微小改变—巨大结果模型
本模型是待检验的小干预假说；三层解法区分症状、根本和杠杆动作。
① 是什么
一句话定义
微小改变—巨大结果模型是本库从《引爆点》的非线性叙事提炼的实用模型，用于寻找投入较小、但能通过瓶颈或反馈结构产生显著结果变化的干预。
它解决什么问题
资源紧张、无法全面改造，需要找一个有证据的小改动；大量优化没有效果，需要区分普通改进与真正高杠杆干预。
不解决什么问题
不宣称任何小改都能大增，也不替代系统重构；不存在可直接套用的“小投入必得十倍回报”公式。
交付物
- 干预—机制—结果因果假设卡。
- 小实验记录：成本、对照、结果、副作用和扩展条件。
② 适用范围
适合解决的问题
单变量干预实验卡
什么时候适合用
- 单变量干预实验卡
- 只调整表单出现顺序，如何判断是否真的显著改变完成率？
- 增长与创新验证系统
- 怎样用最小干预检验一个变量是否有非线性效应？
不适用时
- 如果问题更适合 系统动力学三层解法，不要只因关键词相似调用本模型。边界：本模型是待检验的小干预假说；三层解法区分症状、根本和杠杆动作。
- 如果问题更适合 帕累托原则、S'FOCUS 六步法 / TOC 瓶颈理论，不要只因关键词相似调用本模型。边界：帕累托提供不均衡分布的聚焦线索；S'FOCUS / TOC确认限制系统有效产出的因果瓶颈；微小改变—巨大结果模型检验小干预是否产生非线性结果。
易混淆模型区别
微小改变—巨大结果模型 × 系统动力学三层解法
本模型是待检验的小干预假说；三层解法区分症状、根本和杠杆动作。
问题聚焦最小干预、非线性效应时选微小改变—巨大结果模型；超出边界时使用系统动力学三层解法。
帕累托原则 × S'FOCUS 六步法 / TOC 瓶颈理论 × 微小改变—巨大结果模型
帕累托提供不均衡分布的聚焦线索；S'FOCUS / TOC确认限制系统有效产出的因果瓶颈；微小改变—巨大结果模型检验小干预是否产生非线性结果。
只有分布数据和资源排序问题时选帕累托；要确认唯一瓶颈时选S'FOCUS / TOC；要验证最小干预的巨大效果时选微小改变—巨大结果模型。
适用问题对象
报名流程、课程练习、交付衔接、组织规则与用户行动链中的具体可控变量。
诊断问题
- 小改动通过哪条可验证的机制影响最终结果？
- 改善发生在局部指标，还是有效产出？
- 换一个时间或团队，效果还能重现吗？
关键假设与失效处理
假设系统中存在可控且被证据支持的放大点。若核心能力、资源或制度不足，转向 S'FOCUS 或系统思考，不用“小技巧”拖延必要升级。
易混淆模型与可替代模型
系统动力学三层解法判断症状与结构；战略杠杆分析长期支点；小步子原理降低启动难度，并不要求结果被非线性放大。
正例问题
以下为适用场景示例与待验证的应用问题，不是本库已经实测有效的案例。
- 报名者常在提交资料时退出，简化一个环节能否提高真实到课？
- 团队返工集中在交接遗漏，加一张齐套检查单能否显著减少返工？
反例问题
- 核心设备产能已满，能否仅换宣传标语扩大交付能力？
常见误用
- 成功后编故事。
- 用百分比掩盖极小基数。
- 只看即时收益，不看后续负担。
③ 怎么用
标准使用流程
1. 定义最终结果和基线，画出从干预到结果的最短因果链。
2. 找出瓶颈、阈值、反馈或高频摩擦，说明为何该点可能放大效果。
3. 选择一个可逆小改动，写明预期变化、观察周期、成本和停止条件。
4. 与基线或对照组比较，检查同时发生的其他变化及不良后果。
5. 重复有效后扩大应用；效果不大则更新因果假设，不为“小改”叙事硬找成功。
＋1 秒懂案例
秒懂案例：原文未提供。