时刻构建矩阵思维，这是一个很好的定位方式
一阴一阳之谓道，所以任何一个观察角度，都会有高低，大小的对比变化。

我们可以利用这个方法，把问题使用二维或三维矩阵的方式图像化，进而定位问题，针对不同的定位找到解决方案。

什么时候二维，什么时候三维？取决于你分析问题时的影响因子。影响因子多，就用三维。影响因子少，就使用二维。

先来说二维
举个例子，比如在时间管理(GTD）理论中，四象限法则就是一个很好的例子。

再比如，波士顿矩阵，来定位公司的产品。不同象限的产品也应该有不同的策略。

或者安索夫矩阵，也是一种定位策略。

再来说三维
比如，RFM用户价值模型。通过三个指标来划分模型，建立观测维度，从而对用户价值分层，做分层运营
- R（Recency）：指最近一次消费时间与截止时间的间隔。通常情况下，最近一次消费时间的间隔越短，客户对商品或服务最有可能感兴趣。
- F（Frequency）：指客户在某段时间内所消费的次数。消费频次越高的客户也是满意度越高的客户，其忠诚度越高，客户价值越大。
- M（Monetary）：指客户在某段时间内所消费的金额。消费金额越大的客户，消费能力自然也越大。

实战类比一个模型构建
比如，你可以搭建一个模型，用来分析需求场景：
- C（cost）：解决问题需要投入的成本大小
- R（Revenue)：可以从用户上获得的收益大小
- F（Frequency)：问题产生的频率大小

来划分需求场景。你会发现，不同的需求场景，产品形态是不一样的。

比如低频高价值高成本的场景，往往是一些咨询服务或解决方案在做。这种往往是toB的生意。如果你是做一个想解决这类问题的工具产品，那你要考虑的是如何通过他人，发挥出这个产品的价值。

当你按不同角度切割了观测对象，你会发现空白与机会。

点击图片查看原图

点击图片查看原图

点击图片查看原图

点击图片查看原图