Szerencse vagy tudás? A kimenetek besorolása

Definíció. Minden kimenet két forrásból áll: abból, ami a döntésünkön múlt (tudás, skill), és abból, ami nem (szerencse, luck). Tanulni csak a tudás-részből lehet. A tanulási hurok tehát nem a kimenetnél zárul, hanem egy második döntésnél: hová soroljuk be a kimenetet? Duke szóhasználatában ez maga is egy fogadás — és ezt a fogadást szisztematikusan elrontjuk. (annie-duke, thinking-in-bets, ch. 3)

A művelet operatív definíciója. Skill, ha ugyanaz a döntés megismételve előreláthatóan ugyanazt a kimenetet hozná, vagy ha a döntés megváltoztatása előreláthatóan más kimenetet hozna. Egyébként szerencse.

A szisztematikus hiba: self-serving bias. A jót a saját tudásunknak tulajdonítjuk, a rosszat a szerencsének — mások esetében pontosan fordítva. Fritz Heider megfogalmazásában "naiv tudósok" vagyunk: hihető okot keresünk, de olyat, ami hízeleg is nekünk.

Miért számít marketingben

• A tanulás itt áll meg, nem a mérésnél. Egy ügynökség, amely minden nyertes kampányt a stratégiájának, minden bukót a piacnak/szezonnak/algoritmusváltozásnak tulajdonít, ugyanannyit tanul, mint Nick the Greek (lásd lejjebb): semmit. A wiki mérési oldalai (input-output-outcome-metrics) megmondják, mit nézz; ez az oldal azt, hogy mit kezdj a látottal.
• A versenytárs sikerének leértékelése drága. "Csak szerencséjük volt / csak a büdzséjük nagyobb" — Duke pókeres tanulsága: ez a mondat konkrét pénzbe került neki, mert nem tanulta meg azokat a stratégiákat, amelyeket a "rossz" játékosok jól használtak. → a Mertoni univerzalizmus szabálya a truthseeking-pod oldalon.
• Az Extremistan-hatás. Minél nagyobb a szerencse súlya egy tevékenységben, annál nehezebb a besorolás — és a marketing legjövedelmezőbb területei (viralitás, tartalom elérése, új termék bevezetése) éppen ezek. → extremistan-vs-mediocristan

Bizonyítékok

• Nick the Greek (Billings, Montana, 1992). Meggyőződése szerint a legjobb kezdőlapok a matematikailag leggyengébbek voltak (7-2 offsuit), mert "senki sem számít rá". Amikor nyert vele: zsenialitás (skill vödör). Amikor vesztett — sokkal gyakrabban: balszerencse (luck vödör). Évekig játszott így, és soha nem változtatott. (thinking-in-bets, ch. 3)
• MacCoun autóbaleseti elemzése. A sérült beszámolók 75%-a mást hibáztatott; többjárműves baleseteknél 91%; és egyjárműves baleseteknél is 37% talált külső felelőst. Biztosítói űrlapokról: "The telephone pole was approaching. I was attempting to swerve out of its way when it struck my car." Maga von Neumann is: "a fák rendezetten haladtak el mellettem 60 mérföld/órával, mire az egyik kilépett az utamba."
• Phil Hellmuth (a WSOP-történelem legtöbb karkötőjével) az ESPN kamerája előtt, kiesés után: "If it weren't for luck, I'd win every one." Azaz: minden rossz kimenet szerencse, minden jó tudás — kimondva.
• A szimmetrikus fordított hiba mások felé: a Bartman-eset (2003). Steve Bartman a Cubs meccsén a lelátóról hozzáért egy foul labdához; a körülötte ülők közül többen is nyúltak érte (a dokumentumfilm felvételein látszik). A Cubs ezután vesztette el a meccset és a párharcot — nyolc futást kaptak abban a játékrészben, hét azután, hogy a shortstop elrontott egy játékrészt lezáró dupla kiállítást. A közönség és a sajtó egy évtizeden át Bartmant hibáztatta, nem Gonzalezt. (thinking-in-bets, ch. 3, 6)
• A patkánykísérlet analógiája. Fix jutalmazási ütemtervnél (minden 10. kar-lenyomás) a patkány gyorsan tanul, és a jutalom elvonásakor gyorsan abbahagyja. Változó ütemtervnél (átlagosan minden 10.) — vagyis bizonytalanság mellett — az elvonás után ezerszer is lenyomja a kart. A bizonytalanság drasztikusan lassítja a tanulást. Ez ugyanaz a mechanizmus, amely a variable-rewards oldalon a kötődést magyarázza; itt a tanulás ára.
• Phil Ivey ellenpéldája. Egy World Poker Tour-győzelem estéjén a vacsoránál minden potenciális hibáját végigvette a testvérével — nem az ünneplést választotta. Duke tétele: a csúcson lévők nem azért nincsenek self-serving biasban, mert jobb agyuk van, hanem mert átírták a szokáshurkot: náluk a jutalom nem a hitelesség, hanem a pontos besorolás. → habit-loop

