要從一無所有中殺出來，你需要什麼

原文首發於我的微信公眾號：GeekArtT.

最近幾天看了好幾篇不同地方的材料，有意思的是它們都在某一個方向上對我做出了相同的啟發。它們就像是重奏一般，不斷地驅使我在這個方向上深入向前。

我發現，在現實生活中，有一種能力極其重要，就是在凌亂的現象中，整理總結出出思路，發掘出新的有價值要點。它不同於科班出身的研究，在一堆已有規則下想盡辦法利用規則。相反，它是一種在開放式的遊戲中生存的必備技能。在這樣的開放式的遊戲中，沒有任何規則，只有一堆原始的繁亂的現象，需要你從一片空白中找出有價值的點，發現可以利用的機會，進而制定出一套可以行之有效的規則去幫助你更好地最大化收益。

這套玩法，是原始森林中生存下來最為需要的本領：在開放性的叢林中，找尋出自己的生存之道，然後一以貫之。如果東拉西扯發散一點，這套東西屬於自成一派的帝王之術，而不是從眾依附的隨從之術。這樣的能力，要求你具備冷靜的頭腦，在繁亂而聒噪的現象面前，能夠虛心聆聽，看到熱潮背後的一些東西，並能夠加以學習和利用。我將通過一些例子，來闡述這種能力的具體展現，以此作為如何運用的參考。

第一個例子源自於美劇Billions，又一部探討華爾街的熱劇。其中的主人公Alex在賽馬場講述了他自己的買馬經歷。在我看來，「買馬」是這樣的一項活動：具備大部分隨機因素以及小部分專業識別技能。它要求參與者能夠有能力去識別所謂的「風速」「馬兒健康程度」，得到最重要的「內幕活動」消息。這樣的專業人士，非常稀少。這不僅因為這一技能難以習得，更殘酷的是你根本沒有資源和資格去獲得某些消息。

在年少的Alex同樣不具備這樣的資質和資源，讓他成為可以識別到良駒的專業人士。他也和其他在賽馬場的人一樣，只能夠看到熱鬧的人群（被收割的韭菜也就是這群人啦），只能聽到各自的買馬觀點和偏見。

但不同的是，Alex在這堆繁亂的現象中，通過自己的觀察有了自己的思考。他發現，他雖然沒有能力識別出良駒，但他卻能夠辨別出「能夠識別良駒的人」，也就是那些大金主。他發現，重要的不是去觀察熱鬧的馬場，而是去分析無人注意的下賭注的信息牌。這些信息牌上事無巨細地展示了是誰在什麼時候下了賭注。他發現，那些金主總是下注很遲。於是，Alex默默地記下一些延遲下注者的名字，小心地跟風，下相同的賭注，賺了個滿盤缽！

我想，這個例子非常充分地展示了什麼叫做在繁亂之中，冷靜地運用清晰地頭腦，挖掘看不見的規則。這樣的能力，實際是在幫助你，自己去挖掘一個新的盈利點，自己去開創出一項新的事業。

第二個例子來自GQ上寫的咪蒙人物專欄。老實說，我個人對咪蒙的某些東西非常反感，對那些雞湯也好、無理智的分析也好，都抱有巨大的成見，並因之取關她的公眾號。但閱讀完GQ的不同角度的描寫與解讀，我發現了一些新的東西。我發現，如果我因她的無聊雞湯或撩動大眾G點而憤慨不已的話，那麼，我自己有和那些因為雞湯、因為非理性的情緒抒發而膜拜得不要不要的腦殘粉又有何區別呢？！無非是一個熱情擁護，另一個無情反對，但無論是哪一種，你都在咪蒙的掌控之下的。因為，在此刻，你的「反對」就是她成功擺布你行為和心智的最好證據。你其實並沒有跳出她所設定的框架，你依舊是在她為你設計的劇本下，乖乖地扮演角色，一個反叛的角色。

