- 主題:BCG Way 假說思考:邊做邊學、迅速解決問題
- 起源:假說思考與 market sizing,一邊也還在看徐瑞廷教授的線上課程
假說思考的定義
- 蒐集資料、著手分析之前就先猜個八成有把握的「暫時答案」
- 後續則是慢慢驗證與修正此答案
- 是一種反向的思考方式與習慣,以答案為起點
- 從資料還很有限時,就馬上跳進去思考問題全貌與給結論
- 能使得最短時間有效達成目標,建立假說讓該做什麼事、該蒐集什麼資料變得一清二楚,加速驗證與迭代
- 一開始會切不到核心,但「邊做邊學」才真的學得到
假說思考就像下棋、或者像老練的學術教授、或者老練的醫生
- 職業棋手在下棋時,腦內有幾十種走法,但是要迅速篩出三個還不錯的,然後一一假設並檢驗,最後選最看似不賴的。
- 因為有經驗,所以直覺也會有 70% 準度,那剩下被拋棄的幾十種走法就不需要各自 dfs 下去
- 有經驗的教授會說「先寫論文,再來做實驗」
- 把教授給的假說先套進去,後面要做什麼就很清楚,如果做一做發現此假說不行再來修正
- 另一方面,先寫論文也能看出 outline。
- 老練的醫生也是。醫生不會每個病患都直接做全身檢查,而是根據病情去推斷可能病因。猜錯了就在做其他檢測、慢慢找到結論
- 做了再說、錯了再改。未來情況不明朗,這樣最有效率
不使用假說思考的惡性循環
- 給定一個問題,總想要漫無目標蒐集越多資料越好,同時分析也越多越好
- 但總是常常分析結果沒用上,時間卻花很多
- 於是又更賣力蒐集資料,更徹底分析的惡性循環
- 掌握問題核心,越來越耗費時日,甚至早在逼近問題核心前,就已經超時。
- 就像是數學的歸納法。見樹不見林。對事情尚未全盤了解,就不敢推進。
假說思考的好處
- 舊的方法拖累進度、也無助提高正確性,看不到核心,而且被資訊洪流給滅頂
- 「沒有作為,才是最大的風險」
及早建立假說,工作才能順利完成
- 常發生說在廣泛蒐集資訊時時間流失 → 導致「最重要的決策點,迫於期限將至而草草定案」
- 或者在要進行決策時、才發現有些資料還是漏掉,於是到最後一刻還在蒐集資訊
- 假說思考在資訊有限時給個 local minimum 答案,再來慢慢修正成 global minimum
- 企業顧問有效率的原因,是因為被訓練成要擁有自己的假說
- 相較之下,凡事要求立論根據「你的立論是什麼?你能證明他嗎?你憑什麼這麼說?」回答他只是浪費時間
- 這會讓整個決策越拖越久,又需要找更多資料輔助。而且先批判常讓事情很難前進。
- 等到假說驗證以後,再拿去提問主管就好(但他們也要懂假說思考)
用兩個星期建立起來的假說,其實和用四個月慢工出細活做完的分析相去不遠
- 案例:要說服客戶應該進入某國家的市場
- 我心中總有個疑問「老闆 Y 怎麼會在專案啟動後沒多久,就先知道客戶應該做這件事?」
- 甚至已經把空白簡報的 Storyline 寫好,要我去把下面的坑給填滿
- 一開始,對於這種沒有資料佐證的猜測我不太能理解,總感覺應該先瞭解全局,把資料蒐集完了以後,再來組織自己的觀點回答客戶的問題
- 那時我心裡會覺得不踏實。畢竟這和以前學生時期做報告的思維相反,老師總是要我們先去把整本書讀完,再回來寫報告。
- 甚至他們會皺著眉頭告訴你,不要亂猜。即便你的猜測很可能八九不離十,他們也覺得那是矇到的。
- 然而實際上,老闆 Y 可能以前做過數十個類似的專案,與上百名行業專家訪談過
- 就算不是每張 Slide 上他寫好的 Storyline 都正確,但至少大方向上是對的
- 細節上的偏差,只要我在蒐集資料的過程中向他提出,用合理的數據/資料佐證,就能在故事線不大改的情況下完成這項任務。
