第六章：写好结论讲好故事
在学习了分析思维和武器库之后，我相信你如同星球大战中的绝地武士一样，觉得自己面对任何商业问题都不用畏惧，但在真正胜利之前我们仍然会遇到一个巨大的难关，就是如何将分析结论说服决策者或者是整个决策组织。之所以是难关，因为我们始终默认了个人和决策组织是完美的“理性人”， 他们只是缺乏做出决策所需要的信息，一旦拥有了这些信息，他们就会做出合理的决策。
但事实上，自20世纪60年代以来，行为心理学的各种实验研究已经多次证明，人类在各种决策中呈现出的非理性问题，比如同样是1万元的理财收益和损失，人们普遍会给损失的1万元赋予更高的价值，呈现出风险厌恶的倾向。本章的主题将介绍如何避开这些“非理性”所带来的思维盲区，以及通过结构化表达和叙事方式获得决策者对于分析结论的认可。
6.1 决策思维盲区：识别与纠偏
6.1.1 识别常见决策盲区
2011年行为心理学专家丹尼尔·卡尼曼发表了著作《思考：快与慢》中，作者基于自己以往的实验和研究，框定了人类思考的普遍模式是由偏直觉的系统1和偏理性分析的系统2组合而成。在接收信息时，基于常识和经验的系统1会根据有限的信息率先做出高速自动的，带有情感和潜意识的结论。此外企业家和决策者通常更偏向冒风险，善于当机立断，但参杂着个人情绪和冲动也会带来潜在的风险。
非理性的系统1会给个人决策带来六个典型思维盲区：
确认偏差，指的是我们的大脑会过滤到哪些自己不愿意听到的信息，而更多的关注那些和自己已有的主观意见一致的信息。这是在对数据分析结论做沟通时候最容易遇到的问题，当给决策层做汇报时，很多管理者已经是在某个行业工作了数十年，他们已经形成了一套这个行业该如何运营的基本观念。比如很多商旅类酒店管理者，在经历过早期的SARS疫情之后，笃定的认为19年的新冠疫情之后也同样会出现类似的商旅报复性反弹，因此会对过分的解读相关数据。但对比SARS时代，智能手机和各种视频会议功能已经不能同日而语，商旅人群和企业也都已经开始接受了尽可能用线上会议替代面对面会议，这种转变才是真正需要被决策者认知并及时战略调整的趋势
框架效应，即在评估如何决策时，个人的想法很容易被问题所呈现的形式所影响。前面所提到的风险偏好就是框架效应的显现，面临收益时人们会小心翼翼选择风险规避，面临损失时人们甘愿冒风险倾向风险偏好。除此之外，框架效应在商业实验中也反复被验证，手推购物车的普遍应用就是一个典型的”框架效应“。最起初美国超市都并不太愿意推广，因为担心其庞大的体积影响了购物体验，直到美国的whole foods超市做了一次实验发现，如果把购物车扩大一倍了之后，顾客会多购买40%的产品。购物车就是给顾客设定的问题框架，无独有偶，在2021年淘宝也将购物车的容量上限从120提升到200，在这个决策的背后是通过数据发现购物车成了用户的收藏夹，提高上限虽然对短期的转化率影响不大，但它潜移默化的影响了用户的购物决策，所带来的长尾效应必然可观。
锚定效应，指的是最先接收到的信息会形成对我们对事物判断的锚点，大脑会高度聚焦在这些初始信息，而后续再接收的信息重要性都被自动降低。锚定效应在定价策略和商业谈判中都有着广泛应用，一个经典案例发生在1994年，一位名叫斯特拉的顾客打翻了自己在麦当劳买的的一杯热咖啡，最终被医院判定为三级烫伤。她因此对麦当劳提出诉讼，而负责此案的律师巧妙的利用了麦当劳当时全美日均销售额作为锚点，影响了陪审团对于赔偿金额的判断，麦当劳在此诉讼中最终被判赔偿290万美元，而此前发生的类似诉讼案件中，赔偿金额最高不过23万美元。
幸存者偏差，指的是过于关注那些成功或失败的案例，而忽视了整体数据的规律。幸存者偏差来源于二战期间对战机的哪些部位需要加固以提升生存率的研究，由于只能看到幸存返回的飞机上的弹孔，进而去加固弹孔数量多的部位，这就是错误的决策。数学家亚伯拉罕瓦尔德当即指出，不是去加固弹孔数量多，而是应该加固没有被击中的部位，因为这些部位被击中的飞机都没有幸存。
