2016年
抵御“第二天”

“杰夫，‘第二天’是什么样子？”

这是我在最近一次召开的全体员工大会上被问到的问题。在几十年的时间里，我一直在提醒大家，今天是“第一天”。我工作的亚马逊大楼就叫作“第一天”，在改换办公地点时，这个名字也如影随形。在这个问题的思考上，我倾注了很多时间。

“第二天是停滞不动的。随之而来的便是故步自封。往后展开的，便是惨不忍睹、痛彻心扉的衰退。继续下去，便是死亡。正因如此，每一天都是第一天。”

广告：个人专属 VPN，独立 IP，无限流量，多机房切换，还可以屏蔽广告和恶意软件，每月最低仅 5 美元

诚然，这种衰退的发生是极其缓慢的。一家老牌公司或许能够在几十年的时间里享受“第二天”的成果，然而，最终的结局仍是不可避免的。

“如何抵御第二天？”我对这个问题很感兴趣。有什么技巧和战术呢？置身一家庞大的组织之中，如何保持“第一天”的生机呢？

这样的问题是不存在非黑即白的答案的。复杂的因素、多样的路径及诸多的陷阱，都必然存在。虽不清楚完整的答案，但我知道一些有效方法。在此，我要将捍卫“第一天”的新手必备工具包分享给大家：发自内心对用户痴迷、抵制流于形式、拥抱外部趋势，以及高速决策。

发自内心对用户痴迷

想要为一家企业找准中心，途径有很多。你可以以竞争者为中心，可以以产品为中心，可以以科技为中心，可以以商业模式为中心，诸如此类，不一而足。但在我看来，到目前为止，以痴迷用户为中心才是最能够捍卫“第一天”活力的方式。

为什么这样说呢？以用户为中心的方法有诸多优势，最重要的一点是：即便用户声称满意且业务顺风顺水，但永远处于不满足的状态。即便用户自己心中尚未意识到总想得到更好的，而满足用户的渴望，会驱使你以其利益为出发点进行创造。从来没有哪位用户要求亚马逊打造一款Prime会员服务，但毋庸置疑，这项服务正是他们想要的。类似的例子，我还可以举出很多。

想要保持“第一天”的状态，你就要耐心实验、接受失败、播下种子、呵护树苗，并在为用户带来喜悦的领域双倍下注。想要做到所有这些，最能够提供沃土的便是痴迷于用户的文化。

抵制流于形式

在公司变得越发庞大和复杂的过程中，流于形式的管理倾向也随之诞生。具体的模式形态各异、贻害无穷、难以捉摸，深深打着“第二天”的烙印。

一个常见的例子，便是拿流程作为形式。好的流程会为你带来便利，从而推动你更好地服务用户。然而，如果不加警惕，那么流程便有可能喧宾夺主。这种状况在大型企业中非常容易出现。流程成为达到结果的手段，你不再关注结果，而只是确保遵循流程。唉，这真太可怕了。“嗯……我们只是在遵守流程罢了。”一位经验不足的领导拿诸如此类的话作为糟糕后果的借口，这样的情况并不罕见。较为资深的领导者则会将此视为一个机遇，对流程进行调查和完善。流程并不是问题的本质。到底是我们左右了流程，还是流程左右了我们？这是一个无论何时都值得思考的问题。在一家具有“第二天”心态的公司中，你或许会发现，答案是后者。

再举一个例子：市场调研和用户调查也可能成为用户们走的形式——在发明和设计产品时，这个问题的隐患尤为巨大。“在参与Beta测试(1)时，55%的人都表示对这一功能感到满意，比第一次测试的47%有所上涨。”这样的结果不仅难以解读，还可能在无意中造成误导。

优秀的发明家和设计师对用户有深刻的了解。他们付出巨大的精力研究和消化大批案例，而不只看用户调查得出的平均数。他们会深切体悟自己的设计。

我并不反对Beta测试或用户调查。但是，作为产品或服务所有者的你，必须理解用户、抱持一定的愿景并热爱所推向世界的产品或服务。如此一来，Beta测试和研究才能帮你找到盲点。卓越的用户体验始于内心、直觉、好奇、乐趣、本能和品位。所有这些都是调研中找不到的。

拥抱外部趋势

如果你不愿或无法迅速适应趋势，那么外部世界就能将你推入“第二天”的心态之中。如果对抗趋势，你或许是在对抗未来。而选择拥抱趋势，你便有如搭上了顺风车。

这些宏观的趋势虽然不难发现（相关的讨论和文章不在少数），但奇怪的是，对于大型企业而言，想要拥抱这些趋势举步维艰。现在我们就置身于一个显而易见的趋势之中：机器学习和人工智能。

在过去的几十年里，计算机已经在很大程度上实现了任务自动化，程序员能用清晰的规则和算法来描述任务。如今，在更难用精确的规则描述任务的情况中，现代机器学习技术一样能达到同样的效果。

多年以来，我们一直在亚马逊致力于机器学习的实际应用。其中的一些成果非常显著，比如：亚马逊Prime航空的送货无人机，利用机器视觉让排队结账一去不返的亚马逊无人超市，还有我们的人工智能助手Alexa(2)。（尽管尽了最大的努力，我们还是难以保持Echo音箱存货充足。这虽然让人愉悦，但毕竟是个问题。我们正在全力寻找解决方案。）

