Lass uns heute so tun als ob. Stellen Sie sich vor, Sie sind ein erfahrener Anleger, der einen zufälligen Brief von einem Börsenmakler per Post erhält. Klopf klopf.

Der Broker behauptet zu wissen, welche Aktien in naher Zukunft im Wert steigen/fallen werden. Du grinst ihn an und denkst, jemand versucht, dich um deine Ersparnisse zu täuschen. Am Ende ist es nicht der erste Betrug, der Ihren Posteingang erreicht hat. Aber trotz Ihrer Skepsis behalten Sie die Aktie im Auge und stellen fest, dass sie einige Wochen später tatsächlich an Wert gewinnt .

Das wiederholt sich mehrere Male, jedes Mal mit korrekten Vorhersagen, und ein paar Wochen später denken Sie: Das kann doch kein Zufall sein!

Überwältigt von Ihren Träumen von einer glänzenden Zukunft in Neverland investieren Sie Ihr Geld …

…und am Ende nichts, weil alles ein gut durchdachter Plan war. Aber wie?

Enthüllung der Wahrheit

Was in Wirklichkeit passiert ist, ist, dass der Broker einfach einen sehr großen Pool von Kontakten hatte (z. B. 20000) und 2 Versionen mit einer 50/50-Verteilung an alle Benutzer schickte und behauptete, der Preis der Aktie würde in Version A steigen und dass es gehen würde unten in Version B. Als Ergebnis erhielt ein Teil der Benutzer eine richtige Vorhersage . Dasselbe wurde mit der Gruppe „Richtige Vorhersage“ mehrmals wiederholt, und am Ende der Sequenz erhielten einige Benutzer mehrere richtige Vorhersagen hintereinander, was sie dazu veranlasste, zu investieren.

In Wirklichkeit liegt dies jedoch nicht an besonderen Kenntnissen oder Fachkenntnissen des Maklers. Stattdessen geht es einfach darum, mit einer ausreichend großen Stichprobengröße zu beginnen, und der Endbenutzer kann nicht alle gescheiterten Fälle auf dem Weg sehen.

Hier kommt der Begriff des Survivor Bias ins Spiel.

Überlebensverzerrung oder Überlebensverzerrung tritt auf, wenn Sie dazu neigen, erfolgreiche Ergebnisse zu bewerten und Misserfolge zu ignorieren. Diese Stichprobenverzerrung zeichnet ein rosigeres Bild der Realität, als es durch eine Verzerrung der mittleren Ergebnisse nach oben gerechtfertigt wäre.

Jim Frost, Statistiken von Jim

Rückblick in die Geschichte: ein Fall aus dem 2. Weltkrieg

Ein sehr interessanter Fall von Survivor Bias ereignete sich während des Zweiten Weltkriegs. Als die Alliierten deutsche Städte bombardierten, schossen die Deutschen viele Flugzeuge der Alliierten ab. Also brauchten die Flugzeuge mehr Panzerung, um dem Feuer standzuhalten. Aber das Hinzufügen von Panzerungen machte die Flugzeuge schwerer und verringerte ihre Reichweite, sodass das Militär herausfinden musste, wo genau die Panzerung hinzugefügt werden sollte, um effizient zu sein.

Sie untersuchten die Bomber, die aus feindlichem Gebiet zurückkamen, und stellten fest, dass Einschusslöcher entlang der Flügel, um den Heckschützen herum und in der Mitte des Körpers lagen. Da dies die am stärksten von Bombenangriffen betroffenen Gebiete waren, gingen sie davon aus, dass sie diese Gebiete noch stärker stärken müssten.

Ein Statistiker namens Abraham Wald erkannte jedoch, dass sie nur die Flugzeuge betrachteten, die überlebten , und die Flugzeuge verpassten, die es nicht geschafft hatten. In Wirklichkeit hatten die Flugzeuge, die nicht zurückkamen, kritische Bereiche wie das Cockpit und die Triebwerke , die von Kugeln getroffen wurden. Anstatt also stark vom Feuer getroffene Bereiche für zurückgekehrte Flugzeuge zu verstärken, mussten sie genau das Gegenteil tun und Panzerung hinzufügen, wo es keine Einschusslöcher gab.

Indem es die Nichtüberlebenden ignorierte, tappte das Militär in die Falle der Überlebensvoreingenommenheit .

Survivorship Bias ist ein Problem bei Analysen, bei denen wir uns auf erfolgreiche Fälle konzentrieren und Fehler ignorieren, was zu unvollständigen und verzerrten Ergebnissen führt . Wir neigen dazu, Korrelation mit Kausalität zu verwechseln , indem wir annehmen, dass bestimmte Attribute den Erfolg verursacht haben, ohne andere Fälle mit ähnlichen Merkmalen zu berücksichtigen, die möglicherweise nicht erfolgreich waren.