易用性偏差，指的是在我们手边的信息对决策思维所带来的影响。这种偏差最常见的是在我们分析某个现象的时候，我们会通过自己或者身边的人来判断，比如在一线城市电商平台的决策者往往不能想清楚为什么三四线城市对于“拼多多“平台的需求如此强烈，因为自有平台和身边的用户都在不断追求者快速送达和高品质。
近期效应，最近的个人经历和听到看到的故事，都容易造成对事件实际发生概率的高估。比如若有飞机失事的不幸事件发生，我们通常都会对自己即将搭乘的飞机发生可能发生危险感到恐惧，但实际上飞机失事的概率始终是各种交通工具中最低的，约为千万分之一而汽车类工具等则高达1/5000。同样在每年年终进行的绩效考核，影响主管判断的通常也是近几个月的项目表现和产出，年初做的好而年末手上没有项目的同学，最终也可能会被落入到近期效应的陷阱，得到不合理的低分。
6.1.2 盲区纠偏的方法
对于这六个思维盲区，我们一方面要对照检查分析方法中的科学性，避免硬伤，另外也可以巧妙的加以利用，引导决策者更加能接受分析结论。
首先对于锚定效应和近期效应，在分析思维中我们提到了系统化结构化的去看问题，在分析方法中也介绍了通过同比，环比和动态对比等方式去下判断。这个过程就是将单个锚点变成了多个锚点，通过各种尺子比较来下结论。因此无论是过于看重初始信息的锚定效应，还是过于看重近期数据的近期效应，都能通过科学的分析思维和方法予以解决。机器学习类的方法对这两类盲区也天然免疫——模型对近期和远期数据默认同等加权，这恰恰体现了机器分析方法对个人决策的改善价值。
其次对于易用性偏差，解决方法是我们在对用户和业务分析中采用合理的抽样原则，特别是在调研用户态度方面的市场研究中，充分抽取那些在行为数据中无法被反映的群体。再次对于框架效应，需要通过恰当的设计去实现引导决策的作用。比如“这个数字化转型项目有85%的可能实现公司决策效率的大幅优化“，对比”这个数字化转型项目存在15%的风险，无法实现公司决策效率的大幅优化“，从概率意义上两者完全等价；但前者换用了更积极的表述框架，能唤起决策者的正向情绪，而后者则更偏负向。
最后对于确认偏差和幸存者偏差，这两个偏差都来自于个人对于数据全局无法把握，而依赖于已有的观念和所看到的有限样本去判断。因此检查我们在数据分析中，是否遵循了合理的统计抽样原则，以及在 A/B 实验中是否按照随机抽样建立实验组和对照组，最终的实验结果是否得到统计显著性验证。此外，确认偏差的本质是带着固有判断、本能过滤掉与结论相悖的信息，因此汇报时还应主动呈现反面数据或反例，而不是只展示支撑自己观点的证据——否则再严谨的抽样，也会被选择性忽略。
在确认了这些思维盲区已被解决之后，我们在准备数据分析结论前还要重点排查两个“雷区”。第一个雷区，是我们的分析方法中是否存在任何“黑盒化“的部分，黑盒指的是只提供分析结论及建议，但并不对影响结论的因素做解释和说明，这种问题比较常见在实用AI进阶方法中。这种做法极易造成业务方的不信任，也会导致决策失败。
一个典型的反面教材来自某零售企业的用户流失预警项目。分析团队把模型准确率做到了 90% 以上，直接在经营会上抛出结论：应对其中约两成的高危用户立即做挽留投放，并附带了预算建议。但当业务负责人追问「这些用户为什么被判定为高危」「模型凭什么这么判断」时，团队却只能回答「模型就是这么算出来的」，给不出任何可解释的特征归因。业务方因看不懂、也不信任这个没有逻辑可见度的结论，当场否决了方案。半年后，这批用户的实际流失率几乎贴着模型的预测值——结论本身没错，可因为分析过程是黑盒，它最终没能变成任何决策。这正是黑盒化的代价：只给结论、不给解释，分析就只是分析报告，成不了决策依据。
