久久人妻牲爱视频,亚洲无码视频区,黑人操人妻一区二区,aaa在线视频,日产精品久久久久久久,99熟妇诱惑视频,激情只爱无码,国产精品日韩一区二区,超碰成人三级在线

解決問題,我們需要學(xué)會「思維建?!?/h1>

原創(chuàng) 42 收藏136 評論
舉報 2020-12-15

原標(biāo)題:【營銷學(xué)習(xí)】為什么正確的答案,換不來正確的結(jié)果?

未來人類要準(zhǔn)備好,每十年要重塑自己一次,扔掉自己過時的知識、技能、經(jīng)驗、假設(shè)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(qū)的大齡男青年,AI在讀取了你的過往行為數(shù)據(jù),又結(jié)合全城適齡女青年檔案之后,為你推薦了三位最匹配的結(jié)婚對象。但你在看了三位女孩子的檔案后,發(fā)現(xiàn)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(rèn)為,人是有自由意志的,即便AI算法無比精準(zhǔn)又強大,但是也不應(yīng)該將命運交給機(jī)器。也會有人認(rèn)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(zhì)疑AI的答案,而是要質(zhì)疑AI的算法。

什么意思呢?AI如果精準(zhǔn)地抓取了所有數(shù)據(jù),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(jié)果,關(guān)鍵在于AI評判對與錯的標(biāo)準(zhǔn)是什么?當(dāng)AI為你推薦女友,而你發(fā)現(xiàn)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(xué)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(jīng)歷等所有關(guān)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(biāo)準(zhǔn)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(biāo)準(zhǔn),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(yù)估比值”、“星座是否是火向的”等、“是否有熱愛藝術(shù)”……

然后,AI在調(diào)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(yè)最大的護(hù)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(yè)。

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(xué)明白H5的玩法,H5創(chuàng)意就已經(jīng)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?,F(xiàn)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(yīng)該追求固定的答案,而是要追求計算答案的能力。

答案是經(jīng)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(xué)習(xí)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(tǒng),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?!埂?/p>


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(jīng)典的理論模型。但我說的是「思維建?!?,不是讓大家套用大師們的模型,而是要學(xué)會隨時隨地、迅速搭建出屬于自己的理論思考模型。

「思維建?!沟暮x是:當(dāng)我們發(fā)現(xiàn)一件事沒有參考經(jīng)驗、沒有現(xiàn)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(chuàng)始人韓焱韓總聊到一個現(xiàn)象:為什么湛盧出版的《價值》能夠破圈,成為今年的現(xiàn)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(fā)流行的因素,拆解成很多個關(guān)鍵變量。從而把一個拍腦門的事,變成一個可以量化的數(shù)學(xué)計算。這種方法不一定100%準(zhǔn)確,但至少減少了不確定性,增加了決策依據(jù)。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(yè)的人,我對熱賣圖書的一些信息掌握應(yīng)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(guī)律。于是,我就用「思維建?!沟姆椒?,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(biāo),和1級指標(biāo)下的27個2級指標(biāo)。具體這個模型長什么,我會在公眾號的「番外內(nèi)容」里分享。

簡單說,這種思考方式要求我們:不要把自己當(dāng)人看,要把自己當(dāng)成一個低配版的AI系統(tǒng)。

那么,如果想形成「思維建?!沟哪芰Γ鋵嵰まD(zhuǎn)過往的一些思考習(xí)慣。我覺得第一個要扭轉(zhuǎn)的習(xí)慣是,一定要學(xué)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(yè)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(wěn)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(yè)內(nèi)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(yè)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(wěn)市場,再考慮你公司的資金周轉(zhuǎn)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(dá)建議,才能為決策提供丈量依據(jù)?!懊髂陱V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(yè)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(zhuǎn)和成本消耗。


以上這五個因素共同決定了客戶的廣告預(yù)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(zhàn)人之勢,如轉(zhuǎn)圓石于千仞之山者,勢也?!币馑际菐П騽僬痰娜?,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(dá)方式:從高山上推下一個圓石頭,產(chǎn)生的其實是“重力勢能”。

