救200人或犧牲3分之2的人?「框架現象」影響的認知偏見,如何操縱你的大腦?
救200人或犧牲3分之2的人?「框架現象」影響的認知偏見,如何操縱你的大腦?

人類進行決策時會有缺失與弱點,而認知心理學家丹尼爾.卡尼曼(Daniel Kahneman)與埃姆斯.特沃斯基(Amos Tversky),就是揭開此缺失與弱點最強而有力的其中二位代表。他們兩人的研究已為現在所熟知的行為經濟學奠定了基礎。為了表彰他們的成就,卡尼曼於2002年獲頒諾貝爾經濟學紀念獎(特沃斯基於1996年時已逝)。 他們所提出的首批認知偏見中的一項,證實了提問的方式(也就是問題被「框架」的方式)會影響問題的答案。

卡尼曼與特沃斯基在他們其中一個經典框架研究中,讓受測者觀看一段特殊疾病爆發的影片,這場疾病預估會造成600人死亡。他們給受測者2個對抗疾病爆發的方案,請受測者從中選一:

  1. 如果採用計畫A,可保全200人的性命。
  2. 如果採用計畫B,有三分之一的機率可以救活所有人,但有三分之二的機率會造成全部人死亡。

換句話說,就是要在「200人被拯救這個確定結果」與「全部人死亡還是活命這個不確定結果」間進行選擇。(這裡要注意,如果一次又一次地進行計畫B,平均下來能救活的人數也是200人)。這個問題的答案沒有對錯,只是面對可怕情況採行不同方式罷了。

他們發現在此研究中,有72%的受測者選擇保證救活200人的選項(計畫A),而有28%的人選項賭一把,希望能拯救所有人。在研究的第二部分中,卡尼曼與特沃斯基讓另一群受測者觀看相同的選項,只是以不同的文字來描述選項。

  1. 如果採用計畫A,會造成400人死亡。
  2. 如果採用計畫B,有三分之一的機率可以救活所有人,但有三分之二的機率會造成全部600人的死亡。

第二部分研究中的選項A與B都同於第一部分研究,唯一不同處就是用字上的差異。可是,卡尼曼與特沃斯基卻發現在第二部分研究中,人們的決定全然相反,大部分受測者(78%)選擇B,這與第一部分中只有28%的人選擇B的情況截然不同。換句話說,以「600人中會有400人死亡」框架起的選項,比起「600人中會有200人存活」的框架選擇,更容易促使人們去採納那個像是場賭博的選項;「一定可以拯救33%的人」是人們可接受的情況,但「必定會造成67%的人死亡」,則是我們所不能承擔的後果。

shutterstock_choose_628419449.jpg
圖/ 053StudioSign via Shutterstock

保留?失去?用字不同的選擇決策

框架效應已經被重複實驗了許多次,其中還包括在實驗進行時同時對受測者進行大腦掃描的研究。有篇框架研究包含了多回合的投機判斷,每一次實驗開始時都會先讓受測者拿到一筆錢。舉例來說,在第一回合中,受測者會拿到50美金,並被要求在下二個選項中做出選擇:

  1. 保有30美金。
  2. 賭一把,有一半的機率可以保住全部50美金,但也有一半的機率失去全部的錢。

受測者並沒有真的拿到這筆錢,所以事實上也非真的持有或失去,不過他們有強烈動機想要表現出色,因為領到的車馬費是以贏錢的比例做為依據。給予受測者上述二個選項後,在 43%的情況下,他們會選擇賭一把(選項一)。接著再把選項一的用字修改,並給同一批受測者進行選擇。新的選項如下:

  1. 失去20美金。
  2. 賭一把,有一半的機率可以保住全部50美金,但也有一半的機率失去全部的錢。

當選項一框上了「失去」這個框架時,人們選擇賭一把的情況增為62%。雖然保有50元中的30元與失去其中的20元是一模一樣的意思,但用「失去」來框定問題讓可能失去整整50元的風險更容易被人所接受。在20位實驗受測者中,當選項是以「失去」來陳述時,每一位都曾決定要多賭點。明顯地,任何一位宣稱自己的決定是立基於理性分析的受測者,可是大錯特錯了。

