管理决策

管理决策

管理决策研究人在信息、时间、认知资源和组织约束下如何判断、选择与行动。课程以心理学和行为决策为主线，先用完全理性模型建立规范参照，再解释有限理性、启发式和认知偏差，随后进入选择陷阱、风险决策、群体决策与决策树。

本页综合 2025 年 9 月 16 日至 11 月 4 日的 12 份课程材料。它保留课堂反复出现的分析主线，不按日期逐篇复述；课堂例题、小组汇报、自动字幕和课件 OCR 的证据等级分开标注。管理决策的结论通常是条件性的：同一工具在不同目标、概率、参照点、组织关系和执行环境下，可能产生不同结果。

课程概览

学习目标

• 建立规范参照：把界定问题、形成选项、设定标准、评估结果和选择方案组成可检查的决策过程。
• 理解现实限制：识别信息不完整、时间不足、注意力有限、目标冲突和责任结构如何改变决策。
• 识别判断偏差：检查基础概率、样本量、参照点、信息框架、默认设置和情绪显著性。
• 处理风险与不确定性：区分可用概率描述的风险与缺少可靠概率的不确定性，结合期望、效用和敏感性分析比较方案。
• 改善群体判断：利用独立估计、匿名汇总、少数意见、反事实检验和事后复盘，减少从众与责任扩散。
• 把理论转成管理流程：将抽象的心理机制落到产品选项、指标展示、实验设计、评测和组织治理。

课程主线

课程与 AI 产品知识的衔接

管理决策回答的是“在什么约束下，怎样把一个选择过程做得更可靠”。它与本站其他专题分工不同：

• 产品方法论偏重需求、设计、项目和商业化流程；管理决策补充用户与管理者在流程中的实际判断偏差。
• 数据分析偏重指标、漏斗和分析方法；管理决策补充指标如何成为锚点，以及个案、样本量和基准率如何误导解释。
• 评估与评测偏重 AI 系统输出质量；管理决策补充评测者、用户和组织如何受框架、默认值与群体压力影响。
• AI 产品实战偏重场景落地；管理决策补充风险披露、人工复核、升级机制和长期用户利益。

知识地图

总体结构

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

规范模型
  ├─ 问题 → 选项 → 标准 → 权重 → 结果 → 选择
  └─ 风险 → 概率 → 效用 → 期望效用 → 方案比较
             ↓现实约束
有限理性与系统 1/系统 2
  ├─ 启发式：代表性、可获得性、锚定
  ├─ 联想与启动：信息激活后影响判断与行为
  └─ 框架与参照：同一结果因表述、比较对象和过去状态而改变
             ↓选择结构
选择陷阱
  ├─ 选项集合：诱饵效应、妥协效应
  ├─ 默认与过去：现状偏差、禀赋效应
  ├─ 信息表征：具体性偏差、设定偏差
  └─ 时间安排：多样性追求、跨期选择偏差
             ↓风险与组织
风险决策与群体决策
  ├─ 收益/损失、概率加权、损失厌恶、前景理论
  ├─ 独立判断、信息汇总、异议保护、责任分配
  └─ 决策树、敏感性分析、执行与复盘

一条可执行的分析链

1. 界定问题：明确谁在什么时间、用什么资源、为哪个目标作决定。
2. 分离事实与解释：把观测数据、主观判断、课堂案例和推测分列，不让连贯故事替代证据。
3. 列出选项与参照点：记录默认方案、维持现状的机会成本，以及决策者正在比较的对象。
4. 检查概率与信息：补充基准率、样本量、时间范围、指标口径和替代解释。
5. 比较效用与风险：区分货币结果、主观效用、收益/损失框架和不可逆成本。
6. 选择参与机制：重大决策先独立判断，再汇总讨论；记录少数意见和未解决假设。
7. 设置退出与复盘：提前规定触发条件、停止规则、观测指标和复盘日期。

