编辑导语：产品经理这一职位出现在人们视线中的时间应该是最近几年，但是它的诞生却由来已久，这一职位早于1969年互联网就诞生了。发展至今，产品经理的历史渊源、发展脉络也值得被挖掘出来说道说道了。今天，笔者就以产品经理的历史为脉络展开文章的叙述，我们一起来看看吧。

要真正体验生命，你必须站在生命之上！为此要学会向高处攀登！为此要学会——俯视下方！

——尼采《生命的定律》

产品经理并不是一个新兴职业，其出现时间甚至早于1969年互联网诞生。

人类历史上第一位产品经理，是美国宝洁公司的尼尔·麦克尔罗伊（Neil McElroy）。

【尼尔·麦克尔罗伊，还做过宝洁总裁、美国国防部长】

1931年，尼尔·麦克尔罗伊为解决宝洁新产品销路不畅的问题，提出了“一个人负责一个品牌”的构想，推动设立了品牌经理（Brand Man，产品经理的雏形）这一职位，单独为一个产品/品牌负责。

在那个以宝洁为代表的消费品时代，新品的研发如同长夜般漫长且艰难。

产品经理的KPI是产品的销售和利润，工作也相应地侧重在“4P营销理论”的后3P，即价格（Price）、渠道/地点（Place）和促销（Promotion）之上。

【4P营销理论】

20世纪70、80年代，“一个人负责一个品牌”的理念，扩散至计算机软件领域。

这一时期，也是计算机行业的群星闪耀时。

• 英特尔发布了“现代计算机的基石”8086处理器；
• IBM推出了“定义了计算机行业标准”的个人电脑（PC）；
• 苹果则实施了“工业史上最严重的抢劫行为之一”，推出了第一款具备图形用户界面（GUI）的商业化产品麦金塔（MACINTOSH）。

【8086处理器/PC/MACINTOSH】

计算机行业的蓬勃发展，带动了市场对于软件的需求。

由于软件更多的是由脑力劳动而非物质要素构成，现实中合格软件工程师的短缺，使得软件市场始终处在供不应求的状态。

就比如1980年的微软，虽然只是一家40来个员工的创业公司，但既要为巨无霸IBM开发PC操作系统，又要为年轻的苹果编写Apple II的软件。

这样的时代背景下：

计算机软件产品经理（Title可能是项目经理、市场经理，或BA（Business Analyst，商业/需求分析师））不用再忧心产品销路（软件供不应求），也不用纠结产品的设计细节（客户多为企业，需求较为明确）。

产品经理的工作重心，放在了可以提高效率的生产管控之上，如沟通协调、版本控制、按时交付等。

20世纪末21世纪初，随着电脑的普及、网络基础设施的铺开，世界步入了“到处是阳光”的互联网时代。

一些如今耳熟能详人尽皆知的互联网巨头，如美国的亚马逊（1995年成立）、谷歌（1998年成立），中国的腾讯（1998年成立）、阿里巴巴（1999年成立），均是在这一时期登上历史舞台。

在这一时代，产品经理的角色定位也有了新的变化。

不同于传统企业，互联网公司提供的产品服务大多是免费的。

如新浪的资讯、网易的邮箱、百度的搜索等等，不一而足。

在互联网发展的早期，许多人对互联网公司的免费模式持强烈怀疑态度。

有人甚至认为互联网就是场编织精巧的骗局，因为在大众的认知中，天下并没有免费的午餐，互联网公司也没有理由做赔本买卖。

实际上，互联网公司的免费模式，非但不是无利可图，而是赚得盆满钵满。

互联网产品虚拟化、数字化的特点，决定了互联网公司很容易实现经济学意义上的规模经济效应。

即分摊到单个用户身上的总成本，会随着用户量的增加而降低。

尤其在用户量达到一定临界规模后，新增一个用户所带来的成本不仅是递减的，而且实际上很可能接近于零。

而与成本相对的收入层面，每一个用户都可能在使用产品过程中，通过点击广告、购买增值服务等方式，为互联网公司贡献收入。

对于互联网公司来说，只要用户贡献的收入超出所分摊的成本，公司就能够盈利。

为了更好地“对齐”，这里对规模经济效应稍作展开。

西方经济学中，企业成本由固定成本和可变成本两部分组成。

固定成本是不随企业产量变动而变动的成本，可变成本是随企业产量变动而变动的成本。

互联网语境下，“产量”可理解为互联网产品的“用户量”。

互联网公司的固定成本，主要由研发、服务器等成本构成，可变成本有服务器带宽成本、电费等。

企业的规模效益主要取决于成本结构。

固定成本占总成本的比重越高，单位成本随用户规模扩大而下降的幅度越快，规模经济效益也就越好。

在互联网企业的成本结构中，固定成本占的比例普遍较高。

另外，从边际成本递减的角度考量，互联网企业的规模效应和传统制造业其实没有本质的区别。

只不过互联网公司的边际成本更低，边际收益更高，因此规模经济效益更为显著。

诸如富士康，增加一台iPhone的生产，会有屏幕、芯片、传感器等成本。

而互联网产品增加一个用户，几乎没有成本，也就是边际成本近乎为零。

互联网公司用户数和成本、收入、利润的关系，除了规模经济效应，还有梅特卡夫效应、双边市场效应及协同效应作用其上。

几乎所有的互联网公司都采用了上述免费模式。

以腾讯为例，根据腾讯上市时披露的招股说明书，腾讯在2003年，仅研发费用一项支出，就有2600万人民币，总成本更是达到了2.30亿元，不可谓不高。

但腾讯研发的产品，如QQ、QQ秀、QQ游戏等，却免费提供给用户下载、安装和使用。

凭借这些免费产品，腾讯的用户规模迅速扩大——仅QQ，在其上线初期，用户量就以“每90天翻4倍”的速度指数式增长。

上线20个月后，用户量更是达到了1亿的里程碑。

在用户量暴涨的同时，腾讯也逐渐摸索出一套适合自己的盈利模式。

通过在免费产品中植入网络广告（QQ门户广告、系统消息广告等）、提供互联网增值服务（QQ会员、QQ秀道具等）、移动及电信增值服务（移动聊天、音乐/图片下载等）。

腾讯在上市前的2003年，营业收入就达到了7.35亿元，净利润达3.22亿元。

【腾讯2001-2004年收入结构】

免费的能量其实远不止此。

• 早年，360凭借免费杀毒，实现了对整个杀毒软件市场的颠覆；
• 如今，米哈游的《原神》，依靠“免费游戏+付费抽卡”的模式，上线当月就刷新了中国手游出海单月收入记录（上个记录的保持者，是同样免费的腾讯《PUBG Mobile》。