- 這樣的假說思考其實可以幫助我們在解決問題時少走很多彎路,把時間花在更有價值的事情上面。在解決各種問題的時候都是如此。
案例:幫客戶進行內部診斷,標出他們在市場上的競爭力
- 倘若這時候我們又以蒐集全面資料再來整理的心態進行訪談 → 那我們和客戶聊個三天三夜可能也問不出什麼 insight
- 客戶可能會分享他的創業故事、經營哲學、人才培育…這種很 generic 、但對解決問題沒多大幫助的話題
- 相反的,那次老闆 Y 要我先把 Slide 的架構給先搭建好,然後看缺什麼資料佐證,我們再在訪談中去問他
- 如此一來,我做的事情就變成:先根據我的假說猜測客戶在某指標上落後市場,把這樣的目的包裝成問題、放到訪談中
- 這樣整份訪談,都變成能產生 insights 的對話,含金量極高
- 如此一來也能避免寫了整份逐字稿,卻發現八成內容都和要解的問題無關的窘境
對自己已知的 biz sense/常識要有信心,時間花在刀口上
- 總體:產業現階段屬於成熟期、成長期,這個應該要很知道才對(biz sense)
- 總體:產業上的潮流趨勢,應該要有在關注才對 → 對此產業有一定的認知,很重要
- 個體:我的公司營運指標、競品分析、消費者的意識、第一線產銷的問題
- 有了這些後,大部分時間就放在解決問題上,不用再去探究那些常識、浪費時間
前瞻力、決斷力、執行力
- 洞燭機先,預測未來、即使他的能見度很低
- 有下決定的勇氣,風險能勇敢承擔
- 能動員組織、讓所有人上緊發條的號召力
熵值的比喻
- 數值越大,亂度越高越難做決策。幫助縮小選擇範圍,才是有用的資料
- 例如晚上約客戶吃飯,「我們吃法國菜、或是日本菜?你覺得他會喜歡哪個?」
- 使亂度變低 → 我調查發現他昨天跟其他人吃日本菜,我們吃法國菜才不會重複
- 使亂度變高 → 我覺得這兩個都退流行,我想說可以帶他去義大利麵餐廳
假說思考猜錯時,會拖慢嗎?
- 通常有假說的錯誤時,不會拖到一個月。只要一週就能檢驗出來。只要堅守「假說 → 實驗 → 驗證」通常在驗證就會被發現有錯誤,此時只要快速擬出新的假說就好
- 再加上通常舊的假說被推翻時,新的假說也已經呼之欲出
- 三個月的專案,兩週提出初版假說,後面都拿來修正
- 總結來說還是比舊方法快
公司這個龐然大物,要怎麼前進?
- 每個組列出 OKR,再根據大家 OKR 訂出整個公司的 OKR?因為每組最知道自己想要啥?
- 這樣會造成資訊爆炸,很難統整出目標(舊方法)
- 應該要先訂一個全體的 OKR 例如,改善現金流
- 然後下面每個組就跟著此 OKR 去做該做的事就好
- 將整體企業步伐調整一致,像是行軍
發現問題的假說 + 解決問題的假說
- 通常客戶給定的問題(論點)不一定對,要自己挖掘
- 此時就需要發現問題的假說,使用論點思考
- 有了問題後,就用解決問題的假說
假說 → 實驗 → 驗證
舉例:7-11
- 善用假說、實驗、驗證,類似 Growth Hacking 與 AB testing
- 例如:我有個假說是把味增跟豆腐擺在一起,銷量會變好
- 於是我就在各家 7-11 實驗,然後幾天後統計數據,更好就繼續、不好就改回來
7-11 的非酒精飲料銷路:驗證
- 假說:我認為減少客戶看得到的選項數量,能增加銷量
- 也就是說我認為「商品種類越齊全、結算的盈餘越好」是錯的
- 於是我把原本有 30 項產品,改到只剩 10 項產品
- 但是櫃子上還是擺滿的,只是產品類別變少、可是每項的數量變多了
- 結果盈餘成長 30%,為什麼?
