False Consensus Effect
錯誤共識效應
高估別人跟你想法一致的程度——「大家應該都這樣想吧」其實只是你這樣想。
這個偏誤在做什麼
Ross、Greene 與 House 1977 年的研究：人傾向高估自己的意見、偏好與行為在人群中的普遍程度，把「我這樣」投射成「大家都這樣」。 原因之一是你身邊的人本來就跟你相似（同溫層放大），另一是它能驗證「我的判斷是合理的、是常態」。結果是你會誤判市場、誤判民意、在團隊裡以為共識存在其實並沒有。最危險的版本是做產品、做決策時，把「我和我那群相似的人想要的」當成「多數人想要的」。
日常的樣子
你覺得某個產品功能「大家一定都想要」，於是大力投入——但那只是你和你那群相似的朋友想要，真實用戶其實根本無感。
你正在踩進它的訊號
- ·你用「大家應該都…」「正常人都會…」描述其實很主觀的偏好。
- ·你會驚訝於「居然有人不這樣想」。
- ·你沒實際問過，就假設多數人同意你。
- ·你的「常識」其實主要來自你的同溫層。
對抗它的具體動作
- 1主動去問「跟我不同類」的人，而不是身邊相似的人。
- 2對「大家都這樣想」的假設，要求實際數據。
- 3把「我認為」和「多數人認為」嚴格分開。
- 4刻意找一個跟你相反的觀點，理解它為何對某些人成立。
用這些框架對抗它
容易與這個混淆的偏誤
常見問題
錯誤共識效應跟同溫層是什麼關係？
同溫層是它的放大器。你身邊的人本來就跟你相似，於是你接收到的回饋幾乎都同意你，更容易誤以為「全世界都這樣想」。社群演算法又進一步餵給你同質內容，把這個錯覺推到極致。打破它的第一步，就是刻意走出同溫層、去問跟你不同類的人。
它跟確認偏誤怎麼分？
確認偏誤是「只注意支持自己的證據」，關於你怎麼蒐集與篩選證據；錯誤共識效應是「高估別人跟自己一致的比例」，關於你怎麼估計整個群體的分布。一個扭曲你看到的證據，一個扭曲你對「多數人」的想像。兩者常一起運作，讓你誤以為「共識存在」，其實只是你的投射。
做產品或決策時怎麼避免？
不要用「我和我朋友都想要」當作需求證據——那正是錯誤共識在運作。實際去訪談「不像你」的目標用戶，用數據而非直覺估計真實比例，並刻意去找「不同意你」的聲音來校正。一個簡單的紀律：每當你想說「大家都會想要」，先問「我實際問過幾個跟我不同類的人？」