“霍金悖论”与“用户画像的猜想”

英国剑桥大学“广义相对论小组”讨论会。特里推开会议室的门，便径自向靠里面的座位走去，脑后忽然响起一种非常微弱的电器的声音，回头一看，只见一个骨瘦如柴的人斜躺在电动轮椅上，他正在用眼睛来驱动着电开关。看得出来与会者尽量礼貌而不显出过分吃惊。

为了不耽误大家的开会时间，他得早早的做起准备，因为，他每分钟只能输入5—6个单词。在他的眼镜边有一个振动感应器，当他左眼角动下的时候他前面的显示屏就出现26个字母分成每屏6个字母，当他看到的字母是他想要表达的内容时右眼动一下屏幕就出现那个字母开头的所有单词。

经过一段时间的准备，屏幕上出现了以下文字：

“如果一个人真的返回过去，并且在其外祖母怀他母亲之前就杀死了自己的外祖母，那么这个跨时间旅行者本人还会不会存在呢？这个问题很明显，如果没有他的外祖母就没有他的母亲，如果没有他的母亲也就没有他，如果没有他，他怎么返回过去，并且在其外祖母怀他母亲之前就杀死了自己的外祖母。”

这种看似逻辑混乱的观点在科学界这被称为“外祖母悖论”，而提出“悖论”的这个他便是霍金。

斯蒂芬·威廉·霍金，英国剑桥大学著名物理学家，被誉为继爱因斯坦之后最杰出的理论物理学家之一。霍金是当代最重要的广义相对论和宇宙论家，是当今享有国际盛誉的伟人之一，被称为在世的最伟大的科学家之一，还被称为“宇宙之王”。 1963年，21岁的霍金不幸被诊断患有肌肉萎缩性侧索硬化症即运动神经细胞病。导致他全身瘫痪，不能说话。 所有的表达只能通过电脑传感器来完成。

这个悖论只所以被认为逻辑混乱也暴露出人类思维的一个致命弱点：线性思维，把可以信赖的基础完全置放在线性逻辑的轨道上，进行考量，这种考量只有一个定性的可能，两种答案，那就是错与对。

有人用“平行宇宙”理论去解释这个悖论。世界不是只有一个，而是有许多平行的世界存在，按照如今的历史过程：罗马帝国时代、大英帝国时代、工业时代、第一次世界大战、第二次世界大战、电脑网络普及……如果将整个工业时代去掉，那至此以后的历史轨迹将会得到巨大的改变，或者两次世界大战都不会出现，又或者世界大战将会在我们的另外一个平行的世界里存在，也就是说另外一个世界如今的我们可能正在遭受着战争的阴影。这个时候“外祖母悖论”就有了合理的解释：一个人可以回到过去杀死自己的外祖母，但这将导致世界进入两个不同的（历史；或者说时间线）轨道，一条中有那个人（原先的轨道），而另一条中没有那个人。

出现这个悖论的原因在于宇宙物质的当量远远不是人类利用线性思维所能考量的体量。尽管，人类应用了许多公认的计量单位，但是人们始终无法估量太阳系以外的任何空间状态的存在方式。人类的体量和思维的方式有着本质性的局限和障碍，这种阻隔妨碍了人们的正常思维方式和内容的博取，所以人们便以大量的想象充斥畅想的空间，用主观的打量来替代理论的结果。

这个局限也正在一步步地逼近营销场景，在营销物质当里还不那么充分的时候，我们可以用4P、4C这些简单的线性当然来衡量营销并作出决策，但当今天这些营销物质的当量在大数据时代迅速膨胀起来的时候，之前的线性思维已经很难跟的上这个增长的步伐。

大明画像的困惑

“大明，男、31岁、已婚、收入1万以上，爱美食，团购达人，喜欢红酒配香烟，他们往往标榜自己爱运动但总没时间运动。……. ”分析师Vincent正在季度会议上分享着用户画像。

用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。

“但你们这个Social listening的结果，和调研问卷的结果很不一样啊？…..”产品经理Tony对这个“大明”的用户画像报告提出了自己的质疑。

的确，这是一个现实营销场景下普遍的情况，不同数据源而分析出的各种各样的“大明画像”并且之间存在着不少的差异，而我们又会在将这些大明的画像强行的放到同一个世界中来统一衡量，即便是这些“大明”画像在每个世界中都是对的，但我们还是被困惑住了。

这种“大明画像的困惑”便是营销界“外祖母悖论”现象。借用“平行宇宙”理论来解释，大明画像在每个数据源场景下他都是单独成立并行之有效的，如：通过电商数据源得出的分析结果可以应用在电商营销中；微博数据得出的结果可以作为微博运营；线上调查问卷的结果用于线下促销更为合适等。当然，营销大拿们更想解决的一个统一场景下的这个问题，那解决方案就要娓娓道来了。

