你知道腾讯、阿里巴巴、Facebook，以及罗辑思维如何运用集体智慧和群体智慧现实快速发展的吗？
你有听过互联网大学的李善友教授讲过的关于互联网世界观中的“从事物到关系性”“从还原论到整体论”吗？其实讲得就是基于关系的商业模式和运用自组织中的群体智慧实现组织创新。
当下，大多数的企业都在运用或计划利用自组织（社群）的群体智能为企业创造价值。

你知道为什么在微博中，通过活动运营@就是呈现相互连接状态？让原本几万粉丝的大号，通过添加链接，一年的运营粉丝数量能突破200万的，而通过相互连接小号的粉丝也会过10万呢？

如果你能发现，在传播网络中只需要添加几个节点的连接，就能呈现出相互连接的状态会怎么样？

你想象一下，如果你的公司在发展过程中有一些牛人以你为中心，帮你出谋划策会怎么样？

你想象一下，如果在你的企业品牌、理念、产品的传播过程中，社群中的极有影响力的KOL（意见领袖）和KBL（行动领袖）自愿通过他们的节点帮你宣传会怎么样？

如果你知道，怎么利用公司或社群中的5%的核心人员，就能带来90%的成功，你会怎么做？

实际上，你只要花10分钟把这本书看完，你自然会明白该如何去做。

完美的群体

作者：兰·费雪，研究遍及物理、化学、生物、哲学等众多领域，被誉为挑战“乌合之众”的全能科学家。他揭示了社会网络复杂行为背后的群体智慧和简单决策规则的力量。

发现群体智慧的力量

掌握群体智慧的力量

发现群体智慧的力量

如今，科学家们会聚一堂，正讨论群体智能的新运用。有很多公司正采用创新方式利用群体智能，比如计算机程序员利用群体智能来解决问题，SDG是有一群对群体行为的计算机模型感兴趣的科学家志愿团体组织。 更重要的是当下大多数企业都在运用或计划利用自组织（社群）的群体智能为企业创造价值。

1、群体智能的产生

——寻找隐藏的秩序

为了充分利用个人的相互作用，应在三个方面学习： 动物的现实世界；科学的想象世界；计算机的虚拟世界。

向动物的现实世界学习：跟随与保持同步。

动物利用群体智能集体狩猎、相互掩护和躲避捕食者。无论是鱼群形状及方向的统一和急变，还是鸟群、昆虫群和人群的运动，都以这两条规则为基础。

向科学的想象世界学习：正反馈和负反馈。

关于正反馈、负反馈、连锁反应的简单例子：

你在公司受了上司的气，回到家因老婆把菜烧咸了你把气再撒在老婆身上，老婆又因孩子又闹闹买玩具的事把气撒在孩子身上，孩子因为玩具没买成并且还让妈妈发火了心里觉得难受，到学校把气撒在同学身上，同学回家再把气撒在他的妈妈身上，他的妈妈没地方撒气，只能把气撒在脚边小狗身上， 结果是：可能是你去接孩子放学，正巧遇到那只愤怒的狗，可能那只狗没地方撒气，只好咬你一口把气撒你身上了。

也可能是你受了上司的气，但回到家你老婆发现你很不开心，找到你不开心的源头，并及时给你做心理疏导工作，并带你出去逛街、看电影，你老婆对孩子的教育很全面，你的孩子对每个同学都非常友善，并帮助同学完成很难解的问题，其中一位同学很高兴得回到家便对他妈妈说了， 结果是：有一天你去接孩子放学的时候，正好遇到了那位同学的妈妈，她见到你后深表感谢，还与你聊聊孩子教育问题，聊天过程中，同学妈妈发现你正为你公司融资的事发愁，她正巧是一家投资公司的高管，最后竟然帮你解决了需要融资的问题。

