在《产品经理需要了解的心理学知识（问题的设立如何影响问题的答案）》中，和大家讨论了“问题的设立如何影响问题的答案”，那么今天要和大家一起关注的是“决策模型”相关的一些知识。
这些模型是建立在人们的态度以及偏好是固定的这一基础之上，决策者被看成是“理性人”，追求的是自我利益的最大化。虽然在频繁发生动态变化的情况下可能会有偏差，但是在固定场景下对人们进行分析确是非常好用的方法。那么就直接切入正题吧~
一、期望效用理论
同样的1000美元，对于一个穷人的效用要比它对于一个富人的效用要大得多，虽然二者的金额完全是相同的。
也就是我们经济学的入门知识啦，“边际收益递减效应”，金钱的效用随着金额的增多（或者说已有财富的增多）而递减。
当然，不只是金钱，很多别的东西也存在边际效用递减，举两个例子吧：
突然间减少50万用户数量对于你们的APP或者说几乎等于宣判死刑了吧？但是对于微信或者QQ来说呢？就微不足道了吧。
第二个例子，某PM以前上学没有什么固定收入的时候，每顿饭就想着吃一顿10多块的便当，后来过了多年，PM工作了有了达到行业平均值的薪水了，但是他还是一顿饭吃10多块的便当就非常非常满足了，于是每个月的薪水都会余下来不少，就存起来了，“储蓄”给他带来的满足感（效用），明显不如花掉的钱给他带来的效用高，但是没辙啊，人家就10多块便当这点追求，所以多出来的都“边际效用递减”了。
后来这一学说逐渐成为了理性决策的一个公理，由“期望效用理论”推出的原则有6条，后来也成为了理性决策的6条原则，熟悉这6条原则对于我们做出客观理性的决策是有帮助的，下面对这6条原则逐条进行介绍：
有序性
决策者可以对任意两个备选方案进行比较，要么偏好其中一个，要么两个都无所谓。
嗯，看上去就像是正确的废话一句，那么只好用实例来说明了。很简单，比如说一个编辑在纠结用户到底喜欢看图文还是喜欢看漫画，两者之间一直在做选择也不知道自己偏向于哪边，然而他缺忘了考虑这一层“你发啥用户看啥”，不断纠结于做2选1，嗯，典型的非理性决策。
占优性
决策者永远不会采用一个被别的策略占优的策略。
嗯，又一句正确的废话，那就来个我自己的例子吧。有次过年，朋友说送我双运动鞋，问我要阿迪达斯的还是Kappa的，当时我就说，要个361的吧……理由其实很简单，有次我不注意，踩到钉子上了，然而那双361的鞋底子破了，但是把我的脚护住了，没受伤，所以在这次对于鞋子的选择上，感情因素介入，我选择了361的鞋子放弃了更高档的鞋子。所以这个选择就是一个非理性的选择。
相消性
在进行选择时只比较方案之间那些不同的结果，两种方案相同的因素应该相互抵消。
看上去又是so easy，对不对，但是做起来也要注意方式方法，在做决策的时候最好是能够使用“表格法”来对方案进行比较。比如比较两条棉被的时候，拆分出“厚度”“材质”“面积”“合格率”“价格”这些属性，然后逐一比较，进行选择。很多PM在做竞品分析的时候都使用表格法进行比较，在此就不再赘述了。
可传递性
假设有3个方案，ABC，决策者在A与B中偏向于A，在B与C中偏向于B，那么A与C中理性决策者必然偏向于A。
这个原则很容易被别人利用来进行欺骗。同样还是举个例子，一个公司的资源和时间都是有限的，有的PM朋友并没有时刻牢记产品原则，比如一款闹钟软件，第一天早上用户A跟他抱怨“没有闹钟备注功能用着感觉很不好”，中午用户B跟他抱怨“能不能加个社交功能啊，你看隔壁XX”，下午用户C打电话说“朋友，不加个游戏功能么？”，然后PM觉得备注功能没社交功能重要啊，毕竟隔壁都开始弄了，但是C是个很有钱的用户啊，似乎游戏功能也挺不错的，但是备注功能似乎可以满足大部分用户需求啊……然后PM炸了，就这样。
连续性
对于一组结果，如果出现最好的结果的概率非常大，决策者总是在最好和最差的结果中进行赌博而不是选择一个中间值。
这次举一个游戏界的例子吧。动视暴雪现在每年都会发布一部新的游戏作品，而不是发点补丁做做微调，因为他们新作成为新的爆款的概率非常高。
恒定性
决策者不会受到备选方案表现形式的影响。
比如饼干A，从每盒10块提升到每盒12块，包装上印的是“送2块！”
饼干B，同样从每盒10块提升到每盒12块，包装上印的是“送20%！”
其实都是一样的。
二、描述性决策模型
通过详细的描述，决策者的决策选择会受到一些影响，还是用一个易于理解的例子来说明吧：
1977年的时候，杰尹·拉索做了一个实验，内容是在超市里面的麦片上标注了每一克麦片的单价，这个时候人们往往会选择购买单价最低的品牌，但是价格从始至终没有改变过，但是就因为这个描述，导致了麦片品牌的销量发生了变化。
