这个结果表明，当顾客问了另一个完全不相*商品，他的成交概率从29%再次下降为8.7%/（8.7% 28.4%）=23%
还好，问完后，客户直接开始谈价格，很好，根据谈价格的行为的“第三次贝叶斯公式”，最终成交概率猛得上升到70%……
70%！等的就是你，销售员也就不藏着掖着了，直接拿出大*器——折扣，顺利将客户拿下，成交概率最终定格在100%。
在这个过程中，虽然一开始你只有一个与实际结果相差很大的先验概率，但通过掌握更多的信息，这个概率会越来越接近实际情况——0或100%，到了一定数值，你就可以作出应对。
很多人肯定想问，我怎么才能知道这些条件概率呢？答案就是两个字——先试。
这些都是在以往大量的销售实践中，渐渐总结出来的，并且始终不断更新，比如今天的这个中年男人，假设在85%的成交概率下，最后竟然没有买，这个经验就会改变销售人员的那些先验概率和后面的一系列条件概率。
所谓“经验”，就是你在某个专业方向，掌握了先验概率和大量条件概率。
到了这里，我们就可以用“贝叶斯算法”回答开头的投资机会分析的问题了。
5/6、投资中的概率
每个人都有自己最擅长的研究方法，用此方法选出的股票，在一定时间内（比如1年）符合预期收益率的概率，可以作为一个“先验概率”。
这个概率都不会太高，比如一般不可能超过60%（除非是特别长线的方法，或者符合要求的标的特别少的方法），否则，你只需要这一个指标，选20个股，就可以年年获得超额收益了。
如果你之前用此方法的战绩不错，那就可假定为55%。
接下来可以代入条件概率：在所有能/不能达到你的预期收益的公司中，管理不好的概率分别为多少。
事实上，这两个条件概率并不会相差太大——这个条件概率差异，称之为“区分度”，因为你的考虑时间是一年，这么短的时间，管理因素几乎可以忽略不计。而且，对于离职人员评价公司“管理混乱”的概率其实是非常高的，否则，离职的原因总不能是“自己能力不高吧”？
我们假设在所有能/不能达到你的预期收益的公司中 ，离职人员认为管理好的概率分别为20%/25%。
第二次贝叶斯计算后的结果为53%。
由于管理因素在一年期的投资中区分度不够，概率只是微微下降，仍然在50%以上。
投资者特别容易因个人好恶，用某个因素对标的进行“一票否决”，实际上区分度并没有这么大，没有贝叶斯概率，也就谈不上理性投资。
接下来的条件，“动销好”对一年期的投资结果影响的区分度就大多了，在符合/不符合预期的标的中分别为50%和30%。
区分度越大，这个条件的影响越大，在加入“动销好”这个条件后，投资收益符合预期的概率就上升到65%。
接下来，每发现新的信息，你都可以用贝叶斯算法，更新“符合预期收益”的概率。
投资高手会设定一个买入的概率，比如70%，一旦新的条件使概率上升到70%，就可以买入，后续再根据新的信息统计分析概率，继续上升到某一个水平比如80% ，则继续加仓，如果下降到某一个概率，比如低于55%，就结束投资。
