从众效应

从众效应的起源与基本机制

从众效应这一术语可追溯到19世纪美国的政治竞选活动。人气候选人的支持者跳上游行的花车，看到热闹景象的人群又纷纷跟着跳上，这一场景成为了追随多数派心理的隐喻。经济学家哈维·莱本斯坦在1950年的论文中，将消费者需求受他人消费量正向影响的现象定式化为从众效应。从心理学角度看，这一效应通过两条路径起作用。一是信息性社会影响：既然很多人选择了，那应该是正确的选择。二是规范性社会影响：对偏离多数派的不安，以及想要归属于群体的欲望。所罗门·阿希的从众实验鲜明地展示了，即使答案明显错误，人类也倾向于附和多数派。

信息级联 - 为什么“大家都在做”是危险的

从众效应背后的重要机制是信息级联。经济学家苏希尔·比克昌达尼、大卫·赫什莱弗和伊沃·韦尔奇在1992年理论化了这一概念：当个人比起自己的私有信息更重视从先行者行为中推测的信息时，整个群体就会雪崩般地朝错误方向涌去。最初几个人碰巧做出相同选择后，后续的人就会推断“先行者一定知道些什么”，搁置自己的判断而跟随。这一连锁反应持续下去，群体的行为就变成了过度依赖最初几人选择的脆弱均衡。金融市场的泡沫与崩盘，可以理解为信息级联的形成与崩溃。

数字时代的从众 - 评论、点赞与排行榜

数字平台作为放大从众效应的装置在发挥作用。商品评论的星级数、社交媒体的“点赞”数、应用商店的下载排行榜，都在可视化“很多人支持”这一信号，引导后续用户的选择。列夫·穆奇尼克、希南·阿拉尔和肖恩·泰勒2013年在一家社交新闻聚合网站上做的随机实验表明，只给一条评论人为地加上一个赞成票，下一位浏览者也投赞成票的概率就提高到原来的1.32倍，该评论最终的平均评分比对照组高出25%。而且效果是不对称的：人为投反对票时其他用户会出手修正，最终评分与对照组没有差异。也就是说，只有最初那一点正向偏差会被滚雪球般地放大。选餐厅时判断“排队的店一定好吃”也是同样的结构，但排队最前面的几个人可能只是恰好在开店时间到场，这种可能性往往被忽视。

保护自己的判断不受从众效应影响

要对抗从众效应，需要养成有意识地将“是多数派”与“是正确的”分离的思维习惯。具体而言，在做出重要判断之前不看他人的意见或评价是有效的做法。看电影前不读评论、做投资决策前不确认市场共识，这些实践保护了自己独立的判断。在组织决策中，为防止最先发言者的意见成为基准点、把后续发言都拉向同一个方向，推荐各自事先写下意见后再开始讨论的方法。卡斯·桑斯坦与里德·黑斯蒂在合著《Wiser》中论述，要引出集体智慧，汇集个人独立判断的机制不可或缺，草率的共识形成反而会使集体判断劣化。