促进产品裂变生长的颗粒往往是细微而简单的，但是寻找他并利用它似乎不是一件容易的事。

很多人终其一生，都没能做好一件事；

很多品牌开了无数脑洞会，却依然没能找准卖点；

当人们面对选择总表现得难以取舍，裹足不前，幻想满足市场的所有需求，最终却失掉了占领心智高地的机会。

一个简单的道理是，任何人和品牌能唤起他人记忆的信息非常有限。

徐悲鸿创作过无数画作，但能被广泛记住的却是他画的马；

达.芬奇做过很多超前研究，可被提及最多的还是《蒙娜丽莎》；

虽然爱因斯坦在物理学众多领域贡献杰出（比如分子运动论、统一场论），但人们言之必绑定“相对论”。

我们知道，那些市值几百上千亿美金的公司，往往都是从极简的事情做到极致。

百度的核心产品是一个简单的搜索框，然后把“keywords”的价值挖掘到极致；

可口可乐历经百余年，直到现在大部分的利润仍然来自是一瓶简单的汽水饮料；

腾讯的即时通讯产品，最早被称为“网络寻呼机”，不过是把过去只有通过电信信号传输的信息，移植到网络上；

那么这么简单的方式，为什么只有少数的公司可以做大？

其中一个关键的问题是，很多人错误的理解了“简单”的含义。

我们所处的世界，经常会有这样的声音：

复杂的生活太累啦！我希望过得简单一点；我渴望单纯的爱情，希望爱情都是简单的；公司的管理太复杂，我们必须把它调整的简单一些；营销的理论太多了，我还是喜欢简单粗暴的方式；

这些思想非常常见，但实际上没有弄清到底什么是才是“简单”。

首先，简单是提高效率，但不一定一上来就省力。

比如，遇到困难的时候有人帮助会让事情变得轻松，但在此之前你需要拿出时间和诚意去发展人际关系；

其次，简单也绝非不去思考和行动。

假如你想要和恋人之间的关系变得简单可依赖，就要先去用你希望他对待你的方式去对待TA，并且观察TA的接受程度，直到形成默契，而不是什么都不想也不去做，就等着别人以你想要的方式来待你，那么这就不是“简单”，而是自私；

还有，简单不是去除必要环节。

举个例子，我们人类都是由一枚的受精卵发展而来的，它的结构非常简单，却可以裂变成组织、器官，直到形成完整的哺乳动物体。

试想如果去除这一过程，还会形成人类个体吗？

显然不可能，但很多时候，我们力求简单，却往往不假思索地去除了必要环节，比如，我们厌烦公司政治，就妄图人为去除，或是假设其不存在，而不是想怎样让它朝对运营有利的方向发展，最终往往栽在上面，然后换一家公司，继续妄想，“希望新公司的氛围可以单纯一些”。

