假设某用户平台的七日留存率持续下降。运营团队最先想到的办法是加红包。

2元、5元、10元。

红包越加越大，领取率确实在涨。可活动一停，留存马上回落。

团队又增加预算、提高补贴、加大推送频次。眼前能调的数字几乎都试了一遍，用户还是留不住。

问题到底出在哪儿？

团队很容易怀疑：是不是力度还不够？

系统动力学家德内拉·梅多斯在讲解杠杆点时，曾提到另一个故事。

一个住宅区的房屋大致相同。有些家庭的电表装在地下室，有些家庭的电表装在前厅。住户每天经过前厅，都能看见电表转得快还是慢。

据梅多斯转述，电表装在前厅的家庭，用电量明显更低。

没有提高电价，也没有增加处罚。住户只是更容易看见自己用了多少电。

用电行为发生以后，反馈马上回到了住户面前。人的行为也跟着变了。

开头的红包和这里的电表，代表了两种不同的干预。

红包改的是数字，电表改的是信息流。

前者带来一次刺激，后者改变了人下一次如何行动。

问题在一直反反复复，未必是调整的力度不够。更可能的原因是，你一直在改数字，但让问题反复发生的那一层，你还没碰到。

这就是杠杆思维关心的事：面对一个反复出现的问题，应该改哪里，往哪个方向改。

这里的"系统"不一定是一个国家、一座城市或一家大公司。只要一个结果由多个环节共同造成，环节之间彼此影响，今天的结果又会影响下一轮行为，它就是一个系统。

用户留存、团队协作、库存管理，甚至个人时间安排，都可能是这样的系统。

1999年，梅多斯发表《杠杆点：系统干预的位置》，把系统中的干预位置整理成十二个层次。

杠杆点，是那些一旦发生变化，就可能明显改变系统行为的位置。

杠杆思维，就是寻找、比较和验证这些位置，判断往哪个方向改进。

很多人把杠杆思维理解成"用更少的钱和时间，撬动更大的结果"。这只说对了一半。

一个杠杆点未必投入很小，也未必容易改变。重建供应链、调整决策权、改变考核目标，成本都可能很高。

杠杆思维和金融加杠杆也不是一回事。金融杠杆放大收益和损失，系统中的杠杆点改变的是结果怎样产生。

说得简单一点：

当一个由多个环节组成的系统反复产生某种结果时，杠杆思维要求我们检查它的结构、反馈、信息、规则和目标，从中寻找可能改变系统行为的干预位置，再评估施力方向、见效快慢、副作用和验证方法。