偏差与校正的对应关系

核心概念和边界

完全理性与有限理性

完全理性决策模型：假定决策者拥有相关信息，列出全部可行方案，稳定地比较标准和结果，并选择理论上的最优方案。课堂将其作为规范参照，不把它当作现实中始终成立的行为描述。

有限理性：决策者受到信息、时间、知识、计算能力、注意力和资源约束，只能搜索部分方案并在可接受范围内作出选择。课堂材料使用“足够好”或满意方案表达这种结果。

有限理性不等于随意决策。它要求管理者说明：

• 哪些信息来不及搜集，哪些信息与目标无关；
• 为什么停止继续搜索，满意标准是什么；
• 哪些假设决定结论，哪些新信息会触发重新决策；
• 分析成本是否超过进一步精确化带来的收益。

边界：有限理性解释决策受约束，不替任何错误选择提供免责理由。管理者仍需识别可避免的偏差，改善信息和流程。

系统 1、系统 2 与直觉

系统 1：快速、自动、通常不需要有意识努力，依赖熟悉模式、联想和经验线索。

系统 2：速度较慢，需要集中注意力，处理复杂计算、陌生任务、冲突信息和重要比较。

直觉决策：在短时间内基于经验和模式识别作出判断。课堂以医生看影像、棋手判断局面、运动员快速反应说明专家直觉可能准确，但准确性依赖长期训练和稳定反馈。

边界：系统 1/系统 2 是课堂采用的解释框架，不是把大脑划分为两个独立器官。直觉也不必然错误，系统 2 也不自动正确；校正重点是任务结构、反馈质量、基准率和检查程序。

启发式、启动与联想

启发式：用简化线索降低判断成本的规则。代表性、可获得性和锚定都可视为课堂讨论的启发式或偏差路径。

启动效应：先出现的词语、图像或情境激活相关联想，影响后续判断、情绪或行为。课堂使用“香蕉—呕吐”、词语补全、老年词语与步行速度等例子，强调激活后的联想不等于经过验证的因果结论。

联想网络：相似性、时空联系和因果关系把概念连接起来。一个节点被激活后，相关记忆、情绪和行动倾向更容易进入加工过程。

边界：课堂案例说明的是心理机制的教学用途。佛罗里达效应、铅笔实验和茶水间人眼图案等例子的具体效应量、复现稳定性和外部有效性，不由本页重新验证；使用时应查阅原始论文和后续复现研究。

代表性偏差与可获得性偏差

代表性偏差：依据对象或样本是否符合某种典型来判断概率，忽略基础概率、样本量和随机波动。

课堂归纳的表现包括：

• 依据“像图书管理员”的人物特征，忽略各职业的基础比例；
• 认为特殊外观的彩票号码更难中奖；
• 认为连续多次出现同一结果后，下一次应当反向；
• 认为小样本和大样本同样稳定地代表总体；
• 在“琳达”式判断中把联合事件误认为比单一事件更可能。

可获得性偏差：把实例容易被回忆或想象出来，当作其发生频率或概率较高的证据。新闻冲击、情绪强度、近期经历、名人关联和生动表述都会提高可获得性。

二者区分：代表性偏差关注“像不像典型”，可获得性偏差关注“想不想得起来、构造容不容易”。一个成功创业者既可能因“像成功者”被高估，也可能因媒体故事容易回忆而被高估。

校正：提供总体分布、基准率、样本量和长期序列；要求独立估计；邀请外部专家补足成功与失败的全景；记录预测并追踪实际结果。

锚定、框架与参照依赖

锚定效应：初始数字、意见或参数成为参照点，影响后续估计，即使锚点缺少合理依据。课堂课件线索提到小米发布与饥饿营销，但 2025 年 9 月 29 日缺少匹配实录，因此本页不补写其具体论证。

