亚马逊成功的秘密

Farnam Street

贝佐斯进行决策的方法论

我们经常认为，收集尽可能多的信息将有助于我们作出最好的决定。有时这是对的，但有时这也会阻碍我们的进步。甚至在一些时候，这可能是危险的。

许多最成功的人采用简单、多样化的决策方法论，以消除在特定情况下进行审议的必要性。

一种可能是默认说不，就像史蒂夫·乔布斯那样。或者像沃伦·巴菲特那样，拒绝任何需要计算器或计算机的决定。或者是像埃隆·马斯克那样，遵循第一性原理。亚马逊的创始人杰夫·贝佐斯的方法与上面提到的方法都不尽相同。他会问自己，这是一个可逆的还是不可逆的决定？

如果一个决定是可逆的，我们可以在没有得到充分信息的情况下，快速下决定；如果一项决定是不可逆的，我们最好放慢决策过程，确保我们考虑到充分的信息，并尽可能透彻地理解所面对的问题。

贝佐斯用这种方法论作出了建立亚马逊的决定。他意识到，如果亚马逊失败了，他可以回到他以前的工作中，他仍然会学到很多东西，并且不会后悔尝试。这个决定是可逆的，所以他冒险了。这对他很有帮助，在他以后作出决定的时候，依旧发挥着作用。

在不确定中做决策

假设你在网上看到了一个评论后，决定去尝试一家新餐馆。因为你从来没去过那里，你不知道食物会不会好吃，或者气氛会不会很沉闷。但是，你会利用评论中不完整的信息来做出决定，因为你知道，如果你不喜欢这家餐馆，并不是什么大不了的事情。

在其他情况下，不确定性也有一点风险。你可能会决定接受一份特定的工作，但你不知道公司文化是什么样的，也不知道“蜜月期”结束后，你对工作的感觉如何。

你可以很快地做出可逆的决策，而不需要纠结于找到完整的信息。如果这个决策失败了，我们可以用很少的成本从经验中吸取智慧。通常，不值得花费时间和精力去收集更多的信息，去寻找完美无缺的答案。虽然你的研究可能会使你的决策更好一点，但你可能会错过一个机会。

但是，要注意可逆的决策不是鲁莽行事或不去了解情况的借口，而是一种信念，即我们应该使我们的决策框架适应我们正在作出的决策类型。可逆的决策不需要像不可逆的决策那样做出。

快速做出决策的能力是一项竞争优势。创业公司的一个主要优势是，它们可以随着Velocity而移动，而老牌的企业通常会随着Speed而移动。这两者之间的区别是有意义的，往往意味着成功和失败。

Speed是以时间上的距离来测量的。如果我们从纽约乘飞机去洛杉矶，从肯尼迪机场起飞，在纽约转圈3个小时，我们的Speed很快，但我们什么都没有。Speed并不在乎你是否朝着目标前进。另一方面，Velocity衡量的是随着时间的推移而产生的位移。要获得Velocity，你需要朝着你的目标前进。

这种决策方法论解释了为什么创业公司做出快速决策的时候要比老牌的企业更有优势。这一优势因环境因素（如变化速度）而扩大。环境变化的速度越快，做出快速决策的人就会获得越多的优势，因为他们可以学得更快。

决策为我们提供数据，这样我们就可以更好地做出关于未来的决策。我们在OODA循环中循环得越快越好。这个框架并不是一次性地适用于某些情况；它是一种方法论，需要成为决策工具包的一个组成部分。

OODA循环理论的基本观点是：武装冲突可以看做是敌对双方互相较量谁能更快更好地完成“观察—调整—決策—行动”的循环程序。双方都从观察开始，观察自己、观察环境和敌人。基于观察，获取相关的外部信息，根据感知到的外部威胁，及时调整系统，做出应对决策，并采取相应行动。