第二个雷区，是分析项目所作出的任何建议和结论，是否与相关业务方进行了沟通和探讨，确定了计划的可执行性。“你的分析结论我们认同，但这个我们做不了”或者“你这个分析挺好的，但我们也不知道怎么用”，这类反馈会让任何数据分析工作前功尽弃。我曾经在刚加入酒店集团时做过会员画像分析，按常识圈选了商旅、家庭亲子、情侣等人群，却没有先和运营确认这些标签能否在系统里落地圈选、重叠会员该如何分配。结果集团酒店品牌众多，同一会员往往兼具多重出行需求，分群既重叠又非互斥（不满足 MECE），运营根本无法据此执行，最终没能实现预期的运营效果。
通过在排查并完成纠偏的过程中，对分析方法的合理性进行逻辑自检，再排除掉技术层和应用层的两个雷区，我们可以对自己的数据分析产出胸有成竹，现在我们开始着手准备呈现和表达结论。
6.2 写结论：为决策者开启“导航模式”
之所以称为"导航模式"，因为在我看来完美的结论表达，如同在高德或者百度地图中看到的导航界面。这个界面会给你清晰明了的表示出下列内容：（1） 现状（你在地图的什么地方）（2）目标（你要去什么地方）（3）实现目标的几条路径（即推荐的驾驶路线，通常不超过3条，且会把最优先的路径高亮）（4）辅助你选择路径的数据（预估时间，路程距离，红绿灯数量，路线中的现有拥堵状况，市区路径中则可能包含路途中违章拍照数量，远距离驾驶中则有多少个服务区）。
图6-1 决策者导航模式
如果以这种极简的思维去设计，任何商业数据分析项目的结论都对应这四个环节。如图6-1所示，第一步讲当前状态(situation)，即描述业务的现状，比如“当前销售中30%来自线上，全部来自京东旗舰店”，第二步讲问题(problem)，即业务现状与预期之间的差距，比如“线上销售完全依赖京东平台导致我们缺乏私域运营的基础“，第三步讲分析结论或者业务建议(solution/recommendation)，比如 “我们应该重新设计产品外包装，增加二维码导流用户至微信小程序，建立私有客群”，第四步讲支持上述结论的数据基础(data),比如“我们在某个畅销产品进行了包装测试，在没有任何营销投入下成功引流了xx万会员，而相关的包装设计成本仅为xxx”。
我们第三章提到了用结构化的思维去拆解问题，从框架拆分到细节去分析问题，通过结构的完整和逻辑的严密来保证结果的正确。这种顺叙的思路，符合我们接到问题之后逐步拆解分析的过程。而在这里你会注意到，第三步是先讲了结论第四步才是去讲数据支持，现在我们需要用结构化的方法把结果呈现出来。在讲结论的过程中，将“顺序”改成了“逆序”，这就是结论阐述最重要的“金字塔原理”。
6.2.1 以终为始：应用“金字塔原理”实现结构化表达
金字塔原理，来源于芭芭拉明托的同名著作，是她对麦肯锡早期研究工作的总结，前面提到的MECE原则也是因这本著作而得到广泛应用的思维工具。如图6-2所示，金字塔原理是实现结构化思考和表达的重要工具，归纳起来，实现结构化表达的金字塔原理是由三个基本原则构成：自上而下，层次清晰，重点突出。
自上而下，核心就是结论先行，直截了当的说明所做的分析之后的结论。我在讲述商业模式和业务逻辑时，引用了自己所服务IT公司客户的例子，按照时间顺序是由客户需求提出，到对服务器客户画像分析，找出大部分购买服务器客户在之前并未购买其他产品的洞察，再识别出购买服务器产品的客户有事先电话询价的分析，从而找到了目标营销客群。在对客户的分析汇报中，“我们应该对有过电话询价的客户优先做服务器外呼营销”就成了总领全局的结论，先给客户讲这句结论再讲支持的数据和逻辑。
金字塔原理崇尚结论先行，因此能够从众多数据图表和模型中提炼出清晰明确的结论尤其重要。我们可以联想各种知识付费平台和专家所做的跨年演讲或者有代表性的演说，通常总会有“金句”瞬间火爆朋友圈，对于商业数据分析项目的结论，我们同样也期望能有这样掷地有声，让决策者念念不忘且愿意与他人分享的效果。
