在事业单位养老保险改革后，根据退休时间的不同，定义了老人、中人和新人的不同称呼。






新人为2014年10月1日后参加工作，还未退休的人员，按照新的计算标准发退休金。老人是指2014年10月1日前参加工作，已经退休的人员，按照工龄发退休金。

而中人是2014年10月前参加工作，2014年10月后办理退休手续的人员，是一类比较特殊的群体，国家为他们专门设定了10年的过渡期，计算取新方法和旧方法中钱多的来算，另外增加一笔过渡性养老金。

在养老金并轨后，中人退休待遇成为大家最为关心的话题。目前在全国只有少数几个地区补发中人退休金，而各地区中人数量庞大，有很多人还未拿到退休金补发部分，因此核算发放的具体实施工作也成为一大难题。

不过随着少数地区开始补发，也给了大家信心，相信在未来所有中人都能享受到应有的退休待遇。 查看全部

想用机器学习提升业务价值，在搭建平台、处理数据、训练算法之前，真正要做的第一步应该是什么？
本文会从几个方面分析这个问题：
第一，机器学习是不是万能良药？我们首先需要想清楚,机器学习作为特别牛的技术,它能解决什么样的问题。
第二，一个业务问题，可能有各种千奇百怪的坑，假设我们初步判定可以通过机器学习来解决他，那么应该通过怎样的转化，避开这些坑，把业务问题变成机器学习的问题。
第三，如果有一个好的可以转化成机器学习的问题，我怎么去设计机器学习的开发节奏，估算它的投入产出比，如何分阶段去推动问题的建模和应用。
这就是今天要介绍的，机器学习的MVP。

机器学习的最小可用产品

现在的互联网技术，接受的一个概念是最小可用产品，MVP，就是开发团队、设计团队用最小的成本代价，最大程度去验证产品的可行性。这个产品的可行性，是指这个需求是否真实存在，一个产品满足需求的方式是不是对的。

机器学习也是一样的，我们做机器学习的投入是长期的、持续的，带来的收入和回报也是巨大的，在开始之前，我们一定会希望以比较低的成本知道：现在引入机器学习是否可以影响我们所面对的业务，产生价值的潜力有多大。

那么把一个业务真正用机器学习做之前，我们可以用两步，做一个机器学习的 MVP：第一步：我们要选择正确的业务问题，并不是所有的问题都可以套在机器学习的框架里，有些适合机器学习解决，有些不适合机器学习解决。在任何的技术项目管理中，用差的方法解决好的问题，一定优于用好的方法解决错误的问题。
第二步：当我们找到一个机器学习可以解决的问题后，我如何通过最小的时间和人力代价，去证明机器学习可以解决它，带来满意的投入产出比。选择正确的问题：从分类器开始

首先我们看看机器学习擅长解决什么问题。我举一个例子，就是周志华老师的西瓜书讲的例子，它很经典，也很简单，还很深刻，这个问题是说我要判断一个西瓜是好的还是不好的。

这个问题的业务场景是什么呢，一个西瓜，我怎么在不交易、不打开的情况下，就知道它是好的还是不好的。如果我知道，我就可以用同样的价钱买到更好的西瓜；而如果我是瓜商，有了一套标准之后，我就可以更好的管理我的货品。

回到这个问题，一个西瓜是好的还是不好的，这是典型的机器学习二分类问题。首先我们要找到，判断这个西瓜好不好有哪些可以用到的数据。我们不能把买卖西瓜之后的数据放进去分析，比如买了西瓜之后，我打开就知道好不好了，那么这个就没有价值。

所以我必须在不破坏西瓜的前提下，这时候能用到的数据是西瓜的产地、西瓜的纹路、重量、比重、敲击西瓜的声音是浑浊还是清脆、西瓜皮的质感等等，这些不打开西瓜的情况就知道的数据。

刚刚我们的目标已经讲得很清楚了，好的还是不好的，好的是 1，不好的是 0，甚至我还可以定义一个评分，0 到 1 之间的一个数，但总体而言我可以设定一个机器学习的目标，我们称之为 Label。

选择正确的问题：真实世界模型

这看起来是一个很简单的场景，好像一旦我们具备了这样的数据，就可以尝试建立机器学习模型了。然而在现实中，当我们想用机器学习来解决实际问题时，也会这么简单么？真实世界中往往是有很多陷阱的。这些陷阱可能有什么呢？第一，西瓜好不好，是怎么定义的？是大？还是甜？皮厚不厚？瓤脆不脆？如果建立这个模型是为了西瓜的售卖，这些因素可能都会评价的因素之一，模型学习的样本也都需要基于这个标准来建立。如果我们仅仅是基于西瓜大不大来定义样本，而实际的应用场景是综合判断西瓜好不好，那么可能会得不到想要的好的结果。
第二，西瓜好不好，是以什么为标准的？是用科学方法和仪器测量的？还是专家评测？如果是后者，评测者是同一个人么？如果是不同的人，大家对好西瓜的判断标准一样么？ 现实情况中，很可能是不一样的，那就要想办法消除Label的偏差。
第三，互联网的场景下，往往是需要满足所有人个性化的需求的 。有些人喜欢甜的西瓜，有些人喜欢脆的西瓜，那将问题定义为分辨好的西瓜是否还合适？因为每个人对好西瓜的定义不一样，这个问题可能就转化为了推荐一个西瓜给一个用户，他（她）会不会喜欢。
第四，真实的应用环境是怎样的？假设我们需要一个在线实时的西瓜分类器，拿到西瓜那一刻马上判断它好不好，那是不是有些当时不能马上拿到的特征就不能用了？如果好瓜的判断标准在不断发生变化，或者瓜本身的特性在不断变化，模型还需要能够跟得上这个变化，基于新的数据和反馈做自我更新迭代，这就是我们搭建模型更新的方法。可见，即便是简单的问题，我们都需要思考一下业务的方方面面，理清哪些因素，边际，个性化要素和基础设施是要考虑进去的。

选择正确的问题：业务问题的本来面貌

我们从西瓜还原到业务，任何一个业务能不能做机器学习，我们要看三个要素。

第一，这个业务的目标值是什么，它不一定是唯一的，但一定有主次。这个目标是否可以量化、收集反馈、客观观测的。什么叫客观观测，我说甜和你说甜，这个事情就可能不客观，那有没有一个客观的东西可以反馈。

第二，样本应该如何构造,样本不应该违反因果关系,y=f(x),x一定是我们业务场景中所能知道的信息。在西瓜的问题,就是打开西瓜之前我们能知道的信息,才可以作为x。同时，样本应该符合业务场景的真实情况，假设我们的业务是摸黑挑西瓜,我们看不见西瓜长什么样,我们只能敲,那西瓜的颜色就不能作为特征。

第三，样本的每一行代表什么意思，每一行应该代表西瓜的每次测量，然后才是选择哪些数据作为x，这些我们已经讲得很清楚。

当西瓜的问题说完后，我们来看看真实的业务问题是怎样的。

1.点击率预估

比如说我们看到的推荐系统问题——点击率预估。

一个推荐系统的目标是什么？它的终极目标一定是用户体验，但这个目标很虚幻，我们要把它量化，变成一系列可以测量的数据，比如说点击、观看时长、购买、好评等，这些就是y。然后我们看有哪些x，这些x代表的是我做出推荐排序的一瞬间，当客户请求时，在那个瞬间我知道的事情。我能知道客户的属性、特征，我能知道内容特征、上下文特征，但不知道最终这个内容是否有被展现和点击。我可以知道内容在这一瞬间之前被点击了多少次，但一定不是这个瞬间之后被点击了多少次，因为这样就穿越了。有了y和x，就可以构造样本了。我的样本比如说，我给用户展现了 10 条推荐的内容，这个的反馈可能是点击和观看，那么每一次的样本展现就是一个样本。