吸金能力远超只能先买再玩的《塞尔达传说：荒野之息》。

如果对免费模式感兴趣，可以扩展阅读克里斯·安德森的《免费》。

免费模式下，用户规模（也即所谓“流量”）成了互联网公司发展的根基，决定了公司未来发展的好坏以及收入的高低。

产品经理作为产品的设计者，决定了产品实现的用户需求，也决定了产品体验是否足够优异，可以获得、留存足够多数量的用户，支撑起免费模式的正常运转。

对于产品经理这个职业，也因此有了新的更高的要求。

作为一名产品经理，

• 既要懂业务、懂设计、懂技术、懂管理；
• 还要承担起产品定位、需求调研、竞品分析、产品规划、原型设计、需求撰写、评审交付、开发跟进、测试验收、发布上线、运营推广、数据分析、迭代优化等各方面工作；
• 更要对公司的核心经营指标负责。

俞军曾如此解释他在百度的工作：

“在那个时代的互联网行业和在那么小（我加入时30多人）的百度，其实大家也分不清产品经理和产品市场经理的区别，当时百度内部也普遍直接叫‘产品经理’，我也一个人做了除研发外的所有搜索引擎产品相关工作，并无其他人分担搜索引擎产品工作。”

这一时期，产品经理在互联网公司内的话语权和决策权迅速提升，工作价值也得以更多体现。

但在互联网行业之外，产品经理这个职业，依旧没有获得太多关注。

直到2008年，马化腾开始强调他的产品经理角色。

在新京报一篇颇为知名的采访（《马化腾：我和太太也是QQ认识的》）中，小马哥说到：

“我是腾讯最大的产品经理，任何一个产品我都会去看，要不然怎么能知道一个产品或者服务到底好用不好用，要不然怎么知道问题出在哪？中国市场上这么多款IM产品，你不可能全部用过吧？我就差不多全部用过，他们哪些地方好，哪些地方有问题，我都得了解。”

之后，周鸿祎也开始标榜他的产品经理身份。

“我要求自己首先是个大产品经理。事实证明，丁磊也好，马化腾也好，他们到现在都不脱离产品岗位，你搞所谓抽象的管理，你就容易失去所谓的方向感。所以我们还是要靠一个产品团队在做。”——腾讯科技《周鸿祎产品秘笈：小版本成就大产品》

再后来，iPhone声名鹊起，《史蒂夫·乔布斯传》热销，乔布斯逐渐被媒体和大众塑造成了“产品经理之神”（实际上，乔布斯从未以产品经理自居），使得产品经理这个职业在更大范围为人所知。

【李开复关于产品经理的著名论断】

2012年，是中国互联网的万历十五年，也是产品经理的万历十五年。

朱时雨曾提到2012年一个看似末端小节的事件。

2012年春节后，百度的互联网流量并未像往年一样，在春节的低谷之后重新恢复增长。

起初，百度并未太在意。

直到春节一个半月后的3月上旬，互联网流量仍旧低迷未见起色，让百度不得不紧张起来。

于是，百度的分析团队介入，对流量的变化进行归因。

但在将惯用的十来个因子用光后，分析团队还是没能得出合理解释，最终只能接受一个一直以来被有意无意忽略的因素，即移动对PC的替代开始了。

【2012年，用户使用智能手机接入网络的比例（74.5%）首次超过了台式电脑（70.6%）】

“2012年，看起来只是互联网上平淡无奇的一年，却是PC和Mobile握手交汇的一年，移动接过来PC的接力棒，让互联网重新回到快车道…2012年之前，除了少数公司一头扎进移动大潮外（以在野的公司为主），不少公司(尤其在位的公司)对于移动互联网的未来都是将信将疑的…2012年之后，互联网公司几乎统一的提出了移动优先或者向移动转型之类的战略，没有人再怀疑移动是不是未来，是不是泡沫。”——朱时雨《2012：互联网的万历十五年》

移动相较于PC，并不只是设备屏幕大小、是否可移动等外在的差别。

马歇尔·麦克卢汉曾在经典的《理解媒介：论人的延伸》一书中，对媒介下过定义：

媒介是人的感觉和感官的延伸或扩展，如轮子是人的腿脚的延伸，文字是人的视觉能力的延伸。而手机，“手机是人的肢体的延伸”（张小龙语），是我们加长的手，可以帮助我们更好地感知周围的环境，触达更广阔的世界。

例如，手机可以帮助我们通过社交软件随时随地与人连接，也可以支持我们随时随地扫描二维码，所见所扫即所得。

还可以让我们“随时随地发现新鲜事”、“记录美好生活”。而固定的PC，并不具备上述能力。

“以我们的过去统计来看，大概每个人平均用PC互联网是每天2.8个小时，现在移动互联网，怎么用呢？除了睡觉8个小时，16个小时是清醒的，跟它在一块，不太容易丢开它，未必是每分钟、每秒钟在看，但是有消息到达，就会使用它，这样的话就是16个小时，再加上设备本身，比PC多出十倍以上的使用时间。”——《马化腾：打败微信的会是什么？》

移动互联网爆发之后，新App如雨后春笋般大量涌现，产品经理也迎来了属于自己的黄金时代。

一方面，产品经理的机会大大增多。

移动互联网催生了海量的新的用户需求，如移动支付、移动购物、移动社交等等，需要大量的产品经理承接产品的设计。

另一方面，产品经理的成事概率处在历史最高水平。

移动互联网一片蓝海的市场环境，使得一个产品只要能填补上某项需求空白，就有生存下来的可能。

这一时期，新一代创业型产品经理奋楫争先锋芒初露，打造出令人惊艳的移动互联网产品。

有的甚至还创造出全新的用户需求（“人们不知道想要什么，直到你把它摆在他们面前”）。

如抖音的张楠、网易云音乐的王诗沐等等。

只不过，黄金时代往往都很短暂。

与我们的认知相异的是，市场上已经很久没再出现令人印象深刻的新产品——微博、B站上线于2009年，微信、美团2011年，滴滴2012年，拼多多2015年，最近的抖音则是2016年。

