留意你公司里的「河马效应」！
原创：MarTechApe
河马，被拿来形容，一个会议室里收入最高的人（HiPPO, Highest Paid Person's Opinion）。
当一个“河马”加入会议时，他很有可能会影响其他人的判断，导致最终没有依赖真实的数据去做决策。即使是在数据驱动的科技公司中，河马效应仍然阻碍着人们使用证据和数据来作为决策的基础。如果组织内部忽略数据对决策过程的重要性，而仅仅只是附和“河马”的想法，那么这个组织未来很难有大的发展。所以今天我们来近距离看一下这个潜移默化影响着决策过程的社会心理学概念——河马效应。
什么是河马效应？
Avinash Kaushik 在他的《网络分析：每天一小时》('Web Analytics: An Hour a Day') 的书中，率先提出“河马效应”的概念，意为：当“河马”在会议现场，并且会议需要做出一个较难的决定，可没有足够的数据结论来帮助我们判断决策是否正确时，团队通常会听从于这位“河马”的判断。“河马”们通常是当场最有经验和权势的人。一旦他们表达了自己的意见，反对的声音就被排除了。在某些情况下，一些人便不敢公然反对“河马”的指示，即便他们并不认同。
为什么河马效应是危险的？
首先，正如1963年著名的社会心理学实验“权利服从研究”（又称Milgram实验）中所证明的那样，人们有一种权威偏见的趋势，而这一结论在后续的研究中也被再次肯定。Milgram的实验关注于“服从权威人物”和“坚持我们内心”之间的冲突。事实证明，我们倾向于相信那些被我们视为“专家”的人，并去做他们让我们做的事情。当然，这种趋势在许多情况下对我们都有好处，但是在工作场合中，这会让团队听不到其他的声音，同时这也意味着我们失去了一些原本可以出现并且有价值的意见。
▲米尔格伦实验（Milgram experiment)，又称（权力服从研究， Obedience to Authority Study）是一个非常知名的针对社会心理学的科学实验。实验的概念最先开始于1963年由耶鲁大学心理学家史坦利·米尔格伦（Stanley Milgram）发表在《变态心理学杂志》中。实验内容概括为，人们多大程度上会遵循“权威”的命令去伤害（电击）他人。
鹿特丹管理学院的一项研究发现，与初级领导者（Junior Managers）带领的项目相比，由更资深的领导者（Senior Leaders）带领的项目更有可能失败。这是因为，初级经理可以从他人那里获得对项目的建议和批评，从而帮助他们制定出更强的计划。而员工们却不敢或不太愿意向更资深的领导者提供批判性的反馈。
的确啊，“河马”经历过成功和晋升，也经常在组织中获得认可和一致的意见，人们当然容易相信他的想法就是最佳想法。但当团队中的其他人默许领导者的想法，而不给予一点点质疑时，这只会徒增领导者的自信和优越感，这对团队和目标无益。哎，当恶性循环开始，就很难停止了。
举个真实的例子。当Apple的零售总裁Ron Johnson接任 J.C. Penney 的CEO时，他就经历了河马效应之苦。Apple的零售门店和J.C. Penney的情况是非常不同的，Ron在没有审查现有数据或投资新数据的情况下，他便一股脑地为公司的连锁百货定下了战略。而当他的策略实施后，Ron想去检查这个策略是否凑效时，几乎没有人有勇气坦诚地告诉他真相，也没人想被贴上“阻力”的标签。不用说，Ron的策略在 J.C. Penny的客户群上，完全不起作用。
▲Ron Johnson是打造苹果零售店背后的“天才”，却差点为JCPenny制造灾难。他上任后通过取消打折来摆脱价格对品牌价值的潜在伤害，同时试图通过淘汰收银台，让营业员变身成为千万个销售点，进而让消费者能够更加便捷的消费。但是JC Penny的用户人群与Apple截然不同，他们需要折扣，也需要营业员的帮助。Ron Johnson曾在采访中说“我所有的想法，几乎都是靠直觉。我在零售业呆了30年，我浸泡在其中。”
