先跑一个小实验，再决定要不要做计划

先判断你面对的是哪类问题

拿起你正在处理的一个决策，问三个问题：

1. 这个问题有没有已知的正确解法？（有 → 繁杂问题，照做就行）
2. 你能不能列出所有关键变量？（不能 → 可能是复杂问题）
3. 你过去的经验在这个问题上靠不靠谱？（环境变了就不靠谱 → 大概率是复杂问题）

如果三个回答是"没有""不能""不靠谱"，你面对的是复杂问题。接下来的所有动作都基于这个判断。

做错这一步的代价：把复杂问题当繁杂问题，你会在错误方向上投入越来越多资源。把繁杂问题当复杂问题，你会在不需要实验的地方浪费试错成本。

把"做计划"替换成"提假设"

传统做法是列一份执行计划。换一种方式：写下你对这个问题最关键的 1-3 个假设。

假设的写法有一个硬标准——可证伪。"我们的产品需要改进"不是假设，因为它永远对。"新用户流失主要发生在注册后第 3 天"是假设，因为你可以用数据验证它对不对。

每个假设旁边写两行：

• 如果它是对的，我下一步做什么
• 如果它是错的，我下一步做什么

写不出"如果它是错的"那行，说明你的假设不够具体，或者你还没准备好接受它可能是错的。

设计最小实验

针对最关键的那个假设，设计一个实验。最小实验的标准：

• 一周内能跑完
• 成本低到即使完全失败也不影响大局
• 产出的信号足够清楚——你能判断假设是否成立

不要试图设计一个完美实验。完美实验的准备时间通常比你的决策窗口还长。粗糙但快速的实验，比精确但滞后的实验有用得多。

一个常见的坑：把"做调研"当成实验。调研收集的是观点和意向，实验收集的是行为和结果。你问 100 个人"你会买吗"得到的信息量，远不如让 10 个人真的掏钱。

建反馈回路，盯信号而不是盯产出

实验启动后，你需要的不是"进度报告"，而是反馈信号。

区分两类信号：

• 验证信号：假设是否成立的直接证据
• 预警信号：实验正在偏离预期的早期迹象

提前定好：什么信号出现就继续推进，什么信号出现就暂停复盘，什么信号出现就直接止损。

反馈频率越高越好。日反馈优于周反馈，周反馈优于月反馈。反馈延迟每增加一天，纠偏成本就上升一截。

如果你发现自己收不到反馈——信息要过三层才到你这里，或者数据更新频率是月度的——先解决反馈回路问题，再谈实验设计。反馈回路不通畅，再好的实验设计也白搭。

根据反馈做三选一判断

一轮实验跑完，结果落进三个区间之一：

假设基本验证 → 把实验扩大一步。不是立刻全面铺开，而是扩大到下一个量级。10 人验证了，扩到 100 人；一个城市验证了，扩到三个城市。每一步扩大都当成新的实验。

假设被否定 → 修改假设，设计新实验。假设被否定不是失败，是获得了信息。关键动作：记录下"为什么原来的假设是错的"——这条信息比实验本身更值钱。

结果模糊 → 问自己：是实验设计有问题（信号不够清楚），还是问题本身就处在混沌边缘（短期内没有明确方向）？如果是前者，改实验设计重跑。如果是后者，接受模糊，同时保持多个低成本探索方向。

不要在结果模糊时硬做非此即彼的判断。在复杂环境中，"同时保持多个方向"是正常状态，不是犹豫不决。

六项动作一页清单

第一次跑这个闭环，从问题分类到第一轮实验结束，正常情况一到两周。

如果你发现自己在第一步就卡住了——说不清面对的是繁杂还是复杂问题——一个简单的判断方法：找三个对这个问题有经验的人分别给出解决方案。如果方案基本一致，大概率是繁杂问题。如果方案差异巨大甚至互相矛盾，大概率是复杂问题。