促进产品裂变生长的颗粒：“简单最难”

很多人一辈子都做不好一件事；很多品牌开了无数脑洞会，但还是找不到合适的卖点；当人们面对选择时，总是很难做出选择，陷入困境，幻想满足市场的所有需求，却最终失去了占领心智高地的机会。一个简单的事实是，任何能唤起他人记忆的人和品牌的信息都非常有限。众所周知，那些市值几百亿美元的公司，往往是从极简主义的事情做到极致。那么，为什么只有少数公司能以如此简单的方式做大呢？关键问题之一是，许多人错误地理解了“简单”的含义。我们生活在这个世界上，经常有这样一个声音：复杂的生活太累了！我希望生活更简单；我渴望简单的爱，希望爱简单；公司管理太复杂，我们必须调整简单；营销理论太多，我仍然喜欢简单粗糙的方式；这些想法很常见，但实际上不知道什么是“简单”。首先，简单就是提高效率，但不一定一上来就省力。例如，当你遇到困难时，帮助会让事情变得容易，但在此之前，你需要花时间和真诚来发展人际关系；其次，简单并不是不去思考和行动。如果你想和爱人的关系变得简单可靠，你应该首先用你想让他对待你的方式对待TA，观察TA的接受程度，直到形成默契，而不是等待别人以你想要的方式对待你，那么这不是“简单”，而是自私；简单不是去除必要的链接。例如，我们人类是由受精卵发育而来的。它的结构非常简单，但可以裂变成组织和器官，直到形成完整的哺乳动物。想象一下，如果去除这个过程，人类个体还会形成吗？显然是不可能的，但大多数时候，我们努力简单，但往往不假思索地消除必要的环节，例如，我们厌倦了公司政治，试图人工消除，或假设它不存在，而不是想让它朝着有利的运营方向发展，最终经常种植，然后改变公司，继续妄想，“希望新公司的氛围能更简单”。最近，一些朋友了解到“奥卡姆剃刀原理”、高大的概念，如“第一原则”，经常用来告诉我，你的产品思维，操作思维应该很简单，因为人们说，“如果没有必要，不要增加实体”。事实上，这句话没有错。错误的是，人们总是很难区分什么是必要的，所以他们经常删除必要的链接，否则这只是一种说服他人的说法。简单不是对下面两张图的粗暴对比。你觉得哪个更简单，哪个更粗暴？显然，下图比较复杂，制作起来很粗糙，设计师只需要无意识地堆积元素。以上是乔布斯主持的苹果新闻发布会的设计。乔帮主轻轻地从牛皮纸袋里拿出Mac。这个设计很简单，但是人们有拥有它的冲动，绝对不粗鲁。这里的“简单”指的是输出过程，而不是思维过程，输出越简单，对设计师思维能力的考验就越多。那么，需要什么样的思维方式才能找到简单的生长颗粒，像受精卵一样快速裂变呢？ 1、母题思维很多人都会遇到一种状态，那就是他们每天从0到1做事。如果他们遇到障碍，中途无法继续，他们将半途而废，然后找到另一件事，重新开始，循环往复。这很相似。高考复习时，很多成绩平平的学生经常采取“题海战术”。在他们心目中，每个问题都是新的，所以他们面临的任务非常艰巨，需要记住他们读过的所有问题集。另一方面，成绩优异的学生不是因为记忆力更强，而是因为更擅长压缩信息，而是因为采用“母题策略”。所谓的“母题”，母题是包含多个知识点的基本问题和典型问题，也是所有命题的参考原型问题，有助于快速掌握知识的目的。伊卜生经常使用母题策略。例如，营销中有一个词叫做“真诚营销”。我记得这个概念是因为我看到了一段日本冰淇淋厂的道歉视频。总的来说，一家历史悠久的冰淇淋厂已经30多年没有涨价了，濒临破产。厂长带领全体员工向用户鞠躬，恳求大家：“我们真的撑不住了，所以现在涨价50美分。”。视频发布后，冰淇淋的销量增长了三倍。这个母题的核心是，当市场上的品牌都在各种套路上消费时，反其道而行，真诚当道，往往会收获极好的效果。因此，如果我们将来遇到类似的典故和案例（如“亨利四世卡诺莎之行，华为真诚的营销广告，加多宝让我们无能为力……”），我们可以将其归类为母题风格，解除大脑的存储空间。2、当你发现母题之间有许多相同的元素时，模型思维可以用来进一步简化、压缩和抽象。例如，很多时候，人们在做决定时，往往会带来太多的矛盾因素，左右为难。因此，需要“决策模型”来辅助。比如我的一个朋友线下开店，选址面临三种选择。一开始TA只是从价格的角度来判断，决定选A。后来发现A的格局不好，装修费时费力，决定选B。后来发现不符合“金角银边”的选址原则，决定选C，C的价格虚高...我告诉TA，“我不能相信我的直觉判断。然后综合得分，选择得分最高的，这就是你的决策模式。除了“决策模型”，伊卜生在之前的文章中创造了许多简化思维的模型。除了“决策模型”，伊卜生在之前的文章中创造了许多简化思维的模型。3、当母题和模型的数量级增加时，算法思维需要算法思维的帮助，因为我们不能仅仅依靠大脑来记住它。介绍算法：快速排序算法算法步骤：定义范围，在诺干元素的范围内，用数字序列号表示这些元素从中挑选一个元素，在程序语言中称为“基准”（pivot）。重新排序，所有比基准值小的元素都放在基准前面，所有比基准值大的元素都放在基准后面(相同的数量可以到达任何一边)。对小于基准值元素的子数列和大于基准值元素的子数列进行排序。（PS：已经翻译*类语言，没有提到数列、递归、基准值等学术术语)。例如，前面提到的选址范围确定为10家门店，然后从所有选址元素中提取“价格”元素。这个价格可以是这个行业所有线下门店选址的平均值，然后把高于这个平均值的门店和低于它的门店分开，然后分开排序。最终实现准确选择最合适店面的目的。此外，你还可以用算法思维做很多事情。例如，ICO最近被禁止的事情被炒得沸沸扬扬。人们不禁要问，金融界有那么多真假是非。如何区分金融事件不是“欺骗”？判断这件事，也可以借助算法思维，也就是说，你列出了历史上出现的所有“庞骗”和非“庞骗”的金融事件，然后拆解它们的成分进行定性和定量，如承诺利润增长率、参与者人数、监管机构规定数量、峰值周期、衰落周期、受益者人数、收益率、损失者人数、损失率.,然后用上面介绍的算法进行排序，如果你想判断的事件低于平均值，你可以判断大概率是骗局。当然，除了快速排序算法外，还有许多其他实用的程序算法（如BFPRT）、二分搜索算法)可以被我们的大脑借用，从而简化思维和行为，更快更准确地找到“最小生长颗粒”，实现裂变。当然，除了快速排序算法外，还有许多其他实用的程序算法（如BFPRT）、我们的大脑可以借用二分搜索算法，从而简化思维和行为，更快、更准确地找到“最小生长颗粒”，实现裂变。 结论：“简单是最难的”（Simpleisthehardest）。