这里我们可以思考一个有趣的问题，当我们思考不同的特征对问题的影响时，比如说我们把展现作为一个样本，一个避免不了的问题是，我怎么知道这个内容是否被用户看到。

一种做法是我不去想这件事情，那么模型可能就是有偏的，比如说你认为这个样本没有被点击，但也有可能是没有被看到，但最理想的是把推荐到用户手机屏幕上的作为一条样本。

退一步，还有一个办法，就是把展现的位置补充回来，作为一个特征。然后请求的时候虽然没有这个特征，但是这个特征吸收了位置对于展现和反馈的偏差。

2.简历匹配再举一个场景的例子 —— 简历匹配。简历匹配是什么意思？它其实想预测的是，我给企业推荐了一个简历，这个人有没有被企业聘用，这看起来是个简单的机器学习问题。但是回到业务场景思考，这个问题有没有这么简单？对于内容推荐来说，用户有没有点击这个内容，点击后看多久，都是用户单方面的选择。但是简历有两个选择，第一个选择是企业通过面试、简历的选择，判断这个人是否适合企业。第二个选择是应聘者，他会不会去企业面试，而即便拿到了企业的offer，会不会被打动加入企业。

所以这就变成了多点、双向的问题，在这样的情况下，就需要对问题进行拆解。我们可以不直接做个人被企业招聘的事情，而是分开来做，比如说企业会不会邀请这个人去面试，以及这个人会不会接受企业的面试邀请，这样就能把问题做的更好。

解决正确的问题：小结

总结一下我们刚刚所介绍的MVP第一步：做机器学习，首先不是着急去建机器学习的模型，而是认真思考这件事情的业务场景到底是怎么样的。

总结下来一个机器学习能解决的业务问题，有这么几个点：

第一它是否能转化成分类/回归的问题

第二目标是否是容易获取、客观无偏差的数据。

第三是问题的预测目标，因果关系是什么，因果关系越简单越好，如果是多因多果，或者说描述“因”的相关信息不方便获取，那是否可以拆分成多个模型。特征往往是因的数据，或者是一些不是直接原因的数据，只要它不破坏这个因果关系。

第四是我们刚刚没具体去描述的, 就是这个问题是不是一个真的业务需求。

一个真的业务需求是指，在我们用机器学习做出预测后，业务能否可以根据这个预测结果而受到影响？这个影响点是否足够清晰、有效？因为业务人员会用对业务影响的结果来评估我们项目的效果，如果我们预测的结果并没有有效影响业务，即使这个模型再好，也不会发挥作用。

比如说推荐系统，我预测了新的点击率后，可以按照点击率倒排来影响业务结果。但如果是游戏呢？如果我们预测这个人明天有30%的几率付费，我该如何影响到他，我能不能影响他？

所以你一定要思考，你的预测结果会怎么在业务中使用，这个使用会不会对业务产生提升。如果你发现提升本身是很难的，那这本身就是个伪需求。然后你还需要思考，现在没有用机器学习的业务，它是用了什么方法和数据，现在的方法和数据有什么缺陷，哪些是机器学习可以帮到的。

当以上的问题都有清晰的回答后，这时候你就可以提出一个好的问题了。这时候你就成功 80% 了，而剩下的问题都相对简单了。

机器学习的投入

这就是我们MVP的第二步：在可控的人力、金钱投入下，构建一个有效的机器学习模型。

那什么是可控呢？1-3人月的投入，更多就会风险太高。我们会期望获得什么提升？Case by case，不同的业务不一样，有些业务比如说广告，1%的收入就是好几百万，而有些问题可能要提升好几倍才有商业价值。

在机器学习成本分配中，最大比例在机器学习本身，调参、特征工程、模型评估、模型上线这些工程的事情占了大量的时间，而问题的定义、数据的采集占的时间非常小，我们认为这是有问题的。

我们认为一个机器学习的项目，无论通过合作还是使用第三方平台的方式，应该把大钱花在采集好的数据，定义好的问题上去，甚至这要超过一半的时间。而另一半的时间，才是真正做机器学习模型的时间。

降低数据的成本

那我们怎么降低数据的成本呢？我给大家一些思考。

第一，除非必要，只使用采集好的数据。因为数据采集是一个有成本的事情，当一个公司的体系越复杂，它采集数据的成本就越高，所以除非这个数据采集起来很轻松，或者已经有了，你才会去考虑。

第二，如果你要开发新的数据，首先要考虑的是成本。开发新的数据源是有风险的。机器学习最怕的是说不清楚这是算法的问题，还是数据问题，还是问题定义的问题，所以让 MVP 环节中能出问题的环节越少越好。

前面我们介绍了问题定义的问题如何避免，而算法一般是不太容易出问题的，除非用错，而数据其实是很容易出问题的，所以我们尽量用简单、可靠、成熟的数据。

第三，我们讲到在建模的过程中，尽量使用成熟的工具。真正在数据处理，特征计算，和算法训练的这些过程中，大量的工作是可标准化，甚至可以用算法自动优化的，大量的坑其实也是可总结，或者说可以在产品引导中避免的。我们一直在研发的第四范式先知建模平台，就是在努力将建模过程中的know-how封装到产品中，让用户操作更简单，而且少踩坑，更有效的获得好模型。

总结一下，这一步总的思想是，能不制造新的风险点，就不制造风险点，能降低不确定性就降低不确定性。

如何Review机器学习的模型？

好了，做好了前面介绍的两步，我们已经有了机器学习的MVP，机器学习对业务的影响已经初见结论，如果业务有明显提升，那么祝贺你，找到了新的价值增长点，优化后一定还会有更大的提升潜力；而如果效果不明显，我们这里再给大家一些关于如何review，如何检查MVP的建议：首先要 Review 问题的方向是不是对的，模型的效果是否符合预期，模型的优化目标是否有明显的变化，比如优化的目标是西瓜好不好，优化之后是不是买到的西瓜好的变多了。如果不是，那就是这个问题没有解决。那还会有什么原因？是不是指定了错误的目标，用在了错误的环境，或者数据有问题。其实说白了，要么是目标有错，要么是模型用错，要么是数据有问题，基于这 3 点来检查。

在现实业务中，解决了一个问题，有时也会带来新的问题。比如说新闻推荐的系统，现在点击的人多了，那么是不是由于推荐，新闻变得更加娱乐化了，是不是新闻的点击变得更集中化了，这可能并不是业务上非常希望的，需要继续想办法来优化。第二步是 Review 数据，这些数据里面哪些起了关键作用，哪些数据是经验上认为会有作用的，但实际上没有的。那么重新检查这些数据，看是不是数据质量的问题，使得没有发挥应该发挥的作用。还可以看下一步我们可以引入哪些新的数据，数据最好一批一批引入，我加入一批，一次性开发结束。第三步，当我 Review 上面的事情后，我要制定下一步的方案，往往是我会有新的、更多的数据。我也可能会调整目标，有可能是目标错了要改，也可能是增加目标，原来一个目标不够了，我要加入好几个新的指标，使模型变得更平衡。还有就是在工程上，看性能能不能优化等。 查看全部

第一，机器学习是不是万能良药？我们首先需要想清楚,机器学习作为特别牛的技术,它能解决什么样的问题。

第二，一个业务问题，可能有各种千奇百怪的坑，假设我们初步判定可以通过机器学习来解决他，那么应该通过怎样的转化，避开这些坑，把业务问题变成机器学习的问题。

第三，如果有一个好的可以转化成机器学习的问题，我怎么去设计机器学习的开发节奏，估算它的投入产出比，如何分阶段去推动问题的建模和应用。

第一步：我们要选择正确的业务问题，并不是所有的问题都可以套在机器学习的框架里，有些适合机器学习解决，有些不适合机器学习解决。在任何的技术项目管理中，用差的方法解决好的问题，一定优于用好的方法解决错误的问题。

第二步：当我们找到一个机器学习可以解决的问题后，我如何通过最小的时间和人力代价，去证明机器学习可以解决它，带来满意的投入产出比。

第一，西瓜好不好，是怎么定义的？是大？还是甜？皮厚不厚？瓤脆不脆？如果建立这个模型是为了西瓜的售卖，这些因素可能都会评价的因素之一，模型学习的样本也都需要基于这个标准来建立。如果我们仅仅是基于西瓜大不大来定义样本，而实际的应用场景是综合判断西瓜好不好，那么可能会得不到想要的好的结果。

第二，西瓜好不好，是以什么为标准的？是用科学方法和仪器测量的？还是专家评测？如果是后者，评测者是同一个人么？如果是不同的人，大家对好西瓜的判断标准一样么？ 现实情况中，很可能是不一样的，那就要想办法消除Label的偏差。

