上一文《如何用咨詢公司的“套路”構(gòu)建策略?（一）》我們分享了需求分析、確定目標(biāo)和手段的方法。下面我們繼續(xù)探討如何學(xué)習(xí)咨詢公司的“套路”構(gòu)建具體策略。
業(yè)務(wù)建?！獜臉I(yè)務(wù)中來(lái)，但別只從業(yè)務(wù)中來(lái)
我們的策略都是基于業(yè)務(wù)問(wèn)題之上構(gòu)建的，首先，我們當(dāng)然需要去做需求收集、用戶訪談，但同時(shí)也需要去大膽質(zhì)疑，此外，我們還需要拓展思維邊界，窮盡各種可能性。
這里，我們要提到的是麥肯錫的另一個(gè)顯性知識(shí)——MECE原則，所謂的MECE（Mutually Exclusive Collectively Exhaustive）指的是“相互獨(dú)立，完全窮盡”，具體而言，就是在做分析時(shí)列出解決方案的各項(xiàng)內(nèi)容，并保證每一項(xiàng)內(nèi)容都是獨(dú)立的，不存在包含或交叉的關(guān)系。此外，要想到所有可能的內(nèi)容，不要遺漏，保證窮盡。
MECE原則聽(tīng)上去非常簡(jiǎn)單，但越是聽(tīng)上去簡(jiǎn)單的方法，在使用時(shí)越難操作，這就像大道理一樣，聽(tīng)著都對(duì)，但知道了這么多道理，卻仍然過(guò)不好這一生。
其實(shí)MECE的正確順序應(yīng)該是“完全窮盡”、“相互獨(dú)立”，其中，“相互獨(dú)立”無(wú)非就是在歸類時(shí)把相似的內(nèi)容放到一起，保證各個(gè)分類相互獨(dú)立，而真正的難點(diǎn)在于如何做到“完全窮盡”。
大多數(shù)時(shí)候我們都是做不到“完全窮盡”的，每個(gè)人都有自己的認(rèn)知邊界，也許我們已經(jīng)絞盡腦汁，想出了自認(rèn)為足夠詳盡的方案了，但當(dāng)那些提升認(rèn)知甚至顛覆認(rèn)知的新觀點(diǎn)出來(lái)時(shí)，我們才深感自己的腦洞之狹窄。
那么，我們應(yīng)該怎么辦呢？
1. 拓展人的認(rèn)知邊界
因?yàn)槊總€(gè)人都有認(rèn)知局限，所以，為了打破局限，拓寬認(rèn)知邊界，我們就需要去向更多的人請(qǐng)教。
首先，我們自然需要去請(qǐng)教那些離業(yè)務(wù)最近的人，一切策略都應(yīng)該從業(yè)務(wù)中來(lái)，但在挑選訪談對(duì)象時(shí)，我們應(yīng)該對(duì)他們有一些大致的了解?？傮w而言，我們至少應(yīng)該在小白、老手、領(lǐng)導(dǎo)這幾類人中各選幾個(gè)進(jìn)行溝通。
其次，我們需要去請(qǐng)教行業(yè)大咖，這些行業(yè)大咖經(jīng)驗(yàn)豐富，他們可能出身業(yè)務(wù)，但視野會(huì)高于業(yè)務(wù)，如果身邊有這樣的專家當(dāng)然最好，如果沒(méi)有的話，那么可以去看大咖寫(xiě)的書(shū)，書(shū)中會(huì)有他們的中心思想。
但是不要僅僅只看某一個(gè)大咖的書(shū)，看一個(gè)人的書(shū)或是同類觀點(diǎn)的書(shū)，往往容易產(chǎn)生可得性偏見(jiàn)，拿著觀點(diǎn)當(dāng)事實(shí)。最好是選擇觀點(diǎn)有很大差異的多個(gè)人的書(shū)，至少，他們的觀點(diǎn)是“相互獨(dú)立”的。
不過(guò)，大咖的觀點(diǎn)都是基于自己多年的經(jīng)驗(yàn)，難免會(huì)有經(jīng)驗(yàn)主義的影子。所以，我們還需要通過(guò)資訊或論文去了解最前沿的研究，在挑選論文時(shí)可以重點(diǎn)看那些做案例研究的論文，因?yàn)檫@類論文研究的都是最新的個(gè)例，往往可能刷新你的認(rèn)知，而做實(shí)證研究的論文反映的大多是普遍規(guī)律，可以作為看書(shū)的補(bǔ)充。
