首个数值影响后续全部判断
别名: 锚定效应 · 锚定与调整 · 调整不充分 · 选择可及性 · anchoring and adjustment · insufficient adjustment · selective accessibility
概念解释
锚定效应（anchoring effect）：最先进入判断的数值把后续的数值估计拉向自己，充当估计的起点；即使这个数明显随机（转轮盘转出来的）、与问题毫无关系，拉动照样发生。经典演示：先问「最高的红杉是否高于 1200 英尺」，再让人估计红杉实际高度，高锚组的估计显著高于低锚组。划两条界：它不是对参考信息的理性使用——随机数不含任何信息仍然有效，说明它是估计过程本身的性质；它也不需要用户主动比较，数字只要进入视野并参与判断就开始工作，这与货比三家式的主动参照完全是两回事。
机制
两层机制，对应两类锚。数值锚走锚定与调整（anchoring and adjustment）：人把锚当作起点向「大致正确」的方向调整，但调整是费力的，且在到达自认为还算合理的区间边缘就提前停手——调整不充分（insufficient adjustment）把估计留在锚附近；调整量随认知资源变化，时间压力、认知负荷都会缩短调整，明确要求「先考虑反方向的理由」能延长调整、削弱锚定。语义锚走另一条路——选择可及性（selective accessibility）：锚以候选答案的形式进入，人先检索「高于还是低于锚」的证据来回答比较题，这些与锚一致的证据随后保持可及，污染接下来的绝对估计；语义锚还改写检索方向——回忆什么记忆、考虑什么选项——因此不只拉数值，还拉「值不值」这类定性判断。界面里遇到的锚多数是语义锚：划线价、均价、推荐量都携带含义，用户不是从一个随机数出发，而是被注入了一套检索方向。这一层也解释了为什么事先警示用户「别被数字带偏」效果有限：已经可及的证据不会因为用户知道了来源就退回不可及状态。
怎么研究
- 范式：两类经典做法。随机锚范式：被试先从（做了手脚的）转盘获得一个数，随即估计无关未知量（如非洲国家在联合国的席位占比），比较高、低锚两组的均值位移——Tversky 与 Kahneman 的转盘实验确立了「随机、无关也有效」这条底线。比较—绝对估计范式：先答「目标高于还是低于锚值」，再给绝对估计，效应量通常远大于随机锚。现场研究用自然存在的锚做组间对照：房产挂牌价对估值的影响、量刑建议对判决的影响、起拍价对成交价的影响。
- 变量：自变量为锚值高低、锚来源（随机提供 / 语义相关 / 自我生成——自己从知识里生成的锚更多走调整路径，对认知负荷与时间压力更敏感）、调整资源；因变量为绝对估计的均值位移、支付意愿、估计值与锚的相关程度。
- 方法论注意点：实验室范式是单次判断、无经验领域，且被试明知锚是随机来的仍然中招；界面里的锚是反复曝光、语义相关、用户有购买经验的，时间尺度完全不同——单次实验量出的位移幅度不能直接换算成「用户每周见三次划线价」的效果，反复曝光可能内化（参照值沉淀为内部基准）也可能脱敏（学会无视），方向只能靠纵向数据而不是单次外推。另外效应稳健不等于效应量大：不同范式间效应量差异巨大，跨研究比较必须锁定范式。
边界
锚定是行为研究里最稳健的效应之一，但强度有明确的调节器。对数值经验丰富的决策者效应减弱但不消失：有内部基准可依时（天天采购的品类、熟悉的行情），锚的位移变小；但房产挂牌价同样锚定了专业估价师，而且他们事后自认没有受影响——经验提供的是部分防护，在没有基准的新品类上，专家与新手同样脆弱。锚的强度还随「锚与判断相关」的感知变化：被明确标记为无关或随机的锚效应缩小但不归零（转盘实验本身就告知了随机来源），用户怀疑锚是营销手段、进入不信任状态时位移进一步缩水；反过来说，只要锚看起来像信息，用户就照单接收。证据边界：经典结果多来自单次、无利害、西方样本的实验室判断，搬到真实购买决策上位移会缩小；「事先警示可消除锚定」被反复检验为不成立，至多小幅减弱。
怎么落地
- 把界面生成的每一个「第一个数」当作参照点候选来审：预计送达时间、评分基准、起售数量、默认容量。给出数字前先问：这个数会成为用户后续判断的起点吗。
- 无法兑现的单点估计宁可给区间或留空：一旦给出「30 分钟送达」，实际 45 分钟就被读作违约，不管当初的依据多合理——被锚定的期望是用真实满意度结算的。
- 研究访谈与问卷不要先报数字：先问预算再展示方案、与先展示方案再问预算，得到的是两套预算分布；价格测试用开放题起步，带锚的问法作为实验变量单独成组。
- 验证办法：做「首数字审计」——记录用户从进入决策场景到做出判断之间遇到的第一个数值是什么、与任务是否相关；再在测试里问用户「你心里的预期值是怎么来的」，答不出独立来源、只是复述界面数字的，就是被锚定的。