要能做到这点，首先就是要在结论中有明确的判断，绝对避免任何套话式的结论。无论是在口头表达还是在书面沟通，都充斥着含义笼统且冗长的套话。比如某化妆品公司对近期线下销售下降的原因分析，初版结论如下：“公司近期线下销售下降的原因有很多，第一是行业整体市场疲软，同品类产品销售额普遍下降，第二是疫情原因导致公司关键供应商停货，第三是产品设计缺乏吸引力，等等“。这种信息密度极低的话语其实并没有带来任何实质结论，决策者无法判断这三个因素中哪个影响最大，也因此无法做出相应的业务动作调整。对比之下，”公司近期线下销售下降，主因疫情导致关键供应商停货，预计影响整体销售额下降的60%，建议尽快评估备选供应商“，这种才能称为数据分析之后的有效结论。
层次清晰，则是为了支持核心结论所提出的子论点或者论据简单清晰。由核心结论往下是子论点，子论点再往下是相关的论据。子论点或者相关论据的数量不宜过多，就像在用户留存中有魔法数字一样，在结构化的表达过程中也有一个魔法数字，就是 3，它是人最容易理解和记忆的数量。因此，我们通常会选择三个方面对中心结论做展开，同时检查这三个方向是否满足MECE结构的完整性。
重点突出，无论是表达的整体还是分项内容，都应该保持突出的重点。同样的结论面对不同的对象也要设计所表达的重点，比如以决策层切入的经营分析，通常需要强调对公司大面PI的影响，而如果做的是业务运营，则更多的是会介绍分析结果如何帮助日常的活动及促销运营，帮助他们更有效的完成自己的工作职责。
图6-3用金字塔结构总结了第一章的电商平台用户经营案例，在这个分析中我们的业务建议是非常明确，就是从获客，留存和成长三个方面提升平台整体的用户经营（在第一章中限于篇幅只重点介绍了新客和老客中的两个部分）。支持这个核心动作的三个子论点分别是提升新客质量，维护老客价值和预防客户流失，而这三个合在一起就是客户生命周期的全链路（参见用户分析中的介绍）。
子论点和数据支持部分互相回答了为什么和怎么做，以老客部分为例（图6-3 的第三层只展开了「维护老客价值」这一子论点，新客与流失暂不展开）：对于为什么要关注老客，首先是论证了老客的价值巨大——25% 的老客贡献了 76% 的老客 GMV，这是老客内部的贡献集中度，与第一章老客整体占平台 65% 的口径并不冲突；紧接着是数据支持如何做——老客消费升级主要来自于频次和品类的扩张。两个论据分别从「为何重要」与「如何发生」两个角度，共同支撑了维护老客价值这一子论点。
熟练应用金字塔自上而下的层次结构，可以帮助我们将数据分析中的信息串联成有逻辑和说服力的形态。金字塔原理是可以应用在口语和文字等各种表达场景中，不过在这个阶段商业数据分析都基本会以PPT作为主要的载体，因此接下来我们会对相应PPT的设计做进一步介绍。结论先行，层次清晰的原理，在PPT上落地就会形成常见的“总分总”设计结构，这里我们先来介绍两个“总”。
第一个总指的是引导或者综述页面，长度通常是1-2个页面，包含数据分析项目的背景目标以及分析项目的主要结论。这个页面也通常称为执行摘要(executive summary)，指的就是当公司决策层没有足够时间去阅读整个PPT，那么这一页就是他们所需要的所有信息：项目背景+分析结论+该做什么。
第一个“总”通常没有过多的图表，是以基本的文字和数据描述为主的，因此非常考验数据分析工作的结论提炼程度。图6-4是电商平台项目的执行摘要页面，它对后续分析的三个方向：新客获取，新客复购和老客维系做了框架阐述，并且提出了经营方向和所能采取的措施。可以注意到的是，在这个页面中并没有描述具体的分析和论证方法，只是阐述了决策层（整个PPT的目标受众）必须要了解的信息。
与之对应的是第二个“总”，是在整个PPT结尾时与第一个“总”遥相呼应的部分，这个也通常被称为take-away页面，是让受众在听完整个汇报之后，能够再次接收到重点信息并将其“带走”的页面。在电商平台项目中，为了能让决策者能对整体项目的效果更重视，设计了图6-5这个带走页面。为了突出整个PPT所分析的各个子项和管理层（整个ppt的受众），特别将子项指标改进后对公司所产生的影响挂钩，比如当前的新客复购率每能提升1%，就能给公司带来额外2.5亿GMV的增量，这无疑是非常有吸引力的数字。管理层即便无法在会议中记住所有的分析流程和结论，但能记住这些大数也会帮助后续项目的推进。
