按场景浏览
选择适用场景,快速找到对应的思维模型
筛选结果(143 个模型)
帕累托最优
Pareto Optimality
无法在不损害他人的情况下改善任何人:资源配置达到一种状态,任何改变都无法在不损害某人的情况下改善另一人。
范围经济
Economies of Scope
同时生产多种产品降低成本:企业同时生产多种相关产品的平均成本低于单独生产每种产品,因为共享资源和能力。
网络外部性
Network Externality
用户越多产品价值越大:产品的价值随着用户数量增加而增加,因为更多用户带来更多连接和互动。
Alpha与Beta
Alpha and Beta
超额收益与市场收益:Beta衡量与市场的相关性(系统性风险),Alpha衡量超越市场的超额收益(选股能力)。
双边市场
Two-Sided Market
连接两个用户群体的市场:平台连接两个不同的用户群体(如买家和卖家),一方的价值取决于另一方的数量。
颠覆式创新
Disruptive Innovation
低端或新市场切入最终颠覆主流:从低端或新市场切入,逐步改进,最终颠覆主流市场和领先企业。
墨菲定律(墨菲法则)
Murphy's Law
凡是可能出错的事,就一定会出错——不是悲观,而是提醒你为最坏情况做准备。
羊群效应(从众效应)
Herd Mentality
个体在群体压力下会放弃独立判断,跟随大众的行为——「大家都在做」不等于「对」。
刺猬法则(刺猬理念)
Hedgehog Concept
狐狸知道很多事,刺猬只知道一件大事——把复杂世界简化为一个核心原则,专注做到极致。
容错率
Fault Tolerance
系统在部分组件失效时仍能维持基本功能的能力——关键决策前先算容错率,留足冗余和退路。
卡贝定律
Kabe Law
放弃是创新的钥匙——放弃不是失败,而是为了更好地争取。学会在适当的时候放弃,才能把资源集中到更有价值的地方。
沃尔森法则
Wolson Law
把信息和情报放在第一位,金钱就会滚滚而来——你能得到多少,往往取决于你能知道多少。信息差是商业竞争中最大的优势来源。
PEST分析
PEST Analysis
从宏观四维度看环境:政治、经济、社会、技术,分析外部宏观环境对组织的影响。
波特五力模型
Porter's Five Forces
从五个维度看行业竞争:现有竞争者、潜在进入者、替代品、供应商议价权、购买者议价权。
产品市场匹配
Product-Market Fit
产品满足市场需求的程度:好的产品在好的市场里,用户自发增长、留存高、口碑好。
安索夫矩阵
Ansoff Matrix
产品和市场的四种增长策略:市场渗透、市场开发、产品开发、多元化,风险依次递增。
品牌资产模型
Brand Equity Model
品牌的价值构成:知名度、感知质量、品牌联想、品牌忠诚度,四要素构成品牌价值。
风险矩阵
Risk Matrix
用概率和影响评估风险:横轴发生概率,纵轴影响程度,将风险分为高、中、低等级,优先处理高风险。
平台战略
Platform Strategy
连接两侧用户创造价值:平台不直接生产产品,而是连接生产者和消费者,通过网络效应创造价值。
第二曲线
Second Curve
在第一条曲线到达顶峰前启动第二条:在现有业务还在增长时,就开始布局新的增长曲线。
PESTEL分析
PESTEL Analysis
宏观环境六维度分析:政治、经济、社会、技术、环境、法律,比PEST更全面。
VRIO模型
VRIO Framework
评估资源是否带来竞争优势:价值、稀缺性、不可模仿性、组织性,四问判断资源的竞争价值。
产品生命周期
Product Lifecycle
产品从导入到衰退的四阶段:导入期、成长期、成熟期、衰退期,每个阶段策略不同。
技术采用生命周期
Technology Adoption Lifecycle
新技术采用者分五类:创新者、早期采用者、早期大众、晚期大众、落后者,跨越鸿沟是关键。
核心竞争力
Core Competence
