如何使用问题重塑的方法构建创新解决方案

简介: 问题的提出往往比问题的解决更重要,后者可能只是一个数学或实验技巧的事情。提出新的问题、新的可能性,从新的角度看待旧的问题,需要创造性的想象力,标志着科学的真正进步。——Albert Einstein 和 Leopold Infeld

解决正确的问题

问题的提出往往比问题的解决更重要,后者可能只是一个数学或实验技巧的事情。提出新的问题、新的可能性,从新的角度看待旧的问题,需要创造性的想象力,标志着科学的真正进步。——Albert Einstein 和 Leopold Infeld

通常来讲,很多公司都很善于解决错误的问题。我的意思是,大多数公司未能发现他们实际的问题到底是什么,或者说他们真正的机会在哪里,而他们擅长解决确实已经发现的问题,这仅仅是因为他们充分利用了现有的知识、经验和技能。

黑莓在持续地改进其物理键盘,因为它想把重点放到商务电子邮件上;柯达没有意识到它发明的数字摄影是颠覆性的;Blockbuster 拒绝收购 Netflix,因为它认为客户不会接受影片的投递服务(Blockbuster 是一家连锁 DVD 租赁公司,Netflix 最初提供的是 DVD 的“邮递”服务——译者注)。软件行业的另外一个例子是 2016 年 9 月推出的谷歌 Allo。Allo 的开发是为了成为替代 Facebook Messenger、WhatsApp 或苹果 iMessage 的消息传输产品。Allo 没有达到这个期望,因为它没有真正的差异化功能。它基本上只是另一个足够好的消息应用,没有解决客户的新问题,或值得解决的问题,它只是另一个类似的产品。

显然,公司未能认识到其主要问题或最大机会的原因并不唯一。由于国际竞争日益激烈,大多数行业已经认识到,如果一个产品不够好或对客户不够有吸引力,那么客户很可能会在其他地方购买别人的产品。作为回应,公司急于寻求新的方法来了解他们的客户需要什么。

但令人遗憾的是,这些公司往往并不善于搞清楚客户真正想要什么。除此之外,这些公司在构思新产品的时候思维跳转太快,最终可能没有解决真正的问题。

打造客户喜爱的产品在很大程度上依赖于问题空间:你有多了解你的受众,你对用户所面临的痛点和主要的问题有多么深入的了解。这意味着,问题的解决方案依赖于我们如何塑造(frame)问题。本文提供了不同的实践和工具,以一个真实的案例研究为基础,阐述如何使用问题重塑(reframe)的。

好的产品可以解决相关客户的问题

image.png

图 1:双钻石图

我们的问题陈述将会确定在开发解决方案、产品时的方向。在这种情况下,无论在开发解决方案的时候多么专注和高效,如果我们解决的是错误的问题,那么其结果永远不会令人满意。赛格威(Segway)就是一个很好的例子。2002 年,这种两轮的运输设备(指的是当时推出的自平衡运载工具和智能代步机器人——译者注)在市场上以令人难以置信的气势大张旗鼓地推出。它被誉为能够改变我们所有人出行方式的颠覆者。创始人预言,其销售量能够爆炸性地增长到每周 1 万台,公司的销售额将比历史上任何时候都快,达到 10 亿元。但这并没有发生,相反,该公司在前两年的销售量不到 1 万台,在前四年的销售量不到 2.4 万辆。没有人天生就需要赛格威这种产品。每个人都可以通过步行、自行车、摩托车和汽车出行。赛格威的失败是因为它没有专注于任何一种应用场景。它并不是解决客户在城市中以快速和舒适的方式从 A 地到 B 地这个问题的正确方案。

在针对来自 17 个国家的 91 家私有和公有公司的 106 名高层管理人员的调查中,85%的人强烈同意或同意他们的组织不善于问题诊断,87%的人强烈同意或同意这种缺陷带来了巨大的成本(你在解决正确的问题吗?)。

