15古德哈特定律（Goodhart's Law）

Goodhart's Law通用性 4 · 解释力 4 · 决策价值 5 · 总分 13证据 中

费曼学习法：先讲给十二岁的孩子听

从前有个皇帝，特别讨厌老鼠，于是下了一道命令：每交一只老鼠尾巴，赏一枚铜钱。

一开始效果很好，老鼠少了很多。

过了几个月，奇怪的事发生了：上交的尾巴越来越多，街上的老鼠却一点没少。

为什么？因为老百姓发现——抓老鼠太难了，养老鼠容易。 于是家家户户开始养老鼠，割下尾巴去领赏，再把没尾巴的老鼠放回去继续生。

皇帝的指标（老鼠尾巴）不但没有消灭老鼠，反而变成了一门养殖业。

这就是古德哈特定律，由英国经济学家查尔斯·古德哈特在 1975 年提出，原话是关于货币政策的，但后来被总结成了一句通用格言：

当一个指标成为目标时，它就不再是一个好指标。

（"When a measure becomes a target, it ceases to be a good measure."）

一句话讲清楚：你考核什么，人们就优化什么——而不一定是你真正想要的那个东西；指标一旦挂钩奖惩，就会被操纵、被扭曲，直到它彻底失去意义。

一、这个思维模型是什么

1. 定义

古德哈特定律指：当一项统计指标被用于决策和奖惩时，被测量者会调整行为以优化该指标，从而使指标与被测量的真实目标之间的关联被破坏。

它成立的三个条件：

1. 指标与目标之间存在缝隙——指标只是目标的代理变量，不是目标本身；
2. 指标挂钩了真实后果——升迁、奖金、排名、处罚；
3. 被测量者有能力影响指标——不是被动接受测量，而是可以主动改变自己的行为。

三条同时成立，指标失真就是时间问题。

2. 为什么会必然发生

不是因为人坏，是因为优化指标比优化目标容易得多：

• 真实目标（"让用户满意""提高教学质量""降低犯罪率"）复杂、滞后、难以直接测量；
• 代理指标（用户停留时长、考试分数、破案率）简单、即时、可精确测量。

当奖惩压在代理指标上时，理性人当然选择优化那个容易的。而组织一旦开始按指标分配资源，真实目标就悄悄退场了。

3. 几种典型的指标扭曲

注意最后一列的共同点：每一种扭曲，在指标上都是"改善"。 这正是它防不胜防的原因——造假者不需要违规，他只要认真优化你给的指标。

4. 与相邻概念的区别

• 与激励机制：激励是动力，古德哈特定律是激励必然产生的副作用。设计激励时必须同步预测它会被怎么钻。 → 见 #1 激励机制
• 与地图≠疆域：指标是地图，真实目标是疆域。古德哈特定律描述的是"地图反过来改造疆域"这一层——当人人都按地图行动，疆域会朝地图的形状变形。→ 见 #7 地图≠疆域
• 与委托-代理问题：委托-代理是结构（利益不一致），古德哈特定律是表现（指标被操纵）。前者是因，后者是果。→ 见 #36 委托-代理问题
• 与幸存者偏差：古德哈特是"指标被优化"造成的失真，幸存者偏差是"样本被筛选"造成的失真。→ 见 #33 幸存者偏差

二、为什么它重要

1. 它是所有量化管理的内禀缺陷。 不是"用错了会出问题"，而是只要用，就一定会出现——只是程度和时间问题。
2. 它解释了为什么 KPI 越精细，组织越扭曲。 精细的指标更容易被精确瞄准，也更容易在瞄准过程中偏离目标。
3. 它是对抗"数据驱动"迷信的解药。 数据驱动本身没错，但数据只是地图。忘记这一点，数据驱动就会变成"精确地朝错误方向前进"。
4. 它让你能预测政策的副作用。 听到任何"我们要考核 X"，立刻问："如果我是被考核的人，我会怎么做？"这个问题的答案，通常是政策失败的具体形态。

三、生活中如何使用

1. 设计指标时，先做一次"作弊预演"