2.?確定事的研究邊界
項(xiàng)目管理的五大元素中就有一項(xiàng)——范圍，也就是事的邊界，如果不能確定事情的邊界，就不可能做到所謂的“窮盡”。
在上一篇文章中講到過(guò)確定手段的方法，一方面是基于業(yè)務(wù)的需求和經(jīng)驗(yàn)，另一方面，還要借助于數(shù)據(jù)進(jìn)行分析驗(yàn)證。
首先，是驗(yàn)證所選的手段確實(shí)能有效影響目標(biāo)，之前提到過(guò)可以觀察變量之間的相關(guān)性。
其次，針對(duì)我們腦暴出來(lái)的想法進(jìn)行驗(yàn)證，我們?cè)陬^腦風(fēng)暴、定性訪談中得到的想法可能五花八門(mén)，為了“窮盡”，我們榨出了所有能想到的可能性，但并不是所有的想法都要去實(shí)施或者能實(shí)施的，因此我們?cè)趯?shí)施之前應(yīng)該進(jìn)行想法的初步驗(yàn)證。
舉個(gè)例子，以“人人都是產(chǎn)品經(jīng)理”這個(gè)平臺(tái)的付費(fèi)課程推薦為例，假如現(xiàn)在有一門(mén)新課叫“產(chǎn)品設(shè)計(jì)從入門(mén)到精通”，我們假設(shè)瀏覽產(chǎn)品設(shè)計(jì)類文章比較多的用戶應(yīng)該都會(huì)感興趣，那么在做推薦之前，我們可以先做一個(gè)驗(yàn)證。
我們通過(guò)數(shù)據(jù)分析發(fā)現(xiàn)，瀏覽產(chǎn)品設(shè)計(jì)類文章相比其他類型文章更多的用戶，之前購(gòu)買(mǎi)產(chǎn)品設(shè)計(jì)類課程的比例并沒(méi)有其他課程高，那么說(shuō)明瀏覽產(chǎn)品設(shè)計(jì)類文章這個(gè)標(biāo)簽和購(gòu)買(mǎi)產(chǎn)品設(shè)計(jì)類課程的意愿之間沒(méi)有直接聯(lián)系，可能只是因?yàn)槠脚_(tái)上產(chǎn)品設(shè)計(jì)類的文章更多而已。
再比如，我們假設(shè)電商促銷(xiāo)活動(dòng)帶來(lái)的增量中，有很大一部分是對(duì)未來(lái)需求的透支，但通過(guò)數(shù)據(jù)我們發(fā)現(xiàn)，在促銷(xiāo)活動(dòng)結(jié)束后，銷(xiāo)量只是跌回促銷(xiāo)前的平均水平，并沒(méi)有明顯的透支現(xiàn)象，那么在后續(xù)分析時(shí)，可以忽略透支效應(yīng)的影響。
按照類似的方法，我們會(huì)否決一些觀點(diǎn)，也驗(yàn)證了一些假設(shè)，在這個(gè)過(guò)程中不斷明晰此次研究的邊界。
算法建?！侥Ｐ椭腥?，但不只到一個(gè)模型中去
人工智能說(shuō)來(lái)很火，究其本質(zhì)其實(shí)就是一整套算法的融合，不管是傳統(tǒng)的機(jī)器學(xué)習(xí)算法還是深度學(xué)習(xí)，人工智能最終都是人類巧妙運(yùn)用算法“呆板”的原則來(lái)解決現(xiàn)實(shí)問(wèn)題的方法。
在完成業(yè)務(wù)建模之后，我們已經(jīng)明確了要研究的具體問(wèn)題和大致方案是什么了，那么接下來(lái)的工作就是將人話翻譯成機(jī)器語(yǔ)言。
在進(jìn)行算法建模之前，我們先要理解算法的本質(zhì)。算法的本質(zhì)其實(shí)是在一定條件下，基于固有原則，將有限的輸入模式化輸出為結(jié)果的過(guò)程。這個(gè)定義是我自己瞎編的，由于不是算法出身，所以只能基于自己的理解來(lái)做分享。