正反馈： 是指受控部分发出反馈信息，促进和加强控制部分的活动，他会逐步放大微小的影响。

负反馈： 是指受控部分发出的反馈信息，削弱控制部分的活动，他通常用来“纠正”错误。

连锁反应： 用来形容相关的事物发生相应的变化。例如，一个人奔跑造成的恐慌会让其他人也跟着奔跑，直至所有人都开始奔跑。

通过引入负反馈来抵消连锁反应和正反馈的失稳效应，以使类似的稳定效果可以出现很多社会情景中。

福特效应： 是指在一个动力系统中，初始条件下微小的变化带动整个系统的、长期的、巨大的连锁反应。

例如，当你打算买一辆新车的时候，你发现大部分的朋友都拥有一辆福特或别克，所以你试图在两者之间做出选择。你到处征求建议，而碰巧你遇到的前三个人各自拥有一辆福特，并且都觉得这车挺不错的，于是，你也购买了福特汽车。

像虚拟世界学习

人的大脑根本无法涵盖所有复杂自适应系统所固有的变化和可变性。

社会中的相互作用更加复杂，知道强大的计算机诞生，我们才得以模拟出复杂是如何从简单中生产的。现在，这种模型用于探讨群体行为、网络以及我们这个复杂社会的其他方面。

计算机编程的一个用途是模仿社会性动物（特别是昆虫）利用群体智能解决问题的方式。 一群虚拟个体无拘无束的待在人工计算机环境中，而设计的环境是为了反映出需要解决的问题。例如， 个体可以被委以重任，在模拟城市街道和电信网络中寻找最快捷的路线。神奇的是，虚拟群体采用的解决方案通常比用最先进的数学计算出的方案更出色。

2、同步与无形的领导者

——5%的核心领导=90%的成功

一个团体中，只要有5%的领导者知道目标，就有90%的机会成功领导团体其他成员达成目标。

柏德三规则

避免（碰撞）： 避免碰撞到其他个体。

定向： 按照最接近自己的个体前行的平均方向前进。

吸引力（凝聚力）： 向最接近自己的个体的平均位置移动。

一般在公司里有最典型的3类人：

一类人称为“自然型”， Google公司称他们为“创意精英”，他们对待工作是自动自发、充满激情，对于工作而言，在他们眼里是最快乐的一件事，并不拘泥于特定任务。如果出现不同意见，他们能够用数据说话、善于做分析，并且心态开放、善于沟通。

另一类称为“助燃型”， 这类人在一段时间内工作积极、充满激情，另一段时间对工作没有动力，遇到事情做得不顺利的时候就开始回避困难，需要间歇式的督促或激励。

最后一类我们称为“绝燃型”， 这类人在工作中就像是“习得性无助”（事情还没开始做，就认定自己无法完成），只能做一些简单标准、重复性的工作，经常会伴随情绪左右（就类似于原始脑中的战斗--愤怒、逃跑--恐惧、原地不动--绝望）

这3类人在工作中都有共同的特征：避免（碰撞） 在意见、观点、决策分歧时候都会有意识的趋同，减少争议。 定向： 以各自的目标为导向，一步步去实现，当然，各自的目标不一定明确、也不一样。 吸引力（凝聚力）： 可能大家按照自己的习惯、偏好、好奇心向各部门为中心聚集；或是以公司使命为中心聚集；或以某种娱乐方式为中心聚集；或以某个人为中心聚集…

看不见的领导者，蜂群的行为模式

从蜂群中的“领导者”发现，即便只有少数蜜蜂知道它们的路线，柏德三规则：避免、定向和吸引力，也会使整个群体的移动方向与那些知道线路的蜜蜂保持一致。

也就是说， 群体中只要有个别匿名个体心中有一个明确的目标，并确切的知道怎么去实现它，该群体的其他个体只需跟随他们一起实现这个目标，虽然他们并未意识到自己是在跟着别人走。

5%的核心领导者=90%的成功

我们通常认为领导者都是鹤立鸡群的人，需要特殊的能力才可以进行有效的领导。实际上，有目标便可轻松的领导一个群体，只要该群体中的其他个体没有自己不同的目标。

如今，很多的社群中（比如 微信群），有少部分活跃的社员KOL、KBL（所以前期促活只要针对性围绕这部分群体） 虽然群体的领导者带领的成员可能根本无法识别他们是领导者，但是他们仍然是领导者。此外，社群确实需要很多“无形的领导者”。

著名的社会心理学家斯坦利·米尔格拉姆进行了一个经典的实验：

“大街上无形的领导者”他安排一群人站在大街上盯着六楼的一扇窗口，即使只有一个人注视窗口，也会有40%的路人停下来与他一同注视；当有两个人注视窗口时，这一比例上升到60%。当有五个人注视窗口时，比例将正常90%。