第三，互联网的场景下，往往是需要满足所有人个性化的需求的 。有些人喜欢甜的西瓜，有些人喜欢脆的西瓜，那将问题定义为分辨好的西瓜是否还合适？因为每个人对好西瓜的定义不一样，这个问题可能就转化为了推荐一个西瓜给一个用户，他（她）会不会喜欢。

第四，真实的应用环境是怎样的？假设我们需要一个在线实时的西瓜分类器，拿到西瓜那一刻马上判断它好不好，那是不是有些当时不能马上拿到的特征就不能用了？如果好瓜的判断标准在不断发生变化，或者瓜本身的特性在不断变化，模型还需要能够跟得上这个变化，基于新的数据和反馈做自我更新迭代，这就是我们搭建模型更新的方法。

然后我们看有哪些x，这些x代表的是我做出推荐排序的一瞬间，当客户请求时，在那个瞬间我知道的事情。我能知道客户的属性、特征，我能知道内容特征、上下文特征，但不知道最终这个内容是否有被展现和点击。我可以知道内容在这一瞬间之前被点击了多少次，但一定不是这个瞬间之后被点击了多少次，因为这样就穿越了。

再举一个场景的例子 —— 简历匹配。简历匹配是什么意思？它其实想预测的是，我给企业推荐了一个简历，这个人有没有被企业聘用，这看起来是个简单的机器学习问题。但是回到业务场景思考，这个问题有没有这么简单？对于内容推荐来说，用户有没有点击这个内容，点击后看多久，都是用户单方面的选择。

首先要 Review 问题的方向是不是对的，模型的效果是否符合预期，模型的优化目标是否有明显的变化，比如优化的目标是西瓜好不好，优化之后是不是买到的西瓜好的变多了。

第二步是 Review 数据，这些数据里面哪些起了关键作用，哪些数据是经验上认为会有作用的，但实际上没有的。那么重新检查这些数据，看是不是数据质量的问题，使得没有发挥应该发挥的作用。还可以看下一步我们可以引入哪些新的数据，数据最好一批一批引入，我加入一批，一次性开发结束。

第三步，当我 Review 上面的事情后，我要制定下一步的方案，往往是我会有新的、更多的数据。我也可能会调整目标，有可能是目标错了要改，也可能是增加目标，原来一个目标不够了，我要加入好几个新的指标，使模型变得更平衡。还有就是在工程上，看性能能不能优化等。

在把潜在可行概念转变为盈利的产品之前，你必须通过从真实用户那里收集现实的反馈意见，否则你将无法判断自己的产品能否直击用户痛点。
今天，我要分享一些行之有效的战略，产品开发人员可以运用这些战略在产品上市之前，测试市场对它的反应。

我希望这些策略不仅能帮助你了解用户的真实想法，也尽可能减少执行的麻烦。编者注：本文作者为Mark MacDonald，澳大利亚移动开发公司Appster的联合创始人兼联合CEO。注意：在你运用这些策略之前，确保自己：1.能够拿出实际的东西——模型、框架图，甚至是草稿都可以，并将这些东西与潜在用户分享（在这个阶段，你的想法基本上还是言语，但用户需要一些能看到、听到或触摸得到的东西，这样才能将脑海中的想法与现实产品对接起来）。
2.学会准确阐述自己的想法，用最简单的语言解释它能够解决什么问题（所谓简单语言，也就是6岁孩子都能听懂的话）。
3.花足够时间来思考、推敲自己想要问的问题（在实战之前，确保自己非常清楚自己想要问什么）。
4.将自己与想法拆分，以冷静、理智的方式讨论问题（你的目标不是销售或维护自己的想法，而是以中立的态度将其呈现，从而收获客观的反馈，这对完善想法非常必要）。以下是7个测试想法可行性的免费（或接近免费）方法：
1.20美元的星巴克测试

（1）从取款机取出20美元，然后找到旁边最近的星巴克。

（2）友好地走到陌生人面前，从容地解释自己的情况：“不好意思，你有时间帮我一个忙吗？我的哥哥这周准备辞职，把一生的积蓄投入到我们准备创办的公司。我请你喝杯咖啡，你告诉我对我们的想法的真实感受好吗？仅此而已，没有其他意图，我只需要你的真实想法。”

（3）客观阐述自己的想法。讲话慢一点，清楚一点，同时保持眼神交流。在保持友好的同时，也不要过分热情。不管你带的是图纸、音频还是实体模型，都大方地展示给对方看。

（4）寻求对方的想法。如果他／她的回答过于客气（比方说看得出来想让你高兴），你可以问：“能给我这款产品会成功的三个理由吗？”确保对方的注意力放在你的想法上，而不是你们琢磨出这个想法费了多少功夫。集中精神听对方的回答，中间不要争论。

（5）感谢对方花费时间，祝他／她过得愉快。

（6）重复第2到第5步，直到自己身上没钱了。如果你感觉你还没有收集到足够多有价值的反馈，那么再取20美元，重复上述步骤。

20美元的星巴克测试能让你听到到许多之前没有意识到的批评或反对，而你可以根据这些意见来改进自己的产品。

2.“挨家挨户敲门”法

上述星巴克测试法是面对面获取反馈的一种办法，不过许多企业家都采取了另一种方式。

互联网企业家兼风险资本家Tony Hsieh通过直接给网站管理人员发邮件，收获了自己的第一批客户，该公司最终以2.65亿美元的价格被微软收购；之后，Hsieh成立Zappos并大获成功。

AppSumo的创始人Noah Kagan采用的也是类似的联系方式。他同样强调，在创业早期阶段，和客户亲自沟通非常重要。

借助互联网的力量就是第二种方法了：（1）设置一套针对自己的想法的问题，需深思熟虑，易于理解，表达清晰。
（2）将这些问题制作成在线调查问卷，并附上产品发布通知的注册链接。为鼓励人们参加调查，可以提供一些奖品（比方说有机会赢得亚马逊的礼品卡等）。
（3）如果你开发的是一款企业产品，可以使用谷歌搜索来找到潜在客户的姓名和邮箱地址；如果你的产品属于消费领域，则应利用好人际网络来吸引潜在用户。
（4）在领英、Facebook、Quora和Reddit等平台寻找相关群组，并给群组成员发送简短、真诚、个性化的调查问卷。
（5）不要发送空洞、垃圾信息或邮件，你应当像朋友一样，让对方能够花最少的时间完成调查。如果你的信息或邮件内容恰当，而且没有垃圾邮件行为，那么一些参与调查的人未来或许会成为你的用户。其中还有许多人甚至会要求与你在线视频，或亲自对话，来给予你更多反馈。

3.投票和调查

作为上一条战略的延续，你可以考虑利用网上调查的力量，获取市场对你的想法的真实反应。

可供选择的免费／付费调查工具很多，包括：

谷歌调查和Facebook广告工具；

PickFu等支持简单的A/B测试以及获取市场反馈的网站；

SurveyMonkey、Typeform等能够生成免费调查并分享的相关网站。

在编写、发送调查问卷的时候，记住以下几条基本原则：

（1）尽量简单，比方说使用白话语言，设置简单易懂的问题，并提供答案选项；

（2）为参与调查的网友提供一些奖品（比方说某项折扣或有机会赢取什么东西之类的）；

（3）永远记住添加邮箱注册链接，确保未来能和填写问卷调查的人直接联系，从而挖掘更多反馈。

4.测试广告活动，研究测试结果

许多广告平台会给新客户提供免费信誉，以此来吸引客户使用他们的服务。

谷歌AdWords、Facebook广告、领英广告、AdRoll、推特等等，都为新客户提供免费广告信誉，每月收费50美元到150美元不等。你可以通过谷歌来搜索到最吸引你的服务，注册获取免费信誉，然后遵循以下步骤：

（1）创建简洁的登陆页面，呈现自己的独特价值主张（UVP），并附上注册链接（当然，如果能有“预购”按钮就更好了，这样能够了解未来产品的真实预购情况）；

（2）将谷歌分析追踪代码以及行为召唤按钮（CTA）添加到网站中；

（3）进行广告活动，提高网站流量，并注意用户转化率；

（4）追踪使用注册链接的用户，了解他们的个性化需求，想要什么样的产品，以及最初为什么会注册。

除了获取的数据能够帮助你了解你的独特价值主张是否受到欢迎，测试广告活动法也能帮你找出最适合你的独特价值主张的流量渠道，一旦找准渠道，在产品真正上市并开始营销后，你就能收获最高的投资回报率（ROI）。

