解決問題，我們需要學會「思維建模」
原標題：【營銷學習】為什么正確的答案，換不來正確的結果？
未來人類要準備好，每十年要重塑自己一次，扔掉自己過時的知識、技能、經驗、假設和人脈，重新來過。
——《人類簡史》/尤瓦爾·赫拉利
來，我們先做個腦洞題。
假如你生活在人工智能時代，你是一個北京地區的大齡男青年，AI在讀取了你的過往行為數據，又結合全城適齡女青年檔案之后，為你推薦了三位最匹配的結婚對象。但你在看了三位女孩子的檔案后，發現沒有一個是你喜歡的。問：你到底該不該聽信AI的建議？
有人會認為，人是有自由意志的，即便AI算法無比精準又強大，但是也不應該將命運交給機器。也會有人認為，人其實是不了解自己的，如果人真的了解自己，就不會有那么多的離婚官司，所以選擇AI至少比被父母安排相親靠譜。
但其實，這兩種思考邏輯都太“原始”。真正的思考邏輯是：你不是要質疑AI的答案，而是要質疑AI的算法。
什么意思呢？AI如果精準地抓取了所有數據，那么AI的計算是不可能出錯的。但是正確的答案不一定有正確的結果，關鍵在于AI評判對與錯的標準是什么？當AI為你推薦女友，而你發現自己并不喜歡時。你要先查看AI為你選擇女友的“算法”到底是什么？
比如， AI的邏輯有可能是這樣的：AI盤點了學歷背景、消費觀念、家庭地位、社會職位、興趣愛好、相貌評分、價值取向、戀愛經歷等所有關鍵因素，給你推薦了一位最合適的未來妻子。
在這個算法框架里，AI的評估標準其實是你和女方的「匹配值」。如果你聽信了AI的建議，你將迎娶一位“合拍”的妻子。
但如果你不是一位追求“合理”的人，“合適”不是你的選擇標準，你不看重是否天長地久，只看重是否熱烈地愛過。你可以讓AI去校正自己的算法，加入一些新的計算維度，例如，“愛情在人生中預估比值”、“星座是否是火向的”等、“是否有熱愛藝術”……
然后，AI在調整算法框架之后，會給你一份新的答案。我們每天都可以得到很多個“答案”，然后在不同的答案之間，不知所措。
有沖突的“答案”：有些人告訴你，不要忘記品牌，用戶心智才是企業最大的護城河；另外一些人告訴你，品牌理論過時了，你需要利用增長思維做企業。
有過氣的“答案”：一些營銷文章告訴你如何利用H5做病毒營銷，還沒等你學明白H5的玩法，H5創意就已經過氣了。
有過剩的“答案”：在電視媒體輝煌時代，做媒介的只要懂收視率、收視份額、毛評點，就能算明白自己買到了什么。現在呢？我們還得知道CPM、oCPX、CPS、CPA、CVR、CTR、CPD、GD、DSP、DMP、CDP、CRM……
在這個充滿答案的時代里，答案變成了一個“變量”。我們不應該追求固定的答案，而是要追求計算答案的能力。
答案是經常變化的，但計算出答案的公式可能是不變的。
營銷人在面對海量知識點時，光努力學習是沒用的，我們要做的是：隨時可以搭建起一套大腦操作系統，這樣才能解碼和兼容下載的知識點。我把這種能力稱之為「思維建模」。
一、什么是思維建模？
一提到思維模型，很多人就會想到SWOT分析、OKR、波特五力模型等這些經典的理論模型。但我說的是「思維建模」，不是讓大家套用大師們的模型，而是要學會隨時隨地、迅速搭建出屬于自己的理論思考模型。
「思維建模」的含義是：當我們發現一件事沒有參考經驗、沒有現成答案時，我們要憑借已有信息，迅速編出一套臨時“算法”，迅速解決掉這個問題。
我來舉個例子。前幾天，和湛盧文化的創始人韓焱韓總聊到一個現象：為什么湛盧出版的《價值》能夠破圈，成為今年的現象級圖書？我向韓總介紹了我日常評估IP的一種量化方法， 用這種方法我們常年為廣告主評估電視劇/綜藝。