Hogyan alkalmazd

1. Kezeld a besorolást fogadásként. "Ha most pénzt kellene tennem arra, hogy ez a kampány a kreatív miatt ment jól, tényleg megtenném?" A kérdés önmagában több alternatív okot hív elő.
2. Perspektívacsere. Kérdezd meg: "Ha ez a versenytársammal történt volna, mit mondanék?" — és a nyereségnél a fordítottját: "Ha ez velem történik, mit dicsérnék meg benne?" Az igazság a kettő között van; a perspektívacsere odavisz.
3. Írd át a szokáshurkot, ne az agyat. A jel (kimenet) és a jutalom (jó érzés magunkról) marad; a rutin cserélhető: legyél a csoportod legjobb hibabevallója, legjobb kredit-adója, legjobb "jó kimenetben hibát találója". Duhigg aranyszabálya (habit-loop): a jelet és a jutalmat tartsd meg, a rutint cseréld.
4. Keress hibát a nyertesekben. Duke testvére csak nyert leosztásokról volt hajlandó beszélni vele — kevésbé fáj, ezért könnyebben tanulható. Marketinges változat: a kvartális review kötelező napirendi pontja "mit rontottunk el a legjobb kampányunkban".
5. Ne 100/0-ban sorolj. Szinte egyetlen kimenet sem tiszta szerencse vagy tiszta tudás. A százalékos becslés ugyanaz az eszköz itt, mint a hiteknél → belief-calibration.
6. Marketinges konkrétum. Vezess egy kétoszlopos táblát minden nagyobb kampány után: amit befolyásoltunk (ajánlat, kreatív, célzás, ütemezés, landing) és amit nem (szezon, versenytárs lépése, algoritmus, makró, PR-esemény). A vitát az okozza, hova kerül egy-egy sor — és pontosan ez a vita a tanulás.

Feszültségek

• Taleb (the-black-swan) vs. Duke — ugyanaz a határvonal, két oldalról. Taleb Mediocristan/Extremistan elhatárolása a jelenség oldaláról mondja meg, mennyi a szerencse súlya (skálázható-e a kimenet, van-e kiugró elem); Duke szerencse/tudás vödrei a döntéshozó oldaláról ugyanezt. A két keret kompatibilis, és együtt erősebb: minél inkább Extremistan egy tevékenység, annál nagyobb a luck vödör, annál kevesebbet tanulhatsz egyetlen kimenetből, és annál inkább kitettség-tervezés kell becslés helyett (asymmetric-payoffs, barbell-strategy). Ahol a kettő elválik: Taleb szerint a besorolás Extremistanban elvileg lehetetlen (nem ismerjük az eloszlást, fourth-quadrant), Duke szerint a gyakorlás javítja — Duke bizonyítéka viszont pókerből való, ahol az eloszlás ismert (ludic-fallacy).
• A visszacsatolási hurok minősége. Kahneman két feltétele (when-to-trust-intuition): szabályos környezet + gyors, egyértelmű visszajelzés. A póker mindkettőt teljesíti, ezért ott a besorolás tanulható. A márkastratégiában egyik sem teljesül. A wiki álláspontja: a besorolási gyakorlat marketingben is javítja a gondolkodást, de nem képez szakértőt — és aki "kalibrált marketing-intuícióra" hivatkozik, az epistemic-arrogance esete.
• Ellentétes irányú visszaélés. A "szerencse volt" besorolás kényelmes mentség. Duke válasza a csoportos beszámoltathatóság (truthseeking-pod); a wiki hozzáteszi, hogy ehhez előre rögzített valószínűségek kellenek, különben a besorolás utólag szabadon hangolható → resulting-and-outcome-bias.
• Módszertani. MacCoun adata szolid, a Heider-keret klasszikus és széles körben megerősített. A Nick the Greek-, Hellmuth- és Ivey-történetek n = 1 anekdoták, és Duke saját emlékezetéből valók — a mechanizmust illusztrálják, nem bizonyítják. A patkány-ütemterv irodalom (Skinner) robusztus, de az emberi tanulásra való átvitel a könyvben hivatkozás nélküli.

