逆向思維一下，也正是因為這些造物主制定的大規則，才讓我們智人能夠走到今天。
“博弈”無處不在，小到一局象棋，大到同行企業之間的競爭、國家之間的合縱連橫。對應的英文就是Game，可想而知有多常見。
十幾年來我很喜歡研究“博弈論”，今年在中歐工商學院的《管理經濟學》又系統學了一遍相關知識，最近把“得到App”精英日課的“博弈論15講”也聽了一遍，今天就為大家結合商業實務聊一聊。
一、單次博弈
大家最耳熟能詳的就是“囚徒困境”了。大意是，兩個合謀犯罪嫌疑人（A和B）被逮捕，警方證據只夠判輕罪，決定分別審訊：如果兩個都不認罪，都判輕罪1年；如果都認罪，都重判5年；如果A不認罪B認罪，A“抗拒從嚴”判8年，B作為汙點證人立即釋放（反之亦然）。
從總體利益上來講，“都不認罪”是最佳策略（合計判2年）；可實際上，A和B都陷於“囚徒困境”—— 都不相信對方能忍受“坦白立即釋放”的誘惑，所以都只能都“認罪”，從而產生總體最壞的結果：都認罪（合計判10年）。
類似的，還有“公地悲劇”—— 在小區門口有一塊漂亮的公用草坪，每個人的最優策略都是享用草地而不付出精力保護，很快草坪變得破破爛爛，最終誰也無法享用，全都是loser。
在咱們SaaS行業裡也經常看到這樣的狀況，為了搶奪一個客戶，同行們每次遭遇戰都報低價，目的是即便我不賺錢，也不讓你拿到客戶。更麻煩的是，SaaS廠家都覺得自己的新客戶第一年不掙錢不要緊，反正還有續費。
可實際情況是，競爭激烈，為了鼓勵銷售，一次收了3年錢；
實際情況是，收到費用太低，實施和服務跟不上，客戶壓根沒用起來；
實際情況是，這客戶根本不會續費！
長期如此，廠商都不掙錢，VC的錢燒完了還見不到利潤，顯然也是一種“囚徒困境”。
那麼，如何避免這樣的“悲劇”呢？
我先講講我親身經歷的故事。十幾年前我在華為軟件“戰略與Marketing”部門時，負責一個BMT（1000多人）的軟件合作。我們運作了一段時間後發現，軟件採購與硬件採購非常不同。硬件交付的是“產品”，抽檢合格後集成到設備裡保證高概率不會出問題。而軟件公司提供的不僅僅是“產品”，還有大量實施和售後支持服務。如果價格壓地太低，華為團隊與供應商團隊一起到客戶端交付時就會有一堆問題，最終影響全局。
後來我們軟件合作部門就決定，供應商認證和議標過程中，加大從“長名單”進入“短名單”的供應商認證門檻，提高“技術”部分的影響，降低“商務”（價格）部分的影響。以此保障客戶端的交付質量。
這是什麼？這是經歷了“多次博弈”後的成熟表現。
二、多次重複博弈
上面的例子說明，多次重複博弈的情況下，“囚徒困境”是可以改變的。
當然我不是推薦搞什麼價格同盟，實際商業中，3方及以上的價格同盟很難形成和穩固，而且這還是有違國家反壟斷法的。
事實上，經過2、3年博弈後，競爭各方都會越來越理性，設法在產品定位上找到差異點，在營銷過程中強調差異，在定價上保障收益率。這也是新生市場與成熟市場的差別——競爭者和客戶（例如上面說的華為軟件）都會更加理性。
說回博弈論，有一個非常有趣的多輪博弈模型，它證明在大部分多輪博弈過程中，“以牙還牙”策略是最優的。
舉個例子，有100人參加一個Game，輪次無限，每一輪都是每個參賽者與另外99個參賽者逐一“博弈”。如果A遇到B，A出“合作”，B“不合作”，則A得“0分”，B得“5分”；如果雙方都合作，則各得3分；如果雙方都“不合作”，則各得1分。
我們稱一直出“合作”牌的為“傻子”；稱一直“不合作”的為“騙子“，除此之外，還有很多別的策略，例如“隨機出合作和不合作”等。其中一個被證明最有效的是“以牙還牙”策略。
“以牙還牙”策略是這樣：不管對誰，第一輪我都選擇合作；第一輪後我就複製對手上一輪的做法（他上次出“合作”，我這次也合作；他上次出“不合作”，我這次也不合作）。
據《精英日課》萬維鋼老師講，1980年代密西根大學的Robert Axelrod教授組織了一場博弈競賽。
我在網上查了更多資料：第一輪，研究博弈論的經濟學家和數學家等提交了14個程序（策略），其中包括很多複雜的策略。200輪重複博弈後，“以牙還牙”這個簡單的策略勝出。
通報結果後，第二輪他又徵集了62個策略。這次重複博弈的次數是隨機的，出乎意料的，仍然是“以牙還牙”這個非常簡潔的策略勝出了。
所以說，“以牙還牙”策略是簡單、粗暴但非常有效的策略。“簡單”這一點也非常有價值：你有一個好策略很重要，讓對方知道你在執行什麼策略也非常重要。
具體到現實世界，因為對方有可能出錯牌（或對你的善意信號發生誤解），如果雙方都是“以牙還牙”策略，則可能陷入互相報復的死循環。因此，“以牙還牙”策略還有一個變種：連續被欺騙2次，下一次開始才會“不合作”（2報還1報）。
三、無限重複博弈策略的後果
這樣重複博弈後，各種策略的人會得到什麼樣的結果呢？
經過經濟學家們的模擬，結果很有意思。
《自私的基因》也用大篇幅談到博弈論和Axelrod教授的“第三輪”博弈實驗。第三輪實驗的變化是，每一輪結束後，贏家不再得到分數，而是與其完全相同策略的“後代”。這樣多輪之後，有的策略逐漸數目稀少，而有的策略則數目眾多。1000代後，種群不再變化，穩定的狀態已經形成。
大家可以想象，“傻子”多的環境下，“騙子”可以活地很好；但騙子數量越來越多、傻子越來越少時，騙子就活不下去了，騙子的數量也會減少。如果這中間還有很多“以牙還牙”者，騙子就會更難。當然，如果是“2報還1報”的改進型以牙還牙，騙子還是有一些空間。
我們把策略分為兩種，“惡意”（設法通過欺騙獲得更大利益）和“善意”（希望通過合作獲得更大利益）。
總體來說，無論是通過數學邏輯推導，還是Axelrod教授的三場計算機模擬，甚至是《自私的基因》中的一些生物學實證，都可以發現，“善意”和“寬容”是更長期有效的競爭策略。這裡的“寬容”是指允許對方偶然犯錯。
這也讓人類對未來有了更多的信心。
逆向思維一下，也正是因為這些造物主制定的大規則，才讓我們智人能夠走到今天。
