冪次法則｜Power Law
一句話
少數結果佔據絕大多數影響力，而非常態分配的鐘形曲線。創投報酬、城市規模、網站流量都遵循冪次法則——贏者拿走絕大多數。
適用情境
- VC / 創投投資決策（要找會成為 outlier 的標的）
- 銷售團隊管理（前 20% 帶來 80% 業績）
- 內容/產品策略（hit 比 average 重要太多）
- 人才招募（A player 的產出是 B player 的 5-10 倍）
- 風險評估（黑天鵝事件不符合常態分配）
跟常態分配的差別
| 常態分配 | 冪次分配 | |
|---|---|---|
| 形狀 | 鐘形 | 長尾 |
| 平均值有意義 | ✅ | ❌（被極值拉爆） |
| 大多數靠近平均 | ✅ | ❌（大多數遠低於平均） |
| 例子 | 身高、體重、IQ | 財富、城市規模、書銷量、文章閱讀量、地震規模 |
最常見的誤判：用「平均值思維」分析冪次分配的世界。
- ❌「我們公司業務平均每月成交 5 單」→ 實際可能是 top 1 個業務 25 單，剩 5 個業務各 1 單
- ❌「平均部落客每月 5,000 PV」→ top 100 個有 5 億，其他 100 萬個加起來才 5 億
HBS 個案
Andreessen Horowitz Source: HBS: Venture Capital and the Finance of Innovation
頂尖 VC 基金的回報結構：
- 一個基金投 30 個案子
- 預期 20 個歸零、5 個小有獲利、3 個還行、2 個爆炸性回報
- 整個基金的獲利 90%+ 來自前 2-3 個案子
a16z 經典例：第一支基金的 Instagram 投資（USD 25 萬 → Facebook 收購後 USD 7,800 萬，312 倍回報），一檔的回報率超過該基金多數投資的總和。
這解釋了 VC 的思考模式：
- 不是「降低失敗率」，是「確保抓到那 1-2 個 1000x」
- 看到很多「合理但天花板低」的案子要拒絕（會稀釋基金回報）
- 看到「90% 機率失敗但 10% 機率變 Facebook」的案子要投
冪次法則的另一面：對創業者來說，這代表 VC 拒絕你不是因為你公司不好，是因為你「不夠 outlier」。VC 跟你的利益其實不完全對齊。
白話小例｜250 字
王經理管理 12 人銷售團隊，年營收 NT$3 億。她以為團隊是 normal 分配：
她以為的結構：12 人，每人平均年產 NT$2,500 萬
實際的結構：
- Top 2 業務：每人年產 NT$8,000 萬（合計 1.6 億，佔 53%）
- 中段 5 人：每人年產 NT$2,000 萬（合計 1 億）
- 末段 5 人：每人年產 NT$800 萬（合計 4,000 萬）
王經理用「平均」思維做兩個錯誤決策：
- 公平分配獎金：top 2 業務拿到「公平」的獎金後感覺被低估，跑去對手公司
- 培訓重點放在末段 5 人：以為「拉高底層 = 整體提升」，但其實這 5 人即便翻倍也只增加 4,000 萬
正確的冪次思維：
- 把 80% 資源砸在 top 2（高薪 + 好客戶 + 助理）讓他們從 8,000 萬衝到 1.5 億
- 中段 5 人是穩定底盤，給合理的待遇
- 末段 5 人快速判斷：要嘛拉到中段，要嘛換人，不浪費時間
一個 top 業務的離職，影響 = 5 個末段業務全離職的總和。這是冪次分配的世界的真實樣貌。