Housel: a szerencse és a kockázat ugyanannak az éremnek a két oldala (beolvasva 2026-09-14)

the-psychology-of-money (ch. 4) harmadik, független forrásként erősíti meg ezt az oldalt — Duke a pókerből, Taleb a valószínűségszámításból, morgan-housel életrajzi párokból jut ugyanide. Az ő megfogalmazása: "Luck and risk are siblings. They are both the reality that every outcome in life is guided by forces other than individual effort."

A képpár, ami a tézist hordozza — és amiben számok vannak.

• Bill Gates: egy a millióhoz szerencse. 1968-ban az ENSZ szerint a világon ~303 millió középiskolás korú fiatal élt; ebből ~18 millió az USA-ban, ~270 000 Washington államban, valamivel több mint 100 000 a seattle-i körzetben — és mintegy 300 járt a Lakeside Schoolba, az egyetlen iskolába, amelynek a diákklubja (az anyák klubja, egy vásár ~3 000 dolláros bevételéből) 1968-ban időosztásos számítógépet bérelt. Akkor, amikor a legtöbb egyetemi doktori iskolának sem volt ilyen gépe. Gates maga: "If there had been no Lakeside, there would have been no Microsoft."
• Kent Evans: egy a millióhoz kockázat. Gates nyolcadikos legjobb barátja, az osztály legjobb tanulója, aki Gatesszel együtt megírta az iskola órarendprogramját, és aki Gates szerint a Microsoft alapító partnere lett volna. Hegymászóbalesetben halt meg az érettségi előtt. Az USA-ban évente nagyjából három tucat hegymászó-haláleset történik; a valószínűsége annak, hogy valakit középiskolásként öl meg a hegy, nagyjából egy a millióhoz.

Ugyanaz az erő, ugyanaz a nagyságrend, ellentétes irányban. "For every Bill Gates there is a Kent Evans who was just as skilled and driven but ended up on the other side of life roulette."

További bizonyíték az oldalhoz:

• Robert Shiller (Nobel-díjas) Housel kérdésére, hogy mit szeretne tudni a befektetésről, amit nem lehet tudni: "The exact role of luck in successful outcomes."
• Bhashkar Mazumder mérése: a testvérek jövedelme jobban korrelál, mint a testtömegük vagy a magasságuk. "Find me two rich brothers and I'll show you two men who do not think this study's findings apply to them."
• A vékony határ a merész és a vakmerő között. Cornelius Vanderbilt tanácsadója közölte, hogy minden megkötött üzlete törvénybe ütközik; Vanderbilt válasza: "You don't suppose you can run a railroad in accordance with the statutes of the State of New York, do you?" Rockefeller cégét egy bíró "közönséges tolvajnál nem különb"-nek nevezte. Ugyanez a viselkedés Enron esetében bűncselekmény. A különbség utólagos.
• Benjamin Graham, az értékalapú befektetés atyja: sikerének döntő része egyetlen hatalmas GEICO-pozícióból jött, amely saját bevallása szerint megszegte szinte minden diverzifikációs szabályát. Graham maga: "One lucky break, or one supremely shrewd decision—can we tell them apart?"

