魚骨圖很好，卻回答不了所有創新問題

魚骨圖是我很常使用的問題分析工具。

它能幫助我們把問題原因分開來看，避免只憑感覺下判斷。

但最近整理自己的創新方法時，我發現：

魚骨圖可以幫我們找到「為什麼」，卻不一定能告訴我們「接下來可以改什麼」。

這不是魚骨圖不好。

而是創新需要回答的問題，比找出原因更多。

魚骨圖最擅長回答「為什麼」

假設公司開會沒有效率，我們可以用魚骨圖分析：

• 人員沒有準備
• 議題不清楚
• 主持方式有問題
• 資料沒有事先提供
• 討論時間過長
• 沒有人追蹤結論

分析完成後，我們會更了解問題為什麼發生。

接著可以改善會議規則、資料準備或追蹤方式。

這正是魚骨圖的價值：

從表面現象，往下找出可能原因。

但當我們想做的不是改善，而是創新時，只找原因可能還不夠。

因為創新還會問：

• 現有做法由哪些元素組成？
• 過去曾經怎麼改變？
• 換一個使用情境會怎樣？
• 哪些人或事物互相影響？
• 使用者真正想得到什麼價值？

這些問題，不一定能全部放進「原因」裡。

找到原因，不等於找到創新方向

例如，一支電蚊拍不好用。

如果用魚骨圖分析，可能找到幾個原因：

• 拍面太大
• 手柄太長
• 家裡收納空間不足
• 使用後不知道放在哪裡
• 傳統造型不適合放進抽屜

這些原因都合理。

但知道原因後，下一步要怎麼改？常見做法可能是：

• 把拍面做小
• 把手柄縮短
• 加一個吊環
• 設計壁掛架
• 改成較薄的造型

這些都是改善。

重點不是只有分析出「電蚊拍不好用」。

而是先分析：

• 為什麼打不到停留在天花板與高處的蚊蟲？
• 為什麼只是把手柄做長，又會造成收納困難？
• 使用者真正困擾的是什麼？

我沒有直接增加功能。

而是先拆解電蚊拍的物件元素：

• 電網拍
• 手柄
• 接合結構
• 電源
• 開關
• 使用角度
• 收納方式

接著再問：

哪一個元素可以改變，才能保留使用效果，又能打到高處，同時減少收納空間？

最後才重新設計：

• 手柄改成伸縮桿
• 電網拍與桿子的接合處加入摺疊功能

同時解決：

• 打得到高處蚊蟲
• 收納方便
• 使用角度更彈性

這才形成後來的伸縮摺疊電蚊拍。

這項作品不是突然想到一個創意，而是透過問題分析與解決，一步一步找到真正值得改變的地方。

魚骨圖幫助我看見問題的原因。

物件元素分析則幫助我找到：可以從哪裡開始改。

不同分析，回答不同問題

最近我開始重新整理「分析」這件事。

我發現，創新分析可能不只一種。

成因分析

回答：為什麼會發生？魚骨圖和 5 Why 都很適合。

結構分析

回答：它由哪些元素組成？例如電蚊拍可以拆成拍面、手柄、電源、開關和連接方式。

演化分析

回答：它過去如何改變？還有哪些限制沒有解除？例如傳統捕蚊工具從徒手、蒼蠅拍，走向通電與主動滅蚊，每一次都在解除不同限制。

情境分析

回答：換一個人、地點或使用時機，問題會不會不同？放在客廳、車上、露營帳篷或小套房，收納需求就不一樣。

關係分析

回答：它和哪些人、物件或流程互相影響？例如安全性、兒童接觸、充電位置與家庭空間都會影響產品設計。

價值分析

回答：使用者真正要的是什麼？他要的可能不只是一支可以打蚊子的工具。而是：

• 隨手拿得到
• 使用後容易收
• 不占空間
• 不容易誤觸
• 看起來不凌亂

同一項產品，分析角度不同，找到的創新入口就不同。

無論是設計思考，還是問題分析與解決，這些不同的分析方式，都是為了在對的地方找到創新方向。如果你想了解設計思考、問題分析與解決，以及創新思考如何結合 AI，可以進一步參考。