"改变系统行为"，不是让指标短期上涨。

一次大促可以带来很多新增，但活动结束后，用户又不来了。系统只是被外力推了一下，产生结果的方式没变。

真正的变化发生在外部刺激撤掉以后。新的信息、规则或反馈仍在发挥作用，系统开始稳定地输出新的结果。

面对同一个问题，有些动作只能暂时抬高数字，有些动作会影响此后的每一次决策。区别在于，它们动了系统中的不同位置。

梅多斯把干预位置从浅到深分为十二层：第12层最浅，第1层最深。

为了方便理解，本文把十二层归成四组。这不是梅多斯原来的分组，同一组内部的作用也可能相差很大。

先记住四个动作：

数值与物理结构层：你是在调数字，还是在改管道？

最浅的一组，包括参数、缓冲存量和存量—流量结构。

调价格、调预算、调税率、调红包金额，都是改参数。

改变库存位置、渠道布局、道路网络和生产流程，则是在改系统的"管道"。

参数最容易被看见，也最方便调整。用户少了，加红包；项目慢了，加人；销量低了，降价格。很多团队解决问题时，会本能地从数字入手。

在梅多斯的排序中，普通参数位于最低一层。把大量精力耗在参数上，比作"重新布置泰坦尼克号甲板上的座椅"：动作很多，船的方向没有变。

但参数不是没有用。它适合短期止血，也可以测试系统对某个变量是否敏感。某些参数一旦越过临界点，还会触发更强的反馈回路，成为高杠杆位置。

同样被归到这一组的物理结构，情况又不一样。

红包从2元加到10元，只是修改一个数字；重建仓储网络、调整库存位置或改变渠道结构，已经动到了系统的物理基础，代价和影响都可能很大。

因此，"浅层"只是一个寻找方向的提示，不等于"没有用"。

动态调节层：反馈慢了一步，为什么越纠偏越混乱？

再往上一层，关注的是延迟效应、调节回路和增强回路。

不只看反馈有没有回来，还要看回来得多快、纠偏力度多大，以及某种变化会不会不断放大。

假设销量开始下降，管理者要求增加生产。可从下单、生产到商品进入市场，需要三个月。

管理者迟迟看不到新增产能的结果，便继续加单。等产能集中释放时，市场已经供过于求。

行动一直在发生，判断依据却是过时的信息。

反馈太慢，人就容易反复加码；纠偏过强，系统可能来回摆动；增强回路失去控制，一种增长或衰退会越来越快。

梅多斯在《系统之美》中还提出过一个反直觉的做法：当增强回路把系统推得太快时，先把它慢下来，有时比继续加强纠偏更有效。

车速已经太快，继续猛打方向盘只会让车更不稳定。先松开油门，反而更容易把方向找回来。

制度设计层：谁能看见信息，谁有权做决定？

再往上看，问题来到信息流、规则和自组织能力。

谁能看见什么信息？现有规则奖励什么行为？谁有决定权？系统能不能通过试验调整自己？

住宅区电表改变的就是信息流。

用电信息原本藏在地下室，很少进入住户每天的决策。电表出现在前厅以后，反馈回到了行为发生的人面前。

团队里也经常出现类似问题。

一线员工最先发现客户正在流失，却没有渠道把信息传给产品团队；产品团队看到了问题，又无权调整流程。信息虽然存在，却到不了能够采取行动的人手里。

渔业中的公地悲剧也包含类似机制。

捕捞者如果看不见鱼群数量的变化，就很难根据资源状况减少捕捞。鱼越少，价格越高，反而可能吸引更多人继续捕鱼。

当然，公开鱼群信息解决不了全部问题。捕捞规则、产权安排和执行机制也要跟上。复杂系统麻烦就麻烦在这里：你很少能靠一个动作完成改变。

系统意图层：考核什么，系统就会追逐什么

更深一层，是系统的目标，以及支撑目标的基本信念。

判断一个系统真正想要什么，不能只听它嘴上怎么说，还要看它奖励什么、惩罚什么。

一家平台可以反复强调"以用户为中心"，但如果团队只考核新增注册数，资源就会自然流向拉新。

