一个王兴换三个陈欧，一个滴滴换十个小红书

2016-12-28 09:57:00

如果你是一个创业者，你希望做一次王兴，还是希望做三次陈欧？如果你是一个投资人，你希望投到一次滴滴还是投到十次小红书？

假设你参加了三次比赛，有两种结局可选，分别是：

两次不入围，一次夺冠
三次入围，但都是亚军

你会如何选择？

人们都知道，第二名是不被记住的。别说是三次，哪怕十次第二名，大概结果都不如一次第一名。

第一名能得到更丰厚的财务回报，也能有更多的想象空间。毕竟，哪个活动会要一个自我介绍为“我拿过十次第二名”的嘉宾，而不是“某某比赛冠军”的嘉宾呢。

这个问题的本质其实是：成功有两个维度，一个是幅度、一个是频度。而对于世俗意义上的成功来说，幅度往往比频度更重要。所以一次第一名，胜过无数次第二名。

这也就有了题目中的问题，如果你是一个创业者，你希望做一次王兴，还是希望做三次陈欧？如果你是一个投资人，你希望投到一次滴滴还是投到十次小红书？（当然，不管是陈欧还是小红书，都已经是无比成功的结果了。）

对于王刚来说，哪怕他未来的投资都失败了，他也还是那个滴滴的天使投资人，也还是比绝大多数投资人成功。

人类对于成功的定义和记忆有时就是这么残酷。

Babe Ruth 是美国历史上最有名的棒球运动员，他在很多美国人心中的地位甚至超过阿里或乔丹等人。

他是历史上第一个在单赛季打了 60 个全垒打的人，这个记录维持了 34 年；

他整个职业生涯打出了 714 个全垒打，这个记录维持了 39 年；

但同时，他还有另一个记录，他整个生涯被三振出局 1330 次，这个记录维持了 29 年。

Babe Ruth 放弃了更高“频次”和更大概率的安打，而不懈地去追求更低概率却有更大“振幅”的全垒打，这真正践行了上面图片中所引用的话：“Hit Big or Miss Big”。

这让他成为了美国历史上最著名的运动员，也给人们留下了一个鲁斯效应（Babe Ruth Effect）—— 追求成功的人应该冒更大的风险，获得更高的收益。

这个效应也被不断地运用在 VC 行业。

Peter Thiel 说过，VC 行业中不同项目的回报是有惊人的偏差的。做的不好的 VC 时常有一种错觉，那就是所有的项目都差不多，但实际上项目的回报是符合幂函数（Power Law）的，也就是说最头部的极少数项目，最后会带来最大部分的回报。越早想明白这点，越可能做一个好 VC。

A16Z 合伙人 Chris Dixon 曾经根据其出资人提供的数据，总结出如下的结果：

上图中，横坐标是基金的回报倍数，纵坐标是大于 10 倍回报项目在所有项目中所占的比例。可以看到，做的越好的基金，大于 10 倍回报的项目比例就越多。

上图的横坐标不变，纵坐标变为大于 10 倍回报项目的具体回报倍数。可以看到表现好的基金的“本垒打”项目的回报倍数会高到近 70 倍之多。

最后这张图更有意思，横坐标依然不变，纵坐标变为了失败项目的比例。可以看到，小于 1 倍回报的失败基金有近 80% 的项目是失败的，而 2-5 倍的基金的失败项目概率降到了 40% 左右，但大于 5 倍回报的基金的失败项目率反而又会提升一段。

这就说明，真正追求独角兽的基金，容错率反而是要更高一些的。这就像 Babe Ruth 一样，为了打出全垒打，是可以经受更多三振出局的。

但是，这是否意味着每个人都可以无责任为了追求成功而去冒险？

事实上，Babe Ruth 退役之后的这几十年里，棒球领域确实有大量的人在践行他的鲁斯效应。

在 2012 年，有 136 个球员被三振出局 94 次以上，而 94 这个数字是 Babe Ruth 生涯中单赛季被三振出局最多的次数。但这 136 个人却并没有人真的打出类似数量的全垒打，或带来相同的胜绩。

为了研究透这个问题，我找来了 Babe Ruth 的历史数据。我对比了他全垒打和三振出局的比例，也就是上表中最后一行的比率，比率越高说明全垒打的可能性越高。其中加粗的部分是几个明显的差异点：

