做用户研究和决策设计这行，绕不开一个词：前景理论（Prospect Theory）。它解释的不是“人应该怎么选”，而是“人在真实情境下到底怎么选”。同样一笔钱、同一个概率、同一份合同，换个说法，人的选择就可能完全反过来。这套框架最早来自对传统期望效用模型的修正，后来一路渗透进行为经济学、金融学、市场营销、产品设计、公共政策、组织管理，甚至成了很多人做个人财务决策时的自查工具。
上周帮一个做会员体系的朋友复盘数据，有个细节把他问住了：同一张“满199减40”的券，A组写成“立省40元”，B组写成“这张券今晚过期”，核销率差了将近一倍。他第一反应是文案问题，我让他把两组用户的消费基线拉出来一看，差异根本不在文案，而在于两组人被放到了不同的参照点上——A组盘算的是“我还得多花159”，B组感受到的是“我手上这40块要没了”。
这篇东西写给三类人：一是做产品、运营、增长、定价的同学，想搞懂用户决策背后的真实机制；二是做投资、理财、个人规划的人，想给自己的非理性行为装个刹车；三是对行为科学好奇、想系统了解这套理论的读者。我会把理论的骨架拆开，把参数、公式、计算过程摆出来，再讲清楚它在真实业务里怎么落地、哪里会翻车、翻车之后怎么排查。
1. 从“应该怎么选”到“实际怎么选”：这套理论到底修正了什么
1.1 传统期望效用模型的三处结构性裂缝
在讲前景理论之前，得先说清楚它反对的是什么。传统期望效用模型的核心假设非常优雅：人会对每个可能结果赋予一个效用值，再按概率加权求和，选期望效用最大的那个。这套模型统治了经济学一百多年，逻辑自洽、数学漂亮，但它有个致命前提——人是理性的、偏好是稳定的、只看最终财富水平。
现实里这三条几乎全不成立。第一，人看的从来不是最终财富的绝对水平，而是相对于某个基准的变化。月薪从8000涨到12000，你会开心；但如果同事从8000涨到15000，你的12000立刻变得索然无味。第二，人对“赚”和“亏”的反应不对称，同样金额的损失带来的痛苦，明显大于收益带来的快乐。第三，人对概率的感知是扭曲的，1%和2%在主观感受上的差距，远大于51%和52%。
这三处裂缝，正是前景理论要补的地方。它把“财富水平”换成了“相对参照点的变化”，把线性的效用曲线换成了S形曲线，把客观概率换成了带权重的决策权重。1979年那篇奠基性论文之后，这套框架又经过十几年的迭代，形成了累积版本，解决了早期版本在处理多个结果时的一些技术问题。
提醒一句：很多网络文章讲前景理论只讲到“损失厌恶”就停了，那只是四个支柱里的一根。只看损失厌恶去做产品设计，特别容易做成low版的恐吓营销，效果短期有、长期伤品牌。
1.2 参照点：所有价值判断的隐形零点
参照点是这套理论里最容易被低估、也最实用的概念。它是你判断“赚了还是亏了”的那个零点，而这个零点完全是可以被设定、被移动、被重新定义的。
举个特别日常的例子。你花600块买了张演出票，临出门发现票丢了。大部分人不会再买一张，直接回家。但如果你是提前在网上买的电子票，到现场发现身份证没带进不去，你大概率会想办法解决。同样是损失600块，前者损失的是“钱”，后者损失的是“已经拥有的入场资格”。钱在心理账户里被单独标记了，票丢了等于这个账户直接归零，再补一张就是纯新增支出。
商业上这个逻辑用得极多。原价划线和“到手价”是两套参照点体系；年付方案旁标注“相当于每月省33元”，是把年付的大额支出拆成月度的心理账户；免费试用期结束前三天发提醒，是把“本来就没有”变成“马上要失去”。这些手法背后都是同一件事：控制参照点，就控制了用户对“得失”的定义。
但参照点有两个坑必须注意。一是参照点因人而异。一个新用户对某品类的价格锚点可能来自竞品，一个老用户的锚点来自你上一次的促销价，两者完全不同，同一套话术效果能差出好几倍。二是参照点会漂移。你连续做三个月“五折”，用户的参照点就被你锚在五折上，第四个月回到七折，用户感知到的不是“恢复原价”，而是“涨了40%”。
