易得性性偏差思维模型

嫂子的反应非常符合人类大脑面对“生动事件”时的自然规律。

从易得性偏差的角度看，她脑海里的危险信号被严重放大了，但这并不代表她的防范动作是错的。相反，这是一个典型的“因为心理偏差触发了正确安全防御”的场景。

咱们用易得性偏差的框架，把“她的情绪”与“你们该做的决策”拆开来看。

1. 拆解“易得性”来源：为什么她会极度紧张？

嫂子现在的焦虑，来自于三个高亮信号的叠加：

• 极强的生动性（Vividness）： “杭州刘大姐被骗 52.8 万”。这是一个有地点、有金额、有“AI 躺赚”具体场景的故事。这种极具画面感的情节在脑海里非常“好回忆”，导致大脑误以为“这种事就在身边发生”。

• 相对增长率的震撼（+45%）： “环比激增 45%”听起来极其骇人。但相对增长率很容易给人一种假象，以为发生率已经高到了“铺天盖地”的程度。

• 身份关切的触发： “老人占到 38%”直接映射到了家里老人的安全，触发了保护本能。

2. 追问基础概率与“沉默的数据”

如果跳出生动的报道，看看真实的统计大盘：

• 真实的大盘分布（Base Rate）： 在老年人受骗的绝对总量中，传统手法（如假冒公检法、虚假保健品/理财投资、线下会销、盗刷短信）依然占据了绝对的大头。AI 换脸和拟声虽然增速快，但在总体受骗件数里的绝对占比仍然属于少数。

• 沉默的数据（Silent Data）： 新闻媒体只会报道“最新颖、最吸睛、金额最大”的 AI 诈骗案例，而绝大多数每天被传统电话短信骚扰、但被成功拦截或没上当的老人，是不会出现在报道里的。

