科技初創(chuàng)企業(yè)前景為何如此難以預測

獵云網8月31日報道（編譯：孫媛  田小雪）

編者注：作者Andrew Chen經營過多家企業(yè)，自1994年起接觸互聯(lián)網營銷，在互聯(lián)網上從事各種商業(yè)活動。從網絡拍賣到房地產交易，具有多年的實戰(zhàn)經驗。近年來專注于網絡流量分析與運用，運用其獨特的商業(yè)直覺與營銷手法，創(chuàng)造年訂單千萬人民幣的輝煌紀錄。

今年，我最喜歡的就是Nate Silver所著的《信號與噪聲》這本書。書中涵蓋了非常多的不同的話題，有天氣、有政治，還有關于賭博的，但是我不自覺地就從初創(chuàng)企業(yè)或者是技術角度來解讀了這篇文章。

畢竟，技術初創(chuàng)企業(yè)這一行充滿著預測——我們會預測有潛力的市場以及有潛力的產品，我們不停地將預測作為重點、作為核心。當然了，對于如何挑選勝利者——尤其是種子輪以及A輪投資的勝利者，風險投資業(yè)務有著更加直接的了解。

可是，在預測成功與失敗方面，我們做得也并不好。我以前寫過我自己關于Facebook的一些懷疑，但這只是我個人的觀點，因為我并不是一個專業(yè)的技術人員。

但是在我看來，那些專業(yè)的挑選勝利者的風險資本家們其實也預測得不太準確。大家都注意到了風險資本資產的費用以及類別已經落后于公共市場，所以最好還是買點指數(shù)基金比較穩(wěn)妥。

初創(chuàng)企業(yè)例外論=稀疏數(shù)據(jù)集=低劣的預測模型

預測下一個突破型初創(chuàng)企業(yè)的最大挑戰(zhàn)就是他們非常罕見。

每年起步于美國的科技創(chuàng)業(yè)公司中，大約有15家可以達到年收益上1億美元。而這15家企業(yè)在那一年創(chuàng)造了該領域大約97%的收益，而這其中的每一家都是一個例外。在這個行業(yè)里，我們目光短淺地注視著每一家企業(yè)。

Mike Maples認為，現(xiàn)在有太多種子輪融資、有太多的創(chuàng)業(yè)公司在尋求融資、有太多的風投在進行種子投資。而很多風投的種子輪項目其實就是個笑話。人們總是研究錯誤的問題，因為他們用過于宏觀的方式來對待風險企業(yè)。人們過度分析失敗者，并且把他們的結果和贏家混為一談。

科技行業(yè)充滿了例外性，所以它從不按人們的期望去發(fā)展。對于所有如谷歌、Facebook一類的上市公司來講，每年流入行業(yè)的資金大約有200億美元，而這相對于整個私募資本而言，只是一筆很小的數(shù)額。

而這筆數(shù)額已經沒法變得更大。因為這筆投入的資金中，只有一小部分獲得了所有的利潤。盡管美國有超過700家公司被列為營業(yè)公司，但只有97家能夠連續(xù)4個季度投資金額超過100萬美元。

了解各種可能性之后，我們的大腦就開始進行飛速的模型匹配。一旦出現(xiàn)了像Google這樣的劃時代的引人注目的初創(chuàng)企業(yè)，接下來的幾年里，我們都會不停地問諸如“團隊有沒有博士？你的產品是什么等級？”之類的問題。

而現(xiàn)在有了AirBnb之后，我們的態(tài)度出現(xiàn)了非常大的轉變，不再對它抱有懷疑態(tài)度，而是變成了極其擁護的粉絲。因為數(shù)據(jù)點非常少，所以我們所創(chuàng)造出來的預測模型其實并不是很好，過于簡單，只不過多了一些像頭條和原聲摘要播出這樣博取眼球和輿論中心的內容。

這些簡單的模型所給出的只是一些很普通、很一般化的建議。正如我之前寫過的一樣，在供應商、媒體和顧問之間有一個非常完整的生態(tài)系統(tǒng)。而有些顧問連具體情況都不管，都給出了一模一樣的建議。

