麦肯锡十大逻辑模型
目
录
一 分类思维
二 矩阵思维
三 漏斗思维
四 相关思维
五 决策树思维
六 闭环思维
七 逻辑链思维
八 时间序列思维
九 试验思维
十 数字化思维
一 分类思维
在市场营销中，有一个非常重要的概念，叫顾客分层。这其实就是分类思想。
由于年龄、收入与性别等因素的不同，人与人之间存在着不一样的生理需求
与心理需求。而需求不一样的消费者组成了不同的细分市场。针对不同的细
分市场，产品会有不同的定位。
所以，分类是精准营销的前提。
细分标准 地理因素 人口统计因素 心理因素 行为因素
细分变量
地理位置、城镇大
小、地形、地貌、
气候、交通状况、
人口密集度等
年龄、性别、职业、
收入、民族、宗教、
教育、家庭人口、
家庭生命周期等
生活方式、性格、
购买动机、态度等
购买时间、购买数
量、购买频率、购
买习惯（品牌忠诚
度）、对服务、价
格、渠道、广告的
敏感程度等
分析一个问题，可以尝试把它拆成两个可量化的维度来分析，比如几个方案
的可行性分别怎么样，商业价值谁高谁低，便于从中找到最适合的解决方案。
可行性
商业价值
市场增长率
市场占有率
二 矩阵思维
三 漏斗思维
漏斗的每一层，都有一定的容量。漏斗越往下，容量越小。而层与层之间的
比例，就是传说中的转化率。到了最底层，就是收入。
所以，要提高最终的收入，原理很简单，就是把每一层的容量都扩大，或者，
把下钻的转化率给提高。首先要学会去用数据去判断，哪个地方的容量太小，
或转化率太低，然后再去制定方案进行针对性提高。
看到的人
点击的人
尝试的人
购买的人
举例：朋友圈广告的漏斗模型
四 相关思维
我们在媒体里常常看到这样的报道，“百分之多少的人会更倾向于做某件事”。
举个例子，有专家发现，在经济低迷的时候，89%的女性更倾向于买口红。
结合数据的相关思维，够帮助我们找出事物之间隐性关系。
事物之间的相关关系常见的也不外乎这四种：
（a）正相关：X数量越多，Y数量越多
（b）负相关：X数量越多，Y数量越少
（c）不相关：X数量与Y数量无关
（d）非线性相关：某一范围内，X数量越多，
Y数量越多；超过某一个拐点后，X数量
越多，Y数量越少。
五 决策树思维
决策树从顶端一点开始，它一层一层往下展开。每一层都有若干个支点，而
每个支点会分解成多条支线。决策树越接近顶端的因素，重要性越高。
比如，某人相亲的决策树：
如果对方年龄太大，你立马
可以排除；在年龄合适的人
里，你再看他长得怎么样，
颜值爆表、每天看着他的脸
都可以不用吃饭的，那就别
问下去了，马上就在一起。
如果长得还行，那就继续看
看他的收入，以此类推。
六 闭环思维
闭环，不是指封闭，而是指循环。通过不断的循环改进，达到螺旋上升的发展途
径。
计划
执行
检查
处理
七 逻辑链思维
逻辑链的长度，决定了一个人的思维深度；
一个人的思维深度，也决定了他的人生高度。
通过拓展逻辑链的前端，探究原因，有助于理解问题根源；
通过拓展逻辑链的后端，思考结果，有助于提出行动方案。
八 时间序列思维
世界是四维的，长期生活在三维空间里，容易忽视了第四个维度的存在：时间。
时间序列思维的本质，就是站在时间之上，俯视万事万物的变化，洞察其中不变
的规律。
时间序列思维1：趋势
趋势就是指一个事物长期保持的一种走势，这种走势是单调递增或单调递减的。
这里特别强调两个关键词：长期与单调。
用几天的时间看股票走势 用几年的时间看股票走势
时间跨度足够大，才能判断出趋势短期和双向的走势，都只是波动
