在商业世界里，几乎所有决策，都是在信息有限的情况下做出的：​ 我的销量下滑了，我应该改善哪个环节？​ 我的产品要迭代了，我应该满足用户的哪个需求？等等。背后有无数种可能。但我们无法一一验证。只能通过有限的信息，快速做出判断，提出假设。​ 其实，不光是商业世界，你在生活里的很多判断都天然伴随着“假设”。​ 比如，“同事看上去很憔悴，是不是加班比较多？”​ “埃航波音737坠机了，去年狮航同款飞机的坠机过程跟它很像，是不是因为这个机型的某些设计有缺陷？”​ 这都是先对问题做一个推测性回答。​ 这么做有什么好处？​ 第一，锚定一个(几个)明确的研究方向。接下来你只要通过收集证据去证明或推翻它。​ 第二，节省成本。你可以把时间精力投入在更接近正确答案的事情上。​ 好的假设，可以无限靠近正确答案，甚至就是答案。调研就是一门不断靠“提出假设-验证假设”积累起来的学问。怎么提出好的假设呢？ 基于事实​ 先说最重要的，好的假设得基于事实。​ 你说，很多科学发现都是从天马行空的假设开始的呀，没错。但今天我们探讨的假设，有个特殊性，它背后始终有个目标在驱动——做决策。企业关心的是根据这个假设，我的决策质量是不是更高，或者叫试错成本是不是更低。因为这决定了我有限的真金白银要花在什么地方。​ 给你讲个故事：​ 1879年，一个叫Parlin的人，为美国“星期六晚邮报”推销广告位，当他推销给一个生产汤罐头的公司时，对方拒绝了。对方认为买汤罐头的肯定是花钱买方便的有钱人，可这家报刊的读者是工薪阶层，他们宁可自己花时间做汤，也不会花10美分去买，对方说，要投也该投高端期刊。听上去很有道理，也符合我们大部分人的逻辑。但注意，这只是个假设。​ Parlin是怎么做的？他没有继续说服对方，而是跑遍了费城的垃圾场。为什么去垃圾场?因为这里有事实，人们扔掉的罐头盒就是消费事实。结果发现，工薪阶层生活圈的罐头垃圾反而比富人区多。原来，那些高收入人群家里都是佣人做汤，他们根本不考虑方不方便的问题，更不会去买罐头。所以，Parlin跟客户说 “工薪阶层是汤罐头的主流群体，应该投星期六晚邮报。”但注意，这仍然是个假设。​ 如果是你，你愿意根据哪个假设做决策？我想一定是后者，因为后者有事实依据。后来罐头商在邮报投了广告，销量陡增，证明了当初的假设。Parlin也成立了世界上第一家商业调研机构。​ 你看，“你认为”不重要，“大家都这么认为”也不重要，只有事实才重要。调研的一切价值都建立在事实之上。​ 但真正的难题是，获得事实不会总像捡罐头盒这么容易。前面我们讲了怎么通过提问，能让一个人说实话，可是，如果一个人嘴上说喜欢红色的包，最后买了白色的。你认为哪一个才是事实呢？​ 什么是事实？这可是个哲学问题，不是我们这门课能回答的。在这里，我只能告诉你，对一个商业调研来说，什么样的事实，才能支持一个假设。总的来说就是，不看态度，看行为。为了帮助你理解，我把有效的行为分为三类：​ 可量化的行为、不可篡改的行为、隐秘的行为。​ 第一，可量化的行为。​ 相比态度数据，行为数据能更好地帮我们理解用户。比如美国大选，态度数据就是所谓的民意测验，当年希拉里和特朗普的竞选，希拉里在民意测验里是占上风的。那什么是行为数据呢？在那次竞选中，最有效的行为数据就是义乌某旗帜工厂的销售数据。因为美国大选用到的很多旗帜都是义乌生产的，但是特朗普党派的旗帜销量远远超过希拉里。所以最准确预测特朗普获胜的竟然是义乌的一个工厂。​ 我们常说，听其言，观其行。态度代表愿望，行为决定结果。这就是第一类事实：可量化的行为。​ 第二，不可篡改的行为。你可以把它理解为行为数据里的铁证。​ 举个例子，2010年，一个豪车品牌请我们勾勒用户画像，以便做产品改进。 那第一步就是先找真实用户。​ 一般的调研人员会怎么做？利用大数据和问卷去筛选和统计，去销售门店观察，甚至去找到有购车证明的车主做访谈。结果发现，这款车的大部分车主都是有钱人，买这款车，是觉得更有面子。于是得出假设，“用户是渴望展示社会地位的有钱人。也就是我们常说的暴发户。所以，这款车该朝着更豪华、更高档的方向改进。”​ 你看，都是真实车主的反馈，这是事实了吧？很遗憾，这是假象。什么意思？对汽车这种高档耐用品来说，只有真正使用产品的人，才算是典型用户。那些买了车，没怎么开；或者买了车送人的，他们的态度和偏好，自然不能成为用户画像的事实依据。​ 我们是怎么做的呢？除了看购车证明，我们还要看车主的违章记录，因为它可以回溯到某年某月在某个地方有违章，有效反映了车主的使用频率和年限，关键是，这些记录不可篡改和伪造。这就是汽车使用行为的铁证。