5.测试产品推广网站

betali.st等测试产品推广网站能够帮助你在早期使用者当中推广比较简单、还未面世的网站，并收集他们的注册信息，从而参与到产品测试和消费者反馈活动当中。

一般来说，这种推广网站都是免费的，不过，拿betali.st来举例，如果你选择付费的话，那么它的推广速度会快很多。

在启动测试活动之前，请遵循以下步骤：（1）创建简洁的登陆页面，呈现自己的独特价值主张（UVP），并附上注册链接（当然，如果能有“预购”按钮就更好了，这样能够了解未来产品的真实预购情况）；
（2）追踪测试结果，并与参与活动的人保持联系；
（3）在Reddit、Hacker News或特定论坛／在线社区上征求别人的反馈；
（4）不要尝试推销或出售任何东西，保持谦逊的态度，询问他人的真实想法，你会得到反馈的。6.见面会和活动

想要走出办公室大楼，和真实世界的人交谈？最好的办法就是参加特定的见面会和活动。

搜寻见面会和活动并不难，你可以在meetup.com和eventbrite.com等网站上搜索，这两个网站非常好用，可以一句产品的潜在客户锁定特定人群。

当你亲自参加一场见面会或活动的时候，记住你去那里是有任务的：多和别人聊天，询问问题，收集反馈，鼓励他人诚实／坦率地给出自己的意见。再次提醒，不要夸夸其谈，太过招摇或惹人厌烦。

当你对别人敞开心扉，友好地请教，而不是莽撞推销自己的想法或产品时，总能够得到更佳的反馈结果。

小贴士：准备一张两面名片：一面写上你的联系方式，一面写上网站的注册地址。比方说：“想要20%的折扣，请登陆www.xxx（你的网站）.com”

7.争取和成功企业家面对面交谈

利用好自己的社交及职业网络——例如为他人提供帮助，做一些免费工作，或组织介绍会等——这样你或许有机会见到你所认识的最成功的人（最好是1对1交流，如果实在没有条件，小组讨论也是可以的）。

如果你没法自己组织会议，那么可以礼貌地请朋友、家人帮助介绍。成功企业家往往和市场沟通频繁，即便他们不会成为你的客户，你也一定可以从他们身上学到很多东西，同时获得专业反馈，毕竟他们之前已经成功走过这一段旅程，而你才刚刚起步。在对话时，你应当努力保持礼貌和谦逊，吸引更多创始人的注意力，继而讨论你的想法。

记住：企业家们都喜欢帮助其他企业家，白手起家的更是如此，他们深深了解努力工作和人际网络的重要性。

如果一位成功企业家看到了你的想法的潜力，那么他可能会尽自己的力量帮助你，推动想法变成现实产品。 查看全部

编者注：本文作者为Mark MacDonald，澳大利亚移动开发公司Appster的联合创始人兼联合CEO。

1.能够拿出实际的东西——模型、框架图，甚至是草稿都可以，并将这些东西与潜在用户分享（在这个阶段，你的想法基本上还是言语，但用户需要一些能看到、听到或触摸得到的东西，这样才能将脑海中的想法与现实产品对接起来）。

2.学会准确阐述自己的想法，用最简单的语言解释它能够解决什么问题（所谓简单语言，也就是6岁孩子都能听懂的话）。

3.花足够时间来思考、推敲自己想要问的问题（在实战之前，确保自己非常清楚自己想要问什么）。

4.将自己与想法拆分，以冷静、理智的方式讨论问题（你的目标不是销售或维护自己的想法，而是以中立的态度将其呈现，从而收获客观的反馈，这对完善想法非常必要）。

（1）设置一套针对自己的想法的问题，需深思熟虑，易于理解，表达清晰。

（2）将这些问题制作成在线调查问卷，并附上产品发布通知的注册链接。为鼓励人们参加调查，可以提供一些奖品（比方说有机会赢得亚马逊的礼品卡等）。

（3）如果你开发的是一款企业产品，可以使用谷歌搜索来找到潜在客户的姓名和邮箱地址；如果你的产品属于消费领域，则应利用好人际网络来吸引潜在用户。

（4）在领英、Facebook、Quora和Reddit等平台寻找相关群组，并给群组成员发送简短、真诚、个性化的调查问卷。

（5）不要发送空洞、垃圾信息或邮件，你应当像朋友一样，让对方能够花最少的时间完成调查。

（1）创建简洁的登陆页面，呈现自己的独特价值主张（UVP），并附上注册链接（当然，如果能有“预购”按钮就更好了，这样能够了解未来产品的真实预购情况）；

（2）追踪测试结果，并与参与活动的人保持联系；

（3）在Reddit、Hacker News或特定论坛／在线社区上征求别人的反馈；

（4）不要尝试推销或出售任何东西，保持谦逊的态度，询问他人的真实想法，你会得到反馈的。

成功企业家往往和市场沟通频繁，即便他们不会成为你的客户，你也一定可以从他们身上学到很多东西，同时获得专业反馈，毕竟他们之前已经成功走过这一段旅程，而你才刚刚起步。

山行资本成立初衷就是杨浩涌和徐诗想更系统的帮助创业者，定位为辅导型基金。上周，浩涌用了大半天的时间跟一家TO B的公司讨论销售策略。我们选取了7条对于TO B类公司来说都会有启发的内容，与大家分享。 
1、早期销售走直销还是走渠道？

建议早期直销为主，未来所有产品都正规且有迭代之后，销售已经有最简单的模型之后，再考虑走渠道，不然早期会对渠道没有控制力。 

2、SaaS产品如何定价？

首先，定价方面可参考一些大的跨国公司的小企业版本收费方式。

要有针对小企业的软件的收费办法。毕竟对大企业和小企业收费是不同的，需要在销售产品时根据不同公司做大量的差异化。

好的定价模型：根据客户的承受能力，想方设法往承受能力去靠，找到一个理由。

或服务、或数据、或点位，销售靠到这三点上，也有可能是三者的组合。

早期，建议几种方式并存。

其次，定价策略。复杂的定价策略不会对销售端形成障碍，最终都是张表，对客户来说是reasonable的即可，需要客户感知，有些简单逻辑能够解释过去即可。

定价模型不要很复杂，价格肯定是公式来算出来的，计算公式要包在一个包里，标准版、收费版之类的，装进来的，就卖了，不讲什么计算资源计算能力等听不懂的东西。SaaS模式+包的可延展性，细节要藏在包里，做区别。

早期能找到逻辑最好，找不到也无所谓，但重要的是，要把销售额先做起来。

最后：初期就是建议简单收费。所有的计算方式放在包里。分为不同版本。要在数据及服务上做差异。 

3、早期的定价策略？

定价方式部建议一开始就定到位，比如产品有3万、5万，一开始定3万再涨价沟通会比较困难。如果觉得能定5万就5万，折扣的方式往外放，前几十个客户或者前几个月给折扣，续费的时候在几个月续费给折扣，或者涨价等。跟代理商也有政策，先把高价竖在那，再使用销售工具-话术。

销售是要运营的，运营团队针对销售的激励，根据公司战略调整是不同的，但后面算账的时候要提高利润率，折扣优惠等就往回收。用户的感知不会那么明显，不是特别生硬的涨价，降价也是带着条件的。硬涨和硬降都公司都有伤害。 

4、销售过程里面分阶段：

每个阶段有些标志性事件，在某个阶段死掉的时候去跟销售问原因、总结话术、讨论，根据每个阶段的情况做培训。把握好每个阶段，销售预测比较好做。

也有一些项目是跳阶段的。

需要有个系统跟进，或者早期excel管理也行。

大部分销售转化都是1个月或以上，那就简单分阶段，根据行业，找到跟踪方法，但还是要体系化，看转化率。 

5、销售团队建设和激励：

1）找出销售榜样，树立榜样价值观。

将团队中好的销售拿出来做推广，给其他销售一个榜样，标杆销售要把成为榜样的路径告诉其他销售。

关于销售团队价值观：首先，底线不能碰，定些规则和高压线，动了就翻脸，公司利益第一，不是个人利益第一，大家眼光要看长远不能只看眼前，公司大的战略目标要传递下去，如我们要做百亿美金规模的企业，所以要怎样怎样，留下的肯定是相信的人，再进来的人会受自己领导的影响。

