我爱民科,请客吃饭模型

前言

“革命不是就是请客吃饭!”

生活在人类社会中,每个人都需要朋友,通常我们希望自己的朋友多多益善。然而,交朋友无疑是一件有成本的事情,比如你要请他吃饭……有限的时间、金钱等资源限制了我们交友的数量。那么一个现实问题摆在眼前,我们应该怎样“请尽量少的饭,交尽量多的朋友”?本文将就此展开讨论扯蛋

模型假设

首先,我们定义目标函数:“我的朋友数量”。然后定义“朋友”,比如“你我是朋友”,需要满足2条:

1. “认识”,“我认识你,你也认识我”,是客观的,双向的;

2. “认可”,“你认可我”,“认可”的概念比“认识”要强,是主观的,单向的;

1:先自私一点(其实是为了简单一点……),“你我是朋友”意味着“你认可我”,即“你认为我是你的朋友”,而“我是否认可你是我的朋友”并不影响“我的朋友数量”,我只要更多的人认可我(结合“朋友多了好办事”来理解这条)……

那么对于“我”来说,一个自然的思路就是把所有“认识的人”分为两种:认可我的,不认可我的。然后试图转变“不认可我的”人,让他们“认可”我,靠谱,但是不够精确。可能你已经想到,“认可”是时变的:一个朋友可能因为太久不联系而疏远,变得不认可你,从而“你我不是朋友”了。

2:有个基本假设,“认识”是时不变的,即双方记忆力都很好,“认识”了就不会忘记,至少再次见面时能通过寒暄说出“啊,你不就是那个谁么……”

所以,现在引入“时间”的概念,把“我认识的人”按先后两个时间点上的状态分为:

3:假设这两个时间点的间隔不是很长,我“认识的人”就算增多了,也暂时不会请这个“增量集合”里的人吃饭。

1. 认可(我)—>认可;

2. 认可>不认可;

3. 不认可>认可;

4. 不认可>不认可;

四类,通过简单的分析可以发现,我们的精力应该优先放在第2类人身上,这是基于如下3个前提的:

1. 资源有限,对于不请客也会认可我的人,先不管(删1);

2. 留住一个曾经认可我的人比开发一个新的成本低(联想“留住老客户的成本低于开发新客户”)(删3);

3. 转变“刚刚不认可我的人”(可能因为某个误会)比追回“很久不认可我的人”成本低(删4);

那么很明显,现在的问题就转化成如何“精准”、“及时”的发现即将“认可>不认可”的人,然后请他们吃饭。

具体“认可与否”的定义取决于你对“何种行为意味着对方认可我”的价值判断,每个人不同,但肯定是比如msn上找我聊天、给我打电话、请我吃饭……的某种行为,为了下面讨论的简单,不妨也以“对方主动请我吃饭”的行为来讨论。

我们认为“请吃饭越多,对方越认可我”。

模型建立

继续研究如何“请最少的饭,交最多的朋友”……

基于上述假设,我们提出“请客时间间隔”in(表示第n次请客与第n+1次请客的时间间隔)这个重要指标(简单处理:每天请客多次算一次,-,-,会有么?时间间隔精确到天)。

首先你要请的肯定是“认识的人”,所以对方“至少已经请我吃过几次饭了”,在没有更多证据的情况下,我们不妨定为3(好像已经相当铁了!)。那么对于某个“认识的人”我们有序列:

I = {i1i2,……, in}n>=3

定义ialert,当某天发现某人的最后请客距今的时间:

ilast > ialert

就报警,意味着此人呈现“认可>不认可”的特征,我要丢掉一个朋友(饭票?)了!而ialert是从序列I里的值算出的,比如可以取ialert = imaximax等于此序列的最大值);或者序列的平均值iaverage,这个值的选择有一个试错的过程(这里是一个模型扩展点)。

此外,对于ialert也可以乘一个权重W进行调整,如我们想更早的关注到将流失的朋友,就可以在:

ilast > W*ialert W = 0.8

就报警,意味着更多的人、在更早被关注,反之如“W = 1.2”会不易报警,适合你很忙或没钱的时候。

再深一步,我们根据“ilast/ialert” 可以反向得到一个警报级别的概念(如酷酷的定义成黄色、橙色、红色警报),可以排出一个有序的列表,指导我们在资源有限的情况下,优先请哪些人。

当然,我们也可以尝试更复杂的ialert算法,本质上是除了利用此人之前的请客时间信息以外,还加上所有“认识的人”的请客时间信息(思路来源可以查阅数据库营销领域经典的“RFM模型”)。假设所有“认识的人”请客的平均时间间隔是iall-ave,那么对某人,定义:

ialert = iaverage*iaverage/iall-ave)(注意iaverage就是早先的ialert

现实意义是,对于请客频繁(意味着更认可我)的老朋友,我们要更积极的报警关注,反之同理。

最终我们定期生成需要请客的朋友清单,从最上面朋友请起,而具体吃什么就取决于你的资源了……

模型应用

当当当当当,终于到应用了。

1. 首先检讨,说这么多都是基于自私的前提,现在换位思考,如果我们想被别人更多的关注,有更多的朋友,需要如何?答案:主动请客,而且要先付出,多付出!去“认可”对方吧……

2. 优先维护“好朋友”的关系,这也是符合80/20原则的。

3. 看下那个清单,注意清单里的人数占所有认识的人的比例,从比例的变化里,可以侧面评估你最近的人际关系健康程度。

4. 做一个简单的概念转化:“认识>产品用户,认可>活跃用户,对方请我吃饭>用户登录”,你应该能发现,这个模型对于提高产品的活跃用户数,还是靠谱的。

模型展望

Ø 这里我们才仅仅考虑了一个“请客时间间隔”而已,而现实中肯定是一个“多因素”的过程,而且“请客”也应该分请雷迪森自助兰州拉面对不对……

Ø 目标函数“我的朋友数量”简单粗暴的把朋友的个体质量差异抹杀了,显然值得再讨论。

Ø 目前所分的四类“认识的人”只关注了2,对4的完全放弃和对13的歧视显然是不公平的,特别是1,人家一直主动你怎么能一动不动……

so,还有很多的饭要吃……

------------------------------------------------------------如果你想第一时间看到最新内容, 就猛击此处订阅吧!

《我爱民科,请客吃饭模型》有3个想法

  1. 今天又读了一遍,觉得凡有耐性看完的都应该能明白主要意思,所谓简单抽象的东西未必深入,具体。两者是有区别的,类似《繁笔与简笔》提到的,这个文章要是完全去掉公式,反而觉得缺了点什么例证,不靠谱了,呵呵 :)

    不过,即时不考虑实际情况,光从公式落实到具体应用还得琢磨琢磨,打算实践一下看,嘿嘿。

发表评论

电子邮件地址不会被公开。 必填项已用*标注