1.3 价值函数的形状与三个可量化参数
把价值函数画出来，是一条穿过参照点的S形曲线：第一象限（收益区）是凹的，第三象限（损失区）是凸的，而且损失那半边明显更陡。
用公式表达就是：
- 收益时：v(x) = x^α
- 损失时：v(x) = -λ(-x)^β
这里有三个参数值得记住：
| 参数 | 含义 | 典型拟合值 | 业务含义 |
|---|---|---|---|
| α | 收益区曲线的弯曲程度 | 约0.88 | 小于1表示敏感度递减，赚得越多，边际快感越弱 |
| β | 损失区曲线的弯曲程度 | 约0.88 | 同上，亏得越多，边际痛感也在减弱，但起点很陡 |
| λ | 损失厌恶系数 | 约2.25 | 同样金额，损失的痛感是收益快感的2.25倍左右 |
这三个数来自实验室里大量被试的选择数据拟合，不是恒定物理常数，跨人群、跨情境会有明显波动。学界后来的重复研究里，λ的取值从1.5到2.5都有人报出来，个体差异很大。做业务的时候把它当成一个量级参考，别当成精确刻度。
现在来做一个真正有体感的计算。假设λ=2.25，α=β=0.88。一个人丢了100块钱，痛感是多少？
v(-100) = -2.25 × 100^0.88
100^0.88 = e^(0.88 × 4.6052) = e^4.0526 ≈ 57.5
所以痛感是 -2.25 × 57.5 ≈ -129.4
那要赚多少钱，才能把这个痛感抹平？解方程 x^0.88 = 129.4，两边取对数：
ln(129.4) = 4.863，除以0.88等于5.527，取指数得 e^5.527 ≈ 251
也就是说，丢了100块，得捡到大约250块才能心理平衡。这个结论在很多场景下都能对上：一个用户因为一次物流延误损失了50块，你补他一张50的券，他依然不爽；补到120、150，情绪才真正回落。很多客服补偿方案失效，根子就在这儿——你按账面金额等价补偿，但对方心理账户里是2倍多的缺口。
2. 概率权重函数：为什么同一个人会既买保险又买彩票
2.1 权重曲线的四段式形状
前景理论第二大支柱是对概率的处理。人不是按客观概率做决策的，而是先给概率加一层“心理权重”，再拿去用。这层权重函数有几个非常鲜明的特征。
第一，小概率被显著高估。客观0.1%的概率，在主观感受上可能相当于1%甚至更高。这就是彩票的逻辑，也是各类抽奖活动“中奖率0.01%”依然能拉动参与的原因。
第二，中高概率被低估。客观90%的概率，主观权重往往只有70%多。所以“90%成功率”这类表述给人的信心，远低于字面数字。
第三，极低概率和极高概率两端会出现跳变。在接近0的地方，概率从“不可能”跨到“有可能”这一步，权重提升极其陡峭；同样，从99%到100%这一步，主观权重的跃升也远超从98%到99%。
第四，权重不等于概率，加总不一定等于1。这是累积版本专门处理的技术问题，也是很多人套公式时最容易算错的地方。
常用的权重函数形式是：
w(p) = p^γ / (p^γ + (1-p)^γ)^(1/γ)
收益侧γ约0.61，损失侧约0.69。γ小于1，正是“小概率高估、中高概率低估”这条形状的来源。
2.2 四象限风险态度与场景对应
把价值函数（收益凹、损失凸）和权重函数（小概率高估、中高概率低估）放在一起，会得到一个四象限的风险态度矩阵，这个矩阵特别适合拿来做场景对照：
| 情境 | 价值函数形态 | 权重特征 | 综合风险态度 | 典型行为 |
|---|---|---|---|---|
| 收益 + 大概率 | 凹（厌恶风险） | 大概率被低估 | 确定性偏好 | 有90%机会赚10万，多数人选拿8万走人 |
| 收益 + 小概率 | 凹 | 小概率被高估 | 风险寻求 | 花2块钱买一个千万分之一的梦 |
| 损失 + 大概率 | 凸（偏好风险） | 大概率被低估 | 风险寻求 | 亏损股死扛不肯割，赌“总会涨回来” |