要真正地跳出她的劇本，需要你首先能夠心平氣和地接受「她的文章能夠帶來的異常影響」的客觀事實，然後以此為根基，深入分析與思考。而所用方法正是我之前文章所提到的：運用「發問」去逐步逼近，逐步讓自己去穿透那熱鬧的表現，去梳理背後的邏輯。如若想更進一步，可以嘗試去運用自己所總結出來的規律，看是否能夠重新她所帶來的影響。

在GQ的那篇報道中有這樣一句話，「偶然的成功讓她意識到自己一定做對了什麼。兩個月後，她在《如何寫出閱讀量100萬+的微信爆款文章》里總結了12點方法。」從我的角度來看，這又是一個展現「在原始森林中開疆拓土自建封地能力」的例子。很多時候，面對突如其來的機遇或者幸運，也就僅僅是高興激動一番，然後就到此為止了。但敏銳的人，不會就此止步，而是牢牢抓緊這一重要的線索，一步步地叩問「何以如此」，進而在實踐中去發掘能夠增加自我價值的規律。

你我只是看到了文章的粗鄙，但是卻無法跳出文章，看到大眾的本性，以及各大階層的慣性和認知的分界線。如果要進行更好的學術探索，這更是一個優秀的例子。你對階層的認知，對大眾心理的研究，完全可以通過運用你的這些成果所包含的規律，進行寫作和推廣，再看大眾是否會為你吆喝為你買單，再看市場是否會把你捧為熱點。這完全可以成為社會科學或商業科學的研究實驗室。

一旦你掌握了潛在的規律，看清背後買單者的意願，那麼所謂的商機或者價值輿論導向的控制權，也就是你囊中的小工具罷了。

規律性的探索方法，並不一定要從發生在你身邊的「好事」開始下手，挫敗和沮喪依舊會成為探索的重要線索。

在公眾號【亦無所知】的文章《Google關鍵詞挖掘細分市場實戰案例》中，作者亦仁給出了非常鮮活、細緻地如何探索市場需求點、發掘客戶痛點，然後據此再順藤摸瓜，分析出這個需求點的市場規模與前景，個個都極具啟發性。在這裡，我只取其中的一小段概要做論述：如何運用Google去挖掘Instagram的用戶痛點。

• 直接通過Google搜索Instagram，跳到網頁底部，去看「相關搜索」欄目。此時會發現「Instagram download video」，「Instagram download pictures」這樣的欄目。
• 提出問題：難道Instagram不支持圖片的下載？
• 轉到Instagram中，核實確認，Instagram確實不支持圖片下載。
• 再在Google搜索剛才得到的關鍵字「Instagram download pictures」。發現有6個網頁形式的產品，以Google Adsense或者付費服務作為盈利模式。
• 再去網頁流量分析的網站，如SimilarWeb，去核查每個產品的訪問量，並據此估算出這些產品通過Google Adsense能夠賺取多少利潤。
• 據此，你就可以去判斷「解決這一用戶痛點的產品」的市場價值。

非常厲害的市場分析和數據分析！

（插句題外話，在我看來，很多所謂的「數據科學家」其實是不稱職的。他們雖然科班出身，頭頂各種光環和學歷，掌握了各種屠龍之術，但是，卻對「現實的碎片」缺乏最起碼的敏銳和意識。在我的心目中，一個數據科學家的能力，不是體現在他能操作多少工具，而是他能有多敏銳地感覺出「細微數據」以及「細碎現象」。一旦發掘出了潛在的異常，就能提出正確的問題。有了正確的問題，就能夠知道應該運用什麼工具。我們的邏輯，一定不是根據工具找問題，而是為了解決問題去找工具！）