第一步：离散数学

1852年，英国的绘图员弗南西斯·格思里在进行地图着色时，发现了一个现象，“每幅地图都可以仅用四种颜色着色，并且共同边界的国家都可以被着上不同的颜色”。那么这能否从数学上进行证明呢？100多年后的1976年，肯尼斯·阿佩尔和沃尔夫冈·哈肯使用计算机辅助计算，用了1200个小时和100亿次的判断，终于证明了四色定理，轰动世界，这就是离散数学与计算机科学相互协作的结果。

离散的含义是指不同的连接在一起的元素，主要是研究基于离散量的结构和相互间的关系，其对象一般是有限个或可数个元素。大家一定听过一个名词叫500万像素镜头，指的便是用这个镜头拍摄的照片是用500万个数字来描述的，每个数字对应一个像素。因此，该照片或者可以说是500万个元素构成的一个又一个点，而最终绘制成为一幅美好的画面。不知不觉中，我们已经感受了由500万个元素而形成的离散数学问题。

所以，从离散数学这个角度来说，我们要在统一场景下解决“大明画像的困惑”。首先，需要找出多种数据的角度找出相关性，这里举一个例子，以下就是笔者之间做过的一个案例，将电商、微博、BBS多种数据源统一在消费者决策流程这一个场景组织相关性。

我们认为这些数据源在决策流程中启动不同作用，最后的目地和500万像素的一样，描绘出消费决策的画面。值得指出的统一场中元素是存在必然的相关性，就像万有引力一样，如果没有那只是你没有找到罢了。

第二步：两条平行线相交

想象一下当你驾驶汽车在径自的丝绸之路驰骋的时候，你的视线跟着向前移动，这是你会发现随着距离地平线越来越近，道路两边的两条平行边近乎会变成了一个点。这种现象在绘画中叫“透视现象”。在意大利文艺复兴时期艺术家们知道了这个现象，并在视觉表现方面采用了这种技法，而使得作品的表现一目了然。这是使得我们理解了一个道理，人的视野是二维的，我们在二维视野中来描绘多维世界画面的时间，哪“丢失”一些东西有可能更加逼真。

这也告诉我们在寻找完相关性之后，我们可以要有选择的去做一些“丢失”工作以使得这个画面更加的逼真。

但这种“丢失”工作该怎么做，这里我们再谈回到“透视”的技法来找答案。

透视技法有两种：一种叫“焦点透视”也是西洋画派惯常采用手法，焦点透视的原理，是根据人“目”（视点）的高度来进行，简单的说就是人的眼好比是一架照相机，愈远的东西映在视网膜上的就愈小，极远处消失在树干线上的一点．称为灭点，反之，愈近的东西自然就愈大了；另一种叫“散点透视” ，散点透视与焦点透视不一样，焦点透视是守着一个视点去作画，而散点透视是多视点的。散点透视是把视点分布在几个视点上，根据内容的需要灵活处理，并保持视感觉的舒服。中国画就是用这种手法来表现宏大的场面，如宋代张择端的《清明上河图》便以北宋古都沛京东郊虹桥为中心的风景人物，把城郭、市街、桥梁、船只以及形形色色的人物，交织在一个画面，就是采用了散点透视的原理。

回推到营销场景的用户画像的应用，便是我们用“散点透视”法把我们的大场景切分到各个小场景中，就像上图一样我们把整个消费决策流程分为认知（Awareness）、理解（Understanding）、偏好（Preference）、行动（Purchase）四个场景，将数据相关性进行组合排列；再在每个小场景中应用“焦点透视”，以“人”为核心来进行数据取舍。

第三步：相关和因果二维图

1869年，法国工程师查尔斯·约瑟夫·米纳德发表了他那副最为著名的示意图，展示了拿破仑入侵俄罗斯的途中军队的规模在逐渐减少，直到最后从俄罗斯撤退的情形。这幅示意图被称为人类历史上最伟大的示意图，其实这种示意图是在弗洛伦斯·南丁格尔的“玫瑰图”基础上演变而来，南丁格尔的完全凭借可视化的方式，指出在克里米亚战争中绝大多数英国士兵死于传染病，而不是被俄罗斯人所杀害。

无论是“玫瑰图”还是“散点图”都非常适合人类的认知能力。人类大脑特别擅长于在二维图表中找出规律和隐含的信息。面对规律在大数据时代我们往往会关注相关性，从相关性中寻找规律。如：我们能获得这些信息，小明是个高个子，小红是个高个子，小明和小红是兄妹所以都是高个子这是相关性。但从人的思路逻辑来看，只关注相关性是无法解决问题，从而，使得数据分析价值缩水无比。所以，因果关系是突破“大明画像”的最后一个公里。我们再回到上面这个“高个子”相关性这个话题，如果我们发现小明和小红的父亲也是个高个子，哪就成为形成了因果关系。我们可以从基因的角度来解决“高个子”这个问题了。这也回到了上面的观点“擅长于在二维图表中找出规律”，即每个相关性背后都有一个因果关系，一个相关性对应一个因果性来寻找答案。