产品经理:点亮“系统思维”技能(1)

AI时代,如何更快入行抢占红利得高薪?前阿里巴巴产品专家带你15天入门AI产品经理。了解一下>

懂得很多道理,也过不好这一生。有些东西并不只是懂得就可以灵活运用,系统思维便是如此。那么,该如何进行加强系统思维的思考能力?从而应对发展中的各种难题。

通过一些在线课程和文章书籍,我们总能了解到一些发人深省的案例,也能学到不少干货,我们会把干货拍照、截图或者保存到手机相册里。但是后来呢?

等到实际用起来,自己却总是碰壁,遇到各种新问题。好像学的东西都无法解决我面临的问题,就如同“懂得很多道理,也过不好这一生”。

究竟是哪里出了问题?

系统思维是产品工作中的重要能力。从了解用户需求,到撰写各种文档和PPT,再到分析和总结自己的工作时,都需要运用系统思维的方法。

不过呢,系统思维确实也不太容易培养和练习。主要有三方面的问题:

  1. 思考的过程受到很多因素的影响。比如时间紧迫、预算有限、历史遗留问题、团队合作氛围等等,这些因素都会导致思考的过程并不是“完全自由”的,容易让当事人“钻牛角尖”,而忽略了系统地思考解决方案。
  2. 虽然已经有很多现成的模型和方法了,但这些模型和方法都是历史经验的总结,能解决的问题是有限的。如果未来情况变了,出现了新的问题,就不能用了。
  3. 系统思维是一个比较抽象的概念。因此,找一两个案例只能帮助大家对系统思维有一个感性的理解,并不能算真的学会了。这就导致当自己遇到了需要思考的问题时,往往不能通过简单的套模型来解决。

因此,这一篇的重点,不仅仅是介绍系统思维的方法,也要提供下平时我是如何“触发”自己的系统思维的。
至于第二个和第三个问题,我们单独拿出两篇的内容,讨论如何总结出属于自己的的独特模型,并讨论下认知以及认知的方法

一、有哪些比较系统的思维模型呢?

其实说到模型,现成的模型还真是不少。

以下这些大家肯定不会陌生:5W1H、SWOT、KANO、RFM、需求层次理论、AARRR/漏斗、留存表、4P/4S等等。这些模型通常都会出现在“系统思维”“常用模型”之类的文章当中。

除了上面这些“直接给出结论”的模型,还有一些方法是专门针对思考和决策过程的。比如:头脑风暴、鱼骨图、金字塔模型、AHP/FAHP等等。

关于这些模型和方法,单独一篇文章肯定讲不过来,而且相关的内容已经太多了。我们只是列在这里,如果大家确实用到了,直接搜索相关的文章或者书籍就好。

二、如何“触发”系统思维?

相比是否能多背下来一个模型,这个问题是更重要的。有时候我们遇到了一个问题,根本不会想到要用一个有框架、成体系的思维方式来解决,而是直接钻了牛角尖。

比如,我就是想要赚很多的钱。那么怎么办呢?做些什么能够“直接”实现赚很多钱的目的呢?于是很可能就会开始关注一些“日赚1万”、“有个手机就能干”之类的事情。这样的话,当然就不会想到要动用系统思维了。

其实,在上面这种做法的背后,有一个更深层次的思维方式,那就是根深蒂固的因果关系的思维方式。当我们面对一个问题的时候,总是想寻找原因。认为只要知道了原因,就能扭转这种我们不愿意看到的情况。

当然,问题不在于因果关系的思维本身,而是需要我们问一下自己:

  • 我面临的问题,是一个原因导致的,还是多个原因导致的?
  • 如果是由多个原因导致的,哪些是直接原因,哪些是间接原因呢?

有些课程的案例“害人”的地方就在于,它们往往只是给某个问题找了“唯一的、直接的”原因,而去掉了前前后后那些次要的、间接的原因。

比如这种案例:“找到了一个独特的细分角度,将用户明显地分为两部分,然后针对不够活跃的那部分用户进行优化,最终达到了很好的效果。”

对于案例本身而言,不管出于什么目的,这些次要的、间接的原因确实可以忽略;但对于问题本身,不定哪天这些次要的、间接的原因就变成了主要的、直接的原因。当我们心中积累了太多的“唯一的、直接的”原因之后,自然就“停止思考”了。即使面对新问题,也只会机械地按照这些“唯一的、直接的”原因寻找解决办法。

三、常见方法和模型有什么规律吗?

有了“触发”系统思维的方法之后,我们就要从这些现有的方法和模型中学一些规律了。

我们从日常工作中的场景说起。比如,我们遇到了最常见的留存率的问题——究竟是什么原因导致了留存率的降低呢?

为了解决这样一个问题,我们最容易想到的、最常见的方法就是:首先找到最容易流失的那部分用户,然后再找到用户在流失之前的行为,也就是分析究竟是什么行为导致了用户的流失。最后,只要让特定的用户不去做这些行为,自然也就能够减少流失的情况,从而提高留存率了。

针对这个常见的方法,我们从三个方面分析。

第一,是前面提到的“触发系统思维”的问题。其实上面的思考中有许多“疑点”:

  • 为什么一定是用户的因素导致了留存率的下降呢?有没有可能是最近的产品迭代、社会热点事件导致的,或者就是产品正常的周期性导致的呢?
  • 为什么一定是部分用户的留存率下降呢?如果全体用户的留存率都下降了怎么办?
  • 为什么一定能给流失行为找到一个前置行为呢?如果前置行为多种多样,甚至“相互矛盾”,又该怎么办呢?