其次，好的销售一定要愿意出来分享，自己牛不算牛，身边的兄弟牛才算牛。如果是个主管或经理，要升职，能不能找到比你还厉害的接班？团队氛围、小组PK的时候都要分享出来，愿意帮助别人的，提升空间也很高，从体制上鼓励这些人去做分享。

到一定规模之后，HR体系会支持，HR的氛围营造、分享东西、梳理、精神支持、帮忙review、避免山头文化等。

2）如何带销售团队：

7-9个人最小规模，多了管不过来。7个人每天都能辅导到位，leader一般不自己拿订单。主管以下面的人的任务拿提成。

经理就跟任务挂钩了，比较高的底薪+奖金了，很少一部分跟订单挂钩，后期更稳定一些，每个月要加任务。

主管：
1.一定要懂业务，否则管不住人，带着人去搞单是可能的，
2.价值观一定符合公司价值观，好的公司机会和升迁都会比较快，需要管理层不断去关注，聊的时候不仅仅是业绩，还要聊公司未来公司发展，不断跟他讲在这个团队里不仅仅是赚钱，还有哪些地方可以成长，跟着公司一起成长。
3.管理，如培训，一定要做，每个月都做培训，主管聚在一起，大家讨论，策略是什么，为什么业绩做得好，给每个主管做review，3-4个小时的review，不限时间，过程，管理动作全部过一遍，对业务的理解、客户获取等等都讨论透，好的地方认同，可改进的提出来，下个季度，大家觉得应该怎么样，必要的时候请外面的人来做些分享，培养氛围，要的是大家一同成长。review一般放在月初，拿出2天，肯定有价值。review是一对一的。大家讨论是一块的。

销售最忌讳的就是只谈钱只谈任务，最不稳定，外面一挖就走了。

3）阶段性激励：

中短期-物质驱动的，一定要出来几个很赚钱的销售作为榜样；

销售运营-跟当月的指标相关，指标数据化；

销售喜欢打节点，本周的第一名奖励红包等等，钱不多，但有个目标在，也好玩，内部PK的氛围弄起来，长期的东西一定要做，要把种子播好。

适合创业公司的，连技术都应该有狼性的，阶段性的不适应，可以用文化驱动调整，到后面还是这样，可能绩效考核会给通不过，团队也会觉得格格不入。简单、全情投入等都是必须的。

价值观的传输，是靠一帮人，中层，主管等等，从CEO自上而下，不停地讲，影响向自己直接汇报的人。

4）销售薪酬体系：

目标：低底薪+高提成

底薪比较低，3000块钱不好招，过渡招进来是5000块钱-3个月的试用期内。试用期结束，到3000。如果不是好的销售，保护也没用。

招人的时候问：你存款还有多少钱，没有生活保障，没有3个月拿3000块钱的思想准备，就别进来了，同时我告诉你好的销售在我这儿赚多少钱。top sales也可以跟他讲。

不要过度保护新员工，保护的小白兔后来也不太好成长——我们的观察。

有些人第一个月就开窍了，有些人3-4个月突然就开窍了。

现在的策略就是观察下看，留下来的怎么样。

跑一段时间，观察下什么样的人跑出来的业绩比较好。

早期找人，门槛设置还是放宽些，否则招不来人，一边跑一边观察总结不断调，很多时候是自下而上的。 

6、如何做销售团队培训？

普通销售培训：要更系统化一些，每个月10个销售进来，集中和隔几天培训都有，一天两次早晚，月度分享和review，最近的成长，下次的要求，甚至考试。中间穿插奖励、PK等；

每个阶段解决的问题不一样，天、月、季度、年度等讲的重点是不同的；

越是好的管理层，在长期上下得功夫越大。 

7、电话销售及陌生拜访：

电销有固定的转化率，每个销售一天正常100-150个电话，120个电话正常。根据转化率来跳出来，从结果要求倒推出每天应该打多少电话。

接通率低肯定是的，如3000个电话转化3单，1单提1000块钱，一个月工资就是8000。

想提高转化率，就得陌拜，但陌拜一天能拜访次数受限。

一天拜访8-10个要求，这还谈不上有效拜访。

打电话的价值是制造一次拜访的机会，仅此而已。找到一个联系人愿意继续跟我们谈。

那从这种角度来看，不考核电话量，考核陌生拜访次数。

慢慢，变成考核有效拜访量，下次可跟进的。

除了算账之外，如何能够在拜访时候更快地抓住客户兴趣：这个一定是从实践中来的，百分百的自下而上。

研发鼓励上前线，每个销售产品都要上前线，沟通会更顺畅，研发也会知道轻重缓急。

研发的主人翁意识会更强。这事直接带钱，会更high。

形成氛围，让研发上前线，比如每月至少要求一次。让他加班也不乐意，去前线感受一下，回来就不抱怨了。越多的人有全局观，这个企业会更好管，这是大原则。

山行简介：山行资本（Hike Capital）成立于2015年12月。 创始合伙人为赶集网及瓜子二手车创始人杨浩涌与前网易移动互联网部总经理徐诗。山行基金以投资Pre-A至B轮阶段为主，主要覆盖技术创新、泛娱乐生活和交易型平台等领域。目前已经投资瓜子二手车、春雨国际、土著游等公司。 查看全部

从“摆事实”到“讲道理”，你的逻辑还缺什么？什么人喜欢“价值观假设”？什么人喜欢“描述性假设”？ 为什么这两种假设可以让你的论证更简洁有力？
1、越重要、越复杂、越有争议的结论，越需要完整的证据链

职场上很多人有这样的想法：只要有工作成果，一切纷至沓来。

我是很欣赏这种心态的，只不过，工作成果不会自动变成同事和领导脑子里的信息，你至少要“送佛送到西”，向别人解释它们的意义，证明它们的可靠性吧？

就算你是个标准的“技术男”，高考作文的套路你一定知道吧？你要背一堆名言金句，让论点更精辟有力，你还要背上百篇素材，让文章更丰满。

职场上的汇报也是一个逻辑。
 
你还需要有证据。如果领导打断了你的汇报，说“你说的这事儿，跟你的观点，有啥关系啊”，这就是说，你的证据不能证明你的结论；如果领导说：“这些数据的前提和范围，你调查过吗”，那就是直接质疑你的证据本身。

越重要、越复杂、越有争议的结论，越需要完整的证据链。证据链不是一堆数据、个人观察的罗列，而是让证据之间，产生相互证明的关系。

很多时候，光“摆事实”，是没法“讲道理”的。 为什么呢？

2、事实性证据的天生缺陷

我们平常工作时，能摆出来的事实，有两类，第一类是个人的经历、观察、直觉：

“我在不少超市里都看到的这种洗发水，货架位置都很好，所以，我觉得可以代理这个品牌。”


“我朋友公司就用的这个系统，经常出故障，所以，我对这家供应商不是很信任。”


“个人经历、观察”的优点是可信度没问题，但它们常常陷入“以偏盖全”的质疑中。第一句，别人会说“你能去过几个超市？”；第二句，别人会认为“也许是你朋友公司系统维护的问题”。


第二类事实型证据是“专家意见、典型案例、各种研究调查数据”，这类证据看上去可信度更高，但它们往往针对整个市场的研究，缺乏个案的针对性。

所有的事实证据都是有缺陷的，一是因为它们都是用的归纳法，没法防止“黑天鹅”事件。第二，“相信”是一件非常主观的事情。如果“摆事实”，就能“讲道理”的话，这个世界就不会如此复杂了。再回忆那些激动人心的演讲宣传，并没有什么不大了的证据。

所以，让证据更有力的，往往不是证据本身。在“摆事实”与“讲道理”之间，一定隐藏着什么神奇的东西。

3、“价值观假设”和“描述性假设”

先看一个案例吧。

2001年，腾讯的QQ用户飞速增长，服务器烧钱也烧成无底洞，之前的投资人，电讯盈科的“小超人”李泽楷不愿再投，再加上投资回报已经很高了，就拉来了一个新的投资人，名不见经传的传媒公司——南非报业。南非报业花了1200万美元，就买下了李泽楷手上的全部腾讯股份，这部分股份到了16年后的今天，价值450亿美元。有人说，如果李泽楷不卖腾讯，他才是中国首富。

