证据等级:
A 有数据可查 · B 有调查/案例支持 · C 实践共识
基础理论 · 方法论 · 常识

产品经理基本法

225 条 · 20 个章节 · 3 份工具表 · 每条写明「定义 / 什么时候用 / 证据等级」

← 返回 一起产品经理吧 LETSPM 首页

讲产品经理这一行最基础的那层东西:产品是什么、需求从哪来、用户为什么这么想、方案怎么比较、数据怎么看、技术大致怎么运转、生意怎么算账,以及在这些之上反复要用的思维模型。

这是一份知识底座,不是行动清单。 它不告诉你「今天该做什么」,而是让你在遇到一个具体问题时,知道它属于哪一类问题、有哪些现成的理论和框架可以用、容易错在哪里。

说明:基础理论这一层,证据等级差异很大。有严谨研究支撑的(认知负荷、损失厌恶、留存曲线形态一类)可以标 A;有行业调查或公开案例支持的标 B;更多是行业长期沉淀下来的通行做法与判断,只能标 C。凡涉及具体数字的地方都标了「待核实」,请以原始文献与你手上的数据为准——本书不编造数字,也不编造来源。

与《产品经理高性价比生存指南》的分工:生存指南回答「怎么做最划算」(成本、收益、证据等级),基本法回答「为什么会这样、底层的道理是什么」。前者是行动备选单,后者是查阅用的知识底座,两者互补、可对照阅读。


这本书想回答的问题

问题去哪看
产品经理到底负责什么?和设计、研发、运营、项目经理怎么分工?1. 产品经理是什么
产品是什么?好产品凭什么好?工具型、平台型、内容型差在哪?2. 产品的基本常识
流量、存量、平台、网络效应、生态、监管,这些词到底什么意思?3. 互联网行业常识
需求是什么?用户说的和想要的为什么总不一样?4. 需求的本质
用户研究怎么做才有效?样本、提问、偏差怎么处理?5. 用户研究基础
用户为什么会这样操作?有哪些可复用的心理学与行为学结论?6. 用户行为的基础理论
怎么把一个模糊的机会,收敛成值得做的问题?7. 机会识别与问题定义
信息架构、流程、状态、可用性、无障碍,基本盘是什么?8. 产品设计基础
优先级怎么排?哪些排序方法真的有用,哪些是自我安慰?9. 优先级与取舍
MVP、假设、实验、A/B、灰度,方法论怎么用才不作废?10. 验证与实验方法论
北极星、指标体系、漏斗、留存、归因,怎么搭、怎么防作弊?11. 数据与指标体系
相关与因果、幸存者偏差、辛普森悖论,怎么不被数字骗?12. 统计与判断常识
前端后端、API、数据库、缓存、云、性能、安全,够用就行的常识有哪些?13. 技术与实现常识
大模型能做什么、不能做什么?提示、上下文、RAG、Agent 的边界在哪?14. AI 技术常识
敏捷、需求变更、评审、上线、回滚、事故复盘,行业通行做法是什么?15. 项目与交付常识
PRD 的信息结构、向上汇报的逻辑、跨部门说服,底层规律是什么?16. 信息结构与表达
增长漏斗、激活、留存曲线、渠道、推荐分享,基本模型有哪些?17. 增长与留存基础
商业模式、定价、LTV/CAC、毛利、单位经济、ROI,账怎么算?18. 商业与财务常识
有哪些反复能用的思维模型?什么时候用哪一个?19. 思维模型工具箱
提问、判断、复盘、知识管理,这些元能力怎么练?20. 元能力

怎么读

  • 当词典用:不必从头读到尾。遇到不懂的概念,直接用右上角搜索框搜(支持概念名、英文缩写、场景词)。
  • 每条回答三件事:是什么(定义)、什么时候用(适用场景)、别怎么用(常见误区)。理论条目最容易犯的错不是「不知道」,而是「用错场合」。
  • 证据等级不是重要性排序:A 只说明「有出处可核对」,不说明这条在你的业务里一定成立;C 级里有很多是行业几十年沉淀下来的硬经验。
  • 条目之间会互相指路:看到「见第 9 章第 3 条」这类提示,就去对应章节找那条更完整的说明。
  • 配套工具表:概念速查表(术语一句话)、方法论索引(场景 → 该用哪个方法)、思维模型卡片(20 个模型速查)。

每条长这样:

3. 需求不是解决方案

  • 定义:需求是用户想达成的结果,解决方案是达成结果的手段。
  • 说人话:用户说「想要一把更快的锤子」,他真正想要的是把钉子钉进去;锤子只是他想到的手段。
  • 什么时候用:拿到任何一句「我要 XX」时,先追问目标,再谈手段。
  • 常见误区:把用户提的方案当成需求,直接排期实现,结果做一个「更快的锤子」而问题依旧。
  • 证据等级:A
  • 来源:Clayton Christensen 提出的 Jobs to Be Done 框架;需求工程领域对「需求 vs 方案」的通行区分。

六部分结构

  • 第一部分 角色与常识(1–3 章):你所在的岗位与行业,先把坐标系建起来。
  • 第二部分 需求与用户(4–7 章):问题的根在哪里——需求、用户、行为、机会。
  • 第三部分 方案与决策(8–12 章):设计、优先级、验证、数据、统计判断。
  • 第四部分 交付与协作(13–16 章):技术、AI、项目交付、信息与表达。
  • 第五部分 商业与增长(17–18 章):从做功能走到做生意。
  • 第六部分 思维与长期(19–20 章):反复能用的思维模型与元能力。

证据分级

等级含义
A有公开可查的研究、标准或权威文献支撑,能指出具体出处(如认知心理学实验、行业标准、原厂技术文档)
B有行业调查、公开案例或多方实践印证,但缺少稳定统一的结论
C行业通行做法或一线经验沉淀,没有直接研究文献;本书中相当一部分条目属于这一级

为什么理论条目也会有 C 级:很多框架(优先级模型、增长模型、协作方法)来自咨询与行业实践,不是对照实验的产物;它们有用,但不是定律。C 级条目请结合自己的业务上下文判断,别照搬。

有争议的条目会标注「争议」并列出反方看法。凡引用具体数字的,都标「待核实」。本书不编造来源,也不编造 DOI。


目录

  1. 产品经理是什么:角色定位、职责边界、与相邻岗位的分工、能力模型、常见误解。
  2. 产品的基本常识:产品的三层价值、生命周期、工具/平台/内容型产品的差异、好产品的判据。
  3. 互联网行业常识:流量与存量、平台经济、网络效应、双边市场、生态位、监管常识。
  4. 需求的本质:需求与解决方案之别、真伪需求、需求层次、需求背后的成本结构。
  5. 用户研究基础:用户画像、访谈与观察、问卷边界、样本与偏差、结论落地。
  6. 用户行为的基础理论:心智模型、认知负荷、双系统、行为经济学结论、习惯回路、JTBD。
  7. 机会识别与问题定义:问题陈述、机会空间、假设拆解、机会成本、值不值得做。
  8. 产品设计基础:信息架构、流程与状态、交互原则、可用性、无障碍。
  9. 优先级与取舍:价值/复杂度、Kano、RICE、机会成本、沉没成本与承诺升级。
  10. 验证与实验方法论:MVP 的真实含义、假设-实验闭环、A/B 与灰度、实验陷阱与伦理。
  11. 数据与指标体系:北极星、指标分层、漏斗、留存、归因、指标作弊。
  12. 统计与判断常识:相关与因果、幸存者偏差、辛普森悖论、置信区间与样本量直觉。
  13. 技术与实现常识:前后端与 API、数据库与缓存、云与部署、性能与安全底线。
  14. AI 技术常识:大模型能力边界、提示与上下文、评估与幻觉、RAG 与 Agent、成本结构。
  15. 项目与交付常识:敏捷的适用边界、需求变更、评审、上线与回滚、事故复盘。
  16. 信息结构与表达:PRD 的信息结构、向上汇报、跨部门说服、异步协作。
  17. 增长与留存基础:增长漏斗、激活与留存、渠道、推荐与分享机制。
  18. 商业与财务常识:商业模式、定价、LTV/CAC、毛利、单位经济、ROI。
  19. 思维模型工具箱:第一性原理、系统思维、概率思维、复利、二阶效应、反脆弱。
  20. 元能力:提问、判断、复盘、知识管理与输出。

附:工具表

  • 概念速查表:一百多个高频术语,一句话说清(北极星、留存、漏斗、LTV/CAC、网络效应、幻觉、RAG……)。
  • 方法论索引:按场景查方法——「要判断需求真假怎么办」「要排优先级怎么办」「要设计实验怎么办」。
  • 思维模型卡片:20 个模型的速查卡,每个一句话 + 使用场景。

怎么贡献

  • 发现哪条定义不准、来源过期、说法有反例,欢迎提出。
  • 想在本地阅读:直接看 book/ 目录下的 Markdown 文件即可,无依赖、无后端。
  • 本书内容为原创整理,体例参考公开的「知识清单」写法(定义 / 什么时候用 / 证据等级 / 来源)。引用书籍、文献、标准时已在来源栏注明。
01

产品经理是什么

12 条

这一章讲清楚产品经理这个岗位的边界:它解决什么问题、和谁分工、靠什么推动事情。它是全书的地基,后面所有方法都建立在对「产品经理到底做什么」的清晰认识上。 条目按从最基础到进阶排列。

1. 产品经理的问题域

  • 定义:产品经理负责定义「解决谁的什么问题、为什么值得做、怎么算做对了」,而不是把功能做出来。
  • 说人话:业主说要大阳台,其实想要的是晒太阳;产品经理先问清「你到底想解决什么」,而不是照着单子施工。
  • 什么时候用:接到任何需求时,先分清自己是在定义问题,还是只在描述方案。
  • 常见误区:把写文档、跟进度当成全部工作,忽略了问题本身是否成立。
  • 证据等级:C
  • 来源:行业通行做法

2. 产品经理与项目经理的边界

  • 定义:产品经理决定「做什么、为什么做」,项目经理负责「怎么按时保质做完」。
  • 说人话:点菜的人决定这顿吃什么、值不值,另一个人盯上菜的节奏;菜点错了怪不着上菜慢。
  • 什么时候用:当你整天在排期、追进度,却没时间想清楚「做什么」时。
  • 常见误区:小团队常由一人兼任两种职责,一忙起来只剩交付,问题定义被挤没了。
  • 证据等级:C
  • 来源:行业通行做法

3. 产品经理与 PO(Product Owner)的边界

  • 定义:PO 是 Scrum 里的角色,只对待办列表(Product Backlog)及优先级负责。
  • 说人话:PO 像场上队长,管进攻次序;产品经理还兼主教练,要定踢什么阵型。
  • 什么时候用:团队用 Scrum 且你被叫 PO 时,先确认授权范围。
  • 常见误区:把 PO 等同于产品经理,以为管好待办列表就做完了产品工作。
  • 证据等级:B
  • 来源:Schwaber 与 Sutherland《Scrum Guide》

4. 产品经理与设计师、研发、运营的边界

  • 定义:产品经理对「做什么、为什么」负责,设计师管好不好用,研发管能不能做与稳不稳,运营管用户从哪来。
  • 说人话:像拍电影:产品经理是编剧兼制片,设计是导演,研发是摄影与后期,运营是宣发。
  • 什么时候用:讨论卡住时,先分清争议属于要不要做、好不好用、做不做得成、有没有人来。
  • 常见误区:拿职责边界当挡箭牌,把共同目标切成互不负责的碎片。
  • 证据等级:C
  • 来源:行业通行做法

5. 产品经理不是老板的传声筒

  • 定义:产品经理要把老板或客户给的目标翻译成用户问题与方案,并补全判断依据,而不是原样转达。
  • 说人话:老板说加个签到功能,传声筒直接开工;产品经理先问这是为解决留存还是活跃。
  • 什么时候用:当需求来自老板或大客户这类权威时,越要先澄清目标,而不是直接执行。
  • 常见误区:把服从指令当执行力,方案错了,责任还是落在产品经理头上。
  • 证据等级:C
  • 来源:行业通行做法

6. 产品经理的能力模型:商业、技术、体验三端

  • 定义:基本能力可分三端:看懂生意怎么赚钱(商业)、知道技术能做什么与代价(技术)、理解用户怎么用(体验)。
  • 说人话:像一个三脚凳——只会谈商业容易做空产品,只会讲技术容易做工程师的产品。
  • 什么时候用:阶段复盘时,看哪一端明显是短板,以及当前岗位更需要哪一端。
  • 常见误区:把三端理解成每样都要精通,实际是每端够用、至少一端更深。
  • 证据等级:C
  • 来源:行业通行做法

7. 大厂细分岗与小厂全能岗

  • 定义:成熟公司把产品工作切成增长、策略、平台等细分岗;小公司常把调研、设计、数据、运营压在一个人身上。
  • 说人话:大厂像流水线,你负责拧好一颗螺丝、拧得极精;小厂像小饭馆,前厅后厨一肩挑但都不深。
  • 什么时候用:换工作时,判断自己要的是更深的专精还是更宽的全局。
  • 常见误区:把岗位分工当成能力高低,两边的能力结构不同,不能简单比优劣。
  • 证据等级:C
  • 来源:行业通行做法

8. 0→1 与 1→N 的角色差异

  • 定义:0→1 的核心是找到可行的价值假设并快速证伪;1→N 的核心是把已验证的模式规模化、提效率。
  • 说人话:0→1 像开一家没人试过的新店,重点是这店有没有人要;1→N 像给排队的店开连锁,重点是开得稳。
  • 什么时候用:接手项目时先判断自己在哪个阶段,别用开连锁的思路做冷启动。
  • 常见误区:0→1 阶段追求大而全,或 1→N 阶段还在频繁推翻方向。
  • 证据等级:C
  • 来源:行业通行做法

9. 决策权与影响力:没有职权怎么推动

  • 定义:产品经理通常没有对团队的人事与考核权,只能靠信息、判断与信任影响他人做决定。
  • 说人话:像没有指挥棒的乐队长,要让人按同一节奏走,只能靠把理由讲清楚。
  • 什么时候用:说服不动研发或设计时,先检查自己给的是「我认为」还是「数据与用户证据」。
  • 常见误区:把说服不了归因于对方不配合,忽略自己没给出可信的依据。
  • 证据等级:C
  • 来源:行业通行做法

10. 产品经理算不算管理者

  • 定义:产品经理管的是事与决策,不是人;工作实质是「对结果负责」而非「对下属负责」。
  • 说人话:像执行制片,不直接管演员,却要为整部片子能不能成立负责。
  • 什么时候用:面对「要不要转管理岗」时,先想清楚自己想管人还是想管产品。
  • 常见误区:默认产品经理升到头就是管人,忽略许多公司有与管理线并列的专家线。
  • 证据等级:C
  • 来源:行业通行做法

11. 两类典型角色错位:项目管理员与需求记录员

  • 定义:角色错位指挂着产品经理的名,实际只催排期管进度,或把需求记下来转给研发。
  • 说人话:一个天天开会催进度,一个把会议纪要整理成需求单,两者都不对「做什么才对」负责。
  • 什么时候用:记录一周工作,若八成时间在协调与记录、几乎没有判断,就是错位信号。
  • 常见误区:把忙碌当成负责,错位岗位往往最忙却最容易被替代。
  • 证据等级:C
  • 来源:行业通行做法

12. 怎么判断自己是不是在做产品经理该做的事

  • 定义:可用三问自查:我能说清用户在解决什么问题吗?方案错了怎么被验证?我对结果负责吗?
  • 说人话:如果上周交付了十个功能,却说不出哪个让用户更愿意留下,那大概率是在产出功能。
  • 什么时候用:季度或换岗复盘时,用这三个问题定位自己,比看职级更准。
  • 常见误区:用交付了多少需求衡量自己,而不用这些需求改变了什么行为来衡量。
  • 证据等级:C
  • 来源:行业通行做法
02

产品的基本常识

11 条

这一章讲产品本身:它是什么、凭什么好、边界在哪。这里只谈「产品」这个概念,增长与商业的话题留给后面的章节。 条目按从最基础到进阶排列。

1. 产品的定义

  • 定义:产品是承载解决方案、能被用户使用、并能持续迭代的交付物。
  • 说人话:一份 PPT 方案不是产品,做成一个能反复用的 App 才是;差别在能不能被真实使用、坏了能不能修。
  • 什么时候用:讨论「这是我们做的产品,还是一次活动、一个功能」时用。
  • 常见误区:把功能当产品,以为多做一个按钮就是多了一个产品。
  • 证据等级:C
  • 来源:行业通行做法

2. 产品的本质是解决方案

  • 定义:产品不是功能清单,而是对某个具体问题的一套解决方案;先看它解决的问题是否真实。
  • 说人话:剪刀是解决方案,解决怎么把纸分开;刀刃多长、手柄什么形状只是方案细节。
  • 什么时候用:需求讨论陷入「要不要加这个功能」时,退一步问到底在解决哪个问题。
  • 常见误区:把堆功能当竞争力,功能越多,越说不清自己解决什么问题。
  • 证据等级:C
  • 来源:Clayton Christensen(Jobs to Be Done 视角)

3. 功能、模块、产品、产品线、生态

  • 定义:功能是最小能力,模块是相关功能的集合,产品是可独立交付的一套功能,产品线是同类产品的一族。
  • 说人话:像餐厅:一道菜是功能,一个「热菜」分类是模块,这张菜单是一份产品,连锁品牌是产品线。
  • 什么时候用:讨论「这是加功能还是做新产品」时,用层级分清改动的影响范围。
  • 常见误区:把加功能说成做新产品的成绩,或用产品级的资源去做一个功能。
  • 证据等级:C
  • 来源:行业通行做法

4. 用户价值与商业价值必须同时成立

  • 定义:产品既要对用户有用,也要对提供方有回报;只有一边成立的产品不可持续。
  • 说人话:免费送水人人爱用,但没人付钱就撑不下去;收费太高又没人来,产品经理要找两者的结合点。
  • 什么时候用:做取舍时,同时问用户是否得到好处、这对生意有什么影响。
  • 常见误区:以为只要对用户好商业价值自然会来,其实两边都要被具体设计。
  • 证据等级:C
  • 来源:行业通行做法

5. 价值的三层:可用、好用、有意义

  • 定义:用户评价可分三层:能完成任务(可用)、完成得顺手(好用)、觉得这件事有价值(有意义)。
  • 说人话:能切菜的刀是可用,握着不累是好用,用久了觉得「这是我家那把刀」是有意义。
  • 什么时候用:判断该优化什么时,先用三层定位用户卡在哪一层,再决定投入。
  • 常见误区:在「可用」都没做到时,去追求情感与品牌层面的「有意义」。
  • 证据等级:C
  • 来源:可用性层次与 Kano 模型(狩野纪昭)

6. 好产品的三条判据

  • 定义:好产品通常同时满足三条:有人用、留得住、算得过账。
  • 说人话:开店看三件事——有没有人进店、会不会回头、刨去房租人工还赚不赚钱。
  • 什么时候用:评估一个产品或功能是否值得继续投入时,用这三条做体检。
  • 常见误区:只看用户数增长,忽略留存与成本,做出叫好不叫座的产品。
  • 证据等级:C
  • 来源:行业通行做法

7. 产品是整体体验,不是功能清单

  • 定义:用户感知的是完整旅程的总体感受,而不是一个个功能的加总。
  • 说人话:一次入住,前台热情但房间漏水,你记住的往往是漏水;最薄弱的环节决定印象。
  • 什么时候用:优化体验时,先看整条主路径,而不是只盯某个页面的转化率。
  • 常见误区:用「功能全部上线」当验收标准,忽略功能之间的衔接是否顺畅。
  • 证据等级:C
  • 来源:行业通行做法

8. 产品的生命周期

  • 定义:产品通常经历导入、成长、成熟、衰退四个阶段,各阶段的目标与投入重点都不同。
  • 说人话:像一款饮料:刚上市要让人知道,火起来要快速铺货,成熟期拼成本与渠道。
  • 什么时候用:定季度目标时,先确认产品在哪个阶段,别用成熟期的思路做导入期。
  • 常见误区:把生命周期当宿命,认为衰退不可逆;不少产品靠重新定义问题重获增长。
  • 证据等级:B
  • 来源:Theodore Levitt,《利用产品生命周期》(HBR)

9. 工具型、平台型、内容型、交易型产品的结构差异

  • 定义:工具型解决单人任务,平台型撮合多方,内容型消费注意力,交易型促成买卖。
  • 说人话:计算器是工具,菜市场是平台,短视频是内容,网店是交易,它们的增长与成本结构完全不同。
  • 什么时候用:进入新产品时先判断它属于哪一类,这决定了后面该盯哪些指标。
  • 常见误区:拿工具型产品的思路做平台,忽略平台要先解决「先有鸡还是先有蛋」。
  • 证据等级:C
  • 来源:行业通行做法

10. 产品的载体会变

  • 定义:同一解决方案可以落在 App、小程序、网页、API、硬件或 AI Agent 上,载体决定触达、成本与体验边界。
  • 说人话:同样是帮人记事,可以是纸质本、手机备忘录,也可以是语音助手。
  • 什么时候用:规划方案时先问「这个能力最适合长在哪种载体上」,别默认要做 App。
  • 常见误区:把载体当产品本身,以为换了形式就是创新,用户要的还是那个任务完成。
  • 证据等级:C
  • 来源:行业通行做法

11. 产品边界与「不做清单」

  • 定义:产品边界指产品明确不解决的问题;写成「不做清单」能防止功能无限膨胀,保护核心体验。
  • 说人话:一家只做牛肉面的店,如果什么面都上,出餐慢、味道也散;明确不做盖饭,招牌反而更稳。
  • 什么时候用:当需求源源不断、每个都「顺手做一下」时,用它挡掉偏离主线的需求。
  • 常见误区:把不做清单当成偷懒,说清不做什么其实比说做什么更需要判断力。
  • 证据等级:C
  • 来源:行业通行做法
03