通过实践，我们也能更好地识别错误的决策并进行调整，而不是因为沉没成本谬误，去坚持过去的选择。同样重要的是，我们可以停止把错误或小的失败看作是灾难性的，而把它们看作是将为未来决策提供参考的纯粹信息。

“现在立即执行一个好的计划，比下周执行一个完美的计划要好。”——乔治 · 巴顿将军

贝佐斯把决策比作门。可逆的决策是双向开放的门。不可逆的决策是只允许一个方向通行的门；如果你走过去，你就被困在那里了。大多数决策都是前一种，可以逆转（即使我们永远无法收回投入的时间和资源）。通过一个可逆的门能给我们这样的信息：我们知道另一边是什么。

贝佐斯在前几年的一封股东信中写道：

有些决策是不可逆的或几乎不可逆的单向门，这些决策必须经过深思熟虑和协商，有条不紊地、谨慎地、缓慢地做出。如果你走过去，不喜欢你在另一边看到的东西，你不能回到你以前的地方。我们可以称之为第一类决策。但大多数决策都不是这样——它们是可变的、可逆的——它们是双向的。如果你做了一个次优的第二类决策，你不必忍受这么长时间的后果。你可以重新打开门，然后回去。第二类决策可以也应该由高判断力的个人或小团队迅速做出。随着组织变得越来越大，在大多数决策中，包括许多第二类决策，似乎倾向于使用重量级的第一类决策过程。这样做的最终结果是决策缓慢，不考虑风险规避，未能进行充分的试验，从而削弱了创新。我们得想办法克服这种倾向。

贝佐斯举了一个例子，向愿意支付额外费用的人提供一小时送达的送货服务。这项服务在这一想法提出后不到4个月就开始了。在111天的时间里，该团队“构建了面向客户的应用程序，确定城市仓库的位置，确定了要销售的25000个项目，为这些项目储备、招聘和配备了新员工，测试、迭代、设计了新的内部使用软件（仓库管理系统和面向驱动程序），并在假日购物季及时推出”。

作为进一步的指导，贝佐斯认为70 %的确定性是作出决策的适当切入点。这意味着，一旦我们获得了所需的70%信息，就采取行动，而不是等待更长时间。以70%的确定性作出决策，然后进行路线修正，比等待90%的确定性要有效得多。

在《眨眼：思考而不思考的力量》（ Blink： The Power of Thinking Without Thinking）中，马尔科姆·格拉德威尔（Malcolm Gladwell）解释了为什么不确定性下的决策会如此有效。我们通常认为更多的信息会导致更好的决策——如果医生建议进行额外的测试，我们倾向于相信它们会带来更好的结果。格拉德威尔不同意这种说法：“事实上，你需要知道的很少，才能找到一个复杂现象的根本特征。你所需要的只是心电图、血压、肺液和不稳定心绞痛的证据。这是一个激进的说法。”

在医学领域，与许多领域一样，更多的信息不一定能确保改善结果。为了说明这一点，格拉德威尔举了一个例子。一个人来到医院时，胸部会时不时地疼痛，他的生命体征没有显示任何危险因素，但他的生活方式确实如此，两年前他接受了心脏手术。如果医生查看了所有可用的信息，觉得他似乎需要住院。但是除了生命体征之外的其他因素在短期内并不重要。从长远来看，他患心脏病的风险很大。格拉德威尔写道：其他因素在决定男人现在的状况方面的作用非常小，没有它们就可以做出准确的诊断。事实上，这些额外的信息毫无用处。这是有害的。它混淆了问题。当医生们试图预测心脏病发作时，他们会把太多的信息考虑在内。

我们都可以从贝佐斯的方法中学到东西，这种方法帮助他建立了一个巨大的公司，同时保持了创业的节奏。贝佐斯用他的方法论来对抗许多大型组织内部的停滞。重要的是效率，而不是遵循缓慢决定的规范。