寻找更好的问题去解决

首先,重塑并不是分析。它不是寻找问题的根源,问“这个问题为什么存在?”。重塑要比这更早,也就是当你问“我们要尝试解决的问题是什么?”以及“这是要解决的正确的问题吗?”的时候。重塑指的是从大局出发并从不同的角度思考问题。其次,重塑并不是要找到真正的问题,而是要找到更好的问题来解决。

重塑问题的优势在于能够产生更多的可选方案,打开问题空间(实现发散性的效果),最终通过解决更好的问题来构建更好的解决方案。我们来看看 Thomas Wedell-Wedellsborg 在他的“你的问题是什么?”一书所阐述的一个简单样例。

假设你是一栋办公楼的业主,你的租户都在抱怨电梯的问题:它太慢了,不得不经常等待很长时间。有些租户威胁说,如果不解决这个问题的话,他们就要毁约。

当面对这样的问题的时候,大多数人都会直接想到解决方案:安装一部新的电梯,升级马达或者改机电梯的运行算法。这些建议都属于解决方案的范畴:这些解决方案都有一个共同的假设,在这个场景下,那就是电梯太慢。

image.png

表 1:电梯运行慢的问题(来源:你在解决正确的问题吗?)

但是,当这个问题被提交给大楼经理的时候,他们提出了一个更优雅的解决方案:在电梯旁竖一面镜子。这个简单的措施在减少投诉方面被证明是非常有效的,因为当人们有一个非常迷人的东西(也就是自己)可以欣赏的时候,往往就会忘记时间。

image.png

表 2:重塑电梯运行慢的问题(来源:你在解决正确的问题吗?)

竖立镜子这个解决方案非常有趣,因为它并不是最初所陈述的问题的解决方案,它并没有让电梯的运行更快。相反,它提出了对这个问题的不同理解。类似的方案包括播放音乐或安装洗手液。

重塑的流程

大多数人都认识到了上述的危险,那就是过快地跳入到行动之中。人们从匆匆忙忙的问题分析开始,迅速地采取行动,然后迟迟没有意识到他们正在解决的是错误的问题。他们持续采取行动,因为现在已经做出了承诺,然后一场可以预见的灾难就降临了。再去调整已经太晚了,所以肯定会被指责“执行不力”。这种方法会造成一个恶性循环。由于没有时间去问问题,我们在接下来的时间里面为自己制造了更多的问题,这反过来又让时间变得更加稀缺。即便在某个时间点,我们可能迟钝地意识到正在解决错误的问题,但因为已经承诺在先,所以也只能等待灾难降临。最终,难逃“执行不力”的下场,而不是使这个错误的问题得到解决,因为我们从一开始就没有在正确的地方投入时间。要逃离这个陷进,我们首先要正视问题诊断方面的两个错误假设:

对问题的深入研究是一个长期和耗时的过程:问题重塑提供了一些实践,让我们能够以简单而快速的方法寻找出更好的问题来解决。

在采取任何行动之前,必须要完成这种深入研究,并彻底理解问题:问题重塑是一个循环,它可以在快速迭代中应用,获得快速反馈。

重塑是一个循环:这是简短且慎重思考的重定向,它会将人们的焦点暂时转移到如何将问题限定到一个更高层次的问题上。这样带来的结果就是对问题会有更新或更好的理解。在问题解决的过程中,这个循环会不断重复。

该循环包含了三个步骤:

塑造:定义我们要尝试解决的问题

重塑:采用如下的实践,尝试在不同的角度思考问题:

跳出原来塑造的框架看问题

重新思考目标

审视闪光点

照镜子,反省自身

接受别人的观点

继续向前:这一步会通过为重塑的问题寻找解决方案来完成循环。

使用问题重塑的方法

在本节中,我们会在一个真实的案例研究中使用问题重塑的方法,并在所谓的“重塑画布”中总结我们的发现。

我们从第一步开始,也就是定义我们试图要解决的问题。在我们的案例中,我们会研究一下德国最大的储蓄银行之一。长期以来,它的核心业务是交易账户产品以及相关的费用。所以,人们会在使用常见的银行服务(比如存储资金,进行交易等)时为他们的银行账户支付费用。该银行的主要问题在于它面临着一个不断变化的目标年轻群体,也就是年龄在 18 至 26 岁之间的客户。如果失去了这个群体就意味着失去了一个重要的市场份额,从而会带来收入的减少。

