InnoLab
CG08认知L3original

九宫格分析法

Nine-Grid Analysis

将复杂问题拆解为九个维度进行系统化分析,快速建立结构化思考框架。

一图看懂
维度①维度②维度③维度④中心问题维度⑤维度⑥维度⑦维度⑧

这是什么

九宫格分析法,说穿了就是一张"逼你把问题想全"的网格。我们面对一个又大又杂的难题时——比如"这个项目到底该不该干"——脑子很容易犯三种毛病:抓不住重点(不知道从哪儿下手)、想偏(翻来覆去只盯着两三个自己熟悉的角度)、想碎(冒出一堆零散的小感想,但拼不成一个完整判断)。

九宫格的办法很物理:画一个九宫格,正中间那格写下你真正要回答的那个"判断题",周围八个格子,强制你填进八个不同的分析维度。它不让你只想三个角度就草草下结论,而是逼着你把盘面摆满——既不许漏掉关键角度,也不许在某一个角度上过度纠缠。等八个格子都填好了,再看哪些角度互相印证、哪些互相打架,最后收敛成一个带前提条件的判断。

来历与出处

九宫格分析法源自邱懿武的教学体系,是他在创新方法论教学中提炼出的一个结构化思考工具。它的设计初衷很直接:给学员一个简单、好上手、又能强制"想全"的思考骨架。

需要说明的是,"九宫格"这种把中心议题放正中、八个维度环绕四周的视觉布局,在思维工具里有不少近亲(比如日本的曼陀罗思考法也用类似的九格结构)。邱懿武这套九宫格的特色,不在格子的形状,而在它给出的一整套用法——怎么提炼中心问题、按什么逻辑选八个维度、以及最关键的"交叉发现"这一步。它把一个朴素的网格,做成了一套从展开到收敛的完整分析流程。

解决什么真实问题

最典型的场景是:你面前有一个重大决定要拍板——一个产品要不要立项、一个战略方向能不能走、一笔大钱要不要投——你隐约觉得"好像漏了点什么",但又说不上来漏在哪。这种"说不清的不安",正是九宫格要治的病。

几类人尤其用得上。一是要做重大判断、不能拍脑袋的人,决策前需要系统地把盘面看完整。二是团队讨论的发起者,开会前先搭一个共同的分析骨架,免得大家各说各话、各自只盯自己关心的那块。三是手里攒了一堆零散洞察、却串不成一个完整判断的人,用九宫格来给这些碎片定位、找关联。

它治的核心病,邱懿武说得很直白:判断失误,往往不是想得不深,而是想得不全。 很多人栽跟头,不是因为某个角度分析得不够透,而是因为压根没想到还有那个角度。九宫格就是在你下结论之前,先逼你把盘面看完整。

核心思想

打个比方。做重大判断,就像一个将军在打仗前看沙盘。最怕的不是某个山头研究得不够细,而是沙盘上压根没摆某座山——等敌人从那座没标记的山后面冒出来,你就全盘皆输了。九宫格干的事,就是先逼你把沙盘上所有该有的山头都摆齐,再开始排兵布阵。

但九宫格真正的灵魂,不在"填满八个格子",而在填满之后的那一步——找交叉。 这是最容易被忽略、也最值钱的一步。八个维度各自分析完,如果就这么停下,你得到的只是八篇互不相干的小作文,等于白做。高手会接着问三个问题:哪些维度的结论互相支撑(这些就是你判断的硬底气)?哪些维度互相矛盾(这些就是你必须正视的风险点)?哪一个是撬动点——就是那个"一旦它变了、其他维度全跟着变"的关键维度?找到撬动点,你就找到了整个判断里最该使劲的地方。

还有两个用法上的关键。其一,中心格里写的必须是判断型问题,不能是描述型——要写"这个 AI 教育产品能不能规模化?",而不是"关于 AI 教育产品的一些想法"。前者有方向,后者像散文题,维度根本无从选起。其二,八个维度不是随便凑的,要按逻辑成组——比如按"用户/技术/商业/竞争"成组,或按"时间(过去/现在/未来)× 空间(内部/外部/宏观)"成组,这样才不会东一榔头西一棒子。

完整案例

举个例子(示例):判断"球球老师(一款儿童 AI 对话产品)能不能做大规模推广?"

先把这句判断型问题写进中心格,然后展开八个维度:

维度洞察
用户需求家长对"理解孩子内心"有强需求,但付费意愿没验证过
技术可行性AI 对话技术成熟,语音+文本双通道已跑通
商业模式"永远免费不商业化"是伦理选择,但不可持续
竞争格局暂无直接竞品,但通用 AI 聊天产品是间接竞争
政策环境儿童数据保护政策趋严,合规成本会上升
团队能力核心能力在"灵魂对话"设计,不在规模化运营
时机2026 年 AI+教育窗口期,但监管也在收紧
差异化"不教知识,挖真实感受"——独特但难规模化

如果到这里就收工,你只会得到八条孤立的判断。九宫格的精华在下一步——交叉发现:把这八格放一起看,会浮现出一组关键矛盾——"用户需求强 + 差异化独特"(这是支撑),但"商业模式不支撑 + 团队能力偏设计不偏运营"(这是冲突)。

于是结论自然浮出水面:这个产品适合做精品(小规模、高质量),不适合做规模。 如果非要规模化,那就得先解决"商业模式"和"运营能力"这两个维度——它们就是撬动点。

你看,最后这个判断既不是"能做"也不是"不能做"这种拍脑袋的二选一,而是一个带前提条件的判断:"在某某假设成立的前提下可以做"。这正是九宫格想要的产出。

常见误解与边界

第一个误解,是维度凑数。为了填满九宫格,硬往格子里塞维度,结果有几格只是泛泛而谈。纠偏的办法很简单:如果某个维度确实没有值得写的洞察,宁可标注"待验证",也别为了凑字数硬写。

第二个误解,也是最致命的——平行罗列,不找交叉。九个维度各自独立分析完就收工,这等于把九宫格做成了九篇互不相干的小作文,恰恰漏掉了它最值钱的那一步。记住:找交叉(支撑/矛盾/撬动点)才是灵魂步骤,不做交叉,九宫格就废了一半。

第三个误解,是中心问题太宽。中心格写"这个项目怎么样"这种没有方向的话,会导致维度根本无从选起。中心问题必须有明确的判断方向——能不能做、值不值得做、应该怎么定位。

最后说边界:在 AI 时代,九宫格有个很好的分工——让 AI 去填那八个格子(AI 极擅长穷举视角、防止遗漏),但"维度间的交叉矛盾"和"撬动点判断"必须由人来做。因为 AI 很容易把九个格子写成九段彼此独立、看着都对的小作文,偏偏漏掉那个最值钱的"交叉发现"。把 AI 当填格子的手,把交叉与收敛留给自己。

一句话记住它

判断失误往往不是想得不深,而是想得不全——先把盘面摆满,再去找格子之间互相支撑、互相打架的那条暗线。

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「九宫格分析法」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