互联网行业常识

12 条

这一章讲互联网行业的底层规则:市场怎么长、平台怎么运作、钱从哪里来、被什么约束。理解这些,才不至于把行业规律当成个人能力。 条目按从最基础到进阶排列。

1. 增量市场与存量市场

  • 定义:增量市场指还有大量新用户进入,做大蛋糕就能增长;存量市场指用户总量趋稳,增长要靠抢对手或提升单人价值。
  • 说人话:早年的外卖是增量市场,谁先铺开谁赢;现在的打车是存量市场,抢的是同一个用户在哪家下单。
  • 什么时候用:判断增长难度时,先分清自己在增量还是存量。
  • 常见误区:用增量时代的思路(狂拉新)应对存量市场,成本很高却换不回增长。
  • 证据等级:C
  • 来源:行业通行做法

2. 平台与双边市场

  • 定义:平台型产品连接两个或多个互相依赖的群体(如买家与卖家),价值来自降低双方匹配成本。
  • 说人话:菜市场不种菜也不做饭,它的本事是让卖菜的和买菜的最快碰上面。
  • 什么时候用:设计平台产品时,先想清每一侧的加入动机,以及先拉哪一侧。
  • 常见误区:把平台当成自营,亲自下场和平台上的一方竞争,破坏了中立与信任。
  • 证据等级:B
  • 来源:Rochet 与 Tirole 的双边市场研究

3. 网络效应:同边、跨边与负网络效应

  • 定义:网络效应指用户越多,产品对每个用户越有价值;同边指同侧用户互相增强,跨边指一侧增长使另一侧受益。
  • 说人话:一个人用电话没意义,用的人越多越有用;打车软件司机多则乘客来得快,乘客多则司机愿来。
  • 什么时候用:评估一个业务能否形成护城河时,先问价值是否随规模变强。
  • 常见误区:以为人多就一定是网络效应;拥挤到体验变差,其实是负网络效应。
  • 证据等级:B
  • 来源:平台与网络经济学的行业通用表述

4. 规模效应与边际成本

  • 定义:规模效应指产量或用户量增加后单位成本下降;边际成本指每多服务一个用户新增的成本。
  • 说人话:软件多一个人用几乎不花钱,边际成本趋近于零;实体店多服务一位顾客要占更多人工与场地。
  • 什么时候用:判断一门生意能不能靠规模赢时,看边际成本是趋零还是随量上升。
  • 常见误区:把规模大直接等同于成本低,重资产业务的规模未必带来单位成本下降。
  • 证据等级:B
  • 来源:规模经济与边际成本(经济学通用概念)

5. 生态位与产业链分工

  • 定义:生态位指一个产品在产业链中占据的位置与职能;上下游之间既有分工,也有议价关系。
  • 说人话:手机行业里芯片、系统、整机、渠道各是一层,你能拿多少利润取决于卡在哪一层。
  • 什么时候用:判断一个机会时,先看它处在产业链哪一环,以及是否容易被绕过。
  • 常见误区:只盯自己做得好不好,忽略所处环节在整条产业链里是否有利可图。
  • 证据等级:B
  • 来源:产业链分工与生态位概念(源自生态学类比)

6. 免费模式与注意力经济

  • 定义:免费模式指用免费服务换取用户的注意力或数据,再向广告主或其他付费方变现。
  • 说人话:不要钱的短视频 App,卖的不是视频而是你的观看时长;你看得越久,广告位越值钱。
  • 什么时候用:设计免费产品时,想清楚到底由谁付钱、为什么愿意付。
  • 常见误区:以为免费就能赢,忽略免费的代价是必须靠规模和广告变现。
  • 证据等级:B
  • 来源:注意力经济的通行表述(可追溯至 Herbert A. Simon)

7. 主要变现路径

  • 定义:常见变现路径有广告、订阅、交易佣金、增值服务、授权与硬件,各自对规模、频次和信任度的要求不同。
  • 说人话:广告要有流量,订阅要有持续价值,佣金要有交易,增值要有愿意为特权付费的人。
  • 什么时候用:规划商业模式时,先看产品形态与用户关系更适合哪几种路径(见第 2 章第 4 条)。
  • 常见误区:所有路都想走,结果每条都做不深,用户也搞不清产品到底卖什么。
  • 证据等级:C
  • 来源:行业通行做法

8. 平台治理与规则设计

  • 定义:平台治理指平台为维持多边秩序而制定的规则,包括准入、排序、抽成、纠纷处理与违规处罚。
  • 说人话:小区物业要定谁能进、怎么排队、东西坏了谁赔,规则定得不好,好用户会先跑。
  • 什么时候用:平台规模变大、各方利益开始冲突时,把规则当成需要设计的产品功能。
  • 常见误区:把治理当成运营杂活,等矛盾爆发才补规则,往往已经伤害了信任。
  • 证据等级:C
  • 来源:行业通行做法

9. 行业周期与资本环境

  • 定义:互联网行业有明显的扩张与收缩周期;资本宽松时敢投新业务,收紧时更看重盈利与效率。
  • 说人话:风口上,讲个新概念就能拿到钱;寒冬里,投资人先问「你什么时候能自己造血」。
  • 什么时候用:判断业务方向是否可行时,把资本环境当作约束条件,而不是只看需求。
  • 常见误区:把周期性的机会当成自己的能力,风停了才发现增长的其实是风。
  • 证据等级:C
  • 来源:行业通行做法

10. 监管约束的常识

  • 定义:在国内做互联网产品,需理解数据合规、反垄断、内容审核与未成年人保护等约束,合规是设计前提。
  • 说人话:收集手机号要告知用途,未成年人要限制使用时长,这些得在设计时就想好。
  • 什么时候用:方案涉及用户数据、内容分发或未成年人时,先过一遍合规要求再定功能。
  • 常见误区:认为合规只是法务的事,等上线被要求整改,返工成本远高于一开始就做好。
  • 证据等级:B
  • 来源:《个人信息保护法》《未成年人保护法》等法律法规

11. 范式变迁对岗位的影响

  • 定义:技术范式(PC 互联网 → 移动互联网 → AI)会重塑产品形态、分发方式与岗位重心,每次迁移都带来新岗位。
  • 说人话:移动时代让增长产品经理走红,因为手机上的行为可追踪;AI 时代重心转向把模型做成可靠产品。
  • 什么时候用:规划职业方向时,问自己「技能绑定的是一次范式,还是可迁移的判断力」。
  • 常见误区:把某一时期的岗位热度当成永久需求,范式一变,技能价值可能迅速缩水。
  • 证据等级:C
  • 来源:行业通行做法

12. 开源与云基础设施改变成本结构

  • 定义:开源软件与云计算让创业公司不必自建机房和基础组件,前期固定投入大幅下降,成本转为随用量变化。
  • 说人话:十年前做网站要买服务器、招运维;现在租云服务、用开源框架,几个人就能上线,但账单随用量涨。
  • 什么时候用:评估技术方案与成本时,把「自建还是租用」当成要先算清楚的经营问题。
  • 常见误区:只看初期省钱,忽略云上用量增长后成本可能反超自建。
  • 证据等级:C
  • 来源:行业通行做法
04

需求的本质

11 条

这一章讲需求本身:它是什么、为什么会伪装、为什么用户说的和想要的不一样。后面的用户研究、机会识别与优先级,都建立在对需求的理解之上。 条目按从最基础到进阶排列。

1. 需求与解决方案

  • 定义:需求是用户想达成的目标,解决方案是达成它的手段;同一个需求可以有多种解决方案。
  • 说人话:用户要的不是「一个钻头」,而是「墙上有个洞」;钻孔机、膨胀螺丝、请人代装都能满足这个需求。
  • 什么时候用:讨论卡在「用户说要某个功能」时,往回追一层,先问他真正想完成的事是什么。
  • 常见误区:把用户点名的解决方案直接当需求,于是照抄竞品,错过更合适的实现方式。
  • 证据等级:A
  • 来源:Clayton Christensen(Jobs to Be Done)

2. 真需求与伪需求

  • 定义:真需求是用户愿意持续付出代价去满足的需求;伪需求听起来合理,但用户不会为它改变行为。
  • 说人话:访谈时人人说「这个功能好」,上线后却没人用,因为它没强到让人改掉原有习惯。
  • 什么时候用:需求来自热情的口头反馈、投入又不小的时候,先看有没有人真的为类似方案掏过钱或改过做法。
  • 常见误区:把「用户口头认可」当作需求成立的证据,忽略从说好到行动的落差。
  • 证据等级:C
  • 来源:行业通行做法

3. 需求的三层:表层诉求、真实动机、底层人性

  • 定义:用户说出口的是表层诉求,背后是真实动机,再往下是稳定的人性,比如省事、安全、归属与被认可。
  • 说人话:买钻戒说「好看」是表层,求婚礼上的体面是动机,害怕关系不被确认才是更底层的那一层。
  • 什么时候用:当表层诉求互相矛盾、说不清时,往下找更稳定的那一层,据此判断哪个更值得押注。
  • 常见误区:停在表层做功能,或过度解读到人性层,把具体问题泛化成「人就是需要被认可」这类大词。
  • 证据等级:C
  • 来源:行业通行做法

4. 需求背后的成本结构

  • 定义:满足一个需求,用户要付出金钱、时间、认知、社交和机会成本;任何一项过高都会压住行为。
  • 说人话:注册流程再顺,如果要求填身份证,多数人宁可不注册,这就是认知与隐私成本的账。
  • 什么时候用:功能逻辑没问题却没人用,先算用户完成它的总成本,而不是继续往上面加功能。
  • 常见误区:只算金钱成本,忽略时间、认知与社交成本,而这些往往是真正拦住人的地方。
  • 证据等级:C
  • 来源:行业通行做法

5. 需求强度与频次

  • 定义:强度指需求不被满足时用户有多难受,频次指它多久发生一次;两者都高,才最值钱。
  • 说人话:饿肚子要吃饭是高频刚需;换房贷是低频刚需;刷短视频高频,但不看的难受程度远不如看病。
  • 什么时候用:在几个候选需求之间取舍时,把它们放进「强度 × 频次」两维里比较,而不是凭感觉选。
  • 常见误区:把高频等同于刚需,用使用次数多来证明需求强,容易做出热闹但并不重要的产品。
  • 证据等级:C
  • 来源:行业通行做法

6. 需求的替代性:别忘了「什么都不做」

  • 定义:解决同一需求的各种方案互为替代,而且「维持现状、什么都不做」永远是其中一个选项。
  • 说人话:你以为对手是同类产品,其实最大的对手是用户继续用 Excel,或者干脆忍着不管。
  • 什么时候用:评估竞争时,先列出用户现在都在用什么替代做法,再看你的方案比它们强在哪。
  • 常见误区:只盯同类产品,忽略替代方案和「不做」,于是高估了自己的相对优势。
  • 证据等级:C
  • 来源:行业通行做法

7. 用户自我报告为什么不可靠

  • 定义:用户对自己行为的描述会被社会赞许性和回忆偏差扭曲,当面的说法和真实做法常常对不上。
  • 说人话:问卷里人人说自己爱看书,可真实销量说明另一回事;人倾向于给出更体面的答案。
  • 什么时候用:拿访谈和问卷当依据时,优先去找行为证据,把自述当作线索而不是结论(见第 5 章第 7 条)。
  • 常见误区:因为用户「讲得很有道理」就当作数据,忽略提问方式本身也在悄悄引导答案。
  • 证据等级:B
  • 来源:社会心理学关于社会赞许性与回忆偏差的通行共识

8. 需求会漂移

  • 定义:需求会随场景、约束和技术条件变化而迁移,同一群人在不同条件下想要的东西并不一样。
  • 说人话:打车软件早期用户图的是便宜,补贴退坡后,「能不能准时到」就变成了新的核心需求。
  • 什么时候用:做长期规划时多问一句「如果外部条件变了,这个需求还在不在」,别把当下的结论当永恒。
  • 常见误区:把某次调研时点的结论当作永久事实,结果做出一个只适配某个快照的产品。
  • 证据等级:C
  • 来源:行业通行做法

9. 显性需求与潜在需求

  • 定义:显性需求是用户能说出口的;潜在需求是用户没说、甚至没意识到,但一旦被满足会有明显反应的。
  • 说人话:用户能描述的是现状和不满,却很难凭空想象一个自己没见过的方案,所以往往只会说要「更快的马」。
  • 什么时候用:做创新而不是改进时,重点从「用户说要什么」转向「观察他在凑合着用什么」。
  • 常见误区:拿潜在需求当无视用户说法的借口,让「用户不懂」变成替自己臆测背书的理由。
  • 证据等级:C
  • 来源:行业通行做法

10. 需求与动机:外在激励的挤出效应

  • 定义:外部奖励能短期拉动行为,但可能削弱本来就存在的内在动机,一旦奖励撤走,行为往往回落。
  • 说人话:给钱请人做他本来就喜欢做的事,停止给钱之后,他反而更不愿意做了。
  • 什么时候用:设计积分、补贴、排行榜这类激励时,先确认用户原本有没有内在动机,别把它挤掉。
  • 常见误区:以为奖励越多越有效,忽略了它可能把「我自己想做」变成「给钱才做」。
  • 证据等级:A
  • 来源:Edward Deci 与 Richard Ryan 的自我决定理论

11. 「痛点、痒点、爽点」分法及其局限

  • 定义:一种通俗分类:痛点是不解决就难受,痒点是想变得更好,爽点是即时快感;它便于沟通,但不严谨。
  • 说人话:止痛药对应痛点,保健品对应痒点,甜点对应爽点,三者的复购和留存表现完全不同。
  • 什么时候用:向非专业同事快速解释需求类型时好用;正式决策时别只靠这套分法下判断。
  • 常见误区:把爽点当痛点做留存,靠即时快感吸引来的用户,新鲜感一过就走了。
  • 证据等级:C
  • 来源:行业通行做法
05

用户研究基础

11 条

这一章讲怎么了解用户、同时不骗自己:研究该从哪一步开始,用哪些方法,以及那些最容易踩进去的偏差。它承接前面讲的需求概念,也为后面判断机会提供依据。 条目按从最基础到进阶排列。

1. 先定义研究问题

  • 定义:研究的起点是「要支撑哪个决策」,先写清要回答什么,再决定用什么方法、找什么人。
  • 说人话:不知道要回答什么就去做访谈,最后只会收到一堆「用户觉得还不错」这样没法用的反馈。
  • 什么时候用:任何调研开始前,用一句话补全「做完这项研究,我们要在什么事上做决定」。
  • 常见误区:把「了解用户」当成研究目的,问题太宽泛,结果什么都答不了。
  • 证据等级:C
  • 来源:行业通行做法

2. 定性与定量的分工

  • 定义:定性回答「为什么、怎样发生」,样本小、看细节;定量回答「有多少、是否相关」,样本大、看分布。
  • 说人话:定性像显微镜,看清一个人具体怎么用;定量像人口普查,看清到底有多少人这样用。
  • 什么时候用:探索全新问题时先用定性找出假设,要验证已知假设、需要数字支撑时再上定量。
  • 常见误区:拿几十份问卷算出的百分比去讲「有多少用户」,是用小样本做了大样本的结论。
  • 证据等级:C
  • 来源:行业通行做法

3. 用户画像的正确用法与误用

  • 定义:用户画像是基于研究归纳出的、能解释行为的典型用户模型,不是人口统计学标签的集合。
  • 说人话:有用的画像像「每月对账两次、最怕漏单的个体店主」;没用的画像只有「25–35 岁、一线城市、女性」。
  • 什么时候用:团队对「到底为谁做」分歧很大时,用画像把讨论收敛到具体的人和他的行为上。
  • 常见误区:拍脑袋造画像,只填性别年龄,看着专业,对决策却毫无帮助。
  • 证据等级:C
  • 来源:Alan Cooper(人物角色 Persona 方法)

4. 用户访谈的技术

  • 定义:访谈的核心是开放式提问、追问具体经历、不引导、不预设立场,让用户多讲事实而不是观点。
  • 说人话:别问「你会用这个功能吗」,要问「上次遇到这种情况时,你具体是怎么处理的」。
  • 什么时候用:需要挖动机、还原流程和痛点时用访谈;只是想统计覆盖率时,改用问卷更合适。
  • 常见误区:把自己的方案讲给对方听,用户出于礼貌夸两句,访谈就变成了推销。
  • 证据等级:C
  • 来源:行业通行做法

5. 可用性测试

  • 定义:让真实用户带着任务操作产品、边说边做,研究者观察他在哪里卡住,从而发现设计问题。
  • 说人话:与其问「这个按钮找得到吗」,不如递上一条任务,看他第一眼往哪里点。
  • 什么时候用:原型或版本有了初步形态、要低成本找出明显设计问题时使用。
  • 常见误区:迷信「五个用户就能发现大部分问题」的简化说法,它只在任务同质、用户群单一时才近似成立。
  • 证据等级:B
  • 来源:Jakob Nielsen(可用性测试样本量的经验结论)

6. 问卷设计

  • 定义:问卷靠样本量换覆盖面,但题目的措辞、顺序和量表方式,都会悄悄把答案推向某个方向。
  • 说人话:先问「你关心健康吗」再问「愿意为健康花多少钱」,答案自然就被抬高了。
  • 什么时候用:需要量化的分布和比例、而且问题能被封闭选项概括时,用问卷最合适。
  • 常见误区:样本来自自家用户却把结论推广到全体,或题目本身有诱导性还当成客观数据。
  • 证据等级:C
  • 来源:行业通行做法

7. 观察法与情境访谈

  • 定义:到用户的真实环境里看他做事,或在现场边做边问,用来补齐「说的」和「做的」之间的差距。
  • 说人话:用户说「我随手记一下就归档」,现场看到的却是一摞便利贴,两者差得很远。
  • 什么时候用:访谈结论和真实行为对不上、或者流程细节说不清时,改用观察法。
  • 常见误区:观察者一出现,行为就变了样(霍桑效应),却没意识到自己在场本身影响了结果。
  • 证据等级:B
  • 来源:情境访谈(Contextual Inquiry,Beyer 与 Holtzblatt)

8. 人种志与日记研究

  • 定义:人种志是长期浸入用户的生活场景做观察;日记研究则让用户在一段时间里记录自己的行为和感受。
  • 说人话:想弄清一个人怎么用记事本,跟着他过几天,比在会议室里脑补一张流程图准得多。
  • 什么时候用:研究跨天、跨场景的长期行为,比如记账、减肥、育儿,这些单次访谈根本看不到。
  • 常见误区:把日记研究做成问卷,让用户事后补记,记忆早被重塑,记录也失真。
  • 证据等级:B
  • 来源:人种志方法(Ethnography,社会学研究传统)

9. 样本的代表性与抽样偏误

  • 定义:结论能不能外推,取决于样本是否代表了目标总体;样本怎么来的,决定了结论能被推到哪。
  • 说人话:只调研自家活跃用户,结论天然偏向喜欢这个产品的人,等于在自我表扬。
  • 什么时候用:把研究结论向更大范围推广之前,先问一句「这批人到底是怎么被选进来的」。
  • 常见误区:以为样本量大就可信;来源本身有偏时,样本越大只是把偏误放得更大。
  • 证据等级:B
  • 来源:抽样与统计推断的通行结论

10. 四类常见偏差

  • 定义:用户研究最常撞上的四种偏误:选择偏差、社会赞许性、确认偏差、幸存者偏差。
  • 说人话:只听到留下来的人夸、只收集支持自己想法的证据,都是这几类偏误在起作用。
  • 什么时候用:写下结论后自查一遍:样本怎么选的、有没有只听爱听的话、沉默的群体落在哪。
  • 常见误区:以为保持中立就不会有偏差,可偏差藏在样本选择和研究者的提问里,不自查根本看不见。
  • 证据等级:B
  • 来源:研究方法论与认知偏差的通行共识

11. 研究结论怎么落地

  • 定义:研究要产出「洞察 → 机会 → 需求」这条链,否则就只是一份漂亮的报告,落不到产品上。
  • 说人话:结论写「用户觉得流程复杂」没有用,要落到「哪个环节可以删掉几步、预期改善什么」。
  • 什么时候用:研究收尾时,要求每条洞察都对应一个可决策的机会,或一个待验证的假设。
  • 常见误区:研究不落地常见三种原因——问题没对准决策、结论停在现象层面、没人负责把洞察转成需求。
  • 证据等级:C
  • 来源:行业通行做法
06

用户行为的基础理论

12 条

这一章讲用户为什么会那样操作:大脑怎么理解界面、记忆和注意力如何工作、什么样的刺激会改变行为。它是设计、增长和体验优化共同的底层。 条目按从最基础到进阶排列。

1. 心智模型与概念模型

  • 定义:心智模型是用户脑中「这东西怎么运作」的理解,概念模型是设计者呈现出来的运作方式,两者越接近越好用。
  • 说人话:用户以为购物车里的东西已经占住了库存,系统却是到付款才锁定,落差就在这里出事。
  • 什么时候用:设计之前先想「用户默认它会怎么反应」,再把界面往他的预期上靠。
  • 常见误区:以为交互逻辑自洽就够了,可用户不懂你的逻辑,只按自己的心智模型来操作。
  • 证据等级:A
  • 来源:Don Norman《设计心理学》

2. 认知负荷

  • 定义:John Sweller 提出,人处理信息时心理资源有限,负荷分内在(任务本身)、外在(呈现方式造成)、相关(用于学习)三类。
  • 说人话:同样填一张表,一次摊出二十个字段,和分三步各填几个,脑子累的程度完全不一样。
  • 什么时候用:用户在某处出错、放弃或者嫌麻烦时,判断是不是外在负荷被设计堆高了。
  • 常见误区:把信息一股脑全给出来,以为「反正都提供了」,实际是在把记忆和判断的负担转嫁给用户。
  • 证据等级:A
  • 来源:John Sweller,认知负荷理论

3. 双系统思维

  • 定义:Daniel Kahneman 提出,人有快、慢两套思考系统:快系统直觉、自动、省力,慢系统理性、费力、需要专注。
  • 说人话:看到熟悉的按钮顺手就点,是快系统在工作;认真对比两个套餐哪个划算,才动用慢系统。
  • 什么时候用:做注册、支付这类高频动作时,尽量让流程走快系统,别逼用户每次都停下来推理。
  • 常见误区:以为用户会像你一样认真读文案、逐条比较,多数情况下他只是扫了一眼。
  • 证据等级:A
  • 来源:Daniel Kahneman《思考,快与慢》