| 损失 + 小概率 | 凸 | 小概率被高估 | 风险厌恶 | 花几百块买保险，规避极小概率的大损失 |
这张表解释了一个看起来矛盾的现象：同一个人会同时买保险和买彩票。不是他精神分裂，而是两个决策分别落在“损失+小概率”和“收益+小概率”两个不同的格子里，触发的行为模式本来就不一样。
做业务的时候，这张表可以直接拿来定位用户当下的心理位置。用户在犹豫要不要买，他其实处在“收益”区间，你要做的是强化确定性（比如“无效全额退”）；用户在犹豫要不要退订，他处在“损失”区间，你要做的是提高不确定性（比如“退了之后这些权益就再也拿不回来了”），当然这一条有伦理边界，后面会专门讲。
2.3 参数拟合的实操方法与雷区
如果真要在业务里用这套参数，最简单的做法不是自己拟合，而是先套用文献里的典型值做个粗算，再用A/B实验校准。
下面这段Python可以直接跑，用来算不同金额的“心理价值”和“补偿倍数”：
import math def value(x, alpha=0.88, beta=0.88, lam=2.25): """x>0 为收益，x<0 为损失""" if x >= 0: return x ** alpha else: return -lam * ((-x) ** beta) def weight(p, gamma=0.61): """决策权重函数，p 为客观概率""" if p <= 0 or p >= 1: return p return (p ** gamma) / ((p ** gamma + (1 - p) ** gamma) ** (1 / gamma)) # 示例：丢100元需要赚多少才能心理平衡 loss = 100 pain = abs(value(-loss)) need = pain ** (1 / 0.88) print(f"损失 {loss} 元的心理痛感: {pain:.1f}") print(f"需要获得约 {need:.0f} 元收益才能抵消") # 示例：小概率大奖的主观权重 for p in [0.001, 0.01, 0.1, 0.5, 0.9, 0.99]: print(f"客观概率 {p:.3f} -> 主观权重 {weight(p):.3f}")跑出来的结果是：客观概率0.001对应的权重约为0.0145，被放大了14倍多；客观概率0.9对应的权重约为0.78，被削掉了12个点。这两个数字在实务中非常好用。
雷区有三个。第一，别把实验室参数当业务真值，学生样本和你的用户群可能差得很远。第二，别用早期版本的前景理论公式去算多结果组合，会算出违反一阶随机占优的荒谬结论，要用累积版本。第三，别忽略损失侧和收益侧的权重参数不同，γ和δ分开用，混用会系统性高估效果。
3. 把理论变成可执行方案：四个高频落地场景
3.1 定价与促销：参照点工程的具体做法
定价是前景理论应用最密集的地方，因为它天然涉及“比较”。任何价格都不是孤立存在的，它总在一个参照系里被感知。
第一个手法是原价锚定。展示“原价599，现价399”，用户的心理参照点被设在599，实际支付399会被编码为“省了200”，而不是“花了399”。这个手法的合规底线是原价必须真实存在过，虚假划线价是明确违规的，别碰。
第二个手法是拆解支付。年付999对一个价格敏感用户来说是“一笔不小的支出”，但标注“相当于每月83元”之后，它被挪进了一个更小的心理账户，痛感立刻下降。同样，把大额支出拆成分期，本质上是在利用时间维度稀释损失感知。这里要注意的是，拆解不能变成隐瞒总价，否则就是误导。
第三个手法是设计“诱饵档”。三档定价里，中间档往往是主推款，而最高档的存在意义很大一部分是充当参照点。没有那个贵得离谱的选项，中间档就显得贵了。这个策略在软件订阅、课程套餐、酒店房型里到处都是，但诱饵档不能是纯虚构的不可购买项，那会引发信任问题。
