开宗明义:为什么要写这个系列?它能给读者带来什么
做决策最怕两件事:信息噪音多、时间永远不够。你我每天都在被数据、观点和“过来人经验”拉扯,但真正的好决策,往往来自少而准的判断框架。
查理·芒格给出的答案不是“单一绝招”,而是——建立一套跨学科、可迁移、可复用的思维模型体系。这套体系像一个工具箱:遇到问题先翻格架,挑对模型,再落到动作。
所以,这个系列想做三件事:
把芒格常用的100个思维模型讲清楚;
每个模型配一段芒格的真人真事,不是空谈;
给出日常/工作/亚马逊运营的落地法,能用、敢用、好用。
谁是查理·芒格(Charlie Munger)?
出身与早年:1924年生于美国奥马哈,中产家庭,少年在巴菲特父亲的杂货店打过工。二战服役后读法学院,后来从律师转向投资。
与巴菲特结盟:1960年代与巴菲特相识,成为伯克希尔·哈撒韦的长期合伙人,被称为“幕后导航”。他改变了巴菲特的投资风格:从捡便宜的“烟蒂股”,转向以合理价格买极优秀的企业。
个性与方法:少言、犀利、反直觉;强调多学科交叉、思维模型格架、反向思考、激励机制、机会成本与安全边际。
影响力:他不是段子手,更不是鸡汤大师;他的名言背后都有“可复现的思考路径”。这也是本系列要呈现的。
模型 #5「Incentives & Agency — 激励与代理问题」
1)模型介绍:什么是“激励与代理问题”
**激励(Incentives)**决定人会怎么做;代理问题(Agency Problem)指“出钱的”和“办事的”不是同一个人时,目标与风险不一致,行为就会跑偏。
芒格的名言几乎家喻户晓:“告诉我激励是什么,我就能预测结果。”
换句话说:
你不需要靠“道德劝说”改变行为,只要改写激励;
只要有代理关系,就要假设会偏航,并提前用机制把它拉回正轨。
要点两条:
Incentives shape behavior.(激励塑造行为)
Design beats exhortation.(设计机制胜过口号)
2)芒格真人真事:他如何用“激励与代理”看世界
保险与再保险:激励相容才稳
伯克希尔长期深耕保险。芒格与巴菲特看保险公司,不只看保费与赔付,更看承保人的激励:如果承保团队拿的是规模提成而非长期承保利润,他们更可能“冒险换增长”,把未来埋雷。伯克希尔的打法是把浮存金交给靠谱的经理人,并把长期结果写入激励——规模不会被盲目追求,承保纪律更稳。投行佣金 vs. 自营资本:谁在为谁工作
芒格常调侃:拿佣金的中介“有动力把交易做成”,不一定有动力“把交易做对”。他宁可找和你站在同一侧的伙伴(共担或长期绑定),也不喜欢只吃“成单费”的结构。
他的结论很直白:“别指望靠说教抵抗错误的激励。”
3)如何应用在日常生活与工作(通俗可落地)
给自己“写激励”:
把目标变成过程激励:例如“每天开工前先完成25分钟深工作,完成就允许自己喝一杯好咖啡”;把“完成可见闭环”与“小奖励”绑定,胜过空喊口号。团队不靠“热情”,靠“对齐”:
把团队的考核从“忙碌度/过程截图”转为可验证的结果(转化率、退货率、内容资产产出等),并配负面清单(例如同时动多变量扣分)。让绩效说话,而不是让嗓门说话。外部合作先看“钱路”:
判断任何服务商:他赚的是过程费、规模费,还是结果费/留存费?钱路不同,行为就不同。尽量让长期效果进入对方的收益函数里
4)如何应用在亚马逊运营(就做这3件最值的|激励视角)
A. 广告与页面的“同侧激励”
问题:广告团队只对“花出去的预算”负责,页面团队只对“好看”负责 → 代理跑偏。
设计:用统一指标把两方绑在一起:例如**“广告带来的净新增毛利/点击-转化闭环提升”;广告预算增长与转化率、利润率达标挂钩;页面承接的KPI包含广告ACOS/ROAS改善目标**。
效果:各自不再“甩锅”,因为同一个指标决定大家的钱袋子。
B. 评价与售后的“反激励”护栏
问题:邀评只追“量”,售后只追“关单速度”,容易诱发刷评/敷衍。
设计:把**“差评可见处理率、改评率、原因闭环率”写进售后激励;邀评侧把“提及核心卖点的自然好评占比”与“违规率为零”**同时纳入考核,违规一票否决。
效果:团队不再以短期漂亮数换长期信用风险,因为激励里写了“不作妖才有奖金”。
C. 供应链与断货的“负激励+地段奖”
问题:采购只拼“周转与库存低”,就会在旺点压到极限,一断货地段全掉。
设计:把**“不断货天数/旺点覆盖率”列为采购与计划的核心KPI,并配断货罚分与排名损失现金化**(把排名跌落的损益计入部门)。对旺季满配且维持位次的,设“地段奖”。
效果:采购与计划从“省库存”转为“保地段”,与营收侧目标一致。
5)把“激励与代理”做成随手工具(1页SOP)
激励四问卡(评审任何制度/合作前先过一遍)
1)谁被激励、谁在付钱、谁承担风险?
2)激励指向短期漂亮数还是长期可复利结果?
3)有没有反激励/红线避免作妖?(违规一票否决、风控阈值)
4)能否把关键方绑到同一指标上,让大家站在同一侧?
代理校验清单
结算口径一致吗?(例:按毛利还是按GMV?)
观察窗足够吗?(避免短期美化)
可逆吗?(达不到阈值能否回滚/解约)
下期预告|模型 #6:Probabilistic Thinking — 概率思维
我们将讲:为什么“大多数重要决策都是不确定的”,如何用区间、情景与先验来做判断;以及在亚马逊的广告出价、断货风险、选品成功率中,用概率思维把拍脑袋变成有边界的下注。