6.2.2 设计高效的数据论证页面
“总分总”中的“分”就是支持各个子论点的数据论证部分，但数据论证的PPT页面核心并不是展示数据，而是能够传递给读者或者听众足够的信息。为了能够让他们在很短的时间或者在没有人讲解的环境下，就能理解PPT中所表达的信息，我们必须非常高标准的设计数据有关的分项页面。这个过程我们要注意三个方面，第一是数据页面要有明确论点的标题，第二是坚持一个页面只讲一个结论点，第三是围绕这个结论点搭建文字和图形的组合。
强有力的论点标题
第一个要做的是数据页面的“标题“要能够讲出故事要点，这个标题常被称为是Action Title即行动标题。很多商业数据分析的汇报中在业务类的页面中尚能保持结论明确，但到了数据页面突然就出现了诸如”2022年Q1产品销售汇总“，”当前用户在试用会员卡到期后的续约比例“这种毫无意义的标题，读者完全无法了解这个数据页面想要阐述的论点。数据页面的标题就是要解释这一页的核心点，且被页面所展示的数据支持。因此刚才的两个例子不能称作结论，自然也不能作为标题。
对于上面提到的两个标题，如果改成“2022年Q1产品中克莱因蓝的销量超过了其他所有颜色销量的总和”，以及“用户在试用会员卡过程中下单超过5次的，续约率是整体试用用户的3倍以上“，那么信息就稍加完整，此时如果能加上对应的建议动作，比如“建议在试用期间设计超5单则获得额外折扣券的优惠规则“，整个结论就更进一步。
抽象地说，一个完整的数据页面的标题应该是分析结论+指标支持+建议行动。再来看某个打车平台对于新司机留存分析所做的三版结论：
- 新注册司机的留存率低，导致平台在高峰时期供给不足问题。
- 新注册司机的次月留存率仅为30%，导致平台在高峰时期供给不足问题。
- 新注册司机的次月留存率仅为30%，低于主要竞对的48%，主要原因在于对平台抽成和处罚规则不熟悉，建议针对新司机制定新手上路的保护机制和相关培训
这三版的分析结论逐渐深化，从没有指标，到仅有平台指标，到给出竞对锚点的指标评估，并引导出分析结论和建议对策，形成了一个逻辑完整的结论。不过第三版作为PPT页面标题略长，实际操作中会保留描述结论，原因及建议的文字做标题，而将数据部分作为副标题，通过主副标题搭配保证整体页面的简洁高效。
一个页面只讲一个要点
高效数据页面的第二个要求，就是严格遵循“每个数据页面只讲一个要点”的原则。这对于想讲结论和制作PPT的人来说是非常大的挑战，因为我们都希望在一个幻灯片里放上足够多的信息，这样才能让自己的论证过程万无一失。但堆砌数据和图表带来的通常是信息过载，对方很容易跳出来按照自己的思维逻辑发问，从而打乱了整个演示的节奏。
比如图6-6所示的初始页面，某个酒店集团的年度会员报告中将用户的年龄，地区以及出行需求类型三方面数据汇总在一页PPT上，试图讲清楚用户的结构，但信息过多对于写结论和接收者都造成困难。正确的做法是将三方面内容拆成独立页面，每个页面都只有一个要点：第一页是80后会员占比最高，第二页讲的是一线城市构成会员的主要来源，尤其是北京和上海贡献最大，最后第三页讲差旅和旅游是会员出行的主要需求。当然这三个页面的存在是否 “充分且必要“，取决于他们是否完善了整体结论的表达（金字塔原理）。即便是在年度会员报告这种看似常规化的总结中，也要反复自问整个报告想讲什么结论（做的好总结规律，做的不好就找改进机会），如果不满足这个条件，那么相关页面就应该果断删除，或者放入末尾的附录页面作为备用。
围绕结论调整数据呈现
