公關(guān)小概率與企業(yè)大問題

統(tǒng)計(jì)學(xué)上有個經(jīng)典選擇題：一個人在紐約地鐵上讀書，你覺得這個人更可能是個有學(xué)問的人還是沒學(xué)問的人？大多數(shù)人都會認(rèn)為是有學(xué)問的人。但從科學(xué)統(tǒng)計(jì)的角度來看，這個答案多半是錯誤的。

因?yàn)?，統(tǒng)計(jì)學(xué)基礎(chǔ)“貝葉斯理論”的核心原則就是：一個事情發(fā)生的概率=基礎(chǔ)概率×本身這個事的概率?！凹~約地鐵上”這幫人是整個社會里收入最差的，這個基礎(chǔ)概率前提下，在其中找有學(xué)問的，概率自然不會高。

再說個經(jīng)典案例：二戰(zhàn)期間，盟軍想加固飛機(jī)防御能力，軍方統(tǒng)計(jì)所有返回飛機(jī)的中彈數(shù)據(jù)，發(fā)現(xiàn)機(jī)翼彈孔最多，機(jī)身和機(jī)尾彈孔最少，于是盟軍高層根據(jù)分析數(shù)據(jù)決定：只需加強(qiáng)機(jī)翼的防護(hù)能力，因?yàn)橹袕椔矢?。大家都覺得沒問題，當(dāng)時只有一個人提出反對意見，羅馬尼亞裔美國統(tǒng)計(jì)學(xué)家亞伯拉罕·瓦爾德教授，他提出了一個完全相反的觀點(diǎn)——應(yīng)該加固中彈率較少的機(jī)身和機(jī)尾。他的理由是：彈孔少并不意味著不會中彈，更可能是一旦中彈就回不來了。而機(jī)翼中彈率多還能飛回來，恰恰說明不致命。軍方派情報(bào)人員去調(diào)查，果然在已經(jīng)損毀的飛機(jī)上發(fā)現(xiàn)，機(jī)身引擎蓋上中了太多子彈的飛機(jī)，都損毀了。這也是基礎(chǔ)概率。

有人開飯店，把來吃飯的都當(dāng)上帝，別人說怎么調(diào)整他就怎么調(diào)整，結(jié)果生意反而越來越差。為什么？那些覺得不好吃的人，可能直接就不來了。能提意見的人，永遠(yuǎn)是一小部分，他們提供的樣本數(shù)據(jù)很有可能是大數(shù)據(jù)中最少占比的問題。真正要問的，恰恰是那些沒提意見的人。

忽略了基礎(chǔ)概率，拿到一個嚴(yán)重偏差且偏執(zhí)的單一數(shù)據(jù)，用它來做決策參考，毫無意義。

企業(yè)成功是由行業(yè)基礎(chǔ)概率x企業(yè)自身概率兩大概率因素決定的，品類是企業(yè)成功的基礎(chǔ)點(diǎn)與天花板，在一個沒落的行業(yè)里，要想一枝獨(dú)秀難上加難。品類的基本盤，在很大程度上決定了成敗大概率。

美國著名營銷專家里斯與特勞特認(rèn)為，品類底層邏輯是對接客戶需求——品類對接需求。消費(fèi)者以品類思考，用品牌表達(dá)——來瓶可樂、喝點(diǎn)星巴克、百度一下?？蓸?可口可樂、星巴克=咖啡、百度=搜索。品牌占據(jù)/代表品類，便是抓住了消費(fèi)者底層需求的最短路徑。品牌是冰山一角，而品類則是整個冰山——了解品類，才能更了解生意。

品類不是先天存在，它只被創(chuàng)造者占領(lǐng)——品類是品牌的結(jié)果。一個企業(yè)成功的價值就在于品牌=品類，這個等號畫的越快、越值錢。企業(yè)能創(chuàng)新細(xì)分品類，是差異化最粗暴、最直接的表達(dá)方式。流量占據(jù)通路，品牌占據(jù)人心。流量的本質(zhì)是買賣——買流量賣貨，只有超越產(chǎn)品功能建立起情感連接，消費(fèi)者愿意為品牌而付出溢價、為品牌買單時，企業(yè)才擁有了真正的護(hù)城河，這也是建立品牌的價值所在。

營銷心理學(xué)理論認(rèn)為，每個品類下面消費(fèi)者最多只能記住七個品牌。企業(yè)需要在用戶能記住的品類列表中，給自己的品牌找到一個位置。企業(yè)定位的基準(zhǔn)是品類。對企業(yè)而言，同樣的功能和品類，當(dāng)消費(fèi)者的心智一旦飽和，再想打進(jìn)，那就難了。

美國著名營銷專家海因茲·姆·戈德曼在《銷售技巧——怎樣贏得顧客》一書中總結(jié)，成功營銷的“愛達(dá)”模式（AIDA）是由注意（attention）、興趣（interest）、欲望（desire）、行動（action）四個環(huán)節(jié)構(gòu)成，產(chǎn)品不是競品，爭奪注意力本身才是。注意力首先來自品類的需求，其次是媒介+流量+內(nèi)容的呈現(xiàn)，再次是品牌的選擇。即需求——搜索——興趣——對比——選擇——購買——評價——分享——復(fù)購。

公關(guān)、市場、品牌、營銷，多少是在提升品類基礎(chǔ)概率？多少是在提升自身概率？多少是一直努力在處理小概率？