坎贝尔定律

坎贝尔定律指出，一个指标越是被用于影响重大的决策，就越容易被人为操纵，连带扭曲它原本要监测的过程。在学校的例子中，老师开始“为考试而教”，只盯着考试涉及的内容，而不再帮助学生深入、真正地理解知识。考试分数原本用来衡量学习情况，却变成了目标本身，也就不再可靠了。比如，客服中心如果奖励“平均通话时长”最短的员工，可能会发现员工急着让客户挂电话，反而损害了客户满意度。

问问自己：“这个指标没能反映哪些重要的方面？”

当我们用一个简单、可测量的替代指标，来代替一个复杂、难以衡量的目标时，坎贝尔定律就会出现。人们会对激励作出反应，因此自然会把精力放在提高替代指标上，尤其是当它与金钱、地位等奖励挂钩时。这种关注往往以牺牲背后真正的目标为代价。

问题的核心是目标置换：替代指标（比如考试分数）取代了真正的目标（比如教育）。你可以在许多不同领域看到这种现象。

在软件开发中，如果经理只用“写了多少行代码”来衡量生产力，开发人员就可能为了达标，写出冗长、低效的代码，即使这样会损害产品质量，让代码更难维护。

在医疗领域，如果一个医院系统的评价取决于患者再入院率是否够低，它就可能为了压低数字，拒收高风险患者，或把他们转到别处，而不是切实改善患者的长期健康状况。

这并不意味着所有指标都有问题。当指标无法很好地反映目标，而且结果又关系重大时，坎贝尔定律的影响最强。使用一组相互平衡、较难钻空子的指标，可以帮助降低风险。

这条定律由社会心理学家唐纳德·T. 坎贝尔提出，源于他在20世纪70年代评估社会项目的工作。它提醒我们，在复杂的社会系统中，不能天真地依赖量化评估。它也与古德哈特定律密切相关：“当一个衡量指标变成目标，它就不再是一个好的衡量指标。”这条定律揭示了一种不可避免的矛盾：我们用指标来明确责任，但这些指标也可能扭曲它们所评估的系统。

• 坎贝尔（1976年）首次明确提出这一原则：“任何量化社会指标越是被用于社会决策，就越容易受到使其失真的压力，也越可能扭曲和破坏它原本要监测的社会过程。”[1]
• Müller与de Rijcke（2017年）展示了引用次数等科研评价指标如何推动科学家采取“策略性发表”行为：优先考虑期刊影响力，而不是可能更具创新性或风险更高的研究。[2]
• Van Thiel与Leeuw（2002年）在公共行政领域发现，绩效指标往往会引发“掐尖”（只服务那些最容易让指标达标的对象）和“隧道视野”（忽略工作中所有未被衡量的方面）等行为。[3]

坎贝尔定律是一条很有用的经验法则，并非绝对成立的铁律，它的影响也可以减轻。用一个仪表盘汇总多个相互制衡的指标，可以更全面地呈现绩效，也让人更难钻空子。此外，这条定律主要适用于指标与奖惩挂钩、结果关系重大的情境。当指标用于影响较小的信息反馈和学习时，失真的可能性就低得多。一些简单、直接的指标（比如公司营收），如果与组织的最终目标高度一致，也较不容易受到这类影响。