4. 损失厌恶、锚定效应与禀赋效应

  • 定义:三者都是判断被参照点影响的例子:怕失去胜过想得到、先看到的数会锚住判断、拥有的东西会被高估。
  • 说人话:标价 999 再降到 599 是锚定;试用后舍不得退是禀赋效应;「仅剩 2 件」戳的是损失厌恶。
  • 什么时候用:设计价格和试用时,用参照点塑造感受,但要如实,别造假紧迫感。
  • 常见误区:把损失厌恶当成骗术,靠虚假倒计时逼单,短期有效,长期透支信任。
  • 证据等级:A
  • 来源:Kahneman 与 Tversky 的前景理论;Richard Thaler(禀赋效应)

5. 默认效应与选择架构

  • 定义:Richard Thaler 与 Cass Sunstein 提出,选项的默认值和呈现方式会显著影响选择,这种设计叫选择架构。
  • 说人话:器官捐献设为「默认加入、可退出」还是「默认不加入、需申请」,参与率会差很多(待核实)。
  • 什么时候用:设置默认开关、推荐项、套餐排列时记住,默认值本身就是一次重要的产品决策。
  • 常见误区:把助推当成操纵,隐藏或贬低其他选项,就变成了对用户不利的暗黑模式。
  • 证据等级:A
  • 来源:Richard Thaler 与 Cass Sunstein《助推》(Nudge)

6. 习惯回路

  • 定义:习惯由三环构成:提示触发行为,行为带来奖励,重复之后,提示与行为形成自动关联。
  • 说人话:手机一震(提示)→ 点开看看(行为)→ 看到新消息(奖励),时间久了就成了条件反射。
  • 什么时候用:想让用户养成使用节奏时,先锁定一个稳定提示,再让奖励来得及时而且可预期。
  • 常见误区:靠强推送硬造习惯,奖励不真实或者越加越多,用户迟早会关掉通知。
  • 证据等级:B
  • 来源:Charles Duhigg《习惯的力量》(习惯回路)

7. B.J. Fogg 行为模型

  • 定义:B.J. Fogg 提出,行为要发生,动机(Motivation)、能力(Ability)、提示(Prompt)必须同时具备,即 B=MAP。
  • 说人话:想让人注册,动机够但流程太难(能力不足),或都够却没有提醒(缺提示),行为都不会发生。
  • 什么时候用:用户「想用却没动」时,从三要素里找缺的那一个,别只顾着加强动机。
  • 常见误区:以为把理由讲得更动人就能促进行为,常忽略降低难度、给对时机提示往往更有效。
  • 证据等级:A
  • 来源:B.J. Fogg,Fogg 行为模型(Fogg Behavior Model)

8. 社会证明与从众

  • 定义:人在不确定的时候,会参照他人的行为和评价来决定自己怎么做,这就是社会证明。
  • 说人话:看到「已有 10 万人购买」和「同事都在用」,下单时的心理门槛会明显降低。
  • 什么时候用:新用户缺参照、决策又有风险时,适度展示真实的使用数据和评价。
  • 常见误区:销量、评分造假或者评论注水,一旦被识破,社会证明会直接反过来伤到信任。
  • 证据等级:A
  • 来源:Robert Cialdini《影响力》

9. 峰终定律

  • 定义:Daniel Kahneman 发现,人对一段体验的回忆,主要取决于最强烈的那个瞬间(最高峰或最低谷)和结束时的感受。
  • 说人话:一顿饭服务都平平,但结尾送了道甜点,回忆里这顿饭就变成了「还不错」。
  • 什么时候用:优化开户、出行、客服这类长流程时,重点经营高峰点和收尾环节。
  • 常见误区:以为每个环节都平均用力最好,其实记忆由少数节点决定,平均投入性价比低。
  • 证据等级:A
  • 来源:Daniel Kahneman(峰终定律)

10. 沉没成本与认知失调

  • 定义:人倾向于为已经投入的成本继续投入(沉没成本),并会调整自己的态度,让前后显得一致(认知失调)。
  • 说人话:游戏里已经充了几百块,明知不好玩也舍不得弃游,还会说服自己「其实挺值」。
  • 什么时候用:看留存和续费数据时,分清用户是真的觉得有用,还是被已经投入的东西套住了。
  • 常见误区:用沉没成本做留存,让用户越投越难离开,短期数字好看,长期口碑受损。
  • 证据等级:A
  • 来源:Kahneman 与 Tversky(沉没成本);Leon Festinger(认知失调)

11. 学习曲线

  • 定义:掌握一项技能通常经过四个阶段:无意识无能力、有意识无能力、有意识有能力、无意识有能力。
  • 说人话:第一次用专业软件,连菜单在哪都找不到;用熟之后,操作变得完全不用想。
  • 什么时候用:判断功能复杂度时,分清它是「一次学会长期受益」,还是「每次都要重新学」。
  • 常见误区:把上手难一律当成缺点,专业工具的复杂度有时正是效率的来源,关键看值不值。
  • 证据等级:B
  • 来源:能力四阶段模型(行业通行表述,常归于 Noel Burch)

12. 注意力稀缺与遗忘曲线

  • 定义:人的注意力有限、容易被夺走;Ebbinghaus 的遗忘曲线说明,新信息如果不再复述,会很快衰减。
  • 说人话:昨天看过的说明,今天可能就记不清了;重要信息要靠重复出现和即时提示来对抗遗忘。
  • 什么时候用:设计引导、通知和新功能教学时,别指望一次就教会,要按记忆规律安排重复。
  • 常见误区:把遗忘当成用户不认真,其实遗忘是默认状态,产品应该顺着记忆规律来设计。
  • 证据等级:A
  • 来源:Hermann Ebbinghaus(遗忘曲线)
07

机会识别与问题定义

11 条

这一章讲怎么把一句模糊的「我觉得这里有机会」收敛成一个值得投入、能被验证的问题。机会本身还只是现象,问题定义清楚之前,一切方案都是赌博。 条目按从最基础到进阶排列。

1. 问题陈述的四要素

  • 定义:一个可用的问题陈述至少包含四点:谁(哪类用户)、在什么场景、遇到什么痛点、这个问题有多严重。
  • 说人话:「用户觉得注册麻烦」不算问题;「新用户在小程序里首次下单,光填地址要跳三次,一半人半路走掉」才算。
  • 什么时候用:拿到需求、准备立项或者和技术讨论方案之前,先用四要素把话说清楚。
  • 常见误区:把方案当问题(「需要加个一键登录」),四要素一缺,后面所有讨论都缺依据。
  • 证据等级:C
  • 来源:行业通行做法(问题定义的基本结构)

2. 从现象到问题:用户抱怨不等于问题

  • 定义:用户说的通常是一个现象或一个现成方案,产品经理要做的是穿过它,还原出背后真实、可复现的场景。
  • 说人话:用户说「能不能加个返回键」,背后可能是流程绕来绕去让人迷路,加键只是他想到的第一个解法。
  • 什么时候用:收到反馈、差评、客服工单时,先问「他在什么情况下想做什么、被什么卡住了」。
  • 常见误区:把用户的话原样抄进需求文档,等于把问题定义这份工作直接外包给了用户。
  • 证据等级:C
  • 来源:Clayton Christensen,Jobs to Be Done(见第 4 章第 1 条)

3. 把症状与病因分开:5 Why 的用法与边界

  • 定义:5 Why 是通过连续追问「为什么」,从表面症状一路追溯到根因的方法,由丰田生产系统推广开来。
  • 说人话:用户流失(症状)→ 找不到功能 → 因为入口埋在三级菜单 → 根因是导航结构,而不是按钮颜色。
  • 什么时候用:一个现象反复出现、改了表层却总复发时,用它往下挖一两层。
  • 常见误区:机械地问满五次,或者把「反正没人管」这类无解答案当成根因,追问就跑偏了。
  • 证据等级:C
  • 来源:丰田生产系统(5 Why,大野耐一推广)

4. 问题定义与成功标准必须同时写

  • 定义:定义问题的同时要写清楚「解决到什么程度算成功」,也就是一个可观察、可衡量的目标。
  • 说人话:只说「降低下单流失」不够,要写清「新用户下单转化提升多少、在几周内看结果」。
  • 什么时候用:立项、写目标、开会对齐时,把问题和解法分开,把判断标准前置。
  • 常见误区:先定方案再倒推指标,或者指标含糊到怎么解释都行,最后变成「做完了但没效果」。
  • 证据等级:B
  • 来源:行业通行做法(目标与关键结果的结构)

5. 假设拆解:价值假设、增长假设、可行性假设

  • 定义:任何机会背后都压着一串假设,可分三类:用户真的需要吗(价值)、能触达并留住用户吗(增长)、技术上做得出来吗(可行性)。
  • 说人话:想做自动记账,价值假设是「用户愿意为此花时间」,增长假设是「能低成本获客」,可行性是「能稳定读到账单」。
  • 什么时候用:决定投入之前把假设列全,优先验证最不确定、错了代价最大的那一条(见第 10 章第 11 条)。
  • 常见误区:默认所有假设都成立就直接开工,把风险一路留到上线之后才暴露。
  • 证据等级:B
  • 来源:Eric Ries《精益创业》(价值假设与增长假设)

6. 竞争与替代:别忘了「不作为」

  • 定义:判断一个机会,要把用户的全部替代方案算进来,包括直接竞品、土办法,以及「什么都不做」。
  • 说人话:你的对手可能不是同类 App,而是用户用 Excel、微信群,或者干脆忍着不解决。
  • 什么时候用:评估市场吸引力、写竞品分析时,先画出用户今天靠什么完成这件事。
  • 常见误区:只盯着几个直接竞品的功能清单,忽略用户其实可以不解决,于是高估了真实需求。
  • 证据等级:C
  • 来源:Clayton Christensen《创新者的窘境》(替代与不消费)

7. 机会空间与机会成本

  • 定义:机会空间是你从这些问题里能切入的范围;机会成本是选了这一个,就放弃了做别的可能带来的收益。
  • 说人话:同样三个人力,做了这个功能就做不了那个,真代价不只是投入,还有被放弃的那个更好的选择。
  • 什么时候用:资源有限、几个方向都想做时,用机会成本而不是「划不划算」来衡量。
  • 常见误区:只算这一件要花多少,不算它挤掉了什么,于是资源投给了「还行」而不是「最值得」。
  • 证据等级:C
  • 来源:经济学常识(机会成本)

8. 市场规模的三层:TAM / SAM / SOM 及其局限

  • 定义:TAM 是理论总市场、SAM 是你能服务的市场、SOM 是短期内实际能拿到的份额,逐层收窄。
  • 说人话:卖咖啡,TAM 是全国咖啡消费,SAM 是你所在城市能配送的范围,SOM 是你头一年能抢到的量。
  • 什么时候用:向别人说明机会大小、或自我校验天花板时,用它把想象拉回现实。
  • 常见误区:拿 TAM 讲故事(「市场上千亿」),数字好看却和你的实际可达无关,容易误导决策。
  • 证据等级:B
  • 来源:行业通行做法(TAM / SAM / SOM 分层)

9. 时机窗口:技术、政策、习惯三类触发

  • 定义:一个机会能不能成,除了方向对,还取决于时机,通常被三类变化打开:技术成熟、政策放开、用户习惯迁移。
  • 说人话:移动支付起来前做打车很吃力,等定位够准、支付习惯变了,同一件事才突然变得可行。
  • 什么时候用:判断「现在是不是时候」时,看有没有哪一类变化正在发生,并评估窗口能持续多久。
  • 常见误区:方向对但太早,资源烧完也没等到窗口;或者把短期热点当成长期趋势,追高被套。
  • 证据等级:C
  • 来源:行业通行做法(时机与窗口)

10. 「值不值得做」的判据清单

  • 定义:判断一个机会值不值得做,可以过几个固定问题:问题真不真、频次够不够、用户愿不愿为此改变习惯或付费、我们有没有独特优势、代价能否承受。
  • 说人话:这几个问题里如果有两三个答不上来、或者答案只是「勉强」,多半说明现在还不该动手。
  • 什么时候用:立项评审、决定要不要投入人力时,把它当检查表逐条过一遍,而不是凭直觉拍板。
  • 常见误区:把「我们能做」当成「值得做」,能力上可行不等于用户需要或商业上划算。
  • 证据等级:C
  • 来源:行业通行做法(立项判据)

11. 先收敛问题,再发散方案

  • 定义:面对模糊机会,正确顺序是先把问题收敛清楚(确认是谁的什么问题、值不值得),再打开去发散多种解法。
  • 说人话:还没搞清要解决什么就一头扎进想方案、画原型,很容易做出一堆精巧但解决错问题的东西。
  • 什么时候用:项目启动、方案讨论会跑题时,提醒大家先对齐问题,再进入头脑风暴。
  • 常见误区:把发散和收敛混在一起,边定方案边改问题,讨论永远收不拢,也留不下可比的选择。
  • 证据等级:B
  • 来源:设计思维(发散—收敛双菱形,Design Council 双钻模型)
08

产品设计基础

11 条

这一章讲产品设计的基本盘:怎么组织信息与导航、怎么安排流程和状态、怎么让界面符合人的操作习惯,以及简单的力量。它是把需求变成可用东西的手艺。 条目按从最基础到进阶排列。

1. 信息架构

  • 定义:Rosenfeld 与 Morville 提出,信息架构指对内容做组织、标注、导航和检索四件事,让用户找得到、看得懂。
  • 说人话:一个电商把商品按品类、场景、人群几种方式归好类,用户无论从哪个角度进来都能找到东西。
  • 什么时候用:内容一多、用户开始抱怨「找不到」,或者要重做分类和导航时。
  • 常见误区:按公司内部的组织结构分类,而不是按用户的理解分类,内部看着清楚、用户却迷路。
  • 证据等级:A
  • 来源:Rosenfeld 与 Morville《信息架构》

2. 导航的层级与深度

  • 定义:信息层级越深,用户点击次数越多、越容易迷路;层级越浅,每层要摊开的选项就越多。
  • 说人话:把一个功能埋进「我的—设置—更多—高级」四层,多数人根本到不了;摊平又会让入口挤成一团。
  • 什么时候用:设计菜单结构、功能入口位置时,在「点得少」和「看得清」之间找平衡。
  • 常见误区:以为层数越少越好,忽略了每层选项过多带来的选择负担(见第 6 章第 2 条)。
  • 证据等级:B
  • 来源:行业通行做法(导航深度与宽度的权衡)

3. 流程设计:主路径、异常路径、回退路径

  • 定义:一条完整流程不止有顺利走通的主路径,还要设计用户犯错时的异常路径,以及走错后能退回去的路。
  • 说人话:下单主路径是选好商品付款;异常路径是卡里没钱、地址填错;回退路径是付款失败后能不能退回重选。
  • 什么时候用:设计任何多步流程(注册、支付、发布)时,把三条路径都画出来。
  • 常见误区:只画主路径,异常和回退全靠临场发挥,用户一旦出错就卡死或被迫从头再来。
  • 证据等级:B
  • 来源:行业通行做法(流程设计的路径分解)

4. 状态设计:空态、加载态、错误态、边界态、无权限态

  • 定义:界面不只有「有内容」这一种样子,还要覆盖没有数据(空态)、正在加载、出错、数据超常(边界)、没权限这几种状态。
  • 说人话:新用户打开一个还没消息的聊天列表,给他一句引导,而不是一片空白,体验差别很大。
  • 什么时候用:设计任何展示数据、依赖网络的页面时,默认先把这五种状态列全。
  • 常见误区:只做理想状态,上线后遇到空数据、超长文本、断网就开始出洋相。
  • 证据等级:C
  • 来源:行业通行做法(状态覆盖)

5. 交互四原则:可见性、反馈、约束、映射

  • 定义:好的交互通常满足四点:可操作的东西要看得见、每个操作要有反馈、不该做的要能约束住、控件与它的效果对应要自然。
  • 说人话:按钮点下去要有变化(反馈);删除要二次确认(约束);方向盘左打轮车往左(映射)。
  • 什么时候用:评审一个界面时,逐条对照这四点找问题。
  • 常见误区:只顾好看,点了没反应、错了没提示、能点的和不能点的长得一样,用户全靠猜。
  • 证据等级:A
  • 来源:Don Norman《设计心理学》(交互设计原则)

6. 一致性:内部一致与外部一致

  • 定义:内部一致是产品自己前后一致(同一个操作到处一样);外部一致是跟随行业和平台的既有习惯。
  • 说人话:所有页面都用同一种「返回」方式,用户就不用每次重新学;跟随平台手势,用户上手更快。
  • 什么时候用:新增页面、复用组件、跨端设计时,先看看已有的做法和平台惯例。
  • 常见误区:为了「创新」在通用操作上标新立异,用户熟悉的习惯被打破,学习成本陡增。
  • 证据等级:B
  • 来源:Jakob Nielsen(启发式评估中的一致性原则)

7. 可用性五要素

  • 定义:可用性(usability)通常拆成五点:可学习、高效、易记忆、少出错、让人满意,ISO 与 Nielsen 的说法略有差异。
  • 说人话:一个新功能好不好,不是「能不能用」,而是新人多久上手、熟手多快完成、隔一阵子还记不记得。
  • 什么时候用:评估和验收一个设计,或者两版方案难分高下时,用五点分项打分。
  • 常见误区:把「能跑通」当成「可用」,忽略了效率和出错率,功能有却没人愿意用。
  • 证据等级:A
  • 来源:Jakob Nielsen(可用性五要素);ISO 9241

8. 费茨定律与希克定律

  • 定义:费茨定律说目标越大越近,点得越快;希克定律说选项越多,做决定越慢。
  • 说人话:把高频按钮做大、放在手指够得到的位置;把几十个选项硬塞在一屏,用户挑起来就慢。
  • 什么时候用:安排按钮大小、位置和选项数量时,用它解释「为什么这样放」。
  • 常见误区:把希克定律理解成「选项越少越好」,其实关键是有没有归类、有没有默认,而不是简单砍数量。
  • 证据等级:A
  • 来源:Paul Fitts(费茨定律);William Hick 与 Ray Hyman(希克定律)

9. 无障碍

  • 定义:无障碍(accessibility)指让残障和特殊场景下的用户也能使用产品,WCAG 给出可感知、可操作、可理解、健壮四条基本要求。
  • 说人话:文字和背景对比度够、图片有文字说明、不靠颜色单独传递信息、键盘能走完整个流程。
  • 什么时候用:设计表单、颜色、控件时,以及面对有合规要求的项目时。
  • 常见误区:以为是给少数人做的额外工作,其实低对比度、没键盘支持也会拖累普通用户。
  • 证据等级:A
  • 来源:W3C 无障碍指南(WCAG)

10. 表单设计与错误提示

  • 定义:表单设计关注怎么让用户少填、少错、错了能自己改回来,错误提示要说清「错在哪、怎么改」。
  • 说人话:「输入有误」等于没说;「手机号少了一位」用户一眼就知道该改哪里。
  • 什么时候用:设计注册、支付、信息录入这类需要用户输入的场景。
  • 常见误区:错误靠弹窗一句「操作失败」打发,或者校验时机不对,还没填完就报红。
  • 证据等级:B
  • 来源:行业通行做法(表单可用性)

11. 简单与功能的取舍

  • 定义:面对「加不加这个功能」的争论,判断标准不是能不能加,而是它给主流用户带来的价值,是否大于它增加的复杂度和误解。
  • 说人话:每加一个选项,都在向所有用户收一笔认知税,用不到的人也要为它分神。
  • 什么时候用:功能越堆越多、上手变难、或者要为一个少数场景开个新入口时。
  • 常见误区:把加法当进步,功能数量当成产品能力,最后没人记得清产品到底能干什么。
  • 证据等级:B
  • 来源:Don Norman(复杂性与设计);行业通行做法
09

优先级与取舍

11 条

这一章讲资源有限时怎么决定先做什么、后做什么,以及每种排序方法背后的假设和代价。优先级本质是一个取舍问题,排序工具只是把取舍摆到台面上。 条目按从最基础到进阶排列。

1. 机会成本才是优先级的本质

  • 定义:排优先级的实质不是给事情打分排名,而是决定把有限资源投给哪一件,同时放弃其余的收益。
  • 说人话:手上只有一个开发,做了 A 就得放掉 B,真正的代价不是 A 的工作量,而是 B 本可以带来的结果。
  • 什么时候用:资源紧张、什么都想做时,用「放弃了什么」来重新审视整张清单(见第 7 章第 7 条)。
  • 常见误区:只按「这件事重不重要」打分,却不问「和别的比哪个更值」,最后排出的顺序没有意义。
  • 证据等级:C
  • 来源:经济学常识(机会成本)

2. 价值与复杂度四象限

  • 定义:用「价值高低」和「实现复杂度高低」两个维度把需求分进四个象限,通常先做高价值、低复杂度的。
  • 说人话:一个小改动能带来明显提升,先做;又贵又不确定收益的,往后放甚至砍掉。
  • 什么时候用:需求堆成山、需要快速排出先做什么时,作为第一道粗筛。
  • 常见误区:把「价值」和「复杂度」都拍脑袋估,没标准没依据,四象限就成了画着好看的摆设。
  • 证据等级:C
  • 来源:行业通行做法(价值—复杂度矩阵)

3. 重要紧急四象限(艾森豪威尔矩阵)及其误用

  • 定义:把任务按「重要」和「紧急」两个维度分四类,建议优先做重要不紧急的事,警惕只被紧急的事牵着走。
  • 说人话:救火(紧急)天天有,做规划(重要不紧急)不做,就永远被救火追着跑。
  • 什么时候用:个人时间安排、临时插入事项太多、需要判断「现在该不该接」时。
  • 常见误区:把「紧急」等同于「重要」,别人的催促挤掉了自己的关键事;它偏个人时间管理,硬套团队优先级容易失真。
  • 证据等级:C
  • 来源:常归于 Dwight Eisenhower 的说法(四象限时间管理)

4. Kano 模型

  • 定义:Kano 模型把用户对功能的态度分四类:必备(没有就骂)、期望(越多越好)、兴奋(有惊喜)、无差异(有没有都无所谓)。
  • 说人话:充电器是必备,续航越长越好是期望,一个意外的贴心小功能是兴奋点,而多数噱头其实属于无差异。
  • 什么时候用:资源有限、要在「补短板」和「造亮点」之间选时,先分清功能属于哪一类。
  • 常见误区:把兴奋点当成长期竞争力,兴奋会随时间退化成期望和必备,靠它撑不住产品。
  • 证据等级:B
  • 来源:狩野纪昭(Noriaki Kano),Kano 模型