群体仿效的连锁反应

一个领导者或领导小组甚至可以在不被发觉的情况下从内部引导一个群体向着一个目标前进。

从内部领导组织（如果有可能，最好是和一个志同道合的朋友或同事组成一个小圈子一起）但注意不要让群体中的其他成员知道你在做什么。只管朝着你的方向前进，剩下的就交给群体法则来完成。

3、最佳实践的正反馈

——永远会有最短和最快的线路

像蚂蚁学习，“蚁群路径选择”的蚁群优化修正形式——从经验中学习，找出最短和最快的路线。在下一次“执行任务”时，他会调用获得的记忆，而不是依赖以前留下的标记。

寻找最短路线

蚂蚁在生活中面临着诸多困难的抉择——为了把食物带回巢穴的路上少花精力，他们必须找到巢穴与食物来源之间的最短路线。

蚂蚁是靠一种叫做“费洛蒙”的化合物来寻找最短路线的，一群蚂蚁出去觅食，有些蚂蚁选择较长线路经过长时间返回蚁巢，但将有更多的蚂蚁采用较短的线路，并在较短的线路上释放更多的费洛蒙，最后，较短路径将积累出相对极浓的费洛蒙，并成为所有蚂蚁的首选路径。

利用蚁群优化

蚂群优化即计算机蚁群逻辑。程序员通过计算机模拟蚂蚁的行为模式，寻找复杂的组合优化问题的答案。

比如现实工作中你推广的文案（在排版、配图、设计感、选题、标题技巧等）也会根据阅读、转载等数据优化与蚁群优化相似。

或者在公司的新市场的开发过程中，你经常会发现一些人利用更好的销售渠道、策略、技能后业绩成效显著后，也会引来越来越多的效仿者 。

正反馈的力量

想要吸引和维持公共对某个问题的关注，让正反馈发挥重要作用，全体行动组织需要投入更多的思考和计划。

比如，最好的策略不是一次性发送一大堆信息、文章，然后置之不理，而是为群体成员制定一项计划，针对这个问题的各个方面持续的、不断地发送信息，集中精力应对“阈值效应” 。

或者，当你试图就一个问题引起某种群体活动全体公众的注意时，不要企图采用昙花一现的方式“一举成名”；应随着时间的推移慢慢提出这个问题的不同方面，不断使其脱颖而出。

粒子群优化

利用蚂蚁逻辑解决问题的终极应用是粒子群优化，它是蝗虫、蜜蜂和蚂蚁逻辑的结合体，没有哪一种单体的昆虫可以与之媲美。

粒子群优化： 结合了蝗虫、蜜蜂和蚂蚁的逻辑，用颗粒代替蚁群优化中的虚拟蚂蚁，作为解决问题的有关推测。模拟粒子群在问题的空间中漫游，记住粒子自身及其附近的粒子是如何解决问题的。

它们的运动有两种力量之间的平衡来掌控：一种力量吸引他靠近迄今为止由他自己找到的最佳位置，另一种力量吸引他靠近有临近个体发现的最佳位置。

人机界面开拓了一个开发人类智慧的全新方法。包括硬件、软件和人的混合系统也开始出现。 系统的相邻个体（个和计算机）通过进行简单的局部互动，产生复杂的群体智慧，改善整个群体的表现。

“美国联合包裹（UPS）的右转路线” 将一款新软件的路线规划能力与公司多年积累的线路相结合，设计出尽可能多地右转路线。

这么做的理由是：每进行一次左转都会遇到迎面而来的车流，这意味着可能需要等待和损失相应的时间，和提高发生事故的风险。司机和蚁群路径十分相似，互相学习过程中，长期积累的经验使公司相信，更多的右转更加节省时间。 结合新的流量数据包程序（依据蚁群逻辑设计的），仅2006年一年，公司就节省了1136万升燃料。

