如何讓人聽你的：華頓商學院教你用文字引發興趣、拉近關係、有效說服(DH00422)
Magic Words: What to Say to Get Your Way

類別： 行銷‧趨勢‧理財>溝通管理
叢書系列：BIG系列
作者：約拿．博格
       Jonah Berger
譯者：鄭煥昇
出版社：時報出版
出版日期：2023年09月28日
定價：460 元
售價：363 元(約79折)
開本：25開／平裝／352頁
ISBN：9786263742147

【內文摘錄】

▼  內文摘錄

引言

才一歲多一點，我們的兒子賈斯柏就開始會說please（請；拜託）這個字。或至少看得出他在試著說。他還發不出字母L的音，所以聽起來會像是在說peas（豌豆），但已經夠接近了，我們已經能接收到他想表達的主旨。
他使用please 一字的這件事，究其本體，並不那麼令人吃驚。畢竟大部分小孩長到六個月大時都已經認得基本的語音，而到了一歲左右，他們通常已經可以說出包含一到三個單字的句子。
真正有趣的，其實是他使用這個字的方式。
他會說出他想要的東西，像是up（上面）、yo（yogurt，優格）或brow ber（brown bear，他的咖啡色熊熊填充玩具），然後停下來觀察結果。如果能馬上如願以償，那便罷了。他不會再多說什麼。但若是他的願望沒獲得滿足，或是你好像在忙別的事情，沒有馬上衝去處理他的需求，那他就會直直看著你的眼睛，點著頭，並且說出那個字： peas。
隨著賈斯柏慢慢長大，他的字彙量也慢慢增加。他開始談起了他最喜歡的生物（dido ！也就是dinosaur，恐龍來著），他想要做的事情（wee，這指的是溜滑梯），還有數數兒（two，一二的二）。他甚至會在peas 後面加上一個yeah（對，沒錯）來讓你知道他是認真的，沒有在跟你開玩笑。所以說他會跟你說yo、peas、yeah，翻譯成大人聽得懂的話就是，「對，我想要來點優格，而且我沒在跟你開玩笑。」
但這裡的peas 很特別。因為peas 是一項證據，證明了他第一次意識到語言內含有力量。原來語言可以推動人的行動。原來如果他想要某樣東西，而那樣東西遲遲不來，他加上了peas 這個字就可以讓事情發生。或至少讓事情變得更加可能發生。
賈斯柏發現了他人生的第一個魔法咒語。
我們做的每一件事都跟語言脫不了干係。我們使用語言去溝通想法、表達自我、與親友建立連結。領袖帶領人們前進、業務員銷售東西、家長教養小孩，靠的都是語言。教師傳授知識、政務官治理社會、醫師說明病情，也都得使用語言。就連我們內心的私密想法，都必須用語言的形式存在。
有人估計我們每天使用的單字數量在一萬六千字之譜。我們會書寫電子郵件、彙編簡報，跟朋友、同事與客戶交談。我們會草擬交友網站的個人檔案、跟鄰居寒暄，和伴侶聊個天，關心他們今天過得如何。
只不過在花了這麼多時間使用語言之餘，我們卻很少去思考自己都用了哪些確切的語言。確實，我們會思索我們想要傳達的概念，但不太會認真思考傳達過程中特定的遣詞用字。有必要嗎？個別的字眼常常看來看去，都不會讓人有非哪個字不用的堅持。
就以我剛才寫下的句子為例。我在句子中用上了「特定的」（particular）這個單字，而它其實完全可以被代換為「個別的」（individual）、「確切的」（specific）和其他為數眾多的近義詞。在直覺上，意思的傳達有著顯而易見的重要性，相較下用來達成這個目的的特定用字常常顯得無足輕重，怎麼樣都好。可以任由機緣巧合來決定說法，想到什麼就說什麼。
但事實證明這直覺是錯的。而且錯得離譜。