5. MoSCoW

  • 定义:MoSCoW 把需求分成必须有(Must)、应该有(Should)、可以有(Could)、这次不做(Won't)四档,用来划定某个版本的范围。
  • 说人话:它不是给所有需求排顺序,而是先说清「这次必须交付什么」,其余明确放到以后。
  • 什么时候用:定某个版本或某个迭代的范围、和各方对齐「什么是底线」时。
  • 常见误区:Must 越标越多,几乎什么都成了必须,范围失控,划分形同虚设。
  • 证据等级:B
  • 来源:Dai Clegg(DSDM 方法中的 MoSCoW)

6. RICE

  • 定义:RICE 用一个分数排序:触达人数(Reach)、影响程度(Impact)、信心(Confidence)、成本(Effort),分数高者优先。
  • 说人话:能覆盖很多人、影响明显、你有把握、又不费力的需求,分自然高;反之往后排。
  • 什么时候用:需求多、想用一套可比较、可讨论的算法代替拍脑袋时。
  • 常见误区:把 RICE 的分数当成客观真理,参数全是主观估的,不同人填出来能差出好几倍。
  • 证据等级:B
  • 来源:Sean McBride(Intercom 推广的 RICE 评分)

7. 成本收益分析在信息不足时的用法

  • 定义:成本收益分析是估算投入与回报再决定做不做;但早期信息往往不足,硬算容易得到假精确的数字。
  • 说人话:一个功能到底能带来多少收益其实谁也说不准,此时给出区间和「最坏情况」比给一个精确数字更有用。
  • 什么时候用:决策信息不全又必须给出判断时,用它做敏感性分析,看结论在多大范围内成立。
  • 常见误区:为了显得严谨,编出一堆精确数字,反而掩盖了真正的不确定。
  • 证据等级:C
  • 来源:行业通行做法(成本收益与敏感性分析)

8. 帕累托法则

  • 定义:帕累托法则(80/20 法则)指出,结果往往由少数关键因素决定,约两成的投入可能带来约八成的产出。
  • 说人话:二十个需求里,真正撑起核心体验的可能就那两三个,资源该压在这少数上。
  • 什么时候用:需要从一大堆事情里找出关键少数、或者复盘「哪些事真正起作用」时。
  • 常见误区:把 80/20 当成精确规律套任何场景,实际比例因事而异,它更像一种启发,而不是定律。
  • 证据等级:B
  • 来源:Vilfredo Pareto(帕累托法则,经管理领域推广)

9. 优先级中的决策偏差

  • 定义:排优先级时会受多种心理偏差干扰:已投入的资源让人难以叫停(沉没成本、承诺升级)、最近发生的事被高估(近因)、先听到的方案锚住判断(锚定),还有集体和权威带来的群体压力。
  • 说人话:一个做了半年的功能效果很差,因为已经投了这么多舍不得停,结果越投越深,就是承诺升级。
  • 什么时候用:评审时意见高度一致、或者没人敢说「砍掉」时,主动检查是不是偏差在起作用。
  • 常见误区:以为排序是纯理性计算,忽略会议室里的心理因素,最后排的是「谁声音大」而不是「什么更值」。
  • 证据等级:B
  • 来源:Daniel Kahneman《思考,快与慢》(沉没成本、锚定等偏差)

10. 优先级需要重排机制

  • 定义:优先级不是排一次就定终身,要事先约定什么时候重排、由谁有权重排,以及重排的触发条件。
  • 说人话:市场变了、数据出来了、关键目标调整了,清单就该跟着动,而不是硬扛原计划。
  • 什么时候用:建立排期流程时,同期确定重排规则,避免中途谁都能改、或者谁都不敢改。
  • 常见误区:要么一成不变,环境变了还照旧做;要么随意重排,团队天天换方向,什么也交付不了。
  • 证据等级:C
  • 来源:行业通行做法(优先级与变更管理)

11. 什么时候可以「不排优先级」

  • 定义:在高度不确定的早期、或者小步试错验证阶段,与其花大力气排序,不如并行试几个小成本方案快速看结果。
  • 说人话:还不知道用户要什么的时候,用一个下午做三个原型试试,比开三天会排顺序更划算。
  • 什么时候用:处于探索期、方案成本很低、结论又能快速反馈时,允许「先做后评」。
  • 常见误区:把「不排优先级」当成常态,进入需要集中投入的阶段还在到处试,资源和注意力被摊薄。
  • 证据等级:C
  • 来源:行业通行做法(探索期的小步试错)
10

验证与实验方法论

11 条

这一章讲怎么用尽量小的代价,尽早发现自己想错了。核心不是「证明自己对」,而是设计一个能明确判断对错的检验:先写下会被推翻的假设,再挑最省事的手段去撞它。 条目按从最基础到进阶排列。

1. 假设必须可证伪

  • 定义:验证的前提是把想法写成一句能明确判对错的话,也就是存在某种观察结果能证明它不成立。
  • 说人话:「用户会喜欢这个功能」无法验证,谁都能解释;改成「上线后新用户次日留存提高」才可能被数据打脸。
  • 什么时候用:动手之前,把「我觉得」翻译成可被推翻的判断,并写下要看的指标和判定线。
  • 常见误区:把愿望当假设,无论结果好坏都能自圆其说;或假设写得过泛,等于没写。
  • 证据等级:A
  • 来源:Karl Popper《猜想与反驳》(可证伪性)

2. MVP 的真实含义(最小验证单元)

  • 定义:MVP(最小可行产品)是用来验证关键假设的最小单元,目标是把学习的成本降到最低,而不是把开发的工作量降到最低。
  • 说人话:一个按钮的点击率就能回答的问题,不必做出完整功能;这里说的「最小」是验证代价最小,不是功能最少。
  • 什么时候用:面对高风险、不确定的需求,想先花小钱确认方向、再投入开发时。
  • 常见误区:把 MVP 做成「功能砍一半的完整产品」,既没验证到关键假设,又留下一堆半成品。
  • 证据等级:B
  • 来源:Eric Ries《精益创业》

3. 先验证最贵、最不确定的假设

  • 定义:一个想法背后有多个假设,应按「错了损失最大」乘以「最没把握」来排序,先验证排在前面的。
  • 说人话:与其先花时间优化按钮文案,不如先确认用户到底愿不愿意为这件事付钱;后者错了,其余全都白做。
  • 什么时候用:想法包含多个前提、而资源只够验证一两个时,用来决定先测哪一个。
  • 常见误区:只挑容易测、大概率能过的假设来验,得到一堆「验证通过」,方向性的风险却原封不动。
  • 证据等级:B
  • 来源:行业通行做法(假设优先级 / 风险评估)

4. 验证手段谱系

  • 定义:从访谈、可点击原型、假门(上线一个入口看点击)、绿野仙踪(人工冒充系统)、众筹到灰度,构成一组成本与可信度递增的验证手段。
  • 说人话:想验证用户会不会点,放个假按钮就行;想验证愿不愿意真掏钱,假门和众筹比访谈可信得多。
  • 什么时候用:要选验证方式时,按「结论要多可信」和「能花多少代价」在其中挑一档。
  • 常见误区:拿访谈里「用户说会买」当成付费意愿的证据;手段越轻越像征求意见,替代不了真实行为。
  • 证据等级:B
  • 来源:行业通行做法(精益创业验证方法谱系)

5. A/B 测试的四个前提

  • 定义:A/B 测试把用户随机分到实验组和对照组,比较单一变量带来的差异,有效结论依赖随机化、足够样本量、单一变量、统计显著这四个前提。
  • 说人话:两组要像同一批人被随机掰开,人数要够多,只改一处,差异大到不像巧合,缺一条结论就站不住。
  • 什么时候用:改动可拆分、指标可量化、流量足够时,用它做因果判断(见第 12 章第 1 条)。
  • 常见误区:流量太小、中途反复偷看数据、同时改了好几处,却把结果当成确定结论来用。
  • 证据等级:A
  • 来源:Ronald Fisher 的随机化实验设计;行业通行做法(A/B 测试)

6. 实验指标的选择(主指标 + 护栏指标)

  • 定义:实验要事先定一个主指标衡量成败,同时设若干护栏指标,监测有没有踩坏别的地方,如性能、投诉、留存。
  • 说人话:点击率涨了,但如果加载变慢、退款变多,这个「赢」是假的;护栏指标就是防止按下葫芦浮起瓢。
  • 什么时候用:设计每一次实验时,主指标只选一个,护栏指标覆盖可能被伤害的环节。
  • 常见误区:只看一个上涨的指标就宣布成功,或事后从一堆指标里挑一个好看的当结论(见第 10 章第 8 条)。
  • 证据等级:B
  • 来源:行业通行做法(主指标 / 护栏指标设计)

7. 灰度与逐步放量

  • 定义:灰度发布是先把新版本开放给小部分用户,指标平稳后再逐步扩大比例,出现异常可以随时回退。
  • 说人话:先放一百个用户,看崩溃、留存、投诉有没有异样;没问题再扩到一成、一半,比一次全量上线安全得多。
  • 什么时候用:改动影响面大、又没法在测试环境充分覆盖真实用户行为时。
  • 常见误区:灰度只看有没有报错,不看核心指标;放量节奏太慢,样本迟迟不够,结论出不来。
  • 证据等级:B
  • 来源:行业通行做法(灰度发布)

8. 多重比较与 p-hacking

  • 定义:同时检验很多指标、或反复看数据,总会有某个「显著」结果纯属偶然;p-hacking 指为了凑出显著而反复调整口径、样本或停止时间。
  • 说人话:抛硬币次数够多,总会出现连续正面;实验里看了二十个指标,再挑出最好的那个报喜,等于自欺。
  • 什么时候用:实验涉及多个指标、多组对比,或有人频繁查看结果并准备随时喊停时,要格外警惕。
  • 常见误区:把事后挑出来的显著当成预定结论;把「多测几次直到显著」当成严谨。相关读法见第 12 章第 10 条。
  • 证据等级:A
  • 来源:统计学多重比较问题(如 Bonferroni 校正)

9. 混淆变量与辛普森悖论

  • 定义:混淆变量是同时影响分组和结果、让人误判因果的第三个因素;辛普森悖论指分组看趋势与合并看趋势相反的统计现象。
  • 说人话:新首页整体转化更低,但按新老用户分别看都更高——差别来自两群人的比例不同,不是首页变差了。
  • 什么时候用:实验分组不随机,或汇总层面的结论与分层结论矛盾时,先找有没有第三个变量在捣乱。
  • 常见误区:只看总平均值就下结论;把「分组和整体相反」当成数据出错。详见第 12 章第 7 条。
  • 证据等级:A
  • 来源:Edward H. Simpson(辛普森悖论);因果推断中的混淆变量概念

10. 用户体验代价与实验伦理

  • 定义:实验会真实影响线上用户,需要考虑对照组是否被有意给到更差体验,以及实验有没有涉及隐私、诱导或伤害。
  • 说人话:为了测转化把「取消订阅」入口藏起来,数据可能好看,但这是拿用户占便宜。
  • 什么时候用:实验会改变用户的决策、涉及敏感数据或可能造成损失时,先问一句「敢不敢公开说明」。
  • 常见误区:为了显著性无限推迟给对照组新功能;把伦理当成事后补的手续,而不是设计时的约束。
  • 证据等级:C
  • 来源:行业通行做法(实验伦理与用户保护)

11. 结论可复现性

  • 定义:实验结论应当能被复述和重跑:数据口径、样本、时间窗、变更点都写清楚,换个人按同样方法能得到相近结果。
  • 说人话:别人拿着你的实验记录能重跑一遍、得到相似结论,这个结论才算数;说不清怎么算出来的,就等于没有。
  • 什么时候用:把实验结论写进文档、要影响后续决策,或与别人的结论起冲突时。
  • 常见误区:只写涨了多少,不写基线、口径和时间;口径随人而变,同一个指标各说各的数。
  • 证据等级:C
  • 来源:行业通行做法(实验记录与可复现性)
11

数据与指标体系

11 条

这一章讲指标怎么搭、怎么看、怎么防止自己骗自己。指标不是越多越好,关键是先想清楚要回答什么问题,再选少数几个能反映真实变化的量,并警惕被指标牵着走。 条目按从最基础到进阶排列。

1. 北极星指标

  • 定义:北极星指标是整个产品在当前阶段最该盯的单一指标,它同时反映用户获得的真实价值和产品的长期方向。
  • 说人话:它不是最赚钱的那个数字,而是「用户越用越离不开」的量,比如内容产品的每日阅读时长。
  • 什么时候用:团队各自盯不同数字、方向感混乱时,用一个北极星让所有人对齐。
  • 常见误区:把收入或注册量直接当北极星,容易引导团队走捷径;它应是先行指标,而不是最终结果。
  • 证据等级:B
  • 来源:行业通行做法(North Star Metric,北极星指标)

2. OMTM(唯一重要指标)

  • 定义:OMTM(One Metric That Matters)指在某个阶段只挑一个最重要的指标来驱动决策,其余都作为参考。
  • 说人话:早期产品先只想一件事,比如「有多少人愿意回来用第二次」,这一个数对了再谈别的。
  • 什么时候用:资源极少、必须聚焦的早期阶段,或某个关键问题尚未解决时。
  • 常见误区:把 OMTM 当长期目标,忘了它要随阶段更换;或借口「只能有一个」而不看护栏,把别处弄坏了。
  • 证据等级:B
  • 来源:Alistair Croll & Benjamin Yoskovitz《精益数据分析》

3. 指标体系分层

  • 定义:把指标按层级组织:北极星在最上,其下是一级结果指标,再往下是二级与过程指标,下层用来解释上层的变动。
  • 说人话:留存掉了,就往下一层层看是哪一步漏了——是新用户没被激活,还是老用户来得少了;上层看结果,下层找原因。
  • 什么时候用:指标一多就乱、看数找不着原因时,用它理清「结果—原因」的对应关系。
  • 常见误区:把几十个指标平铺罗列,没有层级,看到下降也定位不到源头;上下层指标混为一谈。
  • 证据等级:C
  • 来源:行业通行做法(指标树 / 指标体系分层)

4. 漏斗分析

  • 定义:漏斗分析把一个流程拆成若干有先后的步骤,看每一步有多少人进入、有多少人在下一步流失。
  • 说人话:比如一百个人打开首页,六十人点进商品,最后十人下单——哪一步掉得最狠,问题多半就在那里。
  • 什么时候用:注册、下单、发布这类有明确步骤的路径,想定位流失环节时。
  • 常见误区:只看整体转化率不看分步,就找不到卡点;步骤划分不合理,把本该分开的环节塞进一个漏斗。
  • 证据等级:C
  • 来源:行业通行做法(漏斗分析 / Funnel Analysis)

5. 留存曲线

  • 定义:留存曲线把每一批新用户按注册后第 N 天是否回来画成曲线,反映产品让用户持续回访的能力。
  • 说人话:曲线一直往下掉,说明留不住人;掉到某个水平之后走平,说明已经有一批用户养成了习惯。
  • 什么时候用:判断产品是否真的创造了价值,以及新版本有没有改善长期粘性时。
  • 常见误区:只用「次日留存」一个点下结论;把不同渠道、不同批次的用户混在一起算,掩盖真实差异。
  • 证据等级:B
  • 来源:行业通行做法(留存曲线 / Retention Curve)

6. 同期群分析

  • 定义:同期群分析把用户按加入时间或渠道等特征分组,逐组比较同一生命周期阶段的表现,避免新老用户被混算。
  • 说人话:把一月、二月进来的用户分开看他们第 7 天留存,才能判断是产品真变好了,还是用户构成在变化。
  • 什么时候用:整体指标波动、怀疑是用户结构变化而非产品本身变化造成时。
  • 常见误区:只看全量平均,忽略新老结构的变化,容易得出「产品在退步」的错误结论(见第 12 章第 7 条)。
  • 证据等级:B
  • 来源:行业通行做法(同期群 / Cohort Analysis)

7. AARRR 与 HEART 两套框架

  • 定义:AARRR(获取、激活、留存、收入、推荐)按用户旅程组织增长指标;HEART(愉悦、参与、接受、留存、任务成功)按体验维度组织指标。
  • 说人话:想盯增长就看 AARRR,想盯体验好不好就看 HEART;两套框架回答的问题不一样,别混着用。
  • 什么时候用:从零搭指标、不知道从哪里切入时,用框架当清单来查漏。
  • 常见误区:把框架当成标准答案,硬凑出五个维度;AARRR 偏增长漏斗,用它衡量体验会丢掉东西。
  • 证据等级:B
  • 来源:Dave McClure(AARRR);Google(HEART 框架)

8. 埋点设计与数据质量

  • 定义:埋点是数据采集点,埋点设计要保证每个指标口径唯一、可追溯;数据质量看口径是否一致、有没有重复和丢数。
  • 说人话:同一个「活跃」在三个报表里定义都不一样,开会就得先吵定义;埋点漏了,指标再漂亮也是错的。
  • 什么时候用:新功能要采集数据,或不同报表数字对不上、怀疑数据有误时。
  • 常见误区:先开发后补埋点,导致口径混乱;指标涨跌先去归因业务,却没想过可能是埋点改版或丢数造成的。
  • 证据等级:C
  • 来源:行业通行做法(埋点规范与数据质量)

9. 归因模型及其局限

  • 定义:归因模型把一次转化(如成交)的功劳分配给用户此前接触过的若干渠道,常见有末次点击、首次点击、线性、时间衰减等。
  • 说人话:一个人先看到广告、又搜了关键词才下单,这笔功劳该算给谁?不同分法会得出完全不同的渠道结论。
  • 什么时候用:要评估渠道贡献、分配投放预算时,先明确用哪种归因、它偏向哪些渠道。
  • 常见误区:把某一种归因当真值;末次点击会高估效果广告、低估品牌和自然流量,据此砍预算可能砍错。
  • 证据等级:C
  • 来源:行业通行做法(多触点归因)

10. Goodhart 定律与指标作弊

  • 定义:Goodhart 定律指当某个指标被当作目标来追求时,它就不再是好的指标;团队会去优化这个数本身,而不是它本想反映的价值。
  • 说人话:考核「客服通话时长」,客服就会急着挂电话;考核「日活」,就有人靠弹窗和推送硬拉。
  • 什么时候用:把某个指标写进考核,或发现数字涨了但业务感觉没变好时,回头查有没有人在钻指标的空子。
  • 常见误区:只加指标不查机制,被人找到漏洞刷数;误以为指标本身就能自动代表真实价值。
  • 证据等级:B
  • 来源:Charles Goodhart(Goodhart 定律)

11. 一次性指标与长期指标的冲突

  • 定义:一次性指标反映单次动作(下载、注册、首单),长期指标反映持续价值(留存、复购、生命周期价值),两者常常此消彼长。
  • 说人话:补贴能立刻拉高注册数,却把不爱用的人也拉进来,长期留存反而更差,账面好看、实质变坏。
  • 什么时候用:制定短期目标、设计激励或投放时,同步看长期指标,防止用一次性的好看换长期的坏账。
  • 常见误区:只盯短期数字向上升报,长期指标恶化却无人负责;把一次性的高峰当成产品变好的证据。
  • 证据等级:C
  • 来源:行业通行做法(短期与长期指标权衡)
12

统计与判断常识

11 条

这一章讲怎么不被数字唬住。数据本身不会说话,怎么解读、拿什么作对照、看哪一层才是关键;下面这些是最容易踩的坑和最常用得上的几件工具。 条目按从最基础到进阶排列。

1. 相关不等于因果

  • 定义:两个变量一起变化只说明它们相关,不证明谁导致谁;要判断因果,通常要借助实验、准实验或自然实验这三类工具。
  • 说人话:冰淇淋销量和溺水人数同步上涨,原因是天热,不是冰淇淋害人;看到相关就下因果结论,多半会出错。
  • 什么时候用:看到两个量同涨同跌、准备据此调整策略时,先问有没有第三个因素在同时推动它们。
  • 常见误区:把相关性直接当成因果;用「有数据支持」掩盖没有对照组这一事实。相关读数与实验设计见第 10 章第 5 条。
  • 证据等级:B
  • 来源:统计与因果推断常识(相关与因果之别)

2. 幸存者偏差

  • 定义:只观察到留下来的样本、忽略已经消失的样本,会系统性地高估某些成功因素的作用。
  • 说人话:只看活下来的成功公司去总结原因,就像只统计返航飞机的弹孔,结论会漏掉那些被打中要害、没能回来的。
  • 什么时候用:想从成功案例里总结规律、或评估留存用户有什么特征时,先问「失败的和走掉的那批人长什么样」。
  • 常见误区:用成功案例给方法背书;调研只发给还在用的人,把流失用户的意见整个漏掉。
  • 证据等级:A
  • 来源:二战飞机弹孔分析(Abraham Wald);统计学中的幸存者偏差

3. 选择偏差

  • 定义:样本不是随机产生的,进入样本的人在某些特征上系统性地偏向某一边,结论就无法代表总体。
  • 说人话:在 App 里弹问卷问「你更爱用网页版还是 App」,回答的自然多是 App 用户,结论从一开始就歪了。
  • 什么时候用:拿到任何非随机样本(问卷、访谈、后台人群)时,先检查有谁被排除在外了。
  • 常见误区:把便利样本、自愿样本当成全体;只看某一个渠道的数据就下全局结论。
  • 证据等级:B
  • 来源:统计学抽样常识(选择偏差 / Selection Bias)

4. 基准率忽视

  • 定义:判断一件事的概率时,忽略它原本的普遍程度(基准率)、只盯着新证据,会严重高估它发生的可能性。
  • 说人话:一种病本来就稀少,检测哪怕假阳性率不高,测出阳性的人里多半仍是健康人;只看检测结果会吓自己。
  • 什么时候用:面对「命中率高」的判断(风控、预测、诊断、推荐)时,先想想事件本身的基准率有多低。
  • 常见误区:只看检测的灵敏度和精确率,不看事件有多稀少;把小概率事件偶尔发生当成常态。
  • 证据等级:A
  • 来源:Daniel Kahneman & Amos Tversky(基准率忽视);贝叶斯推理常识