重力勢能 = 質(zhì)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(xué)過物理,他應(yīng)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(shù)據(jù)化決策》,我才發(fā)現(xiàn),這種思考方式已經(jīng)被前人廣泛應(yīng)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(fā),我把我的思考擴(kuò)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(jìn)來某個人?,F(xiàn)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(xiàn)有團(tuán)隊薪酬結(jié)構(gòu)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(xí)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(yè)技能方向的考量,因為專業(yè)經(jīng)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(xiàn)有團(tuán)隊薪酬結(jié)構(gòu)的人,堅決不要”。我認(rèn)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(tuán)隊的薪酬結(jié)構(gòu),任何組織都是“不患寡而患不均”,這樣一定會導(dǎo)致團(tuán)隊分裂。

面對一個商業(yè)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(guān)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(guān)鍵變量。


2、只有找到“關(guān)鍵變量”,才能思維建模

很多大公司面試時,經(jīng)常會問出一些奇怪的問題。比如,成年人有多少根頭發(fā)?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(fā)的數(shù)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。

解決問題,我們需要學(xué)會「思維建?!?/></p><p>我的計算思路是這樣的:</p><blockquote><p>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(fā)面積。</p><p>目測,人頭發(fā)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(fā)面積。</p><p>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(fā)。</p><p>所以,最后的答案是628cm2×100=62800根頭發(fā)。</p></blockquote><p><br/></p><p>真實的答案是:有6萬到12萬根。據(jù)統(tǒng)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(nèi)。</p><p>只是我在計算時“作弊”了,因為我這個數(shù)學(xué)一直不及格的文科生,居然忘了小學(xué)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。</p><p>這就是思維建模的難點。在拆解問題時,一旦無法知道關(guān)鍵變量,或是把關(guān)鍵變量計算錯了,就沒法得出正確的答案。</p><p>“關(guān)鍵變量”就好比一個模型的關(guān)節(jié),關(guān)節(jié)如果找不到,根本沒法架構(gòu)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(guān)節(jié)斷了,大廈就搖搖欲墜了。</p><p>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(guān)鍵變量”,才可以在這些關(guān)鍵變量的基礎(chǔ)上,搭建戰(zhàn)略大廈。</p><p>我們就拿新零售為例。零售業(yè)是如何發(fā)展到今天這個規(guī)模的呢?我們看一下高瓴資本的研究。</p><p style=解決問題,我們需要學(xué)會「思維建模」

這張圖摘自張磊張總的《價值》。高瓴認(rèn)為,零售業(yè)之所以能成長到今天這個規(guī)模,是因為新技術(shù)催生了新的商業(yè)設(shè)施。

比如,為什么會出現(xiàn)連鎖店?其實是因為鐵路的出現(xiàn)。因為有了鐵路,才有了現(xiàn)代物流,商品的物流和生產(chǎn)周期才可以做到標(biāo)準(zhǔn)化;再比如,為什么會出現(xiàn)越來越多的商品類目?因為電冰箱出現(xiàn)了,食品品類才可以爆炸性的擴(kuò)張。

高領(lǐng)的研究結(jié)論簡單、清晰,新零售行業(yè)的增長動能,就在這幾個關(guān)鍵變量上。在這些關(guān)鍵變量上,高領(lǐng)總結(jié)出,研究的關(guān)鍵=關(guān)鍵時點+關(guān)鍵變化。

我一直覺得,投資公司對行業(yè)和公司的研讀,經(jīng)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(rèn)真。營銷公司是收錢的,所以經(jīng)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(fā):“二八法則”是分析的視角,也是分析的結(jié)論。

我們做商業(yè)分析時,要永遠(yuǎn)把這個世界一分為二。左邊是多數(shù)的、不重要的事,右邊是少數(shù)的、重要的事。如果我們發(fā)現(xiàn)沒法把這個事二八劃分,那么這事我們一定沒弄明白。調(diào)研機(jī)構(gòu)經(jīng)常發(fā)布各種行業(yè)報告,但當(dāng)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(fù)雜的事簡單化,而不是把一個復(fù)雜的事搞得更復(fù)雜。

學(xué)會量化一個抽象問題,學(xué)會發(fā)掘關(guān)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(yōu)勢是產(chǎn)品質(zhì)量好。