雖然與「保有」框架選項相比,所有受測者在「失去」框架的選項中都有多賭點的情況出現,但這其中還是存在著相當大的個別差異: 有些人在選項一以「失去」為框架時,賭賭看的情況只會多一些,但有些人卻是大賭特賭。 我們可以說,在「失去」框架中只多賭一點的人較具理性,因為問題的用字對於他們的決定只有輕微影響。有趣的是,受測者「理性」的程度與他們前額皮質區(也就是眼眶額葉皮質)的活動量具有相關性。這與一般認為大腦前額區域在進行理性決斷上扮演重要角色的想法一致。

卡尼曼與特沃斯基的另一篇研究顯示,在二種治療方式中,醫生該建議病人採用哪一個治療方式,會因此位醫生是否已被告知其中某種方式僅有10%的存活率或90%的死亡率,而影響其判斷。

在卡尼曼與特沃斯基進行研究之前,多數商人就已深知框架的重要性。所有廠商一直都知道,必須以本公司產品價格比其他公司產品便宜10%,而非僅為其他公司產品90%的方式來打廣告。同樣地,某個廠商也許會宣稱自家產品為「少了50%卡路里的低脂巧克力糖霜球」,但他們絕不會以「仍有50%卡路里的低脂巧克力糖霜球」的說法來行銷。在某些國家,顧客若以信用卡消費,會比以現金付費多付一些手續費(因為信用卡公司通常會抽走1%~3%的購物金額)。但信用卡與現金的金額差異,總是被框架成付現有打折的模樣,而不是信用卡外加手續費的實際情況。

credit card
圖/ shutterstock

拜登與布萊德彼特年齡為何?題目順序影響錨定現象

卡尼曼與特沃斯基在另一個經典的實驗中,描述了另一種認知偏見: 錨定現象 。他們在這篇研究中請受測者想一想,非洲國家在聯合國中所佔百分比是否高於或低於某一特定值:其中一個受測組所給定的值為10%,另一組則為65%。(實驗者讓受測者相信這些數字是隨機取樣得出)。接下來請受測者預估非洲國家在聯合國中所佔百分比為多少。10%與65%這二個數字的作用就是「錨定」,實驗結果顯示這會影響受測者的估計值。在錨定數值低(10%)的那一組中,平均估計值為 25%,而錨定數值高(65%)的那一組所估算出來的平均值竟高達45%。 錨定偏見呈現出「人們對數字的估算會受到無關數字影響」的情況。

坦白說,一直以來我總是有些懷疑,像錨定作用這樣的認知偏見到底有多強大,所以我自己進行了一個非正式的實驗。我對遇到的每一個人都問了2個問題:

(一)你覺得副總統拜登(Joseph Biden)的年紀多大?
(二)你覺得演員布萊德彼特(Brad Pitt)現在幾歲?

每次詢問時我都會對調問題的次序。所以我就有了順序不同的二組:一組是先問總統拜登的年紀,再問布萊德彼特(拜登/布萊德彼特組);另一組則是先問布萊德彼特的歲數,然後再問總統拜登(布萊德彼特/拜登組)。

我最先感受到的驚人發現是,自己認識的人竟然有50個之多。後續進行統計後我有了第二個發現,布萊德彼特/拜登組的年紀平均預估值為布萊得彼特42.9歲、拜登61.1歲;而在拜登/布萊德彼特組中,則是布萊德彼特44.2歲、拜登64.7歲(布萊德彼特於實驗當時的年紀為45歲,而拜登為66歲。)先以布萊德彼特的年紀「錨定」後,對於拜登年紀的估算明顯較低。

而以拜登的歲數錨定後,對布萊德彼特年紀的估算則較高;不過這個差異在統計上並沒有意義。當人們需要進行猜測估算時,錨定作用才會出現,若是詢問美國人美國共有幾州這種答案確定的問題,無論用什麼來錨定,都不會有效果。看起來布萊德彼特對於拜登歲數估計的影響,比起拜登對於布萊德彼特年紀的影響可能要來得大,因為人們對布萊德彼的年紀估計較接近實際情況(取樣的區域是我自己的居住地洛杉磯)。

