决策树：在不确定性中选择
产品经理的数学课 · 第5讲
决策树：在不确定性中选择
决策不是选择「正确的答案」——而是选择「在不确定性下，期望结果最好的路径」。
前言
你正在决定：这个功能是自己团队做，还是外包？自己做有 70% 概率按时上线，外包有 90% 概率按时上线。但外包要多花 30 万。
怎么选？大多数 PM 会说：「看情况」。但「看情况」不是决策——决策树可以帮你在「看情况」中找到最优路径。
决策树的核心思想：把每个选择和可能的结果画成树状结构，计算每条路径的期望值，选择期望值最高的那条。
核心概念
决策树的基本结构
一棵决策树有三种节点：
| 节点类型 | 符号 | 含义 |
|---|---|---|
| 决策节点 | 方块 □ | 你可以控制的选择 |
| 机会节点 | 圆圈 ○ | 你无法控制的不确定性 |
| 终端节点 | 三角 △ | 某个路径的最终结果 |
期望值：决策树的灵魂
期望值（Expected Value） 是每种结果乘以其概率的加权平均：
$$ EV = \sum_{i} p_i \times v_i $$
例子：你有两个选择：
-
选择 A：60% 概率赚 100 万，40% 概率亏 50 万
- EV(A) = 0.6 × 100 + 0.4 × (-50) = 60 - 20 = 40 万
-
选择 B：100% 概率赚 30 万
- EV(B) = 1.0 × 30 = 30 万
期望值来看 A 更好（40 万 > 30 万）。但 B 没有风险。你选哪个？
这取决于你的风险偏好——但首先，你需要知道期望值是多少。
逆推法：从后往前推
决策树的求解使用逆推法（Backward Induction）：从树的末端开始，逐级往前推算。
步骤：
- 列出所有可能的路径和结果
- 从最末端开始，计算每个机会节点的期望值
- 在每个决策节点，选择期望值最高的分支
- 一直推到根节点
期望效用：不仅仅是钱
期望值假设每一块钱的价值相同。但现实中：
- 对一个创业公司，亏 50 万可能意味着破产
- 对一个大公司，亏 50 万只是「预算超支」
期望效用（Expected Utility） 引入了风险态度：
| 风险态度 | 效用函数 | 行为特征 |
|---|---|---|
| 风险厌恶 | 凹函数（对数） | 选确定的 30 万 vs 赌博的 40 万期望 |
| 风险中性 | 线性函数 | 只看期望值 |
| 风险偏好 | 凸函数 | 选赌博的 40 万 vs 确定的 30 万 |
PM 的风险态度：大多数产品决策应该是风险中性的（因为你可以做很多决策，大数定律会平均掉风险）。但对单个关键决策（如核心架构选择），你可能是风险厌恶的（失败代价太大）。
产品经理的应用
应用场景一：功能开发决策
你需要决定是否开发一个新功能：
┌─ 用户喜欢（60%）→ 收入 +200万
┌─ 开发 ──┤
│ └─ 用户不喜欢（40%）→ 收入 -50万（开发成本）
做不做 ─┤
│ ┌─ 竞品做了（30%）→ 收入 -100万（用户流失）
└─ 不做 ──┤
└─ 竞品没做（70%）→ 收入 0计算：
- 开发的期望值 = 0.6 × 200 + 0.4 × (-50) = 100 万
- 不做的期望值 = 0.3 × (-100) + 0.7 × 0 = -30 万
决策：开发（期望值 100 万 > 不做的 -30 万）。
应用场景二：技术方案选择
你有两个技术方案：
┌─ 高并发撑住（80%）→ 成本 50万
┌─ 方案A ──┤
│ └─ 高并发崩溃（20%）→ 成本 200万（修复+损失）
技术 ──┤
│ ┌─ 高并发撑住（95%）→ 成本 120万
└─ 方案B ──┤
└─ 高并发崩溃（5%）→ 成本 180万计算：
- 方案A 期望成本 = 0.8 × 50 + 0.2 × 200 = 80 万
- 方案B 期望成本 = 0.95 × 120 + 0.05 × 180 = 123 万
决策：方案A（期望成本 80 万 < 方案B 的 123 万）。虽然方案A有 20% 的崩溃风险，但期望成本更低。
但等等——如果崩溃是灾难性的（比如公司倒闭），你可能应该选方案B，即使期望成本更高。这就是风险厌恶的影响。
应用场景三：发布时机
你有三个发布窗口：
┌─ Q1 发布 ──┬─ 成功（70%）→ 收入 +300万
│ └─ 失败（30%）→ 收入 -100万
发布窗口 ──┤
┌─ Q2 发布 ──┬─ 成功（60%）→ 收入 +500万
│ └─ 失败（40%）→ 收入 -80万
└─ Q3 发布 ──┬─ 成功（50%）→ 收入 +600万
└─ 失败（50%）→ 收入 -50万计算：