2016年之后，随着我国智能手机出货量触及历史最高点、网民规模增速放缓，以及更为重要的——基于移动互联的基础需求大多已经得到满足，移动互联网步入了竞争更加白热化的存量博弈阶段，也即王兴口中的“互联网下半场”。

在互联网下半场，一方面新的可以改变市场格局的关键技术尚未出现。

5G不是——4G和3G是“好用”和“勉强能用”的差别，而5G和4G之间的差别，只是“更好”和“好”。

人工智能也不是——基于大数据归纳的弱人工智能，应用场景已经挖掘得大差不差，而可以进行演绎推理的强人工智能，尚未迎来tipping point。

最近常被提及的元宇宙也不是——如果你看了前段时间舆论热议的英伟达数字人，就会意识到真正的元宇宙离我们还很远。

另一方面，互联网细分领域的格局也已大体确定。

经历残酷竞争幸存下来的公司，商业模式大多跑通，拥有各自的现金牛业务。

考虑到外部愈发凛冽的市场环境，越来越多的互联网公司倾向于守着自己手中的一亩三分田精耕细作。

这样的时代背景下，产品经理群体的发展如同细胞生长一般，既存在单纯的细胞分裂，又有基于不同分工的细胞分化。

互联网行业越来越精细的分工，使得越来越多的职能型产品经理只能从事一些基础的产品螺丝钉工作，出现了大量仅负责一个后台或一个前端页面的产品经理。

对此，王慧文曾分享过一个数据：“以美团为例，全公司有2000个产品经理，外卖业务上有300多个产品经理”。

2020年以来，新的技术变量仍未出现，但行业迎来了成群结队漫天飞舞的黑天鹅。

王兴一语成谶：

“2019可能会是过去10年最差的一年，但却是未来10年最好的一年”。

许多产品经理都感到自己的努力和时间在目所能及地通货膨胀，身体和精神也不知何时陷入到了“内卷”的陷阱之中。

内卷原本是人类学意义上的术语，指一种“既无突变式发展，也无渐进式的增长，只是在一个简单层次上自我重复”的结构性格局。

而我们现在所讲的内卷，更多的指代一种非理性的内部竞争现象。

根据项飙的解释：

“今天的内卷是一个陀螺式的死循环，我们要不断抽打自己，让自己就这么空转，每天不断地自己动员自己。所以它是一个高度动态的陷阱，所以非常耗能。在小农社会里面，它体力上很累，但是不会有这种在精神上的这种折磨的。”

对于具有一定经验，或者达到一定职级的产品经理来说，困境在于深陷琐碎工作无法抽离的同时，还要强打精神应对无休无止的政治斗争。

做产品的热情在日复一日的琐碎重复中消磨殆尽，但始终没有办法离开。

可以说“除了钱多，一无是处”。

而对于经验较少，或者刚入门的产品新人来说，从0到1的机会只存在于传说之中，从1到10的项目凤毛麟角排不上队。

更多的，是从10到100的工具人任务。

即便是面对这种“多做或少做，对核心指标影响并不大”的螺丝钉任务，产品新人还是避免不了表演型加班（领导不走不能走，同事不走也不能走）的囚徒困境。

以及工作PPT化（汇报变得异常重要，再普通的需求，也要强行挖掘价值）的尴尬处境，以至于有卷王立出“要么我卷死各位，要么我被各位卷死”的flag。

虽然产品经理界越来越卷，但想要入行或转行做产品经理的人却越来越多。

在某些互联网公司，连催排期这种杂活儿，都有哈佛来的实习生去做。

【来源@刘飞】

为什么这么多人想做产品经理？

除了较为现实的薪资较高、专业没有太严格的要求等原因，相对缥缈的改变世界的野望，还有“产品经理的门槛不高”的普遍认知，也是推动年轻人前仆后继想要挤上产品经理这座独木桥的重要催化剂。

坊间流传着“不会做设计，不会做开发，不会做测试，什么都不会做，那就去做产品经理吧”的段子。

还有很多具有一定从业经验的人也认为：

看过《启示录》、《用户体验要素》、《点石成金》等几本书，了解上瘾模型、漏斗模型、KANO模型等基础知识，会画原型、能写需求、懂得汇报，就可以做产品经理了。

但一名合格的产品经理究竟应该是什么样子？或者理应具备怎样的自我修养？

这个问题，并没有理想的答案。

实际上，这个问题也很难回答。

• 一方面，产品经理领域缺少相关的理论研究支持，大学里没有产品经理专业，市面上也缺少权威的、得到普遍认可的产品经理教材；
• 另一方面，一千个人心中有一千个哈姆雷特，这个问题也如同哲学问题一般，看似没有标准答案。

互联网上倒是有很多有关产品经理能力/素质/自我修养的文章和资料，但绝大多数内容都是虽然正确但“什么都说了，相当于什么都没说”的泛泛之谈。

例如有的文章讲到产品经理需要具备产品规划、目标管理、从0到1（？）等能力，但作者又给不出具体的实现路径，只能通过举例以偏概全，或是罗列一些似是而非缺少逻辑的观点。

不过，“一名合格的产品经理应当具备怎样的自我修养”这个问题在某些材料中，还是得到了合理的回答。

如张小龙在《微信背后的产品观》里提到：

“产品经理是站在上帝身边的人。为什么这么说？因为上帝是创造这个世界的人，而产品经理是创造一个虚拟世界的人，所以他也是一个创造者。所以我们一直提倡，做产品要去了解用户，了解用户的想法，了解用户作为一个人，人性里的需求是什么。第二，要了解群体的心理，“群体心理”后面我们会反复提到，这是做互联网产品最需要知道的一件事情。”

又如，俞军在《俞军产品方法论》中讲到：

“我选产品经理很简单，通过以下四个必选项：逻辑、同理心、产品心、产品经理基础。我把逻辑分成四部分：理科逻辑、深度思考、视野、批判精神。所谓理科逻辑，就是对事实的辨识能力，能识别基本的逻辑链因果关系。基本上好一点学校里的理工科学生有相当比例的人都有不错的理科逻辑。深度思考，就是能思考事物本质。对于同一件事，有深度思考能力的人的评论可能就跟别人不一样。对经历过的事，他能总结得比别人更多；对没经历过的事，他的观点也不一样，能看得更透。”

