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，但別只從業(yè)務(wù)中來

我們的策略都是基于業(yè)務(wù)問題之上構(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顯性知識——MECE原則，所謂的MECE（Mutually Exclusive Collectively Exhaustive）指的是“相互獨立，完全窮盡”，具體而言，就是在做分析時列出解決方案的各項內(nèi)容，并保證每一項內(nèi)容都是獨立的，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原則聽上去非常簡單，但越是聽上去簡單的方法，在使用時越難操作，這就像大道理一樣，聽著都對，但知道了這么多道理，卻仍然過不好這一生。

其實MECE的正確順序應(yīng)該是“完全窮盡”、“相互獨立”，其中，“相互獨立”無非就是在歸類時把相似的內(nèi)容放到一起，保證各個分類相互獨立，而真正的難點在于如何做到“完全窮盡”。

大多數(shù)時候我們都是做不到“完全窮盡”的，每個人都有自己的認(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)知的新觀點出來時，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

因為每個人都有認(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教。

首先，我們自然需要去請教那些離業(yè)務(wù)最近的人，一切策略都應(yīng)該從業(yè)務(wù)中來，但在挑選訪談對象時，我們應(yīng)該對他們有一些大致的了解。總體而言，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進(jìn)行溝通。

其次，我們需要去請教行業(yè)大咖，這些行業(yè)大咖經(jīng)驗豐富，他們可能出身業(yè)務(wù)，但視野會高于業(yè)務(wù)，如果身邊有這樣的專家當(dāng)然最好，如果沒有的話，那么可以去看大咖寫的書，書中會有他們的中心思想。

但是不要僅僅只看某一個大咖的書，看一個人的書或是同類觀點的書，往往容易產(chǎn)生可得性偏見，拿著觀點當(dāng)事實。最好是選擇觀點有很大差異的多個人的書，至少，他們的觀點是“相互獨立”的。

不過，大咖的觀點都是基于自己多年的經(jīng)驗，難免會有經(jīng)驗主義的影子。所以，我們還需要通過資訊或論文去了解最前沿的研究，在挑選論文時可以重點看那些做案例研究的論文，因為這類論文研究的都是最新的個例，往往可能刷新你的認(rèn)知，而做實證研究的論文反映的大多是普遍規(guī)律，可以作為看書的補充。

2.?確定事的研究邊界

項目管理的五大元素中就有一項——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確定手段的方法，一方面是基于業(yè)務(wù)的需求和經(jīng)驗，另一方面，還要借助于數(shù)據(jù)進(jìn)行分析驗證。

首先，是驗證所選的手段確實能有效影響目標(biāo)，之前提到過可以觀察變量之間的相關(guān)性。

其次，針對我們腦暴出來的想法進(jìn)行驗證，我們在頭腦風(fēng)暴、定性訪談中得到的想法可能五花八門，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施或者能實施的，因此我們在實施之前應(yīng)該進(jìn)行想法的初步驗證。

舉個例子，以“人人都是產(chǎn)品經(jīng)理”這個平臺的付費課程推薦為例，假如現(xiàn)在有一門新課叫“產(chǎn)品設(shè)計從入門到精通”，我們假設(shè)瀏覽產(chǎn)品設(shè)計類文章比較多的用戶應(yīng)該都會感興趣，那么在做推薦之前，我們可以先做一個驗證。

我們通過數(shù)據(jù)分析發(fā)現(xiàn)，瀏覽產(chǎn)品設(shè)計類文章相比其他類型文章更多的用戶，之前購買產(chǎn)品設(shè)計類課程的比例并沒有其他課程高，那么說明瀏覽產(chǎn)品設(shè)計類文章這個標(biāo)簽和購買產(chǎn)品設(shè)計類課程的意愿之間沒有直接聯(lián)系，可能只是因為平臺上產(chǎn)品設(shè)計類的文章更多而已。

再比如，我們假設(shè)電商促銷活動帶來的增量中，有很大一部分是對未來需求的透支，但通過數(shù)據(jù)我們發(fā)現(xiàn)，在促銷活動結(jié)束后，銷量只是跌回促銷前的平均水平，并沒有明顯的透支現(xiàn)象，那么在后續(xù)分析時，可以忽略透支效應(yīng)的影響。

按照類似的方法，我們會否決一些觀點，也驗證了一些假設(shè)，在這個過程中不斷明晰此次研究的邊界。

算法建模——到模型中去，但不只到一個模型中去

人工智能說來很火，究其本質(zhì)其實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用算法“呆板”的原則來解決現(xiàn)實問題的方法。

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題和大致方案是什么了，那么接下來的工作就是將人話翻譯成機(jī)器語言。

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)果的過程。這個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做分享。

下面我們就結(jié)合算法的定義，來概括一下算法建模的步驟：

1. 算法初篩

首先，為什么說是“在一定條件下”，因為任何算法都有自己的前提假設(shè)，比如運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，因為每一個算法都有不變的核心原則，他們會堅定原則并嚴(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持自己的原則，那么在復(fù)雜性極高的現(xiàn)代社會，人類就很難規(guī)避非理性因素，去找到本質(zhì)的原理。

但是，算法正因為有其原則，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)劣勢對比。

就拿隨機(jī)森林和GBDT來比較，隨機(jī)森林訓(xùn)練速度更快，且不用做特征選擇，但是缺點是在噪聲較大時容易出現(xiàn)過擬合。而GBDT的預(yù)測準(zhǔn)確度更高，但并行計算難度大，且對異常值非常敏感。

在做具體的算法適配時一方面是基于現(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)森林的效果會優(yōu)于GBDT；另一方面，可以用數(shù)據(jù)效果說話，用多個模型同時做訓(xùn)練，最后評估各個模型的擬合效果，擇優(yōu)選擇。

