Система Станиславского для оратора - Андрей Скворцов

В деловых выступлениях чаще всего встречаются такие логические ошибки:

• За аргумент выдают личное мнение, слухи или предположения. При этом используются формулировки вроде: «Каждый знает, что…», «Исторически сложилось так, что…», «Вы же слышали, что…».

• «После» приравнивается к «вследствие». «Мы поменяли директора по продажам, и продажи выросли» — действительно ли одно событие стало следствием другого? Может, да, а может, и нет. Надо рассказать, что именно делал новый директор и как его действия привели к росту продаж. Вдруг ему просто повезло?

• Доказательство через то же самое. «Наша стратегия сильная, потому что стратегически верная», «Этот продукт премиальный, потому что относится к премиум-сегменту». Звучит солидно, но ничего не доказывает.

• Использование метафор и аналогий — не для объяснения, а для доказательства: «Наша новая реклама крайне эффективна — она как горячий воздух, поднимающий продажи ввысь». Горячий воздух поднимается «ввысь» по закону Архимеда, но какое отношение к этому имеет новая реклама?

• Подмена понятия — вспомним пример «приложение хорошее, так как у него удобный интерфейс» — даже если интерфейс и правда удобный, еще не факт, что приложение «хорошее» (что это означает и кто оценивает?).

Логических ошибок множество, это лишь самые распространенные. Если хотите углубиться в эту тему, рекомендую книгу Андре Кукла «Ментальные ловушки»[40].

Второй тип аргументов. Статистика

Марк Твен писал (а точнее, приписывал эту фразу британскому премьер-министру Бенджамину Дизраэли), что есть ложь, есть наглая ложь и статистика. Откуда такое недоверие?

Манипуляций со статистикой известно едва ли не больше, чем логических ошибок. Есть даже книга, которая так и называется: «Как лгать при помощи статистики»[41].

Чаще всего в деловых презентациях используется прием сherry-picking («выдергивание вишенок»): из всего массива данных выбираются только те, которые подтверждают тезис, а те, которые ему противоречат, отсеиваются.

Классика: инвестиционные фонды выбирают интервал времени, на котором были успешны, и рассказывают, что «за пять лет заработали столько-то», умалчивая при этом, что на интервале в шесть лет или в три года результаты были провальными.

Даже если очень стараться быть честным, очень трудно избежать черри-пикинга из-за склонности к подтверждению своей точки зрения. Бороться с собственной предвзятостью сложно, но можно постараться быть добросовестным в сборе и анализе данных.

Как проявлять добросовестность?

Во-первых, внимательно изучать источники, смотреть на контекст цитаты.

В декабре 2020 года на РБК вышла статья[42] с заголовком «Власти США сообщили о смерти шести участников испытания вакцины Pfizer».

Информация абсолютно правдивая, но, если не читать ничего дальше заголовка, может сложиться впечатление, что вакцина опасна.

Из самой же статьи выясняется, что из шести участников только двое получили вакцину, а четверо — плацебо. Все они были пожилыми людьми с хроническими заболеваниями, а с момента испытаний до момента смерти прошло значительное время.

Так что единственный вывод из статьи — люди смертны. О вакцине и ее опасности или безопасности сказать на основании этих данных ничего нельзя.

При этом статья написана корректно, никаких лишних выводов в ней нет, информация в заголовке тоже правдивая. Но легко представить, как кто-нибудь, не проанализировав текст, приведет «статистику» смертности из заголовка в качестве аргумента в пользу опасности вакцины.

Во-вторых, не допускать некорректной интерпретации верных данных.

Например, известно, что ответы на вопросы о намерениях сильно отличаются от реального поведения людей — и будет некорректно данные опроса представлять как данные о намерениях, — с такой ошибкой я регулярно сталкивался в маркетинговых опросах: высказанное желание купить не равно будущим покупкам.

Кстати: в одном поведенческом исследовании[43] у 192 человек спросили, как они поступят, если столкнутся с аналогом «дилеммы вагонетки»: при нажатии на кнопку удар током получает одна мышь, без нажатия — пять мышей. Треть респондентов (34%) сказали, что нажмут на кнопку (спасут пять мышей, пожертвовав одной). Однако, оказавшись один на один с кнопкой, так поступили только 16%. Конечно, мышей током на самом деле не били — подопытными тут были только люди. Эксперимент подтвердил: они часто говорят одно, а делают другое.

В-третьих, честно рассказывать обо всех имеющихся данных.

Если в исследовании сказано, что 89% сотрудников хотят, чтобы руководитель был с ними честен, а 81% — чтобы у компании была ясная миссия, не стоит игнорировать первый пункт и писать на слайде только «81% сотрудников хочет ясной миссии».

В-четвертых, быть готовыми изменить свою точку зрения на этапе подготовки выступления, если выясняется, что актуальные данные ей противоречат. Это очень трудно, но профессиональные ораторы поступают именно так, заодно становясь менее уязвимыми для критики.

КАК ПРОВЕРИТЬ НАДЕЖНОСТЬ И ДОСТОВЕРНОСТЬ СТАТИСТИКИ

Чтобы статистика могла считаться достоверной, стоит учитывать несколько показателей: размер выборки, репрезентативность и источник (кто ее собирает и где она опубликована).

Размер выборки. В исследованиях по социальной психологии (посвященных поведению людей) минимальной выборкой считается 100 человек. На самом деле, нужный размер выборки рассчитывается по формуле репрезентативности, с учетом доверительного интервала, но, упрощая, можно считать, что это и есть 100 человек. Если в выборке менее 100 человек, скорее всего, исследование можно даже не читать. Однако если речь идет о коллективе из 20 человек, опрос всех двадцати по важной теме будет вполне релевантным. Бывают также глубинные интервью, в которых опрос даже двух человек может дать ценную информацию.

Репрезентативность. Мы должны быть уверены, что опрос проводился среди подходящей аудитории. Если важно было узнать мнение женщин, очевидно, в опросе должны участвовать женщины. Если статистика основана на мнении среднестатистического жителя страны, то опрашивать должны были всех представителей населения — из маленьких городов и из больших, разного пола, возраста, дохода и уровня образования.

Доверие источнику. Кто проводил исследование? Какова репутация издания, в котором оно опубликовано? По показателю надежности научные журналы делятся на четыре категории — их называют квартилями (Q). Журналы с категорией Q1 относятся к самым надежным, все статьи в них рецензируются экспертами. Журналы категории Q4 могут публиковать полную ерунду. Данные о журналах можно найти в базах Scopus и Web of Science. В России принято деление на K1, K2 и К3 — узнать, какие журналы туда попадают, можно на сайте ВАК.

P-value, или p-уровень значимости. Это вероятность получить случайные данные. Показатель p-value рассчитывается во всех серьезных статистических исследованиях: чем он меньше, тем лучше. Если значение 0,05 (или 5%), значит, вероятность того, что результат получен не случайно, — 95%. Это считается порогом качественного исследования (если p-value больше 5%, это уже плохо).

В науке большим уважением пользуются метаанализы и систематические обзоры — они синтезируют данные из большого