上一篇，我们提到了该如何明确一个问题。主要是分成四个步骤：

首先，是我们要发现一个「命题」而不是把「命题」当成「问题」；

其次，是确认，这个「命题」的真实场景是什么，用事实描述，回到案发现场，做case study；

再次，研究了足够多的case之后，要对现象进行分类，做归因，找出问题的根源。一个命题肯定不止一个案发现场，那么就要判断，每个案发现场所对应的问题根源是什么。

最后，就是判断是否真的要解决这个问题。这就是资源匹配和难易度，优先级的判断了。

那么，走完上述四个步骤之后，基本上就到了「拆解」的环节了。

简单的问题和复杂的问题，基本上都是靠「拆」，只有拆了，才能搞清楚，影响问题的因素有什么，才能各个击破。

今天就想详细的说说「拆迁大法」，尤其是公式拆解法，和流程拆解法。这两种方法，其实本门课程，都会教这两种方法。比如说第三周的KPI，第六周的用户体验地图。

为啥我会特别强调这两种方法呢？因为，公式拆解法，基本上能解决80%的问题，剩下的问题，则需要通过梳理用户流程梳理来解决。

定位问题：分叉式拆解

很多问题之所以难搞，就是因为它特别宏大而且复杂。

我们解决起来也不知道从何入手。比如我们想要过更好的生活，但是怎么才能达到这个目标，可能很多人都比较难以下手。

或者说，与我们息息相关的，阅读量下降了，业绩下降了，你要解决吧？该怎么入手，从哪里开始解决？哪个部分是关键变量？

你可能模糊的知道一些，然后凭着感觉去调整一下文案，逻辑，排版等等，但你可能自己心里也没底，这算不算是解决了问题。

所以，在开始拆之前，也要做好一个动作：定位到「元问题」。

所谓复杂问题，就是掺杂了多个维度和变量的问题。复杂问题是不可被直接解决的。我们每天应对的各种复杂的问题，其实都是在下意识的做拆解，然后再一一去解决掉。

但是下意识靠不住啊，如果遇到自己经验以外的复杂问题，不就一脸懵逼了吗？

所以，我们需要在「明确问题」的第三步「找出问题的根源」的基础上，对这个根源做一轮解构。比如说，业绩这个问题，从以往的知识结构来看，大概就两个影响因素：流量和转化率。

所谓的定位，就是定位到这些「问题」的构成要素上。

任何一个要解决的问题，本身都会自带一个结构。只是，你的知识储备，能否cover了这个知识结构。

如果把一个复杂问题比喻成一个大树，那么元问题，则是这些树上的枝杈。如果有学员上过运营P3的话，其实应该能理解，这就是「分支式拆解法」。

本质，是需要养成「框架式思维」的思考方式。

公式拆解法

经有一个麦肯锡的人跳槽到了谷歌，给谷歌的一个广告部门做业务管理，负责这个部门提升广告业务的收入。

他入职的第一天就问了下属们一个问题，“我们这个部门的业务公式是什么？”他的下属们就都被问蒙了，他们想，“我们部门没有什么公式啊。”

后来，这个麦肯锡来的人通过和整个部门的人沟通，最终得出了他们部门的一个业务公式。这个公式就是： 广告收入=展现量×点击率×每个点击的价格 。

我觉得这个例子很典型。我们很多人以为没有KPI就是不需要掌握公式，但其实，所有的我们所做的工作，都应该尽量且应该公式化。

这是滴滴在前段时间自己公布的业绩公式。

从之前那个故事可以看到，在麦肯锡这个人之前，整个部门是有明确的目标的，也就是怎么提高广告收入。但是对于如何达成，该怎么做，没人想清楚。

没人想清楚，倒不是他们能力不行，而是没搞清楚广告收入背后的影响因子「元问题」是什么。

而有了这个公式，我们就对于如何提高广告收入有了具体清晰的路径：要么提高展现量，要么提高点击率，要么提高每个点击率的价格。

所以，每个复杂问题的背后，基本上80%都可以以公式的方式拆成元问题。在业务当中，就是KPI了。所以说，拆分问题是每个老板们天天在做的东西。

流程化拆解

流程化拆解的核心目的，是搞清楚最优路径，也被称为「用户故事地图」。

比如你想解决用户信任的问题，那么你可能就优先要梳理一下路径节点，在节点上来做节点分析。

通常情况下，一些已经能够顺着用户路径搞清楚的工作流程，都可以做用户故事地图，然后从中做元问题定位。

就像流水线一样，一个问题可能并不是突然就爆发出来了，而是在流程诞生到落地的环节，因为某种原因而产生的。

就比如说新用户报名这个事情，很多学员在官网报名之后，并没有改掉昵称，所以在分配助教的时候，都是sjk123456这种，完全对不上号。分配助教极其痛苦。

这个事情简单吧？但是梳理之后，发现在产品机制出面解决之前（比如上APP），只能从现有的接触点出发，寻找节点来尝试做动作。后来梳理了流程节点之后，尝试了在与用户进行第一次接触的时候做强引导，也就是改变了引导规则，基本上不改名率降低了80%。

但是，在完成流程拆解之后，会涉及到一个问题：我该在哪个节点尝试优化呢？

这里就需要借助另外两个概念：「假设驱动」和「构建问题树」

假设驱动

所谓假设驱动，是指在应对复杂问题、寻找解决方案之前，我们先来做一个尽可能合理的假设，假设问题出现在某一个节点上。

以前面的报名改名流程来讲，接触点很多，但是通过分析，发现学员上课后，通过课程页面注意到「改名」，开营仪式上的告知等等都可以，但是触达率较低。所以会假设学员第一次加班主任的节点上，在沟通和触达上会提升明显。

在有这个假设的铺垫下，去尝试，测试。

所以，假设驱动有两个好处：

第一个好处，是给你一个聚焦点。流程拆解不同于公式拆解，没有一个聚焦点和清晰的执行优先级，所以设立假设，可以让我们在解决问题的过程中能够有一个比较明确的目标。

至于这个假设对错与否，并不重要，重要的是思考的逻辑和过程。如果假设不成立，我们也依然可以不断修改假设，设定新的假设去收集数据信息，再去验证假设。

第二个好处，是省时省力。因为假设驱动是可以让我们一直沿着聚焦点，投入的时间和资源分配都在最可能解决的那个问题上。

问题树

第二个概念，是「问题树」，也可以被称作「知识结构」。

在上面的定位元问题环节，一般情况下，拆出的问题，大概率长的跟思维导图差不多。大问题拆成小问题，将这些小任务就变成了任务。

但是这些问题，可以说会对应着相应的「概念」，也就是说，你懂，才懂，不懂，那就无法继续拆下去。

构建问题树的两个必备方法，有自上而下和自下而上（文章参考：如何快速熟悉一个陌生领域）

最后，总结一下三个拆解方法的总结：来源于运营P3

问题拆分的核心原则：MECE原则

要想把问题彻底拆清楚，上面的三个方法还不足够，还需要具备一个意识：MECE法则。意思是，完全穷尽，互相独立。

以人群分类来讲，可以给大家看个例子。

那么，如何改保证确保MECE法则呢？一般就是并列和递进两种。我们在做拆分的时候，优先去寻找数理化结构的分类方式。也就是说，如果能公式拆解一切，且这个公式是被认可的，那这基本上就是最理想的分类方式。

所以，一个是要熟识你所在领域的业务和常识，一个是要经常提问和学习，这样你就能够获得更多的信息，对更多的领域有自己的一套理解，你就能够更好地拆解问题了。