下面我們就結(jié)合算法的定義，來(lái)概括一下算法建模的步驟：
1. 算法初篩
首先，為什么說(shuō)是“在一定條件下”，因?yàn)槿魏嗡惴ǘ加凶约旱那疤峒僭O(shè)，比如運(yùn)用回歸模型的前提是不能存在多重共線性，而嶺回歸除外，使用分類決策樹(shù)的前提是變量必須是離散的等等，因此我們完成業(yè)務(wù)建模后，需要由算法工程師協(xié)助進(jìn)行算法模型的初篩，看一下哪些模型可以適用于當(dāng)前場(chǎng)景。
2. 算法適配
“固有原則”是算法在理性方面優(yōu)于人的重要原因，因?yàn)槊恳粋€(gè)算法都有不變的核心原則，他們會(huì)堅(jiān)定原則并嚴(yán)格執(zhí)行。人類雖然更加靈活變通，但也意味著人類很難堅(jiān)持自己的原則，那么在復(fù)雜性極高的現(xiàn)代社會(huì)，人類就很難規(guī)避非理性因素，去找到本質(zhì)的原理。
但是，算法正因?yàn)橛衅湓瓌t，所以必然存在局限性，那么我們需要做的就是進(jìn)行算法的優(yōu)劣勢(shì)對(duì)比。
就拿隨機(jī)森林和GBDT來(lái)比較，隨機(jī)森林訓(xùn)練速度更快，且不用做特征選擇，但是缺點(diǎn)是在噪聲較大時(shí)容易出現(xiàn)過(guò)擬合。而GBDT的預(yù)測(cè)準(zhǔn)確度更高，但并行計(jì)算難度大，且對(duì)異常值非常敏感。
在做具體的算法適配時(shí)一方面是基于現(xiàn)有的數(shù)據(jù)類型和數(shù)據(jù)質(zhì)量，比如存在很多異常值的情況下，隨機(jī)森林的效果會(huì)優(yōu)于GBDT；另一方面，可以用數(shù)據(jù)效果說(shuō)話，用多個(gè)模型同時(shí)做訓(xùn)練，最后評(píng)估各個(gè)模型的擬合效果，擇優(yōu)選擇。
此外，我們甚至可以將場(chǎng)景進(jìn)一步細(xì)分，然后進(jìn)行模型組合，而要做到這一步就要求策略產(chǎn)品經(jīng)理懂各類模型的原理和適用范圍。比如：我們做老品的銷(xiāo)量預(yù)測(cè)時(shí)，因?yàn)闅v史數(shù)據(jù)足夠豐富，所以選用隨機(jī)森林的效果會(huì)更好，可以更準(zhǔn)確預(yù)測(cè)在當(dāng)前的季節(jié)、價(jià)格和流量下的銷(xiāo)售情況。
而對(duì)于新品或新的促銷(xiāo)形式，由于缺失數(shù)據(jù)，我們無(wú)法通過(guò)在歷史情形下的表現(xiàn)來(lái)預(yù)測(cè)銷(xiāo)量，因此可以選擇同類商品的數(shù)據(jù)進(jìn)行回歸模型擬合，從而預(yù)測(cè)新品或新促銷(xiāo)形式下的銷(xiāo)售狀況。
3. 特征工程
“有限的輸入”指的是數(shù)據(jù)的有限性和特征的有限性，數(shù)據(jù)越多、特征越多，那么對(duì)應(yīng)的計(jì)算量就會(huì)越大，因此很多時(shí)候我們需要在準(zhǔn)確性和可行性之間做平衡。
數(shù)據(jù)的有限性很好理解，下面重點(diǎn)講一下特征工程。
特征工程指的是從原始數(shù)據(jù)中最大限度提取出特征的工程，說(shuō)白了就是從現(xiàn)實(shí)中抽象出一個(gè)又一個(gè)的標(biāo)簽來(lái)進(jìn)行計(jì)算。
我們?cè)跇?gòu)建對(duì)于一個(gè)人的印象時(shí)，也是習(xí)慣于簡(jiǎn)化認(rèn)知，給對(duì)方貼上各種的標(biāo)簽，對(duì)于計(jì)算機(jī)而言，同樣也是基于類似的標(biāo)簽進(jìn)行學(xué)習(xí)、計(jì)算，然后形成自己的模型，只不過(guò)計(jì)算機(jī)的認(rèn)知維度更高，它能處理更多維度的數(shù)據(jù)。