在数据产品开发中，我们已经讲过了可视化设计的原则，但在讲结论做汇报使用的PPT中，这个要求会有所不同。用于PPT汇报的图形要求和Tableau数据产品上是不一样的，后者重点在于选择重要的数据指标，配合合适的图形以及筛选器互动，让自主分析的人可以找到自己想要的数据结论。PPT汇报的图形则是在既定问题上给出的答案，因此必须要更重视剔除冗余信息。在这个过程中可以用“眨眼测试“的方式做自检，即以读者是否能在一眨眼的功夫（也就是3-5秒）就能从数据中理会到你图表所表达的要点。
最高效也是最简单的方法，就是用颜色，高亮，或者直接用红框圈出所需要关注的数据，务必让受众在第一时间就能接收到你所需要他们关注的信息。凡是在标题中带有好，坏，快，慢，优，劣这种描述的，都意味着下面的数据图中有比较或者趋势的图形。
举例来说，若我们现在有九个城市的广告投入和销售增长速度数据，期望能看到各个城市的投入产出情况。遇到这类问题经常会在PPT上看到类似图6-7的柱状图呈现，但这种图所要表达的信息非常不明确，我们可以将其转化为下方的散点图。这个过程中首先对我们要回答的问题做了定义，这个图是用来回答在九个城市中谁做的好谁做的不好的。其次，为了回答问题我们必然要找出销售增长率远大于广告投入增长率的城市，因此将图形改成了散点图。
我们接着添加一条广告ROI平衡线，也就是一条45度的线作为基准，这条线上的点意味着多投入x%的广告，就带来x%的销售增长。这是很好帮助判断孰优孰劣的参照，最后为了让受众更聚焦，将南京和广州两个表现最好的城市圈起，同样将西安和苏州两个表现最差的城市圈起。这个圈起城市的过程，就是给读者直接表达了“你要看的数据就在这里“的信号。其他城市则不暴露名字或者数字，因为对于这一页而言，这些都将是分散受众注意力的信息。
上面柱状图的例子是数据页面的“低效表达”一种，类似的若结论明确但数据呈现不直观，缺乏让读者将结论和数据联系起来的逻辑通路，也会造成低效表达。比如图6-7b 中结论是新产品上市后的销量并不好，但只有一个折线图，读者完全不知道作者是如何得到这个结论的。改进的方法是加入一条基于历史同类产品上市销量的预测线（虚线），让整个数据主次分明。
在汇报或者陈述类的PPT中，可以说任何需要受众做额外的加工计算才能理解的细腻都是累赘。比如图6-9左侧图形主要的结论是头部20%的用户ARPU是整体用户的2倍，尽管在图中也提供了均值线且用绿色高亮了头部20%，但读者在阅读时仍然有障碍。头部10%的用户是平均的3倍，而10-20%的用户是平均的110%，解决方法是用如图6-9右侧，将头部两层用户（头部 10% 与 10–20%）组合在一起并计算其 ARPU 的结果 1780，这样和平均值870之间的2倍关系就很明显了。数据展示虽然不会影响对结论的论证，但消耗读者额外的精力去理解，就是给自己信息传递造成不必要的障碍。
数据产品和汇报类图形呈现选择的差别，在使用双轴图体现的尤其明显。双轴图在数据产品中会很常用，但在PPT展示中也会增加读者额外的思考时间（通过阅读图例去理解两个指标对应的坐标轴），因此在PPT中经常将双轴图改造成上下叠加的两个图形，提高信息传递的速度。以图6-10为例，该数据的主题是19年注册会员的数量创新高，但新注册会员的转化率（即注册后完成购买的用户比例）有所放缓。由于使用了双轴图，这张图突出了转化率提升，但会员数的柱状图被迫压缩，已经无法明显看出总体会员数量的新高了。若改成图6-10的叠加图形方式，把两个要点分成两个小图，在柱状图中通过颜色高亮了19年数据，同时去掉了转化率图形种的x轴（因为已经有了柱状图的x轴），这样在不占用太多空间的同时，更有效的传递了转化率和会员数的结论。
在《第五项修炼》中，Peter Senge 写道“人类并不擅长做提前计划，实际上，任何需要超过2秒思考的时间都容易让我们犯错。比如你在洗澡的时候，打开水龙头，通常也只需要2秒时间来判断水是太热或者太冷。“ 我个人认为金字塔原理为什么在商业的思维和表达中如此受欢迎，是因为决策者所能接受和思考信息的时间实在是太短，一个通俗的例子就是“电梯游说elevator pitch”，在30-60秒的时间里将自己的想法传递给对你和项目毫无了解的公司高层。而在商业分析项目中，尽管很多汇报和展示的会议都会有30-60分钟，但不少的展示在开头2分钟就注定了失败的结局，结论不明确，故事线不清楚或者是图表混乱都可能是原因，前面提到的PPT眨眼测试也是为了帮助避免类似问题。