如果我们直接跳到解决方案部分,那么可能会想出这样的办法:

降价

免费的新人礼包

与当地的合作伙伴协作进行打折

这些解决方案都是直接以保持年轻目标群体成为交易账户客户为目的。

我们暂时跳过这一步,继续进行循环的第二步,也就是重塑的步骤。

在这里,我们首先跳出原来塑造的框架。这包括超越自己原有的专业知识、思考更重要的事件以及寻找隐藏的影响因素或尚不明显的方面。我们已经超过了核心银行业务的竞争对手,而且现在认识到正面临着几个新的金融服务应用程序的威胁,这些应用程序专注于年轻客户的特定使用场景,比如端到端借贷或个人支出的跟踪。

接下来,我们重新思考目标,我们创建一个简单的目标模型:

image.png

图 2:逻辑目标模型

我们最初的目标是保持和增加交易账户中年轻目标群体的数量。更高层次的目标是让年轻的目标群体赚钱,并最终和他们一起实现业务的成长。在将目标扩展到更高层次之后,我们扩展了问题空间,允许有其他的解决方案。为了达成与年轻客户一起实现业务增长的目标,我们不再局限于交易账户相关的产品。

接下来,我们继续重塑的过程,那就是审视闪光点。在这个过程中,要寻找问题不那么严重的情况或地方,甚至可能完全没有问题的场景。注意,这种积极的例外情况可以会给我们提供一个看待问题的新视角,甚至可能直接指向一个可行的解决方案。我们有不同的方式去寻找这样的闪光点:

查看过往。是否有那么一段时间(哪怕只有一次),不存在这样的问题?

如果是这样的话,检查它的闪光点。看是否有什么线索能够提供解决问题的新见解?

如果分析无法产生新线索的话,那么能够重复避免出现问题的行为吗?能够重现闪光点出现的场景吗?

如果找不到闪光点的话,请思考是否解决过类似的问题?

我们对数字交易账户应用程序做了一些数据分析,并采访了一些年轻的客户,以便于找到潜在的闪光点。通过这种方式,我们发现了在数据使用和个人访谈方面的一个模式。这个模式就是年轻的客户喜欢我们的本地合作者网络(例如,与本地健身俱乐部合作提供折扣)以及本地的内容(比如,本地活动的推荐)。所以,这里的一个线索就是通过本地的独家内容和服务以吸引年轻的目标群体,将其定位为可信赖的顾问。

接下来,我们照镜子,反身自身。有时候,我们自己就是问题的根源。那么我们为什么不照照镜子,问问是不是自己造成的问题?在这里,我们得出的结论是,我们过于狭隘地专注于通过越来越多的折扣将年轻一代的客户留在交易账户之中,而不是思考如何满足这一代人需要的新服务。我们能够认识到这一点,是因为我们始终会想出相同的解决方案,而这些都不是真正创新的解决方案。

重塑过程的最后一步是真正接受其他人的观点。在采纳别人的观点方面,我们最大的问题在于从来不去询问别人的观点。我们不去询问别人的观点,直接进入解决问题的状态。因此,第一步就是要意识到这一点,然后询问尽可能多的观点。当我们回顾电梯运行缓慢的问题时,大多数人会简单地认为租户懒惰或不耐烦。很少有人能够想到他们之所以进行抱怨的理由,比如他们耽误一个非常重要的会议。

在我们的场景中,我们站在年轻人的角度进行学习,比如他们搬到了第一所公寓中或者刚刚开始第一份工作。我们在这方面使用了不同的方法:

通过进一步的问题访谈,了解年轻人主要的痛点,比如当刚刚从父母家搬出的时候

举行由年轻目标群体组成的焦点小组会议

在我们的银行分行周围进行现场走访

我们主要的发现是,年轻一代在进入大学或开始第一份工作之后,往往会寻求帮助,以开启他们新的生活阶段。他们会在职业建议、当地住房以及相关保险等方面寻求帮助。

在使用了不同的重塑活动之后,我们进入了重塑过程的第三步,也就是继续向前。在这方面,我们举办了几个思想研讨会,提出了不同的新商业模式和产品理念。最后,我们决定为生活方式伴侣应用构建一个 MVP(Minimum Viable Product),提供超越银行核心服务的本地服务。它的主要功能包括个人保险配置器、集成当地房产中介服务以寻找可承担的住房,以及通过分析个人消费习惯来省钱的提示。当用户通过应用程序签署住房或保险合同时,我们的收入由本地应用程序、订阅费和佣金所产生。

在这个过程中,每个步骤的结果在如下所示的重塑画布(Reframing Canvas)中进行了总结:

image.png

图 3:重塑画布 - 图片来源

总而言之,通过采用问题重塑过程,我们从一个问题和解决方案出发(这个解决方案就是通过降低价格试图将年轻客户留在交易账户产品中,从而导致我们在商品市场中,利润率不断下降)转向一个更广泛的问题定义,侧重于寻找与年轻目标群体匹配的方法。这种重塑促使我们进行创新并创建一个生活方式伴侣应用,在核心银行服务之外开辟全新的收入来源。

image.png

表 3:重塑之后的问题

问题重塑如何帮助软件团队

问题重塑方法并不局限于产品经理、产品所有者或用户体验专家使用。对于一般的软件团队来说,我们可以在多个领域使用它:

问题重塑可以在举行预先检验(pre-mortem)研讨会时为我们提供帮助。预先检验是一种独特的策略,在这种策略中,团队想象某个项目已经失败了,然后回头进行思考,以确定哪些因素可能会导致项目的失败。问题重塑有助于确定正确的问题表述,以确定要采取的措施,从而避免项目失败。它最大的好处是能够及早发现问题并暴露盲点。

另外一个可以采用问题重塑方式的领域是在敏捷软件团队的 Sprint 回顾(Retrospective)会议中。团队要识别应该解决的主要障碍,以提高团队的绩效。问题重塑支持对障碍的正确定位,以便在团队中共同研究有价值的解决方案。在我的经验中,障碍往往会快速提升到团队层面以上来解决,而不是采用重塑的方法(比如照镜子和讨论团队的影响范围)以缓解障碍。

软件团队也可以采用问题重塑的方法来进行新特性的构思研讨会。重塑有助于找到问题的其他陈述方式,从而便于思考,并打开更多的创新理念。

此外,问题重塑还可用于利益相关者管理。在这方面,有一个很好的方法,那就是从他们的角度出发,尝试了解每个利益相关者想要解决什么问题。

结论

在数字时代,重塑方法应该在产品经理或产品所有者的开发和营销产品工具箱中占领一席之地。它提供了一种可能性,即通过关注正确的客户问题来提出更多的创新解决方案和更好的产品。

然而,它并不局限于这个角色:敏捷教练、Scrum Master 和开发人员可以通过与不同的利益相关者换位思考,在与知识工作者和敏捷团队合作中,为某些障碍找到替代方法和解决方案,从而能够从重塑问题中获益。

参考资料
Wedell-Wedellsborg, Thomas. What’s Your Problem? Havard Business Review Press, 2020.

Wedell-Wedellsborg, Thomas. Are You Solving the Right Problems? Havard Business Review Press, 2017

Kroese, Jasper. Companies Are Brilliantly Solving the Wrong Problems. Marker, 2020

Chaitan, Reframing — A Very Powerful Tool for Problem Solving. Chaitan, 2020

D'ávila Bettina, Reframing the problem. NYC Design, 2019

作者简介:

Sebastian Straube 的职业生涯初期是一位专注于数字化转型和数字化战略的顾问。随后,他渴望实际执行战略并建立真正的产品。因此,Sebastian 成为了一名产品经理,主要开发电子商务应用程序和创新的移动应用程序。基于这一经验,Sebastian 想把他对产品开发的热情带给其他团队。现在,他是埃森哲商业敏捷性公司的产品管理和探索教练,帮助客户建立有能力的产品团队,开发卓越的产品。他的工作重点是产品愿景、产品战略和产品发现。