第四个手法是让“不买”变成损失。会员权益到期提醒、优惠券倒计时、连续签到断签，都是把默认状态从“没有”翻转成“有但即将失去”。这类设计的效果通常很直接，但要控制频次和强度，天天弹“你的XX即将失效”只会让用户产生免疫甚至反感。
我在实操里总结出的一条经验是：同一个促销，用“省”框架还是“失”框架，效果取决于用户当前的价格敏感度和决策阶段。新用户对品类价格还没建立锚点，“省”框架更有效，因为它降低了进入门槛；老用户已经知道你大概的价格带，“失”框架更有效，因为它激活了已有权益的占有效应。这个规律不是绝对的，但作为A/B分组的第一刀很合适。
3.2 产品与增长：损失框架的设计模板
增长侧的应用，核心就一句话：把用户“可能获得的东西”改写成“已经拥有但即将失去的东西”。
免费试用是最典型的例子。用户试用第1天到第6天，感知是“我在体验一个产品”；第7天到期提醒发出，感知变成“我手上的东西要被收走了”。同样是转化动作，后者的驱动力强得多。这里有个细节值得注意：试用期长度不是越长越好。太短用户来不及形成使用习惯，太长参照点还没建立起来就疲了。对工具类产品，7到14天是常见区间；对内容类产品，3到7天配合内容更新节奏往往更有效。
连续行为体系是第二个模板。签到、打卡、连续学习、连续记账，本质是把“每天做一件小事”累积成一个有分量的心理资产，然后用断签风险来保护这个资产。设计上有两个关键参数：断签惩罚的力度和补签的成本。惩罚太重会让用户在被断签后直接放弃（“反正断了，算了”），惩罚太轻又形成不了拉力。补签成本设计成“看一段广告”或“花少量积分”通常比纯付费效果好，因为它把损失修复的门槛降到了用户愿意付出的程度。
第三个模板是进度条与未完成感。任务做到80%被打断，心理上那个任务已经“部分属于自己”了，不完成会持续不舒服。多步骤表单、等级体系、收藏图鉴都在用这个机制。要小心的是，进度条必须真实，人为制造假进度（比如一开始就显示50%）一旦被识破，信任损失远大于转化收益。
还有一类容易翻车的是“虚假稀缺”。“仅剩2件”“已有37人正在查看”这类提示，如果数据是编的，短期可能有效，长期会被用户截图打脸。我的做法是：稀缺信息必须来自真实数据源，宁可数字难看，也不要用假数字。真实的“库存紧张”反而更有说服力，因为用户能感觉到它是活的。
3.3 投资与个人财务：损失厌恶的自查清单
个人决策是这套理论最直接的受益场景，因为我们自己就是那个最容易犯错的被试。
第一个自查项：你是不是在死扛亏损仓位？损失区间的价值函数是凸的，人在亏损状态下会变成风险偏好者，愿意赌一个“回本”的小概率，而不愿意接受确定的亏损。这就是处置效应的来源——赚钱的股票急着卖掉落袋为安，亏钱的股票死死拿着等翻身。结果就是“截断利润、让亏损奔跑”，和正确的做法正好相反。破这个局的办法不是靠意志力，而是提前把规则写死：买入之前就写下止损条件和理由，触发就执行，不给自己临场谈判的空间。
第二个自查项：你的参照点选对了吗？很多人评价投资收益用的是“买入价”，这是最糟糕的参照点，因为它和资产的真实价值毫无关系。合理的参照点应该是机会成本（同期无风险收益）、通胀、或者你自己的长期目标收益率。参照点一换，很多“我亏了”的判断会自动消失。
第三个自查项：心理账户有没有在偷偷烧钱。年终奖花起来不心疼，工资存起来舍不得动；退税的钱当成“意外之财”，信用卡积分当成“白捡的”。这些钱在账面上完全等价，但心理账户给它们贴了不同的标签，导致消费倾向完全不同。我的做法是每年做一次“账户合并”，把所有可支配资金当成一个池子来看，不区分来源。
第四个自查项：小概率事件你高估了多少。买保险的时候高估风险，不买保险的时候又低估风险；看到一次极端行情就调整整体策略。应对办法是给自己设一个“概率校准”动作：任何基于单次事件做出的决策，先问一句“这类事件历史上发生的频率大概是多少”，把主观权重拉回客观概率附近。
3.4 谈判与合同：如何设置锚和让步节奏
谈判是前景理论的另一个高密度场景，因为谈判的核心就是围绕参照点博弈。