5. 大数定律与「样本量多少才够」

  • 定义:大数定律说样本量越大,样本均值越接近真实水平;反过来说,小样本的波动可以很大,容易得出偶然的结论。
  • 说人话:抛五次硬币得四个正面不奇怪,抛五千次还这样才反常;小样本实验里的「涨了」很可能只是运气。
  • 什么时候用:看到小样本得出的大幅变化,或要判断一个差异是否可信时,先看样本量够不够。
  • 常见误区:用几百个用户的实验结论去决定全量策略;样本小还硬要切出细分人群的差异,越切越不可信。
  • 证据等级:A
  • 来源:概率论大数定律(Law of Large Numbers)

6. 均值陷阱(中位数、长尾、极值)

  • 定义:平均值会被极值拉偏,分布明显偏斜时,中位数、分位数往往比均值更能代表「典型情况」。
  • 说人话:比如十个人里有一个收入很高,平均收入就被抬起来,看着人人都不错;其实多数人的中位数低得多。
  • 什么时候用:指标分布明显偏斜(收入、时长、订单额)时,别只看平均值,同时看中位数和长尾。
  • 常见误区:用平均响应时间掩盖少数极慢的请求;用平均客单价给全体用户画像。
  • 证据等级:B
  • 来源:描述性统计常识(均值与中位数、偏态分布)

7. 辛普森悖论

  • 定义:辛普森悖论指分组比较时各自占优的一方,在合并数据里反而落后(或相反),根源是各组样本比例不同。
  • 说人话:甲医院整体治愈率更低,但按轻症、重症分别看都更高,只因为它的重症病人更多;整体比较会被比例误导。
  • 什么时候用:分组结论和总体结论打架时,或比较两个群体却忽略各自内部构成差异时。
  • 常见误区:只看总平均就排名;把「分组后结论反转」当成数据造假。实验里的同类问题见第 10 章第 9 条。
  • 证据等级:A
  • 来源:Edward H. Simpson(辛普森悖论)

8. 回归均值

  • 定义:极端表现之后往往自然回落到平均水平附近,这未必是干预起了作用。
  • 说人话:某个用户上周消费特别高、这周变正常,不是被你的活动「治」好的;对极端值做干预很容易误判成效。
  • 什么时候用:针对「表现最差」或「表现最好」的群体做过优化、要评估效果之前,先想到回归均值。
  • 常见误区:把回归均值当成措施见效;只挑最差的样本去改进,怎么改看起来都「有效」。
  • 证据等级:A
  • 来源:Francis Galton(回归均值 / Regression to the Mean)

9. 置信区间比点估计更有用

  • 定义:置信区间给出估计值可能落在的范围,比只报一个点估计更能表达不确定性。
  • 说人话:说「大约在某个区间内」比报一个精确数字更诚实,因为它标出了这个估计有多不牢靠。
  • 什么时候用:汇报数据、做决策时,尽量给区间而不是一个精确数字,让听的人知道误差范围。
  • 常见误区:把点估计当准确值用于精细决策;把置信区间误读成「真值有九成五的概率落在里面」。
  • 证据等级:B
  • 来源:统计学区间估计常识

10. p 值的正确读法与常见误读

  • 定义:p 值指在原假设成立时,观察到当前或更极端结果的概率;它既不等于「原假设为真的概率」,也不等于效应大小。
  • 说人话:p 小于零点零五只说明「这么极端的结果不太像巧合」,并不说明效果有多大,更不说明结论一定对。
  • 什么时候用:读实验报告、看显著性标注时,同时关注效应大小、样本量和区间。
  • 常见误区:把 p 值当效果强弱;认为不显著就等于没差别;靠卡阈值、多试几次凑出一个显著(见第 10 章第 8 条)。
  • 证据等级:A
  • 来源:Ronald Fisher(显著性检验);美国统计协会关于 p 值的声明

11. 贝叶斯更新

  • 定义:贝叶斯方法先有一个先验判断,再根据新证据按比例修正,得到后验判断;证据越出乎意料、越可靠,改变越大。
  • 说人话:你觉得某人一向靠谱,他做了件反常的事,你会下调对他的评价但不一定翻脸,改多少取决于证据有多硬。
  • 什么时候用:新信息不断到来、判断需要逐步修正时,比如风控、推荐、需求可信度的评估。
  • 常见误区:只看新证据不看先验,被一条消息带偏;或死守先验,对任何新证据都完全不修正。
  • 证据等级:A
  • 来源:Thomas Bayes(贝叶斯定理)
13

技术与实现常识

11 条

这一章讲产品经理够用的技术常识:不必会写代码,但要听得懂研发在说什么、估得出方案的大致代价和风险,把需求说得清、评审时问得到点子上。 条目按从最基础到进阶排列。

1. 前端、客户端与后端的职责划分

  • 定义:前端指运行在用户设备上、负责界面与交互的代码;客户端指装在手机或电脑上的 App;后端指跑在服务器上、处理数据与业务逻辑、供所有用户共用的部分。
  • 说人话:界面点下去有没有反应,是前端和客户端的事;订单存在哪、谁有权看,是后端的事。你看到的画面,一半来自界面,一半来自后端算出的结果。
  • 什么时候用:提需求、估工时、判断改动影响面时,先分清它落在哪一层,才知道该找谁、会不会牵动全局。
  • 常见误区:以为「改个文案」必然很轻,其实多端同步、多语言、后台配置都可能把它变成一串改动。
  • 证据等级:C
  • 来源:行业通行做法(客户端—服务端架构分工)

2. API 与接口契约

  • 定义:API(应用程序接口)是系统之间约定好的对话方式;接口契约规定请求怎么传、返回什么、错误怎么表示,必要时用版本号区分不同代的接口。
  • 说人话:接口就像外卖订单模板:填什么、商家返回什么、出错提示什么,双方必须按同一张单子来,否则对不上。
  • 什么时候用:涉及前后端联调、对接第三方,或要改动已有字段时,先确认契约怎么变、还在用旧接口的业务怎么办。
  • 常见误区:只描述成功情况,不写错误码和字段含义;改字段不升版本,直接改坏还在依赖旧接口的业务。
  • 证据等级:C
  • 来源:行业通行做法(接口契约与版本管理)

3. 数据库基础(关系型与文档型、索引)

  • 定义:数据库负责存数据。关系型用表、行、字段组织,结构严格、靠关联拼出结果;文档型以类似 JSON 的记录组织,结构更灵活。索引是为加快查询建立的辅助结构。
  • 说人话:关系型像一本规整的 Excel,多张表互相关联;文档型像一摞格式相近的文件,改起来随意。索引像书的目录,查得快,但每次写入都要顺手更新目录。
  • 什么时候用:方案里要讨论「数据怎么存、能不能快速查」时,了解所选类型的取舍,以及它对索引的依赖。
  • 常见误区:以为加索引只有好处,忘了它让写入变慢、占空间;或以为换成文档型就能省掉数据建模。
  • 证据等级:C
  • 来源:行业通行做法(关系型与文档型数据库、索引)

4. 缓存与一致性

  • 定义:缓存把常用数据放在更近、更快的地方,减少对数据库的重复访问;代价是缓存和源数据可能短时间不一致,需要约定失效或更新策略。
  • 说人话:把常翻的资料复印一份放手边,省得每次跑仓库;但仓库改了资料,你手上那份可能还是旧的。
  • 什么时候用:读写量大、同一条数据被反复请求,或有人反馈「数据没更新」时,想清楚缓存多久失效、更新走哪条路。
  • 常见误区:以为缓存只带来提速;忽略缓存穿透、击穿、雪崩这类风险,把「加了缓存数据就一定一致」当默认。
  • 证据等级:C
  • 来源:行业通行做法(缓存策略与一致性)

5. 异步与消息队列

  • 定义:同步指调用后一直等结果返回;异步指先把任务丢进队列、稍后再处理。消息队列用来在系统之间传递这些待办任务,起削峰和解耦的作用。
  • 说人话:同步像打电话,等对方接完才说下一句;异步像发消息,对方有空再处理。突然来一大批请求,用队列排一排,系统不会被瞬间冲垮。
  • 什么时候用:任务耗时长、流量有明显高峰、想把两个模块拆开时,考虑用异步和队列。
  • 常见误区:以为异步就等于更快,忽略了它带来的延迟、顺序问题,以及「失败了怎么重试」这类新麻烦。
  • 证据等级:C
  • 来源:行业通行做法(异步处理与消息队列)

6. 云与部署基础(容器、Serverless、成本随规模变)

  • 定义:云把服务器、存储、网络做成可按需租用的服务。容器把应用连同依赖打包,保证到哪都能一致运行;Serverless(无服务器)让你只写函数,运行环境由平台按调用计费。
  • 说人话:以前要自己买机器、装环境,现在像用水电一样用多少付多少;容器像标准集装箱,换个码头也能原样卸货。
  • 什么时候用:讨论部署方式、成本随用户量怎么变、要不要自建时,用这几档做个粗判断。
  • 常见误区:以为上了云就一定便宜,实际用量、闲置和流量出口都会记进账单;忽略迁移和运维同样是成本。
  • 证据等级:C
  • 来源:行业通行做法(容器、Serverless 与云成本模型)

7. 性能指标(响应时间、吞吐、P95/P99)

  • 定义:响应时间指一次请求从发出到返回花多久;吞吐指单位时间能处理多少请求(如 QPS,每秒查询数);P95、P99 指把请求从快到慢排队后,落在 95%、99% 位置的耗时,用来描述最慢的那部分。
  • 说人话:平均响应很快,可能只是多数请求快,掩盖了少数用户等得很久;P99 描述的正是那批等得最久的人的体验。
  • 什么时候用:定性能目标、验收上线,或有人抱怨卡顿时,别只看平均值,看分位数和高负载下的表现。
  • 常见误区:用平均值代表所有人;把 P95 误读成「95% 的请求都这么快」,其实它盯的是慢的那一端。
  • 证据等级:C
  • 来源:行业通行做法(延迟分位数与吞吐指标)

8. 可用性与容灾(SLA / SLO、降级与熔断)

  • 定义:可用性指系统能正常提供服务的时间比例;SLA 是对外承诺的服务水平,SLO 是内部设定的目标。降级指牺牲次要功能保全核心流程,熔断指依赖出问题时主动切断调用、避免被拖垮。
  • 说人话:可用性约等于「一年里允许多久用不了」;真出故障时,先保住最重要的下单流程,别的先关掉。
  • 什么时候用:定上线目标、写故障预案,或核心功能依赖多个外部服务时,提前约定降级和熔断规则。
  • 常见误区:以为「高可用」靠堆机器就能买到,忽略单点、依赖方故障和运维流程;把 SLA 当纯技术指标,其实它常带赔偿条款。
  • 证据等级:C
  • 来源:行业通行做法(SLA / SLO、降级与熔断)

9. 安全底线(鉴权、越权、注入、加密、密钥)

  • 定义:鉴权确认「你是谁」,授权确认「你能做什么」;越权指用户访问了本不属于他的数据。注入指把恶意内容混进查询;加密保护传输和存储中的数据,密钥管理则决定这些保护是否真的有效。
  • 说人话:登录只证明你是谁,不代表你能看别人的账单;把用户 ID 一改就看到了别人的订单,就是越权。
  • 什么时候用:任何涉及登录、权限、用户数据、支付的需求,评审时都要过一遍这几条。
  • 常见误区:只在前端藏起按钮,就以为做了权限;把密钥写进代码或前端,等于把钥匙放在门口。
  • 证据等级:B
  • 来源:行业通行做法(OWASP 常见风险类别)

10. 技术债的含义与偿还时机

  • 定义:技术债指为了赶进度而采用的临时方案(如硬编码、复制粘贴、跳过测试),它像借款:当下省了力,日后要连本带息偿还。
  • 说人话:把规则写死在代码里先上线,能救急;但下个月规则一变,就得翻出来重写,这就是在还债。
  • 什么时候用:评估一个「先凑合」的方案时,说清欠了什么、什么时候还、不还的后果,而不是默认它没事。
  • 常见误区:把技术债一律当坏事,其实有些是有意的权衡;也忌讳欠了不记账,到期才发现无处下手。
  • 证据等级:B
  • 来源:Ward Cunningham(技术债隐喻)

11. 技术方案评审时产品经理该问的五个问题

  • 定义:产品经理不必懂实现细节,但可以通过几个问题把关键判断问出来:要解决什么、影响哪些模块、最坏情况什么样、上线和回滚怎么做、有没有更省的做法。
  • 说人话:不懂技术也能问:这次改动的边界在哪、出问题怎么退、会不会拖慢别的地方、有没有更便宜的路子。
  • 什么时候用:参加技术评审、评估排期和风险时,用这组问题把方案里的假设和代价摆到台面上。代价与收益的判断见第 9 章第 7 条。
  • 常见误区:把评审当签字走流程,只问「什么时候能上」;或越界去指挥具体实现,反而问不到关键。
  • 证据等级:C
  • 来源:行业通行做法(技术方案评审要点)
14

AI 技术常识

12 条

这一章讲大模型时代产品经理够用的常识:知道它擅长什么、为什么会答错、几种改造手段各适合什么场景,从而把它放对位置,而不是被术语和演示忽悠。 条目按从最基础到进阶排列。

1. 大语言模型是什么(token、上下文窗口、概率生成)

  • 定义:大语言模型(LLM,Large Language Model)靠海量文本训练,学习预测下一个词,从而生成连贯文字;文字被切成 token(词元)逐个处理,上下文窗口指一次能读入的 token 上限,它并非在数据库里逐条检索答案。
  • 说人话:它像一个读了很多书、但不会查资料的人,靠印象接着往下写;内容超出它一次能记住的范围,就会忘掉前文或开始瞎编。
  • 什么时候用:理解一个 AI 功能的能力范围、搞清它为什么有时「记不住」或答错时,先分清它是生成而不是查询。
  • 常见误区:把它当成会联网、会查库的搜索引擎;以为它答得自信就是答得对,忽略概率生成的本质。
  • 证据等级:B
  • 来源:OpenAI 官方文档(语言模型与 token 说明);行业通行做法

2. 能力边界(擅长归纳改写生成,不擅长精确计算与实时事实)

  • 定义:大模型擅长归纳、改写、翻译、起稿这类语言任务,但在精确计算、获取最新事实、多步严格推理上并不可靠,容易在中间某步出错。
  • 说人话:让它把一段话改通顺很好用,让它算一串复杂加减、或说出今天的新闻,就得当心;多步推理时一步错,后面全跟着错。
  • 什么时候用:给模型派活前,先判断这件事是「语言活」还是「精确活」,需要准确的地方就加工具、加校验。
  • 常见误区:把它当计算器或事实库直接用;把一次答对当成这类任务都能放心交给它。
  • 证据等级:C
  • 来源:行业通行做法(大模型能力与局限)

3. 幻觉的成因与降低手段

  • 定义:幻觉(hallucination)指模型生成看似合理、实际错误或不存在的内容,包括编造来源、数字和事实,根源是它在按概率续写而非核实。
  • 说人话:它能一本正经地给你一个不存在的书名和作者,语气毫无破绽;这不是骗你,是它本就在顺着往下猜。
  • 什么时候用:涉及事实、数字、引用、法规的需求,默认它可能出错,加人工核对或外部资料比对。
  • 常见误区:以为模型越强就能彻底消除幻觉;把降低幻觉的手段(给资料、要求引用)当成能保证零错误。
  • 证据等级:B
  • 来源:行业通行做法(大模型幻觉问题)

4. 提示工程基础(角色、任务、上下文、示例、输出约束)

  • 定义:提示工程(prompt engineering)指通过组织输入来影响输出,常见要素有角色设定、明确任务、提供上下文、给出示例、约束输出格式。
  • 说人话:与其说「写个方案」,不如说「你是运营,为这个活动写三条推文,每条不超过二十字,用正式语气」,交代越清楚越不容易跑偏。
  • 什么时候用:模型输出总是不稳、不符合要求时,先改提示,而不是急着换模型或上更重的手段。
  • 常见误区:把提示当许愿,一句含糊要求反复试;或以为提示越长越好,堆进无关信息反而干扰判断。
  • 证据等级:C
  • 来源:OpenAI、Anthropic 官方提示指南

5. 采样参数(温度、top-p)对输出的影响

  • 定义:模型每一步是从一堆候选词里按概率挑一个。温度(temperature)调节随机程度,越高越发散、越低越保守;top-p(核采样)只在累计概率最高的一部分候选里挑选,控制可选范围。
  • 说人话:温度调低像让一个谨慎的人回答,稳,但可能呆板;调高像让一个爱发挥的人回答,创意多,却容易跑题。
  • 什么时候用:要稳定的结构化输出(分类、抽取)时调低;要头脑风暴、创意文案时适度调高。
  • 常见误区:以为温度高就等于「更聪明」;为多样性把温度拉满,结果输出前后矛盾、无法复现。
  • 证据等级:B
  • 来源:OpenAI、Anthropic 官方文档(采样参数)

6. RAG(检索增强生成)的适用场景与代价

  • 定义:RAG(Retrieval-Augmented Generation,检索增强生成)先从你的资料库里检索相关内容,再连同问题一起交给模型作答,让回答有据可依。
  • 说人话:不是让模型凭记忆答题,而是先帮它把开卷考试要用的那几页翻出来,再让它照着答。
  • 什么时候用:答案依赖你可控的私有或最新资料(文档、工单、政策),又不想改动模型本身时。
  • 常见误区:以为上了 RAG 就不会答错,其实检索没找对、资料本身有误,答案照样错;把它当成万能解。
  • 证据等级:B
  • 来源:RAG 原始论文(Lewis 等,2020);行业通行做法

7. 微调、提示与 RAG 的选择

  • 定义:提示是不改模型、只在输入上下功夫;RAG 是给模型外挂资料;微调(fine-tuning)是用你的数据继续训练模型,改变它的行为倾向。三者成本与改动程度依次上升。
  • 说人话:先在提示上想办法,不够就加检索资料;只有当风格、格式、领域惯例光靠前两者改不动时,才考虑微调。
  • 什么时候用:要选方案时,按「数据够不够、问题是不是知识问题、要求是风格还是知识」来定档。
  • 常见误区:一上来就想微调,成本高且要长期维护数据;或把知识问题拿去微调,模型照样记不准。
  • 证据等级:C
  • 来源:OpenAI、Anthropic 官方文档(提示、RAG 与微调的选择)

8. Agent 与工具调用的能力边界

  • 定义:工具调用指模型在需要时调用外部函数(查库、搜索、计算);Agent(智能体)指让模型在多步任务里自行规划、调用工具、根据结果继续,直到完成目标。
  • 说人话:工具调用像让它伸手去按计算器;Agent 像把一整件事交给它,由它自己决定先查什么、再算什么、最后怎么汇报。
  • 什么时候用:任务需要外部数据、需要多步操作,且要求比「一次生成」更可靠时,考虑工具与 Agent。
  • 常见误区:以为加上工具和循环就能可靠完成复杂任务;忽略每多一步就多一次出错和失控的机会,缺兜底校验。
  • 证据等级:C
  • 来源:Anthropic、OpenAI 官方文档(工具调用与智能体)

9. 评估方法(离线集、人工评估、LLM-as-judge)

  • 定义:评估指判断模型输出好不好,常见做法有离线测试集(固定题目打分)、人工评估(人来看),以及用另一个模型当裁判(LLM-as-judge)。
  • 说人话:上线前先准备一套标准题跑一遍看对多少;没人有精力全看时,让模型先初筛,但初筛结论也要抽样复核。
  • 什么时候用:要选模型、改提示、比方案效果,或想把 AI 功能做成可回归的工程时。
  • 常见误区:只凭自己试几次就下结论;完全信任模型当裁判,忽略它自带的偏好,如偏爱长回答、偏爱与它风格相近的答案。
  • 证据等级:C
  • 来源:行业通行做法(LLM 评估方法)

10. 成本结构(token 计费、缓存命中、批处理、模型档位)

  • 定义:调用大模型多按 token 用量计费,输入和输出通常不同价;命中缓存、使用批处理接口、选择更小或更便宜的模型档位,都能降低成本。
  • 说人话:一次对话的字数就是账单,问得越长、答得越多越贵;简单任务上最强模型,就像打短途却叫了辆大卡车。
  • 什么时候用:功能要规模化、或发现账单增长过快时,按任务难度分档选模型,并想办法分流、缓存。
  • 常见误区:所有场景都上最强模型;只算调用费,不算重试、检索、人工审核这些配套成本。
  • 证据等级:C
  • 来源:OpenAI、Anthropic 官方定价与文档;行业通行做法

11. 数据隐私与合规(输入即数据)

  • 定义:发给模型的内容本身可能就是数据,会经过第三方服务;因此要弄清供应商条款里数据是否被留存、是否用于训练、存在哪里、能否删除。
  • 说人话:把客户的合同原文贴进去问问题,等于把这份合同交给了外部服务,先确认对方怎么处理它。
  • 什么时候用:任何涉及个人信息、商业秘密、受监管数据的场景,接入前先过合规,别默认「只是问一下」。
  • 常见误区:以为不保存对话就等于没风险;忽略日志、缓存和第三方处理方带来的留存;把合规当成上线后再补的事。
  • 证据等级:C
  • 来源:OpenAI、Anthropic 官方数据使用政策;行业通行做法

12. 人机分工(把判断留在人,把草稿交给模型)

  • 定义:合理分工是把生成、初筛、改写这类「草稿活」交给模型,把标准制定、最终判断和责任留在人这边。
  • 说人话:让模型一次给你十条候选,你来做选择和把关;它是写手和助手,不是替你拍板和担责的人。
  • 什么时候用:设计任何 AI 功能或工作流时,先画清楚哪一步是模型提议、哪一步必须由人确认。
  • 常见误区:把判断权整块交出去,出了问题却找不到责任人;或反过来只让它做纯体力活,浪费它的归纳与改写能力。
  • 证据等级:C
  • 来源:行业通行做法(人机协作分工)
15

项目与交付常识

11 条

这一章讲把事从想法送到线上的通行做法:怎么选交付方式、怎么管住范围和变更、怎么排期应对不确定、怎么上线和复盘。它关心的是「事情能不能稳定地做出来」。 条目按从最基础到进阶排列。

