发现不少人不太习惯将概念梳理清晰。
概念模糊存在两个明显弊端：
第一，容易被他人忽悠。有些人会用一些难以说清的概念构建似是而非的理论，其逻辑经不起推敲，一旦执行，就容易一错再错。
第二，自己努力思考，却常常想不明白很多事情。要想透彻理解一件事，这件事所包含的元素必须清晰。如果每个元素都模糊不清，拼凑在一起就没有清晰的结构，最终只会是一团糊涂账。
一、概念模糊的实例
（一）“普通人”概念的滥用
在网上，们经常能看到各种带有“普通人”字样的帖子。许多论点和论据都围绕“普通人”展开，可“普通人”究竟是什么意思呢？是指肉体凡胎、能力平均、收入不高，还是没有特权的人？
营销号每天都在使用这个词，但几乎没人对其进行明确的定义，大家只是含糊地乱用。
如果“普通人”指的是肉体凡胎，那么只要有吃喝拉撒等基本生理需求的人都是普通人，这样一来所有人都属于普通人范畴。
要是“普通人”意味着收入不高，那收入达到多少才不算普通人呢？
若“普通人”是能力平均的意思，又该如何定义能力平均？是全方位低于人群中50%的水平，还是综合所有维度的能力取平均值，只要这个平均值处于人群中50%的范围就算普通人？那在考量能力维度时，具体要考虑哪些方面呢？比如，一个人除了围棋能力是世界冠军级别，其他方面能力都低于人群50%，综合平均后能力仍处于50%，这样的人算普通人吗？
要是“普通人”指的是没有特权的人，那么很多中产阶级“精英”是不是也属于普通人呢？
在讨论之前，几乎没人能把“普通人”这个概念说清楚，就盲目地为“普通人”出谋划策。如此一来，制定的策略必然会出现偏差，与现实脱节。
（二）视频背景优化中的概念混淆
在公司发生过这样一件事。公司的小伙伴们想要优化视频，他们总是嫌弃家背景太乱，还说其他博主背景干净，数据比好。然而，奇怪的是，那些背景干净的视频，数据并不比背景乱的视频好，甚至更差。
小伙伴们还想继续优化，但及时制止了。因为这里面混淆了两个概念：背景是不是家，以及背景乱不乱。
当博主的背景是自己家时，可能会给粉丝一种“温馨的感觉”，让粉丝觉得像是来家里和博主一起聊天。所以，背景乱的数据好，也许并非因为乱，而是“温馨”这个因素在起作用。
同样，其他博主背景干净数据好，可能也不是因为背景干净，而是因为那是他们的家，有生活的痕迹，这种温馨感提升了数据。
所以，们真正应该优化的，或许不是背景“乱不乱”，而是“温馨感”“亲密感”。
要是不认真思考、梳理这些问题，员工可能只会简单地认为：别人背景干净数据好，所以们也要把背景换成大白板。
这两个例子充分说明了把概念分清楚的重要性。如果思维缺乏这种“解剖”能力，思考就永远不够细致，很多事情即便努力思考，在他人看来也显得粗糙、差火候。
接下来，就和大家详细分析一下，如何拆解清楚概念、分析清楚问题，有哪些实用的方法。
二、拆解概念的方法
（一）反义词法
第一种方法是“反义词法”。当面对一个概念时，们要思考它的“反义词”是什么，也可以询问和们讨论的对方，让其说出这个概念的“反义词”。通过对方给出的反义词，实际上可以让对方阐明自己对这个概念的理解。
以“普通人”为例，们来看看不同的反义词所反映的概念理解。如果有人说“普通人”的反义词是“权贵”，那么他认为“普通人”就是没有特权的人；要是说反义词是“富人”，那他心中的“普通人”是没有很多钱的人；若回答反义词是“精英”，则表明他觉得“普通人”是能力平均的人。
再比如“恋爱脑”这个概念。如果对方说“恋爱脑”的反义词是“理性脑”，这意味着他认为恋爱本身没问题，但不应该不理性地追求恋爱；要是说“恋爱脑”的反义词是“不婚不育”，那就证明他对人类整个恋爱过程持否定态度。
