增強信任的三個方法:預測性、權威性、相似性

2020-12-16 時間管理杜杜

三個非常重量級的方法。我們來想一下,為什麼我們會不信任別人?為什麼一個人站在那,我們不認識他,就不容易相信他,我們會相信熟人是為什麼?

因為我們在沒有辦法預測一個人行為的時候,就沒有辦法相信他。相信熟人的原因,是我們對熟人比較了解,我們知道他在什麼情況下,會說什麼話,會做什麼事情,所以我們會放心。

是不是我們可以去找一些,可以增強別人對自己行為的預測性,這樣的話就可以獲得別人的信任。

比如給出一個強有力的承諾,不要害怕給出承諾,只是有些人連打包票都不是很大膽。

其實如果你給出一個強有力的,而且還很具體的承諾,不管這個承諾最終是否被履行,在承諾的那一刻,人本能的就會覺得:你一定不會違反諾言的,你一定會按照你說的做。

這就是為什麼很多女人會相信一個壞男人,就是一個男人可能騙了她很多次,但只要他一發誓、一賭咒就立刻相信了。沒辦法,這不是她傻,人就是會相信諾言。

這裡有兩個心理原因:

第一個原因,叫做獲得社會認同是人的天性本能。

就是我們許了諾言之後,一般情況下我們都會去遵守它。因為遵守諾言在這個社會上是一種被認可的品質。所以一般情況下,我們就會覺得這個人他許下諾言,他一定不會違反的,畢竟那麼多人都聽了,那麼多人都看了。會有這種心理的,我們就會覺得他一定會遵守。

所以這是第一個,叫做獲得社會認同是人的天性本能,這會導致我們相信別人的諾言,會覺得他不會違反。

第二個心理原因叫做認知一致,也是人的本能。

比如你現在在一個銷售會上,一般情況下去那種銷售會,都是讓你買東西的,讓你掏錢的。但你不想掏,你特別客氣的來了一句:我是挺想買的,但是我今天沒帶錢不方便,等我想一想再說。

然後銷售人員特別有禮貌地跟你說:沒關係,今天不買也行的,來,這有個單子,您可以先填一下你的購買意向,回頭再說。

你在購買意向上填了有一項打個勾,到第二次,銷售人員再碰到你的時候,把這個單子拿出來,你購買的概率就會很大。

這就是我們說的認知一致心理導致的,如果我們發現自己的認知跟行為不一致的話,我們會特別的難受。

這就是為什麼我們會相信別人的諾言,我們總覺得他許了諾言,就一定會遵守,不不然的話,就是一個很難受的事情。

所以這是為什麼在想要獲得別人信任的時候,給出一個強有力且具體的承諾,一般情況下就會增強對方對你的信任。

而且你許出了這個諾言之後,一定要盡全力去實現它,當你把這個諾言實現了之後,對方對你的信任會成倍的增長。

他發現你就是一個言行一致的人,他對你就越來越放心,對你行為的可預測性就增加了。

所以這是我們說的,當一個人對另外一個人的行為可預測性增加的時候,就會信任他。

方法是做出一個強有力的承諾,就可以讓你獲取別人的信任。

再往下一個獲得信任的方法,叫做增強權威性。

有頭銜就要把頭銜說出來,沒有頭銜就要在說話的時候,經常去引用權威的話,或者是引用權威的觀點。

在此之外,穿衣服要得體,要利用一些外部標誌去增強權威。說實話,開名車或者是拿一個名牌包是有效的,會增強權威。因為金錢,實際上是一種權力。

一個人的錢越多,他可以支配的資源越多,他整個人看上去支配力就很強。這也是為什麼很多人忽然有錢了之後變自信了的原因,有錢確實讓他有了底氣,這不是什麼拜金的觀點,所以大家在生活當中要靈活運用。