一旦你明白可逆的决定实际上是可逆的，你就可以开始把它们看作是提高学习速度的机会。在公司层面，允许员工做出可逆的决策并从中学习，有助于你以创业的步伐前进。毕竟，如果有人在以Speed移动，当你以Velocity移动时，你会超过他们。

这就是贝佐斯的决策方法论，也直接或间接地推动着亚马逊两个比萨原则的形成，因为小团队做决策更多情况下都是可逆的。

两个比萨原则

在亚马逊早期，杰夫·贝佐斯制定了一个规则：每个内部团队都应该足够小，两个比萨饼就能解决伙食问题。这并不是要削减餐饮开支，就像亚马逊做的几乎所有事情一样，它专注于两个目标：效率和可扩展性。前者是显而易见的。一个较小的团队，花在管理和让员工了解最新情况的时间会更少，而花在需要做的事情上的时间就更多了。但对亚马逊来说，真正重要的是后者。

拥有许多小团队的好处是，他们能够一起工作，并且能够获得公司的公共资源，以实现他们更大的目标。

用风险投资公司（Andreessen Horowitz）合伙人本尼迪克特·埃文斯（Benedict Evans）的话来说，这将公司变成了“制造机器的机器”。

“你可以在不添加新的内部结构或直接报告的情况下添加新的产品线，你可以在不用开会、经历一系列项目和流程，就能在物流和电子商务平台上添加它们。”埃文斯指出，“你不需要（从理论上说！）飞往西雅图，安排一场会议，让人们支持你在意大利开展的项目，或者说服任何人将新业务加入他们的路线图。”

亚马逊擅长于成为一家销售商品的电子商务公司，但它最擅长的是，打造新的、销售新产品的电子商务公司。

该公司将这种方法称为“飞轮”：它的规模足以扼杀一个典型的跨国公司，并利用它为整个业务提供日益增长的动力。飞轮越重，旋转得越快，其他人就越难阻止它。

AWS（以前称为Amazon Web Services）的诞生和发展也许是这种方法的最好的例证。这是亚马逊的一个部门，为内部和其他公司提供云计算服务——包括那些在其他領域与亚马逊竞争的公司（例如，Netflix和Tesco都使用该平台，尽管亚马逊也销售流媒体视频和杂货）。

就像亚马逊做的很多事情一样，这一切都是从高层发布的命令开始的。贝佐斯下令，每个团队都应该以一种结构化、系统化的方式开始相互合作。如果广告团队需要一些关于鞋类销售的数据来决定如何最好地使用他们的资源，他们就不能通过电子邮件进行分析和索取；他们需要亲自前往分析控制面板并获取信息。如果控制面板不存在，就需要创建它。这种方式需要覆盖到方方面面。

从那里开始，下一个步骤就非常值得采取了——让其他人使用亚马逊内部提供的相同技术。

那些不起眼的开端孕育了一头野兽。该业务目前占亚马逊总收入的10 %，盈利如此之多，以至于金融法规迫使该公司将其作为自身的一个顶级部门来报告：亚马逊将其公司分为“美国和加拿大”“国际”和“AWS”。

AWS规模大到可以与亚马逊在其他地区的分公司相提并论；大到Netflix，一家占据北美三分之一互联网流量的公司，只是其另一个客户而已。

大到2016年该公司发布了“雪地车”，一种用来移动数据的卡车。与AWS合作的公司提供了大量的信息，有时互联网根本无法应对。所以现在，如果你想上传大量的数据到亚马逊的云中，公司会开着卡车到你的办公室，装满数据，然后再把它开回去。如果你需要上传100千兆字节的视频，也就是大约500万部4k带环绕立体声的电影，结果发现没有比以每小时120公里的速度在高速公路上行驶更快的方法了。

当AWS看到亚马逊向外部客户开放其内部技术时，该公司的另一部分也在亚马逊的网站上做着同样的事情。

亚马逊Marketplace于2000年推出，允许第三方卖家在网站上销售自己的产品。多年来，该功能不断扩展，让亚马逊成为“百货店”——在互联网上购买现有产品唯一需要去的地方。

