Heuristic Decision Making by Gigerenzer and Gaissmaier

휴리스틱이란?

 

휴리스틱(heuristics) 또는 발견법(發見法)이란 불충분한 시간이나 정보로 인하여 합리적인 판단을 할 수 없거나, 체계적이면서 합리적인 판단이 굳이 필요하지 않은 상황에서 사람들이 빠르게 사용할 수 있게 보다 용이하게 구성된 간편추론의 방법이다.[1]

 

의사결정하려면 다양한 변수를 고려해야 하지만 현실적으로 정보의 부족과 시간제약으로 완벽한 의사결정을 할 수 없다. 제한된 정보와 시간제약을 고려해 실무상 실현 가능한 해답이 필요하다. 발견법은 이런 경우를 위해 가장 이상적인 해답을 구하는 것이 아니라 현실적으로 만족할 만한 수준의 해답을 찾는 것이다.

 

발견법에서는 특히 경험이나 직관을 사용하거나 노력을 기울여 시행착오를 거쳐서 충분히 효율적인 해답이나 지식을 얻게 된다. 예를 들어 '좋은 소프트웨어 설계를 하라'는 말처럼 명확한 답이 없는 문제를 경험, 직관, 시행착오를 통해 점점 만족스러운 설계로 발전시키는 과정도 발견법에 의한다고 볼 수 있다.

[출처: 나무위키]

 

 

저자는 휴리스틱은 대게 비합리적인 결정으로 설명되는데, 휴리스틱이 복잡한 의사결정보다 더 정확할 수 있다고 말한다.

 

세계는 작은 세계와 큰 세계로 나뉘는데, 작은 세계(가상의 세계)에서는 정보가 모두 공유되기 때문에 최적의 의사결정을 할 수 있지만, 큰 세계에서는 모든 정보가 주어지지 않기 때문에 최적의 결정을 할 수 없다.

 

그러나 휴리스틱을 사용하는 것이 통계적 방법보다 더 효과적인 경우도 있었다.

 

Less-is-more effect

 

 

정보가 많아질수록 오히려 정확도가 떨어진다.

 

 

간단한 휴리스틱적 방법이 복잡한 통계방법보다 유리하다.

-> 의사 결정에 있어서 휴리스틱을 쓰는 방법이 더 정확도가 높은 것을 찾아보자.

 

여기서 의사결정이란 선호와 추론을 뜻한다.

선호: 더 좋아하는 것

추론: 어떻게 될 것이다 예측하는 것

 

 

Less-can-bo-more: Manager's one-good-reason decisions

 

one-good-reason decisions이란 하나의 가장 중요한 원칙에 따라 의사결정을 하는 것이다.

이러한 결정이 복잡한 통계방식보다 더 정확할 수 있다.

 

Hiatus heuristic: 고객을 활동/비활동 고객으로 나눌 때 일정 기간 이상 구매를 하지 않는다면 비활동고객으로 분류하고 구매를 하면 활동고객으로 분류한다.

 

의류 소매업체에서 Hiatus heuristic을 사용했을 때 예측 정확도가 83%였는데 반해, Pareto/NBD를 사용하면 75%가 정확했다.

비행기는 77% vs 74%

CD 사업: 둘다 77%

 

 

The Adaptive Toolbox

단순히 정확도 뿐만 아니라 이론으로 만들기 위해서는 몇 가지가 더 필요하다.

휴리스틱의 공통적 구성요소를 봐보자.

 

adaptive toolbox란?

:인지적 휴리스틱, 그들이 사용하는 구성요소와 핵심적 능력(인지 기억)

(검색,멈춤,결정)

 

검색 규칙: 어느방향으로으로 검색을 할 것인지

멈춤 규칙: 언제 검색을 멈출 것인지

결정 규칙: 어떻게 최종결정을 할 것인지

 

ex) hiatus heuristic

검색: 최근에 몇달간 구매한 고객

종료: 그 조건을 찾았을 때

결정: 9달

 

그렇다면 어떻게 휴리스틱을 선택할까?

몇몇 이론이 있다.

1) 유전자적으로 결정

벌이 새로운 벌집을 만드는 것

2) 개인적 학습

3) 사회적 과정

모방 or 명시적 가르침

4) 개인의 기억

 

왜 휴리스틱?

Ecological rationality:

:어떤 상황에서 어떤 전략이 더 나은지 연구하는 것

 

Accuracy-effort-trade-off:

노력을 더 가할수록 정확도가 올라간다고 생각하지만, 일반적으론 사실이 아니다.