先报价的意义在于锚定。第一个报价会把对方的参照点拉过去，后续所有讨论都在这个锚附近展开。但先报价不是无脑报高价，报价必须有一个能自圆其说的理由支撑，否则对方会直接判定为不诚意，锚就失效了。
让步节奏的设计更有讲究。同样是让出1000块，分四次让、每次250，和一次让1000，对方的感受完全不同。前者会让对方觉得“还有空间”，并且每一次让步都在重新校准他的预期；后者一次到底，对方反而会怀疑你一开始就虚高。常见的做法是让步幅度递减：第一次让400，第二次让300，第三次让200，第四次让100。递减本身就传递了一个信号——快到底了。
合同条款上，损失框架可以用来提高履约率。与其写“按时完成可获奖励”，不如写“项目款中已预留X%作为履约保证金，按期完成全额返还”。这两句话在财务上等价，但后者让那笔钱在对方心理上已经归属自己，违约意味着失去，驱动力更强。当然这类条款必须清晰、公平、可执行，不能设计成单方面陷阱。
还有一个特别实用的技巧：在谈判中主动给对方“确定的收益”，换取自己在“不确定的损失”上的让步。因为对方在收益区间是风险厌恶的，一个确定的小好处，往往能换到他放弃一个期望值更高但不确定的选项。这不是坑人，而是双方风险偏好不同带来的正常交换。
4. 我踩过的坑：常见误读、失效边界与排查表
4.1 五个被用歪的“伪前景理论”
第一个误读：把损失厌恶等同于恐吓营销。有些团队理解成“只要让用户害怕就能转化”，于是满屏红色警告、倒计时、库存告急。短期数据可能好看，但用户的情绪账户会被透支，长期看会形成“这个产品总在威胁我”的条件反射，直接屏蔽。
第二个误读：认为所有人都一样怕损失。λ=2.25是个平均值，个体差异巨大。有研究发现，经验丰富的交易者、专业采购、高频决策者的损失厌恶系数明显低于普通人群。你用一套损失框架去打B端专业买家，很可能完全无效，甚至显得不专业。
第三个误读：把所有决策都当成单次决策。前景理论的实验大多是单次、独立、金额明确的决策。一旦决策变成重复性的，人会学习、会适应、会建立新参照点，效应会明显衰减。会员续费提醒第一次发效果最好，发到第五次基本就没人看了。
第四个误读：忽略金额量级。金额很小的时候，心理账户的记账很随意，几块钱的差异用户根本不在乎；金额很大的时候，人会切换到更审慎的思考模式，逐条比对、咨询他人、查资料，直觉系统被抑制，理论效应也跟着减弱。真正好用的区间往往是“有点心疼但不至于要严肃研究”的那一段。
第五个误读：把框架效应当成话术技巧。框架效应确实能改变选择，但它的力量来自参照点的真实移动，不是文字游戏。“成功率90%”和“失败率10%”之所以有效，是因为它们激活了不同的心理账户，而不是因为某个词更漂亮。只学话术不学机制，做出来的东西会特别浮。
4.2 三个让效果归零的边界条件
第一个边界：信息透明度的提升。用户一旦知道你在用这套东西，效果会大幅衰减，甚至反弹。这也是为什么很多“限时优惠”被做烂了——用户已经默认“限时”是假的。应对办法不是换更隐蔽的话术，而是让机制本身真实可信：优惠真的会结束，库存真的有限，过期真的不能补。
第二个边界：情绪状态的干扰。人在强烈情绪下（愤怒、兴奋、焦虑）的决策模式会偏离常态，这时候精心设计的参照点可能完全失效。促销活动碰上重大社会事件、投资决策碰上剧烈波动，都要重新评估。
第三个边界：文化和群体差异。不同地区、不同年龄、不同收入水平的人群，对损失的敏感度、对确定性的偏好、对概率的信任度都不一样。一套在一线城市年轻用户里跑通的设计，换一个群体可能完全不成立。这不是理论错了，是参数变了。
我的做法是：任何基于前景理论的设计上线前，先做一轮小样本定性访谈，专门问“你觉得这个东西你是在赚还是在亏”，如果用户的回答和你的设计意图对不上，说明参照点没设对，别急着上量。
4.3 问题速查表与调试顺序
实际排查的时候，按下面这个顺序走，能省很多时间：
| 现象 | 最可能的原因 | 排查动作 | 修正方向 |
|---|---|---|---|
