周日晚上真正难的，不是找到三家店各自的优惠，而是算清整张购物清单在哪家最便宜。三个页面能告诉你牛奶、洗衣液或咖啡各省多少，却往往回答不了一个更实际的问题：这一篮东西到底该去哪儿买。
你把清单放在桌边，浏览器里开着三家附近商店的页面。第一家把黄油放在显眼位置，第二家的咖啡看起来更便宜，第三家正在推纸巾和洗发水。你来回切换标签页，记下几个价格，又发现包装规格不同。十几分钟过去了，单品优惠越来越多，整篮总价依然算不出来。
三个页面为什么越看越难决定
每个页面都在回答自己的问题：这周我们店里什么便宜。你需要的答案却横跨三家店：清单上的商品分别多少钱，总价是多少，多跑一家店能省多少，额外路程是否值得。
麻烦从第二件商品开始累积。某家店的牛奶便宜，但洗衣液更贵；另一家店的咖啡降价，却没有你清单上的同规格纸巾。再加上自有品牌、包装大小和单位差异，页面上的每个数字都可能是真的，放在一起却未必能直接比较。
这也是为什么“我记得那家通常便宜”很容易成为最后的决定。它省下了继续计算的脑力，却不保证本周这张清单真的更便宜。一次显眼的促销还会抢走注意力，让你忽略其余十几件商品。鸡蛋少几毛钱，并不能证明整篮价格更低。单品优惠可能在整篮里被花回去。
1999年，一组无法直接合并的数字让任务失控
1999年，喷气推进实验室位于美国加利福尼亚州帕萨迪纳，团队正在为“火星气候探测者号”执行导航。飞行数据持续进入计算流程，航天器也在接近火星。问题藏在不同团队交付的数据单位里。
洛克希德·马丁提供的软件用英制单位“磅力秒”表达推进器冲量，喷气推进实验室的导航软件则按公制“牛顿秒”读取这些数值。单独看，每套系统都在输出数字；合在同一条导航链路中，数字代表的量却不同。偏差不断累积，团队在航天器抵达火星前没有完成纠正。最终，“火星气候探测者号”失联，任务失败。
这起事故由NASA的“Mars Climate Orbiter Mishap Investigation Board Phase I Report”记录。报告把单位不一致列为关键原因之一。这里值得记住的并非航天任务的规模，而是那个更常见的机制：分散在不同系统里的数字，看起来完整，也可能无法直接拼成一个可靠结论。
周日晚上的三个商店页面当然没有航天任务的风险，但问题形状相似。一个页面按促销展示，另一个突出会员价，第三个采用不同包装规格。只收集数字还不够，必须先把商品、单位、距离和有效期放进同一套比较方式里。
真正该比较的是整篮价格和路程
更有用的做法，是先固定购物清单，再比较方案，而不是追着每家店最醒目的优惠走。你至少需要看到两种结果：全部在一家店买的最低总价，以及拆成两家店后可能得到的更低总价。
第二种方案还必须带上距离。省下几欧元，如果需要额外绕路、停车和排队，未必适合这个周一。反过来，如果第二家店就在你原本的行程附近，分开购买可能很合理。价格和路程应该同时出现，由你决定更看重方便还是节省。第三家店只省一点钱时，值不值得多跑一次，也该用同一套方法判断。
Best Price Alert处理的正是这个缺口。你建立或复用购物清单后，它会使用附近商店的当前价格和每周优惠，排列一站买齐与多店拆分方案，并把整篮总价和出行距离放在一起。你可以调整方便与节省的权重，而不是接受一个只按最低单价排出的答案。
它不会要求你买完后上传小票，也没有等待返还的流程。比较发生在出门之前，目的只有一个：让你在购物前知道这张清单该去哪儿买。
周日晚上，先把问题问对
下次再打开三家店的页面，可以先停一下。不要从“哪家店有最多优惠”开始，而要问：“按我这张清单，哪种购买方案的总成本最低？”
先列齐准备购买的商品，确认规格能够比较，再看一家店和两家店的整篮总价。随后把额外距离放进去，删除那些省得不多、却明显增加行程的方案。这样做比记住十个促销数字更接近真实决定。
NASA在1999年的教训很直接：数字进入同一套计算之前，必须先确认它们能被同一种方式理解。你的周日购物计划也一样。三个标签页提供的是材料，统一后的整篮比较才是答案。
评论
暂无评论。