产品经理的必修课系统化思维

　　做产品时，应该尽可能用简单纯粹的逻辑，用简单模拟复杂，而不是用复杂追求复杂。
　　＂思维＂是很难讲的东西，蜗牛老师的分享非常精彩，得到了现场同学们的一致好评——
　　……这种东西不好讲，很容易就＂虚＂掉，而且没有深刻经历过的人未必能马上深刻理解，无法深刻理解就变成了人人都懂的道理，但是分享嘉宾是咨询出身，16年经验，讲的很棒，通过深入浅出讲物理学原理，以及多个成功案例，一点点渗透大家认知，最精彩的就是能引导大家去独立思考，通过现场捕捉大家的错误观点，打破大家的固化思维，引发认知升级，这点非常非常重要……以前部分观点是有亲身认知的，但都是血淋淋教训吸取的，从未有这么系统的认知。——兰枫
　　需要说明的是，本文重点记录的是核心论点，限于篇幅，没详细说论据，大家若有兴趣，可另外参考蜗牛老师的知乎专栏《世界变化这么快，我们该怎么办？》。
　　一、经验与方法
　　1、经验与方法的区别
　　需要给别人指路时，如果对方是一个完全不会看地图的人，我们就只能采取＂以地标为主＂的指路方式，详细的诉说整个路程中经过的所有地标，这样的指路方式简单易用，但是，一旦处于新的环境、丧失了这些地标的话，这样的指路方式就失去了意义。而如果一个人学会了看地图，那么再也没有什么困难的路可以难到他。
　　＂按照地标指路＂便是我们所说的经验，经验听起来复杂，做起来简单，学习成本极低，易学易用见效快，但是死板，会随着环境的变化而很快过时。＂看地图的能力＂，则是我们所说的思维方法，听起来简单，做起来复杂，极其抽象，不易于理解，更不易学习，很灵活，泛用性广，不容易过时。
　　人是倾向于学习经验的，因为它足够固定，足够简单。但是经验却经常变化，需要我们不断地学习新的经验。因此如果只学经验，不学方法，当改变来临的那一刹那，我们就傻眼了，即使学习了很多东西，依然没有很强的处理问题的能力。
　　2、经验与标准的关系
　　在电商领域，阿里巴巴活下来了，所以阿里巴巴塑造了电商的标准。然而在AI的领域，还没有经验，更没有标准，谁活下来了，谁就是经验，谁就是标准。为了应对全新的领域，我们必须要学会方法，就好比走路时要认清东南西北，方法虽然抽象难学，但却有更长的寿命，更强的适用性，一旦掌握了方法，我们就可以利用自身的优势创造经验。
　　分辨我们学习到的东西是经验还是方法，有一个简单快捷的识别手段：看我们学习到的东西能否跨场景使用。在实际中，没有思维方法的帮助，我们学到的大多数经验，其实都是错的。而这些错误的经验，会让我们越学越傻。标准是成功的经验的产物。不要用复杂去追求复杂，而要用简单去解释复杂。
　　3、用具有方向的思考方式取代猜测
　　为了说明这个问题，老师举出了柯达胶卷的例子。柯达胶卷是被什么打败的？很多人回答说是数码相机，然而让众人意外的是，世界上第一张数码相片竟然是科达发明的，而打败柯达的，也并不是数码相机。
　　面对老师的问题，在场同学们给出了各种各样的答案，然而并不准确也没有方向性。从这里我们可以发现，在实际的生活情境中，大部分人都是先通过直觉猜测，再通过自己的深度思考验证。这就会带来一个问题，很多事情看起来是对的，但实际上不对。当蜗牛否定了＂数码相机＂的答案后，进入了一段冷场期，接下来就是学员们一次又一次的猜测，然而这些猜测对真实的答案并没有帮助。
　　面对一个问题，正确的解决方法应该是把上面的逻辑反过来。第一步，结合之前的经验划定一个思考的范围。第二步，在这个范围内猜测，并且通过猜测不断地缩小范围。
　　面对＂柯达被什么打败了＂这个问题，首先应该思考的是＂什么能够打败一个公司＂，这样的思考模式就是依靠方法而不是依靠经验。柯达的核心业务是照片的冲洗，一旦这个业务被攻破，柯达也就被打败了，所以我们很容易联想到是什么产品革新了冲洗的业务。打印机的出现给消费者带来了新理念，比如即拍即打，在这样的效率下，需要一个星期才能冲洗出的胶卷自然就没有了市场。
　　二、知道与学会
　　1、一半对一半错要比全部错误还可怕
　　大多数人提出的问题看上去是对的，但却经不起推敲。个人坚决反对碎片化学习，如果不能把所有的点串成一条线，反而影响认知。
　　信息的利用有两个要素，获取成本和鉴别成本。在互联网出现之前，信息利用的成本主要在于获取，然而在信息爆炸的今天，鉴别成本则有了巨大的提高。特别对于老一辈人群，他们所处时代，信息质量高、速度慢，所以甄别信息能力非常弱；但现在时代，完全相反了（新闻媒体重速度不重质量），所以他们很容易迷失在错误的信息里（被欺骗）。
　　2、产品经理一定要具备的能力：将一件事精确定义到可以复现的地步