结论： 嫂子高估了“AI 换脸诈骗立刻发生在自家老人身上”的概率（这是易得性偏差造成的错觉）。

3. 正向利用易得性：过度紧张 vs. 合理防御

虽然她的紧张情绪源自易得性偏差，但她提出的防护措施（装反诈 App、设手机权限）却完全合理。

查理·芒格曾提醒过，易得性偏差不仅是认知病症，也可以是管理和安全宣传的有效工具。正是因为新闻极其生动，才成功唤醒了大家的防范意识。

在决策学中，防诈决策要看“防御成本”与“失败代价”的对比：

• 防御成本： 给老人手机装反诈 App、关闭“安装未知来源应用”权限、把每日转账限额调低。这些动作只需要花半小时，成本几乎为零。

• 失败代价： 一旦老人真的被骗（无论是传统诈骗还是 AI 诈骗），损失是巨额且不可逆的。

哪怕 AI 诈骗在自家发生的真实概率只有 $0.1\%$，用近乎零成本的动作去防御高风险，这绝对是极其合算的决策。

4. 去偏后的家庭防诈决策 Checklist

不要把焦点只放在“防 AI 换脸”这种特定手法上（这容易陷入针对单一生动案例的“过拟合”），而是要利用这次机会，帮老人建一套应对所有诈骗的通用物理阻断流程：

• [ ] 配置手机物理屏障（降低暴露面）：

• 安装国家反诈中心 App 并开启实时防护。

• 关闭老人安卓手机的“安装未知应用”权限，防止下载不明直播间或聊天软件。

• 将老人的常用银行卡/微信支付设置每日转账限额（如单日最高 5000 元）。

• [ ] 建立家庭“防伪物理流程”（对抗所有 AI 拟声/换脸）：

• 跟老人约定：只要涉及“要求转账、借钱、救急”，无论视频里长得有多像、声音有多真，必须挂断后用原电话打回，或用“家庭暗号”确认。

• 告知老人：真正的公检法和银行客服绝不会在视频里要求转账或清查资产。

• [ ] 清理真实的漏洞（找沉默的数据）：

• 检查老人微信里是否有大量不知名的“福利群”、“理财讲座群”。

• 检查老人手机是否开通了各类 App 的“自动续费”或“免密支付”。

嫂子想要加防范措施的直觉是非常对的。既然新闻已经把警惕性拉满了，不如顺水推舟，把这套物理防御和家庭暗号流程落到实处。

你们家老人在日常使用手机时，目前最频繁的场景是什么（比如经常看直播带货、喜欢在微信群拉人砍价，还是习惯用手机银行转账）？

刚发生了一起罕见的大额案，再加上行业里“环比 +45%”的耸动数据，团队现在想立刻调高模型权重，这是非常典型的心理本能。

在风控和模型决策中，这恰恰是易得性偏差（Availability Bias）最容易背刺风控团队的时刻——因为这件事太刺激、太新鲜、太高科技，它在你们脑海里的“可得性”已经拉满了。

咱们不直接讨论“加不加规则”，咱们先用易得性偏差的框架，把你们现在的判断依据拆解开。

1. 拆解“易得性”来源：是什么在干扰你们的判断？

你们现在的强烈冲动，来自于三种易得性驱动力的“组合拳”：

• 生动性（Vividness）： “罕见但生动的大额案”。一件高科技、损失金额巨大、手法新颖的案例，具有极强的视觉和情绪冲击力，在复盘会上会被反复讨论，在汇报材料里会被重点标注。

• 近因效应（Recency）： “刚经历”。发生不久的事情在记忆里权重极高，会让人误以为“未来它发生的概率也极高”。

• 相对增长率的误导（Relative Rate vs. Base Rate）： “行业数据环比 +45%”。45% 听起来非常惊人，但相对增长率极度容易制造高频的幻觉。

2. 追问基础概率（Base Rate）：绝对数据是多少？

风控模型调权重，看的是绝对发生率与绝对损失占比，而不是“生动程度”。你需要向团队要三个关键的基础概率数据：

1. 绝对基数： 环比 +45% 的基数是多少？是从全行一个月 10 起增加到 15 起，还是从 10,000 起增加到 14,500 起？

1. 损失结构占比： 在你们银行当前的总欺诈损失金额中，AI 换脸诈骗占了多少比例？（是 0.5%，还是 15%？）

1. 大盘欺诈的主力是谁： 那些手法传统、并不生动、甚至有点“土”的欺诈（如传统电信诈骗、诱导转账、凭证伪造），在总损失里的占比又是多少？

关键提醒： 如果传统欺诈占了 80% 的损失，而 AI 换脸只占 0.5%，仅仅因为这 0.5% 发生了一起大额案，就挤占大量模型规则和风控资源，这就是典型的“被易得性偏差带偏了资源配置”。

3. 寻找“沉默的数据”：强加规则的副作用是什么？

易得性偏差会让人只看到“加规则能挡住这起生动案例”，却忽略那些没看见的成本（沉默的数据）：

• 误杀率（False Positive）与客户体验： 为了拦截 AI 换脸，如果你调高了活体检测、人脸识别的严格度或风控拦截权重，会导致多少正常合法用户在转账、登录时被拦截或触发人工审核？因误杀导致的客户流失成本是多少？

• 模型过拟合风险（Overfitting）： 针对单一罕见案例特化规则，极容易把模型改得过敏感。当攻击者下周换一种非 AI 的普通手段时，新规则不仅防不住，反而占用了算力和规则库额度。

• 工程与运维成本： 增加规则、调整权重的审批、发布、后续监控成本，是否超过了该诈骗手法预期的年化损失？

4. 诊断：这是“有信息的信号”还是“扭曲的噪声”？

• 如果属于【有信息的易得性】： 评估后发现，AI 换脸的绝对案例数确实已达到总欺诈量的不菲比例，且在现有的活体/生物识别环节存在结构性漏洞。—— 此时应该加，且这是基于数据事实的合理响应。