這裡，讓我們再復盤思考一下這些操作背後的東西。通常情況下，比如，當我們遇到Instagram無法下載圖片的時候，又或是遇到別的一些諸如公眾號文章的複製粘貼功能非常傻x的時候，我們會先去搜索引擎（通常也就是百度或者Google啦）把把脈，看看情況。要麼立刻搜到自己想要的結果，開心地走掉；要麼發現一堆不靠譜的解決方案沮喪不已，痛罵不止。特別是後一種情況，遇到沒有現成產品和解決方案的挫折時，正常人也就只會發泄情緒。可是，作為原始森林的開拓者，作為生活現象的達人級觀察者，他們不會放掉這些寶貴的線索，而是敏銳地意識到，這是一個真實的「用戶需求」！並且，你還可以根據自己受挫時的憤怒程度，來評估這份市場需求的強烈程度。所謂「敏銳的洞察者」，應當如是！

然後，是對「發現需求」的認真分析。常常，我們在生活中會聽到各種言論，諸如「微博已死」，「這都是很low的傳統行業，不掙錢」，「學這個東西已經沒有用啦，毫無前途」，「這是目前的流行趨勢，做這個肯定行！」。面對這些言論，其實我很想問一句，你們的這些結論的依據是什麼？如果參照科學的研究方法，那麼，一條最基本的標準是：一切結論都必須要有數據支撐。且不論數據的好壞與清潔度，請問你們的這些結論所依託的「數據」為何？

• 是根據自己的營銷經歷，通過自己推廣產品的實際數據來判斷「某個平台已死」？
• 是你們做過這個行業的生意，根據客戶反饋的真實數據來得出這樣的結論？
• 又或是你是某個學科出身，你的同行都苦逼得不行，根據行業的實際調查數據來得出的結論？

我想，很多時候這樣問下去，答案只會是：聽他們說。這就是非常不嚴謹、輕率地對待商業問題了。在《The Lean Startup》中，作者介紹了如何依託數據去創業的方法論。提出這一方法論的動機是這樣：市場千變萬化，你何以得知你的一個想法能夠得到市場的承認？僅僅因為你模仿了某個成功產品？又或是因為自鳴得意的理論上的推導，強制性認為用戶就是應該喜歡這樣的產品？作者的答案是，誰也不知道。那麼何以能夠區別出呢？答案是，做實驗。你應該立刻上馬一套能夠實現你想法的產品雛形，然後觀察用戶的反應。通過搜集到的真實的用戶反饋數據，再來加以打磨和改在你的產品。要點在於，要有產品雛形去市場做實驗來得到真實的數據，然後依據真實數據來做決策、下結論。而亦仁給出的步驟「再去網頁流量分析的網站，如SimilarWeb，去核查每個產品的訪問量」中，就巧妙地運用了這一點，利用別人的產品：「解決痛點的產品」+「分析網頁的工具」，去為自己搜集到真實的市場用戶反饋信息。有了這樣的真實數據，此時，你所下的「有市場」或「無市場」的結論，便有了牢固的立足點。

這幾個例子，都共同地在展現一件事情：要想能夠在一無所有的環境中存活，要想能夠真正地邁出創業的那一步，要想能夠依託自己而不是公司去養活自己，你必須要學會原始森林的玩法，也就是在「繁亂的現象」中找尋出可以為己所用的規律。而這一套東西，你的學歷、你的科班教育都沒有教給你。科班教育的這套「在規則之下如何玩耍」的東西，必須牢牢依附於自己所在平台。試想，萬一有一天你所在的行業或者平台不存在了，你將何以為繼？！你之前在某個體質或者公司下所具備的專業技能，是否依舊能夠支撐你在原始森林中存活呢？！

P.S：再做一個相對專業的裝逼類比：這套在規則之下玩耍的技能，就好比是機器學習的「監督式學習」（supervised learning），這也是目前最熱門而又相對成熟的數據分析技術。而「無監督學習」（unsupervised learning），恰好對應了原始森林的這套玩法，是目前的荒地，亦是未來的前景所在。可是，在想辦法讓機器學會這項技能之前，我們是否該思考一下如何讓自己獲得這一能力呢？

如果你喜歡我的文章或分享，請長按下面的二維碼關注我的公眾號，謝謝！