1. 瀑布与迭代各自适合什么条件

  • 定义:瀑布式按需求、设计、开发、测试、上线的顺序推进,前期把范围定死;迭代式把工作切成多个小周期,边做边调整范围。前者适合需求稳定、变更代价高的项目,后者适合需求不确定、需要快速拿到反馈的场景。
  • 说人话:盖楼适合先画完图纸再施工;做个没人见过的新功能,不如先做一小版给用户试,错了改起来便宜。
  • 什么时候用:选交付方式时,先判断需求稳不稳、变更贵不贵、要多久才能拿到反馈。
  • 常见误区:把「敏捷」当口号,需求天天变却仍按固定范围承诺日期;或不管场景一律要求先写全文档。
  • 证据等级:B
  • 来源:Winston Royce(瀑布模型);敏捷宣言

2. 敏捷宣言的四条价值观与常见误用

  • 定义:敏捷宣言强调:人和协作重于流程和工具,可用的软件重于完备的文档,客户合作重于合同谈判,响应变化重于遵循计划。右项也有价值,只是更看重左项。
  • 说人话:不是不要文档、不要计划,而是别让它们压过「把事情真正做出来、做对」。
  • 什么时候用:团队把站会、看板当成仪式却不见成果时,回到这四条看偏离在哪。相关验证思路见第 10 章第 2 条。
  • 常见误区:把敏捷等同于「没有计划、随时改」;用每日站会、故事点这些形式,替代了对交付和反馈的追求。
  • 证据等级:B
  • 来源:敏捷宣言(Agile Manifesto)

3. 需求管理与变更控制

  • 定义:需求管理指把需求记录下来、追踪其状态和来源;变更控制指改动要走约定流程:说清为什么改、影响多大、谁批准、什么时候进。
  • 说人话:不是不许改,而是改了要留痕、要评估代价、要有人点头,避免需求在口头之间悄悄变形。
  • 什么时候用:项目进行中频繁插入新需求,或各方对「当时说好的是什么」各执一词时。
  • 常见误区:把变更控制做成层层审批的负担,团队干脆绕过流程私下改;或完全没有记录,最后无人说得清原委。
  • 证据等级:C
  • 来源:行业通行做法(需求管理与变更控制)

4. 估算与故事点的意义

  • 定义:估算给出「大概要多久、多难」的判断;故事点用相对大小表示工作量,而不是绝对人天,目的是让团队对复杂度形成共识、提高估算的稳定性。
  • 说人话:故事点像给任务标「比那个大两倍」,衡量的是相对大小;硬报人天,来自不同的人一凑就打架。
  • 什么时候用:团队要排期、分派任务,或发现估算总是不准时。
  • 常见误区:把故事点换算成固定人天去考核;把估算当承诺,谁估得准谁吃亏,导致集体往高里估。
  • 证据等级:C
  • 来源:行业通行做法(相对估算与故事点)

5. 排期与缓冲

  • 定义:排期把工作落到时间上;缓冲是针对不确定性预留的时间,用来吸收估算误差、依赖延迟和突发问题,而不是给偷懒留空间。
  • 说人话:路上总会堵车,按平均速度算路程必然迟到;留一点余量,才不至于一出意外就全线崩。
  • 什么时候用:制定对外承诺的日期、面对多方依赖,或做首次尝试的新任务时。
  • 常见误区:把缓冲当成可以随意消耗的余量;或反过来一分不留,对外承诺最乐观的日期。
  • 证据等级:C
  • 来源:行业通行做法(排期与缓冲)

6. 关键路径与依赖管理

  • 定义:关键路径是项目中最长的那条任务链,它决定最短完工时间;依赖指任务之间「谁必须先做」的关系,跨团队依赖是最常见的风险源。
  • 说人话:一环拖了,整条链跟着拖;你这条早做完了也没用,因为要等别人先交东西。
  • 什么时候用:排整体计划、判断「晚几天会不会影响上线」时,盯住关键路径和外部依赖。
  • 常见误区:把注意力平均分给所有任务,忽略真正卡住工期的那条链;对跨团队依赖只在临近才去催。
  • 证据等级:C
  • 来源:行业通行做法(关键路径法 CPM)

7. 三类评审会(需求、设计、技术)

  • 定义:需求评审确认「要做什么、为什么」;设计评审确认方案怎么呈现和交互;技术评审确认怎么实现、风险在哪、工期如何。三者关注点不同,不能合并成一次走过场。
  • 说人话:需求会问「做的是对的事吗」,设计会问「用户看得懂吗」,技术会问「做得出来吗、贵不贵」,各问各的。
  • 什么时候用:进入开发前逐层过一遍,越早发现分歧,返工代价越低。
  • 常见误区:只开需求会就开工,把设计和技术的隐患留到开发中暴露;或只走流程不记录结论和待办。
  • 证据等级:C
  • 来源:行业通行做法(多类评审会分工)

8. 完成的定义(DoD)与质量门禁

  • 定义:DoD(Definition of Done,完成的定义)是团队对「一个任务算做完」的统一标准,如通过测试、有文档、埋点到位;质量门禁是进入下一阶段前必须达成的检查项。
  • 说人话:别等「我以为做完了」和「你没验收」互相扯皮,事先说好做完要满足哪几条。
  • 什么时候用:团队对「完成」理解不一、频繁出现返工,或上线后才发现漏项时。
  • 常见误区:DoD 写成一句「功能可用」的空话;或标准定得过高,小改动也要走全套,拖慢交付。
  • 证据等级:C
  • 来源:行业通行做法(Scrum 中的 DoD)

9. 上线与回滚

  • 定义:上线是把新版本发布给用户;回滚是发现问题时退回旧版本。回滚预案(怎么退、退到哪、谁决策、多久能退)是上线方案的一部分,不是事后补的。
  • 说人话:出门前先想好万一钥匙丢了怎么回家;上线前先想好万一出问题怎么退回去。
  • 什么时候用:任何影响线上用户的发布,尤其是改动大、不易测试周全的时候。
  • 常见误区:假设「这次应该没问题」而跳过回滚方案;或数据已经变更,才发现回滚会丢掉新产生的数据。
  • 证据等级:C
  • 来源:行业通行做法(发布与回滚预案)

10. 灰度发布

  • 定义:灰度发布是先把新版本开放给一小部分用户,观察指标平稳后再逐步扩大范围,出现异常可以随时回退或停止。
  • 说人话:先让一百个人用,看崩溃、留存、投诉有没有反常,没问题再扩到一成、一半,比一次全量上线安全得多。
  • 什么时候用:改动影响面大、测试环境覆盖不到真实用户行为时。逐步放量的细节见第 10 章第 7 条。
  • 常见误区:灰度只看有没有报错,不看核心指标;或放量节奏太慢,样本迟迟不够,白等一场。
  • 证据等级:B
  • 来源:行业通行做法(灰度发布)

11. 事故分级与无指责复盘

  • 定义:事故分级按影响范围、严重程度和持续时间把故障分档,决定响应的紧急度和投入;无指责复盘(blameless postmortem)关注流程和系统哪里出了漏洞,而不是追究个人。
  • 说人话:先定这次到底多严重,才知道要不要半夜拉起所有人;复盘的目的是下次别再犯,而不是找出一个人来背锅。
  • 什么时候用:发生线上故障之后;以及团队因怕担责而隐瞒问题、复盘流于形式时。
  • 常见误区:把复盘变成批斗会,结果大家越报越少;或只写「加强测试」这类空话,不落到具体改动。
  • 证据等级:B
  • 来源:行业通行做法(事故分级;无指责复盘 / blameless postmortem)
16

信息结构与表达

11 条

这一章讲把想法讲清楚的基本功:怎么组织结论和理由、怎么写文档和汇报、怎么在会里和跨部门把事推动。它解决的是「同样一件事,为什么有人讲得懂、有人讲不懂」。 条目按从最基础到进阶排列。

1. 金字塔原理(结论先行、以上统下、归类分组、逻辑递进)

  • 定义:金字塔原理主张表达时结论先行,上一层概括下一层,同一层内容归类分组、彼此独立,并沿一条逻辑线递进,让听者先拿到要点再看支撑。
  • 说人话:先说「结论是什么」,再讲几条理由,每条理由下再给证据;像搭金字塔,而不是让人跟着你一路猜到最后。
  • 什么时候用:写文档、做汇报、发消息,尤其是面对没时间听你展开的人时。
  • 常见误区:按「我发现的顺序」而不是「听者需要的顺序」讲;结论藏在最后,前面铺垫太长。
  • 证据等级:A
  • 来源:Barbara Minto《金字塔原理》

2. MECE 与结构化拆解

  • 定义:MECE(相互独立、完全穷尽)是拆解问题的标准:分出的几块彼此不重叠,合起来覆盖全部,从而避免漏项和重复。
  • 说人话:把人分成「男、女」是 MECE,分成「老人、年轻人、男人」就不行,既重叠又漏人。
  • 什么时候用:拆需求、拆指标、拆问题、分组归类时,用它检查有没有遗漏或交叉。
  • 常见误区:把 MECE 当形式要求,为了「不重不漏」硬凑分类;拆到失真,反而看不清真正的问题。
  • 证据等级:B
  • 来源:Barbara Minto《金字塔原理》(MECE);麦肯锡方法

3. PRD 的信息结构(背景、目标、范围、流程、状态、边界、数据、验收)

  • 定义:PRD(产品需求文档)应把关键信息分块写清:背景与目标、范围(做什么、不做什么)、流程、状态、边界与异常、数据与埋点、验收标准。
  • 说人话:一份好 PRD 能让没参与讨论的人也看懂要做什么、做到什么算完成,而不是靠口头补充。
  • 什么时候用:把需求交给设计和开发之前;以及反复被问「这个情况怎么办」时,该补的往往是文档的结构。界面要覆盖的状态见第 8 章第 4 条。
  • 常见误区:只写正常流程不写异常和边界;只描述界面不写验收标准,做完才发现对不上。
  • 证据等级:C
  • 来源:行业通行做法(PRD 结构与需求文档规范)

4. 向上汇报的结构(进展、风险、需要的决策)

  • 定义:向上汇报通常按「进展、风险、需要的决策」组织:先说现在到哪了,再说有什么风险,最后明确需要对方拍板或支持的事。
  • 说人话:上级最想知道的是「要不要我出手」;把问题、选项和你的建议一起给,别只报流水账。
  • 什么时候用:定期汇报、项目关键节点,或出现问题需要上级决策时。
  • 常见误区:只报进展不报风险,坏消息拖到最后;或把一堆情况丢上去却不给建议,把决策原样推给上级。
  • 证据等级:C
  • 来源:行业通行做法(向上沟通结构)

5. 跨部门说服(从对方的收益出发)

  • 定义:跨部门推动事情时,从对方的收益和约束出发组织理由,给出具体方案而不是情绪;先问「这事对他有什么好处、会给他添什么麻烦」。
  • 说人话:说「这个必须做」没人理;说「这样改你能少一半重复劳动,只需你出一个字段」就容易谈成。
  • 什么时候用:需要别的团队配合、排资源、改流程时。
  • 常见误区:只讲自己的目标,把对方当执行工具;或靠职位和关系硬压,一次推得动,下次推不动。
  • 证据等级:C
  • 来源:行业通行做法(跨部门协作与说服)

6. 异步协作(文档优先、上下文自足、可评论)

  • 定义:异步协作指不依赖同时在线,靠文档、评论、任务记录推进;要求文档上下文自足(不看对话也能懂)、结论明确,并把待办落到人和时间。
  • 说人话:跨时区、跨团队时,把要说的话写清楚,别人不必先问你一堆才能开始。
  • 什么时候用:参与者时间凑不齐、事情需要多次交接,或希望减少反复开短会时。
  • 常见误区:文档只写半句话,把关键信息留在私下对话里;或什么都开同步会,把所有人的时间都锁在一起。
  • 证据等级:C
  • 来源:行业通行做法(文档优先的异步协作)

7. 会议的目的与产出

  • 定义:一次会议应有明确议题、预期产出和参会人的角色;真正的产出是结论、待办、责任人和时间,而不是「开过了」。
  • 说人话:会开完,要么有决定,要么有明确的下一步和谁来做;不然就是大家一起把时间花掉了。
  • 什么时候用:发起会议、被拉进会议,或发现会议越开越多却推不动事时。
  • 常见误区:把开会当同步进度的默认方式;参会人一大把却没人负责,会后无人跟进。
  • 证据等级:C
  • 来源:行业通行做法(会议设计与高效会议)

8. 叙事与数据结合

  • 定义:表达判断时,先给出结论和它的意义(叙事),再用数据作为证据支撑;数据负责证明,叙事负责让人理解和记住。
  • 说人话:光甩一堆表格,别人不知道你想说什么;先说「留存在下滑,主要是新用户」,再摆数,才看得懂。
  • 什么时候用:做汇报、写分析、说服他人接受一个判断时。
  • 常见误区:只堆数据不给结论,让听众自己猜;或只讲故事不给证据,判断缺乏支撑。
  • 证据等级:B
  • 来源:行业通行做法(数据叙事)

9. 视觉化表达(原型、信息图、状态图)

  • 定义:用原型表达界面与交互,用信息图表达关系与结构,用状态图表达界面的各种状态,比纯文字更省理解成本。
  • 说人话:一张流程图让人三秒钟看懂先后顺序,同样的内容写成三段话,读的人要琢磨半天。
  • 什么时候用:流程复杂、结构多层,或文字容易被理解成两三种意思时。
  • 常见误区:为画而画,图比文字还难读;原型做得过于精美,让评审注意力跑到视觉效果上。
  • 证据等级:C
  • 来源:行业通行做法(视觉化沟通)

10. 反馈技巧(SBI:情境—行为—影响)

  • 定义:SBI 把反馈拆成三段:描述具体情境、说明观察到的行为、指出该行为带来的影响,聚焦可改变的事,而不是给人贴标签。
  • 说人话:不说「你态度不行」,而说「昨天评审时你打断了我三次,让我后面没讲完」,说的是行为和影响,人就没那么容易防御。
  • 什么时候用:给同事反馈、评审方案,或想指出问题又不想伤和气时。
  • 常见误区:把反馈变成评价人格;只批行为不给具体情境和影响,听的人不知道从哪改。
  • 证据等级:B
  • 来源:SBI 反馈模型(情境—行为—影响)

11. 可读性(短句、编号、术语表)

  • 定义:可读性指文档多容易被读懂,常用手段是短句、编号与列表、统一术语,必要时附术语表,以减少读者的理解负担。
  • 说人话:一句话说一件事、能列就别堆成一大段、同一个东西从头到尾用一个叫法,读起来才不费劲。
  • 什么时候用:写 PRD、方案、邮件等要给别人看的材料时。
  • 常见误区:以为写得长显得认真,其实越长越没人看;术语前后不一致,读者要反复猜是不是同一个东西。
  • 证据等级:C
  • 来源:行业通行做法(技术写作与文档可读性)
17

增长与留存基础

11 条

这一章讲增长这件事的基本盘:用户从哪来、怎么被激活、为什么留下或流失、花钱买来的增长划不划算。它不教具体话术,而是帮你理解增长背后的因果结构。 条目按从最基础到进阶排列。

1. 增长漏斗与 AARRR 的适用边界

  • 定义:增长漏斗把用户旅程拆成获客、激活、留存、变现、推荐(AARRR)几段,逐段看转化,找出漏得最狠的那一环。
  • 说人话:像查水管哪一段在漏水,先看整条管子的流量,再逐段排查,而不是笼统地说「用户不活跃」。
  • 什么时候用:冷启动、增长停滞,或想定位「问题到底出在哪一环」时;拉新与留存的框架区别见第 11 章第 7 条。
  • 常见误区:把它当成必须全做的清单,对早期产品硬套变现与推荐;或每一环都归因模糊,看着像模型其实没结论。
  • 证据等级:C
  • 来源:行业通行做法(AARRR 增长模型,Dave McClure 提出)

2. 激活的定义与「啊哈时刻」

  • 定义:激活指新用户第一次真正体验到产品核心价值的那一刻(常称「啊哈时刻」),它需要用一个可观测的行为来定义,而不是「注册完成」。
  • 说人话:下载 App 不算激活,第一次成功发出消息、第一次找到要的内容才算;你得先想清楚「用户做到哪一步才算真的用上了」。
  • 什么时候用:定义新用户指标、优化新手引导、设计首次体验时。
  • 常见误区:把注册、登录当激活,指标好看但用户其实没被触动;或挑的「啊哈行为」与长期留存无关,只是自我安慰。
  • 证据等级:B
  • 来源:行业通行做法(激活指标与「啊哈时刻」,源于 Facebook「10 天加 7 个好友」的经验口径)

3. 留存曲线的三种形状:持续下降、走平、微笑

  • 定义:留存曲线画的是同一批用户在各时间点还剩多少:一路降到零说明没留住人,趋于走平说明形成了稳定核心用户,先降后升的「微笑曲线」常见于有网络效应或周期性回流的产品。
  • 说人话:走平的曲线意思是「总有一批人会一直用」,这是产品活着的证据;一条一路掉到零的线,说明谁都是过客。
  • 什么时候用:判断产品是否真的有价值、是否值得继续投放时;曲线读法见第 11 章第 5 条。
  • 常见误区:只看次日留存一个数字,不看曲线形状;或用整体留存掩盖新老用户的差异(该看同期群,见第 11 章第 6 条)。
  • 证据等级:B
  • 来源:行业通行做法(留存曲线形态与产品-市场契合的判断)

4. 同期群与分层运营

  • 定义:同期群(cohort)分析把用户按加入时间或来源分成一组组,分别看各组后续表现,从而把「新增带来的变化」和「产品本身的变化」区分开。
  • 说人话:整体数据变好,可能是老用户撑着的,也可能是新用户变差了;分组看才知道到底是哪一批人在变。
  • 什么时候用:分析留存、付费、活跃的变化,或评估一次改版对某类用户的影响时。
  • 常见误区:只看大盘不做分组,被新用户涌入掩盖老用户流失;或分组维度一次换一个,结论无法互相比较。
  • 证据等级:C
  • 来源:行业通行做法(同期群分析)

5. 渠道与获客成本(CAC)

  • 定义:获客成本(CAC,Customer Acquisition Cost)是平均获取一个用户花掉的钱,等于一段时间内的获客总投入除以新增用户数,不同渠道的 CAC 差异往往很大。
  • 说人话:同一个用户,从应用商店、信息流广告、地推拉来的成本可能差好几倍;不能只看总花了多少,要看每个渠道买来的人值不值。
  • 什么时候用:分配推广预算、判断某个渠道要不要继续投时。
  • 常见误区:只算广告费不算人力与补贴,把 CAC 算低;或把不同渠道混在一起算平均,掩盖了真正烧钱的渠道。
  • 证据等级:C
  • 来源:行业通行做法(CAC 与渠道效率)

6. 病毒系数 K 与分享机制设计

  • 定义:病毒系数 K 指平均每个用户能带来多少新用户,K 大于 1 时用户会自我复制、规模指数增长;它由「有多少人愿意分享」乘以「每次分享带来多少人」得出。
  • 说人话:一个人拉来两个人,两个人再各拉来两个,就是滚雪球;如果每十个人才拉来一个,雪球就滚不起来。
  • 什么时候用:设计邀请、拼团、分享类功能,或评估增长是否可持续时。
  • 常见误区:把 K 当成越高越好,靠强骚扰式分享硬凑,短期数字好看却伤害体验;K 略小于 1 其实也常见,不必迷信。
  • 证据等级:B
  • 来源:行业通行做法(病毒增长与病毒系数 K)

7. 推荐系统的三类思路:协同过滤、内容特征、排序目标

  • 定义:推荐常见的三类做法:协同过滤(看「和你相似的人喜欢什么」)、基于内容特征(看「和你喜欢的东西相似的是什么」)、以及把多种信号交给排序模型,按业务目标(点击、停留、成交)排优先级。
  • 说人话:一种靠「人找人」,一种靠「物找物」,一种是把各种线索交给一个打分器,按你最想要的结果排序。
  • 什么时候用:做内容分发、商品推荐、信息流排序,或想理解推荐为何这样给时。
  • 常见误区:以为推荐只是算法问题,其实目标函数(优化点击还是成交)由产品决定;只优化单一目标,容易催生标题党与信息茧房。
  • 证据等级:C
  • 来源:行业通行做法(推荐系统的协同过滤、内容特征与排序)

8. 增长实验的节奏与组合

  • 定义:增长实验按「提出假设—做最小改动—看指标—再迭代」的循环推进,讲究持续的小步试验与一定数量并行,而不是指望一个大改动翻盘。
  • 说人话:像种地,一次试一小块,试得快、试得多,总有一两块长得好;比赌一次大丰收靠谱。
  • 什么时候用:产品已找到激活与留存、想系统提升某个增长指标时;实验设计前提见第 10 章第 5 条。
  • 常见误区:一次只做一个实验、节奏太慢;或不做记录,试过的假设下次又重试一遍。
  • 证据等级:C
  • 来源:行业通行做法(增长实验与迭代循环)

9. 补贴增长的代价:伪需求与套利

  • 定义:靠补贴拉来的用户,可能是冲着奖励而非真实需求来的;补贴一停他们就流失,甚至有人专门钻规则漏洞套利,让投入变成纯粹的成本。
  • 说人话:发红包时人山人海,红包一停人走楼空;你以为买来了用户,其实只是买来了一批「薅羊毛」的。
  • 什么时候用:打算用补贴、返现、免费策略拉新或促活之前。
  • 常见误区:用补贴期间的数据判断产品价值,把补贴带来的量当成真实需求;或只算拉新量,不看补贴退出后的留存。
  • 证据等级:C
  • 来源:行业通行做法(补贴增长与伪需求)

10. 用户生命周期价值与分层

  • 定义:用户生命周期价值(LTV,Lifetime Value)是一个用户从来到走贡献的总价值,通常按用户群分层去看,而不是算一个平均数。
  • 说人话:有的用户用一年也不花钱,有的一上来就买很多;把钱花在「值得留的人」身上,比平均分配有效得多。
  • 什么时候用:分配运营资源、设计会员与分层权益、判断投放是否划算时;与获客成本的对照见第 18 章第 6 条。
  • 常见误区:用一个平均 LTV 覆盖所有用户,忽略高价值与低价值人群的巨大差异;或高估 LTV,把还没发生的价值提前算进来。
  • 证据等级:C
  • 来源:行业通行做法(用户生命周期价值与分层)

