概念地圖・加權決策矩陣
作者 山姆（謝冠生）・喵喵書評創辦人
發布 最後更新
分類：管理
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
加權決策矩陣：分數是算的，權重是你給的
三個地點，五個人，第一輪投票三比一比一。半小時後有人提起停車，票數變成一比二比二。再半小時，有人算了一下三年的租金差額，整桌又倒向另一邊。問題出在每個人腦子裡帶著一張不同的權重表，卻用同一句「我覺得這個比較好」把它藏起來。加權決策矩陣做的事很單純：把那張表攤到桌上，逐格填分，然後乘起來。它算不出正確答案，它讓每個人的偏好變得可以被指認。
這張表在說什麼
把圖上的內容攤成文字，會更清楚每一格從哪裡來。得分用一到五分，權重加總為一，加權分是兩者相乘。
| 準則 | 權重 | A 市中心 | B 捷運新區 | C 郊區 |
|---|---|---|---|---|
| 通勤方便 | 0.35 | 5 分 → 1.75 | 4 分 → 1.40 | 2 分 → 0.70 |
| 租金 | 0.30 | 2 分 → 0.60 | 3 分 → 0.90 | 5 分 → 1.50 |
| 空間彈性 | 0.20 | 3 分 → 0.60 | 4 分 → 0.80 | 5 分 → 1.00 |
| 採光與環境 | 0.15 | 3 分 → 0.45 | 4 分 → 0.60 | 5 分 → 0.75 |
| 加權總分 | 1.00 | 3.40 | 3.70 | 3.95 |
郊區以零點二五分領先。這個差距看起來像結論，實際上只是一個提醒：接下來該做的是去搖一搖權重，看它站不站得住。
四個讓它不淪為橡皮圖章的作法
這個工具最大的風險是被用來替早就決定好的答案背書。四個作法可以擋掉大半。
一、每個準則都要先寫下「五分長什麼樣」。「空間彈性」四個字，五個人有五種理解。動手打分之前，先替每個準則寫一句錨點：五分＝隔間可自由調整、還能再塞十個座位；一分＝格局固定、擴編就得搬家。有了錨點，打分才是在描述事實；沒有錨點，打分只是在替印象換算成數字。這一步花的十五分鐘，通常比後面的計算重要。自問：這個準則的五分與一分，我講得出具體的樣子嗎？
二、權重要在看到方案之前先訂好。順序很重要。先看過三個地點再來訂權重，人的腦袋會自動往「我喜歡的那個的強項」傾斜——這件事你甚至不會察覺。實務作法是分兩次會議：第一次只討論「我們搬辦公室是為了解決什麼問題」，訂出準則與權重並簽字定案；第二次才把候選地點拿出來打分。中間隔一天，效果更好。自問：我們的權重，是在看到候選方案之前訂的嗎？
三、算完之後一定要做敏感度檢查。這是整個方法真正有價值的一步，也是最常被跳過的一步。做法有兩種：一種是把最大權重上下調整十個百分點，看排名會不會翻；另一種是反推——要讓第二名超車，權重得改變多少？如果答案是「只要通勤方便從零點三五變成零點四五」，那麼這場會議真正該吵的題目其實是通勤值多少，而不是哪個地點好。差距在百分之五以內時，直接視為平手，改用其他理由決定。自問：要多小的變動才會翻盤？
四、把「門檻型」的條件先拉出去當篩選，別放進加權。加權總分隱含一個假設：任何一項的不足，都可以被其他項的優異補回來。可是有些條件是不能補的——消防不合格、房東不願簽三年約、網路速度達不到營運需求，這些不論其他欄位多漂亮都不能過。正確的處理方式是先設一道通過門檻，把不合格的方案剔除，剩下的才進矩陣比分。混在一起算，很容易算出一個總分很高、實際上不能用的選項。自問：這幾個準則裡，哪些是「不合格就出局」的？
拿它跑一次：二十人的公司要換辦公室
一家二十人的設計公司，租約還有五個月到期，三個候選地點，五位決策者。
- 第一次會議只訂準則：從八個候選準則收斂成四個，權重用一百點分配法（每人一百點分給四個準則，取平均）。通勤零點三五、租金零點三零、空間彈性零點二零、採光零點一五
- 設門檻：三年約、載重與電力需求、消防合格——不符的直接出局。原本有五個地點，兩個在這一關就被刷掉
- 各自打分再對帳：五個人分開打，差距超過兩分的格子才拿出來討論。郊區的「通勤方便」有人給 3、有人給 1——原來大家算的是不同的通勤起點
- 算出總分：郊區三點九五、捷運新區三點七零、市中心三點四零。郊區暫時領先
- 敏感度檢查：通勤權重只要調到零點四五，冠軍就換人。於是會議的題目變成「有多少同事會因為通勤變遠而離職」
這場決策最後選了捷運新區，而理由跟總分沒什麼關係——是敏感度檢查把真正的爭點逼了出來。人資去問了一輪，有四位同事明確表示搬到郊區會考慮換工作，佔團隊的兩成；重新招募與交接的成本，遠遠超過三年租金的差額。矩陣在這裡扮演的角色，並不是替他們選地點，而是把一場繞圈子的爭論收斂成一個具體、可以去查證的問題。附帶一提，那個「通勤起點不同」的插曲也有價值：他們後來才發現，五個人裡有三個人打分時心裡想的是自己的通勤，全公司的平均從來沒進到那格分數裡。以上為說明結構用的示意情境，僅供理解框架之用。