任何一笔投资，有买方，就有卖方，人人都有自己的投资逻辑，让我们来假想一下，2001年的这笔交易，双方的逻辑中到底隐藏着什么，让他们做出了相反的结论。

先猜猜李泽楷的逻辑：

证据：1999年以220万美元购入，一年多获利超过4倍。


结论：我们应该获利了结。

仔细分析一下，我们就会现，这个证据与结论的关系并不直接：一年获利4倍就应该了结？那2倍怎么办？亏损怎么办？

到底什么蒙蔽了我们，让我们无法发现其中的逻辑断层呢？因为在“摆事实”与“讲道理”之间，还隐藏着一条没有明说、但极其重要的判断：

4倍的估值涨幅，透支了腾讯未来的价值，所以应该卖出。

这种隐藏的证据，是一种假设，因为说话的人并不打算解释它，逻辑学称之为“描述性假设”，下面的逻辑中，都隐藏着“描述性假设”。

这套系统经过严格认证，可以满足一家大公司7*24小时的大部分售后服务需求

描述性假设：认证的内容中已经涵盖了服务的大部分售后需求

即使是一套经过严格认证系统，也很难满足一家大公司7*24小时的所有售后服务需要

描述性假设：售后服务的很多需求，是认证的内容无法涵盖的

说完了李泽楷的描述性假设，我们再来看看南非报业的逻辑中隐藏着什么：

证据：QQ用户的增长和高粘性，证明了中国互联网市场的巨大潜力和独特之处

结论：投资腾讯，勇做接盘侠

这个证据与结论的关系，就更间接了。之所以跟李泽楷的结论相反，因为中间隐藏的逻辑不是描述现状，而是一条描述未来的价值观：

在中国的投资一定会有丰厚的回报，而腾讯是目前最大的机会。


这种隐藏的证据，也是一种假设，逻辑学称之为“价值观假设”，下面的逻辑中，都隐藏着“价值观假设”。


加薪不必设上限，否则会使优秀员工流失。


价值观假设：效率比公平更重要


加薪应该设上限，要考虑大部分员工的心理承受能力。


价值观假设：公平比效率更重要

为什么这两种假设，对逻辑的影响那么大呢？

4、隐藏的逻辑，才是最核心的逻辑

在你试图证明一件事的时候，你必须知道，任何一句说出来的话，都会引发警惕和挑战。证据越多，漏洞往往也越多。而价值观假设和描述性假设有一个共同的特征，它们都是隐藏的，没有说出来。大部分人都会失去质疑的目标。我们有时觉得，别人说的话不太对劲儿，偏偏又不知道哪儿不对劲儿，就是因为其中包含这两种假设。

而且，当你的结论中隐藏着一个观点，你又不打算解释，你的言外之意就是，这还需要证明吗？难道别人不都是这么想的吗？

当然，这会引发下一个问题，如果是“不证自明”的观点，为什么这两种假设会导致不同的结论出现呢？

5、“现实是什么”和“世界应该是怎样的”

一位从事房地产的朋友跟我说了一件事：一个购房者根本不看不出2000元/平米的装修标准和竞品2500元/平米的差异，但对于房价便宜500元/平米，却相当敏感。

如果上面的是证据，你的结论是什么呢？

如果你使用“描述性假设”，你的结论可能是；我们可以降低装修标准，加大促销力度。

为什么这是“描述性假设”呢？因为假设的前提是“现实是什么”——如果品质体验相同，购房者会选择更便宜的房子。


如果你使用“价值观假设”，你的结论可能是：我们要大幅提高装修标准，把我们和竞品的差异扩大到客户可体验的程度，树立我们的品牌形象。

为什么这是“价值观假设”呢？因为假设的前提是“世界应该是怎样的”——我们的品牌应该代表装修标准更高的房子。

两种假设的不同，让我们多了一个判断对方性格的办法。

一个人的逻辑中，常常出现“价值观假设”，而且价值观比较稳定，说明他原则性强，也说明他具有某些理想主义的情怀。你可以试着分析一下罗永浩、贾跃亭等人的演讲。

相反，一个人的逻辑中，常常出现“描述性假设”，说明这个人现实感很强，做事比较客观，习惯于避免价值观的冲突。

当然，这两种假设中，尤其值得注意的是价值观假设，因为“描述性假设”背后也隐藏着一条“价值观”：未来就是今天的延续。

6、“价值观假定”是一个长期稳定因素

“我们认为，中国互联具有长期投资价值。”

正是基于这条价值观，南非报业一路收购别人不要的腾讯股份，还一直持股至今，只拿分红，从不卖出（连马化腾自己都时不时在减持），打败所有专业投资机构，创造了单一互联网项目投资回报的世界记录。

价值观，就是你认为值得为之努力的东西，比如“永远不要尝试作弊”、“冒险是创业者必备的精神”、“永远不要打价格战”等等，这些信念，你根本不想去证明。

人有原则，公司有企业文化，这些都会固化为“价值观假定”，长期稳定后，不去占用宝贵的思考时间，是一种简单高效的做法。

阿里开除“抢月饼”的员工一年后，又复聘，在很多人看来闲得蛋疼，但它符合阿里的“价值观假定”。阿里是电商的规则制定者，以前出现过腐败事件，所以，在它的文化中，不会去讨论“什么程度的作弊是可以接受的”这件事。

7.总结一下，假如工作汇报中出现了以下特征的逻辑：

A：含隐藏的子逻辑；


B：作者认为是不证自明的；


C：对结论有较大影响的；

那么一定是出现了这两类假定。

在传统的逻辑学中，它们都是“逻辑陷阱”，但我并不这么认为，想要说话简洁有力，就不可能回避这两种有力的逻辑武器。

而且逻辑是中性的，不是你“逻辑”别人，就是别人“逻辑”你。所以，我最后有三点建议：

1、思考要细要慢，对逻辑中的这两种假设，要反复推敲其合理性，职场新人最好跟有经验的同事探讨一下，别让自己把自已给蒙蔽了；沟通要擅于利用这两种假设，让自己的逻辑更简洁、更少证据漏洞；


2、在接受信息时，重点鉴别对方的逻辑中隐藏的这两种假设，是否具有欺骗性；


3、特别要注意“价值观假设”，它如果重复出现，就代表着不容挑战的企业文化、部门文化、领导的价值倾向？用好了，事半功倍；用坏了，头破血流。 查看全部

如果领导打断了你的汇报，说“你说的这事儿，跟你的观点，有啥关系啊”，这就是说，你的证据不能证明你的结论；如果领导说：“这些数据的前提和范围，你调查过吗”，那就是直接质疑你的证据本身。

所有的事实证据都是有缺陷的，一是因为它们都是用的归纳法，没法防止“黑天鹅”事件。第二，“相信”是一件非常主观的事情。如果“摆事实”，就能“讲道理”的话，这个世界就不会如此复杂了。

而价值观假设和描述性假设有一个共同的特征，它们都是隐藏的，没有说出来。大部分人都会失去质疑的目标。我们有时觉得，别人说的话不太对劲儿，偏偏又不知道哪儿不对劲儿，就是因为其中包含这两种假设。

计划管理职能的发挥是极其重要的，在实际运用中，高层、中层、基层管理者的职责不能相互替代，更加不能让高层管理者承担所有的职责，表面上看是高层管理者非常负责任，事实上是对于企业的伤害。
 
企业跟人一样是有机体，所以在它成长的过程中，也有着无法克服的三对矛盾：长期与短期、变化与稳定，效率与效益。这三对永远克服不了的矛盾，推动着企业的生命力，使得企业可以循环往复，以至无穷。
 
