汪超骏

一位做数据统计工具的朋友曾分享的一段话：“在我们监测到的版本迭代中，只有不到10%的版本产生了积极的数据变化。”难道绝大部分的迭代都是无用功吗？

仔细想想，我认可了这一结论。

在创业的前半年，我们大约上线了12个版本，发布了100多项新功能或者优化，但用户核心的使用数据并没有明显的提升。我翻阅了当时的版本计划，在这半年中，我们对整体UI进行了3次调整，发布了许多用户喜欢的小功能，但对核心功能的优化进展却比较慢。正因为如此，很多新用户还没开始体验我们设计的小功能，就流失了。

我意识到，“做什么”可能比“怎么做”更重要，花时间定位有价值的问题，才能避免做无用功。

如何定位有价值的问题

首先，我们要思考一下什么是有价值的问题。一个问题是否有价值，有两个衡量指标：

1.关键度：目前解答该问题的必要性有多大；

2.解答度：针对该问题，目前可以解答的有效程度。

以关键度和解答度为轴，我们得到一个价值矩阵。

很显然，一个有价值的问题，应该是既关键又能被有效解答的，也就是位于矩阵的右上角。这里有一个常见的误区：我们经常倾向于处理自己能够解答的问题，解答度可能足够高，却容易忽略其关键度。

《成为乔布斯》书中曾讲到乔布斯创办 NeXT 的经历。为了成就 “The industrys next great company”，乔布斯在产品上倾注了大量心血。他将完美主义发挥到了极致，在 NeXT 电脑中添加了很多超越时代的设计：镁合金立方体主机、能读写的光驱、能够播放音乐等。这些设计工艺复杂，使得第一代电脑售价超过3 000美元，而同期的Mac仅售2 500美元。结果，第一代 NeXT 电脑只收获了400台/月的销量，远低于公司原计划 10 000台/月的销量。

很大程度上是因为，当时 NeXT 面对的主要客户是高校、科研机构，他们对于价格非常敏感。虽然 NeXT 在设计方面给予了极高的解答度，却忽视了更关键的问题：相对于设计，这类用户更考量价格因素。

关键度低的问题，即使解决得再好，从受益者的角度看（用户、顾客、外界环境）其价值仍然为零。产出有价值的成果，正确策略是：先定位关键度高的问题，然后尝试解答。

如何定位关键度高的问题

1.多问几次 “所以呢？”

面对问题，直觉经常在短时间内帮我们作答。但对于复杂情况，直觉回答的问题有时位于较低的层次。需要多问几次“所以呢”，挖掘本质的本质，才能定位关键度高的问题。

比如，我在重构一个排行榜设计时，快速发现原设计的问题是：没有向用户展示排序规则。在直觉的引导下，我迅速在文档中写道：需要明确展示排序规则。然而，在设计稿完成以后，我再回头检查时隐约觉得设计依旧不够合理。于是，我开始分析自己最早写下的问题，发现“没有展示排序规则”是一句很笼统的描述，没有定位到关键问题。

我问自己“所以呢”，得到：所以用户不能得知排序规则，无法形成激励。此阶段我明白了问题所在。再问：所以呢？如果用户明确了排序规则，能达到激励效果？回答：目前排序机制不能有效激励用户，需重新设计排行机制，激励更多用户。

如果不是多问自己几个“所以呢”，我可能在思考表层阶段便采取了价值不高的方案。

2. 建立模型，整体思考。

对于系统性的问题，只要建立全面的模型，就很容易看出哪个环节的问题更为关键。我之前思考过这么一个问题，对于“健身工具 + 社区型”的 App，如何提升社区活跃度？如果仅从社区的角度，可能认为内容发现机制是目前最关键的问题，因为内容发现机制能刺激“生产-消费”的循环（如图所示）。

但如果梳理整体流程并建立如下模型，就能看出，App 事实上是由训练和社区两个循环构成，而社区中很大一部分流量来源于训练打卡。也就是说，如果不优化训练到社区的流量漏斗，针对社区机制的优化，就只能作用于少量用户，影响力有限。所以，训练漏斗才是提升社区活跃的关键问题。

仅拥有一亩地，无论如何努力，其产量也无法无限制地提升。开垦荒地增加田地面积，才是提升产量的有效手段。

3.利用极限思维，排除关键度低的问题。

面对多项问题难以分辨关键度的情况，我们可以在其中几项中填入极限值，或者设想某项问题已经得以解决，思考可能的结果，就能排除关键度低的问题。

比如，关于“健身社区应该服务于内容沉淀还是关系沉淀”的问题。似乎这两者都比较关键，但究竟哪个方向更好，并不容易分析出来。这时候可以利用极限思维。试想一下，假如某个方向已经做到了极致，看看是否满足预期。

假设已经将内容引导做到极致，社区就能够沉淀足够有价值的内容并吸引目标用户吗？答案是否定的。即使做到极致，用户受限于专业度，只能针对基础的健身问题（比如，如何减脂、如何瘦腿）展开讨论。最终，内容同质化严重，无法吸引用户持续消费。所以，内容沉淀可能并非关键问题。

如何提高解答度

有时候，我们定位了关键问题，却不知如何着手。因为关键问题通常比较复杂，很难在短时间内找到答案。在定位高关键度的基础上，我们可以对问题进行分解，提高解答度。

比如，对于手游留存率是核心指标之一。如何提升留存率很关键。但此问题难解答，因为产品改进难以直接提高留存。所以，我们需要先分解：总体留存可以分为新玩家留存和老玩家留存，再针对这两项留存，逐步展开，找到与之相关的所有因素。然后再针对分解后的问题，给出解决方案。

新用户留存，可以优化视觉体验，提供更好的第一印象；或者设计更好的引导流程，帮助用户学习、掌握玩法。

对于老用户：可以持续推出新的副本来刺激活跃度；逐步提高等级的上限，刺激玩家挑战；或者增加好友系统、工会系统等帮助玩家建立联系。所以，提高解答度的一个有效方法就是对问题进行一步步分解，直到可以解答的程度，然后针对分解后的问题给出解决方案。

如果给我1个小时解答一道决定我生死的问题，我会花 55 分钟来弄清楚这道题到底是在问什么。

综合来看，要避免做无用功，首先要定位关键问题。因为所谓产出，均以结果为导向，对于价值不够大的问题，即使过程中投入足够多精力，也无法产生太大的意义。