# 数字讲不清，是因为没给听众一个参照

从“响应时间下降 65%”为什么没人记住讲起，说清孤立数字缺的基线和参考类，以及补基线、换单位、换尺度这三个动作

> 演讲结构 · 数据表达 · 知识的诅咒 · 约 7 分钟 · 10 月 18 日

## 本篇要点

1. 孤立数字失效的根源是缺两样东西：跟什么比（基线），以及说的是谁（参考类）；数字只有在对比里才有分量。
2. 人对数量大小的直觉按比值走，不按差值走：20 对 10 一眼能分，18 对 15 就明显变慢出错，所以“降了 65%”必须给出起点才能被感觉到。
3. “明天降雨概率 30%”可以指 30% 的面积、30% 的时间或 30% 这样的日子；百分比把参考类藏了起来，听者会各自补一个不同的。
4. “风险降低 50%”和“从 10% 降到 5%”是同一件事：相对说法让人觉得效果更大、更容易被说服，但理解程度并没有更好（Cochrane 综述，35 项研究、83 个比较）。
5. 换成自然频数（每 1000 人里 50 个）在检查与筛查信息上比百分比更好理解，效应量约 0.69；换成“每户 4900 元”“每 100 单里 5 单”这类听众自己的单位，参照就自动出现。
6. 连“200 人里 1 人”和“1000 人里 5 人”这种等价写法都会改变分量（1-in-X 效应，合并后约 g=0.42），所以选格式本身就是一次强调。
7. 三分钟只放一个主数字，配一个基线、一个听众的单位、一句“所以”，就足以撑住一条理由；参照必须真实，并且要从听众的经验里取。

---

上一篇结尾留下一个问题：如果一条理由不是靠故事撑的，而是靠数字撑的，这个数字要怎么讲才不让人走神。

先看一个常见的场面。你在会上说：“我们把报修从电话改成扫码之后，平均响应时间下降了 65%。”数字是对的，甚至挺漂亮。听众点头，然后没有然后了——没人追问，也没人记住。

问题不在数字算错了，而在这个数字只完成了工作的一半：它说明“发生了变化”，但没说这个变化有多大、算好算坏、跟听的人有什么关系。而这些正是听众判断一件事分量时最需要的东西。

## 孤立数字失效，是因为缺了两样东西

数字本身不携带意义，它只是一个比值的一半。

人对数量的“感觉”是按比例走的，不是按差走的。让成年人看屏幕上同时闪过的两堆点、判断哪边多，准确率取决于两堆的**比值**，而不是**差**：20 个对 10 个（比值 2），几乎所有人都能立刻答对；18 个对 15 个（比值 1.2），就明显变慢、出错 [3]。这不是说人算不了减法，而是说“这有多大的量”这种直觉，天生是比例性的。

落到演讲上，意思很具体：**任何“变化”都要两个数才成立。**你说“下降了 65%”，听众得先在心里放一个“原来是多少”，才能感觉到那 65% 有多重。你不给这个起点，他就得自己补；补不出来（多数情况就是补不出来），这个数字在脑子里就降级成一串字符。

所以一个数字要成立，需要另外两样东西同时在场：

- **跟什么比**——基线、去年、同行；
- **说的是谁**——这个百分比是从哪一群人、哪一类事情里算出来的。

这两样都空着，数字再准也只是半句话。

## 百分比最容易把这两样藏起来

举个几乎人人听过的例子：“明天降雨概率 30%。”这句话没说清参考类是什么——它可能指明天这块地方 30% 的面积会下雨，也可能指这一天里 30% 的时间在下，还可能指跟明天相似的日子里，历史上 30% 下过雨 [1]。三种理解对应三件不同的事，听者各自补一个，然后各自以为自己懂了。

工作里的“效率提升了 20%”是同一个毛病：跟去年比、跟没用这套工具的人比、跟年初的计划比？三种比较都成立，但分量完全不同——跟去年比可能只说明去年太差，跟同行比才说明方法本身有用。

更隐蔽的一层是：**同一个变化有两种写法，在听众那里分量不一样。**“把风险降低 50%”和“把风险从 10% 降到 5%”是同一件事，前者叫相对风险降低，后者叫绝对风险降低。2011 年一篇 Cochrane 系统综述汇总了 35 项研究、83 个比较，结论是：用相对的说法，人们的**理解程度并没有更好**，但会觉得效果**更大**（SMD 约 0.41）、也**更容易被说服**（约 0.66）[4]。

同一个综述还有一条对你更直接有用的结论：在检查、筛查这类信息上，把“5%”换成“每 1000 人里有 50 人”这种自然频数，理解成绩明显更好（SMD 0.69）[4]。

两件事由此清楚了。第一，只给相对数（“降了一半”），听众觉得更震撼，但并没有更懂；要让人做判断，基线和绝对值不能省。第二，“百分比”这个形式本身就比“人头数”难懂，而换成后者几乎不需要额外的表达能力。

顺带一提，连分子分母怎么摆都在改分量：同一个概率，“200 人里有 1 人”比“1000 人里有 5 人”显得更大、更让人担心，这个被称作 1-in-X 的效应合并多项研究后约 $g=0.42$，比最初报告的估计小，但方向稳定 [5]。所以选哪种写法，本身就是一次强调。

