思考框架如何在团队应用

当遇到一件自己不懂的事情，会怎么去思考这个事情。有个论述很经典：

一个AI的机器学习模型有三个关键的要素：算力、数据、算法。类比人的发展，算力相当于我们的智力水平，数据相当于我们的阅历、信息和经验，算法相当于我们的思考模型。随着年龄的增长，人类大脑活跃程度是逐步下坡的，所以多数时候我们的比拼一方面是我们能否有更多更高质量更细颗粒度的信息和阅历输入（看书、学习、做更靠谱的事、和更牛的人共事和交流），另一方面就是我们思考的框架模型。

一、什么是思考框架，有啥用？

框架是以一定路径、视角、维度去解构问题，加速逻辑思考的工具；也是帮助人低成本启动思考的固定模式。思考框架的作用有：

1、套用框架，节省从零开始思考的成本时间和精神压力，大幅提升思考效率。

2、相较于零散的点状思考，通过框架思考，维度、视角会更全面，更容易不重不漏。

3、在复杂困难问题没有头绪时，框架容易找到思考的切入点。

4、通过前置性思考框架预判形成大原则，有助于内部快速决策。

二、有哪些美团相对常用的思考框架

4P理论：产品 ( Product )、价格( Price )、推广( Promotion)、渠道（Place )

供需关系：供需里谁是稀缺和关键的一方。供需相关的问题多数是战略级的判断，应该花时间和主要精力、甚至全部精力在稀缺的一端。

STP理论：市场细分（Segmentation）、目标市场选择（Targeting）、市场定位（Positioning）

RFM模型：最近一次消费 (Recency)、消费频率 (Frequency)和消费金额 (Monetary)

VNOS：用户价值（Value）=新方案（New）- 旧方案（Old）- 切换成本（Switching Cost）

三层四面：三层（行业大盘、线上大盘、美团）四面（客——用户数、量——订单量、额——交易额、利——利润）

三、团队应用思考框架的效用

思考框架种类繁多，每个人都会同时拥有多套思考框架，收到同样一个信息输入，经过不同的思考框架加工后，输出的结论可能不尽相同。所以思考的框架越丰富，多种结论互相比对、校准，就越有可能拿到更精准正确的答案。同时，除了一些公认的思考框架，每个人都会有属于自己独一无二的思考框架，意味着同样一段信息，团队内大家的理解、看法、思考的路径也可能天差地别，所以团队内部的方法论、思考框架推广，对复杂问题商讨和工作推进会起到很大的正向效用。

思考框架在团队内的应用一定不是泛泛浮于表层，我见过太多汇报材料上来一通宏大的SWOT分析，此后直接沉入细节，先不说是不是缺乏中观，这种思考框架的应用实际上是只知其表，并未真正利用它深入到自己的现实工作，展开自己的思考。所以我的倾向是，如果团队内想要切实落地一套思考框架，最好是留出1-2个月的时间，刻意地在时间范围内，将多数的问题思考、讨论、方案设计都基于这一套思考框架开展和施行，勤练勤用，才能更深入地去理解一套框架。

最近组内多个不同角色和团队的同学一起参与促销体系重构的讨论，讨论的深度和质量很高，讨论的氛围很好，有种团队练兵初见成效的感觉，第一次发现多数同学都能在同一频道上对话了。细想了一下，和此前在内部推广的多套思考框架都有关系，所以我细拆了一下思考框架在这一过程中产生的效用：

1、快速对齐语境和认知

之前有分享过物理世界的那套思考框架，也在几次汇报里很深度地套用了4P理论对当前的补贴工具进行解构，所以大家提到“发优惠券的导购台应该每层都设置一个还是在最高层设置一个（本质是用户使用的每个关键链路都设计补贴的获取入口还是靠补贴放在较深层级做诱饵引导用户产生更多曝光浏览），以及提到“我们到底是用一套Product在多个Place里匹配不同的Promotion，还是多套Product在一个Place里匹配多套的Promotion。我们的核心到底是在在Product上做功还是Promotion上做功”，大家都能极快速对齐语境，知晓对方想要表达的意思，并在核心层展开讨论。

2、前置性保证团队成员思路演进的同向

在大家都有同样的思考框架时，多数时候对业务机会的判断是趋同的，对于业务达成的路径拆解是相似的，所以可以出现运营方案和产研系统设计同步进行的情况，而非单纯的有了上游的需求思路才能进行下游的产品设计，每个下游团队都可以同步给出方向性的预判，且事后沟通校验的精准度不低。

3、构建核心原则，简化复杂问题

在促销体系重构的过程里，多数时候我们需要同时平衡多方利益，在用户、商家、平台的天平摇摆时，多方视角各有利弊，就会变成一个非常复杂的业务决策。所以有些我们凭借一些思考模型产生的前置性原则就可以快速简化复杂问题。比如说我们在外卖现阶段的通用场景下进行供需关系的判断，最终判定为目前餐饮外卖已经从供给驱动逐步演化为需求驱动。那么每当我们面临用户、商家和平台决策的时候，我们就可以套用共识的核心原则“外卖行业目前需求驱动，所以理应用户优先级更高”来尝试快速决策。（例子举的很简单，但实际情况的考虑会更加复杂，对量化的准确性要求也更高）