你走进商场，面前有两家餐厅。
一家门口没人，服务员热情招呼你。另一家排了二十多人，牌子上写着：预计等待40分钟。
你还没看菜单，没尝味道，也没问过任何一个吃过的人。但看到那条队伍的一瞬间，心里已经偏了——这么多人排，应该不差吧？
可问题是，你其实没有得到任何关于味道的直接证据。你只是看到了别人的选择，但大脑已经悄悄把它翻译成了另一句话：
这家店值得等。
餐厅只是最容易看见的一种。更多时候，这套逻辑藏在我们每天的小选择里。
买东西先看销量，点外卖先看评分，选课程先看多少人学过。刷到一篇文章，3个赞你觉得一般，3万赞你还没读完，就先给它加了分。
你以为自己在做判断。可你有没有想过：你真正依赖的，到底是事实，还是别人的选择？
回想一下，你最近一次做选择，脑子里闪过的第一个念头是什么？
你原本应该问：这家店到底好不好吃？但你实际问的是：有没有很多人吃？
你原本应该问：这个商品适不适合我？但你实际问的是：它销量高不高？
你原本应该问：这个观点有没有道理？但你实际问的是：它点赞多不多？
你原本应该问：这门课值不值得我花时间？但你实际问的是：有多少人已经学了？
从"好不好吃"到"有没有人吃"，从"适不适合我"到"销量高不高"，从"有没有道理"到"点赞多不多"——你的判断对象，已经从"事情本身"，悄悄变成了"别人的选择"。
问题就藏在这里。
你以为自己在判断，但问题已经被换掉了。
这不是你一个人的小习惯，而是一种很常见的判断捷径。
查理·芒格在《穷查理宝典》里，把它叫做"社会认同倾向"（Social-Proof Tendency）。简单说就是：当人处在不确定、困惑或压力中时，会本能地参考周围人的行为，并把别人的选择当成自己的判断线索。
社会认同倾向：人在困惑和压力中，会自动把周围人的行为当成答案，并且很少意识到自己正在这样做。它不是一个小习惯，而是一种很容易影响判断的心理开关。
注意，它不是简单的"没主见"。
它是一种人类的省力机制。在远古环境里，如果你看到所有人都往一个方向跑，最安全的做法可能不是停下来研究原因，而是先跟着跑。那些停下来慢慢分析的人，在紧急情况下反而可能更危险。
这套机制在远古是保命用的。但在现代社会，它被迁移到了餐厅、商品、课程、股票、短视频、直播间和舆论场。
你不用再跑着逃命了，可你的大脑还在用类似的自动反应做判断：看到别人往哪走，就先把它当成一个低成本线索。
先别急着把它理解成"从众"。这里有几个容易混在一起的概念：
社会认同：我不确定，所以看别人怎么选。
社会证明：别人用"很多人都选了"来说服我。
从众效应：我不一定认同，但我不想和别人不一样。
社会认同倾向是内在心理机制；社会证明是外部利用这个机制进行说服的方式；从众效应更强调群体压力下的行为跟随。
当然，现实里这些概念会互相交叉，边界并不总是绝对清楚。芒格所说的 Social-Proof Tendency，本身也包含一部分从众意味。这篇文章，我们只抓住其中最日常的一条：
不确定时，我们为什么会借别人的选择来判断？
那问题就来了：为什么别人的选择，真的会改变我们的行为？
心理学家罗伯特·西奥迪尼和同事做过一个经典实验。他们在酒店房间里放了两种提示牌。
一种写："请重复使用毛巾，保护环境。"
另一种写："75%的住客都选择重复使用毛巾。"
结果，看到第二种提示的住客，毛巾重复使用率从35.1%提高到了44.1%。
道理没变，环境没变，毛巾也没变。真正变的，是提示牌给了人一个信号：很多人已经这样做了。
这张提示牌真正给人的，不只是环保知识，而是一种安心感。因为很多时候，我们不是缺道理，我们缺的是一种"我这样做应该不会错"的安心。
别人的行为，给了你三个暗示。