初期的特征選取是嚴(yán)格基于業(yè)務(wù)建模的，基于對(duì)業(yè)務(wù)的理解，我們對(duì)特征的重要程度會(huì)有初步的判斷，在服務(wù)器資源有限的情況下，我們可以基于重要的特征進(jìn)行模型擬合，之后再逐步加入其它特征。
4. 算法優(yōu)化
“模式化”指的是算法模式的固定性，現(xiàn)在已經(jīng)有很多平臺(tái)開(kāi)發(fā)出了建模的應(yīng)用軟件，軟件中集成了很多模塊化的算子，即使不懂算法，只要知道輸入的內(nèi)容和輸出的結(jié)果的意義，分分鐘可以上手建模。
那么，算法工程師的價(jià)值何在呢？
算法工程師日常有很多工作其實(shí)是在做算法調(diào)參，算法雖然是模式化的，但仍然需要通過(guò)參數(shù)的調(diào)整去進(jìn)行模式微調(diào)，這個(gè)工作就需要依靠工程師的“手藝”了。
此外，算法工程師最大的價(jià)值還在于做算法改造，當(dāng)工程師對(duì)算法的原理、內(nèi)部數(shù)學(xué)構(gòu)造都了如指掌之后，就可以進(jìn)行改造和優(yōu)化了，這就好比是鐘表匠，帶著放大鏡在每一個(gè)精密的零件上進(jìn)行修改。
5. 效果評(píng)估
模型擬合完成之后，通過(guò)效果評(píng)估的指標(biāo)數(shù)據(jù)，可以了解到模型的擬合效果。具體的指標(biāo)不做贅述，但一定要在模型擬合后進(jìn)行測(cè)試驗(yàn)證，防止模型過(guò)擬合。
我們可以擬合多個(gè)模型進(jìn)行比較，最終選取效果最好的模型，或是進(jìn)行模型的組合使用，對(duì)于效果不佳的模型可以返回上一步進(jìn)行調(diào)參或是改造。
能力積木組合——學(xué)會(huì)制造和使用工具
人和動(dòng)物最大的差別在于會(huì)制造和使用工具，而工具對(duì)于人有兩方面的意義，一類工具是對(duì)人類現(xiàn)有能力的增強(qiáng)，比如望遠(yuǎn)鏡是對(duì)視力的增強(qiáng)、電話是對(duì)聽(tīng)力的增強(qiáng)、武器是對(duì)臂力的增強(qiáng)。
除此以外，還有另一類工具，比如測(cè)謊儀，熟悉測(cè)謊儀工作原理的朋友都知道，測(cè)謊儀并不一定能準(zhǔn)確反映出一個(gè)人是否說(shuō)謊，它只能記錄人在情緒有波動(dòng)時(shí)的生理變化，測(cè)謊過(guò)程中最關(guān)鍵的還是測(cè)謊專家提出的問(wèn)題。
首先，測(cè)謊專家會(huì)先問(wèn)一些基礎(chǔ)問(wèn)題，這樣做的目的是為了建立基線，從而觀察一個(gè)人在正常狀態(tài)下的生理指標(biāo)。
接著，測(cè)謊專家會(huì)問(wèn)一些核心問(wèn)題，很多時(shí)候他們會(huì)直接說(shuō)答案，讓嫌疑人回答是或否，那么當(dāng)說(shuō)到正確答案時(shí)，嫌疑人自然而言會(huì)因?yàn)榫o張而引起情緒波動(dòng)。
由此可見(jiàn)，測(cè)謊儀并不能直接測(cè)謊，而是更多依賴于人的經(jīng)驗(yàn)判斷，我們經(jīng)常在美劇中看到這樣的場(chǎng)景，一些有經(jīng)驗(yàn)的嫌疑人會(huì)刻意在一些基礎(chǔ)問(wèn)題上撒謊，以此來(lái)干擾基線的評(píng)測(cè)，也就是說(shuō)測(cè)謊儀這個(gè)工具同時(shí)還可能作為嫌疑人騙過(guò)警察的工具。
既然測(cè)謊儀如此不靠譜，那么為什么破案時(shí)還是會(huì)廣泛使用呢？原因就在于，測(cè)謊儀提供了一個(gè)偵破案件的參考維度，它不能直接告訴我們真相，但能輔助我們?nèi)フ业秸嫦唷?/p>
