運氣也是實力!研究指出:跟成功人士相比,你可能只是少了一些運氣罷了

才華跟成功並非毫不相關。通常而言,那些才能更出色的人利用運氣賦予的機率,的確提高了成功的機率。模擬也發現,最成功的人大部分才能至少在平均水平線上。所以才能對成功是有影響的。 不過,才能絕對不是成功的充分條件,因為最有才能的人很少是最成功的。一般來說,才能普通但運氣很好的人要比更有才但不太走運的人成功得多。最成功的人往往是那些才能僅僅比平均水平高一點但是運氣特別好的人。
評論
Photo credit: @aldric on Unsplash
評論

原文刊登於 36Kr ,INSIDE 獲授權轉載。

人人都渴望成功。市面上的成功學已經達到了泛濫的地步。一般認為,成功跟才華、技能、意志力、艱苦工作、韌性、樂觀、成長心態等個人特質有很大關係。但是最新的科學研究和模擬發現,其實我們忽視了運氣和機遇扮演的角色。為什麼你沒有取得成功,有時候真的是運氣比別人差點而已。但是,我們目前的環境和政策也有關係,助長了富者愈富貧者愈貧的馬太效應。《Scientific American》的這篇 文章 值得大家認真思考一下。

成功需要什麼條件?最成功的人士有什麼秘密?從《成功》、《富比世》、《Inc》、《Entrepreneur》這些雜誌的受歡迎程度來看,眾人一點都不缺對這類問題的興趣。不過其中的一項根本假設是,我們能夠從那些成功人士身上學習,是因為他們能走到今天得益於他們的個人特質——比如才華、技能、意志力、艱苦工作、韌性、樂觀、成長心態等。這個假設不僅是成功學雜誌的基礎,也是我們給社會分配資源的方式,從工作機會到名譽,從政府補助到公共政策制訂,莫不如此。我們往往把資源賦予那些有過成功史的人,而且往往忽略那些曾經不成功過的人,假定最成功的人也是最勝任的。

但這個假設真的對嗎?我的整個職業生涯都奉獻給了對那些可以預測成就和創造力的心理特徵研究當中。儘管我發現了一定數量的特質(包括熱情、毅力、想像力、好奇心、經驗、開放性)的確顯著地解釋了成功方面的差別,但我往往也對其中的大量差異往往無法解釋非常感興趣。

近年來,若干研究和書籍(作者包括風險分析師 Nassim Taleb、投資策略家 Michael Mauboussin、經濟學家 Robert Frank 等)認為,在一些領域,包括金融交易、商業、體育、藝術、音樂、文學以及科學,運氣和機會所扮演的角色可能要比我們想象的要大得多。他們的觀點不是說運氣就是一切;才華當然也很重要。但數據表明,如果我們僅僅關注個人特質就想理解成功的決定因素的話,那就錯失了成功非常重要的一環。

不妨看看一些最近的發現:

  • 全球不同人之間的收入差異有一半可以用居住國和該國的收入分配來解釋
  • 科學影響力是隨機分布的,只是高生產力對科學職業中的高影響力工作的機率存在有限影響
  • 成為 CEO 的機率受到名字或者出生月份的影響
  • 生於 6、7 月的 CEO 數量要比出生在其他月份的 CEO 數量少很多
  • 姓在字母表中排前面的更有可能在頂級部門獲得職位
  • 顯示中間名縮寫可增加對此人智力和成就的肯定性評價
  • 名字容易發音的人相對於名字發音困難的人會得到更積極的評價
  • 在法律職業上名字男性化的女性更成功。

運氣這個隱藏因素的重要性提出了一個很有趣的問題:那些最成功的人是不是大部分都是我們社會中最幸運的人呢?如果這個結論哪怕稍微有一點點正確的話,也會對我們如何分配有限的資源,以及富人和成功人士真正造福社會(而不是透過變得越來越富、越來越成功而利己)產生重大影響。

為了弄清楚這項重大問題,義大利物理學家 AlessandroPluchino 和 Andrea Raspisarda 與義大利經濟學家 AlessioBiondo 一起合作,開始了史上對運氣和才華在事業成功中所扮演的角色進行量化的第一次嘗試。他們在之前研究中曾警告不要採用「幼稚的精英管理」,這種制度下由於低估「隨機性」在成功的決定因素中所扮演的角色,大家其實並沒有把榮譽和獎勵給最稱職的人。為了從形式上捕捉此現象,他們提出來一個「玩具數學模型」來模擬一群人 40 年(從 20 歲到 60 歲)職業生涯的職業演變情況。