　　知道和学会是有区别的。知道指对苹果的历史如数家珍，学会是你不仅知道苹果公司的一切，还可以复制到自己身上。老师举出了小米公司的饥饿营销的例子。在饥饿营销中，哪个词是最重要的呢？饿是结果，不是原因。小米1代2011年上市，htc同配置卖5000多，但小米卖1999。饥，才是这一切的开始。饥饿营销的重点是，产品要打造一个能让用户饥渴的亮点，要远超过用户对产品的预期，减少货源把饥渴点放到最大，然后引到营销上。这个逻辑可以用在任何事情上。当我们可以把一件事用到其他的地方时，便是学会了这件事。
　　3、从小米的案例中学习到了饥饿营销，如何应用
　　中国移动曾经有这样一个案例，在一个区域中，部分人群消费80-90元，主要的付费点是3G、4G流量，这部分人群占当地人口40%，如何通过饥饿营销的方式把人均消费提到120？通过抽奖打造一个让用户饥渴的亮点，抽到的全年话费免单。这样的活动远远超过用户预期，再通过每个月仅抽出10个人减少货源，把饥渴点放大。最后通过月话费过百才可以抽，并分享给朋友的病毒营销方式，将这个活动释放出去。
　　产品经理要养成一个习惯，精确定义身边的所有问题，一些现象到底是什么？哪怕友情，沟通，都可以定义。定义的标准就是可以在任何一个场景可以复现。
　　三、系统化思维
　　1、系统化思维与碎片化思维的差异
　　有个鱼缸，里面有条鱼，A角度一个摄像机，B角度一个摄像机（A和B方向垂直），房子里有个人，只能通过A和B看到鱼。系统化思维看到的是＂A和B是鱼的不同的角度＂，碎片化思维看到的是＂A和B之间存在诡异的联系＂。这样的两个人在沟通的时候，是很难互相理解的。系统化思维是指在看问题的时候，不仅看到表现，还看到了背后的联系。
　　2、物理思维，从简单到复杂的认知体系
　　学习物理时，最开始接触到的运动模型是＂光滑平面上匀速运动的物体＂；当加入摩擦这个条件时，就为系统引入了力和加速度；在圆周运动中，我们进一步学习了速度、加速度、力三者在不断变化的运动系统。如果不是循序渐进一步一步学，而是一上来就学习圆周运动，会非常困难。这就是一个系统化的思维方法，它的过程是从简单到复杂（一步步叠加）。
　　3、找到物理系统中的主要矛盾
　　系统是由相互作用的若干部分所组成的，具有特定结构，特定功能的有机整体，这些系统是递进的，下一个系统是上一个系统的扩展。
　　系统之间存在着联系，其中最强的联系是父子关系。
　　当多个系统都被一个结构所影响的时候，这些系统之间必然存在关联。
　　系统的关系和结构是相对的，决定它们的是解决问题的方向。
　　伽里略在比萨斜塔抛出两个不同质量的铁球，会同时落地。然而抛出羽毛和铁球，两者不会同时落地。前者的主要影响因素是重力加速度，后者的主要影响因素是空气阻力。如果我们没有系统性的思维，就很容易在这个实验中仅仅看到单一因素，从而陷入悖论。做产品时，应该尽可能用简单纯粹的逻辑，用简单模拟复杂，而不是用复杂追求复杂。考虑用个例否定通例的必要性，注意产品的适用范围以及主要解决的问题，而不是用看起来相关但实际并不相关的因素来反驳自己。
　　4、通过构建系统核心框架，解释复杂的现象
　　在分析目标系统的时候，首先要确定目标系统的系统框架，核心描述是什么？例如牛顿力学的核心系统为（F＝ma），带有摩擦力的直线运动是牛顿力学的最小版本。不断去掉目标系统中的弱关联子系统，直到子系统之间的联系都非常强（扔铁球不扔羽毛），则这些子系统所组成的，就是目标系统的核心系统（或最小系统）。观察核心系统，并定义核心系统的结构，则这个结构就是目标系统的核心框架。系统框架不是事实，是我们用来解释事实的理论，永远都有更深层次的系统框架。（就是不要用复杂追求复杂，用简单解释复杂，系统框架就是简单，我们可以把复杂的东西抽象）
　　与AI相比，人的能力是从简单到复杂，是抽象的能力，然而AI是从复杂到复杂。
　　在互联网领域，技术不断接近瓶颈，就会有不断地商业模式被开发出来。商业的本质是一买一卖，等价交换，货币的诞生代替了一般等价物。如今又有了免费的商业模式，通过免费的模式换取客户的流量，通过贩卖这些聚集的流量赚取利润。物理学习的过程就像打麻将与下棋，不断观察场上的现象，然后提炼出较一般的获胜规律。当发现新规则的时候不能确认自己过去的规则是错的，就得继续观察测试验证。
　　当我们学会系统化思考后，还是要去一些老的领域借鉴一些系统框架，抽象的东西可以复用，然后当做新世界探索的规则。科学探索是一种近似，把很远的系统通过一些基础的理论链接起来。而这些底层的框架是可以复用的。
　　所以高中物理学习的过程可以被翻译为：