Marketplace要比两个比萨规则更好，允许亚马逊在不需要雇用任何额外员工的情况下扩展到新的领域。

亚马逊上销售的商品种类繁多，其内部的计算机科学家面临着一个问题。“亚马逊等电子商务公司每年处理数十亿份订单，”亚马逊的一个研究团队写道，“然而，这些订单只占所有合理订单的一小部分。”解决办法？训练人工智能纯粹是为了生成似是而非的假订单，更好地猜测如何营销全新的产品。

亚马逊报告说，它从 Marketplace 获得的收入约占公司总收入的20%。但这个指标只计算了第三方卖家向公司支付的费用，低估了业务的巨大规模。“市场现在约占亚马逊销售总量的一半，”Andreessen Horowitz的埃文斯估计，“换句话说，Marketplace意味着亚马逊处理的电子商务份额（但顺便说一句，它本身并没有为其定价）是其报告的收入份额的两倍。”

因此，亚马逊越来越不像 Tesco或沃尔玛那样的大型零售商，徘徊在城市边缘，扼杀当地的商业街，而更像是一家购物中心：独立的零售商可以存在，甚至可以维持一个整洁的生活，但前提是他们在购物中心有一席之地，而且他们永远记住真正的赚钱者是房东。

自2014年以來，亚马逊为其业务增加了第三个飞轮：人工智能。该公司一直处于行业领先地位，最明显的是其基于神经网络的推荐算法。但是，直到最近，这种方法还是漫无目标的、分割的、几乎不是世界级的。（想想你上次在亚马逊上买的东西，几个星期后才推荐给你：“你喜欢羽绒被吗？为什么不多买10个呢？”）

当该公司决定建造将成为Echo的硬件时，情况发生了变化。在亚马逊的经典模式中，它从最后开始，然后从那里向后努力，为未来的概念产品撰写一份“新闻稿”，然后试图找出需要开发或收购什么样的专业知识才能实现这一目标。需要私人助理吗？收购Cambridge-based True Knowledge。需要远场语音识别，让Echo听到房间另一边的人的声音？现在就开始解决这个问题吧，因为没有人真正解决这个问题。

从制度上讲，Alexa 人工智能团队的大部分成员仍在AWS之下，使用其基础设施，并向希望在其设备中构建语音控制的第三方提供另一部分数字服务。但人工智能的规模经济是独一无二的。当然，数据的价值在于：使用Echo的人越多，需要训练的语音样本就越多，因此Echo越好。除此之外，机器学习技术是如此的基本和通用，以至于亚马逊的每一个进步都会在整个业务中产生反弹，提高效率，开拓新的领域，并提出进一步的研究方向。

亚马逊的弱点

但是没有什么是永恒的，亚马逊也有它的弱点。例如，两个比萨原则可能是建立一家无限扩张的公司的一个好策略，但它并没有带来一个令人愉快、无压力的工作环境。

长期以来，亚马逊在对待仓库工人方面一直面临着批评：与该行业的许多公司一样，巨大的估值和高技术抱负与低收入、低技能的工作并驾齐驱。

亚马逊与Deliveroo、苹果和Facebook等公司的不同之处在于，在总部工作的高技能员工几乎有同样多的抱怨。

《纽约时报》2015年的一篇报道称，亚马逊的员工在办公桌前哭泣，承受着近乎崩溃的压力。其员工的快速流动是传奇式的，内部人士描述了这样的一个场景：有人离开，其他人不得不重写他们的所有代码，以使仍然在那里的人能够理解——但重写完成时，重写的人员也离开了，需要其他人重新开始整个过程。

但从第一天起，杰夫·贝佐斯就一直处于食物链的顶端，直接控制着7400亿美元（5300亿欧元）的业务，几乎没有其他公司的老板能与之匹敌。