UPS利用司机们的群体智慧制定策略：在穿过整个城市的复杂行程中，选择一条右转比例相对较高的路线。

掌控群体智慧的力量

1、群体决策

——少数服从多数，还是取平均值

如何通过加强沟通做出最佳的决策呢？有两种基本方法，采取多数表决制，或是计算平均值—即等权制
那我们应该在何时采取多数表决制度？又在何时对每一个人的意见予以同等的重视？

利用群体智慧的三大条件三个结论

三个条件：

·群体中的人们必须能够独立思考、进行交流、得出各自结论

·问题必须得到确切答案， 以备在最后进行客观实际的检查。

·群体中的每一个人都必须回答同样的问题（人们会用不同的方式对同一个问题进行才阐释）。

 三个结论：

·面对状态估计是问题，群体得出的结论通常会优于大多数单个成员的结论。不是偶然这样，而是一直如此。

·如果群体中的大多数成员对具体几种可能答案（但只有一个是正确的）的问题相当了解，那么群体中的大多数意见通常趋于正确。比如，如果100人的群里中每位成员有60%的可能得出正确答案，那么通过严格的数学公式计算得出，群体中的多数观点有99%的可能是正确的。

·即使群体中只有少数人博文强识，那也足以保证多数人的观点是正确的。

用很多错误推导出正确答案

·独立猜测，群体打败个体

在独立猜测的基础上，群体便可以打败个体成员（不是偶尔，而是一向如此）

没有了独立的猜测，群体中大多数成员会受到某个强大数字的影响而得出极其错误的估计。

比如，制定严格的规则，不能让别人知道自己猜测的结果；鼓励人们就自己猜测进行讨论，这是两种不同的结果

佩奇的多样性预测定理： 集体误差（平方）=平均个体误差（平方）—预测误差（平方）

·利用多样性

多样性包括以下5种：

1）知识--群体里一系列不同领域的相关知识。

2）观点--审视问题的不同方法。

3）解释--对问题进行分类或观点进行区分的不同方法。

4）启发--找出问题答案的不同方法。

5）预测模型--推理原因与结果的不同方法。

多数意见和陪审团定理

多数意见： 是指群体中多数人的答案总是正确的。采用多数意见作为决策指导时，多样性的超凡能力会得到充分体现。 当答案是几个选项时，群体中多数人的意见通常取向于正确。

比如，Google有一个“可信赖面试官”计划。 挑选擅长面试的员工进行培训，根据参与面试次数、可靠性、反馈质量和及时性等进行绩效评分，并接受监督质疑。根据历史记录，通过判断评分准确率，方便他人参考面试官信息的可靠性。

陪审团定理： 如果群体中的每一个成员都有高于50%的概率得出问题的正确答案 （该问题只有两个可能的答案） ，那么，当群体人数增加时，多数裁决正确的概率会接近100%。

如果每个个体都有60%的概率都出正确答案，一个17人组成的群组中，多数人正确概率将会上升到80%；而一个45人组成的群组中，多数人正确的概率将会上升至90%。

陪审团定理的五个重要假设：

1）群体里的个体必须是独立的，不能相互影响彼此的观点

2）群体的个体必须是公正的

3）群体的个体必须尝试回答同样的问题

4）群体里的个体必须见多识广，而应有高于50%的概率得出正确答案

5）必须有一个正确答案。

2、群体共识

——从乌合之众到群体智慧

如果饭店门前没有停靠任何车辆，我们选择这家饭店用餐的概率很小；
如果有一两辆车，我们兴许会停下来想一想；
如果有许多辆车停在那里，我们几乎会马上义无反顾地走进这家饭店。

从多样性的问题解决方法转化为具有一致性意见的实际行动，无论我们是否采用平均数，是否接纳大多数人的意见，或是否找出知识最渊博的人并听取他们的指导，总是有一些人要牺牲自己的意见以使整个群体能够从群体智慧中获益。

引导组织由协商达成共识的步骤

1）在小组成员间传播的问题

2）收集反馈、建议和支持论据

3）将收集的信息反馈给小组成员并咨询他们的意见

4）如果有可能的话，重复步骤2和3直到达到共识。

让法定人数响应

法定人数响应： 是一个群体达成的共识，让每一个个体对某一个选项的倾向性，随着已经选择了这一选项的其他组员的数量急剧增长。（人类大脑中的神经元会对他们的邻居行为表现出同样的响应）