11. 增长与体验的张力:什么时候该停下来修产品

  • 定义:增长手段往往要牺牲一部分体验(更多广告、更硬的分享引导);留存还没站稳就强行加杠杆,增长就会变成给漏水的漏斗灌水。
  • 说人话:地基没打好就拼命盖楼,人来得越多塌得越快;这时候该停下来修产品,而不是继续拉人。
  • 什么时候用:留存曲线还没走平、获客成本高于用户价值,或增长手段开始明显伤害体验时。
  • 常见误区:用源源不断的新增掩盖留不住的真相;或把「先不增长」等同于放弃,其实停一下是为了下一步能放量。
  • 证据等级:C
  • 来源:行业通行做法(产品-市场契合先于规模化增长)
18

商业与财务常识

11 条

这一章把生意背后的账讲成人话:钱从哪来、每个用户划不划算、为什么账上有利润却可能发不出工资、什么时候靠规模才更省。它不要求你会做账,但要求你算得清自己所在这门生意的账。 条目按从最基础到进阶排列。

1. 商业模式画布九宫格

  • 定义:商业模式画布用九宫格概括一门生意:客户是谁、给什么价值、通过什么渠道触达、怎么维系关系、靠什么收入、有哪些核心资源与活动、需要谁配合、成本结构如何。
  • 说人话:它像一张生意的一页说明书,一屏就能看清「为谁做、做什么、怎么赚、花在哪」,帮你和别人快速对齐。
  • 什么时候用:梳理一个新业务的全貌、和团队对齐彼此假设时。
  • 常见误区:以为填满格子就等于想清楚了,画布只是罗列、不是验证;产品形态反过来也会约束你能选哪种商业模式,而「能不能成」仍要靠后续方法验证(见第 10 章第 2 条)。
  • 证据等级:B
  • 来源:Alexander Osterwalder《商业模式新生代》

2. 收入模型的结构差异(订阅、交易、广告、增值、授权)

  • 定义:常见收入模型有订阅(按期收费)、交易(抽佣或赚差价)、广告(卖注意力)、增值(基础免费、高级付费)、授权(卖使用权),它们的收入节奏与对用户规模的要求各不相同。
  • 说人话:订阅是细水长流、交易是过路抽成、广告要人多才卖得动、增值靠一小撮人掏大钱、授权是一锤子买卖,选哪种决定了你后面要盯什么。
  • 什么时候用:决定产品怎么赚钱、评估一个变现方案是否可行时;行业变现路径概览见第 3 章第 7 条。
  • 常见误区:以为有了用户自然就有收入,忽视不同模型对规模与用户结构的要求差异巨大,选错了越努力越亏。
  • 证据等级:C
  • 来源:行业通行做法(互联网收入模型)

3. 定价逻辑:成本导向、价值导向、竞争导向

  • 定义:定价有三种起点:成本导向(成本加目标利润)、价值导向(按用户感知到的价值定价)、竞争导向(看对手定在什么价位),三者常结合使用。
  • 说人话:成本导向是「我花多少再加点」,价值导向是「这对用户值多少」,竞争导向是「别人卖多少」;同一个产品,三种问法可能得出很不相同的价格。
  • 什么时候用:新产品定价、涨价或调价、设计付费档位时。
  • 常见误区:只按成本定价,忽略用户愿意为价值付更多;或盲目对标竞品,不考虑自己成本与用户结构上的差异。
  • 证据等级:C
  • 来源:行业通行做法(定价方法:成本、价值、竞争导向)

4. 固定成本与变动成本

  • 定义:固定成本是不随业务量变化的支出(如房租、大部分人力、服务器基础容量),变动成本是随用量增加的支出(如每单配送、每次调用产生的费用、支付手续费)。
  • 说人话:开不开门都要付的是固定成本,多做一单才多花的钱是变动成本;算清哪些是固定的,才知道量做大后成本能降多少。
  • 什么时候用:判断一门生意放大后会不会更划算、要不要扩规模时。
  • 常见误区:把人力一律当固定成本,忽视外包、兼职这类随量变化的部分;或把一次性的前期投入摊成每月的固定支出。
  • 证据等级:C
  • 来源:行业通行做法(成本结构:固定成本与变动成本)

5. 单位经济(Unit Economics)与单用户模型

  • 定义:单位经济是「拆到最小单元算一笔账」,比如一个用户、一单交易、一件商品,看它带来的收入是否大于它带来的直接成本。
  • 说人话:与其看公司整体亏不亏,不如先问「每多来一个用户,我到底是赚还是赔」;单个都赔,规模越大赔得越多。
  • 什么时候用:评估新业务、新渠道、新品类能不能做时。
  • 常见误区:用整体规模掩盖单笔亏损,指望「规模起来就摊薄了」;但单位经济长期为负时,规模并不能自动救场。
  • 证据等级:B
  • 来源:行业通行做法(Unit Economics 与单用户模型)

6. LTV / CAC 与回本周期

  • 定义:LTV 是用户一生贡献的价值,CAC 是获取这个用户的成本;LTV/CAC 看这笔买卖划不划算,回本周期(CAC 除以每月毛利)看多久收回获客投入。
  • 说人话:花 100 块买来一个用户,他这辈子贡献 300 块,这笔就值;但如果要三年才回本,你的钱就被压得太久了。
  • 什么时候用:决定要不要继续投放、投放规模能放多大时;LTV 的分层口径见第 17 章第 10 条。
  • 常见误区:把 LTV 算得过于乐观,用的是理想留存与理想客单价;或只看比值不看回本周期,账面上划算但现金流撑不住。
  • 证据等级:B
  • 来源:行业通行做法(LTV / CAC 与回本周期)

7. 边际成本与规模效应

  • 定义:边际成本是多生产一单位产品增加的额外成本;当边际成本随规模下降(软件、内容常见的近乎零成本复制),就形成规模效应,规模越大单位成本越低。
  • 说人话:多做一份软件几乎不花钱,多送一单外卖却要再付一次配送费;前者越大越省,后者成本随量几乎线性上涨。
  • 什么时候用:判断一个生意的成本会随规模降还是升、能不能靠规模建优势时;行业层面的边际成本讨论见第 3 章第 4 条。
  • 常见误区:默认所有生意都有规模效应,忽视服务型、履约型业务边际成本会随量上升,越大反而越重。
  • 证据等级:C
  • 来源:行业通行做法(边际成本与规模效应)

8. 毛利、净利与毛利率

  • 定义:毛利是收入减去直接成本(如商品成本、履约成本),净利是毛利再减去运营、销售、管理、税费等所有支出后的剩余;毛利率高低因行业差异极大。
  • 说人话:卖出去的钱先刨掉「做这东西本身的花费」叫毛利,再刨掉房租、工资、推广等杂项才是净利;不同行业毛利率天差地别。
  • 什么时候用:判断一门生意的赚钱能力、比较不同品类或行业时。
  • 常见误区:拿高毛利行业的毛利率去要求低毛利行业;或把高毛利当实力证明,忽略净利才反映真实盈利。
  • 证据等级:C
  • 来源:行业通行做法(毛利、净利与毛利率)

9. 现金流与账期:为什么赚钱的公司也会死

  • 定义:现金流是钱实际的进出,账期是应收应付的时间差;一家账面有利润的公司,可能因货款迟迟收不回、工资和供应商却要按期付而资金断裂。
  • 说人话:你签了合同、账上记着利润,但钱还没到手里,供应商和员工的钱却得先垫;垫不上就出事了。
  • 什么时候用:做重资产、长账期、大垫资的业务时,或评估补贴、囤货、预付类决策时。
  • 常见误区:把利润等同于现金,忽视回款周期与资金占用;或为了冲业绩放宽账期,把风险留给未来。
  • 证据等级:B
  • 来源:行业通行做法(现金流与账期管理)

10. ROI 与投入产出节奏

  • 定义:ROI(投资回报率)是收益相对投入的比值,用来判断一笔钱花得值不值;更重要的是它的「节奏」——多久回本、什么时候开始产生正回报。
  • 说人话:同样赚一倍,一年回本和五年回本完全是两回事;你不只要问「赚不赚」,还要问「多久能赚回来」。
  • 什么时候用:决定资源投向、在多个方案之间排优先级时;机会成本视角见第 9 章第 1 条。
  • 常见误区:只算回报不看周期,把长周期项目算成高回报;或漏算隐性投入(人力、机会成本),让 ROI 虚高。
  • 证据等级:C
  • 来源:行业通行做法(投入产出比与回报节奏)

11. 财务三表的基本读法

  • 定义:利润表看一段时间的赚与亏,资产负债表看某个时点有多少资产与欠债,现金流量表看钱的实际进出;三张表合起来才能看清一家公司的真实状况。
  • 说人话:利润表说「这段时间赚没赚」,资产负债表说「此刻家底如何、欠了多少」,现金流量表说「钱实际怎么进怎么出」,缺一张就会看走眼。
  • 什么时候用:看公司经营状况、评估一个业务能否持续时。
  • 常见误区:只看利润表就下结论;或把三张表割裂看,忽略它们之间的勾稽关系(利润高但现金流差是很常见的组合)。
  • 证据等级:C
  • 来源:行业通行做法(财务三表基础)
19

思维模型工具箱

12 条

这一章收集一批反复能用、跨领域通用的思考工具:它们不解决具体的业务问题,但能改变你看问题的角度。每个模型都标明它适合用在哪、不适合用在哪。 条目按从最基础到进阶排列。

1. 第一性原理

  • 定义:第一性原理指抛开既有做法和类比,回到不可再分的基本事实,再从头推导该怎么做;亚里士多德最早表述过类似的意思。
  • 说人话:别人都这么做,不代表这么做就对;先问「这件事的本质约束是什么」,再想方案,而不是照抄同行。
  • 什么时候用:行业惯例明显不合理、老办法解决不了新问题时。
  • 常见误区:把它当「不学前人经验」的借口去重复造轮子;日常琐碎决策也动用它,成本高收益低,多数事跟着成熟做法走更省。
  • 证据等级:B
  • 来源:亚里士多德(第一性原理);埃隆·马斯克对其的公开阐述

2. 系统思维:反馈回路、延迟、存量与流量

  • 定义:系统思维把事物看成一组相互影响的要素,关注反馈回路(正反馈放大、负反馈稳定)、延迟(因果之间有时间差)以及存量与流量(积累量对比流入流出速率)。
  • 说人话:降薪能短期省钱,却打击士气、降低产出,反过来又推高成本,这就是回路;今天的动作,效果可能几个月后才显形。
  • 什么时候用:问题反复出现、按下葫芦浮起瓢,或一件事牵动多方时。
  • 常见误区:把它当成画图游戏,画完不落到具体变量与行动;或凡事都说「系统复杂」,回避本该做的直接干预。
  • 证据等级:A
  • 来源:Peter Senge《第五项修炼》;Donella Meadows《系统之美》

3. 概率思维与期望值

  • 定义:概率思维承认结果不确定,用「各种可能结果乘以其概率」的期望值来评估一个选择,而不是只看最好或最坏的结果。
  • 说人话:做十次有六次小赚、四次大亏,如果算下来总体是亏的,那这个「六成胜率」的好事就不该做。
  • 什么时候用:结果不确定、需要在多个选项间取舍时;判断相关与因果的基础见第 12 章第 1 条。
  • 常见误区:给不出概率也要硬凑一个精确数字,制造虚假的确定感;或只看期望值不看到极端后果——单次可能输不起的赌局,期望再高也不能全押(缓冲见本章第 10 条)。
  • 证据等级:B
  • 来源:布莱士·帕斯卡(期望值思想);决策理论

4. 复利与时间尺度

  • 定义:复利指收益再投入后继续产生收益,随时间呈加速增长;它取决于增长率与持续时间,而持续时间的权重常被低估。
  • 说人话:每天进步一点点,短期看不出,拉长几年差距惊人;反过来,持续的坏习惯也在复利,只是方向朝下。
  • 什么时候用:评估长期投入(学习、品牌、技术积累、用户口碑)的价值时。
  • 常见误区:把它当万能鸡汤,忽略它需要正增长率和足够长的时间,短周期目标上并不适用;也别用它给「前期一直亏」硬找理由。
  • 证据等级:B
  • 来源:复利原理(利息计算)

5. 二阶效应(然后呢)

  • 定义:二阶效应指一个行动的直接结果之外,由它引发的后续连锁反应;决策时多问一句「然后呢」,往往能看到被忽略的代价。
  • 说人话:降价能立刻多卖(一阶),却可能让老客户觉得被坑、让品牌越来越便宜(二阶),后者才是长期的麻烦。
  • 什么时候用:做影响面大的决策,或某项措施见效太快、让人兴奋时。
  • 常见误区:无限追问导致分析瘫痪,什么都不敢做;或在小事上过度推演,把简单问题复杂化。
  • 证据等级:C
  • 来源:行业通行做法(二阶思维)

6. 反脆弱(在波动中受益)

  • 定义:反脆弱指某些系统不仅能抵抗波动,还能从波动与压力中变得更强;与之相对的是脆弱(怕波动)和坚韧(抗住波动但不变强)。
  • 说人话:肌肉在适度训练中变强,免疫系统在接触病原中成熟;不是所有冲击都是坏事,有些能让系统更结实。
  • 什么时候用:设计需要长期应对不确定性的机制(团队、投资组合、产品架构)时。
  • 常见误区:把它当「拥抱一切风险」,忽略超过承受阈值的冲击会直接摧毁系统;也不适用于必须严格稳定的场景(如支付清算)。
  • 证据等级:A
  • 来源:Nassim Nicholas Taleb《反脆弱》

7. 奥卡姆剃刀

  • 定义:奥卡姆剃刀主张,在能同样解释现象的几个假设里,应优先选最简单、假设最少的那个。
  • 说人话:如果「用户不用」用「入口太深」就能解释,就别急着编出「用户不认同我们的价值观」这种复杂理由。
  • 什么时候用:多个解释都能说得通、需要先挑一个验证时。
  • 常见误区:把「简单」等同于「正确」,真实世界有时确实复杂;也不能用它否定一个更复杂但更准确的解释,简单只是优先验证的理由,不是真理标准。
  • 证据等级:A
  • 来源:奥卡姆的威廉(William of Ockham,奥卡姆剃刀)

8. 逆向思维(反过来想)

  • 定义:逆向思维指不直接问「怎么成功」,而是问「怎么做会失败」「什么会让结果更糟」,从反面找到该避免的事。
  • 说人话:想知道怎么把项目做好,先列出「怎么做一定会搞砸」,然后一条条避开;避开明显的坑,成功率就上来了。
  • 什么时候用:做规划、做风险评估、面对长期目标不知从何下手时。
  • 常见误区:只停在列失败清单,不回到正向行动;或把「避免失败」当成「必然成功」,两者并不等价。
  • 证据等级:B
  • 来源:卡尔·雅可比(Carl Jacobi,「反过来想」);查理·芒格的公开论述

9. 帕累托法则(二八定律)

  • 定义:帕累托法则指很多现象里,少数(约两成)的原因带来多数(约八成)的结果;它是个粗略的经验规律,不是精确公式。
  • 说人话:两成的功能撑起八成的使用,两成的用户贡献八成的收入;先抓住那关键的少数,比平均用力有效。
  • 什么时候用:资源有限、需要找重点时;排优先级时的具体用法见第 9 章第 8 条。
  • 常见误区:把「80/20」当精确比例到处套,实际比例可能差很远;也不能因此彻底放弃长尾,很多业务的长尾恰恰是基本盘。
  • 证据等级:B
  • 来源:维尔弗雷多·帕累托(Vilfredo Pareto);约瑟夫·朱兰(Joseph Juran)的推广

10. 安全边际

  • 定义:安全边际指在估算与决策中留出缓冲,让结果即使不及预期也不伤及根本;它是应对「自己可能是错的」这一事实的手段。
  • 说人话:桥限重 10 吨,你就别开着 10 吨的车上去;不是算准了就万无一失,而是给不确定性留出余量。
  • 什么时候用:涉及不可逆或高代价的决策(预算、排期、押注新方向)时。
  • 常见误区:把它当拖延或过度保守的借口,留太多余量导致错失机会;也不适用于可逆、低成本的试错。
  • 证据等级:B
  • 来源:本杰明·格雷厄姆《聪明的投资者》;价值投资实践

11. 能力圈

  • 定义:能力圈指一个人真正懂、能做出靠谱判断的领域边界;关键不只是圈有多大,而是清楚圈在哪里,并在圈内做决策。
  • 说人话:只赚自己看得懂的钱、只对自己真懂的领域下判断;不是不学习,而是承认哪些是自己还没搞明白的。
  • 什么时候用:选择投入方向、评估一个新机会自己该不该接时。
  • 常见误区:把它当成不成长的挡箭牌,圈是可以通过学习扩大的;也不能用它拒绝所有陌生信息,那会变成闭门造车。
  • 证据等级:B
  • 来源:沃伦·巴菲特(Warren Buffett)关于「能力圈」的公开论述

12. 类比与结构映射:什么时候有效、什么时候有害

  • 定义:类比是把已知领域的结构搬到新问题上;只有当两个问题在深层结构上相似时类比才有效,只共享表面相似就容易误导。
  • 说人话:把「社区运营」类比成「经营一家小饭馆」可能有用,因为都涉及熟客、复购、口碑;但把「短视频」类比成「报纸」,表面像,机制其实不同。
  • 什么时候用:进入陌生领域、需要快速建立直觉时。
  • 常见误区:被表面相似骗了,把 A 领域的结论直接搬到 B,忽略约束条件不同;或把类比当论据本身,而不是待验证的假设。
  • 证据等级:B
  • 来源:Dedre Gentner 的结构映射理论(Structure-Mapping Theory)
20

元能力

11 条

这一章讲决定长期上限的底层能力:怎么问问题、怎么区分事实与判断、怎么从经历里学到东西、怎么把自己的注意力用在刀刃上。它们是产品技能下面的地基,决定了你能走多远。 条目按从最基础到进阶排列。

1. 提问能力(澄清式提问、5 Why、苏格拉底式追问)

  • 定义:提问能力指通过提问把模糊问题问清楚:先澄清(「你说的『不好用』具体指哪一步」),再用连续追问挖根因(5 Why),或像苏格拉底那样追问对方论证的前提。
  • 说人话:很多争论其实是在讨论不同的问题;先花两句把问题问准,比急着给答案能省下大量返工。
  • 什么时候用:需求评审、和用户或同事对齐、结论听起来太顺利时。
  • 常见误区:把提问变成审问或刁难,让对方防御;或只问一层就停,问到的还是表面(5 Why 的边界见第 7 章第 3 条)。
  • 证据等级:B
  • 来源:苏格拉底式追问;丰田「5 Why」

2. 区分信息、判断与决策

  • 定义:信息是观察到的事实,判断是对事实的解释与预测,决策是要采取的行动;三者常被混为一谈,导致用情绪当事实、用事实顶替决策。
  • 说人话:数据说「留存降了」(信息),你说「大概新版本导致的」(判断),你决定「先回滚再排查」(决策);把三者分开说,沟通会清楚很多。
  • 什么时候用:讨论问题、做复盘、写方案时。
  • 常见误区:把个人判断当成客观事实陈述,掩盖了它只是一个假设;或一直停在信息层面,迟迟不给判断和决策。
  • 证据等级:C
  • 来源:行业通行做法(信息—判断—决策的区分)

3. 复盘方法(GRAI:结果、原因、行动、改进)

  • 定义:复盘按四步走:回顾目标与结果(Goal / Result)、分析原因(Analysis)、提炼可复用的经验(Insight)、形成改进措施(Action),重点是从结果里学出下次能用的东西。
  • 说人话:不是写一份「这次做得怎么样」的报告,而是回答「下次遇到类似情况,我要改什么」。
  • 什么时候用:项目结束、实验做完、一次失败或意外之后。
  • 常见误区:开成批斗会或表功会,只评人不看事;或复盘出改进却不落地,没人跟进基本等于没做。
  • 证据等级:B
  • 来源:行业通行做法(GRAI 复盘框架)

4. 知识管理(卡片盒、第二大脑的取舍)

  • 定义:知识管理是把读过、想过的东西记下来并连成网络,便于日后调用;卡片盒(Zettelkasten)强调一张卡片只写一个想法、互相链接,而不是按主题藏进文件夹。
  • 说人话:笔记的价值不在「存了多少」,而在「以后找得到、连得起来」;存进文件夹容易变成只进不出的仓库。
  • 什么时候用:长期积累、做研究、写作前检索素材时。
  • 常见误区:追求收藏量而从不回顾,笔记成了数字垃圾;或工具换来换去,把精力花在整理方法上,而不是真正的阅读思考。
  • 证据等级:B
  • 来源:尼克拉斯·卢曼(Niklas Luhmann)的卡片盒笔记法;《卡片笔记写作法》

5. 学习的迁移

  • 定义:学习迁移指把一个领域学到的知识或方法应用到另一个领域;迁移能否发生,取决于你是否抓住了其中的结构,而不只是记住了表面做法。
  • 说人话:学编程不只是学会写代码,还能学会「把复杂流程拆成小步骤」的思路,这种思路可以拿去排项目、写方案。
  • 什么时候用:学新东西、把过去的经验用到新岗位或新行业时。
  • 常见误区:机械照搬旧经验,忽略新场景的约束(负迁移);或只记结论不抽象规律,于是换个环境就不会用了。
  • 证据等级:B
  • 来源:教育心理学的学习迁移理论(transfer of learning)

6. 输出倒逼输入

  • 定义:输出倒逼输入指先设定要产出什么(一篇文章、一次分享、一个方案),反过来逼自己把知识补齐、想透;输出会暴露你其实没懂的地方。
  • 说人话:光看教程觉得自己懂了,一动笔写或开口讲,才发现到处是漏洞;为了讲清楚,你不得不真正学明白。
  • 什么时候用:学一个专题、带一个新方向、想把零散认知系统化时。
  • 常见误区:只输出不输入,变成反复炒冷饭;或为了输出凑字数,产出本身没价值,也没逼出真正的学习。
  • 证据等级:C
  • 来源:行业通行做法(以输出带动学习)