这是最实用的一步，也是绝大多数组织跳过的那一步。拿到一个指标，问：

• 如果我就是被考核的人，我会怎么做来提高这个数字？
• 其中有几种做法，是同时让事情变坏的？
• 这些做法的成本有多低？

如果"作弊"比"真做"更容易，这个指标就一定会失效。不要考验人性，改指标。

2. 用指标组合替代单一指标

单一指标必然被单点攻破。任何高风险的指标都必须配一个反向约束：

• 销售额 ↔ 回款率、客户留存
• 交付速度 ↔ 缺陷率、返工率
• 客服时长 ↔ 一次解决率、满意度回访
• 内容点击率 ↔ 完播率、负反馈率

原则是：每给你一个"快"的指标，就配一个"好"的指标；每给你一个"多"的指标，就配一个"精"的指标。

3. 保留无法被量化的定性判断

凡是重要的事，都要留一块"不能被指标化"的空间。 比如：

• 管理者定期去一线看，而不是只看报表；
• 招聘时保留"这个人我们愿不愿意共事"的主观判断，而不是只看履历打分；
• 评估团队时保留"如果有人离职我们会多痛"这种无法量化的感受。

这部分看起来不科学，但它是唯一能发现指标已经失真的渠道。→ 见 #7 地图≠疆域

4. 定期更换和审计指标

指标用久了必然被摸透。可行的做法：

• 定期轮换：每隔一段时间更换或调整指标口径，让"优化指标"的边际收益下降；
• 随机抽查：保留一部分不可预测的审计，提高作弊的预期成本；
• 对比多个来源：同一件事用不同方法各测一次，差异本身就是信号。

5. 用它保护自己：识别别人对你的指标化

你也在被指标化：信用分、绩效排名、平台评分、算法推荐。当你意识到自己正在被某个指标衡量，你就知道该在哪里用力，也知道那个指标会让你放弃什么。

例如：当内容平台按完播率排序，创作者就有动力压缩信息密度、制造悬念、牺牲深度。看清这一点，你作为消费者才知道自己在被什么样的激励投喂。

四、注意事项与常见误用

1. 不要滑向"既然指标会失真，就别量化了"。 这是最有害的误用。没有指标比有坏指标更糟——你连失真都发现不了。正确的态度是"用指标，但知道它会失真，并设计防线"。
2. 不要把所有变化都归咎于古德哈特。 指标变化可能来自真实改善，也可能来自失真。先验证，再下结论。 见到数字变好就断言"肯定在造假"，是另一种懒惰。
3. 区分"操纵指标"与"钻空子"。 有些行为虽然提升了指标，但确实也带来了部分真实改善（应试训练也会提高一部分能力）。失真是程度问题，不是是非问题。
4. 指标不是唯一会被优化的东西。 分类、定义、统计口径同样会被操纵——"失业率"可以通过改变"失业"的定义来改变。问的不只是"数字是多少"，还有"它是怎么定义的"。
5. 别忽略时间维度。 短期指标被优化得最快，长期后果往往在指标早已"达标"之后才爆发。考核周期越短，扭曲越严重。→ 见 #13 现时偏误与双曲贴现
6. 模型边界：古德哈特定律回答"指标为什么会失真"，不回答"该用什么指标"（需领域知识与因果判断）、"如何在无法量化的领域做决策"（需 #40 证伪原则、#26 控制变量与随机对照 提供证据，但永远无法完全替代人的判断）。它是一个警告，不是一个替代方案——它告诉你指标会骗人，但没告诉你该相信什么；那部分只能靠持续的实地验证和不肯偷懒的判断力。

五、一句话总结

你说考核老鼠尾巴，就会有人开始养老鼠——指标一旦挂钩奖惩，被优化的就不再是目标而是指标本身；所以设计任何指标前先做一次"作弊预演"，给每个"快"和"多"的指标配一个"好"和"精"的反向约束，并永远保留一块无法被量化的实地判断。

免责声明

本文为思维模型的科普与方法论介绍，所涉管理、政策与商业案例仅用于说明概念，不构成任何管理、政策制定或经营决策的建议。读者据此做出的任何决策及其后果，由决策者自行承担。