但从上述答案可以看出，不同产品经理从自身视角触发，对于同一个问题的观点可能相差甚远。

而我自己所关心的，其实是“一名合格的产品经理应当具备怎样的自我修养”这个问题。

有没有更为底层普适的答案？就像坐电梯，你可以站着坐，可以躺着坐，也可以打着滚坐，但重要的是人要在电梯上。

这是一个十分困难的问题，但我还是想谈谈我的理解。

一名合格的产品经理，理应具备的自我修养有三点。

一是了解产品经理的历史沿革。

知道本职工作的前世今生。

二是具备出色的逻辑思考能力。

更确切地说，是在这场无限游戏中，具备持续提升的逻辑思考能力。

三是拥有扎实的专业知识，是所从事领域的专家。

在专业领域，精通别人了解的，了解别人不知道的。例如，供应链产品经理理应是供应链方面的专家。

第一点产品经理的历史沿革，上文已经用蛮大篇幅做了说明，下文不再赘述。

第三点成为所从事领域的专家，这点在不同业务领域有不同实现路径，虽然可以抽象出一些共通的东西，但碍于篇幅，本文不做展开。

下文将重点讨论第二点逻辑思考。

一、出色的逻辑思考能力是产品经理的基础修养

我自己虽然也从事产品工作，但抛开主观立场地说，绝大多数程序员与产品经理的争吵（或是需求最终实现出现的问题），都是由于产品经理自己没想清楚，也就是程序员嘴里常说的“需求逻辑有问题”。

出色的逻辑思考能力理应是产品经理的底色。

因为其贯穿了产品工作的始终，不管是产品定位、需求调研，还是竞品分析、产品规划，抑或是原型设计、需求撰写，都需要通过逻辑思考来实现。

人类常用的逻辑思考方式有两种，一是归纳法，二是演绎法。

1. 求存不求真的归纳法

产品经理日常工作中，经常需要根据数据找寻规律支撑观点，“用数据说话”。

通常所使用的方法，就是归纳法。

归纳法指人们通过对世界的接触、观察和实验，从具象的经验中抽象出普遍规律和知识的方法。

归纳是人类的本能，也是人类最基础的脑力思考方式。

甚至可以说，绝大多数的人类知识都建立在归纳之上。

例如，“太阳照常升起”，就是一个典型的归纳法知识。

1）黑天鹅与灰犀牛

根据人类思考惯性的不同，可将归纳法分为：空间性归纳和时间性归纳。

① 空间性归纳

即将某个空间或某个群体内有效的规律，推广至其他空间、群体，甚至全部空间、群体的思维方式。

例如，早期，欧洲人民看到的天鹅都是白色的，他们自然而然就认定地球上所有天鹅是白色。

又比如，基于算法推荐模型的今日头条成功以后，字节跳动地毯式孵化了一大批产品，也是基于算法推荐模型可以在其他领域取得成功的认知。

② 时间性归纳

即认为在过去时间里成立的规则，在当前和未来时间也同样成立。

比如牛市末期，大批萌新投资者和沉寂投资者争先恐后地冲向股市，主要也是基于过去一段时间股市暴涨，意味着未来一段时间股市还会继续上行的市场认知。

又比如，一些流传甚广的互联网定理。

如Facebook的“40-20-10”规则（若游戏厂商希望游戏的DAU（Daily Active User，日活跃用户）。

超过100万，那么新用户次日留存率应大于40%，7日留存率和30日留存率须分别大于20%和10%）。

也是根据互联网公司的过往经验抽象得出，用以指导未来的工作。

不过从上述例子也可以看出，由归纳法推断出的结论，并不一定是正确的。

例如天鹅并不都是白色——澳大利亚就生活着一种黑羽红喙的黑天鹅。

股市也不会一直上涨——牛市、熊市总是如影随形，只是大家会有意无意忽视那只灰犀牛。

这就引申出我们将要讨论的下个话题，证实与证伪的不对称性。

2）一只每天被主人喂食的鸡，怎么也归纳不出有一天自己会被拧断脖子

爱因斯坦的广义相对论在1915年提出的时候，只是一个纯粹的理论猜想。

为了验证这个猜想，爱因斯坦给出了三个推论。

其中之一，是“光线会在引力作用下发生偏折”。

即可以通过观测日食期间太阳附近的光线，来验证广义相对论是否正确。

在1919年的一次日全食中，英国科学家远征队在靠近非洲的普林西比岛，观测到了光线在引力场中的偏折现象，且偏折值符合爱因斯坦的预测，使得广义相对论第一次在经验层面得到了证明。

【《纽约时报》对爱因斯坦新的“宇宙理论”的报道】

但在实验之前，爱因斯坦曾明确表示：如果观测结果与理论预测不符，那说明广义相对论是错的；但即便相符，也并不意味着广义相对论绝对正确。

爱因斯坦的这种理性批判精神，给了哲学家卡尔·波普尔很大启发，让他意识到证实与证伪并不是对称的。

简单来说，一个理论被证实上百次、上万次，都不能证明其绝对正确。

因为只要被证伪一次，这个理论就被推翻了。

还是以天鹅为例，我们看到一只天鹅是白色的，一百只、一万只都是白色的。

由此归纳出一个普遍命题：凡天鹅，必白色。

但其实谁都无法保证，未来某天会不会出现一只黑天鹅。

证实与证伪的这种不对称性，对归纳法的可靠性提出了质疑，这种质疑其实由来已久。

哲学家休谟曾提出著名的“休谟问题”，认为归纳推理并不能从经验材料中发现、概括出具有必然性的一般规律。

罗素的表达则更为生动，“一只每天被主人喂食的鸡，怎么也归纳不出有一天自己会被拧断脖子。”