一旦“河马”表达了自己的观点后，如果没有数据，组织将很难反对该观点。而这时，“河马”的权重会超过在决策过程中其他所有人的声音。希望融入团队并参与讨论的好领导，不会希望他的想法在团队中占有极端的比重。但员工会想要取悦领导，并且去做领导者想要让他们去做的事情。
这时，“河马”的观点被视作事实，但实际上他们的观点也是主观的。如果没有其他研究或数据来支持，所有的计划都关注于如何满足领导的需求时，这会是一个非常严重的问题。这不仅会增加成本、浪费时间、挫败信心，它还会让整个团队朝着错误的方向，采取错误的行动。
四招教你如何淡化“河马效应”
第一，去个人化（depersonalize）
你需要用数据来将决策进行“去个人化”。尽管在实际情况中织内的决策仍然会在多多少少依赖于直觉，但我们应以数据提供的洞察为依据。《哈佛商业评论》发现，虽然有高达73%的受访者依赖数据做决策，但有84%的受访者在做关键决定时依赖他们的管理经验。
数据可以使决策过程独立于情感和观点。首先，尝试找到一个可以帮助你做出决策的数据集。如果没有一个可使用的数据集，你可以试着去寻找那些相似的事物，以便帮助你基于事实基础做出决策。
当你将决策过程“去个人化”时，这将不再关乎于你如何想，或者“河马”如何想了。这只关于事实是如何说话的。我们转而高度专注于消费者说了什么、竞争对手的数据说明了什么，还有其他对你的业务有影响的因素说了什么。
第二，员工需要了解老板最关心什么，并用数据来呈现
另外，对于员工来说，你应该有意识地去为你的大老板，也就是“河马”，去建立数据库和dashboard。你需要主动了解“河马”最关心的指标是什么、最让他挂念和担心的指标是什么。如果你的报告能够直接让他看到这些指标的表现，那你就能够帮助他更数据驱动地进行决策。
第三，决策前做好数据准备
在参加决策会议之前，请尝试在各方之间达成共识。准备得越充分、让越多的人了解决影响决策的数据依据，就能让更多人去用证据来说服“河马”。说服“河马”在很多人看来，有点挑战”河马“的意味，但其实你只要有足够的证据支持，就不会显得越界或者不合适。
第四，“河马“需要鼓励批判的文化
如果你是“河马”，请效仿通用汽车公司的长期总裁、董事长兼CEO Alfred Sloan的例子，他对决策充满信心。他认为，决策不应该在团队中有人有异议时，便做出决定。要重视对异议的欢迎和邀请。创造一种文化，表明你正在寻找多种声音，甚至可以在做出重要决定前，请某人扮演一直批判的一方。“河马”需要确保组织中的每个人都有可以访问的数据来进行分析。
其实，越来越多的公司意识到了“河马效应”的存在，并且在全公司内部建立数据驱动的文化，尤其在面对上亿美元的营销预算时（大多数公司最大的花费之一），摒弃了以往一拍大腿做决策的习惯，拥抱用统计建模来分配营销预算的时代。如果你也想在系统学习如何用数据来与建模来作出明智的商业决策，为决策者提供科学依据的话，那你千万不要错过MarTechApe携手全球最大广告集团WPP的数据总监与数据分析经理开设的《营销组合建模企业级实战训练营》第9期！
训练营的学员收获了:
真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。
从我们的项目中，毕业了将近200名学生，斩获各大公司数据岗位offer：
点击下方图片跳转至课程介绍页，了解更多详情。
营销组合模型训练营（Marketing Mix Modeling Bootcamp）是MarTechApe的宝藏项目，由全球最大广告集团 WPP美国办公室的数据总监以及营销分析经理共同授课。在训练营中，你将学习在真实商业情境中如何用营销组合模型解决广告营销最核心的问题——科学合理地评估不同广告对品牌和销售的影响，以统计模型的结果来科学优化广告预算。