- Q1：0.7 × 300 + 0.3 × (-100) = 180 万
- Q2：0.6 × 500 + 0.4 × (-80) = 268 万
- Q3：0.5 × 600 + 0.5 × (-50) = 275 万
纯期望值 Q3 最好。但 Q1 更早获得收入（时间价值），且风险更低。你需要综合考虑折现率和风险偏好。
常见误区
误区一：忽略概率的不确定性
「成功的概率是 70%」——你怎么知道的？
决策树需要概率估计。如果概率估计不准，决策树给出的「最优」可能并不最优。概率的不确定性本身也需要被评估。
误区二：结果值估计过于精确
「成功收入 200 万，失败亏 50 万」
这些数字本身可能有很大的不确定性。用区间而不是点估计会更诚实：成功收入 150-300 万，失败亏 30-80 万。
误区三：只考虑直接结果
「这个功能开发成本 50 万」
但你没有考虑：机会成本（团队做这个就不能做别的）、技术债务（可能增加未来维护成本）、团队士气（做失败的项目对团队的影响）。决策树的分支应该包含所有相关成本和收益。
PM/BA 应用
| 场景 | 决策树工具 | 决策价值 |
|---|---|---|
| 功能优先级 | 对每个功能建树比较期望值 | 系统化选择 |
| 技术选型 | 评估不同方案的风险-收益 | 量化技术决策 |
| 资源分配 | 比较不同投入的期望回报 | 优化 ROI |
| 风险评估 | 识别关键风险节点和应对策略 | 主动管理风险 |
| 谈判 | 评估不同让步的期望结果 | 最大化谈判价值 |
课后测验
题目 1
你正在决定是否投入 100 万开发一个功能。有 50% 概率成功（收入 400 万），50% 概率失败（收入 0）。你的期望值是多少？
A. 100 万
B. 200 万
C. 0
D. -100 万
查看答案与解析
答案：A（100 万）
期望收入 = 0.5 × 400 + 0.5 × 0 = 200 万
期望成本 = 100 万（无论成功失败都要投入）
期望净利润 = 200 - 100 = 100 万
注意：投入成本是确定的（不是概率性的），所以直接减去。
题目 2
你的团队可以做两个项目中的一个：
- 项目 X：80% 概率赚 50 万，20% 概率亏 20 万
- 项目 Y：100% 概率赚 30 万
如果你们是风险中性的，应该选哪个？如果你们是风险厌恶的呢？
A. 无论如何都选 X
B. 无论如何都选 Y
C. 风险中性选 X，风险厌恶可能选 Y
D. 风险中性选 Y，风险厌恶选 X
查看答案与解析
答案：C
EV(X) = 0.8 × 50 + 0.2 × (-20) = 40 - 4 = 36 万
EV(Y) = 30 万
风险中性：选 X（36 > 30）
风险厌恶：Y 的确定性 30 万可能比 X 的期望 36 万更有吸引力——取决于你的风险厌恶程度
关键：期望值 X 更高，但 Y 没有亏钱的风险。对于小公司，20 万亏损可能是致命的。
题目 3
以下哪种情况最不适合用决策树分析？
A. 选择 A/B 测试的实验方案
B. 决定是否进入一个新市场
C. 选择本周 Sprint 的用户故事
D. 评估两个供应商的报价
查看答案与解析
答案：C
决策树适合有明确不确定性、结果可量化、选项可枚举的决策。
- A：适合——不同的实验设计有明确的成功/失败概率
- B：适合——进入新市场有明确的风险-收益结构
- C：不适合——Sprint 选择更多是时间约束下的优先级排序，不确定性不是主要维度
- D：适合——不同供应商有不同的交付风险和成本
本课要点
- 决策树把选择和不确定性结构化——让你看到所有可能的路径
- 期望值是决策树的灵魂——概率 × 结果的加权平均
- 逆推法从后往前求解——先算末端，再推到决策点
- 期望效用考虑风险态度——同样的期望值，风险厌恶者选确定性
- 概率和结果的估计质量决定决策质量——垃圾进，垃圾出
延伸阅读
- Raiffa, 《Decision Analysis: Introductory Lectures on Choices under Uncertainty》 — 决策分析的经典教材
- Clemen & Reilly, 《Making Hard Decisions》 — 实操性最强的决策分析教材
- Howard, 《The foundations of decision analysis revisited》 — 决策分析的哲学基础
下一步
下一课：机会成本：看不见的代价 — 你选择做一件事的最大代价，是你放弃的最好选择。
工具提示：画出决策树不需要软件——纸和笔就够了。关键是把选择、不确定性和结果都列出来。精确的数字不需要，相对大小更重要。