最近，有些朋友了解到“奥卡姆剃刀原理”、“第一原理性”等高大上的概念，经常拿来对我说，你的产品思维、运营思路应该简单，因为人家说了，“如无必要，勿增实体”。

事实上，这句话并没有错，错的是人们总是很难分辨什么是必要的，所以往往去除了必要环节，否则它就仅仅是说服他人的一种说辞。

简单更不是粗暴

对比下边这两张图，你觉得哪张更简单，哪张更粗暴？

显然，下边这张图更复杂，制作起来非常粗暴，设计人员只要无意识地堆砌元素就可以。

上边是乔布斯主持的苹果发布会的环节设计，乔帮主轻轻地从牛皮纸袋里拿出Mac，这个设计非常简单，却让人们产生了想要拥有它的冲动，绝对不粗暴。

在这里“简单”指的是输出过程，不是思考过程，越是简单的输出，越考验设计者的思考功力。

那么，要找到简单的成长颗粒，实现像受精卵一样快速裂变的结果，需要具备哪些思维方式呢？

一、母题思维

很多人都会遭遇一种状态，就是每天都在做从0到1的事情，中途遇到阻碍无法继续，就会半途而废，然后再找另一件事，重头开始，循环往复。

这很类似，高考复习时，很多成绩平平的学生，经常采取“题海战术”，在他们的头脑里，每道题都是新的，所以他们面临的任务就非常艰巨，需要记住所有看过的题集。

反观那些成绩优秀的学生，并不是因为他们的记忆力更强，而是更加擅于压缩信息，而方式就是采用“母题策略”。

所谓“母题”，母题就是各门学科包含若干知识点的基本题、典型题，也是所有命题所参照的原型题，它可以帮助实现快速掌握知识的目的。

伊卜生就经常利用母题策略，比如营销中有一个词汇叫做“诚恳营销”，我记住这个概念是因为看到一段日本雪糕厂的道歉视频，大意是，一家历史悠久的雪糕厂，产品30几年未涨价，濒临破产，厂长带领全体员工向用户鞠躬，恳请大家：“我们真的撑不下去了，所以现在涨价5毛钱”。视频发出后，雪糕的销量增长了3倍。

这个母题的核心是，当市场中的品牌都在各种套路消费者时，反其道而行，诚恳当道，往往会收获绝佳效果。

由此，未来再遇到类似的典故、案例（比如“亨利四世卡诺莎之行，华为诚恳营销广告、加多宝使我们无能…”），便可以归类到这个母题的样式下，解约大脑的存储空间。

二.模型思维

当你发现母题间有很多元素是相同的，便可以用模型来进一步将它简化、压缩、抽象出来。

比如，很多时候，人们在做决策时，往往带入太多矛盾因子，左右为难。

因此，就需要“决策模型”来辅助。

举个例子，我的一位朋友线下开店，选址时面临3种选项，起初，TA单纯从价格角度判断，决定选择A，后来发现A的格局不好，装修起来耗时费力，又决定选择B，后来发现不符合“金角银边”的选址原则，决定选择C，而C的价格又虚高…

我告诉TA，“不能相信自己的直觉判断，而是应该把所有需要考虑的因素都列出来，然后综合评分，选出得分最高的那一项，这就是你的决策模型”。

除了“决策模型”，在以往的文章中，伊卜生创造过很多简化思考的模型。

三.算法思维

当母题和模型的量级增加，多到我们仅凭大脑已经无法记得过来时，就需要算法思维来帮忙。

介绍一种算法：快速排序算法

算法步骤：

界定范围，该范围内有诺干元素，用数字序号表示这些元素从中挑出一个元素，程序语言中称为 “基准”（pivot）。重新排序，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。把小于基准值元素的子数列和大于基准值元素的子数列排序。

（PS：已翻译成人类语言，没有提及数列、递归、基准值等学术名词）

比如，之前提到的选址的例子，现在选址范围确定为10个店面，然后从所有选址元素中提取出“价格”这个元素，这个价格可以是所有该行业线下店选址的平均值，然后把高于这个平均值的店面和低于它的店面分开，再各自进行排序，最终实现精准选择最合适店面的目的。

除此之外，也可以用算法思维搞定很多事，比如最近ICO被取缔的事情炒的沸沸扬扬，人们不禁要问，金融圈真真假假、是是非非这么多，如何分辨一起金融事件不是“庞骗”呢？

判断这件事，也可以借助算法思维，就是你把所有历史上出现的，你可以查到的“庞骗”和非“庞骗”的金融事件列出来，然后再把它们的组成元素拆解出来进行定性和定量，如：承诺利润增长率、参与人数、监管机构条文数、巅峰周期、衰落周期、获益人数、收益率、损失人数、损失率….,再用上边介绍的算法进行排序，如果你要判断的事件低于平均数值，可以判定大概率是骗局。

当然除了快速排序算法，还有很多其他实用的程序算法（比如BFPRT、二分查找算法）可以被我们的大脑借用，从而简化思考和行为，更快速、精准的找到“最小成长颗粒”，实现裂变。

结语：

“简单最难”（Simple is the hardest）。