1. 一个具体问题
支持团队有几十类投诉，每类都安排一次专项改进，看似公平，却可能把大量资源用在影响很小的问题上。另一种风险是听到二八法则，就武断认定二成客户贡献八成收入。重点不是背比例，而是发现自己的数据是否确实集中。
2. 一句话解释
二八法则是一种寻找贡献不均衡的经验视角：少数因素可能解释较大部分结果，比例需要由数据确认。
3. 出处与原意
名称来自 Pareto 对财富分布的研究，Juran 将“关键少数”的思想推广到质量管理。它不是数学定理，也不要求任何数据都满足精确的二十比八十；与帕累托最优、幂律分布也不能直接画等号。
4. 原理与机制
当不同原因的发生频次或影响大小差异明显，排序可帮助集中调查。但频次、金额、时间和严重程度会产生不同排序。还需要注意分类粒度：把五类问题合成一类，会改变集中程度；遗漏低频事件的高后果，也会让优先级失真。排序只是决定从哪里看起，不等于已经找到可解决的根因。
贡献集中还需要与可改变性一起看。一个大类可能主要由外部环境造成，而另一个稍小类可以快速改善。比较行动优先级时，应估计可减少的部分和投入，不要把全部问题规模误当成某项措施能够收回的收益。
5. 一个完整案例
假设案例：客服一个月有二百次请求，登录问题八十次，账单问题五十次，其他七类共七十次。团队发现前两类占六成五，而不是八成，仍值得优先分析。继续分解登录问题后，只有三十次来自可修复的提示文案，其余涉及用户忘记密码等不同原因。团队先修正文案，另保留一项低频但会重复扣费的严重问题作为必须处理事项。改进后按同样口径重新统计，检查请求是否减少，而不是为了凑二八比例重新分类。
客服记录也保留原分类定义和未分类事项，防止改进后把同样问题换个标签就报告下降。若登录请求减少，却转成其他入口的求助，需要合并观察用户完成任务的情况。真正的集中改善应该减少问题，而不仅改变它的出现位置。
6. 适用条件与反例
当结果分布均匀、原因相互依赖或需要同时满足多个安全条件时，集中于少数因素未必有效。教育、维护和公共服务中的低频需求也不因此失去价值。少数高贡献项值得关注，但剩余部分可能提供稳定性、学习机会或未来增长。
7. 今天可以尝试的行动
选一个可测量的问题，先确定排序单位是次数、损失还是耗时，再按同一时间范围汇总。标出前三项累计占比，并为严重但低频的项目单列底线要求。优先挑一个影响大且能验证的原因，改动后重新计算分布。
8. 参考资料与关联条目
Juran Institute，Pareto Principle and Pareto Analysis。
ASQ，Pareto Chart。