## 三个动作：把参照补回去

**一、补基线，并把基线翻译成听众能感觉到的状态。**

“从 26 小时降到 9 小时”比“下降了 65%”好，因为起点回来了。但 26 小时本身还是个数字，要让人感觉到它，得把它换成一个处境：

> 原来平均 26 小时——今天上午报的修，明天下午才有人上门。

“过一夜”这个体验人人都有，不用算。这就是“听众人人都有的参照”：它不精确，但它让 17 个小时的差变成了一个能想起来的感觉。

**二、换单位，把分母换成听众自己的东西。**

总量除以人数、除以次数，落到一个人身上，参照就自动出现了。一篇关于教育预算的报道给过这个换算：与其说“590 亿”，不如说“相当于每户 4900 元” [6]。数字没变，但第二句能让人有反应。

自然频数为什么好用也是这个道理——它把“5%”变成了“每 100 单里有 5 单要退回重填”，而“100 单”是听众天天在数的。Gigerenzer 在一场医生培训上做过演示：把乳腺癌筛查信息从条件概率换成“每 1000 名女性里，10 人患病，其中 9 人检测阳性……”，160 名妇科医生里原本有 60% 把阳性预测值估成 80%–90%（正确答案约 9%），换一种表述、讲一次之后，87% 的人能自己算对 [2]。

**三、换尺度，用听众已经有的“大数经验”。**

有些数字太大，换单位也救不了，只能换到另一条大家都熟的数量轴上。最常用的是时间：100 万秒约 11.6 天，10 亿秒约 31.7 年，1 万亿秒是三万多年 [6]。

## 落到三分钟里：一个数字配齐四样东西

三分钟只装得下一个主数字。给它配齐四样，就够撑住一条理由：

1. 一个数字（不是五个）；
2. 一个基线（从哪儿到哪儿）；
3. 一个听众自己的单位（人、单、户、一天）；
4. 一句“所以”——这个数字对听众意味着什么。

把开头那句改写一遍：

> 报修从电话改成扫码以后，平均响应时间从 26 小时降到 9 小时。26 小时是什么感觉？今天上午报的修，明天下午才有人来；现在上午报的中午就到。每单少等 17 小时，一个月 120 单，就是两千多个“东西坏着等人来”的小时。所以我说这套东西值得推到另外两个厂区。

四句话，一个数字，两次换算。听众记住的不会是 120，而是“东西坏着过一夜”和“当天能修完”这两个感觉，以及最后那句判断。

## 三个边界

**一、参照必须是真的。**你给的参照，听众可能拿去核对——“每户 4900 元”这种可以心算的东西尤其容易被验。算错了，被戳破的不是那个参照，是你整段话。

**二、参照要从听众的经验里取，不是从你的。**你觉得“26 小时”已经够具体，但那是你熟悉的量。判断标准很简单：这个参照需要专业知识才能想象吗？需要，就再往下换一层。

**三、别把“更有说服力”当成“讲清楚了”。**相对风险那个结果值得反复看：它让人感觉更大、更容易被说服，但理解程度没有提升 [4]。要让人记住方向，就用相对说法；要让人做判断、去决策，就必须给基线和绝对值。一个数字完不成这两件事，你得选一个，并且知道自己选了什么。

骨架有了，理由有了，故事和数字都会配了。剩下的问题在嘴上：同样的稿子，为什么有人讲出来让人一直跟着走，有人每句都对却让人走神。下一篇讲声音、停顿和节奏。

## 术语表

- 参考类：一个概率或比例是在“哪一群人或哪一类事情”里算出来的；参考类不同，同一个 30% 说的是不同的事。
- 比例敏感性：人直觉判断“多大的量”时看的是两个数的比值而不是差值，所以任何变化都需要两个数才成立。
- 自然频数：把“5%”换成“每 1000 人里有 50 人”这类带固定分母的人头数，参考类被写明，更容易理解。
- 相对风险与绝对风险：降低 50% 是相对变化，从 10% 降到 5% 是绝对变化；前者让人感觉效果更大、更容易被说服，但不等于更懂。
- 1-in-X 效应：同一概率写成“200 人里 1 人”比写成“1000 人里 5 人”显得更大、更让人担心，说明格式在替你做强调。

## 来源

1. [Gigerenzer 等《Simple tools for understanding risks》— “30% 降雨概率”的参考类歧义与自然频数思路](https://pmc.ncbi.nlm.nih.gov/articles/PMC200816/)
2. [Gigerenzer《What are natural frequencies?》— 160 名妇科医生的演示与培训后 87% 的正确率](https://doi.org/10.1136/bmj.d6386)
3. [Developmental Change in the Acuity of Approximate Number System — 数量辨别准确率取决于比值而非差值的实验综述](https://pmc.ncbi.nlm.nih.gov/articles/PMC4388157/)
4. [Cochrane 综述：Using different statistical formats for presenting health information — 自然频数优于百分比，相对风险被认为更大、更有说服力](https://www.cochrane.org/evidence/CD006776_using-different-statistical-formats-presenting-health-information)
5. [The effect of the 1-in-X numerical format on choices — 1-in-X 效应的重复实验与元分析（约 g=0.42）](https://www.researchgate.net/publication/374067479_The_effect_of_the_1-in-X_numerical_format_on_choices)
6. [The Conversation: Millions, billions, trillions — 百万秒约 11.6 天等换算，以及“每户 4900 元”的换算示例](https://theconversation.com/millions-billions-trillions-how-to-make-sense-of-numbers-in-the-news-86509)

---

原文：https://pangzhengboyin.com/articles/why-numbers-need-a-reference-point-73482957

> **庞征博引** · 想学的，慢慢都会
>
> 庞征博引是把想学的东西写成连载的 AI 学习工具。说出想学什么，它会先了解你的基础，再把主题写成一篇篇 5–10 分钟能读完的文章；边读边问，接下来学什么跟着你走。这篇就是这样写出来的。
>
> 开始你自己的连载 → https://pangzhengboyin.com