• 如果属于【扭曲性的易得性】： 评估后发现，绝对量极低，这起大额案只是由于偶发性因素（如特定客户高额权限漏洞）导致，但在团队内部因为“太生动/刚发生”而被无限放大。—— 此时强加规则，属于用“情绪”代替“算法”。

5. 反易得性偏差的风控决策 Checklist

在决定改动模型规则前，建议你在团队决策会上走一遍这个流程清单：

…

面对那个闪烁的倒计时，你心里发慌是非常正常的生理和心理反应。查理·芒格说过，当一件事物极其生动或者自带强烈的稀缺暗示时，它就会把你脑子里真正重要的信息挤得“不可得”。

咱们来借用易得性偏差的视角，把你的这种“慌”和“这单该不该下”的真实决策依据拆解开。

1. 拆解“易得性”的来源：你脑子里最响亮的声音是什么？

你现在面临两个完全不同的问题：

• 问题 A（真正重要的）： 这个课的知识增量，对我值不值 1499 元？

• 问题 B（最容易想到的）： 我现在不买，是不是马上就要错失省下 2500 块钱的机会？

那个红色的“仅剩 3 个名额”和“倒计时 2 小时”，具有极强的生动性和近因效应。营销页面的设计逻辑，就是要把这部分信息做得极度“易得”，让它成为你当前大脑里唯一活跃的变量。这种扭曲性的易得性，成功地剥夺了你去思考“问题 A”的注意力。

2. 回归基础概率（Base Rate）：这类倒计时的真实分布

让我们跳出当前的紧张感，想想这种营销手段的基础概率：

在知识付费和线上课领域，所谓的“最后 3 个早鸟名额”和“倒计时”，其真实面貌往往是一段随时会重置的网页代码。如果你换个浏览器、清空缓存或者明天再打开这个页面，倒计时大概率会重新从 2 小时开始算。

它不是真正意义上的“物理稀缺”，而是行业内极其高频、常规的促单手段。意识到它的高频，它的“刺激感”就会大幅下降。

3. 寻找“沉默的数据”：你的真实功底 vs. 枯燥的课纲

在这个充满刺激的页面里，什么是“沉默的数据”？

是你自己已有的基本盘。 咱们平时带团队手搓结合 Next. Js 的项目、开发各种 AI 应用，甚至直接给企业客户做为期两天的提示词工程和飞书多维表格培训。你本身就已经是 AI 落地应用和企业培训的局内人。

在你有这样深厚实操背景的前提下，这门“AI 转型课”里，到底有多少内容是你不知道的？那些没加粗、没标红、没倒计时的“枯燥课纲”，才是真正决定价值的沉默数据。如果它讲的只是基础的 Prompt 框架或常见的 AI 工具套壳调用，对别人或许是神功，对你可能只是复习。

4. 易得性偏差对治清单（Checklist）

为了不被短暂的心理慌乱替你拍板，建议你现在走一遍以下这个物理隔离程序：

• [ ] 关闭网页 15 分钟（阻断生动性）： 彻底切断倒计时带来的视觉和情绪刺激，让大脑里的“缓存”清空。

• [ ] 做一次反向测试（验证基础概率）： 复制该网页链接，用浏览器的“无痕/隐身模式”打开，看看那“仅剩的 3 个名额”是不是依然存在，倒计时是不是重新开始了。

• [ ] 对标核心需求（提取沉默数据）： 抛开价格，单看这门课的讲师背景和详细大纲。问自己一句：“以我现在的实操经验，这个大纲里有哪两节课是我现在正处于瓶颈、急需别人点破的？”如果找不出来，那 1499 也是浪费。

只有当你把“因为快要涨价而焦虑”的易得性偏差剔除后，你才能看清这个课真实的性价比。

现在，你闭上眼睛不看那个倒计时，单凭你刚才对它课纲的印象，它里面有哪一个具体的知识点或案例，是你觉得能在你目前的 AI 项目开发中直接用得上的？