估算拜登年紀時因布萊德彼特歲數所產生的誤導,對現實生活似乎沒什麼影響。不過在其他情況中,錨定作用則是一個非常容易被利用的方式。我們都聽過有些人士對大公司提告所求償的天文數字—最近一個案例是陪審團認定一家香煙公司要賠償一位人士3億美元的案件。這些天文數字不單單是因為陪審團對數字0的模糊認識所造成,也代表著一種藉由訴訟產生錨定效應的合理策略,也就是在審理過程中將大筆數值深植陪審團心中。同樣地,在進行薪資協商時,錨定效應似乎也扮演著重要的角色,特別是當雙方都不清楚此職位的薪資價值時。一旦其中一方開始提出一個薪資價碼時,它就可能成為雙方所有後續討價還價的錨定了。

shutterstock_加薪怎麼談?加薪範例、SOP一次學!向老闆提加薪必讀_salary.jpg
圖/ shutterstock

無所不在的日常偏見,來自生活事件的脈絡

框架偏見與錨定偏見的特點都是「先前事件會影響後續決定」 ,所謂的先前事件像是一個問題的用字或是某個給定的數字等等。從演化的觀點來看,因為語言與數字本身都是新產物,這些特定偏見顯然是最近才現身的。但框架與錨定現象不過就是極其一般的現象,也就是事件的脈絡會對後續發展造成影響而已。

如果人類不是「以事件脈絡為依據」的生物,那麼就什麼都不是了,而語言則是我們取得事件脈絡的眾多資源之一。一個音節的「意思」部分是根據出現在它前面的音節是什麼來決定(如today/yesterday;belay/delay)。一個字的意思也常由出現在它前面的字眼來決定(如床蝨臭蟲/電腦臭蟲;大狗/熱狗)。而一段話的意思會因說話者與場所的不同而受到影響(「He fell off the wagon」這句話的意思會因你所在地點而所有不同,若在遊樂場聽到則是「他從車上掉下來」的意思,但在酒吧中,就成了「舊癮重發」之意了)。如果不小心割傷手,你的反應會因獨自在家或是在商務會議中而有所不同。如果有人說你是怪人,你的反應也會因這人是你最好的朋友、是上司還是陌生人而有所不同。所以事件的脈絡才是關鍵。

我們會因為一個選項被框架為「有三分之一的人能存活」或「有三分之二人會死亡」而受到影響,這是件非常不理性的事情。但這種可互換的說詞代表的卻是不同的意見。在多數情況下,人們的用字遣詞並非恣意獨斷,而是刻意用來表達事情的脈絡以及提供額外的溝通管道。如果兩個選項分別為「三分之一的人能存活」以及「三分之二的人會死亡」,也許發問者正在給我們第一個選項比較好的暗示。

的確,我們都在不自覺地情況下自主地使用了框架效應。我們之中的任何一個人,在面對十分震驚的兄弟姐妹時,會以「爸爸有50%的機率會死」而非「爸爸有50%的機率會存活」來轉述緊急手術的預期結果嗎?雖然多數人不會刻意思考要如何框架問題與自己的說法,但我們直覺地就會抓到框架的要點。就連小孩也知道,在爸爸問他們是否吃完自己那份蔬菜時,最好以「我幾乎把蔬菜吃光光了」而非「我還留了一些蔬菜在碗中」這樣的框架來回答。 框架與錨定偏見不過就是,我們對事情的來龍去脈最好不要那麼敏感的例子罷了。

大腦有問題_修訂版_立體書封
圖/ 商周出版

本文授權轉載自《大腦有問題?!──大腦瑕疵如何影響你我的生活》,Brian Clegg著,商周出版

責任編輯:蘇柔瑋

往下滑看下一篇文章
門市越展越多,如何降低管理與維運負擔?不用全面汰換設備,也能逐步升級智慧化多據點管理
門市越展越多,如何降低管理與維運負擔?不用全面汰換設備,也能逐步升級智慧化多據點管理

快速展店背後的挑戰 如何降低跨據點管理與維運負擔

對連鎖零售企業而言,展店代表商機與成長,但當門市數量快速增加,營運與管理的複雜度也隨之提升。尤其對便利商店(C-store)、餐飲連鎖與其他高密度展店型態的企業而言,總部需要面對的不只是據點數量增加,更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理,往往以單一門市為單位,各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形,或進行跨區域管理時,往往需要投入大量人力逐一確認資訊,不僅增加管理負擔,也提高維運成本。