6.3 晓之以情：用案例故事打动决策者
开篇 · 立场锚定
前两节解决了"把结论讲对、讲清楚"：6.1 先排掉思维盲区和两个雷区，保证产出干净可信；6.2 用金字塔原理和"导航模式"，把结论整理成决策者一眼能懂的形态。不过，分析成立、结构清晰，结论也未必被接受。这正是"最后一公里"真正考验人的地方。
本节补上的，是说服链条上的"软武器"：讲故事。先划一道边界：用户怎么分群、画像和旅程怎么建，第四章（聚类与用户分析）和第五章（数据产品与可视化）已经系统讲过。本节不再重复这些"素材"的生产，只补它们都没教的一步：如何把建好的 persona 和旅程，编成一条让决策者记得住的故事线。
讲故事更容易在演讲者和受众之间建立共情，也让听众更容易接受结论。如果把信息进入大脑比作高速公路上的车流过收费站：纯粹的逻辑和数据走的是人工收费通道，必须停下来接受盘查：你从哪来、到哪去；而故事走的是 ETC 快速通道，可以事半功倍地抵达。理性客观的数据常常触发听众的确认偏差，让他们本能地去挑战自己不喜欢的结论（6.1 讲过）。故事绕过了这层防御，但它不替代论证，只是给论证一个让人愿意听完的入口。
为什么故事有用（论据收敛）
有个常被拿来举例的实验叫"Significant Objects"：研究者把 100 件廉价小物件放上 eBay，给每件配一篇虚构的身世故事，结果进价合计 128 美元的东西卖出了 3612 美元，大约 28 倍。叙事确实能抬高人对一件东西的价值感。
不过这个实验离本书场景隔着一层。我们真正关心的，不是"故事能不能让旧物件卖更贵"，而是"故事能不能让数据结论被决策者接受"。更贴身的论据，就在第一章的电商案例里。同一个"维护老客"的结论，两种讲法差别很大：
- 纯结构化讲法（沿用 6.2 的执行摘要与 take-away 页）：新客复购率每提升 1 个百分点，可为公司带来约 2.5 亿 GMV 的增量。数字清楚，但冷。
- 加故事讲法：讲一个"老客李姐"——她在平台买了三年，最近三个月购买频次明显下滑，浏览轨迹显示她的品类偏好正在迁移，差点被竞品的精准券挖走。当我们用数据发现"像李姐这样的高价值老客正在悄悄流失"，"维护老客价值"就从一个 KPI 行，变成了一个有脸、有轨迹、有危机感的人。
故事不替代数据，它是数据的"具象化补充"：让决策者从"盘问数字"切换到"代入人物"，从"这结论对不对"变成"这事我得管"。
故事骨架：对标金字塔的四拍
6.2 给了你金字塔三原则（结论先行、层次清晰、重点突出），让结构化表达可复用。讲故事同样需要骨架，否则读者看完一个好例子，只会觉得"讲得真好"，却学不会自己搭。一条可以和金字塔对应的四拍叙事线是：
- 情境（Situation）：这个典型用户是谁，来自哪个真实分群。
- 冲突（Conflict）：他未被满足的痛点或卡点，最好落在真实旅程的某个触点上。
- 解法（Solution）：我们的产品 / 服务如何接住这个痛点。
- 回响（Echo）：可量化的业务结果，落到和 6.2 一致的"建议动作 + 指标"上。
下面用银行女性用户 Kiki 的例子，套一遍这条四拍线：
- 情境：Kiki，海外留学归来、在上海某互联网大厂工作的年轻女性，崇尚饮食健康、爱下厨，属于该行"一二线白领女性"这一真实分群。
- 冲突：她常逛小红书看达人推荐的破壁机，却一直没下单——因为信用卡权益里没有她真正 care 的生活品类。
- 解法：针对这类用户设计女性专属卡面，在积分商城增加生活用品兑换。她刷朋友圈时看到精准广告，开卡消费满额即可免费兑换心仪的破壁机。
