想象100个人正在考虑要不要参加一场集体行动。每个人心里都有一道门槛：看到多少人先参加，自己才肯跟。接下来只改这些门槛，看看结果会怎么变。

第一种：人人都在等，最终0人行动

每个人的阈值都是10。大家都不排斥参与，但要先看到至少10个人行动，自己才会加入。

每个人想的都是："只要先有10个人参加，我马上跟。"

可所有人都在等别人，始终没人迈出第一步。最终，集体行动没有发生。

第二种：门槛刚好接上，最终100人行动

100个人的阈值依次是0、1、2、3……99。

阈值为0的人不需要等别人，自己就会带头。阈值为1的人看到1人参加，跟进；阈值为2的人看到2人参加，也跟进。

每个人的阈值依次被满足，最后100人全部加入。

第三种：只改一个门槛，最终只有1人行动

其他条件不变，只把阈值为1的那个人改成2。

阈值为0的人照常带头。可此时，场上只有1个人行动，剩下的人最低阈值也是2。没有第二个人愿意跟上，链条刚刚开始就断了。

最终，只有1人参与。

把三种情况放在一起看：

第一种的平均阈值最低，集体行动却没有发生。第二种和第三种的平均阈值只差0.01，结果却是100人和1人。

差别就在那一个人的门槛上。产品冷启动、团队推新工具、社区没人发言，常常都卡在这里：大家愿意参与，却没人愿意先动。

1978年，社会学家马克·格兰诺维特在《美国社会学杂志》发表《集体行为的阈值模型》，提出了这个分析框架。

格兰诺维特发现，平均行动门槛相近的两个群体，可能因为门槛排列不同，走向完全不同的结果。分析阈值分布，还能帮助我们推演行动链能否启动、会在哪里停下，以及最终可能有多少人参与。

阈值模型常被理解成"量变引起质变"：水烧到100摄氏度变成蒸汽，坚持到临界点就会爆发。

社会系统没有一条对所有人都相同的门槛。有人不等别人就会开始，有人看到3个人行动才跟，还有人要等到大多数人加入。

平均门槛只能说明一部分情况。真正影响行动链的，是低门槛的人能否依次接上。

阈值模型也不是"再坚持一下就好了"的鸡汤。第三种情况缺的不是坚持，而是第二个跟进者；第一种情况的问题，则是所有人都在等别人先开始。

本文所说的阈值模型，主要指格兰诺维特提出的集体行为阈值模型：

当个人是否行动取决于他看到多少人已经行动时，阈值模型通过分析每个人的行动门槛、最初的行动者和信息是否可见，判断行动链能否启动、会在哪里停下，以及最终可能扩散到多少人。

前面的百人案例是一个理论模型，不是真人实验。它暂时假设所有人都能看到其他人的行动，参与后不会立刻退出，也没有奖励、命令或突发事件从外部改变局面。

别人先做，可能降低你的试错风险，给你提供社会认同，也可能让这件事本身变得更有价值。不过，真正与阈值比较的，往往不是客观总人数，而是你能看见、并且认为与自己相关的人数。

公司里已经有100个人在使用某个工具，但如果你的部门一个人都没用，对你来说，可见参与人数仍然接近0。

相同的阈值分布放进不同的关系网络，也可能产生不同结果。参与者彼此看不见，行动链就无从延伸。

阈值模型只问一个问题——多少人干了，你才肯干？每个人的答案不同，这些答案怎样排列，往往比它们的平均值更重要。

一条行动链想要延伸，每一步都需要有人接住。

第三种情况中，阈值为0的人已经带头。可只要缺少阈值为1的人，链条就会停在第一步。这就是阈值分布中的"缺口"。

判断规则并不复杂：当已经有 k 个人行动时，如果剩下的人中找不到阈值不高于 k 的新参与者，链条就停了。

现实中的阈值分布不会像0、1、2、3这样整齐，但判断方法相同：先看现在已经有多少人行动，再看有没有下一批人愿意在这个人数下加入。

领导做完报告，有人率先鼓掌。如果第二个人很快跟上，第三个人也开始鼓掌，掌声可能迅速扩散。可如果第一个人拍了两下，始终没人接，掌声很快就会停下。

一个人愿意带头，不代表其他人的阈值已经被满足。

产品推广也是如此。新产品推不动，可能是愿意第一个尝试的人太少，也可能是第一批人已经尝试了，其他人却根本看不见。

这时，继续面向所有人重复宣传，未必有用。更值得寻找的是两类人：一类不用等别人，自己就愿意试；另一类看到少数人尝试，就愿意跟进。

第一类人负责启动，第二类人把链条接下去。

Airbnb早期的发展，可以从阈值与双边市场结合的角度理解。

房东要看到足够的游客，才愿意挂出房源；游客要看到足够多可信的房源，才愿意使用平台。两边都有需求，也都在等对方先出现。

Airbnb后来集中服务第一批房东，比如派专业摄影师上门帮房东拍房源照片。可见房源的数量和质量提高后，游客更愿意尝试；游客增加，又提高了房东加入的动力。

Airbnb先从供给侧入手，让其中一边动起来，另一边才有了跟进的条件。这个案例不能证明Airbnb当时存在某种精确的阈值分布，但足以说明：面对双边市场的冷启动，平均用力通常不如先把一侧做起来。