 

Rational trade off

:모든 결정이 최선을 다할만큼 중요하지 않고, 노력을 줄이기를 원한다.

 

 

 

어떻게 인지는 환경적 요소를 이용하고, 이것은 어떻게 에러를 관리하는가?

 

환경적 구조

1) 불확실성: 얼마나 기준이 잘 예측되는가

2) 중복성: 단서와 상관관계

3) 표본수

4) 가중치의 분산: 단서의 가중치의 분포(치우쳐져 있는지, 일정한지)

 

hiatus heuristic and take-the-best heuristic은 적절~높은 불확실성, 적절~높은 중복성에서 성공한다.

 

대니얼나커먼과 트버스키는 가용성 휴리스틱을 말했는데, 이는 상황을 기술할 수는 있어도 예측에는 사용되지 못한다.

 

 

이 문제를 해결하기 위해 4가지 휴리스틱이 있다.

1) Recognition heuristic

두 가지 대안 중 하나는 알고 하나는 모른다면, 알고 있는 정보에 더 높은 가치를 부여한다.

 

α=C/(C+W)

α =타당도 -> 얼마나 이 휴리스틱이 맞는지에 대한 척도이다.

C는 옳은 추측

W는 잘못된 추측

 

예시

1)웜블던(테니스) 우승 예측에서 아마추어 집단이 더 높은 예측률을 보였다.

아마추어집단:72%

전문가집단 66%

2) 선거예측

선거에 나오는 후보자의 이름을 아는 것과 후보자의 투표 의사를 믿는 것의 정확도가 비슷했다.

3) 투자

전문가집단으로 구성된 포트폴리오보다 유명한 이름으로만 구성한 것이 더 나았다.

4) 고객 선택

메이커에 따라 구매를 많이 한다.

 

2) One reason Decision making

하나의 중요한 단서에만 의존하고 다른 정보는 무시하는 것

One clever cue heuristics

동물이 먹이를 찾거나, 짝을 찾을 때, 외야수가 공을 잡을 때 3차원을 계산하지 않고 단순한 각도만 보고 판단

Geographic profiling

범죄자들이 많이 사는 곳을 찾는데 비전문가들이 하나의 단서만 쓰는 것이 전문 알고리즘만큼 효과적

Take-the-best

기준에 대해 두가지 정보 중 어떤 대안이 더 높은 가치인가를 기억으로부터 추론하는 것. 다른 단서와 차별화되는 한 단서를 찾고 그것만 취함

 

맨 위가 take the best전략이고, 그 아래가 복잡한 통계모형이지만 take the best가 정확도가 더 높았다.

 

예시

1)소비자 구매

특정 구매기준을 만들고 나머지 정보는 무시하는 전략. 컴퓨터를 살 경우에 CPU나 그래픽 카드 등 기준을 만들고 나머지를 무시한다.

2) 문서 검색

Take-the-best로 특정 주제, 키워드 등 기준을 정하고 나머지는 무시한다.

 

Fast-and-Frugal Trees

위의 트리에 따라 가이드라인을 따라 행동을 한다.

 

Trade-off-heuristics

모든 대안책에 똑같은 가중치를 부여하고, 트레이드 오프를 형성하는 것

Tallying(합계 내기)

모든 단서를 검색해 한쪽 단서가 더 많으면 그 단서를 선택한다.

 

예시

Avoiding avalanche accidents

눈 위에 액체가 있는가? 48시간 안에 사고가 있었는가? 등 7가지 단서를 종합

7개 중에 4개 이상이면 채택

Mapping model

재판을 할 때, 20개의 요소의 리스트가 있고 이를 총합해내서 판단한다.

리스트에서 과반수 이상이면 채택

 

social intelligence

사회적 동물의 상황은 복잡하다. 그렇다면 더 복잡한 정신 계산이 필요한가?

사회가 더 복잡할 수록, 더 많은 정보를 무시한다.

Recognition-based decisions

어느 도시가 더 큰지 질문

A그룹: 두 도시 중 하나만 알고 있음

B그룹: 둘 다 알고 있음

->A가 더 정확함

예시

집단지성

돼지 무게를 예측하라고 했을 때 단체의 평균이 더 정확도가 높다

디폴트값 설정

심장기부(자동으로 기부 선택)

도덕적 행동

두 가지 충돌하는 가치가 있을 때 하나에 치중하게 하면 더 빠른 결정

 

결론

휴리스틱이 복잡한 사고보다 더 좋을 때가 있다.