框架效应：同一结果用收益、损失、存活率或死亡率等不同方式表达时，选择可能改变。框架改变的是信息呈现和心理参照，不一定改变客观结果。

参照依赖：结果的主观价值取决于相对于周围信息、过去状态或比较对象的变化，而不只取决于绝对数值。课堂以收入、促销原价、谈判假期和既有方案说明相对位置如何改变评价。

边界：参照依赖解释主观评价随情境变化，不代表所有用户都会按同一参照点反应。产品分析应记录参照点来源，并把绝对指标、相对指标和时间范围同时呈现。

选择陷阱

诱饵效应与妥协效应

诱饵效应：加入一个明显劣于某一目标选项、且通常与目标相似的选项后，目标选项因相对比较而更有吸引力。课堂使用线上订阅、印刷版和线上加印刷版的杂志套餐说明比较结构如何变化。

妥协效应：在低、高两个极端之间加入或突出中间方案后，决策者因稳妥感和比较成本降低而偏好中间项。课堂以手机价格与容量、旅游套餐和薪资—假期组合举例。

边界：诱饵效应强调“劣势参照物衬托目标”，妥协效应强调“高低极端之间的中间位置”。两者都不等于产品本身质量变好，也不保证在所有品类、样本和呈现方式中稳定出现。

现状偏差与默认效应

现状偏差：倾向维持当前状态、过去选择或不作为，即使替代方案可能更好。课堂区分外源性现状（接手的政策、流程和供应商）与内源性现状（个人长期习惯）。

默认选项：没有主动改变时，系统自动保留的方案。它降低选择成本，也可能利用惰性、复杂信息和注意力不足推动用户接受方案。

损失厌恶、禀赋效应、后悔规避和改变的不确定性共同强化维持现状的倾向。治理上应让默认项可见、取消路径清晰、续费和付费后果明确，并定期重新评估长期沿用的方案。

边界：默认设置不必然不当。合理默认可以降低操作负担，关键在于是否符合用户利益、是否透明、是否容易拒绝，以及高风险或不可逆后果是否要求主动确认。

具体性偏差与设定偏差

具体性偏差：具体、可视化、有故事的信息更容易被记住和接受，可能压过抽象但更重要的成本、性能和长期指标。课堂以冰箱外观、求职者经历表述和保险人物故事举例。

设定偏差：课堂用这个词指对易比较的量化规格过度依赖，例如像素、大学排名、GPA、实习时长、基金收益率等。数字便于排序，却可能隐藏测量口径、时间范围、风险和未量化维度。

重要边界：本课课堂语境中的“设定偏差”不等同于计量经济学或统计学中的模型设定偏误。前者关注人如何被规格呈现影响，后者关注变量遗漏、函数形式错误等模型问题。阅读或写作时应根据上下文注明含义。

跨期选择与多样性追求

多样性追求：一次安排多个未来选择时，倾向提前选择不同种类以避免未来单调；分阶段选择时，实际偏好可以随体验更新，选择可能更稳定。

跨期选择偏差：低估未来收益或成本，偏好即时的小回报而放弃未来较大的回报。延迟折扣、双曲贴现、即时情绪和等待成本都会影响选择。

课堂应用指向两类设计：长期教育或训练产品可以把远期收益拆成小步任务、即时反馈和阶段奖励；同时要透明呈现总投入、长期收益、退出成本，避免只利用即时诱因促成购买。

边界：即时反馈提高坚持度，不等于长期价值真实增加。产品评估需要区分短期转化、短期活跃、任务完成和长期结果。

期望、效用与风险态度

期望值：将每个结果乘以其发生概率后求和：

期望是概率加权平均，不代表实际结果必然等于该数值。

效用：把客观结果转换成决策者的主观价值。相同的货币结果，对不同人、不同参照点和不同时间可能具有不同效用。

期望效用理论：对每种结果的效用按概率加权，并选择期望效用较高的方案：

课堂所说的三类风险态度：

• 风险厌恶：在期望结果相近时偏好确定性，愿意牺牲部分期望收益降低波动。
• 风险中性：主要按期望价值或期望效用比较，不特别偏好确定性或不确定性。
• 风险寻求：在特定情境下愿意承担更大波动，交换更高的潜在回报。