我们中的很多人在自驾游的时候，选择吃饭的地方时就会使用了法定人数响应。如果路边餐馆门口没有停靠任何车辆，我们很可能也不会停下来，或者打开手机应用看看附近餐馆的评价，然后再选择就餐。

我们可以使用法定人数响应在速度和准确性之间做出权衡。 比如，你现在感觉非常饿，你可能就会不顾饭菜的质量随便选一家门口有一两辆车的饭店。但如果不是很饿，你有可能继续开下去，寻找一家门口停有更多车的饭店。

我们也会使用某种独立信息的形式来选择特定的饭店，比如以前到过这，或者看到过什么说明，或者听朋友说过。 所以独立收集的信息但相互依赖的现象称为信息化瀑布。

因此，法定人数响应的一个基本问题是：若要使用这个与原理有效，我们必须能够信任那些，我们决定是否有模仿的人的可信度和知识。

投票模式

所有的投票方法都有缺点。那我们如何选择某些简单的、适合于特定情况的方法，并将贯彻执行呢？

孔多塞投票悖论： 三个或三个以上的选择时，投票可能会导致前后矛盾的局面。

例如：

图片发自简书App

产品、组织能力、营销的三个角度对三种战略进行投票就可能会导致这种悖论，高管权力平等，会讨论很激励。

诺贝尔奖获得者，经济学家看肯尼斯·阿罗提出的，在民主制的投票下很合理的标准清单：

1）完整性： 如果两个选择，投票系统应该总是让我们选择其中一个而淘汰另一个。

2）一致性： 如果每个个体的选择一个而排除另一个，那么他们的综合投票就应该反应这个选择。

3）非专制性： 最终结果不能建立在某个个人的偏好上而不顾及他人的感受想法。

4）可传递信： 如果综合后的投票结果显示社会选择X 而淘汰Y，选择Y淘汰X，则同样应该产生这样的结果，即选择了X淘汰Z。

5）不相关选择的独立性： 如果有三个选择，那么任何两个排名顺序不应受到第三个选择的排序的影响。

6）广泛性： 允许任何可能的个体为选择排序。

悖论的意思就是我们永远不能希望达到完美，我们所能做的就是选择一个简单的、对我目标而言合理的投票系统，然后坚持使用它。

群体思想

当群组内的成员由于社会压力而形成一种“自欺欺人，强迫性同意，以及与群组价值观和道德观一致”的思维模式时，这种现象被称为群体思想。

主要特征：

1）一致性的压力，例如，让人觉得如果不同意群体的思维方式和结论就会受到排挤的威胁或实际制裁。

2）群体内思想的封闭性，以至于任何的质疑都将被排除。

3）高估群体的实力，认为群体很强大、很英明、比其他群体都要高级，甚至可以说是无懈可击。

群体智能企业

群体智能与集体智能只有细微差别。集体智能是一条利用 小组内的多样性优势解决问题的途径。 群体智能是 小组内个体成员在局部相互作用产生的一种自发现象。 群体企业显然利用了两者的优势。

群体企业包括集体智能和群体智能两者优势，

最简单的理解是： 例如Facebook公司有两套互联网操作系统平台，一套是内部沟通、协作、决策系统，解决企业自身问题。一套是外部协作系统，不管是哪个个体或组织，都可以自己为中心（站在结构洞中心），在平台解决各自的问题。

群体智能企业： 例如腾讯、阿里巴巴、Facebook、Linux、罗辑思维等等

群体企业与传统企业的法则在三个方面有着根本的不同：

1）群体企业得到权利是因为他先放弃了它。手握权利的是利益相关人，而非企业本身。 比如，淘宝建立一个网络平台，然后让买卖双方使用这个网络，同时推出产品推介，法规遵从、风险管理和解决冲突等功能。

2）群体企业愿意同群体分享并支持群体。

开放源代码软件、或是提供Api的接入。

3）全体企业将其成员的福利置于赚钱之前。

例如，关于网络平台：淘宝买卖双方在平台交易免收交易费用。

关于组织内部的例子：宗毅鼓励、支持企业内部的人员去创建自己的公司。

3、网络世界里的群体智慧

一张没有蜘蛛的网

延伸（大链接、链接、人人时代）

关注网络中的核心比关注个人更加有效，让个人节点“更适合”自己的目标，从而为关系链延续下去提供永久动力。
李善友教授的说法是：“产品是入口，人才是商业模式，是基于关系的商业模式。”