用户有没有完成核心行为，为什么愿意回来，长期体验有没有改善，没人负责。

这不是员工不在乎用户。考核已经告诉他们，新增比留存重要。

公司也常说自己的目标是赢利，但从日常决策看，它真正追逐的可能是规模、市场份额，甚至管理者的控制权。目标不变，预算、流程和考核就会继续为旧方向服务。

这四组大体上有一个递进关系：越接近规则和目标，影响范围可能越广，实施阻力通常也越大。但深层不等于优先。

改变公司目标影响深远，却未必有现实条件；调整一个价格参数看起来很浅，却可能马上解除危机。

该动哪里，要看因果关系、实施难度、见效快慢、失败风险和验证成本。

梅多斯自己也提醒过，十二层是一份启发性排序，不是寻找杠杆点的固定配方，更不可能在所有系统中严格成立。拿着这张表机械追求"越深越好"，本身就是一种误用。

位置找对了，只完成了一半。

找到关键位置，只解决了"改哪里"。接下来还有一个同样重要的问题：往哪个方向改。

这不是废话。很多人以为，找到了关键位置，方向自然就对了——既然考核规则有问题，那就改考核规则；既然住房不够，那就多建。方向似乎不言自明。

但在复杂系统里，"改"有两个方向：增加，或者减少。你以为"增加"就是改善，"减少"就是退步。实际上，往哪个方向推，取决于因果结构，不取决于你的直觉。

而且，一个位置的影响越大，方向错了以后，副作用也可能越大。

先看一个公司里的例子。

一家公司发现考核规则正在影响员工行为，于是把绩效与"完成任务数量"绑定。

考核规则的确是重要位置。但新制度上线以后，员工开始挑简单任务，把一项工作拆成多项，真正困难的问题反而没人愿意碰。

规则成功改变了行为，却没有带来公司想要的结果。位置找对了，方向推反了。

再看一个更大的例子。

梅多斯的老师、系统动力学创始人杰伊·福瑞斯特在城市动力学模型中，得到过一个引发争议的结论：如果低收入住房政策不断强化贫困人口的空间集中，继续增加同一类住房供给，长期结果可能是就业基础进一步削弱。简单说就是：在已经贫困的街区继续集中建低收入住房，可能让整个街区更难翻身。

很多人觉得，贫困街区缺住房，那就多建。直觉上很合理。但模型显示，在同一位置不断叠加同一种供给，可能强化原有的贫困结构，而不是缓解它。

在复杂系统里，"增加"不天然代表改善，"减少"也不天然代表伤害。方向要由具体的因果结构来判断。

梅多斯和福瑞斯特的世界模型还提出过另一个反直觉的结论：当资源消耗和污染反馈逐渐逼近承载边界时，继续加快经济增长可能放大系统失衡。

这个结论只在特定模型和假设下成立，不能压缩成一句"经济增长是坏事"。但它引出了一个值得追问的问题：增长带来了什么，消耗了什么，负面反馈又发展到了什么程度。

到这里可以看出，杠杆思维始终要回答两个问题：在哪里用力，往哪个方向用力。缺了哪个，都可能把系统推向更糟的地方。

最后做一组概念区分。杠杆点还容易和瓶颈、根因、二八法则混在一起。

瓶颈是当前限制产出的位置。根因解释问题为什么发生。二八法则观察结果是否集中。杠杆点问的是：改变哪里，最可能带动整个系统改变行为？

根因未必适合直接干预，瓶颈也未必是影响最大的干预位置。少数对象贡献了大部分结果，同样不能证明它们就是杠杆点。这些模型可能在同一个问题里相遇，但回答的不是同一个问题。

钱加了、人加了、工具换了，问题还是回到原样。这就是调用杠杆思维的信号。

但别因为一次参数调整失败，就宣布"参数没用，必须改变系统"。先确认几件事：调整范围是否合理，数据是否可信，执行有没有走样，有没有等够见效时间。这些条件基本满足，系统还是回到原来的状态，才需要把注意力移向反馈、规则和目标。