通过对这部分人的观察发现，他们大多是非常懂车和爱车的人，甚至能对车上的某个不起眼的小部件评论一番，他们买这款车不是因为看上去很豪，而是看中了它的性能和驾驶体验。​ 那我们就会提出假设，“这款车的用户是爱车和懂车的人，未来应该在性能和车手体验方向上做改进。”​ 两种假设，指向了完全不同的决策方向。​ 所以，有时候光看行为结果是不够的，你还要分辨这些数据是不是反映了一个真实的行为过程。​ 第三，隐秘的行为。​ 前面说找驾驶记录，这还是公开的，比较容易获得的行为数据。但如果你的目标是找一款洗碗机的使用痛点，没有什么记录下来的行为数据怎么办？那你只能通过观察的方法，去觉察出那些有价值的行为。​ 比如，我们给洗碗机用户做痛点研究时，在用户的洗碗机和餐桌上方都装了一个摄像头（当然是经过用户同意的）。最后发现，很多南方用户洗碗结束，都会在洗碗机上别个东西，留个缝。原来，他们习惯把洗碗机当碗柜使，但大部分洗碗机的烘干效果不够，里面会有返潮气味，这才养成了开缝透气的习惯。那我们就提出假设：“用户需要一款烘干效果更好的洗碗机”，或者“一款工作完成后自动开门的洗碗机”。像这种隐秘的，浸入在用户使用场景里的行为信息，是很难通过大数据或问卷获得。但这种信息即使样本再少，也还是极具参考价值。​ 可量化的行为、不可篡改的行为、隐秘的行为。一个好的假设，一定逃不开这三类事实的支持。当然，你收集的事实类型越多，假设的质量也越高。 需要“纵横逻辑”的推演​ 现在，你已经能找到有效事实，提出尽可能合理的假设。但还不够，很多时候，好的假设不是基于几个有效事实，就能定下来的，好的假设也可能不只一个。它一定是个动态的过程，需要你随着事实不断丰富，去迭代和调整。这里我想跟你分享一对非常好用的思考模型：纵向逻辑和横向逻辑。​ 你一定知道，100多年前那个经典问题，“你需要什么样的交通工具？”所有人都说 “我要一匹更快的马”。当很多人忙着选马配种时，只有福特汽车的创始人亨利·福特继续问了自己两个问题，第一，他们到底想要马，还是要更快？第二，除了马，还能不能选别的工具？ 注意，福特追问的那两个问题，就是纵向逻辑和横向逻辑的极简用法。​ 纵向逻辑推演的目的是看这个假设下面的事实是不是足够丰富。这能让假设得到及时修正。推演方法是多问自己几次：“真是这样吗？有没有说不通的地方?”如果有，就说明这个假设不成立，或者不精准。​ 比如，还是马车的经典问题，我们挪到现代，试着用纵向逻辑和横向逻辑演练一遍。​ 你问消费者，你需要什么交通工具，消费者说，“我需要一款更舒适、性价比更高的汽车”。好，这时你要问自己一个问题，“真的是这样吗?为什么那些更舒适、性价比更高的车，最近几年的销量也不高呢?”接着你会搜集信息。然后发现，哦，原来是共享汽车的兴起，取代了很多私家车。那你的假设是不是就变成“人们需要一款更适用于共享经济的、性价比更高的汽车。”有时候一个好的假设就是解决几个并行的问题。比如，爱迪生改进灯泡，就是要找到既便宜、又不容易断，还能持续燃烧1000个小时以上，同时能耐住2000摄氏度高温的材料。这就是纵向逻辑的使用。​ 做完了纵向推演，接着就要做横向推演，横向推演的目的是看，基于同样的事实，还有没有更多的假设？这能让你的假设更完整，解决问题的思路更多。方法是多问几次， “只是这样吗？有没有别的可能?”​ 再回到刚才的问题，人们选共享汽车，是因为更便捷，更省钱，没错。那还有别的可能吗? 比如人们喜欢在车上听得到来学习，刷微博获得资讯，未来，用户是不是想在车上做美甲，上一对一的外教课？那是不是又多出一个假设，“用户也需要一款能让在途时间变得更有价值的汽车。”​ 对于生活里的一般问题来说，做到了有事实依据，又做到了纵向和横向的逻辑推演。你基本就算得出了一个好的假设。但对于商业问题来说这还不够。你还需要两条辅助线，帮你判断这个假设能不能作为决策的指导：​ 第一，你的假设是不是在成本边界内？ 好的假设一定是在资源有限条件下的最佳解决方案。客户问，怎么提升品牌知名度？你说，增加5倍的广告投放。这个假设很好，但它一定越过了成本边界。没有成本考虑的假设，事实再充分，推导再严谨，都是正确的废话。​ 第二，你的假设是不是能导出决策动作？ 客户说，我们产品卖得不好，怎么回事？如果你说，因为竞争太激烈。这就是没有导出决策动作。如果你说因为竞争对手的logo更大，包装颜色更亮，更吸引人，这时候他才知道该做什么。​ 总结一下，怎么提出好的假设？为了方便你记忆，我把这个过程简化成了5句话：​ • “我遇到了什么问题？“​ • “我掌握了什么事实？”​ • “我的假设是什么？”​ • “真是这样吗？有没有说不通的地方?”​ • “只是这样吗？有没有别的可能?”