"We will combine a strong quantitative and analytical culture with a willingness to make bold decisions."
"我们将把强大的量化分析文化与敢于做出大胆决策的意愿结合起来。"
致我们的股东：
亚马逊的许多重要决策都可以依靠数据来做出。这类决策有对有错、有优有劣，数学能告诉我们哪个是哪个。这是我们最喜欢的决策类型。
新建配送中心（fulfillment center）就是一个例子。我们利用现有配送网络的历史数据来预估季节性高峰，并对新增产能方案进行建模分析。我们考察预期的产品组合——包括产品尺寸和重量——来决定需要多大空间，以及是否需要专门处理较小的"可分拣"商品或通常单独发货的大件商品。为了缩短配送时间、降低出库运输成本，我们根据与客户、运输枢纽及现有设施的距离来分析潜在选址。量化分析既改善了客户体验，也优化了我们的成本结构。
类似地，我们大多数库存采购决策也可以通过数字建模和分析来完成。我们希望产品有货且能立即发给客户，同时也希望将总库存量降到最低，以控制相关持有成本，进而压低价格。两者兼顾，就需要找到"恰当的库存量"。我们利用历史采购数据预测客户需求及其波动性；利用供应商历史表现数据估算补货时间；并根据入库与出库运输成本、仓储成本及预期客户分布，决定产品在配送网络中的存放位置。借助这套方法，我们在自有仓库中存放超过100万种商品，随时供客户取用，同时库存周转次数仍保持在每年14次以上。
上述决策虽然需要我们做出一些假设和判断，但在这类决策中，判断和意见只是"初级合伙人"，真正担当重任的是数学。
然而，正如你所预料的，并非所有重要决策都能以这种令人羡慕的数学方式来做出。有时我们几乎没有历史数据可循，而主动实验又无从实施、不切实际，或者本质上等同于直接拍板决定。尽管数据、分析和数学都有一定作用，但这类决策的核心成分是判断力。[^1]
众所周知，我们已经做出了一个决策：随着效率提升和规模扩大，每年持续大幅为客户降价。这是一个极为重要的决策，却无法用数学方式来做出。事实上，每当我们降价时，我们都是在逆着自己算出来的数学结论行事——那个结论总是说，聪明之举是涨价。我们掌握了大量价格弹性数据，可以相当准确地预测：某个幅度的降价将带动销量增长若干百分比。但极少有例外——短期内的销量增长从来不足以弥补降价损失。然而，我们对弹性的量化理解是短期的。我们能估算出降价在本周和本季度的效果，却无法用数字测算出持续降价对未来五年、十年乃至更长时间的业务影响。我们的判断是：将效率改善和规模经济不断以更低价格的形式回馈给客户，将形成一个正向循环（virtuous cycle），长期下来产生数额大得多的自由现金流（free cash flow），从而使亚马逊的价值大幅提升。我们在免费超级快递（Free Super Saver Shipping）和Amazon Prime上做出了类似的判断，两者短期内代价高昂，但我们相信从长远看至关重要且价值显著。
再举一例：2000年，我们邀请第三方卖家直接在我们的"黄金零售地产"——也就是我们的商品详情页——上与我们展开竞争。在一个详情页上同时呈现亚马逊自营和第三方商品，看起来风险极大。公司内外许多好心人都担心这会蚕食亚马逊的零售业务；而且正如消费者端创新通常的情况一样，根本无法提前证明这样做是否可行。我们的采购团队也指出，邀请第三方入驻会使库存预测更加困难，一旦"输掉详情页"给某个第三方卖家，我们就可能被过剩库存拖累。然而，我们的判断很简单：如果第三方能以更低价格或更充足库存提供某件商品，我们就希望客户能方便地获取那个选项。随着时间推移，第三方销售已经成为我们业务中成功而重要的一部分。第三方商品单位占比从2000年的6%增长到2005年的28%，而与此同时零售收入增长了三倍。
数学决策容易获得广泛认同，而判断决策则理所当然地会引发争论，往往充满争议——至少在付诸实践并得到验证之前是这样。任何不愿承受争议的组织，都只能将自己局限于第一类决策。在我们看来，这样做不仅会减少争议，更会显著限制创新和长期价值创造。
我们决策哲学的基础，已在1997年的致股东信中阐明，该信已附于本函之后：
- 我们将继续全力以赴地关注客户。
- 我们将继续以长期市场领导力为考量来做出投资决策，而非着眼于短期盈利或短期华尔街反应。
- 我们将继续用分析手段衡量我们的项目和投资效果，果断放弃那些未能带来可接受回报的项目，并加大对最有效项目的投入。我们将继续从成功和失败中汲取经验。
- 在我们判断有足够概率赢得市场领先优势的地方，我们将做出大胆而非保守的投资决策。其中一些投资会有回报，另一些不会，但无论哪种情况，我们都将收获宝贵的一课。
你可以放心，我们将把强大的量化分析文化与敢于做出大胆决策的意愿结合起来。在此过程中，我们将从客户出发、逆向工作（start with the customer and work backwards）。在我们看来，这是为股东创造价值的最佳方式。
Jeffrey P. 贝佐斯
亚马逊创始人兼首席执行官
[^1]: 亨利·明茨伯格（Henry Mintzberg）、杜鲁·莱辛哈尼（Duru Raisinghani）和安德烈·西奥雷特（Andre Theoret）1976年合著的《"非结构化"决策过程的结构》（"The Structure of 'Unstructured' Decision Processes"）是一篇引人入胜的论文。他们研究了机构如何做出战略性"非结构化"决策，以区别于更可量化的"运营"决策。论文中有一句精辟之语："管理科学家对运营决策的过度关注，很可能导致组织以更高的效率走向错误的方向。"他们并不否认严谨量化分析的重要性，只是指出它获得了过多的研究和关注——大概正是因为它更易于量化。