W,品牌劣勢是品牌知名度不高。

O,機(jī)會是行業(yè)高速增長。

T,威脅是競爭對手廣告投的多。


結(jié)論:應(yīng)該加大廣告投放。

別笑!其實,我們很多人都有過類似的經(jīng)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(jié)果依然毫無建樹。

問題出在哪呢?因為分析模型不是數(shù)學(xué)公式,它沒有一個標(biāo)準(zhǔn)答案。如果你在應(yīng)用中,不知道錯在哪里,沒人給你反饋關(guān)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(zhàn)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(xiàn)在一定是殘缺的,不準(zhǔn)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(rèn)哪些關(guān)鍵變量被我遺漏了,哪些變量的權(quán)重被我錯估了。

所以,思維模型其實是、也必須是動態(tài)的。它會在測試——校對——再測試的思考循環(huán)里,百煉成鋼。

但是,我們常以為,只要試錯的次數(shù)夠多、經(jīng)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(shù)據(jù),但卻沒有像今日頭條一樣,把算法校對的越來越準(zhǔn)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(yuǎn)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(biāo)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(jī)短視頻為例,短視頻APP會統(tǒng)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(nèi)容標(biāo)簽、關(guān)注賬號、社交關(guān)系……以上,這些因素以某種計算方式組裝起來,就是機(jī)器的思維模型,只是機(jī)器把它叫算法。

我們也要明確自己的反饋機(jī)制是什么?而且,人相較于機(jī)器的劣勢是:機(jī)器對任何系統(tǒng)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(fēng)情的傻小子,現(xiàn)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(jī)制變得“可視化”。

曾國藩有一項習(xí)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(nèi)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(jīng)常標(biāo)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(guān)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(fù)盤工具,就是他粗糙的、可視化的反饋機(jī)制。擁有一個反饋機(jī)制,再把這個反饋機(jī)制可視化,我們的思維模型才可以被“開光”。


結(jié)語

當(dāng)我們?nèi)フ鞣黄箨憰r,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(dāng)我們真正擁有地圖時,才發(fā)現(xiàn)面前的大陸已經(jīng)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(huán)境下,永遠(yuǎn)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)

本文系作者授權(quán)數(shù)英發(fā)表,內(nèi)容為作者獨立觀點,不代表數(shù)英立場。
轉(zhuǎn)載請在文章開頭和結(jié)尾顯眼處標(biāo)注:作者、出處和鏈接。不按規(guī)范轉(zhuǎn)載侵權(quán)必究。
本文系作者授權(quán)數(shù)英發(fā)表,內(nèi)容為作者獨立觀點,不代表數(shù)英立場。
未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載,授權(quán)事宜請聯(lián)系作者本人,侵權(quán)必究。
本內(nèi)容為作者獨立觀點,不代表數(shù)英立場。
本文禁止轉(zhuǎn)載,侵權(quán)必究。
本文系數(shù)英原創(chuàng),未經(jīng)允許不得轉(zhuǎn)載。
授權(quán)事宜請至數(shù)英微信公眾號(ID: digitaling) 后臺授權(quán),侵權(quán)必究。

    評論

    文明發(fā)言,無意義評論將很快被刪除,異常行為可能被禁言
    DIGITALING
    登錄后參與評論

    評論

    文明發(fā)言,無意義評論將很快被刪除,異常行為可能被禁言
    800

    推薦評論

    暫無評論哦,快來評論一下吧!

    全部評論(0條)

    邻水| 永吉县| 贵德县| 棋牌| 北流市| 金寨县| 天峻县| 鹤壁市| 永清县| 紫金县| 昔阳县| 蒙山县| 恭城| 昌乐县| 革吉县| 吴江市| 宜州市| 迁西县| 菏泽市| 余庆县| 马边| 平邑县| 曲松县| 化德县| 荣成市| 英德市| 西乡县| 西乌| 扬中市| 紫金县| 普安县| 青海省| 镶黄旗| 拜泉县| 安徽省| 铜鼓县| 云浮市| 怀化市| 林芝县| 思茅市| 建水县|