10个商业研究的隐性知识|商业研究|性问题|议题|选题|隐性知识

没过多久，就有朋友找我交流关于研究方面的问题。

他们说：

怎么提出一个好的选题？怎么像你一样源源不断地有新选题？或者说，怎么把选题写得很严谨一些。

我晕。选题，大家都知道，挑选一个问题来解答，但有时候，找到合适选题并不容易，因为背后有一些隐性知识所在。

什么隐形知识呢？那些不容易用语言文字明确表达出来的，这里面有个人经验、有直觉、洞察力和理解力的融合。

它们往往依赖特定的环境、情境，因为具备动态发展的过程，所以，不太容易被SOP化。

我提到这个，是因为过去几年我发现，虽然这些知识大家都听说过，也能用AI搜索到，但真正用到自己身上，实际操作起来却很难。

所以，后来每次和朋友交流，只要谈到“选题、商业研究”方面的疑问，我就把它记录下来；今天一看，记下内容够多了，可以完整地分享出来。

01

说什么呢？有必要先提一个词，叫：职业化习惯。

什么意思呢？

一个职业性创作者、研究者，天天钻研，时间长了，会养成一些习惯，这些习惯不光是动作上的，还包括思考问题的方式。

这些习惯都很规范，也很专业，但有时候，习惯也会让商业创作的人感到局限。

比如说：

他们因为时间和任务的压力，往往不像业余爱好者那样，能轻松找到灵感，这种压力会阻碍角度的产生。

再比如：职业商业作者总想写得又快、又好，他们一开始就定了很高的目标，这反而让让他们感到紧张，难以放松。结果一下子很难找到一个让自己满意的选题。

不过，灵感不是随时都有的，但可以用方法去引导。怎么引导呢？别着急，我先带你看四个词：议题（issue）、话题（topic）难题（problem）、疑问（question）。

当我们谈论写作“选题”时，其实在选择一个具体的主题；这很关键，因为问题太多，上网一看，各种问题层出不穷。

比如：感冒、物价、失业、网红、安全、卫生等等。这些话题每天都在互联网上涌现，我们自己也有很多问题。

好吧，不说这些烦心事儿，回答眼前，很多商业研究者在选题时容易犯一个错误，即：把一个领域当成问题，或者把一个现实问题原封不动地搬过来。

什么意思呢？

电商是一个领域；电商发展就是一个领域的问题。你想写它，别说一篇文章，一个研究报告都很难说清楚。

快递送货慢，确实是一个具体问题；但如果只是简单描述，没有深入分析背后的原因和解决办法，那么这个选题也无法带来有价值的思考。

如果你想写透，又发现写不出来。问题出在哪呢？

其实，领域问题和现实问题虽然都叫“问题”，但它们的含义不同；有些“问题”指广泛的议题（issue），有些是具体话题（topic），还有些是难题（problem）或疑问（question）。

几个词在中文里不好区分，所涉及范围、含义也不同。

如果一开始没弄明白它们之间的区别，研究时，可能让自己的选题变得模糊。回想一下，以前有没有遇到过这样的状况？

我每天都读很多内容，数量多得数不清。我发现，很多读起来费劲的内容，通常问题出在一开始，堆了一大堆背景信息、产品信息，但总是说不到重点。等到终于说到正题了，没几句就结束了。

内容匆忙、肤浅，这不是写作技巧的问题，是思维方式的问题。换句话说，我们要清晰的思路和深入的分析，而不是简单地堆砌文字。

学会怎么把一个大议题分解成具体的小问题，再把这些问题变成引人深思的疑问。这样做，才能更有说服力。

02

问题来了，这几个词怎么区分？它们之间有什么不同？

先说说议题（issue）。

一般而言，议题是宽泛话题，是一个问题丛（cluster of problems）。

例如：电商市场发展问题，包括了竞争格局、商家困境、流量困境、用户消费行为等；商家困境，又包括了广告投放、供给供需问题、甚至还有招聘、职业发展、薪酬待遇等各方面等等。

议题更像是一个研究的大方向，通常关注一些大问题。

比如说：有人认为具身智能是未来的趋势，我们很快就会进入一个全新的技术时代，很多人的工作会因为技术革命而改变。

这类的研究题目不难找，写起来也相对容易，因为它们涉及的范围很广，你只要从一个宏观的角度去看待它们。但这样做的缺点也很明显，就是不够深入，只是停留在表面。

如果你总是这样写，会发现自己像「老虎吃天」，不知道从哪儿下口。时间一长，根本没法彻底理解一个领域。这就是议题的难点。

再说说话题（topic）。

话题，比议题更具体、更明确；电商市场发展问题是一个议题；而「某脱口秀演员为京东代言翻车」就是一个具体的话题。

聊具体话题有个好处，可以集中精力，深入地探讨问题，也能得出一些有用的见解；但是，见解背后藏着一些难题（problem）。

难题是难以解决的问题，里面有一定变量。我们都知道汽车尾气对身体不好，但怎么减少尾气排放？虽然我们不应该公开讨论男女性别哪个更重要，但这个话题几十年来一直在被讨论。

