分析完问题后，只剩下临门一脚——得出结论，否则，再好的分析过程都是无效的。

之前，光涧实验室邀请战略分析专家曹婷婷给大家分享了人人都需要的分析方法，拆解了分析问题的 4 个环节——定义问题、搜集信息、结合经验、得到结论。今天这篇我们来总结最后一步「得到结论」的方法。

所有的分析都要有一个结论。否则，分析这件事就半途而废了。

但实际情况是，很多人在搜集完信息之后，就陷入了困境，不知道该如何从一大堆信息里找到一条线索来指引自己去到最后的解决方案。光涧在为咨询客户做工作坊的时候也经常遇到这种情况——商业模式画布/价值主张画布/ SWOT 模型都填好了，接下去该怎么办呢？

这就到了分析的 4 个环节中的后 2 个：结合经验、得到结论。这两个环节密不可分。

我们打算先来讲讲 3 个用于得出结论的决策方法，最后再回去谈谈看起来让整个分析失去了科学性的「结合经验」。

决策方法1：分类和投票

这个方法听起来很简单，其实很实用。当你面对一大堆信息的时候，分类能帮助你把信息都浏览一遍并且能整理清楚信息的逻辑。然后，我们就可以通过投票这种形式，区分出信息的优先级。

这个决策方法，光涧几乎在所有的工作坊中都会使用到。

决策方法2：从单一指标到联合指标

这个方法说起来有点啰嗦，就是先对列举出所有的单一信息，并对每个单一信息得出结论，然后把每 2 条结论拿出来进行组合，不断地这样组合直到最后只剩下 1 个结论为止。实际上这个方法很简单，我们举个例子你就明白了。

现在深冬了，为了保暖，我要去买个羽绒服，希望是有一定设计感、有品牌的，预算在 500 元以内。我的购买方案应该是什么呢？

定义好上面这个问题之后，我们就搜集到了下面这些信息。

• 线下商场里的羽绒服价格都在 1000 元以上；
• 凡是品牌的羽绒服价格都比较贵；
• 没有牌子的羽绒服价格都比较便宜，但是质量不好；
• 有设计感的羽绒服通常都有品牌；
• 短款羽绒服比长款羽绒服便宜；
• 线上如果赶上打折，羽绒服最高折扣是 5 折；
• 一般元旦和春节之间，商场里的羽绒服打折力度最大到 2 折。

现在，我们对每个单一的信息得出结论。

• 线下商场里的羽绒服价格都在 1000 元以上——超出预算，接受不了；
• 凡是品牌的羽绒服价格都比较贵——还是想买品牌的；
• 没有牌子的羽绒服价格都比较便宜，但是质量不好——还是想买品牌的；
• 有设计感的羽绒服通常都有品牌——还是想买品牌的；
• 短款羽绒服比长款羽绒服便宜——可以接受短款的；
• 线上如果赶上打折，羽绒服最高折扣是 5 折——打折之后还是 500 元以上，接受不了；
• 一般元旦和春节之间，商场里的羽绒服打折力度最大到 2 折——有可能达到预算范围。

接着我们来把上面的结论俩俩组合一下。

• 只有在元旦和春节之间，线下商场里的羽绒服我才有可能买得起；
• 我可以买品牌的短款羽绒服；
• 线上即使在打折季，我也买不起。

继续俩俩组合，我们就能得出最后的结论：

在预算 500 元的情况下，我如果要追求设计感和品牌，就需要在元旦和春节之间到线下的商店去买一个有品牌的短款羽绒服。

决策方法3：结构分析和新联合分析

在做决策的时候，通常我们可以先找到决定事情的关键因素，然后对关键因素评估一个权重。这些关键因素加权求和得到的结果，可以帮助我们做一个判断。

用一个公式来理解一下：

Z=aA+bB+cC+dD+……

• Z 是定义的问题；
• A、B、C 是决定 Z 的关键因素；
• a、b、c 分别是 A、B、C 的权重，即它们在决定 Z 上面的重要性。

所谓结构分析，就是 a、b、c……这些权重加起来是 1；而所谓新联合分析，就是 a、b、c……可以是 0-1 中间的任何一个数字。

一般来说，如果你想要做出一个较为均衡的考虑，就用结构分析；如果你是个非常感性的人，特别在意其中一个因素，就可以用新联合分析。

举个例子：你近期考虑换一份工作，你看重的因素是前途、收入和职场关系这 3 个因素，如何选择合适的工作机会。

那么，我们可以按照下图的演示，用结构分析和新联合分析，分别对 3 份工作机会进行打分。

如果你希望选择一个各个因素比较均衡的工作机会，那么可以选择结构分析中得分最高的那个。

如果你对某个因素特别在意，比如上图中的「前途」，那么你可能会选择新联合分析中得分最高的、也就是前途最好的那个，而这份工作即使收入只要 60 分你也可以接受。

跳不过去的「结合经验」

掌握了上述 3 种决策方法，基本上 80% 的情况，我们都可以得到一个分析的有效结论。但我们也会发现，这些决策方法里，有些非常「主观」的地方，比如投票的优先级是怎么来的？还没到元旦怎么猜测打折力度？新联合分析的权重是怎么定的？

这些看起来主观存在的地方，就是「经验」。经验，是分析当中绕不过去的一个环节。那么，这是不是意味着分析就不再科学了呢？并不是。

事实上，经验背后很可能是一万条信息。

举个生活里的例子。在一期《蒙面唱将猜猜猜》中，一个女歌手唱完歌，说自己是演员。这时候嘉宾说了三句话：

第一句，「你唱歌有摇滚范儿」。这是一个基于现场表现的一个事实，是一般人都可以观察和搜集到的信息；

第二句，「据我所知，女演员里没有人唱歌有摇滚范儿的」。这就是一个经验。而这个经验，是对过往听过的女演员唱歌的所有信息进行扫描而得到的。

第三句，「你不是演员来跨界唱歌，你本来就是摇滚范儿的歌手，跨界演过戏」。这里要得到最后的结论，又要包含了一个经验，是要对摇滚范儿歌手演过戏的信息进行扫描而获得的。

所以，经验并不是凭空而来的，而是通过消化大量的信息积累起来的。

对于行业数据的经验，可以通过不断阅读行业材料获得；对于用户的经验，可以通过和用户面对面的访谈来获得；对于营销渠道的有效性的经验，可以通过不断地尝试来获得。

虽然在过去这三篇关于分析的总结文章里，我们分享了很多方法和技巧，但真正帮助我们踏入上图中这条闪光的智慧（wisdom）之路的，不是这些方法和技巧，而是不懈的搜集和学习信息这个行为本身。

作者：光涧实验室，微信公众号：lightstream0

本文由 @光涧实验室 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 Unsplash ，基于 CC0 协议