我们在机器学习方面的大部分实践都发生在表层之下。机器学习对需求预测、产品搜索排名、商品和优惠推荐、周边产品植入、欺诈检测、翻译等各方面的算法都起到了推动作用。虽然并不那么一目了然，但机器学习的影响大多如此——即便对核心业务的完善悄无声息，意义却不可埋没。

在亚马逊云服务里，我们很乐意降低机器学习和人工智能的成本和壁垒，以便这些先进的技术为各种规模的企业机构所用。

使用我们预先打包好的、具有深度学习的框架在P2实例（该功能可以优化计算机负载）上运行，用户们已开发出各种功能强大的系统，涵盖领域从早期疾病监测到作物产量提高，应有尽有。另外，我们还以简便的形式推出了亚马逊的最高阶服务。有了Amazon Lex（即Alexa的内核）、文字转换语音的服务及图像分析功能，自然语言理解、语音生成及图像分析等领域的烦琐工作都被悉数承担起来。这些服务只要调用应用程序编程接口便可访问，而无须具备机器学习方面的专业知识。希望大家对这一领域多加关注，未来还会有更多精彩呈现。

高速决策

“第二天”心态的公司也能做出高质量的决策，但决策的速度非常缓慢。想保持“第一天”的能量和活力，你就得想办法制定高质量且高速度的决策。这一点对于初创公司而言轻而易举，但对大型企业来说就很有挑战性了。亚马逊的高管团队决心将我们的决策制定保持在一个高速状态。在商业世界，速度至关重要，而且高速决策制定的环境也要有趣得多。我们虽然不是无所不知，但仍有一些想法与大家分享。

第一，绝不要使用“一刀切式”方法制定决策。许多决策都是可逆的“双向门”决策，可以用轻量级的方法来处理。在这些决策上，就算误判又何妨？关于这一点，我在去年的致股东信中有更详细的阐述。

第二，搜集了大约70%你想要得到的信息后，绝大多数决策就差不多可以做出了。如果等到搜集90%的信息再做决策，那么你的行动十有八九就太慢了。另外，不管怎样，你都需要善于快速识别并纠正错误的决策。如果你在方向修正上做得好，那么犯错的代价或许没有你想象中那么高；而如果在修正上缓慢迟疑，那么代价一定不小。

第三，试着说“求同存异，服从决策”。这句话能节省大把的时间。如果你对某个方向坚信不疑，那么即使意见没有达成一致，你也可以这样说：“你看，我知道我们对这个问题意见不统一，但你愿意跟着我赌一把吗？能不能求同存异，服从决策？”到了这个节骨眼儿上，没有人胸有定见，因此你应该很快就能获得大家的同意。

这句话并非只能平级使用。如果你是老板，这个方法也适用。我就经常求同存异，服从决策。最近，我们通过了一部亚马逊工作室原创剧的拍摄计划。我与团队分享了自己的观点：这部剧的趣味性有待商榷，制作难度很大，商业条款也没那么合理，况且其他的机会还有很多。但团队的态度与我截然相反，希望继续进行下去。我立即回信，在信中说：“我决定求同存异，服从决策，希望这能成为我们创作的影视内容中最火的一部。”想想看，如果团队没有得到我这句痛快的承诺，而是要费心说服我，那么这个决策周期得拖慢多久。

请注意，这个例子并不是说我没有在心里暗想：“唉，这些人的判断是失误的，他们没抓住重点，但我再努力挽回也是徒劳。”这是一次真实的意见分歧，是我对自己看法的一种坦率表达，是团队对我的看法加以权衡的一次机会，也是让团队按自己的想法继续走下去的一句干脆而真诚的承诺。鉴于这个团队已经捧回了11项艾美奖、6项金球奖及3项奥斯卡奖，他们能在屋里给我留下一席之地，我已经深感荣幸了！

第四，尽早认识到分歧所在，并立即上报。有的时候，团队中会存在目标的差异和观点上的根本分歧。这些目标和观点无法达成一致。无论多少讨论和会议，都无法解决这根深蒂固的分歧。如果没有升级处理，默认的冲突解决机制只会让双方都落得心力交瘁。结果，谁熬得过谁，谁就赢。

几年来，我已经在亚马逊看到了许多这种意见实在无法统一的例子。当我们决定引入第三方卖家的时候，就引起了轩然大波。许多聪明而满心好意的亚马逊人完全无法认同这个方向。一个重大的决策包含了成百上千个较小的决策，其中许多都必须上报至高管团队处理。

“就这样吧，你已经把我拖垮了”，这种决策方式是非常糟糕的。这样的进程不仅缓慢，而且会让人疲惫不堪。与其如此，不如立即上报，效果反而更好。

那么，你是否只在乎决策的质量，还是对决策的速度也很在意？世界的潮流能否让你顺风前行呢？你是否成了形式的牺牲品，还是让形式为你所用呢？最重要的是，你有没有为用户带来喜悦呢？大公司的格局和能力，小公司的活力与激情，这二者是可以兼具的。但是，我们必须有意去做出这个选择。

非常感谢每一位用户给予我们提供服务的机会；非常感谢我们的股东的支持；也非常感谢世界各地的亚马逊人，感谢你们的付出、智慧和热情。

今天，仍旧是第一天。

(1)　指在产品发布之前进行的软件验收测试活动。

(2)　你可以试着问问：“Alexa，60的阶乘是多少？”纯属娱乐。——作者注