7. 反馈回路的建立与校准

  • 定义:反馈回路指把行动结果稳定地收集回来,用于修正下一次判断;校准是持续对比「我当初的判断」和「实际发生的事」,让自己知道哪里系统性地偏了。
  • 说人话:你以为自己预测很准,但如果从不记录、从不回头对账,就永远不知道自己其实常常偏乐观或偏保守。
  • 什么时候用:做长期判断类工作(预测、评估、定目标)时。
  • 常见误区:只收集好听的反馈,或只记结果不记当时的判断,回路形同虚设;或反馈太慢太模糊,学不到东西。
  • 证据等级:B
  • 来源:K. Anders Ericsson 关于刻意练习的研究(及时反馈是关键)

8. 注意力管理与深度工作

  • 定义:注意力是有限资源,深度工作指在无干扰状态下专注于需要高认知的任务;频繁切换会带来注意力残留,明显降低产出质量。
  • 说人话:一边写方案一边回消息,看着都在忙,其实每切一次都要重新进入状态,一天下来真正推进的事很少。
  • 什么时候用:需要深度思考(写 PRD、做分析、设计方案)时。
  • 常见误区:把「忙」等同于「有效」,用响应速度衡量产出;或强行拉长工时,忽视注意力会被耗尽(认知负荷见第 6 章第 2 条)。
  • 证据等级:B
  • 来源:Cal Newport《深度工作》;注意力残留研究(Sophie Leroy)

9. 写作作为思考工具

  • 定义:写作不只是表达,更是把模糊想法变清晰的过程;写不清楚往往意味着还没想清楚,写的过程会逼你把逻辑补齐。
  • 说人话:脑子里觉得想通了,一落到纸上就发现前提站不住、步骤接不上;写作既是照妖镜,也是把想法磨锋利的工具。
  • 什么时候用:想法还不成熟、要说服别人,或自己也没想明白时。
  • 常见误区:把写作当最后的汇报动作,非要想法全定了才动笔;其实边写边想,写作本身就是想清楚的手段(表达结构见第 16 章)。
  • 证据等级:C
  • 来源:行业通行做法(写作作为思考工具)

10. 时间与精力管理的基本原理

  • 定义:时间管理的底层不是把日程塞满,而是区分「重要且耗精力」和「琐碎但必要」,把高精力时段留给高价值任务,并给恢复留出空间。
  • 说人话:一天里状态最好的两小时如果都用来开会,晚上再加班补深度工作,其实是拿最差的精力干最重要的事。
  • 什么时候用:工作越堆越多、加班却不出活时。
  • 常见误区:迷信技巧和工具清单,忽略精力有波峰波谷;或把「填满每一分钟」当成高效,长期看反而透支。
  • 证据等级:C
  • 来源:行业通行做法(精力管理与时间分配)

11. 职业阶段的自我评估:能力是否在升值

  • 定义:评估自己的职业阶段,不看头衔和年限,而看「解决问题的能力是否在变强、可迁移的能力是否在积累、市场愿意为这种能力付多少」。
  • 说人话:如果五年经验只是把第一年重复了五遍,那就不算成长;真正要问的是「我今年比去年多会了什么不容易被替代的东西」。
  • 什么时候用:年度复盘、考虑跳槽或转方向、纠结要不要换赛道时;产品经理的能力模型见第 1 章第 6 条。
  • 常见误区:把资历等同于能力,用年限代替进步;或只跟身边人比,忽略市场对同类能力真实定价的变化。
  • 证据等级:C
  • 来源:行业通行做法(职业发展与能力评估)
附

方法论索引

这张表按「你要解决的问题」来查方法,不按学科分类。遇到一个具体问题,先在左列找到最接近的那句话,再看中间该用什么方法,最后按右列的出处回到对应章节或文献。五个分组覆盖判断、用户、设计、数据、商业五类共 41 个常见场景。

判断与决策

你要解决的问题用哪个方法出处
判断一个需求是真是假真需求与伪需求第 4 章第 2 条
判断该不该做某个功能「值不值得做」的判据清单第 7 章第 10 条
手上十件事,先做哪个RICE 打分第 9 章第 6 条
两个都想要,只能选一个机会成本才是优先级的本质第 9 章第 1 条
评估一个机会值不值得投入机会空间与机会成本第 7 章第 7 条
把模糊的想法写成清楚的问题问题陈述的四要素第 7 章第 1 条
判断现在是不是做它的时机时机窗口:技术、政策、习惯第 7 章第 9 条
结果不确定时,这个赌要不要下概率思维与期望值第 19 章第 3 条;《思考,快与慢》

用户与需求

你要解决的问题用哪个方法出处
用户说想要 A,其实需要 B需求与解决方案第 4 章第 1 条
判断一个需求强不强、够不够频繁需求强度与频次第 4 章第 5 条
用户抱怨很多,怎么分清现象和问题从现象到问题:抱怨不等于问题第 7 章第 2 条
想找到问题的根本原因5 Why 的用法与边界第 7 章第 3 条
理解用户为什么会误操作心智模型与概念模型第 6 章第 1 条
设计一次有效的用户访谈用户访谈的技术第 5 章第 4 条
设计一份不误导人的问卷问卷设计第 5 章第 6 条
判断手里的样本是否有偏样本的代表性与抽样偏误第 5 章第 9 条

设计与交付

你要解决的问题用哪个方法出处
写一份开发看得懂的 PRDPRD 的信息结构第 16 章第 3 条;《金字塔原理》
主持一次需求评审三类评审会第 15 章第 7 条
设计产品的信息架构信息架构第 8 章第 1 条;《信息架构》
设计空态、加载态、错误态状态设计第 8 章第 4 条
判断这次上线风险大不大上线与回滚第 15 章第 9 条
做上线与回滚预案上线与回滚第 15 章第 9 条
一次故障之后怎么做复盘事故分级与无指责复盘第 15 章第 11 条
拆解一个技术方案值不值得做技术方案评审该问的五个问题第 13 章第 11 条
在提示、RAG、微调之间选 AI 方案微调、提示与 RAG 的选择第 14 章第 7 条

数据与实验

你要解决的问题用哪个方法出处
设计一次实验来验证假设MVP 的真实含义第 10 章第 2 条;《精益创业》
判断手里的数据可不可信埋点设计与数据质量第 11 章第 8 条
从零搭一套指标体系指标体系分层第 11 章第 3 条
防止团队为了达标而作弊Goodhart 定律与指标作弊第 11 章第 10 条
判断两组数据的差异是不是巧合p 值的正确读法第 12 章第 10 条
判断两件事是相关还是因果相关不等于因果第 12 章第 1 条
指标突然变好,是真变好还是回归均值回归均值第 12 章第 8 条
评估 AI 输出的质量评估方法(离线集、人工、模型打分)第 14 章第 9 条

商业与增长

你要解决的问题用哪个方法出处
算一笔生意值不值得做单位经济与单用户模型第 18 章第 5 条
一个新产品该定多少钱定价逻辑:成本、价值、竞争第 18 章第 3 条
算 LTV 与 CAC 这笔获客账LTV / CAC 与回本周期第 18 章第 6 条
判断增长是不是健康的留存曲线的三种形状第 17 章第 3 条
一门生意的毛利够不够撑住毛利、净利与毛利率第 18 章第 8 条
公司赚钱却现金流紧张,为什么现金流与账期第 18 章第 9 条
增长是不是靠补贴堆出来的补贴增长的代价第 17 章第 9 条
新客增长和老客复购,先顾哪个用户生命周期价值与分层第 17 章第 10 条
附

概念速查表

这本表把全书 20 章出现的高频术语各用一句话说清,供随时查阅。

用户与需求

术语一句话解释
JTBD(Jobs to be Done)用户「雇佣」产品去完成某项任务,关注他要达成的进步而非产品本身。
真需求 / 伪需求真需求对应真实、可复现的任务,伪需求只是表面诉求,换个场景就不成立。
用户画像(Persona)基于调研刻画出的典型用户原型,代表一类人的目标、行为与处境。
心智模型用户对事物如何运作的既有理解,界面若与之不符就容易出错。
认知负荷用户理解和使用产品时需要动用的脑力总量,越高越容易放弃。
双系统思维人脑有快而直觉的系统一和慢而理性的系统二,多数决策由系统一完成。
损失厌恶同样大小的损失带来的痛苦大于等量收益的快乐,人因此更怕失去。
锚定效应人做判断时会过度依赖最先接触到的参照数字或信息。
默认效应多数人会接受预设选项而不去修改,默认值即是最强的引导。
习惯回路习惯由触发、行为、奖励三步循环形成,重复后变成自动动作。
峰终定律人对一段体验的记忆由最强烈的瞬间和结尾决定,而非平均感受。
社会证明人在不确定时倾向跟随他人的行为,比如看销量和评价做选择。
用户旅程地图把用户从认知到使用的全过程与各阶段情绪画在同一张图上。
同理心地图用「所说、所做、所想、所感」四个象限梳理用户当下的状态。
需求层次(马斯洛)把人的需求从生理、安全到自我实现分成由低到高的若干层级。
Kano 模型把需求分为基本型、期望型、兴奋型等,不同类型的投入回报不同。
用户分群按目标或行为把用户划成若干组,避免用一套方案对待所有人。
痛点用户在完成任务过程中遇到的阻碍、成本或不满,是需求的直接来源。
用户故事(User Story)用「作为某类用户,我想……以便……」句式表述需求的简短描述。
场景与上下文用户使用产品的具体时间、地点、设备与目的,决定需求的具体形态。

数据与指标

术语一句话解释
北极星指标(North Star Metric)产品当前阶段最该盯的单一指标,同时反映用户价值与长期方向。
指标体系分层把指标按北极星、结果指标、过程指标分层,下层用来解释上层的变化。
OMTM(唯一重要指标)某个阶段只挑一个最重要的指标驱动决策,其余仅作参考。
漏斗分析(Funnel Analysis)把有先后的流程拆成步骤,看每一步进入与流失的人数。
留存曲线(Retention Curve)按注册后第 N 天是否回访画出的曲线,反映产品留住用户的能力。
同期群分析(Cohort Analysis)按加入时间或渠道分组,逐组比较同一阶段表现,避免新老混算。
归因(Attribution)把一次转化的功劳分配给用户接触过的多个渠道,不同分法结论不同。
Goodhart 定律当一个指标变成目标,它就不再是好指标,因为人会为达标而做弊。
埋点为采集数据在代码中设置的记录点,口径统一才能保证指标可用。
AARRR获取、激活、留存、收入、推荐五个环节,按用户旅程组织增长指标。
HEART愉悦、参与、接受、留存、任务成功五个维度,从体验角度组织指标。
A/B 测试把用户随机分成对照组和实验组,比较单一改动带来的差异。
统计显著实验结果不太可能由随机波动造成,通常用 P 值等来判断。
辛普森悖论分组看是一致趋势,合并后却相反,源于各组样本权重不同。
幸存者偏差只看到存活下来的样本,忽略已经消失的,导致结论被高估。
回归均值极端表现之后往往向平均值靠拢,可能是波动而非干预奏效。
基准率(Base Rate)某事件在总体中本来就有的发生概率,是判断先验的起点。
贝叶斯更新先有一个先验判断,再根据新证据按比例修正为后验判断。
相关与因果两个量一起变化不等于一个导致另一个,需排除共同原因和反向因果。
先行指标与滞后指标先行指标先于结果变动、可提前干预,滞后指标反映最终结果。

商业与财务

术语一句话解释
LTV / CAC用户终身价值与获客成本之比,衡量获客投入是否划算。
单位经济(Unit Economics)单个用户或单笔订单的收入与成本是否为正。
回本周期(Payback Period)从单个用户身上收回获客成本所需要的时间。
毛利率收入减去直接成本后占收入的比例,反映业务本身的赚钱能力。
边际成本每多生产或服务一个单位所增加的成本,决定规模扩张的经济性。
现金流一定时期内实际收入与支出的现金,决定企业能否活下去。
账期从交付到收到货款之间的时间差,账期越长占用的资金越多。
ROI(投资回报率)净收益与投入之比,衡量一笔投入的产出效率。
商业模式画布用九宫格梳理客户、价值、渠道、收入与成本等商业要素。
网络效应用户越多,产品对每个用户的价值越大,形成自我强化的增长。
双边市场平台连接两类互相依赖的用户群,一方的增长带动另一方。
规模效应规模扩大后单位成本下降、效率提升,形成成本优势。
平台经济以连接供需双方、撮合交易为主的商业模式,价值来自网络。
获客成本(CAC)获取一个新用户平均花费的营销与销售费用。
固定成本与可变成本固定成本不随业务量变化,可变成本随业务量增减。
盈亏平衡点收入刚好等于总成本、不赚不赔时的业务量或规模。
贡献毛利单笔收入扣除可变成本后的余额,用来覆盖固定成本和利润。
ARR / MRR年度或月度经常性收入,衡量订阅类业务的稳定收入规模。
GMV一段时间内平台成交的商品总额,不等于平台自身的收入。
飞轮效应多个环节互相推动、越转越快的增长循环,一旦启动会自我加速。

技术与 AI

术语一句话解释
token大模型处理文本的最小单位,字数、成本与上下文限制都以它计。
上下文窗口(Context Window)模型一次能读取的最大 token 数,超出部分会被截断。
提示工程(Prompt Engineering)通过设计指令、示例和格式来引导模型输出更符合预期。
温度(Temperature)控制模型输出随机性的参数,越低越稳定,越高越发散。
RAG(检索增强生成)先检索外部资料再让模型据此作答,以补充事实、减少幻觉。
微调(Fine-tuning)用领域数据继续训练预训练模型,使其更贴合特定任务。
Agent(智能体)由模型自主规划、调用工具并多步执行以完成目标的程序。
工具调用(Function Calling)模型按需调用外部函数或接口来获取数据、执行动作。
幻觉(Hallucination)模型生成看似合理却与事实不符的内容,需要外部校验。
LLM-as-judge用一个模型按标准给另一个模型的输出打分,用于自动化评估。
SLA / SLO服务等级协议是对外的承诺标准,服务等级目标是内部设定的量化目标。
API(应用程序接口)系统之间约定的调用入口,规定请求方式与返回数据格式。
缓存(Cache)把常用数据暂存在更快的存储里,减少重复计算与请求耗时。
消息队列用队列在系统之间异步传递消息,起到削峰、解耦与可靠投递的作用。
技术债为快速上线而采取的将就方案,日后需要额外成本来偿还。
Serverless不需要管理服务器、按调用量计费的运行方式,弹性好但受平台约束。
Embedding(向量表示)把文本等转成高维向量,使语义相近的内容在空间中彼此靠近。
向量数据库专门存储和检索向量、支持相似度搜索的数据库,常用于 RAG。
多模态模型能同时处理文本、图像、音频等多种类型的输入或输出。
推理成本模型每次生成结果所消耗的算力与费用,直接影响产品定价与体验。

设计与体验

术语一句话解释
信息架构(IA)对内容与功能进行组织、分类和命名的结构,决定用户能否找到东西。
导航深度从入口到达目标页面需要经过的层级数,越深越容易迷路。
状态设计(空态 / 加载态 / 错误态)对无数据、加载中和出错等情形给出明确的界面反馈。
可用性(Usability)用户在特定场景下使用产品完成目标的效率、准确与满意程度。
Fitts 定律目标越大、越近,点击越快;常用操作应做得大而近。
Hick 定律选项越多,做决定的时间越长;选择过多会拖慢用户。
无障碍(WCAG)让残障用户也能使用产品的规范,涵盖可感知、可操作等要求。
一致性(Consistency)相同元素在相同情境下保持相同的样式与行为,降低学习成本。
视觉层级通过大小、颜色、间距等区分信息重要性,引导用户的注意力顺序。
渐进式披露先只展示必要信息,等用户需要时再逐层展开更多细节。
设计系统(组件库)统一的可复用组件与规范集合,保证界面一致并提高效率。
线框图(Wireframe)只画结构与布局、不含视觉细节的低保真草图。
高保真原型接近最终效果的交互原型,用于验证体验和对外演示。
可用性测试让真实用户操作并观察其表现,从中发现界面存在的问题。
启发式评估由专家依据通用可用性原则检查界面,成本低但依赖经验。
卡片分类让用户把内容卡片分组,据此推断符合其心智的信息分类。
微交互按钮反馈、动效等小范围交互细节,用来提示状态、增强反馈。
响应式设计同一套界面能适配不同屏幕尺寸与设备,自动调整布局。
容错设计允许用户犯错并能轻松撤销或恢复,而不必从头再来。
认知走查逐步模拟用户操作的每一步,检查是否会困惑或找不到下一步。

流程与协作

术语一句话解释
MECE相互独立、完全穷尽,把问题拆成不重叠又不遗漏的若干部分。
金字塔原理结论先行、以上统下、归类分组、逻辑递进的结构化表达方法。
PRD(产品需求文档)描述产品需求与方案的核心文档,说明做什么以及为什么做。
DoD(完成的定义)团队约定的「一项工作算完成」所需同时满足的标准清单。
关键路径(Critical Path)决定项目最短工期的那条最长任务链,延迟它就会拖延整体。
需求变更项目进行中对需求的修改,需要评估影响并履行变更流程。
事故复盘事后不追责地还原事故经过、找出根因并给出改进措施。
MVP(最小可行产品)用最小成本验证核心假设的第一版产品,用于尽早获取反馈。
灰度发布先向小比例用户放开新版本,观察无异常后再逐步扩大范围。
敏捷开发以短周期迭代、持续交付和快速响应变化为核心的开发方法。
Scrum一种敏捷框架,由产品负责人、Scrum Master 和开发团队按固定节奏推进。
看板(Kanban)把任务可视化并限制在制品数量,用来发现和疏通瓶颈。
迭代(Sprint)固定时长的开发周期,结束时产出一个可用的增量。
里程碑项目中的关键时间点或阶段成果,用于检查进度与对齐预期。
需求评审开发前由相关方共同确认需求的范围、可行性与一致理解。
优先级排序(RICE)按触达、影响、信心和成本给需求打分,排出相对顺序。
干系人管理识别受项目影响的各方,并持续沟通其期望与利益。
RACI用负责、批准、咨询、知会四种角色明确每项任务的分工。
5 Whys(五问法)对问题连续追问为什么,逐层逼近根本原因。
风险登记把已识别的风险、影响与应对措施记录并持续跟踪的清单。
附

思维模型卡片

20 张卡片,每张一句话说清是什么,再标出用在哪、别用在哪,供快速扫读。想展开看,去第 19、20 章对应条目。

第一性原理

一句话:回到最基本的事实,从零重新推导。 用在哪:老做法明显不合理时。 别用在哪:日常小事,照成熟做法更快。

系统思维

一句话:要素互相影响,别只看单点因果。 用在哪:问题反复出现、按下葫芦浮起瓢。 别用在哪:简单直接的问题,别硬套。

概率思维与期望值

一句话:结果不确定时,算各种结果乘概率的总和。 用在哪:下注、挑方案前先估期望。 别用在哪:只算期望,忽略输不起的极端。

复利与时间尺度

一句话:收益再投入会加速增长,时间越长越明显。 用在哪:评估品牌、技能这类长期积累。 别用在哪:短周期目标,复利来不及发力。

二阶效应

一句话:一件事的影响,常常在第二层才显现。 用在哪:大决策前多问一句「然后呢」。 别用在哪:无限追问,会陷入分析瘫痪。

反脆弱

一句话:有些系统能在波动与冲击中变强。 用在哪:需要长期应对不确定的机制设计。 别用在哪:超过阈值就会被摧毁的场景。

奥卡姆剃刀

一句话:能解释现象时,优先选假设最少的。 用在哪:多个解释都说得通,先试简单的。 别用在哪:别把「简单」当成「一定对」。

逆向思维

一句话:不问怎么成功,先问怎么做会失败。 用在哪:做规划、评估风险、长期目标。 别用在哪:列完失败清单,还得回到行动。

帕累托法则

一句话:少数原因常带来多数结果,约二八。 用在哪:资源有限,要先找到关键少数。 别用在哪:别把二八当精确比例到处套。

安全边际

一句话:估算时留出缓冲,错了也不伤根本。 用在哪:不可逆或代价高的决策。 别用在哪:可逆的低成本试错,不必留太多。

能力圈

一句话:只在自己真懂的范围内下判断。 用在哪:接新方向、选投入领域时。 别用在哪:别拿它当不学习的挡箭牌。

类比与结构映射

一句话:类比有用,前提是深层结构相似。 用在哪:进陌生领域,快速建立直觉。 别用在哪:只像在表面,机制其实不同。

机会成本

一句话:选一个,就等于放弃其他最好的那个。 用在哪:资源有限、只能做一件事时。 别用在哪:选项之间没有真实冲突时。

沉没成本

一句话:已花出去、收不回的成本,别影响下一步。 用在哪:纠结要不要止损、要不要停项目。 别用在哪:别把「已投入」当成继续的理由。

路径依赖

一句话:早先的选择会锁住后面的选项。 用在哪:定架构、定标准、定规则之前。 别用在哪:别拿它给「一直这么做」找借口。

杠杆效应

一句话:找到投入少、撬动大的那个支点。 用在哪:资源紧张,想放大产出时。 别用在哪:杠杆放大收益,也放大风险。

约束理论

一句话:系统的产出,被最弱的一环卡住。 用在哪:整体效率上不去,先找瓶颈。 别用在哪:到处优化,却绕开真正的瓶颈。

反馈回路

一句话:结果回到系统,影响下一轮的行动。 用在哪:判断一件事会不会自我强化。 别用在哪:回路慢或模糊时,别急着下结论。

边际思维

一句话:看多做一个单位,会多发生什么。 用在哪:定价、扩产、加功能的决策。 别用在哪:只看总量,忽略了多一个的代价。

非对称收益

一句话:找亏损有限、收益可能很大的选择。 用在哪:试新方向、做小成本下注时。 别用在哪:别把「可能很大」当成「一定很大」。

没有匹配的条目 换个关键词或证据等级试试,或清空条件查看全部 225 条。