同樣，招聘過(guò)程一般會(huì)經(jīng)歷簡(jiǎn)歷篩選、筆試、面試等多個(gè)環(huán)節(jié)，其中HR在篩選簡(jiǎn)歷時(shí)，會(huì)看應(yīng)聘者的文憑、證書(shū)、成績(jī)，這些都是了解面試者的工具。而面試時(shí)往往會(huì)面試多輪，甚至跨部門(mén)交叉面試，其目的就是從多個(gè)角度來(lái)全面評(píng)估應(yīng)聘者的能力。
對(duì)于我們的模型而言，很多時(shí)候不一定能準(zhǔn)確反映事實(shí)，但它提供了一個(gè)參考維度，當(dāng)我們的模型足夠完善之后，我們可以運(yùn)用多個(gè)模型進(jìn)行交叉驗(yàn)證，從而更準(zhǔn)確地給出結(jié)論，同時(shí)也能不斷豐富應(yīng)用場(chǎng)景。
咨詢公司的厲害之處除了制造工具以外，還在于會(huì)組合使用工具，麥肯錫的“金字塔原理”提供的即是組合各項(xiàng)論據(jù)證明結(jié)果的邏輯框架。
具體而言，金字塔原理的運(yùn)用分為兩步：
1. 逐層追因
沿著金字塔的縱向路徑，將要證明的中心結(jié)論進(jìn)行逐層拆解細(xì)分，金字塔原理和杜邦分析最大的差別在于，金字塔原理是結(jié)論的整合梳理，而杜邦分析是拆解問(wèn)題，從而找到癥結(jié)。
金字塔原理認(rèn)為中心論點(diǎn)可由三至七個(gè)論據(jù)支持，這些論據(jù)本身也可以作為分論點(diǎn)來(lái)列明，被三至七個(gè)論據(jù)支持，如此延伸下去，那么每一層的結(jié)論都可以拆解為下一層的論據(jù)。
比如：我們要構(gòu)建市場(chǎng)選擇策略，那么首先，應(yīng)該定義什么市場(chǎng)是適合進(jìn)入的，用戶需求未被滿足的市場(chǎng)？銷(xiāo)售機(jī)會(huì)大的市場(chǎng)？壟斷程度低的市場(chǎng)？競(jìng)爭(zhēng)對(duì)手少的市場(chǎng)？還是符合品牌調(diào)性的市場(chǎng)？
接著，針對(duì)其中的每一項(xiàng)我們都需要有明確的標(biāo)準(zhǔn)，比如，如何證明壟斷程度低？是不是可以用經(jīng)濟(jì)學(xué)里的市場(chǎng)集中度來(lái)計(jì)算（頭部企業(yè)份額和），或是用HHI指數(shù)（所有企業(yè)份額的平方和）來(lái)反映？
如何證明用戶需求未被滿足？是不是可以通過(guò)輿情和調(diào)研等多種手段來(lái)分析？
2. 交叉驗(yàn)證
單一的維度很難強(qiáng)有力地證明一項(xiàng)結(jié)論，因此，我們需要從多個(gè)角度去尋找論據(jù)。
比如：要證明市場(chǎng)機(jī)會(huì)大，第一，可以從整個(gè)市場(chǎng)的銷(xiāo)售增長(zhǎng)趨勢(shì)來(lái)看；其次，可以看當(dāng)前市場(chǎng)各商品的銷(xiāo)量情況，如果商品不多且每個(gè)商品都賣(mài)的很好，那么說(shuō)明還要較大的市場(chǎng)空間。
此外，還可以從用戶的瀏覽行為來(lái)看，如果用戶對(duì)該市場(chǎng)的關(guān)注度很高，但轉(zhuǎn)化不高，那么一方面可能是價(jià)格原因，另一方面可能是當(dāng)前市場(chǎng)的商品布局還不夠豐富，因此可以加大投入力度。
任何套路都不可能完全套用，只有理解了套路的內(nèi)核，才能見(jiàn)招拆招，化套路為神奇。
相關(guān)閱讀
作者：Mr.墨嘰，公眾號(hào)：墨嘰說(shuō)數(shù)據(jù)產(chǎn)品