风险与不确定性：风险通常可以给出相对可靠的结果概率，不确定性缺少可靠概率或结果结构。不能把没有依据的主观数字直接当成客观概率；不确定性下应使用区间、情景、敏感性分析和可逆试验。

信息价值：额外信息在改善选择、降低损失或提高效用时才有价值。信息数量增加不等于决策质量提高，仍需检查相关性、来源、独立性、时效和测量方式。

前景理论、损失厌恶与禀赋效应

损失厌恶：相同绝对数量下，损失带来的心理负效用通常大于收益带来的正效用。收益框架下，人可能倾向锁定收益；损失框架下，人可能愿意冒险翻盘。

前景理论的课堂表达：结果相对于参照点进入收益区或损失区，价值函数在两侧不对称：

其中，\(x\) 是相对参照点的变化，\(\alpha\) 与 \(\beta\) 描述两侧曲率，\(\lambda\) 表示损失相对收益的心理权重。课件采用 \(\alpha=\beta=0.88\) 的经验设定，并给出课堂小组数据拟合的 \(\lambda\approx1.29\)；该数值来自课堂实验，不应当作适用于总体的稳定参数。课堂同时提到小概率可能被主观过度加权，但未提供足以支撑完整概率权重函数的材料。

禀赋效应：拥有某物后高估其价值，通常表现为拥有者愿意接受的最低出售价格高于未拥有者愿意支付的最高购买价格：

所有权改变了参照点，出售会被体验为失去已有物品。课堂学生实验以手写板、马克杯和围巾等物品比较卖方报价与买方报价，方向上观察到卖方报价更高，但不同物品只有部分达到小组设定的显著性标准。

边界：损失厌恶描述收益与损失评价的不对称；禀赋效应描述所有权改变评价；现状偏差描述维持当前状态；沉没成本描述过去投入影响继续选择。四者可能同时出现，但不能互换。

阿莱悖论与模型边界

课堂用两组彩票选择说明：同一批人可能在一个问题中偏好确定性收益，却在结构相近的另一个问题中偏好高奖金的不确定方案。这样的选择组合不符合期望效用理论的独立性逻辑，被用于介绍阿莱悖论。

这个例子把规范模型和行为观察分开：期望效用理论提供一致性标准，阿莱悖论显示现实偏好受确定性、概率结构和表述影响。它不意味着期望效用计算没有用途，也不意味着所有选择都违反独立性；管理上应把模型作为基准和对照，补充参照点、损失、概率感知和执行约束。

群体决策与集体智慧

群体决策优势：成员拥有不同信息、经验和视角，适当整合可以提高问题识别和方案质量。

群体决策风险：从众、地位压力、信息共享不均、群体极化和责任分散，可能使团队迅速达成共识，却忽略反对证据。

集体智慧的条件：成员相对独立，信息和经验多样，发言机会公平，观点有合理的汇总机制。人数增加本身不保证判断更好。

建议流程：重大评审先让成员独立写出概率、标准和结论，再匿名汇总；讨论时要求解释证据，记录少数意见；指定提出、评估、执行和复盘责任，避免“大家都同意”成为无人负责。

决策树与工具边界

决策树：用决策节点表示行动，用机会节点表示随机事件，用分支表示结果和概率。它把隐含的行动顺序、信息到达、概率和结果结构显式化，可结合期望值或效用比较方案。

使用决策树时至少标注：

• 决策者可以控制的行动节点；
• 不由决策者控制的随机节点；
• 每条分支的概率来源与时间范围；
• 结果是收益、损失还是相对于参照点的变化；
• 可逆性、退出规则和后续信息；
• 概率、效用和关键假设变化时结论是否改变。

工具边界：决策树、评分表和概率模型只处理输入的结构，不能自动补齐缺失信息、目标冲突、公平性或执行责任。工具输出不是答案，管理者仍需检查数据来源、敏感性、伦理后果和组织承诺。

