2005 贝佐斯致股东信

致股东们：

在亚马逊，许多重要决策可以用数据来做——要么对要么错，要么更好要么更差，数学会告诉我们答案。这是我们最喜欢的决策类型。

新建配送中心就是一个例子。我们用现有配送网络的历史数据来预估季节性峰值，并对新增产能的各种方案进行建模。我们会根据预期商品组合——包括商品尺寸和重量——来决定需要多大空间，以及是建一个处理较小"可分拣"商品的仓库，还是一个处理通常单独发货的大件商品的仓库。为了缩短配送时间、降低出库运输成本，我们还会根据客户分布、交通枢纽和现有设施的位置来分析选址方案。量化分析既改善了客户体验，也优化了我们的成本结构。

同样，大多数库存采购决策也可以通过数字建模和分析来完成。我们希望商品有现货，能立刻送到客户手中，同时又要把总库存量压到最低，从而控制持有成本，进而降低价格。要同时实现这两个目标，就得找到那个"刚刚好"的库存量。我们利用历史采购数据来预测某个商品的客户需求及其波动幅度，利用供应商的历史表现数据来估算补货周期，再根据进出库运输成本、仓储成本和预期客户所在地来决定在配送网络中的哪个节点备货。通过这套方法，我们自有仓库中常备超过一百万种商品，随时可供客户购买，同时库存周转率仍然保持在每年14次以上。

上述决策当然也需要一些假设和判断，但在这类决策中，判断和观点只是"初级合伙人"，真正的重活是数学来干的。

不过正如你们所料，并非所有重要决策都能用这种令人羡慕的数据驱动方式来做。有时候我们几乎没有历史数据可参考，主动实验也不可能、不现实，或者实验本身就等于做了决定。虽然数据、分析和数学仍然发挥作用，但这类决策的首要成分是判断力。

众所周知，我们做出了一个决定：随着效率和规模的提升，年复一年地、持续大幅地为客户降低价格。这就是一个无法用纯数学方式做出的极其重要的决策。事实上，当我们降价时，恰恰是在和我们能做的数学"唱反调"——数学总是告诉我们，涨价才是聪明之举。我们有大量的价格弹性数据，能相当准确地预测：降价百分之几，销量就会增长百分之几。但极少数例外情况下，短期内的销量增长也不足以弥补降价带来的损失。然而，我们对弹性的量化理解是短期的。我们能估算降价对这一周、这个季度的影响，却无法用数学估算持续降价在五年、十年甚至更长时间内会对业务产生什么效果。我们的判断是：将效率提升和规模经济带来的收益，以更低的价格持续回馈客户，会创造一个良性循环，长期来看将带来远超当前的自由现金流总额，从而使亚马逊变得更加有价值。我们在免费超级省运费和 Amazon Prime 上也做出了类似的判断——两者短期内都很昂贵，但我们相信它们在长期具有重要价值。

再举个例子。2000年，我们邀请第三方卖家直接在我们的"黄金零售地段"——商品详情页上与我们竞争。将亚马逊自营和第三方商品放在同一个详情页上，这看起来很冒险。公司内外都有好心人担忧这会蚕食亚马逊的零售业务，而且——正如许多面向消费者的创新一样——没有办法事先证明这行得通。我们的采购团队指出，引入第三方卖家会让库存预测更加困难，如果我们在详情页上"输给"了某个第三方卖家，就可能"被套牢"在多余的库存里。然而我们的判断很简单：如果第三方能提供更好的价格或更好的库存供应，我们就应该让客户轻松获取这些选择。随着时间推移，第三方销售已经成为我们业务中成功且重要的一部分。第三方卖家的销量占比从2000年的6%增长到了2005年的28%，而同期我们自营零售收入也增长了三倍。

数据驱动型决策容易达成广泛共识，而判断型决策则理所当然地会引发争论，甚至在付诸实践并证明有效之前一直饱受争议。任何不愿承受争议的机构，只能把自己局限在第一类决策上。在我们看来，这样做不仅限制了争议，也极大地限制了创新和长期价值创造。

我们决策哲学的基石，在1997年致股东信中已经阐述，现附上那封信的副本：

• 我们将继续不懈地聚焦于客户。
• 我们将继续基于长期市场领导地位来做投资决策，而非基于短期盈利或华尔街的短期反应。
• 我们将继续以分析的方式衡量各项计划和投资的效果，果断砍掉回报不佳的项目，加大对表现优异项目的投入。我们将继续从成功和失败中学习。
• 在看到足够的概率赢得市场领导优势时，我们将做出大胆而非畏缩的投资决策。其中一些会成功，另一些不会，但无论如何我们都会收获宝贵的经验。

你们可以放心：我们会将强大的量化分析文化与做出大胆决策的意愿结合起来。在这个过程中，我们将从客户出发，逆向工作。我们相信，这是创造股东价值的最佳方式。

原文签署： Jeffrey P. Bezos