未來人類要準備好，每十年要重塑自己一次，扔掉自己過時的知識、技能、經驗、假設和人脈，重新來過——尤瓦爾·赫拉利

來，我們先做個腦洞題。

假如你生活在人工智慧時代，你是一個北京地區的大齡男青年，AI在讀取了你的過往行為資料，又結合全城適齡女青年檔案之後，為你推薦了三位最匹配的結婚物件。但你在看了三位女孩子的檔案後，發現沒有一個是你喜歡的。問：你到底該不該聽信AI的建議？

有人會認為，人是有自由意志的，即便AI演算法無比精準又強大，但是也不應該將命運交給機器。也會有人認為，人其實是不瞭解自己的，如果人真的瞭解自己，就不會有那麼多的離婚官司，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：你不是要質疑AI的答案，而是要質疑AI的演算法。

什麼意思呢？AI如果精準地抓取了所有資料，那麼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果，關鍵在於AI評判對與錯的標準是什麼？當AI為你推薦女友，而你發現自己並不喜歡時。你要先檢視AI為你選擇女友的“演算法”到底是什麼？

比如， AI的邏輯有可能是這樣的：AI盤點了學歷背景、消費觀念、家庭地位、社會職位、興趣愛好、相貌評分、價值取向、戀愛經歷等所有關鍵因素，給你推薦了一位最合適的未來妻子。

在這個演算法框架裡，AI的評估標準其實是你和女方的「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”不是你的選擇標準，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去校正自己的演算法，加入一些新的計算維度，例如，“愛情在人生中預估比值”、“星座是否是火向的”等、“是否有熱愛藝術”……

然後，AI在調整演算法框架之後，會給你一份新的答案。我們每天都可以得到很多個“答案”，然後在不同的答案之間，不知所措。

有衝突的“答案”：有些人告訴你，不要忘記品牌，使用者心智才是企業最大的護城河；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。

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，還沒等你學明白H5的玩法，H5創意就已經過氣了。

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麼。現在呢？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裡，答案變成了一個“變數”。我們不應該追求固定的答案，而是要追求計算答案的能力。

答案是經常變化的，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，光努力學習是沒用的，我們要做的是：隨時可以搭建起一套大腦作業系統，這樣才能解碼和相容下載的知識點。我把這種能力稱之為「思維建模」。

一、什麼是思維建模？

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典的理論模型。但我說的是「思維建模」，不是讓大家套用大師們的模型，而是要學會隨時隨地、迅速搭建出屬於自己的理論思考模型。

「思維建模」的含義是：當我們發現一件事沒有參考經驗、沒有現成答案時，我們要憑藉已有資訊，迅速編出一套臨時“演算法”，迅速解決掉這個問題。

我來舉個例子。前幾天，和湛盧文化的創始人韓焱韓總聊到一個現象：為什麼湛盧出版的《價值》能夠破圈，成為今年的現象級圖書？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可能引發流行的因素，拆解成很多個關鍵變數。從而把一個拍腦門的事，變成一個可以量化的數學計算。這種方法不一定100%準確，但至少減少了不確定性，增加了決策依據。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。

解決問題，我們需要學會「思維建模」

按理說，我不是出版業的人，我對熱賣圖書的一些資訊掌握應該是陌生的，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律。於是，我就用「思維建模」的方法，搭建了一個爆款書籍的理論評估模型。

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

那麼，如果想形成「思維建模」的能力，其實要扭轉過往的一些思考習慣。我覺得第一個要扭轉的習慣是，一定要學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。行業內一般會拿出毛利的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，從而徹底站穩市場，再考慮你公司的資金週轉和成本消耗，我們至少要投入4000萬。

觀點式的建議只能讓人選擇是和否，只有量化式的表達建議，才能為決策提供丈量依據。“明年廣告費該花多少錢？”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）行業廣告支出在營收毛利中的佔比；

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）資金週轉和成本消耗

以上這五個因素共同決定了客戶的廣告預算，而且每個因素都是可被計算的。以後，任何一個客戶問你該花多少錢，你都可以藉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，“故善戰人之勢,如轉圓石於千仞之山者，勢也。”意思是帶兵打勝仗的人，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，我們可以換個表達方式：從高山上推下一個圓石頭，產生的其實是“重力勢能”。

重力勢能 ＝ 質量 × 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？如果孫子學過物理，他應該可以計算出，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《資料化決策》，我才發現，這種思考方式已經被前人廣泛應用，並且還寫成了書。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。比如什麼是幸福的婚姻？如何才能找到真愛？

受到這本書的啟發，我把我的思考擴充套件到了營銷之外的地方，比如，“如何招聘到合適的人？”以前，我偶爾會後悔招進來某個人。現在我知道了，是我沒有把“招聘”這件事拆解成具體的評估原則。於是，我建立了自己的“招聘防後悔”模型，我的模型長這樣：

面試時，第一直覺不對的人，堅決不要。

打破現有團隊薪酬結構的人，堅決不要。

猶豫要不要聘用的人，乾脆不要。

試用期不願意改變過往工作習慣的人，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技能方向的考量，因為專業經驗和技能我是很難看錯的，我後悔一定是其他方面的原因。比如，這個模型的第二點“打破現有團隊薪酬結構的人，堅決不要”。我認為，一個人不管有多厲害，我多想要他，都不能為了他去打破團隊的薪酬結構，任何組織都是“不患寡而患不均”，這樣一定會導致團隊分裂。

面對一個商業問題，能夠利用常識迅速搭建出自己的理論模型，其實並不容易。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。但關鍵是，那些小問題又是怎麼想出來的呢？其實，這才是「思維建模」的最難的一點：如何找到問題裡的關鍵變數。