▲模擬的初始設定 N=100 個個體
▲模擬的初始設定 N=100 個個體

這幾位義大利人對大量假設的個人設定了不同程度的「才華」,然後再讓他們展開自己的整個職業生涯。他們把才能定義為一組可以讓人利用機會的個人特質組合。包括智慧、技能、積極性、果斷、創造性思維、情商等都算是才能。關鍵是有才華的人更有可能從給定機會中受益最大。

所有人在模擬一開始都被賦予了相同的成功程度(10 個「單位」)。每隔 6 個月,不同的人都會經歷一定數量的幸運事件(綠色)和不幸事件(紅色)。當個人遭遇不幸事件時,其成功就會減半,而當碰到幸運事件時,成功就會相對個人才能翻倍(這樣是為了反映現實世界中才能與機會的互動)。

最後他們發現了什麼呢?首先,他們複製了知名的「帕累托法則」,也就是最終只有一小部分人取得大部分的成功(Richard Koch 也稱之為「80/20 原則」)。在這 40 年仿真的最終結果中,儘管才能是常態分布的,但成功卻不是。20 位最成功的個人拿走了成功總量的了 44%,而將近一半人口的成功仍然低於 10 個單位(也就是初始設定值)。這個跟現實世界的數據是一致的,儘管有人認為在現實世界,財富成功的分布甚至更加不平衡,8 個人的財富就相當於全球最貧窮的一半人口的財富總和。

儘管如此不平衡的分布看起來也許很不公平,但如果最成功的人的確是最有才華/最勝任的人的話,結果可能也還說得過去。那麼仿真的結果如何呢?結果發現,才華跟成功並非毫不相關。通常而言,那些才能更出色的人利用運氣賦予的機會,的確提高了成功的機率。模擬也發現,最成功的人大部分才能至少在平均水準線上。所以才能對成功是有影響的。

不過,才能絕對不是成功的充分條件,因為最有才能的人很少是最成功的。一般來說,才能普通但運氣很好的人要比更有才但不太走運的人成功得多。最成功的人往往是那些才能僅僅比平均水準高一點但是運氣特別好的人。

不妨看看最成功的人和最不成功的人在模擬中的演變情況:

▲最成功和最不成功者的演進情況(左:最成功的人;右:最不成功的人;上:成功得分;下:運氣情況)
▲最成功和最不成功者的演進情況(左:最成功的人;右:最不成功的人;上:成功得分;下:運氣情況)

如你所見,高度成功的人(綠色)一生中都有一系列非常幸運的事件伴隨,而最不成功的人(紅色,甚至比其他人更有才華)一輩子遭遇的倒霉事件實在是多得難以忍受。正如作者指出那樣,「在不幸的狂暴之下,哪怕是再有才華的人也無能為力。」

人才損失無疑是不幸的,無論是對個人還是社會都是。那麼怎麼做才能讓那些最有能力利用機會的人得到最需要的機會呢?我們接著來探討這個問題。

意外刺激新發現

很多英才教育策略往往根據某人過去的成功來賦予其榮譽、資金或者獎勵。用這種方式選人就會製造出一種富者愈富貧者愈貧的態勢(往往又叫做「馬太效應」)。但這真的是發揮最大潛能的最有效策略嗎?下面這兩種哪一種才是對世界產生最大影響的資助策略:把大量撥款給予少量之前成功的申請者,或者把少量撥款分配給眾多成就一般的人?對於資源分配來說這是一個根本性的問題,需要有實際數據作為支撐。

關於這個問題不妨看看 Jean-Michel Fortin 和 David Currie 進行的研究,其課題是想瞭解撥款額越大是不是能導致更重大的發現。他們發現經費和影響力(用科學出版物的 4 個指標衡量)之間的確存在正相關,但是關係非常弱。此外,那些得到第二次撥款的人在成效方面並不比只拿到過一次撥款的人強,而且影響力一般是經費的遞減函數。

作者認為,對於社會來說,更加傾向多樣性而不是「英才」的資助策略可能會更有成效。研究人員在最近的一項研究中調查了過去 15 年魁北克 12720 位獲得經費的研究人員情況。他們得出結論說「無論是論文數量還是科學影響,手握大量研究經費的所謂『精英』研究人員的產出往往呈邊際效益遞減。」

