有的朋友经常谈及自己的工作不够“厚”，感觉没有什么提升。工作内容按照难易度和替代性高低可大致分为三个等级，关键是我们需要提高自己的认知、沉淀出属于自己的业务问题方法论。作者总结了基于科学环的产品方法论，希望对你有所帮助。

一、工作本身的分类

总是能听到朋友说觉得工作不够“厚”，在开始的时候觉得能够学习到新知识，但越做越觉得自己做的是重复性劳动，只是按照一个流程不断重复循环，没有新的提升。

又或是有的朋友反馈能分到的活儿都很简单，毫无技术性可言，甚至随便从大街上找个人过来都可以完成。

在我看来，工作内容按照难易度和替代性高低可大致分为三个等级：“是个人都会的”-“做过一次基本都会的”-“不一定每个人都会的”。而朋友们所提及的情况，往往是在工作内容是第一或者第二层时，所强烈感受到。

第一层的工作主要是依赖于信息，相对来说知识密度较低，一般新人所负责的工作内容会偏重于此，例如我是一个新人房产中介，此时我毫无经验但有需求方所需的房屋信息，此时我往往做的是负责用户的询问，并按照信息给出答复。

第二层的工作主要依赖于经验，相对来说要求负责相关事项的人员拥有一些既有经历，能够较为完整地识别到问题和关键点，并在执行过程中保证如期落地，因此这部分工作主要是由有一定经验的人来负责，例如我此时已经是一个从业两三年的房产中介，在过去的经历中我独自负责了从用户咨询、带看房源，办理过户到立契 、缴纳税费、办理产权的二手房交易全流程，熟悉了这份工作的全流程，能够相对轻松地完成此类事务性工作地推进。

第三层的工作更多的是依赖于个人的方法论和思考，这些工作内容相对复杂棘手，按照日常事务性工作思路推进往往是无用功，因此需要负责人使用自己的洞见和解决方法去应对挑战，这类工作就对负责人有着更高的要求，例如面对一个吹毛求疵的客户，想要她完成交易，不是每一个拥有成单经验的房产中介都能顺利达成目标的，一个既能准确洞察客户核心诉求、又深谙交易谈判沟通心理的有自己销售哲学的中介方能成单。

三个层级所对应的从业者，可替代性也逐渐递减，第一层级的工作基本无门槛，可替代性高，第二层级的工作有一定的门槛，但门槛有限，因此可替代性也较高，第三层级的工作则过滤了大多数人，门槛较高。

随着经验的积累，往往大多数人都能独立应对第一层和第二层的工作内容，然后第三层工作内容并不是每个人都有能力去负责的，而其中的关键则是个体的解决问题的方法论和认知，因此要想自己的不可替代性有所提高，那务必需要提高自己的认知、沉淀出属于自己的业务问题方法论。接下来，会展开如何沉淀方法论的方法论。

二、如何进阶：关于方法论的方法论

2.1 华莱士科学环

华莱士于1971年提出的“科学环”（如下图所示），描述了社会科学研究“理论-假设-观察-概括或检验-新的理论”的循环过程，是理论总结和沉淀的抽象模型。

具体来看，研究者会基于现有理论并使用逻辑演绎方法提出研究假设，并通过具体的研究方法设计去实现假设的验证观测，再经由分析和检验方法对观测结果进行归纳并决定是否接受假设，最终归纳结论进一步推论或整理提炼成更具有通用性的理论。

其中，从经验概括到形成理论，再到提出假设，是理论研究范畴；从提出假设到观测验证假设，再到经验概括，属于实证研究范畴。从理论到观测主要使用的是演绎法、而从观测到理论的上行则是归纳法。

在研究中，研究者可以基于理论有大胆的想法去验证，整体研究的周期具有较大弹性、试错成本也更高。

2.2 基于科学环的产品方法论沉淀方法

而在商业环境中，由于功能策略迭代更新速度快、经营思维更强，对于需求研判及验证的效率和成本要求则更高，基于科学环的产品方法论沉淀方法在假设来源及提出假设的方法上会与“科学环”有所差异。

首先，产品需求假设需要从从业务经验、数据现状或用户反馈中获取优化，而非如原有科学环中的“理论”去寻找启发。

在实践过程中如果要找到竞对尚未涉足或注意到的机会点，那么我们不能依赖于成熟的业界范式去思考产品优化的方向，需要在自己业务场景中挖掘更具有即时性的机会点作为值得优化的需求假设。这要求产品经理对业务场景的数据、用户反馈的声音有敏锐的洞察，能从中抓住机会点。

其次，在商业场景中更加强调假设的可靠性，提出需求假设的方式需由“逻辑演绎”更进一层——从现状数据中通过因果推断来过滤合理且有价值的需求假设。

在假设产生的途径上，由于逻辑演绎本身可能在前提或推论过程中存在误差，且受限于实际资源和成本，对所有优化假设都进行效果验证显然并不现实。

因此，产品经理需要在需求方向判断前期，即确定值得尝试的产品方向之前，需要有更为坚实的支撑去论证我们所探索的方向是有其价值的，而非仅仅只停留在逻辑演绎的层面。也就是通过更进一步的研判与分析让众多优化方向的假设经过一轮筛选，在保证大概率效果为正的情况下再流入后续实验验证阶段。

那如何能在实验之前，能够做出相对合理的推断、保证决策质量呢？这就依赖于因果推断。

举个例子：

我们从数据现状中发现，在电商平台A享受过某服务的用户，其购买频次和GMV显著高于没有享受过某服务的用户；此外从逻辑上来讲，如果让更多未了解或未使用过该服务的用户享受过该优质服务，大概率会拉升这部分用户满意度，用户更愿意来电商平台A消费，进而也能间接带动用户购买频次和GMV的增长。

乍一看我们就有了一个看上去还不错的需求假设：通过推广电商平台A优质的服务，会带动购买频次和GMV的增长。

但仍有几个问题需要进一步思考：究竟是购买频次更高的用户有更大几率使用到该服务呢？还是因为使用过该服务让用户更愿意来电商平台A消费呢？推广该服务的收益是否能覆盖成本呢，是否能真正带来利润呢？

如果我们无法回答以上问题，那在资源有限的情况下，收益不明晰的探索性尝试大概率往往无法向下推进，哪怕往下探索大概率也是“碰运气”。因此，就需要我们进一步通过现有数据去分析享受过某服务与购买频次及GMV之间的因果关系，并根据分析结论决定后续工作流。

综上，基于科学环的产品方法论沉淀方法的整体流程如下图所示：

第一步，从业务经验出发，通过因果推断筛选有价值的优化假设；

第二步，设计合理的验证假设的实验方式；

第三步，执行实验，选择正确的分析和检验方式得出实验结论；

第四步，基于实验结论，再次归纳总结和推论，不断在实践中沉淀新的业务经验，并在此过程中不断提升决策敏锐力。

三、总结

产品经理需要在工作实践中，不断地从业务现状和历史数据中，通过合理科学的手段与方式（如基于历史数据的因果推断）来挖掘有价值的优化方向，并在实验验证过程中不断总结和形成新的业务理解与实操方法论，不断迭代认知。

但相较于具体工作流和实操方法，更重要的是，保持强烈的探索欲和对问题本质不断追问的习惯，唯有此才能打破固有的惯性认知和技能舒适区，产品经理自身才会持续性地获得深度成长。

唯有自身成长后，方能走出工作瓶颈，摆脱“螺丝钉”的命运，在更具有挑战性的场景中创造更多的价值。