总之,前面这个思考过程只能算是一个应用最广、“曾经”效果最好的一种。但是这次是不是还奏效呢?这需要数据的验证。

第二,过了前一步,我们已经算是“触发”系统思维了。虽然这个具体的方法不是百试百灵的,但我们可以学习一下解决问题的思维。

上面的整个分析的过程,概括成一个词就是“细分”。当然,也可以说成是“拆分”、“细化”等等。如果大家听过一些在线课程,在解决问题的时候也大多是采取这样的办法。当我们不能完整地解决一个问题时,可以先将问题拆解。在文章最开始提到的SWOT、KANO、RFM、需求层次理论、AARRR/漏斗、留存表、4P/4S这些模型,其实都是把一个问题细分成几个部分逐一分析。

第三,那么究竟按照什么角度进行细分呢?有那么多的角度可以选,又怎么选得过来呢?

其实细分也是有“大方向”的,主要可以分为两个方向:广度和深度。按照广度细分,分出来的部分通常是并列的关系;按照深度细分,分出来的部分通常是递进的关系。

我们举两个例子。对于SWOT、KANO、4P/4S这些模型,引导的是广度的细分思考,其中的因素基本是并列的。SWOT中的优势、劣势、机会、威胁四种因素本身并无好坏之分,只有人们对它们的好恶而已;KANO中的几种需求类型和4P/4S中的几种营销策略方向也是同样。

而另外一些模型,比如需求层次理论、AARRR模型,它们引导的就是深度的细分思考。它们拆分出的部分就是层层递进的,因此是不能更换顺序的。类似的还有“5个为什么”之类的思考方法。

那么,是不是任意选择一些角度,都可以用来做细分呢?
理论上“是的”——任何角度都可以用来做细分。即使是“浏览页面的时候是长发还是短发”、“下订单的时候有没有穿拖鞋”都可以作为细分的角度。但是,显然这些不是能最终解决问题的角度。也就是说,细分的角度是有“优劣”之分的。

前面提到的这些模型中包含的细分角度,至少在它们自己的问题域中,都是一些“最好”的角度。但如果离开了问题域,就未必还是最好的角度了。

就比如RFM,关注的是顾客的交易行为。如果再确切一些,这个模型的三方面因素最开始只是用来细分顾客的消费行为的。对于投资理财之类的交易行为,或者对于卡号、设备号这些不是与真实用户一一对应的体系,是否同样奏效,还有待验证。

总结一下:

  • 前面提到的用来分析问题的模型,主要思维方式是细分;
  • 细分可以分为广度和深度两种;
  • 细分思维的典型例子:前面提到的那些分析问题的模型。

四、另一种方法

是不是一种“细分”的方法就把系统思维说完了呢?当然不是。

一味地细分下去,就会四分五裂, 也就无法形成整体、形成合力了。

而且除了这种“解决问题”的场景,工作中还有一种场景是需要“整体设计”,也就是要考虑好各种因素,最后提出一个各方面都“恰当”的综合方案来。那么一定有另一种方法是跟“细分”相反的。

如果你负责过偏向后台、偏向技术系统的产品,那么“整合”这个词你一定不会陌生。对!!另一种方法,就是这个“整合”的方法。

整合并不是把任意两种东西放在一起,然后看它们之间的联系。这只是一种思维练习,放到实战中未必奏效。与细分需要的“微观视角”不同,整合方法需要的是一种更宏观的视角。整合的方法并不会特别关注每个细节,而是关注“整体上”是什么样子的。

前面说过了很多解决问题的思维都属于细分思维,那么与整合思维相关的方法不知道大家想到没有。其实平时我们在用的方法就有——比如黑箱测试。

黑箱测试是在做什么呢?我们只是关注输入和输出是什么,比如输入了错误的用户名或密码,那么页面上就应当提示用户名或密码输入错误。至于这种错误的判断是怎么产生的,并不是黑箱测试关注的内容。

可见,黑箱测试是将一个功能中的各种细节合并成一个整体,只是关注整体上应当做出怎样的反应而已。而当遇到问题时,就需要再次动用“细分”的方法来排解问题了,从这里也可以看到细分与整合之间的配合。

举个例子:例如我们现在要迎着各种历史遗留问题,将两个八竿子打不着的产品,整合成一个完整的解决方案提供给用户。

如果从细分的思维入手,我们就要先详细列举各种影响因素,分析它们之间的联系,提出多种可能的设计方案,再结合影响因素逐个分析。这样折腾个把月,有没有方案不说,都不一定真能把这些因素理清楚。

而从整合的思维入手的话,我们只需要关注:整合之后的完整解决方案,在用户发出要求的时候,应当做出怎样的回应。

比如当用户不知道如何使用的时候,应该给予引导;当用户输入了错误的信息时,应该给予提示;当用户的操作越权时,应当制止并提供解决问题的恰当办法。

当然,这些设计现在是不能实现的。这就形成了“问题”,而且是很具体的问题。解决具体的“问题”,就是细分思维的用武之地了。

再总结一下:

  • 整合思维与细分思维对应。整合思维关注整体功能,细分思维则关注细节因素。
  • 整合用在解决整体的、相对笼统的问题上;细分思维用在解决微观的、相对具体的问题上。
  • 整合思维的典型例子:黑箱测试。

 

作者:李阳,微信公众号:数据有毒(shujuyoudu)

本文由 @李阳 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!
  1. 产品新人来说,就是多看、多练、多想,李老师的这篇文章既提供了模型的学习,也提供了使用策略,感谢李老师

    回复
  2. 为学习指明了方向

    回复