出过于确定的结论。

✨ 总结

幸存者偏差提醒我们：

被看见的，不等于全部；
成功留下的经验，也不等于成功真正的原因。

理解一个结果，

不仅要研究谁走到了最后，

还要寻找那些中途离开、失败或从未被记录的人。

别只数归来的船，
空着的港口，也在提供答案。