这个推演还有一个前提：参与者加入后，不会立刻大量退出。

如果用户注册后马上流失，团队成员试用一次就放弃，简单的单向阈值链就不够了。此时还要继续追问：人为什么退出，什么条件能让他留下。

格兰诺维特关注的是行动门槛怎样决定链条能否延伸。谢林模型讨论的是另一个问题：个体偏好明明很温和，为什么集体结果会如此极端？

万维钢曾用一个派对故事解释谢林的思想。

两个紧挨着的房间里，20名男性和20名女性正在参加派对。大家并不排斥与异性聊天，只是不希望自己在当前房间里成为绝对的少数派。

这个要求并不高——他们可以接受自己处于少数，只是不希望同性别的人少到几乎看不见。

开始时，两个房间里都有男有女，人们也会在房间之间随机走动。

假设某一刻，一个房间变成了14名男性、2名女性。女性在这个房间里的比例远低于三分之一，于是两名女性转移到另一个房间。

她们一走，另一个房间里的男性又成了明显少数。男性也开始离开，回到第一个房间。

一次移动改变了人群构成，又触发了下一批人的门槛。最终，一个房间可能只剩男性，另一个房间只剩女性。

这个简化模型不需要假设人们抱有强烈敌意，也可能产生事实上的隔离。

谢林还用棋盘做过更系统的模型。

想象一张类似棋盘的格子纸，每个格子代表一间房子。有些格子住着黄色居民，有些住着蓝色居民，还有一些空着，代表可供搬迁的空房。一开始，黄色和蓝色随机散布在棋盘上，彼此混杂。

规则很简单：每个人观察自己周围8个相邻格子（上下左右加四个斜角），如果周围同类邻居的比例低于自己的最低要求，他就搬到别处去——找一个同类比例达标的位置住下来。

谢林在原论文中讨论了不同参数。在一种常见的棋盘设置中，当人们只要求周围至少约三分之一是同类时，就已经足够触发变化了。

假设一个蓝色居民搬走了。他一走，原来住在他旁边的另一个蓝色居民，周围同类比例可能就从刚好达标变成了不达标。于是这个蓝色居民也开始搬家。他一搬，又改变了另一个人的邻居构成。

一轮一轮地，原本随机混合的格局开始分化。几轮之后，黄色和黄色聚在一起，蓝色和蓝色聚在一起，混合区域几乎消失。

没有人把"形成隔离"当成目标。每个人只是按照自己的局部门槛行动，隔离却一步步出现了。

谢林想说明的是：个体偏好温和，集体结果未必温和。

谢林模型与格兰诺维特的集体行为阈值模型并不是同一个模型。格兰诺维特关注的是，已有多少人行动，个体才会加入；谢林关注的是，局部邻居构成达到什么比例，个体才愿意留下。