比如說投資良好的用戶體驗、立即收費、快速迭代、仔細估量、早期發(fā)布、長時間工作、更多融資、更少融資等這些想法，對于新手來說是很有用處的，但是說如果對任何一種情況都不顧后果地進行應用的話，那就危險了。

我們都會簡單地模仿這些所謂的“智慧”，但是我們又如何能分辨哪些是好的建議，哪些是壞的建議呢。思考一下，如果每年只有10到15家公司是屬于突破型的，那么有多少人有正確創(chuàng)建突破型企業(yè)的第一手經驗呢？

如果你在硅谷工作過，一定收到過以下幾個提議：

你有那個應用嗎？

你在那家風投公司做過pitch嗎？

你應該在產品上和那家公司做相同的事情！

嘿！你遇到他/她了沒？

你覺得把那個框架運用在我們的產品上，好不好？

是不是聽起來很熟悉？對于此類的提議真是聽得如雷灌耳。所以，我稱其為“advice autopilot（建議自動駕駛儀）”。

當你懶于思考問題，取而代之去搜索相關答案時，advice autopilot就出現(xiàn)了。如果你沒有思路，開始聯(lián)系一些在硅谷活動或者會議室里聽到的信息時，大家的創(chuàng)新意識其實是一致的——管它三七二十一，每個人都采取相同建議。

那么，問題來了！真正有意義的提議怎么可能出自于單一的意見呢？事實上，好的提議都是以“這種情況下……”為開頭的，并且會考慮到具體的情境。但是，我們是懶鬼?。∥覀冞€是會求助于自動意見機，周而復始地做、讀、建模。

在硅谷，最神奇的對比是在于運用模式識別來預測未來，但卻沉迷于小概率的一夜暴富。

對于初創(chuàng)企業(yè)而言，例外是極其小范圍的。每年會發(fā)生這樣的例外企業(yè)只有5到10家。而且其中，你還得包括 Facebook和谷歌在內。

從新興層面上，也包括可能最終會成為例外神話的企業(yè)，例如：Dropbox、Square、 Airbnb和Twitter等等。

這只是小部分特別牛氣沖天的企業(yè)，可不是什么抽象的數(shù)據(jù)。

當然，從哈佛退學的企業(yè)家很優(yōu)秀，但是斯坦福大學輟學的創(chuàng)業(yè)者更是厲害；谷歌的人才非常不錯，但是Paypal的更為優(yōu)異；真可謂是山外有山，人外有人。但是無論做什么，切記不可夫妻檔，當然VMWare和Cisco除外。

任何運用統(tǒng)計學的人都知道，當你有個小型數(shù)據(jù)庫和大量變量時，預測根本就是徒勞。除了嘗試之外你別無選擇。

其實將注意力集中于小部分的企業(yè)存在著知名的邏輯謬誤，即存活者偏差（Survivorship Bias）。存活者偏差指的是當我們將閃光燈投射在這些成功企業(yè)時，卻忽略了同樣類型企業(yè)中的消極數(shù)據(jù)，而這些企業(yè)最終以未公開的失敗而告終。就好比，我們只關心兩位來自斯坦福大學的博士創(chuàng)建了谷歌，卻忽略了很多斯坦福大學的博士創(chuàng)業(yè)失敗的事實。又比如，YC孵化了很多獨角獸企業(yè)，例如Airbnb和Dropbox，然后你就想如果讓你投資600多家創(chuàng)企，自己一定也能孵化出個獨角獸。

那么，你就太天真了。

怎么能拿某些方面的因素以偏概全呢？

一致性只會催生一般水準的結果。

問題在于聽取了相似的觀點最終只會得來一致性，換言之結果單一乏味。完全按照大眾建議執(zhí)行，你的產品也就是平民水準。

然后呢？你的創(chuàng)業(yè)失敗了！

不要忘了，Naval Ravikant的一段話：“投資者總在尋覓萬里挑一的創(chuàng)企，所以他們看中的是企業(yè)的不尋常之處。不需要企業(yè)面面俱到（團隊、產品或者pitch等等），只要有一件事做到出色即可。作為初創(chuàng)企業(yè)，你必須在某一方面有所長。”