這張表，什麼時候會騙你
它產出一個乾淨的數字，而乾淨的數字最容易讓人停止思考。三個要留意的地方。
- 最常見的濫用是逆向工程。心裡先有答案，再回頭調權重與分數，直到那個答案排第一——這件事做起來毫無罪惡感，因為每一步看起來都很合理。防範的方式只有兩個：權重先訂並留下紀錄，以及打分與訂權重由不同的人或不同的場次進行。一份矩陣若由同一個人在半小時內一氣呵成完成，它多半只是在記錄一個早就存在的結論。
- 加法模型假設一切都能互相補償。總分把所有欄位加在一起，等於默認「這裡少一點，那裡多一點就好」。多數日常選擇確實如此，可是涉及安全、法規、關鍵相依性的項目沒有這種彈性——它們是門檻，跨不過去就結束了。實務上的處理是兩段式：先用門檻篩選，再用矩陣排序。跳過第一段，就會出現「總分最高但根本不能用」的荒謬結果。
- 一到五分的量表未必等距。把租金從三分改成四分，跟從四分改成五分，對實際成本的意義可能差很多；而加總的動作已經預設了它們一樣大。這個問題無法徹底解決，但可以緩解：對可量化的準則（租金、距離、工時）改用實際數值標準化，而不是主觀給分；並且把最重要的一兩個準則單獨列出實際數字，放在總分旁邊一起看，避免所有資訊都被壓成一個小數點。
用痛點的眼光看這件事
第四個作法藏了一句狠話：有些欄位，補不回來。
創業與做產品最常見的自我安慰，就是把客戶的決策當成一張可以互相補償的加權表——「我們價格是貴一點，但服務更好」「介面是陽春一些，可是功能最完整」。這個算法在自己腦中永遠成立，因為總分是自己加的。真實的情況往往是：客戶心裡有兩三個欄位是門檻，不過就出局，其餘的優點根本沒有機會被加進去。沒有通過門檻的優點，加再多也是零。所以做產品的第一件事，是分清楚哪些是門檻、哪些是加分——不能退貨、無法開發票、導入要三個月、老闆沒聽過你的公司，這些常常是門檻；而你花最多力氣打磨的那幾項，可能只是加分。P.A.I.N. 之尺第一格要問「誰在痛」，緊接著的那一格就是這件事：他的痛有沒有深到讓他願意跨過那些門檻。今晚可以做的一件小事：列出你認為的五個賣點，在每一個旁邊標上「門檻」或「加分」，然後找一位真實客戶驗一次。
關於加權決策矩陣，常被問到的幾件事
加權決策矩陣跟層級分析法差在哪？
差在權重的來源與有沒有自我檢查。加權決策矩陣直接指定權重（通勤三成五、租金三成……），快、輕、學一次就會用；層級分析法要求用兩兩比較把權重推導出來，並用一致性比率檢查這組判斷有沒有自相矛盾，流程重得多。選擇的原則很實際：低風險、需要快速收斂的選擇用矩陣；金額大、參與者多、事後需要交代理由的決策，才值得走完整套層級分析。兩者不要混用，把層級分析算出來的權重貼進矩陣、卻沒做一致性檢驗，會得到一種假的精確感。
權重要怎麼訂才不心虛？
三種常見做法。一是一百點分配法：每個人有一百點，分給各準則，再取平均，好處是強迫取捨。二是先排序再配分：全體先對準則的重要性排序，取得共識後才給數字，避免一開始就在數字上僵持。三是從目標反推：先寫清楚這次決策要解決什麼問題，愈直接對應那個問題的準則，權重愈高。無論哪一種，關鍵都是在看到候選方案之前完成，並且留下紀錄。
準則與方案各幾個比較合適？
準則四到七個、方案三到五個是好用的範圍。準則超過七個時，通常有幾個彼此重疊，或者其中幾個的權重小到不影響結果——權重低於零點零五的準則可以直接拿掉，它們只會增加填表的工作量。方案太多則會讓打分品質下降，建議先用門檻篩選到五個以內再進矩陣。
分數用一到五還是一到十？
一到五在多數情況下夠用，而且比較容易寫出每一級的錨點描述。一到十的解析度高，代價是人很難穩定區分七分與八分的差別，反而增加雜訊。真正影響品質的，是有沒有替每個刻度寫下具體的判斷標準。另一個實務建議是避免使用偶數量表以外的花招——刻度愈簡單，跨人之間的一致性愈高。
團隊各自打分，結果差很多怎麼辦？
差異本身就是最有價值的資訊，別急著平均掉。實務上的做法是：只把差距超過兩分的格子挑出來討論，通常會發現兩個人對準則的定義不同，或掌握的資訊不同——前者要回頭補錨點描述，後者要補資料。討論完再重打一次，差異多半會自己收斂。至於整合方式，簡單取平均即可，重點在於先把分歧的來源查清楚，別讓一個平均數把它蓋過去。
當決策的重量值得更嚴謹的推導，層級分析法用兩兩比較把權重逼出來；若要排的是一堆待辦的優先序，影響力—努力矩陣是更輕的工具。至於怎麼在資訊不全的情況下判斷一個決定的好壞，《高勝算決策》的拆書談的是把結果與決策品質分開看。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。