編輯導讀：思維建模是一種解決問題的綜合能力，是進一步把抽象問題具體化的過程。本文作者從AI的案例出發，對思維建模的作用和意義展開了分析討論，並分享了搭建思維模型的相關方法，希望對你有用。
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慧時代，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後，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後，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，就不會有那麼多的離婚官司，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。
什麼意思呢？AI如果精準地抓取了所有數據，那麼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，關鍵在於AI評判對與錯的標準是什麼？
當AI為你推薦女友，而你發現自己並不喜歡時。你要先查看AI為你選擇女友的「算法」到底是什麼？
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。
在這個算法框架裡，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」……
然後，AI在調整算法框架之後，會給你一份新的答案。
我們每天都可以得到很多個「答案」，然後在不同的答案之間，不知所措。
有衝突的「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麼。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裡，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作業系統，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、什麼是思維建模？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、迅速搭建出屬於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，我們要憑藉已有信息，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：為什麼湛盧出版的《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。
於是，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。模型裡涉及了3個大維度，14個1級指標，和1級指標下的27個2級指標。
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。
那麼，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。
二、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：
公司營收和毛利行業廣告支出在營收毛利中的佔比競爭對手的投放費用未來一年市場增速所提供的費用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。以後，任何一個客戶問你該花多少錢，你都可以藉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,如轉圓石於千仞之山者，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，並且還寫成了書。
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。比如什麼是幸福的婚姻？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，我偶爾會後悔招進來某個人。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。
於是，我建立了自己的「招聘防後悔」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，乾脆不要。試用期不願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，我後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，其實並不容易。
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，那些小問題又是怎麼想出來的呢？
其實，這才是「思維建模」的最難的一點：如何找到問題裡的關鍵變量。
三、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，成年人有多少根頭髮？HR要求你，不藉助任何工具，只靠一張白紙和一支鉛筆，去計算出人類頭髮的數量。
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髮面積。
目測，人頭髮的表面積，大約佔了整個頭顱的二分之一。也就是說二分之一的足球大小，就是正常人的頭髮面積。
一個足球，憑想像大約直徑是20CM，表面積是π×20²≈1256cm²，二分之一的面積就是628cm²。
1cm²，憑想像大約有10×10=100根頭髮。
所以，最後的答案是628cm²×100=62800根頭髮。
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，但也正確範圍值內。
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。於是，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，為什麼會出現連鎖店？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，為什麼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，那麼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後，什麼都記不住。
分析是為了把一個複雜的事簡單化，而不是把一個複雜的事搞得更複雜。
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，我們還欠缺最後一塊拼圖。
四、一個思維模型，怎麼才能真的有用？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，不知道錯在哪裡，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，才有可能靠它徵戰舞會。
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——再測試的思考循環裡，百鍊成鋼。
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，但是滿街都是幹了一輩子，還沒弄明白自己那點事的人。
為什麼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，你並沒有找到答案，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範圍。
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：點讚、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、內容標籤、關注帳號、社交關係……
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麼？
而且，人相較於機器的劣勢是：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、後知後覺。
比如，影視劇裡總有不解風情的傻小子，現實裡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：讀了什麼書、見了什麼人、與人交談的內容、寫過什麼東西、吃了什麼飯……
這些日記簡稱「流水帳」，但這些「流水帳」卻意義非凡，一代聖人就是用這種方法觀察自己。
在日記中，曾國藩經常標註幾點吃飯了、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」。
結語當我們去徵服一片大陸時，我們以為自己需要一塊地圖，於是拼命搜集、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。
對於我而言，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。
#專欄作家#梁將軍，公眾號：梁將軍（ID-liangjiangjunisme），人人都是產品經理專欄作家。品牌IP戰略顧問，每兩周大約思考一個營銷課題。
本文原創發布於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議