两者都包含门槛，但判断对象不同。这里引用谢林，是为了说明：当个体按照门槛行动时，一次局部变化可能触发下一次变化，最终形成远超个体意愿的集体结果。

如果要判断行动链卡在哪类人，用阈值模型；如果要分析行动结果为什么越滚越快，或者被慢慢拉回，就要看083思维模型反馈回路。

阈值模型关注门槛和断点，反馈回路关注结果怎样反过来影响下一轮。两个模型经常一起出现，但不能混为一谈。

一个在线社区已经有不少注册用户，却始终没人主动发帖。另一个规模更小的社区，讨论反而能够自己滚动起来。

人数增加，并不等于行动链已经接上。

随着参与人数增加，越来越多人的阈值可能被满足。只有当新增参与者足以继续触发下一批人时，系统才可能跨过某个临界规模。

跨过去之前，平台需要不断组织话题、邀请用户、制造内容；跨过去之后，用户开始主动发帖、互相回答、邀请新人。平台面对的问题也从"怎样启动"变成了"怎样治理"。

这个临界点来自个体门槛的累积。当前参与人数覆盖了一批人的门槛，这批人加入后，又覆盖了下一批人的门槛，行动链才开始自己延伸。

人数增加，只是把系统推近门槛。能不能形成下一轮自发行动，才决定它有没有真正跨过去。

触发条件和阈值都可能变化，但要分开看。

别人开始行动，首先改变的是你眼前的触发条件——你能看见的参与人数。你的行动门槛未必因此下降。只有当收益、成本或者风险判断发生变化时，阈值本身才可能移动。

例如，原来你要看到10名同事稳定使用某个工具，才愿意尝试。后来公司提供了培训，迁移成本下降，你看到3个人使用可能就愿意加入。

这时，你的门槛从10降到了3。

找到今天的阈值，不等于永远找到了答案。外部奖励、领导要求、产品体验、风险变化和突发事件，都可能让行动链重新启动，也可能让原来的阈值失去意义。

阈值模型也不保证跨过门槛就会带来好结果。创新扩散可能由阈值推动，挤兑和群体恐慌也可能由相似机制推动。

模型能告诉你链条可能在哪里启动、在哪里断，却不能替你判断这条链值不值得接上。

上一讲思维模型杠杆思维寻找值得干预的位置。阈值模型进一步检查：目标人群在什么可见参与条件下，才可能开始行动。

遇到"为什么一直不动，为什么突然全动了"的问题，可以先做一个测试：

把"别人有没有行动"这条信息拿掉，这个人的选择会不会改变？

如果几乎不变，说明他的决策可能并不依赖他人的行为，阈值模型就不是主要工具。如果会改变，再按三步往下分析。

第一步：先看人数增加后，跟进率会不会提高

不要只问大家愿不愿意，也不用急着给每个人标出一个精确门槛。先观察可见参与人数增加后，真实采用率会不会上升。

可以查看历史行为：谁总是第一个尝试，谁通常要等到多数人已经使用才愿意加入？

也可以做阶梯提问：没人使用时，你愿不愿意试？已经有3个人使用呢？如果半个团队都在用呢？

条件允许的话，还可以做分组测试。让条件相近的几组人分别看到0人、3人、10人已经使用，再比较他们的真实采用率。

这些做法得到的，不是每个人精确的心理门槛，而是一条大致的群体响应曲线。比较完以后，你会知道：参与人数增加到什么程度，跟进率才开始明显变化。

第二步：找到链条最先断在哪类人

不要一上来就动员所有人，先找出行动链从哪一步开始接不上。

在百人案例中，阈值为1的人就是早期断点。他一旦缺失，第一个人之后就没人跟进。

现实中的关键位置未必是一个具体的人。它可能是一小群愿意早期尝试的用户，一个能够连接两个圈层的人，一条让使用结果被其他人看见的信息通道，也可能是链条从第一阶段进入第二阶段时缺少的条件。

找完这一轮，你应该能够指出链条最可能断在哪类人，而不是笼统地说"用户还不够"。

第三步：再推一轮，看新增人数能不能带动下一批

找到断点之后，继续往下推：

现在已经有多少人参与？这些人能够触发多少新参与者？新增参与者又能不能触发下一批？

如果足以，链条继续延伸；如果不足，链条会停在新的位置。

接下来用最小试验验证。用前面第一步的方法，让不同小组看到不同数量的已使用人数，比较实际采用率。

如果可见参与人数增加后，采用率明显上升，阈值假说得到支持。如果采用率没有变化，就要检查产品价值、使用成本、信息可信度、目标用户是否匹配，以及用户加入后是否迅速退出。

别在阈值假说没有得到支持时，继续盲目增加种子用户。

三步合起来就是：

先看人数变多有没有用，再找链条断在哪里，最后推演下一批能不能接上。

放到现实中，最常见的是下面三种情况。

新产品上线了，为什么始终没人跟？

先找不需要看到别人就愿意试的人，再找看到少数人使用就愿意跟进的人。如果这两类人太少，链条很可能在启动阶段就断掉。

Airbnb早期集中服务第一批房东，提高可见房源的数量和质量，就是一种值得参考的冷启动方式。

大家都说愿意学，为什么新工具还是推不动？

很多人不是拒绝新工具，只是不想当第一个踩坑的人。

不要只做一次全员培训。可以让不同小组分别看到0人、3人、10人已经稳定使用，再比较他们的采用率。两三个人带头是否有用，要看其他人的行动门槛。

同事都在离职，我要不要跟着走？

如果看到同事陆续离开，改变了你对公司前景和离职风险的判断，这里面可能存在社会阈值。

如果你只是在比较工资、家庭成本和新机会，别人的选择并没有改变你的判断，阈值模型就不是主要工具。

找到一个可能的阈值，只能提出假设，还不能直接推出方案。

跨过阈值，只能说明行为可能继续扩散，不能说明这种扩散值得推动。创新可能由阈值推动，恐慌和挤兑也可能如此。

扩散没有发生，也别急着把原因归结为种子用户太少。产品价值不足、使用成本过高、信息缺乏可信度，都可能让人不愿加入。早期用户如果不是其他人会参考的对象，再多也未必有效。

即使大致找到了门槛，仍然需要领域知识，才能把判断变成方案。不知道用户为什么流失，不知道团队为什么抵抗，只靠一张阈值分布图，推不出可执行的办法。

尤其要警惕一种常见误用：项目推不动，就不断增加种子用户；种子用户增加后仍然没有扩散，又继续制造"大家都在用"的社会证明。

这样做可能暂时制造热闹，却掩盖真正的问题。

阈值模型不能精确预测结果，但能提供一个更具体的检查角度。别再笼统地问"大家到底想不想"，去找愿意先做的人，看看其他人能不能看见，再判断行动链可能断在哪里。