歐洲研究委員非常看重這類發現,最近他們授與生物學家 Ohid Yaqu 170 萬美元,因為後者恰如其分地確定了科學意外發現(serendipity)的範圍。Yaqub 想出了一個意外發現的多維定義,並且確定了科學意外發現的一些機制,其中包括敏銳觀察,「受控的馬虎」(允許意外事件發生同時跟蹤其起源),以及一群科學家的協作行動。這個研究結果跟 Dean Simonton 對意外發現和機會,在有影響力的創造性科學發現中,經常扮演重要角色是一致的。

在此基礎上,模擬了運氣在成功中角色的那支義大利團隊又開始了進一步的模擬:扮演上帝(姑且這麼說吧)。他們探索了若干資助策略的效率問題,在 40 年的模擬時間內每 5 年在不同人身上運用不同的資助策略。

在沒有任何資助的情況下,我們已經看到最成功的人是最幸運而才能一般的人。但是在引入了不同的資助機會之後模擬又會出現什麼情況呢?

上面這張表按降序顯示了 40 年期間最有效(需要資金量最少投資回報最高)的資助策略。從底部看起,你會發現最低效的資助策略是那些把一定比例的資金只分給已經是最成功的人。而「混合」策略,也就是把一定比例資金分給最成功的人,同時把剩餘資金平均分配出去,這種策略效率稍微高些,但是隨機分配資金的話效率甚至還要高。最後這條發現很有趣,因為這跟其他研究發現是一致的。一些發現認為,複雜的社會和經濟背景下運氣扮演了一定的角色,那些吸收了隨機性的策略執行表現要好於基於「幼稚的精英管理」辦法。

儘管如此,但模擬發現最好的資助策略是資金平均分配給每個人。如果以每 5 年一個單位的節奏來分配資金的話,60% 最有才華的人的成功都要高於平均水準,而以每 5 年 5 個單位的速度分配資金的話,最有才華的人 100% 均產生影響!也就是說,如果金主或者政府錢多的話,最好是把額外的錢分配給每個人,而不是全部都給選定的少數人。正如研究得出的結論那樣,如果目標是獎勵最有才能的人(進而提高其最後的成功程度),把資金定期平均分配給所有人而不是把大量資金分配給(透過之前的成功程度篩選出來的)少數人會更好。

刺激環境

且慢,這些不可思議的義大利研究還沒完!嘿,如果你扮演上帝的話,為什麼不一路走下去呢?(於是他們又模擬了個人所處環境的各種變化。利用此框架,他們模擬了一個非常具有刺激性的環境,為每個人都提供了豐富的機會(比如美國這樣的工業化富國),同時也模擬了一個刺激少一點的環境,只提供非常少的機會(比如第三世界國家)。以下就是他們的發現:

▲生活在機會豐富環境下最成功的人(上)與生活在機會匱乏環境下最成功的人(下)
▲生活在機會豐富環境下最成功的人(上)與生活在機會匱乏環境下最成功的人(下)

看看機會豐富環境下的結果分布(上)與機會匱乏環境下的結果分布,它們之間有何不同呢?在上圖的模擬結果中,一些才能中高等的人能夠取得很高水準的成功,而且才能中高等的人至少達到成功平均水準以上的人數也相當高。相反地,在下圖的模擬結果中,社會的總體成功水準較低,平均只有 18 人提高了原先的成功程度。

結論

這次模擬的結果和其他基於現實世界數據進行的研究結果是吻合的,均強烈認為運氣和機遇在決定個人最後的成功程度中扮演了一定的角色,而且並未受到充分的賞識。正如研究指出那樣,由於獎勵和資源通常被分配給那些已經得到很高獎勵的人,這往往會導致那些最有才華的人(比如最有潛能從資源中獲益的人)懷才不遇,而且分配機制也不重視運氣的重要性,後者往往在創意過程中自發顯現。研究人員認為以下因素對於賦予人們更多成功的機會都很重要:機會豐富的刺激環境,良好教育,強化訓練,以及分配資金和資源的有效策略。他們認為,就宏觀分析來看,任何可影響這些因素的政策都會導致社會取得更大的共同進步和創新(且不說任何個體極高的自我實現)。


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。