InnoLab
CG18认知L3classic

亲和图

Affinity Diagram

亲和图是一种将大量零散观察结果、想法或数据通过"沉默分组法"进行自下而上分类整理的工具。团队成员在不讨论的情况下独立将相似的卡片归为一组,再集体为每组命名,从而从杂乱信息中自然浮现出模式和结构。

一图看懂
1制卡原子化2沉默分组3二轮精修4集体命名5层级整理6总结洞察

这是什么

亲和图,说白了就是一招"先别急着分类,让信息自己抱团"的整理术。想象你桌上散落着一两百张便签——访谈记录、用户抱怨、头脑风暴的点子,乱成一锅粥。普通人的反应是赶紧搭个框架,按部门、按阶段把它们塞进去。亲和图偏不,它让你和团队闭着嘴,凭直觉把"感觉像一伙的"卡片挪到一起,等它们自然结成几堆,再回过头给每堆起名字。

它最反常识的地方在于:不是你去给信息分类,而是让信息的内在结构自己浮出水面。框架是从数据里"长"出来的,不是你预先扣上去的。

来历与出处

亲和图是日本人类学家川喜田二郎(Jiro Kawakita)在 1960 年代发明的,所以日本人也叫它"KJ 法"(取他名字的首字母)。川喜田做田野调查时,手里攒了海量零散的观察笔记,传统的归类方式总让他觉得"漏掉了什么"。他索性把每条观察写成卡片,让它们凭相似性自由组队,再命名——结果发现,这样冒出来的主题往往比预设分类更真实、更出人意料。

后来这套方法被引入质量管理领域,成了"新 QC 七工具"之一,又被设计思维、用户研究广泛采用,是今天几乎所有团队做"信息收敛"时绕不开的标准动作。

解决什么真实问题

它专治一种病:信息太多,多到你一看就头大,根本不知道从哪下手。

做完一轮用户访谈,几百条笔记摊在面前;开完头脑风暴,白板上贴满了点子;复盘会结束,一地便签——这时候你最想做的,是赶紧"理出个头绪"。但人一着急就会犯两个错:一是套现成框架,结果框架外的新模式全被你过滤掉了;二是开会讨论,结果嗓门大的人、第一个发言的人,把全场的分类思路带跑了。亲和图就是来挡这两个坑的。

核心思想

打个比方。你让十个人去逛一个堆满杂物的旧货市场,规定:谁也不许说话,各自凭手感把"像一类的"东西摆到一起。一开始大家各摆各的,但摆着摆着你会发现,茶杯总往茶壶边上凑,螺丝总往工具堆里走——一种谁也没规定、却所有人都认的秩序,自己冒出来了。

这就是亲和图的魔法核心:沉默分组。为什么非要闭嘴?因为一开口,权威效应和锚定偏见就来了——领导说"这俩是一类",没人敢反对;第一个发言的人定了调,后面全跟着他走。刻意不说话,是为了让每个人最原始、最诚实的直觉相似性判断,不被语言污染地表达出来。等卡片堆稳定了,再开口给每堆命名——这一步是把"我感觉它们像"翻译成"它们因为某个共同主题而像",让模糊的直觉变成能说出口的洞察。

所以亲和图的精髓是一句话:别先建框架再塞数据,让模式自己浮现。 它是自下而上的归纳,跟金字塔原理那种自上而下的演绎,正好是反着来的一对。

完整案例

一个智能家居团队做完 12 户家庭的入户访谈,攒了 187 条观察笔记。他们没有按"卧室、客厅、厨房"这种现成框架去分,而是把每条写成卡片,全员沉默分组。

挪着挪着,七个主题堆自然成形。其中最大的一堆,足足 34 张卡片,记录的全是用户自己琢磨出来的"土办法"——比如把传感器用胶带粘在猫砂盆上、用智能插座的定时功能当闹钟。团队给这堆起名叫"临时变通方案"。

这个发现让人脊背一凉:用户在大规模地用产品根本没设计过的方式来满足需求。而这恰恰是任何预设框架都抓不到的——你事先绝不会设一个叫"用户自创土办法"的分类格子。正是这堆卡片,直接催生了后来的爆款功能"用户自定义场景"。

你看,要是他们一上来就套框架开会讨论,这 34 张卡片会被打散塞进各个房间里,那个最值钱的"意外感"就永远沉在水底了。

常见误解与边界

第一个误解:卡片太少也能玩。不行。少于 30 张时,模式根本不足以"浮现",亲和图的归纳优势发挥不出来,还不如直接坐下来讨论。它是为"信息过载"准备的工具,不是给三五条意见用的。

第二个坑:命名环节最容易破功。从沉默切换到开口的那一刻,团队特别容易为"这堆到底叫啥"吵上半小时。要强引导——名字只要能概括就行,不必完美,别让一个命名辩论吃掉整个下午。

第三,要清醒:分组结果带着团队的视角。换一拨人,同一批卡片可能分出不一样的结构。这不是缺陷,是特性,但你得知道结论是"这群人眼中的模式",不是绝对真理。

至于 AI 时代——可以让 AI 几分钟内把上百条文本做初步聚类,省掉大量粗分组的体力活。但记住:AI 给的是"统计相似",人给的是"意义相似"。命名和关系标注这两个要价值判断的环节,还得人来;AI 没归好的长尾卡片,更要重点复核。

一句话记住它

别急着给信息搭框架——闭上嘴,让模式自己浮出来。

想看这套方法喂给 AI 的执行规格?点上方「标准模组」。

Cases

用过此方法的案例

2

用「亲和图」推演你的问题

描述你正面临的难题,InnoLab 会用这套方法当场跑一次结构化推演。

免费推演一次