企业独有的难以模仿的能力:企业在长期经营中形成的、独特的、难以模仿的、能带来竞争优势的能力。
经验曲线
Experience Curve
累计产量增加成本下降:随着累计产量增加,生产者的经验和效率提升,单位成本呈规律性下降。
GE矩阵
GE Matrix
行业吸引力与业务实力的九格矩阵:比BCG矩阵更细致,用多因素评估行业吸引力和业务实力。
增长飞轮
Growth Flywheel
自我强化的增长循环:企业的增长要素形成正向循环,一个要素的增长带动下一个要素,形成自我强化的飞轮。
复利
Compounding
利息生利息,增长在时间维度上呈指数级加速——第八大奇迹。关键不是利率多高,而是时间多长和永不中断。
概率思维
Probabilistic Thinking
世界是不确定的,用概率而非「必然/不可能」来估计结果,并据此决策——不追求正确,追求概率上占优。
贝叶斯更新
Bayesian Updating
新证据出现时,用先验概率 × 证据似然度来理性更新信念,而非全盘推翻或固守。
幸存者偏差
Survivorship Bias
只看到经过筛选后幸存下来的样本,忽略了被淘汰的沉默大多数,从而得出错误结论。
回归均值(均值回归)
Regression to the Mean
极端表现之后通常会回到平均水平——不是因为你做了什么,而是因为极端值本来就不可持续。
大数定律(大数法则)
Law of Large Numbers
样本量越大,统计结果越接近真实概率——抛 10 次硬币可能 8 次正面,但抛 10000 次会接近 50%。
凯利公式(凯利准则)
Kelly Criterion
在有正期望值的重复赌局中,最优下注比例是 f* = (bp - q)/b——最大化长期财富增长率,同时避免破产。
蒙特卡洛模拟(蒙特卡罗模拟)
Monte Carlo Simulation
当问题太复杂无法精确求解时,用大量随机抽样来估算概率分布——让计算机帮你「试一万次」。
中心极限定理
Central Limit Theorem
无论原始分布是什么形状,大量独立随机变量的和/均值会趋近于正态分布——这是统计推断的基石。
贝叶斯推理
Bayesian Inference
用新证据更新信念:先有初始判断,看到新证据后,按贝叶斯公式更新概率。
肥尾效应
Fat Tail Effect
极端事件比正态分布预测的更常见:概率分布的尾部比正态分布更'肥',黑天鹅频发。
均值回归
Mean Reversion
极端之后会回归平均:表现远超或远低于平均的,后续往往会向平均水平靠拢。
林迪效应
Lindy Effect
越老的东西越长寿:对于不会自然衰老的事物(如书籍、技术、思想),已经存在的时间越长,预期剩余寿命越长。
72法则
Rule of 72
快速估算复利翻倍时间:用72除以年化收益率,得到资金翻倍大约需要的年数。
幂律分布
Power Law Distribution
少数占大多数:分布高度不均,少数个体占据大部分资源,如财富分布、城市规模、网站流量。
回归分析
Regression Analysis
用变量预测另一个变量:建立自变量和因变量之间的数学关系,用于预测和解释。
分形
Fractal
局部与整体自相似:分形物体在不同尺度上具有自相似性,局部放大后看起来像整体。
S曲线
S-Curve
增长先慢后快再慢:事物增长通常呈S形——初期缓慢,中期快速,后期趋于饱和。
标准差
Standard Deviation
衡量数据离散程度:数据偏离平均值的平均距离,标准差越大数据越分散,越小越集中。
正态分布
Normal Distribution
钟形对称的概率分布:大多数数据集中在平均值附近,越往两端越少,是自然界最常见的分布。
逆向思维
Inversion
反过来想:不要问如何成功,先问如何必然失败,然后系统性地避开它。避蠢优于求智。
怀疑论(怀疑主义)
Skepticism
对一切断言保持质疑,要求证据——不是否定一切,而是「不轻易相信,除非有充分理由」。