八 时间序列思维
世界是四维的，长期生活在三维空间里，容易忽视了第四个维度的存在：时间。
时间序列思维的本质，就是站在时间之上，俯视万事万物的变化，洞察其中不变
的规律。
时间序列思维2：周期性
有周期意识的人，他们相信趋势是有终点的；在众人的欢呼声中，他们时刻保持着警惕，耐心等待拐点
来临的信号。
春夏秋冬 春夏秋冬 春夏秋冬 春夏秋冬 春夏秋冬 春
夏秋冬
经济周期降雨量周期
九 试验思维
亚马逊创始人杰夫-贝佐斯，曾经说过：“亚马逊之所以取得今天的成功，就是因
为我们坚持每年每月、每日每夜地不断测试的结果。”
举例：你开了一家水果店，但不知道
卖什么水果比较好，于是你决定采取
AB test的方法去寻找答案。单数日卖
红苹果，双数日卖青苹果。
一个月之后，你再对比下红苹果和青
苹果的销量，发现大家都喜欢买红苹
果，不喜欢买青苹果。
于是你就撤掉了青苹果的库存，全换
为红苹果。然后生意就蒸蒸日上。
“我没有失败，我只是发现了10000种不成功的办法”
十 数字化思维
第一层：数字的从无到有
没有数据，就无法优化。
事实确实如此。
你一定有接触过一些理财知识，那通常这些理财书籍或理财教程的第一课都会强调什么？没错，就是让
你要养成记账的生活习惯。
记账为什么对于理财小白而言很重要？因为你在一开始，对钱根本是无感的——钱都花到什么地方去了
呢？对于金钱流向，你几乎毫无概念。
唯有通过记账，你才会惊讶地发现跟朋友聚会吃喝玩乐花了35%的收入，或者发现你在各种杂七杂八的
网站上花了小几百块钱开通不怎么用的VIP，或者发现化妆品的支出比你预计的还要多。
没有数字，你就没有客观事实依据，有的只是主观印象，而且印象往往都是错误的。
十 数字化思维
第二层：建立指标体系
数字化第一步只是让你拥有了数字。但是，至于哪些数字重要哪些不重要，哪些数字能反映什么业务问
题或增长机遇，只能通过数字化第二步来实现，那就是建立指标体系。
所谓的指标体系，可以理解成KPI（Key performance indicator），即关键绩效指标。
一个好的指标体系，必然是能够清楚地反映出我们在一个领域上是否表现得足够好。这
种比较一般有三个分析维度：
1.跟自己比。与自己的历史表现相比，是否有进步或退步；
2.跟竞争对手比。是否有领先优势或者落后差距
3.跟大盘比。整个市场是否在上升或者下降，我在市场趋势的上方还是下方。譬如，整
个市场都在下跌，但只要我的下跌速度比市场均值较慢，也不是一件坏事。
十 数字化思维
第三层：优化指标
第一步，你收集了这一个月内你店铺的浏览量和购买量。
第二步，你通过购买量和浏览量的比值，建立了转化率这个指标；并且通过对比分析，你发现最近一个
月的转化率是偏低的。
第三步，你开始思考，怎么优化转化率呢？
这时候，你需要认真地反思与复盘整个业务流程。
是不是市场发生变化？
是不是计划的执行效率不高？
……
在这个过程，可以应用之前提及的“逻辑链思维”帮你拓宽思路，找到真正的问题所在。
十 数字化思维
第四层：人工智能与自动化
最高级别的数字化里，目标就是向人工智能与自动化的方向去发展。
实现前三个步骤的半自动化或全自动化，极大提高工作效率，把人的劳动力解放出来。
自动地爬数据、自动生成可视化报表、甚至自动调整策略。
实际上，一些数字化战略很领先的企业，已经部分实现了上述的自动化功能，而且，这也是大势所趋。
传统部门中重复劳作的工作将最终被机器全面代替。
THANKS