簡單說，就是把一個IP可能引發流行的因素，拆解成很多個關鍵變量。從而把一個拍腦門的事，變成一個可以量化的數學計算。這種方法不一定100%準確，但至少減少了不確定性，增加了決策依據。韓老師對這種方法很有興趣，希望我給湛盧制定一套爆款書籍的評估模型。
按理說，我不是出版業的人，我對熱賣圖書的一些信息掌握應該是陌生的，但是因為我是個營銷人，任何一種事物的流行都有其不變的規律。于是，我就用「思維建模」的方法，搭建了一個爆款書籍的理論評估模型。
模型里涉及了3個大維度，14個1級指標，和1級指標下的27個2級指標。具體這個模型長什么，我會在公眾號的「番外內容」里分享。
簡單說，這種思考方式要求我們：不要把自己當人看，要把自己當成一個低配版的AI系統。
那么，如果想形成「思維建模」的能力，其實要扭轉過往的一些思考習慣。我覺得第一個要扭轉的習慣是，一定要學會把抽象的大問題拆解成具體的小問題。
1、把一個抽象的大問題，拆解成具體的小問題
很多時候，我們面對的都是一個抽象的商業問題，比如“我們明年廣告費該花多少錢？”回答這種問題時，你有兩種選擇：一種是提供觀點式的建議；一種是提供量化式的建議。
觀點式的建議會這樣說：張總，明年是競爭白熱化的一年，我們要想站穩腳跟，不能太保守，必須有燒錢的魄力，我建議投4000萬。
量化式的建議會這樣說：張總，我們一年的營收是3個億，毛利是1個億。行業內一般會拿出毛利的30%，作為下一年的廣告費支出。
但是明年會面臨行業洗牌，考慮到明年的市場增速，我們營收大約在5個億，毛利1.5億。我建議，把今明兩年的盈利都用在廣告投資上，大約是4500萬，從而徹底站穩市場，再考慮你公司的資金周轉和成本消耗，我們至少要投入4000萬。
觀點式的建議只能讓人選擇是和否，只有量化式的表達建議，才能為決策提供丈量依據。“明年廣告費該花多少錢？”這個問題是抽象的，但抽象的問題可以一步步拆解成可被計算的小問題，這些個小問題就組成了一個思維模型：
1）公司營收和毛利；
2）行業廣告支出在營收毛利中的占比；
3）競爭對手的投放費用；
4）未來一年市場增速所提供的費用；
5）資金周轉和成本消耗。
以上這五個因素共同決定了客戶的廣告預算，而且每個因素都是可被計算的。以后，任何一個客戶問你該花多少錢，你都可以借助這個模型計算出答案。
我們再看一個好玩的例子。
《孫子兵法》有句話叫，“故善戰人之勢,如轉圓石于千仞之山者，勢也。”意思是帶兵打勝仗的人，所營造的勢頭，就好比在一個高山上，把一塊圓石頭推下去。圓石滾下山的那種不可阻擋的力量，就是“勢”。
孫子老人家這句話，我們可以換個表達方式：從高山上推下一個圓石頭，產生的其實是“重力勢能”。
重力勢能 ＝ 質量 × 重力加速度 × 山高
如果我們知道山高、知道石頭的重量，再乘以重力加速度≈9.80 m/s2 ，我們就能算出所謂的“勢”到底有多大。沒借勢和借勢的差別，就是原地滾石頭和高山上滾石頭的差別。但差別有多大？如果孫子學過物理，他應該可以計算出，大約多了多少倍。
所以，把一個抽象的大問題，拆解成一個個小問題，目的是讓這個大問題變得可計算、可測量。
前幾天，看到一本書，叫《數據化決策》，我才發現，這種思考方式已經被前人廣泛應用，并且還寫成了書。這本書的作者提出一種觀點：一切皆可量化，包括看似不可能的無形之物。比如什么是幸福的婚姻？如何才能找到真愛？
受到這本書的啟發，我把我的思考擴展到了營銷之外的地方，比如，“如何招聘到合適的人？”以前，我偶爾會后悔招進來某個人。現在我知道了，是我沒有把“招聘”這件事拆解成具體的評估原則。于是，我建立了自己的“招聘防后悔”模型，我的模型長這樣：
面試時，第一直覺不對的人，堅決不要。
打破現有團隊薪酬結構的人，堅決不要。
猶豫要不要聘用的人，干脆不要。
試用期不愿意改變過往工作習慣的人，淘汰掉。
