如何跨越学科的边界，借用其他学科的思想模型？

今天我想讲几个之前在直播里讲的话题：

跨越学科的边界。

我这个人在创业和经商的过程中，特别喜欢借用其他学科的模型，因为我认为很多学科的思想模型是可以互通的，它们是没有边界的。

我给大家讲两个故事。

第一个故事，是我们在做电商投流的过程中，我发现ROI（投入产出比）是一种稳定性指数。

ROI是2，就是投流一元能赚两元，ROI是3，就是投流一元能赚三元。

我发现，如果ROI太低（特别是低于1）就是投错了，如果ROI太高（比如20）就是投少了，应该追加。

理想状态下，ROI应该稳定在一个区间

——这样公司现金流稳定，后续可以上贷款和融资杠杆。

ROI一直稳定，比ROI来回跳（一会儿100，一会儿0.1）强多了。

我发现这点，和我读的很多量化交易不谋而合。

量化交易的核心，就是指标的稳定性

——所以量化要用夏普比率，来检测投资回报率的稳定性。

很多金融基金也公布其夏普比率。

稳定性赚钱的基金，比一会儿赚好多，一会儿大幅度回撤的强太多了，因为它可以上杠杆。

量化交易，不论是对冲模型，还是套利模型，最终都是追求ROI稳定性，只要稳定住，能稳定套出一小部分利润，加之杠杆，就可以赚钱。

所以，我当时想，既然量化交易中有这样的模型，为什么我们不用在电商零售中呢？

所以我对所有的投流产品，开始进行稳定性监测，每天盯着ROI的夏普比率来看。

我觉得有很大效果。

第二个故事是这样的。

前些日子，我们团队想分析，如何把我的微博IP做得更大。

所以她们做了一堆数据分析，瞄准我的竞对（其他博主），并且根据cluster analysis，把其他博主分成了好几类。

但是我觉得这个思考框架不对。

我说，咱们应该借用经济学模型，来对整个公域的自媒体的内容进行分析。

具体来说是这样：

我们可以把每一篇公域的内容（不论是文字，音频，视频，还是图文帖子）都看做是一个产品。

然后它得到的转评赞互动数，是“社交货币”。

从宏观层面上说，社交货币的多寡，就定义了这个帖子的供需关系：

也就是说，你可以做如下的简单建模：

转评赞多的帖子，就是“需求>供给”，大家需要这样的帖子，所以来回看，来回转发和评论。

转评赞少的帖子，就是“供给>需求”——看这类的帖子的人少，这类帖子供给过剩。

【当然，我知道这样的模型过于简单，没有考虑帖子难度和转评赞质量等因素，但是建模都是提炼的过程，模型一开始就要简单。】

每一个博主是生产不同内容产品的工厂，当然有的工厂生产的产品质量高，有的质量低，有的能生产很多种产品，有的只能生产某种垂直产品。

但不论如何，如果我们要在公域内容中取得更大成就，分析其他“工厂”肯定不是第一步，第一步是分析哪个内容的赛道还是“需求远大于供给”。

也就是说，如果我们把社交媒体上的话题进行细致的分类

（不是那种简单的粗的分类：比如两性，职场等等，而是分成细致的小话题），比如：

要不要进行副业，要不要立遗嘱，当全职妈妈有什么利弊........

然后在全网分析，不论博主和产品质量，哪些话题永远转评赞互动数非常高。

那么这些话题，就是需求还很旺盛。

就像一个产品赛道，如果质量差的还有一堆人买，证明需求很旺盛。

这个时候，你再把这些需求旺盛的赛道拿出来，再分析在哪些赛道你有比较竞争优势。

也就是说，你从全网比如说2000个话题中，发现了50个话题，“发一贴，火一贴”。

在这50个“发一贴火一贴”的赛道中，你去分析，你在哪些领域与现有博主差距最大，你的竞争优势更明显：

不是对方质量最差的，是你竞争优势最明显的。

比如A赛道，你要做，质量是80，TA做质量是50。

B赛道，你做质量是100，TA做质量是60。

那么显然你还是要选B，因为虽然竞争对手强了一些，但你的比较竞争优势更大。

就像一个工厂，你要往哪个方向做产品，你要看哪种产品供不应求，然后再看自己比较竞争优势。

这两点分析缺一不可，而且第一步永远比第二步更重要。

所以，这两个故事，都是借用一个学科的思想，去解决另一个问题。

一个是借用量化交易思想，来实现对电商零售投流稳定性的监测。

一个是借用宏观经济学思想来实现对社交媒体的分析。

然后我们再在实践中去检验，检验结果好再去推广，发论文。

我不论走到哪里，一直带着学术圈的习惯：

看其他学科，建模，假设检验，分享，发表。

这些习惯帮助了我很多。

很多时候，金钱也只是副产品。

这种站在巨人肩膀上，自己想透了一件事，赚了钱的快乐，验证了假设的快乐，远远胜于跟风的快乐。

屠龙如何深刻思想解答

帮大家解决职场/生活困惑？

请加入铁粉群

点右下角❤️，推荐给好友