满意
人们在做决策的时候，追求的是“满意”而不是“完美”。“用户习惯”一说其实也部分出于此。
比如说我们在买垃圾袋和砧板的时候往往只需要买个便宜的，差不多的就行了，并不会进行精挑细选。互联网产业同理，所以有句话叫做“最大的竞争对手是用户习惯”一点也没错。
前景理论
简单来说就是，“失去”给人带来的感觉要比“收益”来的更加强烈。
理由是由于一个叫做“禀赋效应”的东西，指的是当一件物品成为人的禀赋时，它的价值就增加了，比如人们对于自己的宠物往往会开出天价；再比如在“知乎”建立的初期，对于其实免费的一个知乎账号，有的人也会开出不低的价格拿去卖。
前景理论还包括1点就是，人们在面对收益的时候经常采用规避风险，而面对损失的时候更加偏好风险。
1979年卡尼曼的一个实验就对前景理论的这一部分进行了证实，他问了被试几个问题：
问题一 A 50%几率获得1000美元，B 肯定获得500美元
70名被试回答了这个问题，其中84%的人选择了B
问题二 C 50%概率损失1000美元，D 肯定损失500美元
这个问题，70%的人选择了C
但是对于买彩票这种小概率高回报的事情，人们又会去倾向于赌博，所以概率和回报/损失中间有一个打破的临界值，具体是什么样的比例，我也并不知道……
确定效应
由同一个因素引起的结果概率减小，在结果最初就确定时产生的影响要大于在结果最初只是可能的影响。
非常抽象的一个描述，但是说个例子各位就能够明白了。
从4种花色的纸牌中去掉一种花色相比，人们更加倾向于从双面硬币中去掉一种可能结果的赌博也就是说前者能够增加你赌博成功的概率，后者可以让你确定赌博可以赢。虽然两者都是“减少一种可能结果”。
人们更加愿意去消除风险，而不是减少风险，即便损失发生的概率在两种情况下都等量减少了。
后悔理论
在一些情况下，人们将某个决策质量的衡量建立在与其他不同决策的后果相对比的情况下，由于依赖假设的事件，有时候也被称为“反事实推理”。人们会将“后悔”作为一个规避风险的变量，避免决策失败的后悔。
后悔理论的例子很普遍，很多人想跳槽，但是又担心跳槽之后带来的后悔，所以迟迟没有行动。
但是当涉及到高风险决策的时候，谈论负面后果的后悔是没有意义的。比如心脏手术，比如企业的特大换血，甚至比如产品的大转型。
多属性选择
许多的选择中，结果不能根据某个单一的标准来进行描述。在面临多属性的选择时，如果是对于方案的2选1，人们常常会采取1种“补偿性”的策略，以某个标准的高价值来弥补某个标准的低价值，比如选择外卖APP的时候，人们都会选择优惠力度最大的哪怕它的界面丑的一塌糊涂。
这种选择策略一般来说有2种模型：
线性模型
每一个标准的重要性赋予其权重，然后将各个标准的值加权后得到总体价值指数。
比如说选择外卖APP的时候“优惠力度”这个标准是权重最高的，别的什么“界面美观”“运行速度”“品牌背书”都是低权重的标准，那么用户在选择相应产品的时候最为看重的就是“优惠力度”了。
理想点模型
决策者心中有个理想方案，然后用备选方案在各个标准上与理想方案进行比较，对差异进行加权，
比如说我在选择外卖的时候，心中的“理想模型”就是“满20减10，原始均价16元，加饭1元，30分钟内送到的便当店”，然后开始在外卖APP上进行浏览，和心中的理想模型进行对比，最后点餐。
非补偿性策略
面对多个备选方案的时候经常使用，与补偿性策略不同，并不允许不同标准间的相互协调。非补偿性策略有下面3个具体的策略方案，下面进行描述和举例说明。
有关联原则
决策者可以排除预定范围外的方案
比如某省高考一本线是550分，那么550分以下的考生就会被排除在一本学校的录取预计之外。
在互联网领域呢，可以用在用户分类的工作上，比如月活跃时间少于20小时的，就不能被列为“有效用户”之类的。
析取原则
衡量每个备选方案的标准是这一方案所具有的最好的属性，而不管其他属性有多差。
比如某企业在招收程序员的时候看的仅仅是他的JAVA水平，而不管他的人品、学习能力、工作态度等等。只要JAVA熟练，哪怕是一只猴子也要。
优先标准
面临等价的备选方案时，人们并不是随机进行选择，而是先识别出对自己重要的标准，然后选择那些在这个标准上有更高价值的方案。
又是个比较抽象的概念，所以还是用例子来进行说明。
比如说在游戏里面，有两种武器，枪和火箭筒，火箭筒每2秒可以攻击一次，每次攻击100点伤害；枪每秒可以攻击2次，每次攻击可以造成25点伤害。那么这两种武器的每秒伤害其实是一样的，但是有的玩家喜欢“爆发”，喜欢一瞬间的快感，就选择了火箭筒；而喜欢“灵活”以及“持续伤害”的玩家就会选择枪。