- 可能是因為以前花太多錢買滯銷產品、暢銷商品反而堀兼變少
- 顧客找得到、而且隨時避免斷貨(每項的數量變多)
- 驗證正確
提升化妝品的營業額
- 給定部分資料,建立假說:「問題不在個別商品品質、也不是價格不夠好,而是行銷策略沒因應客層變化」「尤其分兩種變化:熟齡女子(Cash Cow)轉向年輕女子(stars),以及越來越多的男性客戶(Question Marks)」
- 分三部分:現狀分析、結論、建議
- 現狀分析
- 因為給定這個假說,你就需要以下幾項
- 產品與成本 → 呼應第一句話
- 行銷與通路 → 呼應第二句話
- 客層區隔與商品定位 → 呼應最後那兩種變化
- 有了這個空白簡報後,就把這些各自的論點補上
- 因為給定這個假說,你就需要以下幾項
- 結論
- 給定我們的假說,應該要能推論出「產品」都 ok,只剩「行銷、客層區隔」這兩項有問題
- 建議
- 給定我們的假說,應該會有這兩種可行方法:品牌再造,行銷策略的具體方案
- 至於怎麼實作,我們先列出這兩個之後,再來想細節怎麼補 → 例如,女性諄屬品牌由五個砍到三個,多出來的資源經營男性市場
- 例如:行銷開始捨棄化妝品店,改去做年輕人的藥妝與便利商店
- 可以看出做法都是「根據假說,先去推需要有什麼東西(現狀分析)、還有可能推出的結論,以及基於此結論,建議該怎麼給」
- 這些在還沒開始前,就能都先填好
- 填好之後,就繼續把我們的細節補上,其中有問題的就修改迭代
加工食品業的競爭(實用)
- 這個舉例給了「空白簡報」的好範例
- B 公司原本是高佔有率,後來有 C 公司開始蠶食鯨吞一些重要區域
- 為什麼C能做到?要如何避免 C 公司繼續擴張?
- 給定資料:「成本結構」「地區別市佔率」「地區別售價」
- 根據資料推出假說:「相較於B公司採取全國一樣的策略,C公司採取限定地區的行銷策略,所以成效好」「而且他們把生產據點設在緊鄰銷售地區,生產成本低廉」
- 有兩個假說,都需要被驗證
-
根據這個假說,我們去做出 story 大綱架構,在 BCG 稱為「空白簡報 Ghost Deck」
- 故事線上面,沒資料的就先不做,把有資料的 slides 先做好
- 難就難在於,要怎麼知道這整份 slides 該有哪些數據來增強論點?這時就回歸到假說上,試著證明假說是對的。
「相較於B公司採取全國一樣的策略,C公司採取限定地區的行銷策略,所以成效好」
- B 公司與 C 公司的「地區別市佔率(A)」是給定的,現在我們想用它來證明第一個假說
- 我們聯想到,可以去看C公司的業務人數、促銷費、廣告費,來推斷「他採取的限定地區的行銷策略」
- 於是就有了前面 4 張 slides
- 然後,我們看的是限定地區 v.s. 全國,所以也要考慮「B 跟 C 公司通路有所不同」
- 所以為了證明那個假說,我們多兩張 slides:B與C的銷售通路不同,以及C是否多用在優良通路
「而且他們把生產據點設在緊鄰銷售地區,生產成本低廉,獲利最後就比較好」
- 根據成本的假說,我們想說「規模經濟做不起來的小公司C,照理說生產成本較高,但他反而較低?原因大概是因為緊鄰銷售市場」
- 「B的銷售範圍遍及全國,就不緊鄰每個銷售市場,就會有物流庫存成本高的問題」
- 如何驗證?我們就需要F、G兩張 slides 來看成本
- 把生產據點跟市佔率畫在地圖上,看兩者關聯
- 還有推估他們個別生產據點的工廠成本