AI 也容易停在原因分析

現在，我們可以直接問 AI：

請用魚骨圖分析商品銷售不好的原因。

AI 很快就能整理出人員、產品、價格、通路、行銷與環境等因素。

這很方便。

但如果接著只問：

請提供改善建議。

AI 通常會沿著原來的原因，提出相對應的改善方法。

曝光不足，就增加廣告。

文案不清楚，就重寫文案。

價格太高，就設計優惠。

它可能會改善原本的答案，卻不一定重新設計整個解法。

因此，在魚骨圖分析後，我建議再請 AI 回答幾個不同問題：

1. 這項產品或流程由哪些元素組成？
2. 哪一個元素最直接造成使用限制？
3. 過去的版本曾經解決哪些問題？
4. 哪些使用情境尚未被滿足？
5. 使用者真正想得到的價值是什麼？
6. 哪個元素可以增加、減少、替代或重組？

這時候，AI 才不只是協助找原因。

它開始協助我們尋找創新入口。

分析不是愈多愈好

看到這裡，可能有人會問：

難道每一個問題都要分析這麼多角度嗎？

不需要。

分析的目的，不是把簡單問題變複雜。

如果會議遲到只是因為時間通知錯誤，直接修正就好。

但當問題反覆發生，或原本的改善方法已經試過很多次，結果仍然沒有明顯改變，就值得增加分析角度。可以先判斷：

• 這是單一原因，還是系統問題？
• 原本的改善方式是否已經失效？
• 我們是在修補症狀，還是重新設計？
• 使用者真正需要的價值是否已經改變？

需要改善時，魚骨圖可能就足夠。

需要創新時，就要再往前走一步。

這也是我在創新思考課程，以及企業的問題分析與解決課程裡，常和學員強調的一件事：分析是為了找到值得改變的地方，而不是為了讓問題看起來更複雜。

今天可以做的四個練習

下一次完成魚骨圖後，先不要立刻跳到解決方案。

再問四個問題：

1. 除了原因，還有哪些元素可以改？
   把產品、服務或流程拆開來看。
2. 哪一個限制一直沒有被解除？
   找出過去改善後仍然存在的麻煩。
3. 換一個情境，問題會不會改變？
   比較不同使用者、地點、時間與任務。
4. 使用者真正想得到什麼？
   不要只看功能，也要看方便、安心、效率、理解與信任。

這四個問題，可以幫助你從「找出原因」走向「找到創新方向」。

遇到不同問題，可以從這裡開始

如果你還不確定分析與創意之間的關係，可以先閱讀〈想不到好點子，可能是分析得不夠〉。這篇文章從物件元素與演化過程出發，說明為什麼創意需要分析依據。

如果想了解這項創新作品如何從問題分析一步一步完成，可以閱讀《伸縮摺疊電蚊拍》。這篇會看到如何把問題分析、物件元素與結構改變，真正變成一件產品。

想閱讀更多 AI、創新思維與問題分析的真實案例，可以前往「AI 創新應用學院文章」，依照工作問題找到適合的方法。

如果你已經有一個看似正確的答案，卻想找出被忽略的問題，可以使用「AI 重新思考工具」，檢查舊答案中的假設與限制。

已經用 Vibe Coding 做出網站、App 或 AI 工具，卻不知道下一版該改什麼，可以進一步了解「AI 時代的工具創新設計力」，從真問題、分析角度與使用價值重新設計作品。

常見問題 FAQ

魚骨圖不是終點

魚骨圖很好。

它讓我們不再只看表面現象，也能更有系統地找出問題原因。

但如果我們的目標是創新，找到原因之後，還要繼續問：

• 有哪些元素可以改？
• 哪些限制還沒有解除？
• 使用者真正要的是什麼？

今天可以先做一件事。

拿出你最近完成的一張魚骨圖，在旁邊再加上一欄：

除了原因，我還能從什麼角度分析？

因為魚骨圖可以幫我們找到問題從哪裡來。

但創新還要回答：