MMarketingWiki
keretrendszer vázlat

Referenciaosztály-előrejelzés és premortem

Más névenreference class forecasting, referenciaosztály-előrejelzés, outside view checklist, külső nézet, premortem, pre-mortem, Flyvbjerg, decorrelate error, independent judgments

Két eljárás a planning-fallacy ellen. Az első a becslést javítja, a második a döntés előtti vitát nyitja meg. Mindkettő szervezeti eszköz: Kahneman zárógondolata az, hogy a szervezet jobb a torzítások ellen, mint az egyén, mert lassabban gondolkodik és képes eljárásokat kikényszeríteni.

A. Referenciaosztály-előrejelzés (Flyvbjerg három lépése)

Flyvbjerg (Oxford) ezt közlekedési nagyprojektekre iparosította; a lépések bármilyen becslésre állnak. Kahneman ezt nevezi "az egyetlen legfontosabb tanácsnak az előrejelzés pontosságának javítására".

  1. Azonosítsd a megfelelő referenciaosztályt. "Konyhafelújítás", "nagy vasúti projekt", "B2B SaaS rebranding", "termékbevezetés ebben a kategóriában", "ügynökségi pitch-folyamat". A hiba mindkét irányban lehetséges: túl szűk osztály (csak a saját sikereid) vagy túl tág (minden marketingprojekt).
  2. Szerezd meg az osztály statisztikáját, és ebből csinálj alapbecslést. Nem kell akadémiai adat: a saját céged utolsó 15 hasonló projektje, az ügynökséged portfóliója, iparági jelentés, a hálózatod. A kérdés formája: "hasonló esetek hány százaléka készült el, és mennyi idő / pénz alatt?"
  3. Igazítsd az alapbecslést az eset specifikumaival — csak akkor és annyival, amennyire konkrét okod van azt hinni, hogy az optimizmus-torzítás itt kisebb vagy nagyobb, mint a többi esetnél. Ez a lépés a legveszélyesebb: itt szivárog vissza a belső nézet.

Sorrendi szabály (ezt a legtöbb csapat elrontja)

A külső nézet legyen az első kimondott szám. Ha a csapat előbb becsül belülről, a saját becslése horgony lesz, és a referenciaosztály csak kismértékű igazítást kap → anchoring. Kahneman saját esetében pont ez történt: a szakértő, aki a bázisrátát ismerte, maga is az optimista konszenzuson belül becsült, amíg rá nem kérdeztek.

Kiegészítő szabály: decorrelate error

Mielőtt a téma vitára kerül, minden résztvevő írja le röviden az álláspontját és a számát. A nyílt vita túl nagy súlyt ad annak, aki előbb és határozottabban szólal meg, és így lecsökkenti a csoport tényleges mintaméretét → system-1-and-system-2 (halo-hatás), decide-without-debate.

Mit kérdezz a saját csapatodtól

  • "Hány hasonló projektet csináltunk, és azoknak mi lett a tényleges átfutási ideje és költsége?"
  • "Az utolsó négy negyedéves tervezésnél mennyit tévedtünk, és milyen irányban?" (Ez néhány hónap alatt megépül és többet ér, mint egy új modell → forecasting-limits.)
  • "Azt figyelembe véve, hogy a versenytársaink mit fognak csinálni ugyanebben az időszakban, mennyi jut nekünk?" — külön kérdés, külön papíron → versenytárs-elhanyagolás.
  • "Ha ezt a projektet most kellene elindítani, a mostani tudásunkkal, elindítanánk?" (Ez a sunk cost elleni kérdés → sunk-cost-fallacy.)

Hol ne használd

Ahol nincs értelmes bázisráta, mert a kimenet Extremistanból való: egy tartalom elérése, egy termék élettartam-bevétele, egy startup kimenete, egy vírusos kampány. Ott nem becslés kell, hanem kitettség-tervezés → asymmetric-payoffs, barbell-strategy, extremistan-vs-mediocristan.

B. Premortem (Gary Klein)

A részletes eljárásleírás, a backcasting-párja, a kísérleti alátámasztás (Oettingen, Mitchell–Russo–Pennington) és a marketinges scenario planning / várható érték anyag a premortem-and-backcasting oldalon van (Duke, thinking-in-bets). Itt Kahneman változata marad, a bázisráta-anyag kontextusában. A két forrás nem mond ellent: az eljárás szó szerint ugyanaz.

Klein ötlete, és Kahneman szerint a legjobb, amit az optimista túlbizalom ellen ismer — annál is inkább, mert Klein a torzítás-irodalom kritikusa (when-to-trust-intuition).

Az eljárás. Amikor a szervezet már majdnem eldöntött egy fontos kérdést, de még nem kötelezte el magát formálisan, hívd össze rövid ülésre azokat, akik értenek a döntéshez, és mondd:

"Képzeljük el, hogy egy évvel járunk a jövőben. Végrehajtottuk a tervet a jelenlegi formájában. Az eredmény katasztrófa lett. Kérlek, 5-10 percben írjátok le annak a katasztrófának a rövid történetét."

Miért működik (két hatás):

  1. Feloldja a csoportgondolkodást. Amint egy csapat konvergál — különösen ha a vezető felfedte a lapjait —, a nyilvános kétely fokozatosan elnyomódik, végül a lojalitás hiányának számít. A premortem legitimálja a kételyt azzal, hogy kötelezővé teszi.
  2. Felszabadítja a tudást a helyes irányba. A résztvevők sok mindent tudnak, ami a terv ellen szól; a premortem nem "mi lehet a baj?"-t kérdez (arra általánosságokat kapsz), hanem konkrét történetet kér egy már bekövetkezett kudarcról — ez sokkal specifikusabb válaszokat hív elő.

Amit nem old meg. Kahneman explicit: "nem csodaszer, és nem ad teljes védelmet a kellemetlen meglepetések ellen." A WYSIATI-t nem szünteti meg, csak kitágítja a látómezőt.

C. Checklist egy nagy marketingdöntés elé

  • [ ] Mindenki leírta a saját becslését és indoklását, mielőtt bárki megszólalt.
  • [ ] Megvan a referenciaosztály és a bázisrátája — és előbb hangzott el, mint a belső becslés.
  • [ ] A versenytársak lépését külön kérdésként tettük fel.
  • [ ] Futott premortem, és a benne felmerült kockázatok írásban vannak.
  • [ ] A terv sávban van, nem pontszámban, és a döntést a sáv rossz széle is elviseli → forecasting-limits.
  • [ ] Az elköteleződés nem terminális: ha rosszul megy, ki tudunk szállni anélkül, hogy a kiszállás valakinek a karrierjét vinné → narrow-framing ("dumb principal").
  • [ ] A döntés indoklása előre rögzítve, hogy utólag a folyamatot lehessen értékelni, ne csak a kimenetet → narrative-fallacy (outcome bias).

Kapcsolódó

planning-fallacy · forecasting-limits · narrow-framing · epistemic-arrogance · when-to-trust-intuition · anchoring · decide-without-debate · strategy-kernel-checklist · proximate-objectives · daniel-kahneman · thinking-fast-and-slow · premortem-and-backcasting · belief-calibration · resulting-and-outcome-bias · annie-duke · thinking-in-bets

Forrásfájl: wiki/frameworks/reference-class-forecasting.md markdown · llms.txt