第一，它降低了不确定性。这么多人选了，大概率不会太差。
第二，它降低了试错成本。别人已经替我踩过坑了，我不用再从零开始。
第三，它降低了心理风险。就算选错了，也不是我一个人在冒险。
你会觉得：既然这么多人都做了，那我这么做应该也不会错。
但社会认同真正改变你的，不一定是让你确信"这一定对"。它只需要让你少一点不安，少一点怕踩雷，少一点怕选错，少一点怕自己判断离谱。
社会认同不是给你一个完整答案，而是给你一种"应该不会错得太离谱"的安全感。
而且，越像你的人，越容易成为你的判断线索；越接近你处境的人，越容易被你当成参考答案。酒店毛巾实验里，西奥迪尼团队还发现了一个更精细的结论：告诉住客"住过这个房间的人"会比泛泛地说"很多住客"更有力。
因为情境越相似，社会认同越强。
压力越大，这种安全感越诱人。
直播间倒计时、限时优惠、名额快满、群里都在抢——这些不只是营销手段，它们也在制造一种"来不及慢慢判断"的状态。你越急，越容易把"别人已经行动了"当成安全答案。
你本来只是看看。但弹幕、倒计时和下单提示一起出现时，心里会突然冒出一句：是不是再不买就亏了？
酒店里的"75%的住客都这么做"，换到消费场景里，就是"95%用户推荐"；换到课程场景里，就是"已有10万人学习"；换到直播间里，就是"刚刚又有300人下单"。
形式变了，本质没变。它们都在告诉你：和你类似的人，已经替你做过选择。
这当然有它合理的一面。毕竟，省力本身没有错。
可省力之后，真正需要警惕的问题才出现了：你把别人的选择当成了证据，还忘了审查它。
很多时候，你以为自己在看证据，其实只是先看到了"别人怎么选"。更隐蔽的是——你看了人之后，还以为自己看了证据。
你看了销量、看了排队、看了点赞，大脑把这些"别人的选择"翻译成了：我调查过了。
很多时候，你确实做了功课。但要小心：有些"功课"，其实只是看了别人怎么选。
真正的问题不是看别人，而是你有没有继续追问：他们为什么这么选？他们的需求和我一样吗？他们的选择是独立的吗？他们真的替我验证过了吗？我看到的是事实，还是热闹？
这才是社会认同最危险的地方：它不只替你换了问题，还会帮你制造一种"我做过判断"的感觉。
你的判断里，可能已经混入了别人的选择，而你未必意识到了。
过去，社会认同主要靠现实场景传递：排队、围观、掌声、人群。你能看到多少人，社会认同就有多强。
现在，社会认同被数字化了。
你打开一个课程页面，标题还没看完，先看到一行字：已有108235人学习。你还不知道课程适不适合自己，心里已经冒出一句：这么多人学，应该有用吧？
点赞数是社会认同，销量榜是社会认同，好评率是社会认同，热搜榜是社会认同，直播间下单提示是社会认同，"已有10万人学习"也是社会认同。
这些数字看起来像信息，实际上也是行为信号。它们在不断告诉你同一件事：很多人已经认可了，很多人已经选择了，很多人已经行动了。
于是，你还没认真判断，心里的天平已经先偏了一点。
这些社会认同信号，大致可以分成三类。
第一类是行为信号，比如销量、排队、报名人数、下单提示。它告诉你：很多人做了。
第二类是评价信号，比如评分、好评、推荐语、使用体验。它告诉你：很多人觉得好。
第三类是传播信号，比如点赞、转发、热搜、收藏。它告诉你：很多人在关注。
它们不完全一样，但都会给你同一种暗示：很多人已经认可或行动了。
问题不只是分类。更麻烦的是，这些数字可以被制造。
刷单、刷评、刷赞、刷销量——当社会认同变成一门生意，你看到的"别人"可能根本不是真人。
而且，人数多，不等于独立判断多。一个爆款可能来自早期流量倾斜，一个高销量可能来自低价促销，一个热搜可能来自平台推荐，一个评论区可能被控评。
