第一性原理 First Principles Thinking
把問題拆解到最基本的事實與物理限制，從零開始推導解法，而不是在現有方案上做修補。打破『業界都這樣做』的慣性思維。
什麼時候該用它？
第一性原理最適合在你發現團隊一直在「優化現有做法」卻沒有人問過「為什麼要這樣做」的時候拿出來。它不是日常工具，而是一把手術刀——用來切開那些大家習以為常的假設。
- 產品定價陷入僵局：大家都在參考競品定價，沒人問過「這個東西的真實成本結構到底長什麼樣」
- 技術架構想大改：既有系統疊了太多歷史包袱，需要從根本重新思考「我們到底在解決什麼問題」
- 市場進入策略：進入新市場時，不照搬其他市場的成功經驗，而是從當地使用者的基本需求重新推導
- 成本結構過高：供應鏈或營運成本被認為「就是這個價」，但沒有人拆解過每個環節的真實成本
- 團隊思維固化：會議上出現太多「業界標準就是這樣」「大家都這麼做」的說法
- 資源極度有限：預算和人力不允許走傳統路線，必須找到非典型解法
框架結構
第一性原理的核心：不要用類比推理（「別人怎麼做我就怎麼做」），而是回到最基礎的事實，從那裡重新建構解法。
三步拆解法
- 辨識假設（Identify Assumptions）：把你目前對問題的理解全部列出來，然後一條一條問「這真的是事實，還是只是慣例？」
- 拆解到基本事實（Break Down to Fundamentals）：把問題拆到不能再拆的物理限制、經濟原理、或使用者基本需求
- 從基本事實重新建構（Reconstruct from the Ground Up）：忘掉現有的解決方案，只基於這些基本事實來推導新的可能性
類比推理 vs 第一性原理
| 類比推理 | 第一性原理 | |
|---|---|---|
| 思考方式 | 「別人怎麼做，我也怎麼做」 | 「這件事的本質是什麼？」 |
| 速度 | 快，但受限於已知 | 慢，但可能突破已知 |
| 適用場景 | 日常決策、低風險優化 | 重大決策、根本性創新 |
| 風險 | 跟著業界走，可能錯過機會 | 需要更多驗證，可能推導出不可行的方案 |
蘇格拉底提問法（搭配使用）
在拆解假設時，用這五類問題挑戰每個假設：
- 澄清思考：「你這樣說的意思是什麼？」
- 質疑假設：「這個前提一定成立嗎？」
- 要求證據：「有什麼數據支持這個說法？」
- 探索替代觀點：「如果反過來看呢？」
- 追問結果：「如果這是對的，會導致什麼？」
來源與歷史
- 約西元前 350 年：亞里斯多德在《形上學》中提出「第一原理」概念——知識應該從不可再分解的基本真理出發
- 2002：Elon Musk 創立 SpaceX 時，面對火箭發射成本被認為「不可能降低」，用第一性原理拆解火箭材料成本，發現原料只佔售價的 2%
- 2012：Musk 在 TED 演講中系統性闡述第一性原理的商業應用，讓這個古老哲學概念在科技業爆紅
- 2017：Shane Parrish 在 Farnam Street 部落格大量推廣，將第一性原理整理為可操作的思維工具
- 2020 年代：成為矽谷創業者和產品團隊的常用思維框架，尤其在 AI、能源、太空等突破性領域
真實案例：SpaceX 火箭成本革命
2002 年，Elon Musk 想要建造可以登陸火星的火箭。當時業界報價：一次發射要 6,500 萬美元，而且「就是這個價」。
Musk 用第一性原理重新拆解：
- 辨識假設：「火箭發射就是很貴」——這是事實還是慣例？
- 拆解到基本事實：火箭的原材料是什麼？航太級鋁合金、鈦、碳纖維、燃料。把材料成本全部加起來，發現只佔火箭售價的約 2%（大約 200 萬美元的材料）
- 重新建構：如果自己製造火箭，而且讓火箭可以重複使用呢？
結果：SpaceX Falcon 9 的發射成本降到約 2,700 萬美元（比傳統降低 60%），而可回收版本更進一步將邊際成本降到約 1,500 萬美元。到 2024 年，SpaceX 佔全球商業火箭發射市場超過 60% 的份額。
使用步驟
Step 1：定義你真正要解決的問題
不要從「我們的產品要加什麼功能」開始。往上問幾層：「使用者的根本需求是什麼？」「我們為什麼存在？」寫下一句話的問題定義。
Step 2：列出所有現有假設
把團隊對這個問題的所有認知列出來。包括定價假設、技術限制假設、使用者行為假設、市場結構假設。每一條都標記：這是「已驗證的事實」還是「大家都這樣說」？
Step 3：拆解到不可再分的基本事實
對每個假設追問：「為什麼？」持續追問 3-5 層，直到碰到物理定律、經濟基本原理、或可驗證的數據。把這些基本事實記錄下來。
Step 4：從基本事實重新推導解法
暫時忘掉現有的做法。只看著這些基本事實，問：「如果今天從零開始，知道這些事實，我會怎麼設計？」讓團隊自由發想，不要在這個階段評判可行性。
Step 5：驗證並選擇可行路徑
把重新推導出的方案跟現實條件對照：技術上做得到嗎？時間和預算允許嗎？風險可控嗎？選出最有潛力的 1-2 個方向，設計最小驗證實驗。
這樣做 vs 避免這些
這樣做
- 在團隊說「不可能」的時候追問「為什麼不可能？具體哪個環節不可能？」
- 區分「物理限制」和「人為限制」——前者真的不能突破，後者往往可以
- 搭配數據和計算來拆解，不是純粹的腦力激盪
- 把第一性原理用在「值得用」的大問題上，日常小決策用類比推理就好
避免這些
- 不要每件事都用第一性原理——這是重型武器，用在小問題上是浪費
- 不要把「我覺得應該這樣」偽裝成「基本事實」——基本事實必須是可驗證的
- 不要忽略執行面的現實約束——從零推導很美好，但你不一定有 SpaceX 的資源
- 不要用第一性原理來合理化你已經想好的答案——這是探索工具，不是辯論武器
在電商領域，第一性原理最能幫你突破的地方是「定價」和「物流」——這兩個領域充滿了「業界就是這樣」的假設。
我在品牌電商場景看過太多團隊在定價上只做「看競品定價然後加減 5%」。如果你用第一性原理拆解：產品成本、倉儲成本、物流成本、客服成本、退貨率、客戶終身價值——你會發現定價的彈性空間遠比你想像的大。某個品牌客戶用這個方法重新拆解後，發現他們的免運門檻設在 $999 純粹是「因為對手也這樣設」，實際上提高到 $1,299 加上滿額贈品，轉換率只掉 3% 但客單價提升 22%。
另一個常見場景是功能開發。電商團隊很容易陷入「蝦皮有這功能我們也要有」的類比思維。但回到基本事實：你的使用者是誰？他們的購買情境是什麼？品牌電商的使用者跟平台電商的使用者根本就是不同的人，他們需要的不是「更多 SKU」而是「更確定這個東西適合我」。
不過要注意：第一性原理在電商日常營運中不要過度使用。促銷活動怎麼設計、Banner 放什麼圖——這些用類比推理和 A/B 測試就好。第一性原理留給真正的策略性問題：我們的商業模式對不對？我們的物流架構要不要重建？我們該不該自建倉？這些才是值得花時間從頭推導的問題。