
第一性原理(First Principles Thinking)简单说就是:不要用他人的经验、舆论的惯性来思考问题,而是把一个问题拆到最基本的、不可再拆的事实,然后从这些事实重新推导解决方案。
这是客观事实,还是大家都是这么想的?
例如❌:冬天一定天气是冷的、高薪的工作一定不稳定、产品经理一定要加班
而是拆解为最基本的颗粒来提问思考:
冬天的气温由什么因素来决定?什么因素决定收入?什么因素决定工作压力与时长?有没有可能把他们拆开?
我们可以拆解为三个步骤来运用第一性原理:
- 把默认前提揪出来:为什么一定要这样?
- 区分事实和假设:这是客观事实,还是只是大家都是这么想的?
- 从底层约束重新组合:如果只保留这些不可改变的事实,我还能怎么解决?
用一个很简单的问题来练习第一性原理思考方式:
“一个产品上线后用户使用率很低,你作为产品经理应该怎么办?”
不着急马上思考提升用户使用率的问题,我想先搞清楚以下几个问题:
- 这个产品的目标用户是哪些?
- 目标用户是否本来就是少数用户,如果是,是否需要重新思考扩大目标用户?还是说这个使用率低根本不是问题?(例如我以前做的效能度量,就是面向管理者一周看一两次)
- 产品是要解决目标用户什么场景下的什么问题?
- 使用场景是否本来就狭窄?如果是,那我们是不是要更改目标为更通用的使用场景?
- 针对解决的问题是否具有普遍性?如果否,那是不是要更改设计目标?
- 是怎么解决的?
- 初次使用高,留存率低的情况,思考产品解决问题的路径是否过长?产品教育是否友好?体验是否可以优化?产品是否有效地解决了问题?
- 用户如何触达产品?
- 如果产品以上都没有问题,我们才去思考产品的广告投放、销售渠道、商业模式是否可以有优化空间
如果这个时候追问一个更狠的问题:
“很好,现在你只有一周时间、只有一个开发、一个设计师,而且老板明确要求你把使用率提高20%,你会先做什么?”
我一开始可能会觉得这个问题很离谱,但是想想还真有可能现实世界里发生的这么离谱的情况
面对这种不确定的问题,我的脑子里可能有无限个疑问,例如用户是谁?产品是什么?使用率是怎么算的?为什么要提升20%?期限真的只有一个星期吗?老板想坑我?……😂
但是解决不确定性问题的出口在于,先把无数个问题收束为几个决定性的关键问题:
- 使用率具体是怎么计算的?——— 指标定义
- 使用率低是不是一个真实的业务问题?是否作为业务指标值得优化?——— 问题定义
- 老板想把使用率提高20% 背后真正的目的是?——— 明确核心目标
这三个关键问题决定了后面怎么做的方向,所以从无限的问题中提取关键问题是很重要的。
确定了这几个关键问题后,就可以开始思考是否可以根据这几个关键信息行动,比起追求全部问题的解答,在有限的已知中先前进更为重要。
下面的几个练习,只允许向自己提问三个关键问题,只弄清事实:
一、工作事故版
你负责的一个项目上线后出现了严重问题。
老板很生气,要求你:
“明天之前给我一个完整的解决方案,而且以后绝对不能再发生。”
现在你知道:
问题可能来自产品设计 也可能来自研发实现 测试说自己测过了 研发说需求本来就不清楚 业务说产品经理当时拍板了 老板要求你承担责任 你现在手上的信息并不完整你只能问三个问题。
不准解决问题,不准甩锅,不准解释。
这种事故最忌讳就是情绪上头开始甩锅,而是必须先马上弄清楚关键事实,处理事故:
- 严重问题具体是指发生了什么?—— 把“严重问题”变成具体事实
- 此次事故造成的影响规模是怎样的?—— 是否还在发生?影响谁?影响多大?
- 需要马上做什么来止血?—— 回滚版本 / 关闭功能 / 限流 / 临时绕过?先恢复业务而不是彻底解决问题
二、“老板说用户不买账”
你负责一款 B2B SaaS 产品。
最近老板突然找你:
“这个产品用户根本不买账,你看看怎么解决。下季度必须把产品收入提升 30%。”你目前能拿到的信息只有:
产品上线 8 个月 目前有 100 家付费企业客户 新增客户数量最近 3 个月基本没变化 老客户续费率约 80% 销售说:“产品不好卖,客户都嫌贵。” 客服说:“客户其实挺喜欢的,就是不会用。” 研发说:“产品功能已经很多了,继续加功能也没意义。” 老板说:“竞品最近增长很快,我们不能落后。” 你只有 2 个开发 + 1 个设计师 距离下季度结束还有 3 个月
上一题的重点是“事实 → 影响 → 止血”,而这一题的重点在 “目标 → 结构 → 瓶颈 → 杠杆 → 资源”
- 产品的收入来源与结构是怎么样的?—— 哪些客户、哪些产品/套餐、哪些收入类型贡献最大?
- 具体是哪一类用户、在哪个购买/使用环节出现了问题?—— 目前业务真正增长的瓶颈是新客获取、转化、客单价、续费,还是扩容?
- 哪个瓶颈最有可能在3个月内被改变?—— “3个月+2开发+1设计”,意味着老板要求你不要寻找“理论上最优”的方案,而要寻找“资源约束下最值得做”的方案。