真正有价值的社会信号，不只是人数多，还要看这些选择是否真实、独立、相似、可验证。
社会认同不只放大好的行为，也会放大坏的行为。
因为它只负责放大"很多人正在做"，并不负责判断这件事对不对。
美国亚利桑那州的化石森林国家公园，为了防止游客偷拿化石，曾设置过一类警示信息，大意是：每年有大量木化石失窃，眼前的历史遗迹正遭破坏。
原意是提醒游客：不要拿走化石。
但实际效果并不如预期。研究者做了对照实验后发现，含有"很多人都在拿"信息的标识区域，偷窃率反而比简单劝导标识区域更高。
为什么？
这块牌子原本想表达的是：偷化石很严重。但一部分游客接收到的可能是另一个意思：原来很多人都在拿。
这不是因为游客突然变坏了，而是"很多人都在拿"把错误行为包装成了普遍行为，从而降低了心理门槛：既然很多人都这么做，我拿一点也没那么过分。
社会认同不负责判断对错。它只会不断提醒你：很多人正在这样做。
这也是它最值得警惕的地方。一个行为只要被呈现为"普遍"，就可能被更多人当成"可以这样"。
说到这里，你可能会想：那我是不是不该看评论、不该看销量、不该看排队？
不是。
社会认同本身不是坏东西。
你去陌生城市吃饭，看本地人多的店，可能是合理判断。你买不熟悉的产品，看长期真实差评，也是在降低试错成本。
问题不是"看别人"，而是只看别人；不是"参考群体经验"，而是让群体经验直接替你下结论。
看评论没有错，看销量没有错，看排队没有错，看别人经验也没有错。
真正的问题在于：你有没有把它当成唯一证据？
别人选择可以提供线索，但它不能直接回答：它适不适合你？它对你有没有用？它是否符合你的目标？它背后的评价是否真实？那些"别人"和你是不是同一类需求？
1000个大学生给的好评，对你要给父母买的东西，可能参考价值很有限。3万人排队的餐厅，可能只是因为今天搞活动。10万人学过的课程，可能和你想解决的问题根本不是一回事。
那些"别人"的选择，只有在需求相似、场景相近、信息真实的时候，才更有参考价值。
而社会认同不只发生在消费里。
只要你感到不确定，又刚好看到别人都在同一个方向上行动，它就可能出现。
别人家孩子都在学，你会怀疑是不是自己落后了。身边人都赚钱了，你会怀疑是不是自己错过了。评论区一边倒，你会怀疑是不是自己想错了。
它也发生在职场里。
开会时，方案明显有漏洞。领导问："大家有没有意见？"
第一个人没说，第二个人也没说，会议室一片安静。
你心里本来有疑问，但你开始想：如果真有问题，别人应该早提了吧？于是你也沉默了。
注意这里的边界。
如果你是因为怕领导、怕同事评价而沉默，那更接近从众效应。如果你是把"没人反对"误读成了"大家都认可"，那才更接近社会认同倾向。
独立判断也不是凡事和大众反着来。大众有时是对的，问题是，你要知道它为什么对。
真正成熟的判断，不是不看别人，而是知道别人只能提供参考，不能替你负责。
你不可能永远屏蔽点赞、销量、评论和排队。
更现实的办法，不是装作没看见，而是看见之后多问一步。
这里给你三个问题，一个动作，再加一套分级处理方法。
第一问：我看到的，是事实，还是别人的选择？
这条是在识别：社会认同有没有混进你的判断里。
你看到"销量10万+"，这是产品品质的证据，还是别人购买行为的信号？你看到"3万点赞"，这是内容质量的证明，还是传播效应的结果？
社会认同最容易混淆的是行为信号。它只说明"很多人选了"，不说明"为什么值得选"。
别人的选择、别人的评价、可验证的事实，是三件不同的事。
别人的选择：销量、排队、报名人数、下单提示。
别人的评价：好评、差评、推荐语、使用体验。
可验证的事实：参数、成分、价格、适用条件、实际效果。
分清这三件事，你就迈出了第一步。