那么如何面对这三对矛盾呢？计划管理的职能正好解决这个问题。

计划管理是通过建立目标的方法，使得三对矛盾统一协调起来。计划管理认为高层管理者需要对策略性（公司）的目标负责，这些策略性的目标包括公司长期的发展、投资回报以及市场占有率的增长。由此我们可以看到，高层管理者要对长期和变化负责，换个角度说公司是否有未来，是否能够不断地变化，取决于高层管理者。计划管理认为中层管理者要对功能性目标负责，包括中期的发展、生产力水平以及人力资源的发展。由此我们知道中层管理者需要对企业的稳定和效率负责，也就是说公司是否具有高的效率，是否拥有合适的人才队伍，取决于中层管理者的水平。计划管理认为基层管理者要对日常操作性的目标负责，包括短期的发展、工作安排（任务为主的）、销售定额、成本控制以及生产力标准。由此我们可以得出结论，基层管理者对短期和效益负责，也就是说公司是否具有盈利的能力，是否可以降低成本、保证质量，取决于基层管理者的能力和水平。基层管理者对短期和效益负责

为什么很多企业平衡不了长期与短期、变化与稳定、效率和效益的关系，主要原因就是没有发挥计划管理的职能，而是让高层管理者负担所有的责任，无论是成本的问题、质量的问题、盈利的问题，还是人力资源管理的问题、效率的问题，统统都归为管理者的责任，并没有清楚地划分不同的管理者承担不同的责任和目标。

我们甚至犯了一个极其大的错误但是并不自知，这个错误就是，我们给高层管理者很高的待遇和权力，支付很高的薪资，但是他们却做着中层管理者、甚至基层管理者的事情，不断地为成本、品质和效率花费精力，他们并没有去促动变化、关注投资回报以及企业的未来，这就是中国目前的管理状态。

中层管理者负责公司的稳定和效率

经常和很多高层管理者甚至是企业老板沟通，但是很多时候我被问到的话题是管理效率和人力资源的问题，甚至还会探讨组织内耗的问题。其实企业是否能够培养人，发挥人力资源管理的效用，保持企业的稳定，是需要中层管理者的努力和付出，可以更直接地理解为人力资源工作应该是所有中层管理者的职责，而不是人力资源部门的职责，人力资源部门的职责是业务分工，而培养人和选拔人的工作是中层管理者自身的工作。

关于人的这个部分，也就是人力资源的管理，不是由人力资源部做的，是由企业整个中层管理者做的。为什么人力资源的工作是中层管理者负责而不是高层管理者负责，因为只有中层管理者才会面对企业所有的员工，高层管理者能够接触的员工很有限，只有中层才会广泛地面对所有的员工，而人力资源管理主要职能就是发挥所有人的能力，培养人和任用人。同时，如果中层管理者能够培养很多人，可以肯定这个公司是稳定的，所以，中层管理者最重要的贡献就是公司的稳定和效率。同样的情况也表现在质量、成本定额完成的情况中，当我们出现品质不行、成本失控、定额不能完成的情况，肯定是基层管理者有问题，要么就是基层管理者能力不够，要么就是基层管理者的精力不够，所以我们需要在这个时候，关注基层管理者的培养和提升。但是在日常管理中，这里问题最多，很多时候质量的问题都是由高层提出。成本的要求和标准也是公司高层管理者提出。公司会把成本和质量作为重要的管理内容，这一点并没有错误，错误在于作为公司最重要的管理工作--成本和质量控制，必须是由基层管理者来承担，而不是由高层管理者来承担，因为高层管理者在这两个问题上无能为力，无论高层管理者多有能力，但是决定质量和成本的是基层管理者，只有让基层管理者自己关注到这两个问题，并愿意为此付出努力，成本和质量才可以得到控制。但是在现实管理中，我看到的情形刚好相反，具有成本和质量意识的往往是高层管理者，而基层管理者反而没有成本和质量的习惯。我就看过这样一个有趣的现象，一次与一家企业老板聊天，他给我几页纸看，我很有感慨，因为老板用废纸打印出来给我，并告诉我反面的文件没有用了，这样可以节约用纸，我很欣赏这个老板的做法。到了下午，恰巧我需要打印一些文件给这个老板看，需要他的秘书帮助打字并打印出来，结果我看到相反的现象，秘书是一个每天都要打字和打印的人，但是我看到她只要打错一点，就会把整张纸废掉，重新拿出一张新的纸打印。我惊讶于这个现象，一个很少自己打印的老板非常珍惜每一张纸，一个每天都要打印的人却毫不珍惜纸张。因此，问题的关键是有关成本、质量的管理一定要基层管理者承担起来，否则不管公司多么强调，不管高层管理者如何身体力行，效果都不会太好，只要基层管理者发挥作用，成本和质量一定能够控制。所以作为一个高层的管理者，虽然很注重成本和质量，但是没有直接的意义，因为高层管理者对于成本和质量没有直接贡献，对成本和质量有直接贡献的是基层管理者，所以必须培养基层管理者具备成本和质量的意识，如果发现成本失控，品质不够，利润无法完成，一定是基层管理者不合格。高层管理者负责企业的成长和长期发展

高层管理者对企业的成长和长期发展做出贡献，中层管理者对企业的稳定和效率做出贡献，而基层管理者对企业的成本、质量和短期效益做出贡献。当所有的管理者都能够做出贡献的时候，企业发展的三对矛盾就得以统一协调，企业就可以获得稳定持续的成长，这就是计划管理的好处。 我经常和学生们讲，不要晋升得太快，一旦晋升到总裁的位置，就很危险了，因为“总裁，就是总是可以被裁掉的人”。这虽然是一句开玩笑的话，但是的确讲了一个道理，总裁总是可以被裁掉的，因为总裁对短期盈利没有直接的贡献，因此可以被裁掉。正向的理解就是，我们需要给予基层管理者足够的重视，因为基层管理者决定我们的质量、成本和盈利。但是，我们这一点做得并不好。我也常常反对末位淘汰，我并不是反对末位淘汰本身，而是反对末位淘汰的方法运用在基层管理者身上，因为这样导致的结果是质量和成本受到影响，如果一定要使用末位淘汰的管理方法，我建议在高层管理者和中层管理者层面运用。计划管理职能的发挥是极其重要的，在实际运用中，高层、中层、基层管理者的职责不能相互替代，更加不能让高层管理者承担所有的职责，表面上看是高层管理者非常负责任，事实上是对于企业的伤害。
 
我们最容易犯的错误就是：高管人员承担着所有的目标达成：成本、培养人才、质量、管理效率等，导致的结果是中层管理人员和基层管理人员变成了员工，拿的是中层和基层管理者的工资，做着员工的事情，而在这种情况下中层和基层管理人员也觉得很郁闷，他们没有什么成就感，好像什么都没有做，甚至需要他们做什么都不知道，真是得不偿失。 查看全部

计划管理认为中层管理者要对功能性目标负责，包括中期的发展、生产力水平以及人力资源的发展。由此我们知道中层管理者需要对企业的稳定和效率负责，也就是说公司是否具有高的效率，是否拥有合适的人才队伍，取决于中层管理者的水平。计划管理认为基层管理者要对日常操作性的目标负责，包括短期的发展、工作安排（任务为主的）、销售定额、成本控制以及生产力标准。由此我们可以得出结论，基层管理者对短期和效益负责，也就是说公司是否具有盈利的能力，是否可以降低成本、保证质量，取决于基层管理者的能力和水平。

为什么人力资源的工作是中层管理者负责而不是高层管理者负责，因为只有中层管理者才会面对企业所有的员工，高层管理者能够接触的员工很有限，只有中层才会广泛地面对所有的员工，而人力资源管理主要职能就是发挥所有人的能力，培养人和任用人。同时，如果中层管理者能够培养很多人，可以肯定这个公司是稳定的，所以，中层管理者最重要的贡献就是公司的稳定和效率。

但是在日常管理中，这里问题最多，很多时候质量的问题都是由高层提出。成本的要求和标准也是公司高层管理者提出。公司会把成本和质量作为重要的管理内容，这一点并没有错误，错误在于作为公司最重要的管理工作--成本和质量控制，必须是由基层管理者来承担，而不是由高层管理者来承担，因为高层管理者在这两个问题上无能为力，无论高层管理者多有能力，但是决定质量和成本的是基层管理者，只有让基层管理者自己关注到这两个问题，并愿意为此付出努力，成本和质量才可以得到控制。

因此，问题的关键是有关成本、质量的管理一定要基层管理者承担起来，否则不管公司多么强调，不管高层管理者如何身体力行，效果都不会太好，只要基层管理者发挥作用，成本和质量一定能够控制。所以作为一个高层的管理者，虽然很注重成本和质量，但是没有直接的意义，因为高层管理者对于成本和质量没有直接贡献，对成本和质量有直接贡献的是基层管理者，所以必须培养基层管理者具备成本和质量的意识，如果发现成本失控，品质不够，利润无法完成，一定是基层管理者不合格。