【“Facebook从不宕机”，来源@kyth】

只是，既然归纳法如此不可靠，为什么我们直到现在还未将其抛弃，反而日复一日继续使用？

答案很简单，因为在一定时空边界内，使用归纳法提炼信息总结规律，最为直接有效。

比方说，我们的问题是“待上线的产品还有没有bug？”。

这个问题看似简单，其实很难回答。

因为符合真理标准的答案，是需要遍历测试所有可能出现的情况才能得到。

而客观上，这几乎不可能做到。

首先，你无法穷举产品所有使用场景。

实际上，你甚至都无法穷举所有变量。

其次，类似于产品在坦桑尼亚2G网络环境下是否可用，或者产品在亚马逊Fire phone（一款已经退市的手机）上是否兼容等非常规测试，现实中也很难覆盖。

但即便是得不到绝对正确的结论，对我们的影响也有限。

只要产品完成了标准的测试流程，覆盖了主要的功能、UI、兼容等方面的测试，我们就能够回答“待上线的产品还有没有bug”这个问题，并据此决定产品是否可以上线。

也就是说，虽然最终我们通过尽可能多但并不完全的测试，归纳出一个真实性有所损失的结论，但这至少是一个暂时正确的结论。

产品经理日常工作中：

• 一方面，可以使用归纳法提炼信息总结规律，学会如何在付出最小成本的前提下，获取相对正确的知识，提高决策的效率；
• 另一方面，产品经理始终要对通过归纳得出的结论抱有审慎怀疑的态度。因为归纳的正确永远是一种不彻底的正确。就如同现在很多人迷信数据，但其实由数据归纳出的结论，并不一定正确。

对待数据的正确态度应当是“依赖数据做决策，但不能只依赖数据做决策”。

归纳法的“道”讲完了，下一节我们谈一谈具体的“术”。

3）归纳法方法论

我一度对有人在互联网上推荐产品经理去看黑格尔的《逻辑学》的行为艺术感到迷惑。

黑格尔的抽象和晦涩，可以说是有目共睹、“有口皆碑”。

类似于本段第一句这种难读的长句子，在黑格尔的作品中俯拾即是，连黑格尔自己都说“只有一个人真正理解我”（后面又补了一句，“不，一个也没有”）。

【黑格尔《逻辑学》，2001年出版至今，上卷标注读完的人数有500多个，下卷则不到300个】

黑格尔的《逻辑学》无疑是经典的哲学读本，但对于绝大多数想要提升逻辑思考能力的人来说，逻辑学相关的教材或科普读物，显然更为友好一些。

这里其实涉及到一个“可沟通性”的问题。

项飙曾在《把自己作为方法》中解释过“可沟通性”：

“可沟通性非常重要，哪怕是一个浅显的理论，但它一下子调动起对方的思想，把对方转变成一个新的主体，那这个理论就是革命性的。找到能引发共鸣的语言其实是很难的，不仅要对静态的结构，而且要对形势、未来发展的方向有精确的把握，才能够讲得简单，勾起大家的共鸣。”

说到这里，顺带提一下项飙关于用词的看法：

“在写作和聊天的过程中，如果用大词，会被认为是一件粗俗的事，没品位（bad taste），有水平的人应该用很小的词讲很深刻的道理，词越小越好，具体到一张桌子、一把凳子、一个茶几。”

逻辑学试图解决的，其实就是“可沟通性”的问题，即通过逻辑学的方法，建立现象与本质的联系，实现人类与知识的沟通。

说回到归纳法，本小结试图建立的，也是归纳法与实际工作的“可沟通性”。

从实践的角度看，可将归纳法分为完全归纳法和不完全归纳法。

① 完全归纳法

完全归纳法是指对一类对象进行穷尽考察，得出关于该类对象的一般性结论的推理。

• 从思维方向上，完全归纳法是从个别推出一般，属于归纳法的范畴；
• 但从前提与结论的关系来看，完全归纳法穷尽了结论所包含的各种前提。

如果前提为真，则结论一定为真，在这一点上，完全归纳法又类似于演绎法。

本文按惯例，还是将其归入归纳法的范畴。

完全归纳法的逻辑表现形式为：

• 前提：S1是P，S2是P，…，Sn是P（其中，S1，S2，…，Sn是S类的全部对象，P是属性）；
• 结论：所有S都是P。

例如，我们要设计一套算法推荐系统。

首先，我们以内容生产者的角度，穷举出社区内容的所有类型。

• UGC（User Generated Content，用户生产内容）；
• PGC（Professional Generated Content，专业生产内容）；
• OGC（Occupationally-generated Content，职业生产内容）。

其次，定义哪类内容是优质的、平台希望推荐的。

• 如通过实际查验生产数据，认定：点赞率（点赞量/阅读量）高的UGC，是优质UGC；
• 点赞率高的PGC，是优质PGC；
• 点赞率高的OGC，是优质OGC。

最后，我们可以归纳出结论：所有点赞率高的内容，都是优质内容。

【一个简单的内容推荐系统，来源《内容算法》】

• 完全归纳法的优点明显，前提为真的情况下，结论一定为真；
• 缺点也很突出，即适用的范围较窄，只适合对象可穷尽的推理。

相对而言，下一节讲到的不完全归纳法，适用的范围更广，也更为常见。

② 不完全归纳法

不完全归纳法指对一类对象的部分进行考察，得出关于该类对象一般性结论的推理。

不同于完全归纳法，不完全归纳法是种或然性（不确定性）推理。

即前提为真，结论不一定真，前提只对结论提供一定的支持关系。

常见的不完全归纳法有：简单枚举法、类比推理法、排除归纳法和统计归纳法。

a. 简单枚举法

主要通过枚举例子，找到例子间的共同点，推论出一般性结论。

如张三看到程序员小龙喜欢穿格子衬衫，程序员小马喜欢穿格子衬衫，程序员小军喜欢穿格子衬衫，由此推论出程序员都喜欢穿格子衬衫。

张三使用的方法就是简单枚举法。

简单枚举法简单直观，但可靠性不强。

如上面张三的例子，结论就是一个典型的以偏概全的归纳谬误。

如果要提高简单枚举法的可靠性，则需要尽可能地扩大被考察对象的数量、范围，以及对象之间的差异性。

b. 统计归纳法

则是字面意义上基于统计的归纳。

是一种通过从总体中抽取样本，总结样本规律，进而推断出总体具有的一些性质的方法。

产品工作中的用研、ABTest，使用的就是统计归纳的方法。

统计归纳本质上还是种或然性推理，但可靠性要高于简单枚举法。

如果可以从抽样规模、广度和随机性方面保证样本的代表性，就能够得出关于总体的相对可靠的结论。

更详细的统计学知识，可扩展阅读统计学相关的教材，本文不做进一步展开。

下面，我们重点讨论下常被误用的类比推理法，和常被使用的排除归纳法。

第一，类比推理法。

类比推理是从两个或两类对象的相同点出发，根据它们在一系列属性上的相似，提出它们在另一个或另一些属性也相似的推理，进而达到触类旁通和举一反三的效果。

中国传统的阴阳五行、天人感应等，就建立在类比推理之上。

在某些材料中，类比推理被专门独立出来，作为与归纳、演绎同一层级的思维方法。

但根据本文的定义，还是将其归类到不完全归纳的范畴。

类比推理法的逻辑表现形式为：

• 前提：S1具有属性：a、b、c、d；S2具有属性：a、b、c；
• 结论：S2具有属性d。

其中，S1和S2表示进行比较的两个（或两类）对象，a、b、c表示S1与S2之间相同或相似的属性，d表示类推得到的属性。

查理·芒格在《穷查理宝典》中提到：

“一个人只要掌握80到90个思维模型，就能够解决90%的问题，而这些模型里面非常重要的只有几个。”