　　当我们想要学习一个复杂的系统问题时，首先要学会这个系统点最小子系统，当我们掌握了最小子系统后，在最小子系统增加一个条件，产生一个新系统学习和理解新系统。重复这一个过程，且保证增加条件后的系统还是可以理解的，我们就可以逐渐理解更多更复杂的系统。
　　四、如何应用物理思维
　　我们对世界的理解是系统化的，不会被任何一个单一维度所制约。
　　1、埃隆马斯克–提炼出系统框架或最小子系统
　　当你思考的时候，你应该（像物理学做研究那样）先持续地蒸发你所遇到的问题，直到沉淀出问题最根本的原理，而不是通过类比推理去猜测。物理学真的能推演出很多类似量子力学那样违反直觉的新事物。
　　SpaceX 的例子。虽然材料科学与控制技术已经得到了迅速的发展，但是航天却没有显著地进步。曾经的多级不可回收火箭是一个临时解决方案，需要迎来一些改变了。马斯克通过一系列的推理和计算确认了SpaceX的可能性，便做了起来。为什么我们没有这样计算过，因为我们被卡死在过去的经验上。而没有仔细的推理，过去的火箭在什么条件下设计的，现在这个条件改变了吗？我们所有人的视线都被过去火箭的思维束缚了，用户调研永远问不出创新的东西在新场景中，过去的经验是没有作用的。
　　为什么做特斯拉，即使充电有50%损耗，依然是优于汽油发动机的。发动机对燃油利用率只有30%，然而发电厂对能源的利用率高达90%，这样算起来，电动汽车具有非常巨大的能源利用上的优势。
　　2、iPhone为代表的新手机能干掉以诺基亚为代表的老式手机的根本原因是什么？
　　老师首先提示了我们要如何思考这个问题，不要预设立场，对比两套系统，去掉所有一样的东西，剩下的就是答案，并且我们要能够从答案中学到东西。
　　蒸发掉很多子系统后，我们可以发现，iPhone与传统手机的区别在于物理键盘和虚拟键盘。iPhone带来的多点触控的输入方式给UI及交互设计带来了革命性的变化，而这也是iPhone用户体验好的源头。
　　产品经理对用户体验的决定权就好比一个导购把产品高价卖给了老人。产品经理的设计能力可以左右用户体验，但根本上是由输入输出设备决定的。老式触摸屏是单点触控，鼠标也是单点，体验特别像PC，单点没有好到可以代替键盘，因为鼠标配键盘是最好体验。所以单点触摸屏最后不如iPhone。
　　从iPhone的例子中我们可以学习到：
　　用户体验，交互逻辑要和输入输出设备匹配；
　　Mac笔记本和Windows的区别在于，Mac支持多屏，一个软件一个屏，底层设计不同；
　　VR输入端还不够成熟，输入端和输出端不匹配。
　　五、用物理思维看AI
　　1、当我们在说产品设计的时候，我们在说什么？
　　把产品价值标准化，一旦标准化了就可以复制；有价值的工作流程化，再把流程界面化，然后再现；标准包含两个层次：底层标准和业务标准；行业刚出现的时候聊技术，技术差不多了聊业务，web2.0后面基本都在聊业务，没有人再聊技术了，互联网创业的人都在关注业务。
　　2、人工智能到底能干什么？
　　干人先天干不好的事儿，干人不愿意干的脏活累活。看X光片，无人驾驶。深度学习带来的最大变化是，机器可以理解和处理抽象概念。
　　3、自然语言处理到底是个什么东西？
　　自然语言处理是一种语言交互方式，NLP是一种新的交互方式，我们可以通过分析GUI的演化提升对NLP的认识。
　　闲聊机器人就好比Windows桌面，能让你比Dos干更多的事情，不需要知道命令行，也可以看到很多文件夹，我们需要在桌面上添加程序图标，应用是目前新的NLP所代表的交互方式最缺少的东西。
　　4、今天Chatbot技术本身已经基本ready了（够用、不影响我们做demo验证），关键是需要增加更多的程序图标（app）。即，今天缺的不是技术，而是在正确的场景去使用，缺少App，产品经理要学会评估场景（没有落地的条件，还是没有落地的想象力？）。行业今天重点研究Chatbot技术的性价比已经不高了（除非是有超级颠覆性的基础性AI技术突破）。
　　六、互动交流
　　1、如何训练系统思维
　　从自己过去的案例中提炼出一个系统框架，做两件事，一个是把框架跨场景应用，二是把一个案例挖的足够深的同时，不要轻易下结论，尝试去证伪，不断去挖。挖的多了就会逐渐进化。坚持总结框架，坚持证伪。
　　2、智能客服的价值
　　解决70%都会被问到的问题，但是解决不了30%人本身也解决不好的问题。把问题范围框定在能解决的范围。给客户算账，输出成客户能理解的语言。省了多少钱，我们赚的钱只是省的钱的一部分。
　　3、NLP这块如何界定好坏？
　　场景是否足够小，大的公司暂时进不来；不能太小，要可以向上升级。