AI 与产品经理应用

把偏差检查嵌入产品决策

需求与方案评审

• 将“用户需要什么”拆成用户目标、触发情境、可观察行为和长期结果，避免用单个故事代表总体需求。
• 在 PRD 中单列基准率、样本量、数据时间范围、替代解释和未验证假设。
• 先让评审成员独立写方案与置信度，再汇总讨论，避免最早发言者成为团队锚点。
• 给每个关键选择写出不采用方案的机会成本和退出条件。
• 预演失败：假定方案上线后失败，逐项写出可能原因，再决定需要补什么证据。

产品选项、定价与默认设置

• 诱饵和妥协效应可以作为选项架构的实验假设，不能替代真实价值、价格透明和长期满意度。
• 默认套餐、自动续费、隐私开关和数据授权必须展示当前状态、费用、期限、影响和取消路径。
• 对高风险、不可逆或涉及第三方权益的操作，不以用户惰性作为同意依据，使用主动确认和二次检查。
• 观察长期留存、退款、投诉、取消难度和用户结果，不只看点击率和短期转化。
• 使用损失型文案时区分真实机会成本与人为制造的稀缺感，避免虚假倒计时、夸大损失和隐蔽续费。

AI 输出与人类判断

生成式 AI 会把零散信息组织成连贯叙述。连贯性提高可读性，却不能证明事实、概率或因果关系。AI 产品经理应把以下检查设计成产品机制，而不是只写在使用说明中：

• 输出同时展示证据来源、时间和覆盖范围；
• 将事实、模型推断、建议和不确定性分区；
• 对低频高损失事件，展示基准率和案例数量，避免生动个案主导判断；
• 对预测输出给出区间、置信度或情景，不把单点预测包装成确定答案；
• 对招聘、信贷、医疗、合规等高影响场景保留人工复核、申诉和升级路径；
• 让评测者独立评分，再汇总比较，降低首个答案和权威语气造成的锚定；
• 记录提示词、输入资料、模型版本、输出和最终人工决定，支持事后复盘。

实验与数据解释

课程小组复现实验对 AI 产品实验有直接启发：

1. 明确理论机制、主操控、因变量和控制变量。
2. 保持非核心条件一致，避免题目顺序、性别、需求特征和样本选择成为替代解释。
3. 把行为转成可比较指标，而不是只收集态度描述。
4. 预注册或至少提前写出预期方向和停止规则，减少看到结果后再改解释。
5. 复现失败时检查样本、操控强度、测量方式、情境和数据质量，不掩盖不一致结果。
6. 区分统计显著、实际影响、短期行为和长期价值，不把单次线上问卷推广到全部用户。

风险与项目评估

使用期望值、效用或决策树评估 AI 功能时，补充以下维度：

这套表格避免把“模型平均准确率高”直接等同于“产品值得上线”。高影响场景还要评估分群差异、误用路径、责任归属和申诉机制。

组织与会议治理

• 会前收集独立判断和关键证据，减少地位压力与群体锚定。
• 讨论中指定反方或红队，要求提出会改变结论的证据。
• 对重大方案记录概率、假设、少数意见、责任人和复盘时间。
• 将“提出建议”“批准上线”“执行变更”“监控结果”分配给不同角色或明确同一角色承担的边界。
• 复盘时比较预测与结果，区分当时信息下的合理判断与事后已知的结果，不用结果倒推当时的能力。
• 发现团队共识过快时，优先检查是否存在信息未共享、成员害怕反对或责任无人承担。

复习清单

概念检查

• 我能否区分完全理性模型与有限理性，而不把有限理性写成“可以不分析”？
• 我能否解释代表性偏差与可获得性偏差的判断线索差异？
• 我能否区分诱饵效应、妥协效应、现状偏差和默认效应？
• 我能否从参照点、收益/损失框架和风险态度解释同一概率下的不同选择？
• 我能否区分损失厌恶、禀赋效应、沉没成本和现状偏差？
• 我能否说明决策树的节点、分支、概率、效用与退出规则？
• 我能否解释为什么群体共识不必然等于集体智慧？