米格尔拉姆的六度分隔理论： 社会网络中任意两个素不相识的人，最多只须经过六步即可建立互联系。

网络就是大链接

网络真正重要的是： 交叉点之间的连接使得整个网络正常运转。

比如一个道路网，那么纽带就是道路本身，而交叉点就是道路交叉的地方。如果是一个航空网，纽带就是航空线路，而交叉节点的则是各个飞机场。 如果是人脉（社会网络），那么节点就是人本身。（相信很多人都用过App脉脉，我们每个人都成为其中的一个节点）

假如人们彼此认识，就称他们之间有联系。社会科学家将这套连接绘制成“社会关系网图”，该图使得的人们的关系即刻可视化。

无论在网络中传输的是笑话、信息还是一种病毒，数学家们都以同样的方式表示网络， 即一种由线性（联系）连接各个点（节点）的模型。 通过这种方式，数学家们便能识别不同网络的相同之处以及这些特点如何影响网络的性能。

在复杂科学家的眼中，网络就是复杂的系统， 如果可以随意添加或删除节点和连接，那么它往往会变成复杂自适应系统。 各个节点之间的连接代表局部相互作用，但不管怎么样，新兴的网络整体性能都比那些局部相互作用的总和要强得多。

连接，网络自组织的形式

网络具有两种极端的形式。其中一种是 规定的形式 ，如军队或传统企业的组织结构。

而网络的另一种形式则是以 随机的方式 形成的。如艺术品上纵横交错的颜料条纹，或社群内人与人之间的关系网络。

如果持续为连接数量较少的网络添加任意连接，那么整个网络就会突然呈现出相互连接的状态。

现实中比较常见的是： 例如微博中一个大V号（10万人），10个小V号（各1万人），每次通过活动运营@就是呈现相互连接状态，大家都见过原本几万粉丝的大号， 通过添加连接一年的运营粉丝数量能突破200万的例子，而通过相互连接小号的粉丝也会过10万。

网络作为一个整体依然只构成了一个很小的世界，其中任意节点之间都经有几步之遥。

例如，某个读书会的微信社群会员有6000人， 微信公布的人均好友数是128人（不含每个人都有几个好友群），仅一度人脉的触及率最高可达76万人，二度人脉有效率10%计算， 最大触及率近1000万人…

中心化，网络自组织的结果

中心是一个网络自组织产生的结果，有的节点拥有很多连接，而其他节点上的连接数去少之又少。 “幂律法则” （微博中有些大V粉丝几千万，有些人的粉丝寥寥无几）

幂律分布网络的一个非常重要的特点就是非常稳定，他允许丢失多个节点。 即使一些节点丢失或遭到破坏，网络性能也不会受到很多影响。就当左右中心遭到破坏时才会带来真正的损害。

传递，网络自组织的特点

现实生活中的网络具有哪两大主要特点：

1）很多网络都含有较高的地方集群和较短的全球路径长度。

2）很多网络具有非常不对称的连通性分布图，涉及不同的节点，其中一部分节点（中心）存在大量连接，而大多数节点只有极少的连接。分布图通常（而非永远）遵循幂律法则。

例如，信息的传播，我们认为自己被罗胖的新的信息“感染了”，但我们将信息传递出去时也是在感染别人。

从信息传播角度，关注网络中的核心比关注个人更加有效。（比如先了解微信、微博、Aso、seo等存在大量连接的工具属性，再确定建立节点）

构建网络影响力

如何更加有效的使用网络，可以采用三种主要方式。

1）通过识别和利用远程连接，或建立新连接加快信息或其他被传递物在网络上的传播。

2）为人们提供继续传递关系链的动力。

3）识别并利用存在于大多数现实生活网络中的核心。

舆论领袖发挥作用的方式就是媒体提供的流露到舆论领袖那里的信息，在从他们那里传到他们的追随者那里。

罗杰斯的创新扩散定律

需要大批“早期接受者”（在第一次接触后便开始占有的人），开始一段认可并扩散的想法并不只是一种热潮，也是构建新事物传播的基础，是跨越从创新到成功之间“鸿沟”的能力。