再往下一個方法,叫做增強相似性。

人更容易信任跟自己相似的人,所以你在說話的時候,要注意表達自己跟對方在哪些地方是一樣的。

比如你想讓對方買你一個東西,你可以跟他說:我曾經跟你一樣,我也不是很信這些東西。其實這是為了增強你跟對方的相似性,這樣的話,對方就更容易進入到你說話的情境裡。

當然你也可以跟對方聊一些共同的興趣,你說得越具體,越細節,然後你們相似性越多,你就會讓人家感覺到越真實,越容易信任你。

這是第二個部分的方法,我們說了三個:增強可預測性,增強權威性,增強相似性。

相關焦點

  • 德克薩斯大學達拉斯分校:綜述:在線產品評論幫助性的建模與預測
    這兩個源之間的主要區別是與它們相關聯的元數據:Amazon.com提供匿名投票信息,而Ciao將用戶ID附加到幫助性投票中。Ciao也使用0到5的幫助性選票,而亞馬遜選票是二進位的。此外,Ciao提供關於社會信任網絡的信息,如果用戶發現他們的評論一貫有幫助,他們選擇與評論者聯繫,這與Amazon.com不同,Amazon.com不提供任何這樣的社會信任網絡。
  • 【智能司法】可解釋的Rationale增強罪名預測系統
    倘若機器自動判決只給出最終結果而不提供任何解釋,那麼人們將無法信任機器的判決。可解釋性可解釋性意味著AI系統能夠解釋其預測的能力,並且已經引起越來越多的關注。Hendricks et al.[1] 將可解釋性分為二大類:Introspection explanation和Justification explanation。
  • 調查性報導、解釋性報導、預測性報導、​體驗式報導
    (定義)調查性報導的核心特徵有三:一是捍衛公眾利益或公民權利,二是揭露黑幕,三是記者獨立調查。(特徵)調查性報導興起背景是《華盛頓郵報》對「水門事件」的成功報導。(歷史)調查性報導是實現輿論監督的有力形式,是公眾知情權的保證。
  • 圖像相似性的5種度量方法
    這個定義看起來沒有做什麼解釋,實際上圖像相似性度量就像它的名字一樣容易理解,通過度量的方式測度兩幅圖像到底有多麼一樣。和粒子濾波等都需要圖像相似性度量做理論支撐。國內百度也做了圖像搜索,她的方法更像是擦邊球,通過搜索圖像的標籤給出類似或者完全不同的圖像。下面是兩個搜索網站對同一幅圖像的搜索,結果如下。
  • LIME:一種解釋模型預測的方法
    ,本文介紹一種解釋模型判別規則的方法。在機器學習的許多應用中,用戶常常被要求信任幫助他們進行決策的模型(model)。一位醫生肯定不能只是因為「模型這樣說」就給病人動手術。甚至從 Netflix 上選擇一部電影觀看時,我們在決定將幾個小時託付給模型的決策之前也需要給予其特定程度的信任。儘管許多機器學習模型都是黑箱,理解模型預測背後的基本原理將肯定有助於用戶決定什麼時候可以信任或不可以信任它們的預測。
  • Enhanced-RCNN: 一種高效的比較句子相似性的方法|WWW 2020
    以下是螞蟻金服的技術專家對入選論文《Enhanced-RCNN: 一種高效的比較句子相似性的方法》做出的深度解讀。前言如何衡量句子相似性是自然語言處理中一項基礎而又重要的任務。當前比較句子相似性的方法主要分為3種:表示型(Siamese Network Framework)、交互型(Matching-Aggregation Framework)和預訓練語言模型(Pre-trained Language Model)。
  • 生物類似物分析相似性研究
    一般應使用多批次自研產品與原研在包括結構、理化以及功能屬性方面的對比,並使用數據統計方法對各質量屬性對比結果進行統計及對比。分析相似性是生物類似物的基礎,在生物類似物開發中很重要。  相關指南  針對生物類似物分析相似性研究,FDA以及歐盟均發布了不少指南。
  • 預測的方法
    首先唯品會和京東的業務模式具有較高的相似性——都是電商平臺(雖然主要品類結構不一樣),主要交易端都是App\PC\Weixin這3個,唯品會和京東都在微信上都有「錢包入口」,整體上覆蓋的人群結構也差不多——現在知道了唯品會微信上交易量的佔比(數據已經相對穩定),那麼該數值可以作為預估京東數據的參考值基準。
  • 機器學習中距離和相似性度量方法
    根據數據特性的不同,可以採用不同的度量方法。其他三條折線表示了曼哈頓距離,這三條折線的長度是相等的。當 p 趨近於無窮大時,閔可夫斯基距離轉化成切比雪夫距離(Chebyshev distance):我們知道平面上到原點歐幾裡得距離(p = 2)為 1 的點所組成的形狀是一個圓,當 p 取其他數值的時候呢?