我经常和学生们讲，不要晋升得太快，一旦晋升到总裁的位置，就很危险了，因为“总裁，就是总是可以被裁掉的人”。这虽然是一句开玩笑的话，但是的确讲了一个道理，总裁总是可以被裁掉的，因为总裁对短期盈利没有直接的贡献，因此可以被裁掉。正向的理解就是，我们需要给予基层管理者足够的重视，因为基层管理者决定我们的质量、成本和盈利。但是，我们这一点做得并不好。我也常常反对末位淘汰，我并不是反对末位淘汰本身，而是反对末位淘汰的方法运用在基层管理者身上，因为这样导致的结果是质量和成本受到影响，如果一定要使用末位淘汰的管理方法，我建议在高层管理者和中层管理者层面运用。

前段时间，在我的社群里，有小伙伴问我：L先生，您平时要做的事情那么多，就我们所知，就有写公众号，回答知乎，管理社群，还有工作和家庭，您是怎么完成这么多事情的？我告诉他：其实远远不止这些，我还同时在写着两本书，谈着一个节目，写着五六个平台的约稿，开Live，开讲座，每天要应付各种合作需求，规划「智识学院」，还有阅读和学习……等等。

恰好，最近稍稍有些闲暇，把自己的时间管理系统重新整理了一遍，于是，打算正式回答一下这个问题。

希望能帮到每一位觉得时间总是不够用的朋友。

我采用的工具，非常简单，就是普通的待办清单（Todo List）工具。只是在清单的划分上，与其他人有些稍微的不同。

我把它叫做「AFD」方法——也就是三个清单：Action，Focused，Dessert。

网上有许多 Todo List 工具。比如最有名的三剑客：Todoist、滴答清单、奇迹清单。无论你用的是哪一款，都适用这套方法。

甚至，即使你用Onenote或者印象笔记，乃至Excel，都可以。

下面详述。

第一个清单：执行清单（Action）


很多人做Todo List，就是简单地罗列出自己每天要执行的事情。比如下面这样：
到超市买苹果交报告给老板完成方案第二版完成文章
……

不知道你有没有发现，这些任务中，其实存在一个问题：

它们的「颗粒度」是不一样的。

具体来说，「到超市买苹果」，就是一个非常明确、简单的行动——你不需要思考「买什么」「去哪儿买」「怎么买」，它所占用的「认知资源」是非常少的。

同理，「交报告给老板」也是一个非常简单的行动：发邮件，上传附件，发送，搞定。

但是「完成方案第二版」和「完成文章」，就没有这么简单了。

完成方案，可能包括理清逻辑、搜集数据、填充内容、制作图表、排版优化……完成文章，可能包括搜集论据、搜集资料、撰写大纲、准备案例、完成全文、修改……诸如此类。

它们并不是可以一步完成的工作。


如果我们按照这种方式划分Todo List的话，就很容易产生一种情况：当我们看到这些任务的时候，会瞬间产生一种迷惑：
我做到哪里了？我的思路是什么？我还需要做些什么？这会给我们带来「认知负担」。

不要小看「认知负担」——实际上，为什么我们经常会拖延？正是因为，这些认知负担，使我们产生了这么一个潜意识：


「这是一个复杂的任务，我没法立刻开工，我需要先理清思路。」

这就导致了，我们去完成它的「动力」被削弱，而「阻力」却提升了。

实际上，我们大脑的逻辑是非常简单粗暴的：我们倾向于去做简单的、不需要太多思考的事情；而排斥复杂的、需要大量投入的事情。

所以，我不会在Todo List里面写诸如「完成文章」这样的内容，而是会这样分解：
在Google学术上以xx为关键词搜索论文；读完10篇论文，印证和完善核心观点；列出文章大纲；准备案例（可考虑xx、xx、xx和xx，不少于3个）；
……

每一条细分任务，不但会分拆到最小的操作步骤，明确「我要做什么」，而且会写得非常具体：数量，目的，关键词，等等，都不会落下。

这样的好处是什么呢？当我看到这条任务的时候，我就可以立刻去执行，不需要一丝一毫的延误，也就完全排除了大脑产生「这个任务很复杂，先做简单的吧」这种念头的机会。

在我的Todo List上，我会专门开一个清单，将所有安排在今天的任务细化、分解，列出可以直接去执行的事项，让自己专注在行动上。

如何控制自己的念头，不要拖延？很简单，就是专注在执行上，不给它分心的机会。

第二个清单：聚焦清单（Focused）

很多人对「休息」有一个误会：休息，就是好好睡一觉，让精神得到恢复，减少身体的负担。

其实这是不对的。

对于体力劳动，睡觉是最好的休息方式，因为可以让肌肉得到放松。但对于脑力活动，睡觉能起到的作用是有限的。

更好的方式，是调整你的聚焦点，切换到不同的工作上，激活大脑的另一块区域。

为什么呢？

你要知道，经历一段高强度的工作之后，使我们感到疲劳的，并不是因为我们的能量损耗——实际上，有研究表明，大脑在高速运行时，其耗能并没有比休息时高出很多，甚至可以说没有太大变化。

使我们感到疲惫的，是对于这项工作的新鲜感减弱，导致我们去处理它的意愿降低。

人是一种极端需要「新鲜感」的事物。长时间思考同样的内容，会抑制大脑的活动，让人感到厌烦、疲倦、昏昏欲睡，乃至无法集中注意力。

很多人在这个时候，会以为自己困了，睡一觉就好。但其实，睡觉起到的作用，不是恢复精力，而是将这部分工作暂时从大脑中清除出去。等到睡醒重新工作时，它对我们来说，又是一项「新鲜的」工作了。

所以，更好的方法，是在你感到疲劳时，及时切换出去，去思考别的工作，做别的事情——哪怕这件事情同样也是高强度的。

这个方法，叫做分段工作法（莫法特工作法）。

我会建立一个清单，专门用来存放两个东西：
一是那些重要的、亟待解决的问题；二是正在研读和学习的论文、书籍等。

每当我工作累了，我就打开这个清单。一方面站起来走走、喝点东西，散步，一方面在脑子里思考这些问题。比如：

下周的行程和计划如何安排？

下一章书稿的内容如何组织？

下一次可以在社群里做些什么活动？

或者，打开之前没读完的书和论文，继续读下去，做笔记，整理逻辑和知识结构。

这非常有效。通常，过一段时间，等大脑又感到疲倦了，再重新回去完成前面的工作，思维会格外清醒。

甚至，能够重新从别的角度去审视，发现一些之前没有注意到的毛病。

第三个清单：成就感清单（Dessert）

我相信，你一定经历过这样的时刻：觉得厌烦、无聊，提不起精神，不想动脑子，无论是「Action」还是「Focused」里面的事情，一点都不想干。

这是很正常的。每个人的精神状态，总有低谷的时候，我自己也是。

但如果任凭这种状态持续下去，显然会严重影响效率，怎么办？

我的方法就是：事先做好一个「Dessert」清单，在里面放一些非常简单、无需动脑、没有时间限制的小事，比如：
整理书桌；整理电脑文件夹；搜集图片；下载资源；
……

诸如此类。

当精力处于低谷、不想思考时，就打开这个清单，逐一去完成。

一方面，这可以最大限度地利用时间，将这些不重要的小事分别做好。

另一方面，当你一项一项完成掉它们的时候，会慢慢积累「成就感」。

这种成就感，正是帮助你摆脱这种状态，让精神状态回到正常水平的最好武器。

通常，在做完2-3项「Dessert」之后，状态就可以回到一个不错的水平，开始去着手完成更重要的任务了。

与此同时，在做「Dessert」的时候，由于它们是完全机械、无需动脑的，思维会处于一个自由的状态。在这个状态下，可以放任它自由联想，也许会产生一些有意思的点子，也说不定。

等到状态回升，再把这些点子记下来，又是一种积累。 查看全部

L先生，您平时要做的事情那么多，就我们所知，就有写公众号，回答知乎，管理社群，还有工作和家庭，您是怎么完成这么多事情的？