一個字改變世界

在一九四○年代，只需一個字就足以改變世界。每當災難來襲，或有大魔王威脅要毀滅人類文明，漫畫中的青少年比利．貝特森就會喊出沙贊！然後變身成擁有超絕力量與速度的超級英雄。
像這樣蘊含魔法的字眼，在我們的世界裡從來沒有缺席過。從基本款的「天靈靈地靈靈！」與「我變我變我變變變！」到「芝麻開門！」，再到《哈利波特》裡用來召喚護法的「疾疾，護法現身！」，魔法師、巫師與各式各樣的英雄們都沒少用語言來召喚出神祕的力量。而就跟能迷惑人心的咒語一樣，某些字句只要使用得法，就能神通廣大地改變很多事情、做到很多事情。聽者往往對這些字句沒有任何抵抗力。
很顯然是胡謅，對吧？那可不見得。
一九七○年代末，在一項實驗中，哈佛大學的研究者在紐約城市大學的圖書館裡試著走近使用影印機的人，並請他們幫一個忙。紐約有名的東西很多，活力十足的文化、可口的食物、種族熔爐般多元的人群。但要說到人情味？真的還好。紐約客的特色是說話超快、工作勤奮，永遠在趕趕趕。所以要他們犧牲自己的方便去幫助一個素昧平生的路人，說這有難度都算客氣了。
這些研究者好奇的是，什麼因素可以讓人們被「說服」。在圖書館裡，研究團隊的一名暗樁會在桌邊等待人們開始影印東西。只要有人把資料往影印機上一放，這名研究員就會殺出來，走到這隻無辜白老鼠的身邊打斷他，並開口要求插隊先印。
研究團隊試盡了各種招數。對某些人，他們直接開口問：「不好意思，我只有五頁，可以讓我先印嗎？」對其他人，他們會加上一個「因為」（because）來說明原因，比方說：「不好意思，我只有五頁，可以讓我先印嗎？因為我在趕時間。」
這兩種辦法幾乎一模一樣。都會很有禮貌地加上「不好意思」，都會要求先用影印機，也都會說明自己只有五頁要印。所造成的不方便也相同。在兩種狀況下，實驗對象都一樣得停下手邊工作，把資料從影印機上取下，然後無所事事地擺弄手指，等待插隊的人印好。
但這兩種做法儘管相似，產生的效果卻非常不同。加入「因為」這一個字，使得同意讓研究者插隊的人數增加了超過百分之五十。
用一個字就讓說服成功的案例增加百分之五十。這增幅相當可觀，甚至可以說是天文數字。惟持平而論，你可以說這兩種做法差的不光是一個單字。說到底，包含了「因為」的做法不只添加了一個單字，更同時為這不情之請添加了一個理由（是因為趕時間才冒昧開口）。
所以，與其說是「因為」這一個單字說服了人們，也許是那個理由足夠充分，才提高了人們答應的可能性。求助者都說了他們趕時間，而實驗對象則不趕，所以也許他們的答應是出於禮貌，是出於日行一善的心態。
但真相並非如此。因為研究者還試了另外一種做法。針對第三組人，暗樁沒有給出一個像樣的理由，而是給出了一個莫名其妙的說法：「不好意思，我只有五頁。可以讓我先印嗎？因為我需要印東西。」
這一次，實驗者沒有給出任何可供參考的新資訊。畢竟影印機就是影印機，你不是來印東西的還能是來幹什麼的呢？所以硬加上那一個單字—「因為」—理論上不會造成任何差別。如果提供正當理由是說服人們接受插隊的原因，那麼實驗者說他們需要先用影印機是因為他們需要影印東西，理應不會有任何效果。事實上，鑑於這個理由實在太過無厘頭，甚至可能會降低說服力，使人們更不可能讓出影印機。
但實際的狀況不是這樣。加進一個無意義的理由非但沒有讓說服力下降，反而讓說服力上升了—效果不輸正當理由。說服的力量並非來自理由本身，而是來自理由前面的那個字：因為（because）。