- 接著,我們也應該看「獲利結構」而不是只看「成本」:照理說C會這麼強,應該是因為他放棄某些市場(虧損的就放棄不做)、專注某些市場(賺錢的就多做一點),因地制宜
- 所以做H slides,去看各個地區獲利結構是否符合假說
-
延伸到Islides,對個別地區的重視程度差異,造成兩家公司獲利率有別
- 到這為止整份 story 就畫好了,雖然都還是空白簡報,但有了框架。
- 最後推出兩個建議:一個是捨棄全國統一策略,撤出部分賠錢區,專注在賺錢區,提高獲利率
- 另一個是正面對決,不管賠不賠錢,都進去C已經市佔率高的區,資源投入把他擠出市場
從全盤角度建立故事線。利用空白簡報避免見樹不見林。用想像力補足,就是假說思考。
建立假說
假說也可以從分析數據而來(但是是很粗略的)
- 假說思考並不是說,我必須要什麼分析都沒做、就要開始寫出假說
- 你也可以先稍微分析一點必要的,再來做假說
- 非酒精飲料、汽車市場舉例
- 但大多時候,分析是為了驗證假說。別期待從分析中得到新發現,然後歸納出東西,這種無頭蒼蠅方式沒效率。
三種切入點:對角思考、兩極思考、零基思考
- 對角思考:換位思考,從消費者、競爭對手、供應商角度思考
- 兩極思考:往違反常理判斷的方向思考,刺激創意。
- 假如 Gucci $900 包包賣不好,常理會想把他降價
- 事實上確實短期會賣更好,但是長久之後,你就沒理由升上去了
- 消費者甚至產生「人氣退流行」的想法
- 當然像是影印紙這種,就不可能賣不好還提高售價。
- 只是偶爾要逆向思考,認清自己產品獲得客戶支持的理由是什麼
- 零基思考:往初始化時的狀態思考,想想打掉重練時的模樣。
- 業績不好 → 人數砍兩成、成本降低 20% 都還做得到,
- 但如果我們要求人數砍九成、成本降低 80 %,就會發現「效率化有其極限」
- 舉例,原本有客戶申訴部門,但後來產品形式大改變,根本沒再用電話申訴了
- 此時就可以想,要不要把此部門直接人數砍 100%,全部收、徹底執行。
- 暫時跳脫現況,回到原點。創造性,避免被侷限
反覆問 So What? 加深假說的深度
- 假說跟觀察到的現象不同。假說需要包含可能原因
- 「員工效率差」不是個假說,要補上「為什麼會這樣?」
- 「因為員工文書作業太多,忙不來所以效率差」才是假說
- 一但這種「好的假說」驗證為真,就能立馬開始找具體解決方案
well-formed 的假說,能夠向下探究,也能與行動連結。
從訪談建立假說
- 舉例:廠商營收下降,「產品做這麼好,消費者還不捧場的原因?」
- 假說一、消費者嗜好轉移其他領域(國中生不買戰鬥陀螺、跑去買遊戲王卡)
- 假說二、通路末端價格競爭激烈,需求流向低價產品(末端價格競爭,就是削價戰)
- 假說三、使用者口碑帶動他牌商品買氣、被邊緣化
- 假說四、競爭對手提高對通路商(便利商店店員、藥局)的利潤分享,讓他們願意主動推薦
- 假說五、通路發生轉移現象(百貨公司 → 便利商店)
組織化假說:使用論點思考,論點樹
- 延續上面的例子
- 業績差就兩種可能,需求減少或餅被搶走
- 先看假說是需求減少:又有兩種可能
- 一種是產業的成熟期
- 另一種是轉移嗜好,像是遊戲王卡 → 彈珠超人
- 同業都面臨到需求不高,不是自己的問題
- 接著看假說需求沒減少,是自己打不過別人:
- 可能三種原因落敗,產品差、行銷差、銷售差
- 產品差
- 他牌的新產品太強 或 我的產品太爛