应用检查

• 产品方案中哪个数字可能成为锚点？它的口径是什么？
• 需求判断是否只来自几个生动案例？总体基准率在哪里？
• 默认设置是否透明、可拒绝、可撤销？
• AI 输出是否区分事实、推断、建议和不确定性？
• 评测是否由成员独立完成，并保留少数意见？
• 实验结果是否可能被样本、题目顺序、需求特征或线上作答质量解释？
• 项目是否提前定义暂停、回滚和复盘条件？

来源与日期覆盖

课堂材料覆盖

外部已验证资料

以下资料用于核对理论名称、原始命题和概念边界，不用于替换课堂材料，也不为课堂小组数据背书：

• Simon, H. A.（1955），A Behavioral Model of Rational Choice，讨论在信息与计算约束下的行为理性：Quarterly Journal of Economics。
• Tversky, A. 与 Kahneman, D.（1974），Judgment under Uncertainty: Heuristics and Biases，提出代表性、可获得性和锚定等判断研究主线：Science。
• Kahneman, D. 与 Tversky, A.（1979），Prospect Theory: An Analysis of Decision under Risk，讨论参照点、价值函数和概率权重：Econometrica。
• Kahneman, D.（2003），Maps of Bounded Rationality: Psychology for Behavioral Economics，回顾有限理性、启发式与行为经济学的关系：American Economic Review。
• 《思考，快与慢》适合作为系统 1、系统 2 和判断偏差的通俗读物；正式研究结论仍应回到论文、综述和具体实验条件。

页面整理日期：2026-08-30。外部链接与理论表述以原始出版物和官方页面为准；课堂笔记中的样本、比例、拟合参数、案例叙述和学生观点均保留其材料属性。

材料说明与局限

• 课堂概念：由讲授字幕、课件和多份日期笔记相互印证后综合，例如有限理性、启发式、选择陷阱、期望效用、前景理论、群体决策和决策树。
• 课堂案例：纽约钱包、图书管理员与快递员、股票收益/损失、杂志套餐、相机像素、大学排名、基金收益与波动等，用于解释概念，不自动构成外部事实或企业成败结论。
• 学生展示与课堂实验：代表性偏差、可获得性偏差、现状偏差、跨期选择、损失厌恶和禀赋效应等部分包含小组问卷、复现实验、样本清洗和自我反思。样本主要来自大学生或线上问卷，受样本代表性、需求特征、作答质量、操控强度和测量方式限制。
• 自动字幕：2025 年 9 月 30 日、10 月 21 日、10 月 27 日至 11 月 4 日的材料较为简略，部分数字、术语和案例可能存在识别误差；本页只写可确认的概念，不补写练习答案和未核验数据。
• 字幕混入其他课程：2025 年 9 月 29 日主要字幕属于储能材料课程；2025 年 10 月 20 日前段属于控制系统课程。两部分已从管理决策知识中排除。
• 课件 OCR 与图像线索：2025 年 9 月 29 日只能确认“大数法则”“小数定律”“锚定效应”等页面和若干案例图像，缺少匹配讲授记录，因此不把线索扩展成完整课堂内容。
• 外部研究边界：经典实验的教学叙述不等于对效应稳定性的最新评价。跨样本、跨文化和复现结果可能不同；使用具体效应量、因果结论或政策建议前，应回到原始研究与后续综述。
• 管理应用边界：偏差知识用于发现风险和设计检查，不用于给用户、员工或团队贴固定标签。产品设计尤其要同时考虑效率、透明度、可撤销性、公平性和长期利益。
• 资料缺口：当前目录没有可与 2025 年 9 月 29 日课件匹配的课堂实录，也没有提供各次课程的正式教学大纲、作业要求、考试范围和完整板书。因此本页不推测课程顺序、考核权重或缺失课次内容。

发现错误？想一起完善？ 在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用