| 促销转化低 | 参照点没建立 | 问用户“你觉得原价是多少” | 强化锚点展示，补充同类对比 |
| 补偿方案用户不接受 | 补偿金额低于心理缺口 | 用价值函数粗算缺口倍数 | 提到损失的2倍以上，或换成非现金补偿 |
| 试用转付费率低 | 未形成占有效应 | 看试用期内的关键行为完成率 | 缩短试用期，提高核心功能触达 |
| 会员续费率下滑 | 参照点漂移或权益感知弱 | 对比续费前后的权益使用数据 | 重建参照点，增加使用中的权益提示 |
| 用户对提醒免疫 | 频次过高导致适应 | 统计提醒点击率的衰减曲线 | 降频、换渠道、换框架 |
| 投资决策反复 | 处置效应 | 复盘卖出和持有的决策依据 | 预设规则，用清单替代临场判断 |
调试的核心思路只有一条：先确认用户此刻的参照点在哪，再确认他处在收益区还是损失区，最后才决定用哪种框架。顺序搞反了，越努力越偏。
5. 一页纸复现：从参数估计到验证的完整流程
5.1 参数估计的具体步骤
不用一上来就做复杂的参数拟合，从粗到细分三步走就够了。
第一步，用文献典型值做粗算。α=β=0.88、λ=2.25、γ=0.61、δ=0.69，先把方案的心理价值量级算出来，确认设计方向对不对。这一步十分钟就能完成，能挡掉大部分拍脑袋的方案。
第二步，用历史数据反推。看你过去做过的促销、补偿、提醒类活动，把金额和转化率做成散点，粗略估一下你的用户群对金额变化的敏感度。如果曲线明显比理论更平，说明你的用户群偏理性或者金额量级偏大，需要调整。
第三步，用小样本实验校准。设计2到3个不同强度的版本，跑几百个样本，看转化差异。注意样本量不能太小，这类效应的绝对值通常不大，样本不够会被噪声淹没。
5.2 实验设计与验证指标
设计实验的时候有几个细节值得注意。
一是分组要按参照点切，不要只按人口属性切。新用户和老用户的参照点天然不同，混在一起跑会互相稀释。同样，高频用户和低频用户对损失的敏感度也不一样。
二是别只看最终转化率，要看中间指标。比如试用转付费，中间指标应该是“试用期内完成核心动作的次数”，这个指标能告诉你占有效应有没有建立起来。如果中间指标没动，最终转化动了，多半是文案的短期刺激，不可持续。
三是留一个长期观测窗口。损失框架的短期效果通常很好，但复购率、留存率、NPS可能在两三个月后掉下来。我一般会设一个90天的观察期，对比实验组和对照组的留存曲线，如果曲线交叉，说明这个设计在透支用户。
四是准备好对照组的话术记录。同一时间点上线的所有文案、弹窗、推送都要留档，否则出了问题根本没法归因。
5.3 落地检查清单
最后给一份可以直接抄的检查清单，方案上线前逐条过一遍：
- 参照点是否明确？用户能不能一句话说清自己“在跟什么比”？
- 处在收益区还是损失区？框架和区间是否匹配？
- 金额量级是否落在“有点心疼但不至于严肃研究”的区间？
- 损失框架是否有真实依据？限时、限量、权益到期是否真实可验证？
- 补偿或让利的力度是否覆盖了心理缺口？有没有按2倍以上粗算过？
- 是否考虑了用户群的差异？新老用户、专业与普通用户是否分开设计？
- 有没有可能引发反感或免疫？频次和强度是否可控？
- 中间指标是否可观测？长期留存是否纳入评估？
- 合规上有没有问题？原价、库存、中奖率、效果承诺是否真实？
这套东西用久了会发现，它最值钱的地方不是教你“怎么操纵用户”，而是让你在设计和决策的时候，多问一句“对方此刻站在哪个参照点上”。这句话问出来，很多看起来无解的分歧，其实只是双方站的位置不一样。
我自己在实际操作中的体会是，前景理论的最好用法是“校准”而不是“利用”。校准自己的判断，也帮用户看清他真正在比较的是什么。真把这个用透了，做出来的方案反而会更朴素——不靠花哨文案，就靠把参照点摆对、把得失算清。至于那些靠信息不对称赚快钱的手法，短期数据再好看，也不过是在消耗别人对你的信任额度，这个额度一旦刷爆，后面补多少都补不回来。