先把"问题没变"说清楚

"留存不好""效率太低""项目推进不顺"，都太含糊。

换成可以观察的结果：

- 红包停止以后，七日留存回到原来的水平。

- 增加两名员工以后，项目的平均审批时间没有下降。

- 更换时间管理工具以后，关键任务的完成率仍然没有提高。

结果说得越具体，后面越容易判断什么变了，什么没变。

把搜索范围从数字拉到整个系统

先检查价格、预算、阈值和人员数量。这些参数是否真的在合理范围内测试过？

接着看反馈。信息是否回来得太慢？纠偏力度是否合适？某个回路是不是在放大问题？

然后检查规则。谁能看见信息，谁有决定权，系统正在奖励什么行为？

最后回到目标。大家实际被要求优化的，究竟是什么？

这套顺序不是要求你每次从头到尾机械扫描，只是提醒你：别让注意力永远停在最方便修改的数字上。

把因果路径写出来

找到一个"看起来很重要"的位置，还不够。你得说清楚，它会怎样影响结果。

可以用一句话检验自己的判断：

例如：

调整首次使用后的进度反馈，让用户知道自己已经完成了什么、下一步该做什么，从而提高核心行为完成率；一周后观察七日留存，同时检查推送打扰和用户投诉。

如果中间的路径写不出来，你可能只是给一个重要问题换了名字，还没找到可以验证的杠杆点。

一次只验证一个主要假说

回到开头的平台。

红包从2元加到10元，领取率上涨，留存却在活动结束后回落。

这个结果只说明继续加红包没有带来持续留存。问题究竟出在产品价值、信息反馈、任务规则还是考核目标，还需要进一步判断。

团队可以列出几种可能：

- 用户只想领取红包，没有体验到产品的核心价值。

- 第一次操作结束后，用户不知道下一步该做什么。

- 任务规则鼓励一次性领取，没有引导重复使用。

- 团队只为新增负责，没有人对后续留存负责。

这几种可能不能混在一起验证。

可以先选一部分用户，只调整首次核心行为后的反馈。红包、任务规则和推送频次暂时不动。

如果核心行为完成率和七日留存一起提高，信息反馈就值得继续验证。

如果核心行为提高，留存仍然不变，问题可能还在产品价值或任务规则。

如果用户路径没有明显障碍，团队却一直推出只追求新增的活动，考核目标和决策规则就该进入检查范围。

分开试验有一个朴素的好处：结果出来以后，你知道是谁干的。三层一起改，即使留存提高，也很难判断究竟哪项改变有效。

再看两个日常场景。

项目推进慢，管理者不断加人。如果等待时间数据显示，大部分任务都卡在同一个人手里等审批，加人就没有改变等待的根源，只会让审批队列更长。这时，更值得检查的是决策权和审批规则。

个人效率也是一样。你每天列20项待办，又用"今天完成了多少项"评价自己。为了获得完成感，你自然会先处理简单任务。

换一个待办工具改变不了这套奖励方式。只要你还在奖励完成数量，新工具也会被用来做更多小事。

判断系统有没有真的改变，看三个迹象：临时刺激撤掉以后，变化还在不在？系统能不能依靠内部机制继续产生新结果？一个指标改善时，代价有没有被转移到别处？

最后得到的，不该只是一句"这里很重要"，而是一组有先后顺序的干预假说。每个假说都要说清楚：准备改什么，怎样影响结果，多久能看见变化，可能伤害什么，怎么验证。

什么时候可以开始行动？因果路径基本说得通，试验成本和风险能够承受，观察指标和预期见效时间已经明确，就可以先做一次小规模、可逆的测试。

复杂系统里很少有百分之百确定的答案。一直坐在会议室里分析，不会比一次受控试验带来更多信息。

你找到了杠杆点，也做了调整。隔段时间，问题为什么又回来了？

因为系统会动。你改变规则，系统里的人也会改变自己的做法。

有时，一个杠杆点根本不够。多个反馈、规则和目标共同维持当前行为，单独改变一处，其他力量还会把系统拉回去。紧急情况下，可以一边用参数措施止血，一边寻找结构性干预。要是目的在于学习和优化，最好分阶段验证。多层同时变化，最后很难说清哪一步真正有效。

有时，原来的杠杆点会失效。参与者熟悉新规则以后，可能绕过它，甚至反过来利用它。信息流变透明了，团队可能学会隐藏数据；考核目标改了，员工也可能专门优化指标。指标一旦变成硬目标，人就可能为了完成数字而伤害真正的目标。这就是古德哈特效应。

还有一个容易被忽略的问题：影响大，不等于方向正确。一个干预点可以强烈改变系统，也可能把系统推向更糟的地方。安全、合规和质量底线，不是等待拆除的障碍。杠杆强度告诉你这个位置影响多大，却不能替你决定什么才是好结果。

在行动以前，所谓杠杆点都只是候选。梅多斯明确说过，十二层不是一张寻找杠杆点的配方，只是提醒人们从更多位置思考系统改变。四层扫描替代不了用户研究、业务数据和领域经验。不知道用户为什么离开，只靠一张层级表推不出留存方案；不了解审批承担的法律责任，也不能因为流程慢就直接取消审核。

试验结果与预期不符时，别急着归咎于"执行不到位"。也可能是位置找错了，方向推反了，见效时间估短了，或者系统已经对你的改变作出了新反应。新证据出现，原来的判断就该更新。

找到候选杠杆点，只是写下了假说的第一行。