一日一知：你样样都比竞品好，怎么大家都喜欢竞品？

假设你开发了一个游戏X，在上市之前找来1000名玩家试玩体验。这些玩家都玩过市面上的著名游戏Y。为了简单起见，我们假设游戏只有两个评价指标，画面和玩法。你发现你的游戏，无论在画面还是玩法都获得了比Y更高的好评率。

于是你兴冲冲地把游戏推向了市场。可一段时间以后，你却发现大家还是更喜欢游戏Y。这是为什么呢？

你仔细分析之前的访谈数据，发现了一个非常奇怪的现象。我们来看看之前的数据：

X游戏，1000个玩家，你让400个玩家去评测画面，让另外600个玩家去评测玩法。Y游戏，1000个玩家，你让100个玩家评测画面，让另外900个玩家去评测玩法。

对Y游戏，评测画面的玩家有30人给好评，好评率30%。对X游戏，评测画面的玩家有210人给好评，好评率53%。

对Y游戏，评测玩法的玩家有870人给好评，好评率97%，对X游戏，评测玩法的玩家有590人给好评，好评率98%。

可以看到，X游戏画面好评率53% > Y游戏画面好评率30%。X游戏玩法好评率98%>Y游戏玩法好评率97%。

但是如果你算总数，给X游戏打好评的玩家有800个，好评率80%。而给Y游戏打好评的玩家有900个，好评率90%。所以整体评价，Y游戏的好评率竟然比X游戏高！

这就是著名的辛普森悖论，同一组数据，分组统计和整体统计，他们的趋势可能不一样。

看到这里，你可能会觉得我故意在生造数据，要做评测，同一个指标肯定应该让相同的人来评测，怎么可能X游戏400个人评测画面，Y游戏只有100个人评测画面？

但实际上，这才是现实情况，以画面为例，游戏画面有写实风格，Q版二头身，像素风，二次元XX娘。如果Y游戏是像素风游戏，X游戏是写实油腻师姐风格，那么他们的用户基数是不一样的，如果在评测的时候，故意找相同数量的玩家来测试，反而会让结果更不准确。

如果你还不能理解的话，我们换一个例子，把XY游戏换成两家医院。治疗1000个病人，Y医院治愈率90%，X医院治愈率80%。看起来应该选Y医院？

但如果深入到每一个病人里面，Y医院100个重症治好了30个，900个轻症，治好了870个。X医院，400个重症治好了210个，600个轻症，治好了590个。按上面的算法，X医院的重症治愈率大于Y医院；X医院的轻症治愈率也大于Y医院，所以无论轻症还是重症，都应该选B医院。

这个理论也可以推广到追求妹子上面，你觉得你样样都做得比另一个男人好，为什么妹子喜欢他而不喜欢你？因为妹子喜欢的是另一个男人的整体，而你却在试图把自己剖开，一项一项跟他比。比赢了又能怎么样呢？