📊 2005年关键数据
| 指标 | 上年（2004） | 本年（2005） | 增幅 |
|---|---|---|---|
| 第三方卖家单位占比 | 约24% | 28% | +4个百分点 |
| 零售收入（相较2000年） | — | 增长约3倍 | ~3x（5年） |
| 自有库存SKU数量 | — | 超过100万种 | — |
| 库存周转次数 | — | 超过14次/年 | — |
| 第三方单位占比（2000年基准） | 6%（2000年） | 28%（2005年） | +22个百分点 |
🧠 核心概念
概念一：数学决策 vs. 判断决策（Math-based vs. Judgment-based Decisions）
中文释义： 贝佐斯将亚马逊的决策分为两类：一类是"数学决策"，即可以用数据、模型和量化分析得出明确答案的决策，比如新建配送中心的选址、库存采购量的计算等；另一类是"判断决策"，即缺乏历史数据、无法提前通过实验验证的战略性决策。在数学决策中，判断和意见只是"初级合伙人"，主力是数学；而在判断决策中，数据和分析虽然也有价值，但核心驱动力是经验与远见。贝佐斯认为，过于依赖数学决策会限制创新空间——管理科学家对"可量化的运营决策"给予了过多关注，却忽视了那些真正塑造企业方向的战略判断。
概念二：持续降价的判断（Relentless Price Reduction）
中文释义： 贝佐斯承认，从短期数学模型看，降价从来不合算——因为价格弹性数据显示，短期内销量增长往往不足以弥补降价损失。但亚马逊选择"反数学"地坚持降价，原因在于他们相信长期价格信任所产生的飞轮效应。持续降价→客户信任增强→购买更多→规模扩大→成本下降→可以再降价。这个正向循环在10年、20年维度上产生的自由现金流远超短视提价策略。这是典型的"判断决策"——无法用数字证明，但贝佐斯坚信其正确性。类似的逻辑也适用于免费超级快递（Free Super Saver Shipping）和Amazon Prime。
概念三：第三方竞争与"黄金零售地产"（Third-Party on Prime Real Estate）
中文释义： 2000年，亚马逊做出了一个颇具争议的判断决策：允许第三方卖家直接在同一商品详情页与亚马逊自营竞争。内部采购团队担心这会导致库存预测困难、自营商品"输掉详情页"。但贝佐斯的判断很简单：如果第三方能提供更低价格或更好库存，客户就应该便捷地获取那个选项。这一决策到2005年已被充分验证——第三方单位占比从2000年的6%增至28%，而零售收入同期增长3倍。这证明了"判断决策"在经过足够时间后可以被事实证明。
概念四：飞轮与正向循环（Virtuous Cycle）
中文释义： 贝佐斯在这封信中多次暗示亚马逊的飞轮逻辑：效率提升→降价→客户体验改善→更多客户→更大规模→进一步降低成本。这个正向循环的关键在于，每一次对效率和规模的投资，最终都以更低价格的形式回馈给客户，而不是短期提升利润。Free Super Saver Shipping、Amazon Prime和对第三方卖家的开放，都是这个飞轮上的齿轮。长期来看，飞轮转动产生的自由现金流远大于任何短期利润最大化策略。
概念五：争议与创新的关系（Controversy and Innovation）
中文释义： 贝佐斯指出，数学决策容易获得组织内部共识，而判断决策则天然伴随争议——至少在被实践证明之前如此。如果一家公司拒绝承受争议，它就只能做数学决策，这不仅会减少摩擦，更会"显著限制创新和长期价值创造"。这一观点深刻揭示了大型组织倾向于规避风险、走向保守的内在机制，也解释了为何亚马逊愿意做出外界看来"不理性"的长期投资。容忍争议是保持创新活力的前提。
🔗 核心概念关系图
【客户至上】
│
▼
┌─────────────────────┐
│ 持续降价（判断决策） │
└──────────┬──────────┘
│ 形成
▼
【正向飞轮】
┌──────────────────────────────┐
│ 降价 → 客户信任 → 更多购买 │
│ → 规模扩大 → 成本降低 → 降价 │
└──────────┬───────────────────┘
│ 产生
▼
【长期自由现金流】
▲
│ 支撑
┌──────────────────────┐
│ 数学决策（运营优化） │◄──── 量化分析文化
│ 判断决策（战略方向） │◄──── 勇于承担争议
└──────────────────────┘
│
┌──────────┴──────────┐
│ │
【第三方平台开放】 【Prime/免费快递】
（2000年判断→2005年验证） （短期成本→长期价值）
💡 延伸思考
- 亚马逊的"判断决策"体系与传统MBA教育强调的数据驱动决策有何根本冲突？参见 长期主义 与 数据驱动文化 的张力。
- 贝佐斯说"持续降价无法用数学证明"，这与"客户终身价值（LTV）"模型是否矛盾？如何理解 自由现金流 与短期利润的取舍？
- 第三方卖家开放策略从2000年的"争议决策"到2005年的"验证成功"经历了5年——这对企业评估 判断决策 的时间框架有何启示？
- "任何不愿承受争议的组织只能做数学决策"——这一论断如何解释大公司创新乏力的深层原因？参见 组织文化 与 创新惰性。
- Amazon Prime的推出在2005年仍是"昂贵的短期投入"，贝佐斯凭什么相信它长期有价值？这背后的 客户行为心理学 逻辑是什么？