此外,零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝,甚至調整營運規模。傳統一次性設備投資模式,容易讓企業在面對據點變化時缺乏彈性,也增加設備重新配置與後續維護的負擔。

因此,現代零售企業所需要的不只是單純記錄事件的設備,而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊,並支援未來智慧應用發展的智慧化管理架構。

晶睿通訊-2.png
圖/ 晶睿通訊

從既有設備開始升級 降低全面汰換設備的轉型負擔

面對智慧化轉型需求,許多企業最大的挑戰並非是否需要升級,而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言,全面汰換既有架構不僅成本高,也可能影響門市日常運作。因此,能夠兼容既有設備並逐步升級的彈性架構,成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構,企業可以從既有設備開始,逐步整合不同據點的安全資訊與管理需求,同時導入雲端管理能力。相較於一次性重新建置,新一代平台架構能協助企業延續既有投資價值,並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外,訂閱式雲端服務模式和混合雲安防架構,也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理,企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整,精準配置資源,降低一次性投入壓力,也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言,安全管理不再是一套固定且難以調整的架構,而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理,或因應營運策略調整,都能以更彈性的方式完成管理升級。

晶睿通訊-3.png
圖/ 晶睿通訊

AI 不只是安防工具 更開始協助零售提升營運效率

隨著 AI 技術快速發展,安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤;如今,智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為,協助企業從「看見發生什麼」進一步「理解正在發生什麼」,甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言,AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則 讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測,協助門市減少人工查看影像的需求。而進一步透過 Think Alert,管理者更可以直接以自然語言設定客製化的偵測條件,將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例,店員往往需要同時處理結帳、補貨與顧客服務,總部也難以持續掌握每個據點的即時狀況。透過 Think Alert,管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境;當符合設定條件的畫面出現時,系統即可主動發出警報,協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言,這代表 AI 不只是協助辨識既定事件,更能依據不同營運需求,讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查 Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後,如何從大量、多據點的影像中找到關鍵人物與事件脈絡,往往是最耗費人力的環節。透過 Think Search,管理者可以直接用自然語言描述想尋找的對象與情境,例如,當家長反映孩童可能在門市附近走失時,店員或總部人員不需要逐一查看不同攝影機的錄影畫面,只要在 Think Search 輸入「昨日上午,牽著小女孩的男性」等自然語言描述,系統即可協助從大量影像中篩選相關畫面,快速找到相關人物可能出現的時間與位置。若需要進一步追蹤,還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault,建立事件時間線與人物移動路徑,協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運 讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景,若顧客將手機、包包等物品遺留在座位或櫃台附近,遺留物與遺失物偵測可以協助門市人員更快發現異常,主動確認並協助顧客處理失物問題;人流分析則能協助企業掌握不同時段的門市活動趨勢,作為空間配置與人力安排的參考;車牌辨識可應用於停車區域或門市周邊管理,而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用,企業能在既有設備基礎上,進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言,AI 的價值已不只是「看得更清楚」,而是讓企業更快發現問題、更快找到資訊,並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則,到 AI 搜尋與事件調查,再延伸至顧客服務與營運分析,雲端安防平台正讓影像從被動的紀錄工具,逐步成為支援多據點安全管理與營運決策的重要資訊來源。

晶睿通訊-4
圖/ 晶睿通訊

85°C 北美導入 VIVOTEK AI 雲端安防平台 加速 80+ 門市智慧營運升級

隨著零售產業持續朝向多據點與數位化營運發展,如何在快速展店的同時兼顧營運效率、安全管理與服務品質,已成為企業的重要課題。

為支援持續拓展的營運需求,85°C Bakery Cafe 北美導入 VIVOTEK VORTEX AI 雲端安防平台,透過雲地整合架構與 AI 智慧應用,將原本分散的監控系統整合至單一平台,全面提升多據點管理效率、事件處理速度與日常營運效能。

此案例呈現零售企業如何從既有設備與架構出發,分階段導入雲端安防平台,並為未來智慧化管理與 AI 應用建立基礎。

閱讀完整案例

85°C Bakery Cafe North America 如何透過 VIVOTEK 雲端安防平台打造更智慧的門市管理模式

觀看案例影片

了解 85°C Bakery Cafe North America 如何應用 VIVOTEK VORTEX AI 雲端安防平台

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