- 回响：她刷到朋友圈的精准广告后果断提交申请。落到建议上：我们建议设计针对女性用户的信用卡卡面，并在积分兑换栏目中增加更多生活用品类产品；历史数据表明我们的信用卡在受教育程度更高的一线女白领中有很大的市场，我们认为针对这部分用户的广告投放转化率大约能达到 3%–5%（行业基准下，精准定向的信用卡申请类广告转化率普遍落在此区间），对应的营销活动 ROI 约为 4–6 倍（即 400%–600%，明显高于金融行业 2–5 倍的盈亏平衡线）。
有了这条骨架，故事不再是凭感觉写出来的散文，而是一个能照着搭、也能事后核对是否到位的表达单元。
三步编排：把素材织成故事
骨架搭好后，落地靠三步。注意这三步不再"生产"素材，而是"编排"既有的 Ch4 / Ch5 产物：
第一步，立人物锚点。从第四章聚类得到的分群里挑典型，避免 6.1 讲的易用性偏差，不以自己或身边人替代真实客群。人物名字可以是虚拟的，但人设必须真实：它由数据标签（年龄、城市、收入、行为）共同支撑，对应一个真实存在的群体。
第二步，串触点叙事。把第五章旅程图上的关键触点，变成"一个人真实的经历"而非流程图。最简单的链路可能是：短信触达 → 注册下载 APP → 短视频广告 → 转化。但实际触达往往更复杂，以宜家为例：最初的用户场景是线下开卡和注册，随后才是微信公众号关注。在常规触达中微信推送是主体，如果观察到某用户在一条"产品获得国际设计大奖"的推送之后点击并转发，并且在两周之后到店完成了购买，这段经历就构成了一条比较完整的转化链路，也给未来的用户分层运营提供了可借鉴的依据。把它和顾客的年龄、收入、家庭组成、是否有小孩、户籍地与居住地关系等因素叠加，就能形成一个完整的用户故事。（图 6-11）
第三步，收口到回声。故事结尾绝不能停在"人物很生动"，必须指向一个明确的建议动作和可量化结果，与 6.2 的 Action Title（结论 + 指标 + 建议）闭合。比如典型用户画像（图 6-12）讲完后，立刻接"因此我们建议针对该类人群上线 XX 权益，预计带来 XX"。
小结
6.2 的金字塔让你"讲得对、讲得清"，6.3 的故事让你"讲得进人心"。但二者不是二选一，更不是各讲各的：故事是金字塔子论点的"具象化补充"，它依附于结构化结论而生，不能替代数据与论证。理性骨架加上情感血肉，才是商业数据分析"最后一公里"要同时拿起来的两样东西。最后守住一条底线：故事可以虚拟，但绝不能虚构——人物姓名与叙事笔法可以设计，而其行为、遭遇与数据必须来自真实的埋点或调研样本，绝不能凭空捏造。
总结与思考
学会用结构化表达去阐述，配合动之以情的故事，有效的帮助决策者规避思维陷阱，是商业数据分析工作的“最后一公里“问题。很多数据分析工作者（包括我自己有时也如此）崇尚的是”用数据说话“的原则，但实际上数据自己不会说话，决策者也不可能有足够的时间和精力去理解数据分析背后复杂的逻辑。
在沟通表达过程中，要首先能了解受众的思维和沟通习惯，基于受众对问题的了解程度，选择合适的方式和侧重点进行呈现。在沟通之前也应该做好逻辑上的梳理准备，对做出分析结论的核心假设和推演过程做到了然如胸，同时也承认过程中存在的不足和可能的问题。在理性的逻辑表达之上，再配合感性的故事式表达，才能够让数据分析实现最大化的影响力。
本章留给读者的思考题是我工作中曾遇到的棘手问题，为了帮助某个快消公司打开市场，我曾测试了通过购买第三方数据获取用户特征，并针对性的做短信和微信推送活动。计算下来一个用户的获客成本约在30元，这个超过了用户首次购买所产生的利润（大约是20元）。我从数据角度，论证了一个用户购买后，未来1年平均会有4-5次消费，因此从长线角度看用户所产生的价值是会高于获客成本的，但从公司领导的角度，她觉得依托门店而力量，市场仍会有很多不请自来的免费顾客，为什么我们要额外花费去做这个赔本生意？如果现在你有一次通过汇报论证自己方案的机会，你会如何需要哪些数据准备，你会通过什么逻辑来让领导接受你的提议？