其中，就隐含着类比推理的理念。

类比推理的应用较为普遍（如竞品分析），然而作为初级的推理形式（亚里士多德认为类比推理只是一种“修辞术”），它的可靠性程度依赖于很多因素。

如类比对象之间相似属性的数量、相似属性的相关性、不相似属性的相关性、已知相似属性与推出属性之间的相关性等等。

相似属性的数量越多，相关性越强，类比推理结论的可靠性程度也就越高。

相较于其他归纳方法，类比推理的优点突出。

通过类比推理，举一反三触类旁通，我们可能获得一些创造性的灵感和启发。

如基于人工神经网络研究的深度学习模型。

此外，使用类比推理，还可以反驳无效的推理论证，以其人之道还治其人之身。

如在关于凯恩斯主义的讨论中，反对者提出，“从长期看，市场总是能够自救的”，以此来反对凯恩斯主义积极的经济干预政策。

凯恩斯则反驳说，“长远来看，我们都死了”。

【凯恩斯《就业、利息和货币通论》】

这里想额外提及一点。现在的产品经理，在表达的过程中都过于热衷于做类比了。

但实际上，很少有人能讲出让人信服，甚至合理的类比表达。

更多的是不明所以、人菜瘾大的类比失当。

不是将做产品比作谈恋爱、养孩子，就是做菜、盖楼，让人如芒在背、如鲠在喉。

因此，顺带在此呼吁：请产品经理在没想清楚前，轻易不要做类比。

第二，排除归纳法。

排除归纳法，则是一种寻求因果关系（因果联系指事物之间的一种必然联系，具有客观存在、先因后果、辩证复杂等特点）的逻辑方法。

排除归纳法根据因果关系的某些特点，把某些明显不是被研究现象的原因的先行情况排除掉，从而在其余的先行情况与被研究现象之间确立因果关系。

探求因果关系的方法主要有五种，又称“穆勒五法”。

分别是：求同法、求异法、求同求异并用法、共变法和剩余法。

为了便于理解和记忆，本文只给出五种方法的逻辑表现形式。

I. 求同法

前提：

• 场合1：有先行情况A、B、C，有被研究现象a；
• 场合2：有先行情况A、B、D，有被研究现象a；
• 场合3：有先行情况A、C、E，有被研究现象a。

结论：A（可能）是a的原因。

II. 求异法

前提：

• 场合1：有先行情况A、B、C，有被研究现象a；
• 场合2：有先行情况B、C，没有被研究现象a。

结论：A（可能）是a的原因。

III. 求同求异并用法

前提：

正面场合：

• 有先行情况A、B、C，有被研究现象a；
• 有先行情况A、D、E，有被研究现象a；

反面场合：

• 有先行情况F、G，没有被研究现象a；
• 有先行情况H、K，没有被研究现象a。

结论：A（可能）是a的原因。

IV. 共变法

前提：

• 有先行情况A1，有被研究现象a1；
• 有先行情况A2，有被研究现象a2；
• 有先行情况A3，有被研究现象a3。

结论：A（可能）是a的原因。

其中，A1、A2、A3指先行情况A的不同状态，a1、a2、a3指被研究现象a对应的不同状态。

V. 剩余法

前提：A、B、C、D是a、b、c、d的原因，A是a的原因，B是b的原因，C是c的原因。

结论：D与d之间有因果联系。

上述的五种方法本质上都属于不完全归纳，所以由它们得出的结论不保真。

即便如此，它们对我们解决因果关系问题，仍然有着实际的意义.

例如达尔文曾使用求同求异并用法研究生物与环境的关系，勒维烈则使用剩余法发现了海王星。

产品经理也会经常用到排除归纳法。

如最近一段时间产品新上线了一批功能，使得产品日活大幅提升.

这时，就需要使用排除归纳法定位具体的原因（或希望的原因/狗头）。

2. “瓜保熟”的演绎法

产品经理日常工作中，经常需要在已知某些确定论据（规律）的前提下，分析推理出结论。

这里通常所使用的方法，就是演绎法。

福尔摩斯以演绎法著称，甚至有部美剧就叫《福尔摩斯：基本演绎法》.

但在福尔摩斯的推理中，归纳的成分其实超过了演绎。

《绿玉皇冠案》中，福尔摩斯曾说：

“这是我的一个古老格言：当你排除了所有不可能的因素后，剩下的东西，无论多么不可思议，都必定是真实的。”

根据上一节的内容，我们很容易分辨出，福尔摩斯提及的方法，其实就是不完全归纳法中的排除归纳法。

而演绎法，指的是以一定的客观规律为基础，从服从该事物的已知部分出发，通过推导（也即“演绎”），得出该事物未知部分的思维方法。

亚里士多德提出了演绎法中最经典，也最为常见的句式——三段论。

三段论包括大前提，小前提和结论三个部分，一个一再被提及的例句是：

• 大前提：所有的人都会死；
• 小前提：苏格拉底是人；

结论：苏格拉底也会死。

相较于归纳法，演绎法是一种更为可靠的思维方法。

如果大前提、小前提为真，那么结论一定为真，而归纳法无论前提多么正确，结论都不一定为真。

1）善良比聪明重要，逻辑比事实重要

在1919年一篇题为《物理学中的归纳与演绎》的文章中，爱因斯坦描述了他对演绎方法的偏爱。

“关于经验科学的产生，人们能够形成的最简单图像就是按照归纳法来进行。各种事实被选择出来归在一起，使它们的规律性联系变得一目了然。然而，科学知识的巨大进步很少是源于这种方式的……在理解自然的过程中，我们所取得的真正伟大的进展乃是源于一种几乎与归纳法截然相反的方式。通过直觉把握大量复杂事实的本质，科学家可以提出若干假设性的基本定律，再由这些定律导出他的结论。”