你的競爭優(yōu)勢將給予你出彩的機會。 那小部分的團隊知道自己在做什么，他們很認真地工作，想要抵達成功的彼岸。跟著這些人，你會發(fā)覺自己在變得優(yōu)秀。成為獨角獸的問題在于：你是如何將關鍵性要素和無用信息區(qū)分開呢？

當然，得看情況而定。

刺猬和狐貍

Nate Silver是美國最具影響力的預測專家之一。在他的書中我想起了自己對于初創(chuàng)企業(yè)一般化建議的厭惡。下面是維基百科對于“狐貍和刺猬”這一概念的定義。

有兩種人：一種叫做刺猬，這是指通過單一化的定義來看待事件的那些人；另外一種叫做狐貍，這一類人會從很多種經驗、經歷中進行總結，對于他們來說這個世界絕對不是以一種單一化的觀點來衡量。

Silver很明顯是屬于狐貍那一種，我們可以將他的方式與那些控制電視以及收音機上的政治演講相比較。對于更加好勝、更加反叛的博學家來說，他們越是確定，那就越是說明他們想要博取眼球。就像在那些博客中，作者可以寫像《熱門企業(yè)被新產品弄垮的10個理由》或者《每家初創(chuàng)企業(yè)都應該關心X》之類的頭條文章來獲取相應的稿費獎勵。

那種類似刺猬的行為，我們可以解讀為總是會存在于預測市場態(tài)勢的壓力之中。媒體人總是想要揭示那些發(fā)展的潮流或者試圖簡化一些復雜的思想。投資者會不停地被問到所投資的初創(chuàng)公司的領域以及投資的原因。所以說，現(xiàn)在企業(yè)家都被迫擴大投資市場的領域和范圍，找尋更加有競爭力的對手，不停地進行改變以找到一種描述市場態(tài)勢的簡單規(guī)律。

而想要解決這一切并不是那么容易，如果說想要做狐貍派，那就意味著你要進行大量的數(shù)據(jù)攫取，從多種角度看問題，以做出一個包含所有數(shù)據(jù)點的結論。UPenn的Philip Tetlock創(chuàng)立了研究良好預測的公開比賽，所以說在預測這門科學上還有很多的功課要做。以下是Edge.org采訪的部分內容，講述了他的一些學術研究:

你需要將抽象、有趣的事件轉變?yōu)榭沈炞C的假說，然后你就要匯集一大批會思考的人員對這些可驗證的假說進行可行性判斷。你需要不斷循環(huán)，重復論證該問題。刺猬更有可能去接受快速、有限的啟發(fā)式教育，速度為先。

如果你有類似框架的棘手問題，你很有可能會去思考：能夠掌握框架的人是否有能力快速判斷當前狀況，并且自信地得出答案。這些事物都是同時變化，互相牽制的。

雖然說簡化個人預測，得出單一的結論比較便捷。但是你仍然可以再認真思考，看得更遠一些。你可以突破單一的論點，用不同的公式衡量同一件事物。

個人經歷

我在硅谷待了5年，在那期間我學到的關于預測初創(chuàng)企業(yè)的最有用一點就是校準。雖然在上文中已經有所提及，但是簡單來說就是一定要仔細想想你了解什么、不了解什么。后來我才發(fā)現(xiàn)我能夠做出正確決定的那些專業(yè)知識和技能其實太少了，我做了很多的工作，比如說網上發(fā)布廣告、數(shù)據(jù)分析、消費者交流，我以為自己的判斷在那領域已經是鶴立雞群的程度，但其實在領域之外，我不過是只井底之蛙罷了。

當時我在作分析的時候，就試圖結合我所了解的相關知識?，F(xiàn)在來說，我目前已經比我最初進SF時的那種年輕不懂事的狀態(tài)要好得多了。在大眾化建議領域，我也試圖做得勤奮一點，如果說我跟每一個企業(yè)家都說著相同的內容，那么我就會盡量重新定義，然后仔細考慮產品的具體細節(jié)和細微差別。雖然這樣做更方便也比較偷懶，但是總是比一遍一遍地重復同樣的內容要好得多。

所以說一定要做一只狐貍，而不要做一只刺猬。