Visual LabINTERACTIVE LEARNING
DECOMPOSE METHOD

问题树(Issue Tree)

ISSUE TREE

把主问题逐层拆成可回答的子问题。

WHEN TO USE

什么时候该用,什么时候别用?

适合这些情况
  • 复杂问题需要多人并行分析
  • 需要规划研究范围和证据
  • 主问题无法直接回答
先换一种方法
  • 把解决方案直接塞进问题树
  • 每层没有统一逻辑
HOW TO USE

问题树(Issue Tree)的具体操作步骤

按顺序完成;每一步都要留下可以复查的文字或证据。

  1. 01

    写一个主问题

    使用问句并包含对象、指标、时间和目标。

    最终必须回答的唯一问题是什么?
  2. 02

    选择一级逻辑

    使用公式、流程或结构拆成 2–5 个互补子问题。

    回答哪些部分就足以回答主问题?
  3. 03

    拆到可验证

    每个叶子都要能分配负责人、证据来源和完成标准。

    这个叶子可以怎样被证伪?
  4. 04

    标注优先级

    按影响、未知程度和验证成本选择先分析的叶子。

    哪个叶子的答案最可能改变决策?
FROM QUESTION TO ACTION

跟着一个例子完整走一遍

原始问题

如何把新用户次日留存从 20% 提升到 30%?

  1. 1

    按用户旅程拆:获取承诺、首次价值、回访触发。

  2. 2

    首次价值继续拆成完成率、完成时长和感知价值。

  3. 3

    为每个叶子指定事件数据与访谈证据。

  4. 4

    优先检查完成率,因为 55% 用户未走完首次任务。

得到的结论

宽泛的“提升留存”变成一组可并行验证且有优先级的问题。

READY-TO-USE TEMPLATE

复制后直接填写

第一次不用追求完美,先把空白处填出来,再根据证据修改。

主问题:【】
├─ 子问题 A:【】
│  ├─ 可验证叶子 A1:【证据/负责人】
│  └─ 可验证叶子 A2:【证据/负责人】
├─ 子问题 B:【】
└─ 优先验证:【原因】
常见误区

看似在用,其实容易用错

  • 节点是名词而不是可回答的问题
  • 层级过深却没有任何数据来源
  • 所有叶子同时分析,没有优先级
适用问题

回到问题类型继续学