1919 年，全垒打和被三振的比率突然从前一年的 19% 提升到了 50%，是一个质变。历史原因是，在那一年之前，Babe Ruth 都是被主要用作投手、兼职打击手。而 1919 年，Babe Ruth 去找到了球队教练，说我只能做这两件事的其中一件，于是教练就让他专职打击。这说明，选择有时候确实比努力重要，选对了适合自己的方向，成功的概率会显著提升。
1922 年，比率突然从 73% 下降到了 44%；1925 更是下降到了 37%。我研究了当时的情景，发现他在 1922 年正如日中天，签了新的合约，数量是一个天文数字，从那以后据说他开始酗酒，直到 1925 年，他离婚，并被送进医院疗养 6 周时间。这或许可以说明，每个人在经历人生顶峰的时候，尤其是突然登顶的时候，也是最可能犯错的时候。
1932 年之前，可以看到 Babe Ruth 全垒打比率在逐年上升，1931 年更是达到了惊人的 90%，这意味着几乎他每被三振出局一次，下一次就会打出一个全垒打。而 1932 年，这个数字下降到 66%，是正常的职业生涯末期的表现。这一方面说明，成功的概率是可以通过努力和时间来提升的；另一方面说明，人要抓紧机遇，在正当年的时候做效益最大化的事情。

回到投资上。很多人觉得，真正好的投资人是不靠运气的，也有人说，讲运气的都是年轻人道行浅。但其实，我把人世间所有的事情分为三类：

只和自己有关的，比如健身、背单词，这类事情丝毫不靠运气，只要足够努力就会有收获，就能够成功。
只和外部有关的随机事件，比如扔骰子、赌大小点，不管自身如何努力，最终都是完全依靠外部概率。
和自身与外部都相关的，比如德扑、比如投资、比如其他的绝大多数事情。这类事情最终的结果都是靠运气的，因为只要有外在因素的影响，你就永远无法有 100% 的概率实现一件事。不同人所能做的，只是提高自己实现某种结果的概率，仅此而已。

所以大多的事情是靠运气的，这句话没错。又所以，社会中的大多数事件都是概率事件。

既然得到这个结论，那对这些概率事件做选择的时候，计算数学期望就是最重要也是最科学的方法。

《黑天鹅》的作者 Nassim Taleb 在他的另一本书《随机致富的傻瓜》中曾经举过一个有意思的例子。

有一次，一个同事问 Nassim Taleb，“你觉得某只股票的走势会怎么样？”，Nassim 回答说，“70%的大概率会涨”。但是，那个同事却发现 Nassim 在做空这只股票，就质问他是否在耍自己。

Nassim 用上图解释说，股票确实有 70% 的概率会涨，但涨幅可能只有 1%，而 30% 的概率跌所对应的跌幅却是 -10%，这样算数学期望值的话，买涨的期望是：70%1%+30%（-10%）= -2.3%。

所以，虽然涨是大概率事件，但买跌的预期结果却更优。这就是算期望的价值。

很多时候做 VC 也一样是要算期望的。比如 ofo 和 Mobike，总有人不理解为什么会有这么多机构趋之若鹜，简单来说就是，虽然失败的概率高（可又有哪个创业公司失败的概率不高呢？），但是一旦成功，就有可能带来惊人的回报，所以期望值高，值得投资。

最后，我们都知道，概率事件重复的次数越多，事件本身发生的情况就越会趋近概率。就好像扔骰子一样，扔的次数越多，六个点数出现的结果就越平均。

上图是 Mattermark 统计的从 09 年到 12 年的部分获投企业后续融资的情况。从中可以看出，平均下来只有 0.3% 的项目最终能拿到 F 轮，当然，这里也许有些公司被收购，有些还不需要融 F 轮等等，我们不妨不负责任地假设一个获投公司最终成功退出的概率是 1%，再假设一个好的专业投资人的业绩水平可以达到平均值的 20 倍，那么其投资成功退出的概率就是 20%，这样说起来，这个基金至少要投资 5 个项目，才可能有一个退出。

一个钱少的基金，在这个概率下，如果投资公司的数量不多，是很容易扔完钱却没有一丝效果的。所以总有人说，对于做投资来说，子弹的数量是很重要的一点。

就像去玩抓娃娃机的人，一开始的投币，都是为了最后抓到娃娃的那一颗币做铺垫。如果你的口袋里没有足够多的币，没有足够多尝试的机会，你就会变成别人实现概率的垫脚石。

所以，总结一下：