波普尔在讲到科学发现的逻辑时，也曾提到：

传统观点认为，科学发现靠归纳，也就是观察事实-归纳理论-证实理论。但实际上，科学发现的逻辑应该是：先提出问题，然后针对问题提出理论猜想，再用事实证据检测，如果检测和猜想相符，就保留；如果一直没有反例，就维持猜想的“暂时有效性”；如果出现了反面证据，就放弃这一猜想，构想新的理论，进入新一轮检测。也就是用“问题——猜想——反驳”的“试错机制”，代替“观察——归纳——证实”的“实证机制”。

从爱因斯坦和波普尔的表述可以看出，与实践出真知的归纳法不同，逻辑自证的演绎法更倾向于逻辑假设先行，实践检验殿后。

从结论真实性的角度来看，逻辑比事实更重要。

在产品工作过程中，通过演绎法推理出理论并不简单。

但通过演绎得出的结论，除了保真，还往往具备可迁移性，一通百通, 一解百解。

例如，微信群的群人数限制，就传言与邓巴数理论有关。

人类学家邓巴曾提出“邓巴数理论”——人类个体所能维系的稳定社交关系数量在150左右。

据此，可推断：

• 大前提：人类个体所能维系的稳定社交关系数量在150左右；
• 小前提：互联网用户是人类。

结论：互联网用户所能维系的稳定社交关系数量在150左右。

根据这一结论，微信群的群人数在40人以内时，可以直接加入。

而大于40人时，须征得对方同意。

在大于100人时，则无法通过识别群二维码入群。

【邓巴数】

2）第一性原理

演绎法只要大小前提正确，结论一定保真，是否意味着演绎法完美无缺，掌握者真理在握？

答案当然是否定的。

其主要问题在于，我们怎样才能确定前提是正确的？

例如，上一小节我们提到的微信群人数的例子。

“人类个体所能维系的稳定社交关系数量在150左右”这一大前提，来源于人类学研究上的归纳，而由归纳法得出的结论并不保真。

这就要求演绎法的前提不能来自归纳，只能来自更高链条的演绎推理。

但是演绎法的链条不可能没有极限地向后倒推下去，最终必须有一个基石。

一个来自系统之外、能够逻辑自洽的元起点，成为“第一推动力”。

这个基石，就是第一性原理（First Principles）。

最早提出第一性原理的人，又是亚里士多德。

他认为在每个系统中，都存在着一个第一原理。

它是一个最基本的命题或假设，不能被省略或删除，也不能被违反。

从更容易理解的角度来说，第一性原理就是那些不言自明的，可以据其演绎推理出系统之内所有命题的“公理”。

欧几里得在《几何原本》中，就曾根据5条公理、5条公设和23个定义，推理出了48条定理和467个命题，建立起了人类历史上第一座演绎推理的丰碑——几何学。

《几何原本》中的5条公理分别是：

• 等于同量的量彼此相等（如果a=b，b=c，那么a=c）；
• 等量加等量，其和仍相等（如果a=b，c=d，那么a+c=b+d）；
• 等量减等量，其差仍相等（a=b，c=d，那么a-c=b-d）；
• 彼此能够重合的物体（或图形）是全等的；
• 整体大于部分。

5条公设分别是：

• 由任意一点到另外任意一点可以画直线；
• 一条有限直线可以继续延长；
• 以任意点为心，以任意距离（半径）可以画圆；
• 凡直角都彼此相等；
• 过直线外的一点，可以做一条而且仅可以做一条该直线的平行线。

这5条公理和5条公设，看起来都是些正确的废话。

例如公理第一条“等于同量的量彼此相等”，其实说的就是“如果a=b，b=c，那么a=c”。

但从这些的公理、公设中，可以推理出一些看起来并不是不言自明的命题。

比如勾股定理（直角三角形两个直角边边长平方加起来等于斜边长的平方，即a²+b²=c²），又如三角形内角和等于180°。

当前最为知名的第一性原理的实践者，应该就是马一龙马斯克了。

马斯克曾如此阐述他理解的“第一性原理”：

“我相信有一种很好的思考架构，就是第一性原理，我们能够真正地思考一些基础的真理，并且从中论证，而不是类推。我们绝大多数时候都是类推式地思考问题，也就是模仿别人做的事情并加以小幅更改。但当你想要做一些新的东西时，必须要运用第一性原理来思考。在某种意义上，第一性原理是用物理学的视角看待世界的一种方式。你会一层层剥开事物的表象，找到其底层的真理，问‘我们能确定的真相究竟是什么’？然后由此出发进行推演。”

一个广为人知的的案例，是马斯克使用第一性原理，解决了电动车电池成本居高不下的问题。

在马斯克介入电动车领域时，市场上电池组的价格大概是600美元每千瓦时。

一辆电动车至少需要85千瓦时的电池，这意味着每辆电动车仅电池成本就超过5万美元。

马斯克从第一性原理的视角出发，首先对电池组进行拆分，从元素层面将其拆解为碳、镍、铝、钢等不同材料。

通过计算，如果直接从金属交易所购买这些材料，仅需花费82美元每千瓦时的成本，是之前成本的14%左右。

也就是说，电池成本高昂的真正原因，并不在于原材料，而在于原材料的组合方式。

明确问题之后，马斯克主导了特斯拉与松下的合作。

通过采用松下18650钴酸锂电池电池管理程序，重组了特斯拉的电池，一举将电池成本降低至全行业最低水平（2020年，约100美元千瓦时），使得特斯拉“平价电动车”成为可能。

3）演绎法方法论

常见的演绎方法，除了上文提到的（直言）三段论，还有假言三段论、选言三段论、肯定前件式、否定后件式等等等等。

光是看到这些新的名词，就难免让人心生抵触，想要解释清楚，还要引入更多难以顾名思义的新词（如周延、大项、中项、小项、全称命题、特称命题等）来说明。

新词叠新词，无穷尽也。

本文从可沟通性的角度出发，选择较为基础的演绎方法，使用逻辑表现形式简要说明。

其他更为复杂的方法，其实只是这些基础方法的变种和套娃。

上文提到的肯定前件式（大前提：如果p，那么q；小前提：p；结论：q）、否定后件式（大前提：如果p，那么q；小前提：非q；结论：非p），实际上就是高中数学里的充分必要条件，本文不再赘述。