在学习过程中经常使用反义词法。当导师、老板或者其他学科的朋友提到一个抽象概念，且这个概念无法用数据衡量时，就会让他们说出“反义词”，借此推测他们对这个概念的看法。而且，反义词法在各种学科的学习中都能广泛应用。
（二）多维度法
第二个常用方法是多维度论证。
就像前面提到的视频背景优化的例子，不能简单地把背景分为“干净”和“不干净”这两种情况。要全面考虑背景问题，需要从多个维度入手，比如：背景干净还是不干净、在家还是在办公室、是否有花草、冷色调还是暖色调、比例是否协调、是否有宠物、是否感觉舒适、是否感觉温馨、是否有食物、是否有水杯等等。
如果要优化背景，就需要对这些元素逐个进行分析和优化，这样才能实现真正的“优化”，而不是盲目地“拍脑袋”做决定。
是科研出身，做事情习惯在优化之前先提出“假说”，并且遵循单一变量控制原则。比如，要是认为背景混乱度导致数据不好，那么在优化时，就只能改变“混乱度”，而不能同时改变温馨度、舒适度、色调灯光和比例等其他因素。
这样一来，无论最终结果如何，都能得出清晰的结论，明确混乱度到底对数据有没有影响。
很多没有经过正式科研训练的人，在做测试时往往容易在这方面吃亏。他们可能会把多种因素放在一起测试，最后得不出有效结果，还会觉得科学方法不管用。
市场上常说的“AB测试”，掌握起来并不难，难的是精准地拆出“最小的A和B”。
以面包店为例，在优化面包销售时也有很多角度。面包的感知大小是否合理、香气是否合适、出炉时间要不要调整、油和糖的配比、软硬度、摆放在哪个架子、摆放角度、打灯角度等，这些因素都可能与面包的销量有关。
只有把这些因素拆解细致，才能开始进行AB测试，进而实现优化。要是面包卖不动就直接大改配方，很可能改完之后销量更差。
（三）画图法
还经常推荐画图法，尤其喜欢Dan Roam的餐巾纸画图系列。
他创造性地将思考的两个维度进行交叉。第一个维度（纵轴）决定了要用什么样的图表来描绘要素，比如用人像画人物、用地图表示地点、用流程表示经过等；第二个维度（横轴）则表明，每个要素在每件事里，都可以从简单或复杂、单个或比较、定性或定量等方面进行分析。
Dan Roam把所有思考都用图表体系表达出来。们可以把每一个思考元素都纳入Dan Roam体系，然后将这两个维度交叉，这样就能得到所有要素的图表表示方法，这对进行视觉思维非常有帮助。
比如，要比较瑞幸和蜜雪冰城这两个品牌，就可以用这个体系来画图。瑞幸有1万8千多家门店，蜜雪冰城（雪王）有3万6千多家门店；瑞幸终端销售额是62.7亿，蜜雪冰城是370亿。也就是说，蜜雪冰城的门店数量不到瑞幸的两倍，但终端销售额几乎是瑞幸的6倍。而且蜜雪冰城的客单价还比瑞幸低不少，这就表明蜜雪冰城的终端门店转化率是瑞幸的7 - 8倍以上，几乎比瑞幸高一个数量级。通过画图分析，这些数据对比就会变得一目了然。
（四）类比法
任何概念和关系，都可以用类比的方法进行更精准的剖析。
比如，视频的背景对们来说，就好比菜品的摆盘。那么们可以思考，受众是否在意摆盘呢？怎样摆盘才是最好的呢？背景干净是不是就像食物很少，盘子很大的感觉呢？
再比如，把线上的社区类比成线下的城市，那么小红书、抖音、公众号分别相当于哪个城市呢？在看来，抖音就像重庆，人多且多样化，消费水平参差不齐，既有普通消费者，也有很多有钱人；小红书则像上海，消费能力较强，文化属性突出，在这里做生意投入也比较大。
类似这样的类比思维，常常能帮助辨析不同的概念。
综上所述，当们把概念分清楚后，就能更清晰地拆解问题。这样们就具备了更强的分析和解决问题的能力，不再仅仅停留在表面解决问题，而是能够从实质和核心层面看清楚问题，进而提高解决问题的效率。