- 他牌有利多/我牌有利空消息,明明他的產品沒變、但是更多人去買了。
- 銷售差
- 價格戰,造成終端價格被越挖越低
- 對方提供給通路商更多好處,讓他們出手幫宣傳(如:藥局)
- 行銷差
- 好行銷、好廣告
透過驗證進行剪枝,像是意識到需求並沒減少、右子樹就不用看。只有留下來的子樹才需要繼續 DFS、想更細節的假說。
驗證
三種驗證法:實驗驗證、討論驗證、分析驗證
- 實驗驗證: 7-11 舉例,直接把味增湯與豆腐放一起,看銷量會不會變好。
- 聽聽市場怎麼說,刺激消費者潛在喜好的策略
- 小米發燒友,搶先體驗新功能
- Sony 一次上架 10 種 CD player,但都很少量。挑出賣最好的、迭代再次出十種。不斷更新
- 常常消費者也說不清為什麼自己喜歡,要賣了看到了才知道,只能透過實驗,不能只靠訪問
- 測試初次購買、重複購買、廣告與行銷的連動性
- 缺點是成本太大、花時間
- 討論驗證:就是找人討論,丟假說看反應
- 分析驗證:先求有再求好,小數點一位就好,說服自己最重要
如何才能產生 Hypothesis?
- 四種顧問產生假說的時刻:
- 和客戶討論的過程中、於專家訪談時、靈光乍現、深思熟慮時
- 在碰到問題時,把先前建立的 dots (知識點) 給連接了起來
- 錯誤的 Hypothesis 其實很正常,不正常的是我們花了太長時間、才意識到自己的假說是錯誤的,或是太過固執,堅持在錯誤的道路上狂奔
- 而有意識地多使用這種思維模式以後,漸漸的會發現自己很難接受海底撈針、地毯搜索式的問題解決方式
- 習慣假說思考以後,會發現難以和沒有假說思考的人討論事情
定性與定量分析
- 圖片來源:shenhaolaoshi
- 定性研究,其結果會以陽性(含有要檢出的物質)和陰性(不含有要檢出的物質)來表示。根據訪談記錄、經營者理念、消費者心理進行分析的定性分析。
- 定量研究,直接以數值來表示欲檢測的物質含量。以數據為分析主體。
- 通常先做定性再做定量
四種定量分析(quantitative analysis)
- 比較差異分析法
- 時間序列分析法
- 散佈分析法:看出正負相關
- 因數分解法
比較差異分析:原以為最無利可圖的「低價折扣店」竟然賺最多
- 假說:低價折扣店因為抽成低,其實賺的會比量販店還多。應該多鋪貨給這些折扣店。
- 一般來說,會覺得「低價折扣店」與「量販店」比較,後者才是優良通路
- 因為量販店賣的終端價格,通常與供應商預期的差不多貴,而且也願意接受供應商報價,比較能談
- 相較之下,折扣店就是都賣很便宜,進貨也比較隨便
- 但是經過定量分析,會發現因為量販店抽回扣抽太多了,造成最後銷售淨額是最差
- 相較之下,低價折扣店沒什麼抽成,於是淨額最好。
- 這些都是需要定量去看才看得到的 insights。如果只靠定性分析的直覺,可能就會舖貨都鋪在量販店,於是就賺不到了。
時間序列分析:多開分店賣車,並不會讓銷售額變好
- 假說:銷售據點增加,並不會讓賣出的車子台數變多,也不會提高市佔率。這些都是錯誤的想像。
- 於是就會需要定量分析來佐證我的假說。我們使用時間分析,把看的數據拉長期來看
- 可以看到,豐田雖然這幾年廣設據點,但是賣的數量反而下降
- 相較之下,本田雖沒繼續設據點,但是賣的上升
- 當然可能是其他的因素,在此就假設其他因素都一樣(例如:產品力、行銷力、銷售力)
因數分解分析:把問題拆解,找出根本原因