第二问：那些"别人"，和我是一类人吗？
这条是在判断参考对象。
母婴产品的五星好评，对不打算生孩子的人，可能毫无参考价值。5万人报名的职场课，对一个自由职业者来说，也可能完全不对路。
"一类人"不是指年龄一样、性别一样，而是需求、预算、使用场景、风险承受能力相似。
别人的选择只对"和你需求相似的人"更有参考价值。对其他人来说，可能只是噪音。
第三问：这些信号来自独立来源吗？
销量、评论、榜单、热搜，都可能被同一个平台机制放大。
如果所有证据都来自同一个页面、同一个社群、同一个直播间，它们就未必是真正独立的证据。
跨平台验证，找不同来源的信息，看正面评价，也看具体差评。
这些动作不是为了否定热门，而是为了判断这个社会信号到底有多可靠。
一个通用动作：反向暂停
看到"很多人都买"时，不要马上下单。
先停10秒，补问一句：除了很多人买，它还有哪一点真正符合我的需求？如果答不上来，就先别买。
再按决策大小，分级处理。
小额消费，比如几十元以内：停10秒，问自己适不适合。
中等决策，比如几百到几千元的课程、电器、服务：延迟24小时，找3条具体差评，看它们是否集中指向同一个问题，以及这个问题是否影响你的需求。
重大决策，比如投资、跳槽、医疗、育儿：找独立信息源，写下自己的需求和反证，不要在同一个平台、同一个社群、同一个信息场里完成全部判断。
不是不看别人，而是在看别人之前，先知道自己到底要什么。
下次你再走进商场，看到一家餐厅门口排着长队——
你当然可以把它当成一个线索。它可能说明这家店受欢迎，可能说明它确实有招牌菜，也可能只是因为今天打折、刚好被推荐，或者大家都在跟着排。
所以，别急着把"很多人排队"直接翻译成：它一定好吃。
多问一句：它适合我吗？我真正想吃什么？
别人的选择可以帮你看见方向，但最后要不要走过去，还是要由你自己判断。
热度可以提醒你：这里值得看看。评论可以提醒你：别人有过体验。销量可以提醒你：很多人做过选择。
但它们不能替你回答：这件事，适不适合我？
所以，社会认同倾向最终提醒我们的，不是"不要看别人"，而是——
别人怎么选，可以作为线索；但不能替你完成判断。
你身边一定也有这样的朋友：
选餐厅先看哪家排队，买东西先看"多少人买过"，报课程先看"多少人学过"。
把这篇文章转给TA，也提醒自己：别人的选择可以作为线索，但不能替我们完成判断。
一句话区分：
社会认同是我把别人当线索。
社会证明是别人把群体选择包装成说服工具。
从众效应是我不敢和别人不同。
羊群效应是一个跟一个的连锁反应。
权威效应是一个特定的人替我判断。
Goldstein, N. J., Cialdini, R. B., & Griskevicius, V. (2008). A room with a viewpoint: Using social norms to motivate environmental conservation in hotels. Journal of Consumer Research, 35(3), 472–482.
Cialdini, R. B., Demaine, L. J., Sagarin, B. J., Barrett, D. W., Rhoads, K. L., & Winter, P. L. (2006). Activating and aligning social norms for persuasive impact. Social Influence, 1(1), 3–15.
芒格，C. (2005). Poor Charlie's Almanack（英文首版）。中文版：《穷查理宝典》，中信出版社，2016年增订本。