两到三个理性参与者时最精准
策略分析的精度和参与者数量直接相关。
两个人谈判、两家公司竞标、两个候选人竞选—— 参与者有限、行动可列举、偏好可推断。 这类场景是迪克西特方法最锋利的地方。
三个参与者还行。 联盟、投票悖论、三方博弈都能处理。 但分析复杂度已经明显上升。
前提条件也重要： 参与者的目标大致清楚； 可选行动有限且可列举； 结果可以合理预估。
满足这三条，策略分析给出的判断可靠。 缺了任何一条，分析质量会快速下降。
群体行为和情绪决策的盲区
博弈论假设参与者是理性的—— 能评估选项、预判对方、选最优策略。
但真实世界里，很多决策被情绪驱动。 报复、面子、恐慌、冲动—— 这些因素不进入支付矩阵， 但会直接改变实际行为。
最后通牒实验反复验证这一点。 理性上应该接受任何正数， 但不公平的方案经常被拒。 公平感是真实的博弈变量。
群体行为是另一个盲区。 股市恐慌、抢购潮、社交媒体的舆论风暴—— 参与者太多，相互影响太复杂。 策略分析默认的"有限参与者"假设不成立。
遇到这两类场景， 策略分析可以提供背景理解， 但不要指望它给出精确的行动建议。 行为经济学和群体动力学在这里更管用。
信息极度不对称时分析会空转
策略分析需要你对对方的偏好和选项有基本了解。 哪怕不精确，也要有大致判断。
但有些场景里，信息不对称极端—— 你完全不知道对方的目标是什么； 你甚至不知道对方有哪些选项。
比如跟一个完全陌生的对手谈判。 没有历史数据，没有共同背景， 没法推断对方的偏好。
再比如面对复杂的制度博弈。 政策制定者的目标函数不透明， 多层代理关系让决策链条看不清。
这类场景里，博弈分析会空转—— 模型跑起来了，但输入是猜的， 输出就不可靠。
判断标准： 如果你画博弈树时发现大量节点标着"不确定"， 说明当前信息不足以支撑策略分析。 先补信息，再回来。
什么时候该停下博弈分析
四种信号提醒你该换工具。
参与者超过五个， 且彼此之间的互动关系难以穷举—— 换成博弈论的简化模型或者系统动力学。
对方明显不在做理性计算。 愤怒、恐惧、信仰驱动的行为， 用博弈论预测容易偏离。
你发现自己在给对方"编"偏好。 如果对方的支付函数是你猜的， 分析结果也是猜的。 不如直接沟通，先搞清对方想要什么。
你已经在分析里转了三圈还没有结论。 策略分析应该简化决策，不是增加困惑。 如果越分析越复杂，可能是场景本身不适合。
遇到这些信号，正确做法不是"更仔细地分析"。 是退一步，判断当前问题是否真的是博弈问题。 有些困局的根源不在策略，而在信息、信任或制度。