此外，我們甚至可以將場景進(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：我們做老品的銷量預(yù)測時，因為歷史數(shù)據(jù)足夠豐富，所以選用隨機(jī)森林的效果會更好，可以更準(zhǔn)確預(yù)測在當(dāng)前的季節(jié)、價格和流量下的銷售情況。

而對于新品或新的促銷形式，由于缺失數(shù)據(jù)，我們無法通過在歷史情形下的表現(xiàn)來預(yù)測銷量，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)測新品或新促銷形式下的銷售狀況。

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，那么對應(yīng)的計算量就會越大，因此很多時候我們需要在準(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，說白了就是從現(xiàn)實中抽象出一個又一個的標(biāo)簽來進(jìn)行計算。

我們在構(gòu)建對于一個人的印象時，也是習(xí)慣于簡化認(rèn)知，給對方貼上各種的標(biāo)簽，對于計算機(jī)而言，同樣也是基于類似的標(biāo)簽進(jìn)行學(xué)習(xí)、計算，然后形成自己的模型，只不過計算機(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，基于對業(yè)務(wù)的理解，我們對特征的重要程度會有初步的判斷，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)有很多平臺開發(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，算法工程師的價值何在呢？

算法工程師日常有很多工作其實是在做算法調(diào)參，算法雖然是模式化的，但仍然需要通過參數(shù)的調(diào)整去進(jìn)行模式微調(diào)，這個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值還在于做算法改造，當(dāng)工程師對算法的原理、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精密的零件上進(jìn)行修改。

5. 效果評估

模型擬合完成之后，通過效果評估的指標(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)行測試驗證，防止模型過擬合。

我們可以擬合多個模型進(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)會制造和使用工具

人和動物最大的差別在于會制造和使用工具，而工具對于人有兩方面的意義，一類工具是對人類現(xiàn)有能力的增強，比如望遠(yuǎn)鏡是對視力的增強、電話是對聽力的增強、武器是對臂力的增強。

除此以外，還有另一類工具，比如測謊儀，熟悉測謊儀工作原理的朋友都知道，測謊儀并不一定能準(zhǔn)確反映出一個人是否說謊，它只能記錄人在情緒有波動時的生理變化，測謊過程中最關(guān)鍵的還是測謊專家提出的問題。

首先，測謊專家會先問一些基礎(chǔ)問題，這樣做的目的是為了建立基線，從而觀察一個人在正常狀態(tài)下的生理指標(biāo)。

接著，測謊專家會問一些核心問題，很多時候他們會直接說答案，讓嫌疑人回答是或否，那么當(dāng)說到正確答案時，嫌疑人自然而言會因為緊張而引起情緒波動。

由此可見，測謊儀并不能直接測謊，而是更多依賴于人的經(jīng)驗判斷，我們經(jīng)常在美劇中看到這樣的場景，一些有經(jīng)驗的嫌疑人會刻意在一些基礎(chǔ)問題上撒謊，以此來干擾基線的評測，也就是說測謊儀這個工具同時還可能作為嫌疑人騙過警察的工具。

既然測謊儀如此不靠譜，那么為什么破案時還是會廣泛使用呢？原因就在于，測謊儀提供了一個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，招聘過程一般會經(jīng)歷簡歷篩選、筆試、面試等多個環(huán)節(jié)，其中HR在篩選簡歷時，會看應(yīng)聘者的文憑、證書、成績，這些都是了解面試者的工具。而面試時往往會面試多輪，甚至跨部門交叉面試，其目的就是從多個角度來全面評估應(yīng)聘者的能力。

對于我們的模型而言，很多時候不一定能準(zhǔn)確反映事實，但它提供了一個參考維度，當(dāng)我們的模型足夠完善之后，我們可以運用多個模型進(jìn)行交叉驗證，從而更準(zhǔn)確地給出結(jié)論，同時也能不斷豐富應(yīng)用場景。

咨詢公司的厲害之處除了制造工具以外，還在于會組合使用工具，麥肯錫的“金字塔原理”提供的即是組合各項論據(jù)證明結(jié)果的邏輯框架。

具體而言，金字塔原理的運用分為兩步：

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題，從而找到癥結(jié)。

金字塔原理認(rèn)為中心論點可由三至七個論據(jù)支持，這些論據(jù)本身也可以作為分論點來列明，被三至七個論據(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)建市場選擇策略，那么首先，應(yīng)該定義什么市場是適合進(jìn)入的，用戶需求未被滿足的市場？銷售機(jī)會大的市場？壟斷程度低的市場？競爭對手少的市場？還是符合品牌調(diào)性的市場？

接著，針對其中的每一項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)里的市場集中度來計算（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）來反映？

如何證明用戶需求未被滿足？是不是可以通過輿情和調(diào)研等多種手段來分析？

2. 交叉驗證

單一的維度很難強有力地證明一項結(jié)論，因此，我們需要從多個角度去尋找論據(jù)。

比如：要證明市場機(jī)會大，第一，可以從整個市場的銷售增長趨勢來看；其次，可以看當(dāng)前市場各商品的銷量情況，如果商品不多且每個商品都賣的很好，那么說明還要較大的市場空間。

此外，還可以從用戶的瀏覽行為來看，如果用戶對該市場的關(guān)注度很高，但轉(zhuǎn)化不高，那么一方面可能是價格原因，另一方面可能是當(dāng)前市場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，才能見招拆招，化套路為神奇。

相關(guān)閱讀

如何用咨詢公司的“套路”構(gòu)建策略?（一）

作者：Mr.墨嘰，公眾號：墨嘰說數(shù)據(jù)產(chǎn)品

本文由 @Mr.墨嘰 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議