原文链接:

Using the Problem Reframing Method to Build Innovative Solutions

目录
相关文章
|
2月前
|
边缘计算 数据可视化 安全
数据驱动方式的发展趋势是怎样的?
【10月更文挑战第13天】
53 3
|
4月前
|
人工智能 分布式计算 大数据
大数据及AI典型场景实践问题之“开发者藏经阁计划”的定义如何解决
大数据及AI典型场景实践问题之“开发者藏经阁计划”的定义如何解决
|
6月前
|
人工智能 Cloud Native 安全
云原生技术的融合与创新:构建未来的软件定义世界
【6月更文挑战第5天】随着企业数字化转型的深入,云原生技术以其灵活性、可扩展性及成本效益成为推动这一进程的关键力量。本文将探讨云原生技术的核心概念、优势以及它如何与其他先进技术如人工智能和大数据相结合,为企业带来前所未有的效率提升和业务创新。
|
7月前
|
机器学习/深度学习 Cloud Native Devops
构建未来:云原生技术在企业数字化转型中的关键作用构建高效机器学习模型的五大策略
【5月更文挑战第29天】 随着企业加速数字化进程,云原生技术以其灵活性、可扩展性和敏捷性成为推动创新的重要力量。本文深入探讨了云原生架构的核心组件,包括容器化、微服务、持续集成/持续部署(CI/CD)和DevOps实践,以及它们如何共同促进企业快速响应市场变化,实现技术优势。文章还将分析采用云原生技术的潜在挑战,并提出相应的解决策略,以帮助企业在竞争激烈的环境中保持领先地位。
|
7月前
|
Kubernetes 云计算 虚拟化
云计算开发与部署:技术与实践的深度融合
云计算开发与部署:技术与实践的深度融合
183 2
|
7月前
|
机器学习/深度学习 Cloud Native 持续交付
构建高效机器学习模型的策略与实践构建未来:云原生技术在企业数字化转型中的关键作用
【4月更文挑战第30天】 在机器学习领域,构建一个高效的模型不仅需要深厚的理论基础,还需结合先进的技术手段和策略。本文将探讨一系列提升模型性能的方法,包括数据预处理、特征选择、模型调参以及集成学习等。通过具体案例分析,揭示这些方法如何在实际问题中得以应用,并讨论它们对模型性能的影响。文中还将涉及最新的研究进展,为读者提供前瞻性的指导意义。 【4月更文挑战第30天】随着企业加速其数字化转型之旅,云原生技术已成为推动创新和灵活性的核心。本文深入探讨了云原生架构的原则,包括微服务、容器化、持续集成/持续部署(CI/CD)、以及声明式APIs。分析了这些技术如何共同促进可伸缩性、敏捷性和容错性,同时
|
自然语言处理 监控 搜索推荐
场景化构建与核心价值|学习笔记
快速学习场景化构建与核心价值
242 0
场景化构建与核心价值|学习笔记
|
存储 敏捷开发 监控
如何使用云计算构建企业架构
企业在基于云计算的部署中,迁移其遗留基础设施并不容易,可能会遇到一系列技术障碍。而行业专家表示,企业的云计算之旅具有更多的价值。
259 0
|
大数据 数据采集 存储
1工业企业大数据平台构建的一些思路和方法
大数据平台统一管理、集中存储大数据资源,满足高并发,海量数据对高性能计算能力和大容量存储能力的需求,提供数据采集,数据计算,数据存储,数据分析,数据可视化等大量开放能力,确保各系统之间数据的互联互通和共享,为数据的全链条透明化、运营决策的高度智能化提供依据,尽早建立大数据平台具有重要意义。
1470 0
|
新零售 存储 安全
大数据全解:定义、价值及挑战
这些年,“大数据”一词已成为当下最热门的词汇之一。对于很多人来说,都不太理解什么是大数据?它比想象中复杂。大数据不只是一项数据存储技术,而是一系列和海量数据相关的抽取、集成、管理、分析、解释技术,是一个庞大的框架系统。
1690 0
下一篇
DataWorks