这是读《简单统计学》的第3篇文章。

说起幸存者偏差，不得不提二战时期，盟军的飞机…

唉，一说起「幸存者偏差」，就提二战飞机的例子，实在太老套、太无聊了。咱说点和生活有关的。

先出一个问题考考你。这个问题是《简单统计学》里面的一个案例。

有人对纽约市兽医院接收的从高层公寓楼坠落的 115 只猫咪进行了调查，发现

从 9 层及以上楼层坠落的猫咪的死亡率为 5%，

从不足 9 层的楼层坠落的猫咪的死亡率为 10%。

根据医生的推测，这是因为从较高楼层坠落的猫咪能够将身体伸展开，形成一种降落伞效应。

那么，你认为坠落楼层越高、死亡率越低的原因是什么呢？答案在结尾揭晓。

我们现在说 90 后最爱算命的话题。

90后最爱算命？

腾讯 110 公布过一个「网络占卜」诈骗的举报数据：

在网络占卜类诈骗举报中，51.7% 的举报人是 90 后。

这个数据说明什么问题呢？

90 后最爱算命？

90 后最不信命？

90 后都是我命由我不由天？

别着急下结论，我们再看一个类似的数据，也是来自腾讯 110：

在金融信贷类诈骗举报中，52.9% 的举报人是 90 后。

这个数据又说明了什么问题呢？

90 后最爱提前消费？

90 后最爱投资理财？

90 后是拆东墙补西墙的搬砖高手？

其实上面两个数据都描述了一个相同的事实，就是图片标题写的：举报人年龄段分布占比。

因为腾讯 110统计的「举报人」是典型的幸存样本，不能代表那些没有去举报的人。

对于那些没有举报的人，他们的年龄特征我们其实一无所知。

所以上面的数据只能说明在举报的人当中，90后占比最多。除此之外，再无其他意义。

不过，腾讯 110 好像不是这么认为的。

网络占卜的文章里面写：这届年轻人怎么都开始相信“玄学先生”了？

金融信贷诈骗的文章，更是直接在标题里写着：90后被骗人数占比最高！

也就是说，腾讯 110 （至少是腾讯 110 的编辑），把举报人的占比，等同为实际参与的人群占比。

这是真的无知，还是故意误导呢？咱也不知道，咱也不敢问啊。

不过可以确定的是，类似腾讯 110 的这样幸存者偏差，其实还挺常见的。

被忽视的幸存者偏差

说起幸存者偏差，很多人都能对二战飞机的事例侃侃而谈，也能随口讲一个「没来的人请举手」或者「卖降落伞的店铺没有差评」的段子。

但在生活和工作中，幸存者偏差总是会被忽视。

举个例子。

每年中考、高考成绩出来后，「状元」总是受到广泛的关注。

学校敲锣打鼓，媒体密切报导，补习班说状元每个周末都来我们这上课，出版社的说状元用的参考书都是我们的，家长分享培养状元的经验，状元大方的公开作息安排，状元学习笔记的影印版也在微信群里传来传去。

可是，上同一所学校、同一家补习班的其他学生呢？

买了同样的参考书、有同样作息安排的其他学生呢？

状元的成功只是个例，并不能说明学校、补习班、参考书是也是成功的。

类似的，还有成功创业者的分析、长寿老人的长寿秘诀、家庭/婚姻幸福的秘密等等，也是严重的幸存者偏差。

只不过这些「幸存者的秘密」早已泛滥成灾，以至于我们也见怪不怪了。

再举个工作的例子。

以前我们公司新上线了一个项目。在上线一个月之后，产品经理对活跃用户进行了调研，并据此做出了下一步的调整方向和优化方案。

有问题吗？

有大问题。

用户调研是运营、产品、市场等等很多岗位的基本功，但是很多人在做用户调研的时候，往往是重视调研方法，而忽略用户样本选择。

比如上面的例子，一个新项目想要快速发展，更重要的是找到用户流失的原因，改正并提高用户留存。

而流失用户恰恰就是那些被击落的飞机，没有人替他们说话。

项目上线一个月之后才做调研，产品经理已经拿不到流失用户的数据。所以无论这次用户调研做得多么完美，也只能陷入到活跃用户的幸存者偏差之中。

说到用户调研，还有一个流传好多年的段子：记者在火车上问大家有没有买到票。

记者不会那么傻的，但很多人把这个段子当做幸存者偏差的案例，倒是真的在犯傻。

和上面的产品经理不同，记者只要在火车站做采访，就能获取到买票结果的随机样本。但是，段子里的记者选择了在火车上做采访，这导致调研样本出现了严重偏差，无法代表整体，结论自然是可笑的。

产品经理没得选，只有幸存者数据；记者有的选，但选择了错误的样本。

所以记者的段子是一个自选择偏差，而不是幸存者偏差。

如何避免幸存者偏差

对于如何避免幸存者偏差，《简单统计学》里面只说要做前瞻性研究，这几个字实在是太简单了，所以我稍稍补充一下。

为什么会出现幸存者偏差？因为只有「活着的人」在说话。

所以想要避免幸存者偏差，就要想办法让「死人」也说话。

怎么做呢？

■首先要有全面的、详细的数据记录。

在项目开始之前，就要梳理出流程中的关键环节，并且做好每个环节的数据记录工作，这样在对项目复盘、分析时，手里的数据才是全面的。

所以APP要做数据埋点，投广告要做数据监测，飞机也要装黑匣子。

■其次，拿到数据的时候，别着急分析，先反问下自己：

拿到的样本、数据是不是完整的？样本能否代表整体？有没有哪些数据没有统计到？

如果确定数据不完整，那么想办法补全数据才是首要工作。

■最后，别盲从、别轻信。

如果一个结论违背常识，那么一定要多想一想，是常识错了，还是结论错了。

如果你的常识没错，那么别人拿这个错误结论来吹牛的时候，你就可以啪啪打脸了。

比如开头的问题：为什么坠落楼层越高，猫的死亡率越低呢？

这个结论明显有悖常识，爬的越高，摔的越惨才对。

而这个结论的原因，就是幸存者偏差：有些猫掉下来之后，直接去往猫之天国了，根本没有被送往医院，自然也就没有被医院统计到。

最后，引用《简单统计学》里面一句话作为结尾：

我们没有看到的数据可能和我们看到的数据一样重要，甚至更加重要。

不要忽视幸存者偏差。