以偏概全谬误

用小样本、不够随机的样本代表整体，就是以偏概全谬误，常见于业务中的用户”标签化”决策。案例：资讯App冷启动阶段，按年代给用户分组，发现”60后”“70后”里最大比例的用户最先点开时事新闻，”80后”“90后”“00后”里最大比例最先点开生活百科，于是直接推论按年代差异化推荐内容。这个结论有两处以偏概全：一是”最大比例”其实也不过34%左右，远不能代表这个年代大多数用户的偏好；二是每个年代的样本只有100人，量级本身就不足以支撑推及全年代的结论。发散：以偏概全最隐蔽的地方在于它经常披着”数据支持”的外衣出现——有具体数字、有对比图表，看起来很科学，但真正该被审视的是”这个数字背后的样本够不够格代表整体”，而不是数字本身漂不漂亮。