  • [乾貨]漫談:機器學習中距離和相似性度量方法
    在機器學習和數據挖掘中,我們經常需要知道個體間差異的大小,進而評價個體的相似性和類別。而馬氏距離的 L逆矩陣是一個下三角,先在 x 和 y 方向進行縮放,再在 y 方向進行錯切(想像矩形變平行四邊形),總體來說是一個沒有旋轉的仿射變換。 3. 向量內積向量內積是線性代數裡最為常見的計算,實際上它還是一種有效並且直觀的相似性測量手段。向量內積的定義如下:
  • 漢語語音相似性編碼的研究
    儘管乍看之下,語音相似性似乎只能對可聽單詞進行量化,但這個問題常常出現在純文本空間中。如何對語音相似的漢語拼音進行研究呢?IBM 研究院的研究人員們發展了一種學習漢語 n 維語音編碼的方法,並可以推廣到許多其他不容易適應英語語音模式的語言中。雷鋒網 AI 科技評論編譯。
  • 6個小絕招增強男人性能力
    6個小絕招增強男人性能力1、 放鬆壓力是中年男人「性」的最大致命傷。所以男性朋友平時要多運動,鍛鍊體力與心肺功能,才能享受性的美好。只要是有氧運動,可以增加心肺能力的都有效,例如跑步、騎腳踏車、遊泳、打球。3.重燃生命活力男性應該讓自己對人生保持新鮮感,對事情還有好奇心。在眾多的社會角色中,男性最好保有一兩個喜好,允許有一些空間是可以去面對自己的欲望與挫折。
  • 【選舉預測】王中原 唐世平:政治科學預測方法研究——以選舉預測為例
    二、政治學的預測性研究政治學研究乃至整個社會科學研究是否應該參與預測活動,一直是個充滿爭議的話題。其爭議的內容涉及政治學研究的根本任務、政治事件的可預測性、政治預測的準確性、以及預測的應用途徑等方面。首先,社會科學的研究任務基本可分為解釋(explanation)和預測(forecasting)兩類。
  • 政治科學預測方法研究 ——以選舉預測為例
    政治學研究乃至整個社會科學研究是否應該參與預測活動,一直是個充滿爭議的話題。其爭議的內容涉及政治學研究的根本任務、政治事件的可預測性、政治預測的準確性、以及預測的應用途徑等方面。首先,社會科學的研究任務基本可分為解釋和預測兩類。
  • 我們是否能信任算法?不信任又能怎麼辦?
    但是該系統是專有程序,完全是個「黑匣子」,COMPAS 系統曾被指控存在種族偏見,受到了強烈質疑,有人上訴反對 COMPAS 的評分結果,但以失敗告終。儘管如此,COMPAS 在大多數 FATM 標準上似乎都表現不佳。因此,回歸到一個簡單的問題——我們可以信任算法嗎?
  • 用Skater來解讀預測性模型:解密模型的隱秘
    數據科學家Cathy O』Neil最近寫了一整本書,其中充滿了可解釋性差的例子作為警告,希望引起那些對不恰當模型可能會帶來的潛在的社會衝突的重視。這些模型的例子有在刑事判決中模型的偏見或在構建財務模型時使用帶有人為偏見的虛擬特徵。圖1 傳統的解釋預測模型的方法還不夠好。
  • ECCV 2020 | 人臉識別的可解釋性
    自然深度學習中的很重要領域人臉識別的可解釋性也是一個很大的挑戰,當前在這方面探索的方法有網絡注意力、網絡解剖或綜合語言解釋,然而,缺乏網絡比較和量化可解釋結果的真相,尤其是在人臉識別中近親或近親之間的差異很微妙,解釋並不明顯。
  • 教義的權威性可分成五個級別
    若我們要對神的道有平衡的認識,我們必須知道,不同教義可以按其權威性大小分成不同的級別。耶穌說有些教義的內容是「更重要」的:……那律法上更重的事,就是公義、憐憫、信實,反倒不行了…(太23:23)這就暗示著有些教義的內容是「次重要的」。我們必須認識到各種教義的重要性和權威性有所不同。
  • 父母並非不能說謊,善用「權威性謊言」,能更好激發孩子潛力
    在1968年羅森塔爾帶著助手來到了一所鄉村的小學,他在1到6年級當中隨機各挑選三個班,並對這挑選出來的同學進行未來發展趨勢測驗,同時把最好的測驗結果評價給到了校長,並告訴校長這幾個孩子的學習天分很高。然而,羅森塔爾只是在眾多的被試者當中隨機抽取了前20%的人遞交給校長評測結果,並沒有進行認真的排名。
  • 2020年文檔相似性算法:初學者教程
    在33914篇《紐約時報》文章中,我測試了5種常見的文檔相似性算法。從傳統的統計方法到現代的深度學習方法。每個實現少於50行代碼。所有使用的模型都來自網際網路。因此,你可以在沒有數據科學知識的情況下,開箱即用,並且得到類似的結果。