- 舉例:食品加工業市佔率偏低的原因
- 假說:產品品質都很好,顧客都會一試成主顧,但是市佔率偏低。我認為是因為我們的首購客本來就太少了,於是連一試成主顧的機會都沒有。
營業額
拆成平均單店營業額 * 經銷商家數
平均單店營業額
拆成每人平均消費額 * 消費總人數
每人平均消費額
拆成單價 * 購買量
消費人數
包含首購 + 回購
- 於是可看出,右半邊經銷商家數都一樣,就不管。影響的是左邊的平均單店營業額
- 接著看每人平均消費額也應一樣,所以不一樣的是消費人數
- 進去看數據會發現首購、回購都比對手少。此時可推估是首購就太差
- 結論:假說驗證後正確。回購客群的不足,是因為首購客的絕對數字太小的緣故。
- 建議:擴張首購客 - 提高行銷力與銷售力,產品力夠好了不用改變。
假說思考:小結
- 功效 - 加快工作速度、提高品質
- 再怎麼覺得奇怪,也要習慣「以結論為起點」進行思考
- 注重少量資訊的推論,萬一錯了,就從頭來過。
- 把身邊同事、家人朋友當作練習假說的對象
- 避免見樹不見林:story 的建立、空白簡報
- The manager has his eye always on the bottom line; the leader has his eye on the horizon.
Market Sizing
Market Sizing 怎麼做
- 通常認為市場大小的測算不精準,算出來的數字就是亂掰就好
- 顧問業經典的面試題目
- market sizing 從來就不是要精確的回答統計才能做到的問題,而是回答該不該進入這個市場,有沒有可能進入,是個賽道選擇的問題。
- 透過簡單快速的估算,取代費時但也未必準多少的建模研究,加速企業決策的過程才是market sizing 的主要目的。
估值幫助我們瞭解行業規模,讓決策者快速有個”感覺”,避免無謂的資源投入
- 請推薦幾個未來有潛力成為我們客戶的行業
- 「那這和我們現在覆蓋的 xx 市場比起來,哪個比較大,給個大概就好」
- 其實後來想想,這問題也很自然:不論這個行業再怎麼有吸引力,如果一年只有幾百萬的產值,就算全部吃下來,其實也沒辦法為公司賺多少錢,根本不值得花時間和人力投入
估值幫助我們快速判斷事實真偽
- 第二個例子,聊聊疫情開始前,行政院長的信心喊話:口罩供應充足。
- 那時候一月底疫情剛開始蔓延,然而政府卻說台灣口罩供應充足,民眾無須恐慌
- 其實只要透過簡單的 market sizing,就知道根本供不應求
- 台灣 2300 萬人,假設每天 8 成的人有口罩需求,平均 2 天換一次口罩
- 那麼 2300萬 * 0.8 * 0.5 片/天= 920 萬片
- 就會知道一天 400 萬片的供給量根本不可能足夠
- 如果套用在 business case 上,一個簡單的 來客數 = 客單價 * 營業時間 * 門市數量,再根據離峰尖峰細分,或許就能告訴我們「渾水」為何做空瑞幸咖啡,怎麼看出財務有問題的
數量級對了,就能幫助企業快速判斷賽道
- market sizing 可以怎麼用?
- 有次需要回答開採石油的海上人工島要多少錢
- 「我又不是工程專家,我怎麼可能知道?」
- 後來主管 Y 告訴我,他要的其實也不是精準的數據,而只是這個東西大概要花多少錢 → 是百萬美金、千萬美金、還是上億美金?
- 如此就可以快速的決定,預算只有千萬等級的客戶有沒有可能進入這個市場,如此而已