Der Ausblick eines Produktmanagers auf Survivor Bias

So häufig Fälle von Survivor Bias im Alltag vorkommen, so häufig treten sie auch auf den Reisen von Produktmanagern auf. Als Produktmanager stoßen wir häufig auf Fälle, in denen Survivor Bias vorhanden sein können, insbesondere in Datenanalyse- und Forschungsumgebungen, in denen die Gefahr besteht, den häufigen Fehler zu machen, sich zu stark auf das Feedback und Verhalten der „Überlebenden“ oder der meisten zu verlassen aktive und engagierte Benutzer eines Produkts, während die Bedürfnisse und das Feedback der breiteren Benutzerbasis ignoriert oder untergraben werden. Wenn wir uns so sehr auf die „sozialen Schmetterlinge“ der Produkte konzentrieren, an denen wir arbeiten, führt dies dazu, dass die Lösung einem viel engeren Publikum zugänglich gemacht wird , wobei ein großer Teil des TAM von unserem Radar ausgelassen wird.

Einige Arten von Survivor Bias im Leben eines PM können sein:

1. Power-User-Bias: Dies geschieht, wenn wir uns ausschließlich auf das Feedback der aktivsten Benutzer unseres Produkts (Power-User) konzentrieren, wodurch uns das Feedback der Mehrheit der Benutzerbasis des Produkts entgeht. Dies kann zu einer Tendenz zu Funktionen führen, die den Power-Usern weitgehend zugute kommen, aber die Bedürfnisse der größeren Benutzerbasis auslassen.
2. Sampling Bias: Bei der Durchführung von Benutzerforschung sollten wir als PM verschiedene Gruppen von Benutzern einbeziehen, um einen umfassenderen Ausblick zu erhalten. Wenn bestimmte demografische Merkmale von der Forschung ausgeschlossen werden, werden sie in den Daten unterrepräsentiert. Die daraus resultierenden Funktionen werden nur auf die Bedürfnisse bestimmter Gruppen eingehen und die Akzeptanz verringern.
3. Voreingenommenheit bei Funktionsanfragen: Wir alle haben schon einmal den Satz „Benutzer wollen das“ gehört, wenn es um Funktionsanfragen geht. Wir sollten jedoch bedenken, dass wir neue Funktionen nicht auf der Grundlage von Anfragen der lautstärksten Benutzer entwickeln sollten, da sie für die Mehrheit unserer Benutzerbasis möglicherweise einen recht geringen Wert haben.
4. Positive Feedback-Neigung: Dies hat mit dem Ego eines PMs zu tun und ist ziemlich leicht zu erliegen. Ich selbst habe diesen Fehler häufiger gemacht, als ich zugeben möchte, vor allem als ich ins Produktmanagement einstieg. Wir alle möchten hören, dass die von uns erstellten Funktionen für die Benutzer von großem Wert und ein Erfolg für das Unternehmen sind. Aus diesem Grund neigen wir unbewusst dazu, nur auf positives Feedback zu hören und negatives Feedback zu ignorieren. Dies kann dazu führen, dass in Funktionen investiert wird, die Benutzer möglicherweise nicht wirklich nützlich finden.

6. Plattformverzerrung: Wenn wir uns zu sehr auf das Feedback von Benutzern konzentrieren, die sich über eine bestimmte Plattform oder einen bestimmten Kanal mit unserem Produkt beschäftigen, übersehen wir möglicherweise wichtiges Feedback von Benutzern, die sich über andere Kanäle mit unserem Produkt beschäftigen, was zu einer verzerrten Herangehensweise an die Priorisierung des Kommenden führt Merkmale.

7. Bestätigungsverzerrung: Wenn wir (oft unbewusst) nur nach Feedback suchen, das unsere Annahmen bestätigt, und Feedback vernachlässigen, das sie in Frage stellt, entwickeln wir am Ende ein falsches Gefühl für den Erfolg unseres Produkts . Dies kann zu einer Voreingenommenheit in Bezug darauf führen, wie die Zukunft des Produkts aussehen wird und welche Funktionen erstellt werden sollen.

Survivor Bias in unserer täglichen Arbeit überwinden

Während ich durch meine Reise im Produktmanagement navigiere, erinnere ich mich häufig daran, Folgendes zu tun:

1. Beschränke mich nicht nur auf eine Datenquelle

2. Denken Sie daran, dass Daten auch verzerrt sein können

Eine andere Sache, die Sie im Auge behalten sollten, ist, dass Daten nicht immer neutral sind . Es kann von den Personen beeinflusst werden, die es absichtlich oder unabsichtlich sammeln. Um die Daten zu verstehen, müssen wir den Kontext verstehen, in dem sie erhoben wurden. Wann wurden sie erhoben und wie war die Stimmung der Befragten?

3. Behalten Sie einige „Was-wäre-wenn“-Szenarien im Hinterkopf

Es ist auch hilfreich, mit „Was wäre wenn“-Szenarien herumzuspielen, um unser Blickfeld zu erweitern. Wenn beispielsweise ein Kunde, der nach einem Kleid sucht, das genaue Wort nicht finden kann, um es zu beschreiben, was wäre, wenn er stattdessen ein Bild für die Suche verwenden könnte? Indem wir verschiedene Szenarien und Möglichkeiten untersuchen, können wir innovativere Lösungen finden, die die Bedürfnisse unserer Benutzer wirklich erfüllen.

Wie jede kognitive Voreingenommenheit ist auch die Überlebensvoreingenommenheit heikel, aber je mehr wir darüber wissen, desto besser sind wir darauf vorbereitet, in unserer täglichen Arbeit damit umzugehen.