2、只有找到“關鍵變數”，才能思維建模

很多大公司面試時，經常會問出一些奇怪的問題。比如，成年人有多少根頭髮？HR要求你，不借助任何工具，只靠一張白紙和一支鉛筆，去計算出人類頭髮的數量。這其實是考驗候選人，如何在有限的資源和資訊下，找到最簡潔可行的做事方法。

解決問題，我們需要學會「思維建模」

我的計算思路是這樣的：

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髮面積。

目測，人頭髮的表面積，大約佔了整個頭顱的二分之一。也就是說二分之一的足球大小，就是正常人的頭髮面積。

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根頭髮。

所以，最後的答案是628cm²×100=62800根頭髮。

真實的答案是：有6萬到12萬根。據統計，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，但也正確範圍值內。

只是我在計算時“作弊”了，因為我這個數學一直不及格的文科生，居然忘了小學生都會的球體表面積計算公式。於是，我羞愧地百度了一下，才算出答案。

這就是思維建模的難點。在拆解問題時，一旦無法知道關鍵變數，或是把關鍵變數計算錯了，就沒法得出正確的答案。

“關鍵變數”就好比一個模型的關節，關節如果找不到，根本沒法架構起一座思想大廈。其他地方壞了還可以修修補補，大廈還不會塌，但關節斷了，大廈就搖搖欲墜了。

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“關鍵變數”，才可以在這些關鍵變數的基礎上，搭建戰略大廈。

我們就拿新零售為例。零售業是如何發展到今天這個規模的呢？我們看一下高瓴資本的研究。

解決問題，我們需要學會「思維建模」

這張圖摘自張磊張總的《價值》。高瓴認為，零售業之所以能成長到今天這個規模，是因為新技術催生了新的商業設施。

比如，為什麼會出現連鎖店？其實是因為鐵路的出現。因為有了鐵路，才有了現代物流，商品的物流和生產週期才可以做到標準化；再比如，為什麼會出現越來越多的商品類目？因為電冰箱出現了，食品品類才可以爆炸性的擴張。

高領的研究結論簡單、清晰，新零售行業的增長動能，就在這幾個關鍵變數上。在這些關鍵變數上，高領總結出，研究的關鍵=關鍵時點+關鍵變化。

我一直覺得，投資公司對行業和公司的研讀，經常是碾壓營銷公司的。也許是因為投資公司是花錢的人，所以不得不認真。營銷公司是收錢的，所以經常自命不凡。

高瓴資本對新零售的分析，給我們一個重要的啟發：“二八法則”是分析的視角，也是分析的結論。

我們做商業分析時，要永遠把這個世界一分為二。左邊是多數的、不重要的事，右邊是少數的、重要的事。如果我們發現沒法把這個事二八劃分，那麼這事我們一定沒弄明白。調研機構經常釋出各種行業報告，但當你累花眼睛、看完大大小小的柱狀圖和餅狀圖之後，什麼都記不住。

分析是為了把一個複雜的事簡單化，而不是把一個複雜的事搞得更復雜。

學會量化一個抽象問題，學會發掘關鍵變數，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，我們還欠缺最後一塊拼圖。

二、一個思維模型，怎麼才能真的有用？

我曾看到，有廣告策劃這樣為品牌做SWOT分析。

S，品牌優勢是產品質量好。

W，品牌劣勢是品牌知名度不高。

O，機會是行業高速增長。

T，威脅是競爭對手廣告投的多。

結論：應該加大廣告投放。

別笑！其實，我們很多人都有過類似的經歷，你看到了一個厲害的分析模型或者方法論，嘗試用了一次，但結果依然毫無建樹。

問題出在哪呢？因為分析模型不是數學公式，它沒有一個標準答案。如果你在應用中，不知道錯在哪裡，沒人給你反饋關鍵資訊，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，那個模型現在一定是殘缺的，不準確的。但如果我拿出近三年的暢銷書籍排行榜，挨個去衡量，才有可能確認哪些關鍵變數被我遺漏了，哪些變數的權重被我錯估了。

所以，思維模型其實是、也必須是動態的。它會在測試——校對——再測試的思考迴圈裡，百鍊成鋼。

但是，我們常以為，只要試錯的次數夠多、經驗夠多，我們自然就會越理解一件事。道理是這個道理，但是滿街都是幹了一輩子，還沒弄明白自己那點事的人。

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，你並沒有找到答案，甚至越找越遠了。

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範圍。

可以說，思維模型的反饋，也是需要思維模型的。

我們也要明確自己的反饋機制是什麼？而且，人相較於機器的劣勢是：機器對任何系統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、後知後覺。比如，影視劇裡總有不解風情的傻小子，現實裡總有對女朋友情緒遲鈍的直男癌。

所以，我們要做的就是，把反饋機制變得“視覺化”。

曾國藩有一項習慣，就是記日記。曾國藩的日記很有特點，一直在寫：讀了什麼書、見了什麼人、與人交談的內容、寫過什麼東西、吃了什麼飯……

這些日記簡稱“流水賬”，但這些“流水賬”卻意義非凡，一代聖人就是用這種方法觀察自己。

在日記中，曾國藩經常標註幾點吃飯了、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，日記就是曾國藩的覆盤工具，就是他粗糙的、視覺化的反饋機制。擁有一個反饋機制，再把這個反饋機制視覺化，我們的思維模型才可以被“開光”。

結語

當我們去征服一片大陸時，我們以為自己需要一塊地圖，於是拼命蒐集、爭奪別人手上的地圖殘片。但當我們真正擁有地圖時，才發現面前的大陸已經滄海桑田、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境下，永遠可以找到北極星。對於我而言，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。