效標參照（criterion-referenced）市場
最近跟一個很久不見的朋友聊天，討論到研究所的考試覺得蠻有趣的。
朋友才讀 2-3 月時間，就拿到數個某領域研究所的榜首（該領域研究所整體錄取率 <4%，）。我問她秘訣是什麼。朋友說：研究所考試就是個「常模參照（norm-referenced）」，重點是不是你考幾分，而是你是否考的比競爭對手好。
- 常模參照（norm-referenced）：重點是不是你的絕對分數，而是你的相對分數
在這個類型的考試中，科目是否及格不是重點，重點是你贏過多少人。很有可能只考了 30 分，但仍然可以進入面試（因為該年就是特別難，所以其他人都考 10 分）。在這類遊戲中，重點是「對市場敏感度」，要對「多數人目前有的基礎」有掌握，並且想辦法稍微超越對手。
例如：如果有歷年考古題，就要去熟悉這些考古題，或是打聽、網路上觀察歷年考生都怎麼準備。因為你的對手，極可能也準備了一樣的內容。並且等考古題準備很熟後，就再去針對相關方向多準備一些可能出題的冷門方向，建構自己的優勢。
- 效標參照（criterion-referenced）：重點不是你與他人的相對分數，而是跟「標準」比的絕對分數
在這個類型的遊戲中，重點是「找到標準」，並確保自己可以穩定的超越標準。在這種考試中，有多少競爭對手並不重要，因為競爭對手數量並不會影響你在這場遊戲中是否勝利。同時，也不需要花太多時間去研究其他人在幹嘛，或是特別準備一些冷門方向考題，只要「確保通過標準」即可，例如：駕照、英檢。
我覺得常模和效標這兩個差異很有趣，並且覺得很多領域也可以有類似的應用
求職：效標市場的求職紅利期
以求職來說，我的觀察是
- 一個新領域/職業通常一開始會先是「效標參照」：
由於專業領域剛形成，該領域從業人士還很少，常模還沒有成形。同時，如果該領域正好「需求大於供給」，求職者只要「會做」就好，先行者很容易進入這個產業，只要多會一點就可以吃到時代紅利。例如：在互聯網早期的軟體工程師，可能會一些 html/css/javascript 就有機率進入這個產業。
- 成熟領域的職業，會逐漸轉變成「常模參照」：
當這個產業的從業人數變多，常模被建立、企業選擇變多，同時該產業慢慢進入「供給大於需求」，整個產業的進入門檻就會變高，變成「常模參照」。求職者開始從跟門檻比，變成在跟其他求職者在比較，整體變得愈捲。
例如：軟體工程師從只會簡單 javascript / python不夠，到開始需要會一些框架，再到後來是要會系統設計、演算法....，而有 AI 之後導致職位需求降低，整體市場變得更競爭激烈。
今年自己從軟體工程師，轉換職為 AI 前端部署工程師(Forward Deployed Engineer, FDE) 也是一個類似的邏輯：在軟體工程師這樣競爭激烈的「常模參照」的市場，意識到自身好像沒有意願/興趣在參與這樣垂直技術領域的參照市場遊戲，轉而投入一正處於極早期階段的職業。
除了少數公司（例如：Palantir ）有多年運作FDE 的經驗，多數公司都還不確定該怎麼定位這種人才，常模尚未成形（甚至連效標）都尚未成形，某個程度是適合進入的時間點。當然，也須考量到如果形成常模參照時，長期來看是否仍然具備競爭優勢。而目前的想法是這職位結合了自身對技術、商業、顧問、sales 的綜合興趣，雖然不確定性高，但值得嘗試。
投資：用供需判斷該用哪種參照
以投資角度來說
- 當一個領域處於供給過剩時，適用「常模參照」：
此時需求方的選擇極多，投資的重點在於「相對比較」。投資人必須嚴格檢視公司的競爭優勢，釐清為什麼這家公司能勝過對手。
例如：當記憶體週期反轉、供過於求時，買家掌握絕對話語權，會極度挑剔價格、良率與售後服務，導致弱勢廠商虧損倒閉。這時投資時就必須將篩選標準拉到最高，只鎖定具備最強護城河的龍頭企業，去「比較」哪間公司最有機會吃下機會。
- 相反地，當需求遠大於供給時，市場則轉為「效標參照」
當新興市場爆發，市場運行的邏輯其實是「供需失衡下的資源掠奪」。此時買方為了搶奪稀缺產能，會自動降低要求，讓市場的「效標（標準）」降到極低——甚至只要「能交貨 / 做得出來」就成了唯一的效標。
此時投資時可以適度放寬篩選門檻，因為市場胃納量巨大，核心重點在於「是否達標」。短期內只要產品及格、做得出來的公司，都能分享到市場紅利。例如：AI 資料中心的需求全面爆發，在這種整體供不應求的環境下，所有跨過技術門檻的廠商都會一起受惠。
結論
效標是正和遊戲（前提是這個遊戲要需求大於供給），而常模是零和遊戲。前者只要「達到標準」即可，後者必須「贏過對手」。是否同樣的努力，在效標市場的報酬遠大於常模市場。或許，有時真正的策略不只是想怎麼贏，而是選對遊戲再下場。