先把决策问题写清楚

独立经营者每天都要面对不完整的信息。用户说想要一个功能，竞品刚刚调整价格，某个平台宣布新政策，一篇文章推荐新的增长渠道，AI 又给出几种看起来都合理的解释。时间有限，很难把每件事研究到完全确定以后再行动。

真正需要建立的能力，是在证据有限时作出有边界的决定，并保留以后修正的条件。这个过程可以拆成四段：收集信息、形成解释、作出行动、回看结果。^[1] 每一段留下简短记录，选题、定价、渠道和产品迭代就不会只依赖当时的感觉。

研究范围失控，常常是因为问题写得太大。「要不要做 SEO」「产品应该怎样定价」「这个市场有没有机会」都无法直接回答。它们会引出越来越多资料，却没有明确的停止位置。

一个可执行的决策问题需要包含四项内容：

1. 决策对象：这次具体要选择什么；
2. 适用范围：面向哪类用户、产品、地区或阶段；
3. 观察期限：使用哪个时间段的信息，准备运行多久；
4. 结果用途：答案将改变什么行动。

例如，经营者可以把「要不要做某个渠道」改成：

在接下来的四周里，是否值得把每周固定时间投入一个目标用户集中的社区，
用三类实际问题测试能否获得合格访问、对话或试用？

这个问题仍然需要研究，但已经能限定来源、投入和判断条件。研究过程也知道什么时候可以停下来进入实验。

来源分层，先接近原始事实

个人投资研究中常把信息分成原始材料、权威通报和二次解读三层。^[1] 这个结构同样适用于产品经营。

第一层：原始记录和正式材料

这一层最接近事情本身，包括：

• 用户实际操作、访谈录音、支持工单和销售记录；
• 产品事件、订单、退款、成本和实验原始数据；
• 公司公告、财报、平台官方文档和政策页面；
• 合同、账单、代码、版本记录和真实交付文件。

原始材料通常分散、篇幅长，也可能需要专业知识才能理解。它的价值在于可以回看，并能让其他人检查同一件事。

第二层：可靠的整理和通报

行业媒体、研究机构、数据服务、专业顾问和内部分析报告，会把原始材料整理成更容易使用的形式。这一层能够节省时间，也会加入筛选标准和解释框架。

使用时需要确认资料来自哪里、覆盖哪个时间段、怎样定义指标，以及整理者是否遗漏了不符合叙事的信息。带有来源链接的整理可以作为入口，最终影响重要决定的数字仍应回到第一层核对。

第三层：观点和二次解读

社交媒体帖子、视频、课程、社区讨论和 AI 回答，适合发现问题、术语、候选解释和可能的反例。它们通常更容易读，也更容易受到个人立场、商业合作、平台推荐和传播效果影响。

二次解读不需要全部排除。它的合适位置是研究入口和解释参考。若一个观点会直接影响资金、客户承诺、合规或长期开发投入，应继续寻找原始证据和其他独立来源。

给每条证据保留上下文

一条数字离开定义和时间，很容易变成错误结论。记录证据时可以使用一个简短结构：

这样记录不会让证据自动变得可靠，但能防止资料在转述几次以后失去边界。

平台政策、价格、接口和模型能力尤其需要保留观察时间。某次测试中得到的 AI 回答，也只代表当时的模型、版本、地区、登录状态、Prompt 和搜索设置。缺少这些条件，下一次结果不同，经营者无法判断是策略变化还是测试条件变化。^[2]

把事实、解释和行动分开

很多决策记录把三件事写在同一句话里：数据发生变化，于是判断某个原因成立，随后决定投入更多资源。只要中间解释错了，行动就失去依据。

更清楚的方式是分三栏记录：

事实要能追溯到原始记录。解释可以有多个，且需要标明当前证据强弱。行动则要对应一个尚未解决的问题，避免同时改变很多变量。

同一个事实也可能支持不同解释。用户要求增加一个功能，可能说明需求强烈，也可能说明现有界面难以理解，还可能只是单个客户的特殊流程。直接进入开发，会跳过最有价值的判断步骤。