这就是难题（problem）。难题之所以难，因为背后有一些动机、冲突或者共鸣。

还有一点，现实难题是实实在在的困境和麻烦，指一种需要解决和改善的情况，这些问题要行动和干预来缓解和解决，涉及很多层面。

比如说，你聊云计算的发展格局，或者中国的芯片发展，追根溯源后可能会回到中美贸易关系上。

所以，现实难题跟议题有重叠之处，不过它可大可小，你选择这类选题，一般会面临两种抉择。

一，决定在哪个层面上讨论
二；确定问题焦点放在哪

所谓的“层次”，是看待问题的角度；是要从大局出发，还是从某个企业的视角来看，或者是关注市场的行为？这些都不太容易确定。

毕竟，每个细分领域都没有代表性，因为企业立场又分为很多不同的企业，竞争格局也不一样。

你不能只研究那些大的、宏观的问题，因为它们太难把握了。但也不能只关注太小、太个人化的问题，因为如果它们没有普遍性，就会显得微不足道，没人会关心。

因此，最好能选择一个中间层面，既能限制范围，又能吸引相当数量的关注者。

比如：

我们说“过时的技术”和“传统制造业的数字化转型难题”。你可以讲，随着人工智能和自动化技术的发展，传统制造业面临着转型的挑战，它们要更新自己的业务模式、重新设计工作流程。

你看，过时的技术，属于宏观议题，而后面“传统制造业的数字化转型”就成了问题具体表现。有时候，一个宏观议题，往往不一定要很震撼的开场。

就像电影一样，一开始看起来很普通，随着故事的推进，我们对新旧事物的看法会发生变化，过程经历各种挣扎，慢慢意识到转型的重要性。

通过这个过程，可以看到整个行业的变化，这就是选择合适层次的目的，以小见大，以特定群体折射宏观。

03

至于怎么用；问，代表三步法。我通常这样提问：谁、什么、何时、哪里、怎样、为什么。

这些问题可以分成两类：第一类，谁、什么、何时、哪里，这是描述性问题；它们主要是回答一些事实，属于封闭式问题。

第二类，为什么和怎样，这些问题是分析性的。“为什么”探讨的是原因和结果，“怎样”探讨的是事情的运作方式。

这些问题能帮我们把零散的信息连起来，就像把点连成线（connecting the dots），这样就能在复杂的情况中找到规律。

认真观察不难发现，封闭类问题，是填空题，一般有具体确定性答案，回答完就结束了；而开放性问题，没有明确答案，由若干个可能组成，因为会引发更多讨论或（controversial）。

如果不太理解，举个例子：

比如：你在写一篇饮料行业的市场分析，封闭式问题可能是这样：中年消费者为什么不爱喝饮料？他们会在什么情境下选择买饮料？他们觉得产品价格在什么区间更合理？

这些问题，能帮你收集具体的事实、数据，因为答案足够明确。

而反之，分析性问题可能是：为什么中年消费者不爱喝气泡水？他们对气泡水的看法是什么样？怎么让气泡水更符合中年人的消费需求？

这些问题更深入，更能找到背后的原因和过程，因为，你可能要查看市场趋势、消费者偏好、竞争对手的动态等等。

所以，封闭式问题帮助你收集事实，而分析性问题能引发思考；我的建议是：最好多写分析性问题，毕竟，写作不是请客吃饭，直面问题，哪怕引起一些争论，也会给人带来不同视角。

04

说到这儿，你可能会想：怎么把大议题和实际的难题变成疑问题呢？

拿这个来说：

前几天，看到OpenAI推出AI搜索功能；而且，在谷歌浏览器里也能直接用这个功能；我在想，AI搜索新竞争，会对市场产生什么影响？

来讲讲，我怎么用一个简单的三步法来梳理研究思路：

第一步，我要研究（这里填上一个宽泛的议题）。
第二步，具体来说，我想聚焦在这几个问题上：（1）为什么有的……，有的……却……？（这里可以比较现实中的不同情况和奇怪现象）（2）是什么因素影响了这个结果？（3）这些因素和结果之间是怎么相互作用的？
第三步，回答这些问题，可以帮助……解决以下现实难题或者理论问题……（这里可以说明你的研究能带来什么帮助或者洞见）。

这三步像一个漏斗一样，从议题慢慢过渡到难题，最后变成疑问，但同时，又把宏观议题、现实难题结合了起来，最终答案能有助于解决现实难题、或推进理论发展。

还拿AI搜索举例，套用公式就是：