只有苦勞沒有功勞的人，不漲薪。
這個模型沒有提到任何專業技能方向的考量，因為專業經驗和技能我是很難看錯的，我后悔一定是其他方面的原因。比如，這個模型的第二點“打破現有團隊薪酬結構的人，堅決不要”。我認為，一個人不管有多厲害，我多想要他，都不能為了他去打破團隊的薪酬結構，任何組織都是“不患寡而患不均”，這樣一定會導致團隊分裂。
面對一個商業問題，能夠利用常識迅速搭建出自己的理論模型，其實并不容易。雖然很多人都明白，要把抽象的大問題拆解成具體的小問題。但關鍵是，那些小問題又是怎么想出來的呢？其實，這才是「思維建模」的最難的一點：如何找到問題里的關鍵變量。
2、只有找到“關鍵變量”，才能思維建模
很多大公司面試時，經常會問出一些奇怪的問題。比如，成年人有多少根頭發？HR要求你，不借助任何工具，只靠一張白紙和一支鉛筆，去計算出人類頭發的數量。這其實是考驗候選人，如何在有限的資源和信息下，找到最簡潔可行的做事方法。
我的計算思路是這樣的：
人的頭顱大約和一個足球差不多大小，可以用足球的表面積換算出頭發面積。
目測，人頭發的表面積，大約占了整個頭顱的二分之一。也就是說二分之一的足球大小，就是正常人的頭發面積。
一個足球，憑想象大約直徑是20CM，表面積是π×202≈1256cm2，二分之一的面積就是628cm2。1cm2，憑想象大約有10×10=100根頭發。
所以，最后的答案是628cm2×100=62800根頭發。
真實的答案是：有6萬到12萬根。據統計，黑人大約6萬到8萬根，黃種人大約8萬到10萬，白人大約10萬到12萬根。我的答案雖然誤差很大，但也正確范圍值內。
只是我在計算時“作弊”了，因為我這個數學一直不及格的文科生，居然忘了小學生都會的球體表面積計算公式。于是，我羞愧地百度了一下，才算出答案。
這就是思維建模的難點。在拆解問題時，一旦無法知道關鍵變量，或是把關鍵變量計算錯了，就沒法得出正確的答案。
“關鍵變量”就好比一個模型的關節，關節如果找不到，根本沒法架構起一座思想大廈。其他地方壞了還可以修修補補，大廈還不會塌，但關節斷了，大廈就搖搖欲墜了。
營銷人在做競爭分析，在擬定品牌策略時，必須先去徹底洞悉出“關鍵變量”，才可以在這些關鍵變量的基礎上，搭建戰略大廈。
我們就拿新零售為例。零售業是如何發展到今天這個規模的呢？我們看一下高瓴資本的研究。
這張圖摘自張磊張總的《價值》。高瓴認為，零售業之所以能成長到今天這個規模，是因為新技術催生了新的商業設施。
比如，為什么會出現連鎖店？其實是因為鐵路的出現。因為有了鐵路，才有了現代物流，商品的物流和生產周期才可以做到標準化；再比如，為什么會出現越來越多的商品類目？因為電冰箱出現了，食品品類才可以爆炸性的擴張。
高領的研究結論簡單、清晰，新零售行業的增長動能，就在這幾個關鍵變量上。在這些關鍵變量上，高領總結出，研究的關鍵=關鍵時點+關鍵變化。
我一直覺得，投資公司對行業和公司的研讀，經常是碾壓營銷公司的。也許是因為投資公司是花錢的人，所以不得不認真。營銷公司是收錢的，所以經常自命不凡。
高瓴資本對新零售的分析，給我們一個重要的啟發：“二八法則”是分析的視角，也是分析的結論。
我們做商業分析時，要永遠把這個世界一分為二。左邊是多數的、不重要的事，右邊是少數的、重要的事。如果我們發現沒法把這個事二八劃分，那么這事我們一定沒弄明白。調研機構經常發布各種行業報告，但當你累花眼睛、看完大大小小的柱狀圖和餅狀圖之后，什么都記不住。
分析是為了把一個復雜的事簡單化，而不是把一個復雜的事搞得更復雜。
學會量化一個抽象問題，學會發掘關鍵變量，我們可以完成思維建模的第一步，但如果想要一個思維模型是真正有用，我們還欠缺最后一塊拼圖。