A gyakorlati következtetés, ami eltér Duke-étól. Duke a besorolást javítaná (szerencse/tudás vödrök, belief-calibration). Housel ehelyett azt mondja: ne egyéni eseteket tanulmányozz, hanem széles mintázatokat. "The more extreme the outcome, the less likely you can apply its lessons to your own life, because the more likely the outcome was influenced by extreme ends of luck or risk." Marketinges fordítás: a "hogy csinálta a Red Bull / a Nike / a Dollar Shave Club" esettanulmány a legrosszabb tanulási forma, mert épp a szélső értéket vizsgálja; a Sharp-féle általános törvények (double-jeopardy, duplication-of-purchase-law, light-buyers-and-penetration) ugyanezt a logikát követik a másik irányból → silent-evidence, regression-to-the-mean, extremistan-vs-mediocristan.

Feszültség a wiki eddigi anyagával. Housel tanácsa ("kerüld a szélső eseteket, nézz széles mintázatot") ellentétes zag és good-strategy-bad-strategy logikájával, amelyek épp a kivételes, másolhatatlan pozíciót keresik. A feloldás: a tanuláshoz széles mintázat kell, a stratégiához egyedi pozíció. Aki a kettőt összekeveri, vagy közhelyet másol, vagy egy szerencsés kivételt.

Thiel: "nem vagy lottószelvény" — a negyedik szavazat a vitában (beolvasva 2026-09-14)

peter-thiel (zero-to-one, 6. fej.) a wiki négy forrása közül az egyetlen, amely nyíltan a tudás-vödör mellett érvel, és név szerint támadja Gladwellt. Az érve a sorozatvállalkozó: ha a siker főleg szerencse volna, nem léteznének olyanok, akik többször is többmilliárdos céget építenek (Jobs, Dorsey, Musk). Jack Dorsey 2013-as tweetje — "Success is never accidental" — és a rá érkezett felháborodás a fejezet nyitóképe.

A módszertani rész, amit helyesen mond ki: "companies are not experiments… to get a scientific answer about Facebook, we'd have to rewind to 2004, create 1,000 copies of the world… Statistics doesn't work when the sample size is one." Ez pontosan Duke tétele: n = 1 kimenetből nem következtethetsz a döntés minőségére → resulting-and-outcome-bias.

A wiki állása. Az empirikus állítás (a siker főleg tervezés) nem áll: a sorozatvállalkozó-érv nem bizonyít semmit, mert preferential-attachment és Taleb szimulált alapkezelői szerencséből is előállítják a sorozatnyerteseket (silent-evidence) — és Thiel maga is elismeri, hogy "a már sikeres embereknek könnyebb újat csinálni… a hálózatuk, a vagyonuk vagy a tapasztalatuk miatt", ami szó szerint a kumulatív előny mechanizmusa. Ráadásul a saját érve üti a saját tézisét: ha a statisztika n = 1-nél nem működik, akkor a tervezés magyarázatára sem működik.

A normatív állítás viszont védhető, és a wiki ezt tartja meg. A szerencsét nem tudod befolyásolni, a döntésminőséget igen; ezért a "határozatlan" póz nem ad megtehető cselekvést. A kiegészítés, ami Thielből hiányzik: a határozott terv csak akkor racionális, ha a tévedés ára korlátos — azaz padlóval, súlyzó-szerkezetben → definite-vs-indefinite-optimism, asymmetric-payoffs, barbell-strategy.

Kapcsolódó

resulting-and-outcome-bias · belief-calibration · truthseeking-pod · premortem-and-backcasting · tilt-and-decision-interrupts · extremistan-vs-mediocristan · silent-evidence · regression-to-the-mean · narrative-fallacy · fundamental-attribution-error · confirmation-bias · habit-loop · variable-rewards · when-to-trust-intuition · fourth-quadrant · asymmetric-payoffs · barbell-strategy · ludic-fallacy · input-output-outcome-metrics · annie-duke · nassim-taleb · daniel-kahneman · thinking-in-bets · the-black-swan · definite-vs-indefinite-optimism · peter-thiel · zero-to-one