下面着重介绍直言三段论、假言三段论和选言三段论。

① 直言三段论

上文提到的“苏格拉底也会死”的例子，就是使用直言三段论（肯定和否定不需要限制性条件）得出的结论。

这个例子出现的次数太多，以至于大家普遍认为直言三段论的逻辑表现形式应该就是这样。

实际上，直言三段论的逻辑表现形式是：

• 大前提：所有P都是M；
• 小前提：所有Q都是P。

结论：所有Q都是M。

在一个直言三段论中，如果前提是真实的、准确的，那么不仅可以保证结论的正确性，还可以保证结论本质上也是一个直言命题。

② 假言三段论

假言三段论对对象的判定是有条件的，得出的命题也受限于某些条件、环境或者假定，其逻辑表现形式是：

• 大前提：如果P，那么Q；
• 小前提：如果Q，那么R。

结论：如果P，那么R。

例如，张小龙曾在被提问到是否“觉得微信有硬伤”时，回答说：

“…什么是硬伤我不太懂，如果我们把硬伤定义为致命的缺陷的话，那么我认为任何一个人做的产品都不会有致命的缺陷，因为一旦有了，你肯定不会继续往下做了。如果有致命的缺陷，你还做它吗？所以它是不会存在的，一旦出现你是肯定会发现和弥补的。所以我认为任何一个产品里面都不应该有硬伤，它应该很早就被弥补了。所以微信也一样。”

张小龙的回答稍稍有点绕，但实际上使用就是假言三段论的演绎推理结构。

我们可以对推理过程分解如下：

• 大前提：如果做的产品有致命的缺陷（“硬伤”），那么一定是不可接受的（“不会继续往下做”）；
• 小前提：如果不可接受，那么一定会发现和弥补。

结论：如果产品有致命的缺陷，那么一定会发现和弥补。（因此，“任何一个人做的产品都不会有致命的缺陷”）

在假言三段论中，每个前提的Q，都是下一个前提的P。

无论有多少个前提，假言三段论在逻辑上都是有效的。

③ 选言三段论

选言三段论对对象的判定是有选择的。

如果存在一个或者多个可供选择的对象被否定的，那么剩下的对象，则是可以被肯定的。

其逻辑表现形式是：

• 大前提：要么P，要么Q；
• 小前提：不是P。

结论：Q。

例如，市场传言孙正义决定投资某家企业时，往往采用一种“胁迫投资”的策略。

即警告对方要么接受软银的投资，要么软银就会转而投给对方的竞争对手。

潜在的被投企业往往考虑再三，认定后者并不是自己想要的结果，最终都会选择接受软银的投资。

如Uber、滴滴。

这里，孙正义就构建了一个选言三段论的结构（或陷阱），给出了一个并没有选择的选择。

产品工作实操中，对于归纳法与演绎法的运用，一定是交织综合的，而不是割裂分离。

有时产品经理会先通过归纳，得出结论，作为演绎的前提，之后再演绎推断出结论。

例如，互联网流量的“开学效应”，指的是随着9月份学生开学返校，互联网整体流量会暂时性回落。

其中，“9月份互联网整体流量会暂时性回落”，就是根据不完全归纳法中的统计归纳得出的普遍命题。

而将其归因到“9月份学生开学”，则是通过演绎法中的选言三段论推理得出。

有时产品经理又会“通过直觉把握大量复杂事实的本质”。

在没有数据支撑的情况下，先行演绎推理出确定性的需求，推进开发。

之后通过快速上线或ABTest，来验证需求的有效性。

在下面这张截图中，张小龙那句“按钮可以长些，不怕”，自信且笃定，让人印象深刻。

【张小龙：“按钮可以长些，不怕”】

二、写在最后

几个月前，我刚开始为这篇文章拟提纲时，希望涵盖的内容远不止这几点。

但在断断续续写作过程中，逐渐发现有的东西，如同我们执着的某些事情一样，其实并没有那么重要。

虽然写了很多但最后都丢掉了。

还有的东西，虽然重要，比如文中提到的第三点，成为所从事领域的专家。

还有第二点，逻辑思考之后，原本准备接着讲的逻辑表达，但都碍于篇幅和写作时间跨度的原因，暂且放下了。

这篇文章，

• 一方面是个总结，总结过往对于产品工作的思考；
• 另一方面，也想使其成为引玉的那块砖，激起大家的思考，增进大家的沟通。

文章成文仓促，难免会有纰漏，欢迎大家指正。

最后，有两句话想和大家分享、共勉。

• 一是罗曼·罗兰的“世界上只有一种英雄主义，那就是在看清生活的真相之后，依然热爱生活”；
• 二是加缪的“登上顶峰的斗争本身足以充实人的心灵。应该设想，西西弗斯是幸福的”。

主要参考资料：

1. 《西方现代思想讲义》，刘擎，新星出版社
2. 《第一性原理》，李善友，人民邮电出版社
3. 《打开：周濂的100堂西方哲学课》，周濂，上海三联书店
4. 《把自己作为方法》，项飙，上海文艺出版社
5. 《逻辑十五讲》，陈波，北京大学出版社
6. 《吴军数学通识讲义》，吴军，新星出版社
7. 《世界观》，理查德·德威特，电子工业出版社
8. 《新批判主义》，邓晓芒，北京大学出版社
9. 《西方哲学史》，罗素，商务印书馆
10. 《猜想与反驳》，卡尔·波普尔，上海译文出版社
11. 《商业的本质和互联网》，许小年，机械工业出版社
12. 《免费》，克里斯·安德森，中信出版社
13. 《俞军产品方法论》，俞军，中信出版社
14. 《微信背后的产品观》，张小龙，电子工业出版社
15. 《王慧文清华产品课》，王慧文
16. 《创新者》，沃尔特·艾萨克森，中信出版社
17. 《爱因斯坦传》，沃尔特·艾萨克森，湖南科学技术出版社
18. 《2012：互联网的万历十五年》，朱时雨

 

作者：许昕；公众号：黑坝

本文由 @许昕 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Pexels，基于 CC0 协议