二、一個思維模型，怎么才能真的有用？
我曾看到，有廣告策劃這樣為品牌做SWOT分析。
S，品牌優勢是產品質量好。
W，品牌劣勢是品牌知名度不高。
O，機會是行業高速增長。
T，威脅是競爭對手廣告投的多。
結論：應該加大廣告投放。
別笑！其實，我們很多人都有過類似的經歷，你看到了一個厲害的分析模型或者方法論，嘗試用了一次，但結果依然毫無建樹。
問題出在哪呢？因為分析模型不是數學公式，它沒有一個標準答案。如果你在應用中，不知道錯在哪里，沒人給你反饋關鍵信息，你就沒法校對自己。
光有一個模型，往往得不出正確答案，這個模型要被事實校對，才能真正有效。好比你買了一雙漂亮的高跟鞋，但是這雙鞋很磨腳，愛美的女孩子們必須“盤”上一兩個星期，才有可能靠它征戰舞會。
就拿我前面提到的爆款書籍評估模型一樣，那個模型現在一定是殘缺的，不準確的。但如果我拿出近三年的暢銷書籍排行榜，挨個去衡量，才有可能確認哪些關鍵變量被我遺漏了，哪些變量的權重被我錯估了。
所以，思維模型其實是、也必須是動態的。它會在測試——校對——再測試的思考循環里，百煉成鋼。
但是，我們常以為，只要試錯的次數夠多、經驗夠多，我們自然就會越理解一件事。道理是這個道理，但是滿街都是干了一輩子，還沒弄明白自己那點事的人。
為什么有時候擁有大量的反饋數據，但卻沒有像今日頭條一樣，把算法校對的越來越準呢？
舉個例子。問題是：1 + 1 ＝ ？，你作答了三次：
1 + 1 ＝ 5
1 + 1 ＝ 6
1 + 1 ＝ 7
這三次試錯，你并沒有找到答案，甚至越找越遠了。
我們再換三次作答：
1 + 1 ＝ 1 - 10
1 + 1 ＝ 1 - 5
1 + 1 ＝ 1 - 3
這幾次作答，其實是在不斷縮小目標范圍。
可以說，思維模型的反饋，也是需要思維模型的。
就拿我們刷手機短視頻為例，短視頻APP會統計很多觀看行為。顯性的行為記錄有：點贊、評論、留言、喜惡。隱性的行為記錄可能有：停留時間、所在地域、登陸頻次、內容標簽、關注賬號、社交關系……以上，這些因素以某種計算方式組裝起來，就是機器的思維模型，只是機器把它叫算法。
我們也要明確自己的反饋機制是什么？而且，人相較于機器的劣勢是：機器對任何系統反饋都是可以正確記錄的，而人卻常常對一些重要的反饋視而不見、后知后覺。比如，影視劇里總有不解風情的傻小子，現實里總有對女朋友情緒遲鈍的直男癌。
所以，我們要做的就是，把反饋機制變得“可視化”。
曾國藩有一項習慣，就是記日記。曾國藩的日記很有特點，一直在寫：讀了什么書、見了什么人、與人交談的內容、寫過什么東西、吃了什么飯……
這些日記簡稱“流水賬”，但這些“流水賬”卻意義非凡，一代圣人就是用這種方法觀察自己。
在日記中，曾國藩經常標注幾點吃飯了、幾點寫字了，“時間感”非常強。因為曾國藩一直體弱多病，所以，“精力管理”和“時間效率”一直是他關注的事。
可以說，在那個沒有番茄工作法和計時器的年代，日記就是曾國藩的復盤工具，就是他粗糙的、可視化的反饋機制。擁有一個反饋機制，再把這個反饋機制可視化，我們的思維模型才可以被“開光”。
結語
當我們去征服一片大陸時，我們以為自己需要一塊地圖，于是拼命搜集、爭奪別人手上的地圖殘片。但當我們真正擁有地圖時，才發現面前的大陸已經滄海桑田、物是人非。
其實，我們真正需要的一個指南針。指南針讓我們在一個變化的環境下，永遠可以找到北極星。對于我而言，思維建模的能力就是一個指南針，讓我在這片翻騰的知識大陸上不走失。
作者公眾號：梁將軍（ID：liangjiangjunisme）
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）