這項影印機的研究只不過是展現文字魔力的其中一例。不說你「喜歡」而說你「推薦」一樣東西，可以讓你的提議被接受的比率上升百分之三十二。上市企業在財報電話會議中所使用的語言，足以左右公司的股價，執行長採用的語言也會實際影響公司的投資回報。（以英語來說，在交友網站的自介中使用文法比較講究的whom [who 的受格，口語中很多人不會做出區分] 這個字，可以讓一名男性約到對象的機會提高百分之三十一。在求職信中增加介系詞的用量，可以讓你獲得雇用的機會高出百分之二十四。在介紹產品時用is not 取代縮略的isn’t，可以讓人願意為這個產品多付三塊美元。）
我們是怎麼知道這些的？答案是透過新的語言科學。機器學習、計算語言學和自然語言處理等領域的科技進步，加上從求職信到人際對話等大量資料的數位化，讓我們的語言分析能力有了革命性的躍進，也帶來了對語言前所未有的深刻見解。
我會開始運用自動化文本分析，完全是一場意外。當時是二○○○年代中期，我在賓州大學華頓商學院還是上任第一年的菜鳥教授，正在研究特定人事物是如何風行起來的。我們感興趣的是人們為什麼會討論和分享某些人事物，而非其他。我們為此蒐集整理出的資料集包含了數以千計的《紐約時報》文章，從頭版消息、世界要聞、運動賽事到生活風格應有盡有。其中許多文章都相當精彩，但僅有當中的一小部分能夠登上「電郵轉發數最高」的榜單，而我們試著要搞懂箇中原因。
為了找出答案，我們需要針對使內容獲得瘋傳的各種可能緣由進行評估。比方說，也許登上了《紐約時報》網站首頁的文章可以獲得較多關注，所以我們就測量了這一點。同樣地，也許某些版面的讀者較多，或者某些寫手的受眾群體比較大，所以我們也針對這些可能性進行了測量。
我們特別感興趣的是，有沒有某些特定的寫作方式會讓文章被分享的機率提高，但想知道這一點，我們就必須找到辦法去測量文章的各種特性，像是某篇文章可以喚起多少情緒，或內含多少實用的資訊。為此我們首先徵集了研究助理。一些對此研究感興趣的大學部學生會寫信問我他們可不可以參與研究，而這正是他們很容易可以幫上忙的地方。這些學生的工作是閱讀一篇文章，然後針對內容的各種特性做出評估，例如能觸動的情緒是多或少。
這種辦法的效果不差，至少一開始可以這麼講。學生們如此人工編碼的文章數從寥寥幾篇，慢慢累積到幾十篇。但要把這種做法套用到全部的數千篇文章，問題就出現了。研究助理閱讀一篇文章總得花上一些時間，而閱讀十篇、百篇、千篇就需要十倍、百倍、千倍的時間。
我們招聘的研究助理已經組織成了一支小型軍隊。但即便如此，進度還是慢如牛步。再者，聘請的人數愈多，我們對文章分析的一致性就愈沒有把握。可能一名研究助理覺得某篇文章感人至深，另外一個人卻無動於衷，而我們擔憂這樣的個別差異會有損於研究結論的參考價值。我們需要一套能夠照尺度測量的客觀方法。一種能夠具一致性地測量上千篇文章，又不會讓助理們過勞的方法。
我開始跟一些同事討論這件事，有人提議我們試試看一種叫「語文探索與字詞計算」（Linguistic Inquiry and Word Count）的電腦程式。這個程式簡潔而高明。當使用者輸入一塊文字（一篇新聞報導或之類的東西），該程式會就文章的各個面向給出分數。比方說，透過計算文章中與情緒相關的字詞數量，這個程式能測量出該文章聚焦在情緒上的程度是多一點還是少一些。不同於研究助理，程式永遠不會疲憊。再者，這個程式能表現出完美的一致性。它將事情編碼的方式永遠不會有任何改變。這款通常縮寫為LIWC的語文探索與字詞計算程式，就這樣成為了我在研究工具中的新寵。