传统营销的目标是个人 ，而病毒式营销的目标则是让他们通过自己的网络传播信息，就像电脑病毒感染计算机一样。

传统的营销人员为提高销售业绩通常只有两种基本选择：

1）将自己产品包装的更加吸引人，这样就增加了个人购买的可能性。

2）利用广告活动提高产品的知名度，从而增加购买产品人数。

出了以上两种选择， 还存在第三种选择，那就是通过流言或网络复制他们的信息。 如果复制率高与团体（每一个人都将此信息传递给至少一个陌生人），那么该信息以及产品的数量就会增加。否则，信息就会渐渐消失。

病毒式营销应该拥有一个更加适度的野心，以便开始阶段建立一个“大种子” 。即使在信息传递过程中出现复制率比团体低的情况，也将会有更多人更多的人获得此信息。

使用网络的方式有很多种，包括：

1）创建一个大种子

2）为关系链延续下去提供动力

3）让个人节点“更适合”自己的目标

4）帮助网络建立更多的双向连接

所有这些方式都涉及建立一个网络，并不是通过上述判断来建立，而是提供网络形成、发展并自发的适应不断变化条件的环境，把相互作用作为动力。

4、群体的智慧，复杂中的简单之美

复杂科学的十大要点

1）通过提供一个所有人都将自己是为利益相关者，而不是利益瓜分者的平台，在家庭、社区和商业环境中发挥群体智能的优势。

2）从内部引导（如果有可能最好是一个由有志同道合的朋友或同事组成的小圈子），但要注意不要让群体里的其他成员知道你在做什么。只要朝着你想要去的方向前进，剩下的事就交给群体智能的法则去完成。

3）当网络发挥作用时，发现、利用和建立少量的远程链接，可以使一些小群体汇集成一个小世界，且不易分离。

4）如果你和一群人身处一个危险的环境中，应使用一种混合策略逃生：用60%的时间跟随人群，用40%的时间找到自己的逃生线路。

5）你可以通过稍微降低你的期望值来提高概率，如果要所有替代方案中排在前10%的一个方案，那么你应该着重考虑可选项的14% ,然后选择一个比你看到的任何一个都好的方案。

6）如果你想说服一大群人，甚至是引起异常骚动，不要靠说服有影响力的个体来传递信息。尝试说服大量关键性的早期采用者——仅在接触一次后就接受这一思想或产品的人，这样做效果要好得多。

7） 当面临大量需要用于决策的数据时，首先要使用本福德定律来检查数据是否是伪造的（实际生活中的数据里，以数字1为首数字的数出现概率为30% ，数字越大，他在首位会出现的概率越低）

8）不要相信连接链有潜在意义，除非你找到连接以外的其他原因

9） 一群行人倾向于自组织成人流。随波逐流，不要在岸上搁浅。

10）当策划一次穿过城市的复杂公路之旅时，尽可能的右转。

商业中的三大规则：

1）通过暂时回避群体环境、做一些独立思考，并在返回群体之前通过自己思考得出结论，可以避免趋同思维的风险。

2）对于紧急情况及需要快速决策的情况，应提前决定怎么办、范围、优先顺序、时机和退出规则，以达到未雨绸缪的效果。

3）不要把鸡蛋放在同一个篮子里。与其选择一种替代方案而放弃另一种，不如在两种选择中均匀的分配你的资源。

计算机模拟中的四大规则

1）一帮朋友在拥挤的人群中寻找出路时，不仅要彼此紧密的团结在一起，而且要试图让尽可能多的陌生人与你们同行。

2）当试图将一个问题呈现在作为整体的一个群体或工作面前以引起他们注意时，不要只是昙花一现。随着时间的推移，将问题的不同方面展现在他们面前。

3）执行任何任务时，注意附近执行类似任务的人。如果他们比你表现得更好，放下你的骄傲，效仿他们的行为。

4）“赢守输变” 。在需要重复合作的情况下，时刻将合作放在第一位，然后在第二轮中采用对方在第一轮采取的行为（合作或不合作）

文／盛盛Go

关键字：产品经理, 群体

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！