資訊理論和溝通技巧

前言

我們身邊總有些「羅嗦」的朋友，會令人感受到，聽他們說話「比較累」，而有些人，我們會覺得聽他們說話，經常一針見血。

這種感受，可以量化么？

神奇的是：可以。

第一個重點：不知道的內容，才是信息

這句話聽起來非常廢話，但讓我們用「編程思考方式」想一下：如何定義「不知道」？

顯然，這裡有一個預設參數，當符合參數，則為知道，反之則為不知道。

溝通必須要基於對方的「預設知識」。

假設我們在校園座談里聊數據分析崗位，學生對於基礎知識是了解，而對於行業應用是缺乏的，這時候企業案例就具有很大的「信息量」。

而如果是單位內部培訓，大家對於如何應用是知曉，但反而對學術背景不了解，這時候從學術原理開始介紹，就有很大的「信息量」。

反過來操作的話，無疑就會被人覺得「聽這人說話好累，好羅嗦」。

這就是第一點：「信息」的多少，和預設條件密切相關。

在各種合理/不合理的預設條件下，絕大部分的「原始信息」，都可以在「信息」不（太）受損的情況下，被壓縮掉，這也是資訊理論的初衷：以最小的資源，傳輸信息。

第二個重點：傳遞信息的效率，取決於多大程度上，消除了不確定性

資訊理論是一門典型的「用數學重新看世界」的學科，他的核心是量化「信息」。在資訊理論的領域，為了便於計算，參考熱力學，創造了所謂「熵」的概念，衡量不確定性的大小。

在溝通中，可以通過針對受眾預期組織內容，進而管理預期等各種方式，來減少「熵」，提高效率。

還是舉一個工作中常見的例子，老闆問某個產品功能上線後轉化率下降，是否找到什麼原因。你手頭有如下這些信息：

1、上線期間有在做app的新用戶讓利活動

2、產品最近搜索步驟的轉化相比上個月有所下降

3、上個月是旺季

4、功能上線一周以後，轉化率比剛上線稍微回升。

5、上線後，競爭對手也有活動，有些產品價格比我們低

我們看一下「熵」最大的方式是什麼效果，把我上面這段話12345複製粘貼給老闆，大家換位體會一下，是不是很有讓這位下屬去人事處領工資回家的衝動。（適應這種心情也是管理者領薪水的職責之一）

稍微聰明一些的實習生，可能會這樣操作：根據時間線，把事件和轉化率數據做成時序圖，然後進行一些主觀解釋，例如說：

假定5個狀況的時間先後是t12345，新功能上線的時間點位於t3；

t1是上個月旺季、轉化高於t3，也是引發話題的背景；

t2是我們發起了新客讓利，可能帶來更多不熟悉我們app的用戶；

t4是競爭對手做活動

t5是我們的數據出現緩慢回升。

圖文結合的話，這種分析已經相當令人滿意。從資訊理論的角度解釋，這種方式降低了「發生先後性」對「因果」影響的不確定性。

基於這種思路，我們不難發現下一步應該分析什麼，比較明顯的2個點是：競爭對手降價的產品是否是我們轉化降低的產品，轉化率的波動是否主要來自某一類客戶。

ok現在我們看一下「熵」較小的方式可能是什麼樣的：

1、新增的客人轉化率正常，部分老客人不習慣，轉化短期降低，客戶服務同事跟進調研。

2、部分產品遇到競品降價打壓，拉底轉化平均數，推測為搜索以後經過比價離開，價格管理同事跟進。

假如說之前已經有正式/非正式會議溝通過這些前期調查，我們預設收件人已經知道調查方向，那麼回答可以更簡練：

1、產品功能排除問題，正常改版波動；

2、價格劣勢已經處理，轉化率開始恢復。

如果是創業團隊的溝通，因為扁平化（比如一邊吃泡麵一邊問），大家都已經知道很長很長的兩個可能了，只是問結果，1個比特解決（我稍微奢侈還多浪費了幾個）：

沒事兒～

後記

要能完全看下來這篇隨筆，我的假設是，讀者稍微知道/感興趣高數。

不過如果不符合這個前提的話，可能根本讀不到這句話，因此我對於「能看到這裡的都是同道中人」這一點，很有把握，「熵」值較低。

這個話題並不是第一次，之前有一篇隨筆寫了「錨點定理」和kmeans分類的神似之處，希望能帶來一點思考或者吐槽慾望之類。

謝謝閱讀。