策略产品经理如何入门?

白白 · 2021-11-26 14:39
1 个回答

欢迎关注‘策略产品经理研习社’公众号(chanpin007),

策略类产品涵盖:人工智能、商业广告、推荐系统、搜索排序、电商策略、黑客增长、用户运营、数据分析、风控等多个方向。



目录

  • 一、策略类产品概念
  • 1.1 基本概念
  • 1.2 常见功能
  • 1.3 普遍特点
  • 1.4 构造“策略”方法框架
  • 1.5 使用场景
  • 二、策略类产品比喻分析
  • 2.1“推荐型策略产品”
  • 2.2“增长型策略产品”
  • 2.3 “定价型策略产品”
  • 三、策略类产品效果评估
  • 3.1 确定评估标准
  • 3.2 效果预估
  • 3.3 离线评估
  • 3.4 线上评估
  • 四、策略类产品举例
  • 4.1 滴滴出行
  • 4.2 今日头条
  • 五、总结



 


一、策略类产品概念


1.1 基本概念

由数据驱动,产品化的规则与机制,实现对于用户的精细化运营,优化产品的用户体验,促进相关指标转化,提升产品业务效率。面对海量信息的处理与匹配,策略类产品依靠于可以持续迭代和改进的众多策略来提升用户体验。策略能够以更低廉的成本,以更高效,更精准的方案实现各种复杂的数据抓取和分发需求。


1.2 常见功能

供需匹配、内容推荐、用户分层精细化运营、动态定价、大规模补贴、导流、风控、反作弊等问题。


1.3 普遍特点

提升了整体业务的运转效率,提升用户体验。


1.4 构造“策略”方法框架

理论上,任何一个产品达到一定用户体量的时候,都一定会产生一些问题需要通过策略手段来解决。分析,定义,设计以及优化“策略”的方法框架参考如下流程图:


1.5 使用场景

(1)一个产品,随着用户体量增加,需要考虑做精细化运营;

(2)一个产品,可能涉及到搜索、推荐、供需匹配等功能模块需要完成;

(3)一个产品,拥有大规模交易、成交数据,需要提升成交率,优化利润空间;

(4)一个产品,需要考虑通过数据来驱动用户增长;

(5)一个成长期的产品,需要考虑通过补贴来规模化拉动用户增长,并希望自己的补贴方式、形式等能够变得尽可能高效;

(6)一个产品,涉及到需要解决好风控、反作弊等问题;


二、策略类产品比喻分析

我们做个比喻来更好的理解什么是策略类产品。


2.1“推荐型策略产品”

一个新闻内容型APP,在用户体量达到一定阶段,无法通过同一个内容流来满足所有用户的时候,可以通过给每个人和所有新闻内容分类、打标签,定义一套匹配规则策略。最后能够实现给每一个用户推送更加个性化更符合他兴趣的内容,最终实现了用户活跃度和停留时间两个指标的上升。


2.2“增长型策略产品”

一个快速增长的产品,增长部门同时面临着N多渠道过来的用户,每一类用户都不一样。于是对用户进行分析和分类,然后针对不同类型的用户设置不同的留存激励方案。一个用户只需要填写一些资料,我们就能够识别他/她的类型,并匹配给他/她对应的留存激励方案,最终这帮助我们实现了更高的ROI。


2.3 “定价型策略产品”

一个电商产品,基于其商品的历史价格变化数据和竞品的当前状况来实现动态定价,判断在什么状态下我们产品的价格应该有何种变化,从而最终实现更高的gmv/revenue/profit。

一套好的策略,将使得产品运转维护成本更低、效率更高、业务更稳定。


三、策略类产品效果评估

一个复杂的核心策略可由多个相互独立的子策略构成。子策略虽相互独立,但互相关联,一同服务于核心策略,使得整体策略逐步优化。策略质量评估中我们会用到召回率和准确率,以及diff面。当修改某一个子策略时,我们对子策略的质量进行评估会涉及到召回率和准确率。同时为了保证子策略对核心策略无负向影响,我们需要对diff面进行评估(包含diff影响面大小和GSB评估比例,评估结果中Bad不能存在极端badcase,否则Good占比非常高该策略也是需要改进的)。

召回率 = 目标数据中策略实际召回的数据量 / 目标数据的总量

准确率 = 召回数据中有效数据的量 / 召回数据的总量


3.1 确定评估标准

评估标准规定的是我们用哪些维度的数据来体现策略的效果。评估标准的基本要求:明确,合理。明确,指方向是唯一的,或者有时候是主要方向是唯一的,这个方向,一般也是和策略改进的方向一致的。比如策略产品常见的策略优化目标点击率、使用率、转化率等等。合理,指评估的数据维度是和策略产品目标高度相关的,如果你的策略优化的是列表的展示顺序,那你就不能把列表召回的内容质量作为评估标准。评估标准的制定我们可遵循MECE原则,即相互独立,完全穷尽。


3.2 效果预估

效果预估最主要的作用是评估一个需求的价值。它需要说明某个需求在完成之后预计能解决多少问题,带来多少收益。做好需求预估可以采用合理类比的方法。类比是通过和新策略相似的策略在使用情境也相似的情况下的表现,来类比新策略的表现。相似策略在相似情境下的表现数据,一般可以从两种途径获得。一个是自家产品的其他类似策略的效果,另一个是你还可以收集竞争对手相似策略的效果数据。但由于一些未知的原因,策略上线之后的效果也很可能和你的预估存在差异。


3.3 离线评估

一个全面的离线评估能够避免我们将不好的策略推向前台,避免不必要的用户体验或商业损失。离线评估的两种方式,人工检查和机器检查。人工检查相对费时费力,但却是最直观易达的方式。机器检查在某些情况下,机器评估能够覆盖更多的场景,更能从全局场景下来说明效果好坏。


3.4 线上评估

AB测试是用来对比测试产品线上效果的常用方式。AB测试是将产品的不同策略或设计推给不同的用户,在一个满足单一变量试验的情境中来确定新策略或设计的效果。策略实验往往伴随着携带效应(carry-over effects), 也就是上一个时间片的策略会对下一个时间片带来影响。要取得准确的A/B 实验结果,就要尽量保证每次实验只针对一个变量进行测试(只有在明确两个策略是相互独立,目标指标也相互独立的情况下才可以同时测试,但这种情况较少)。另外,考虑到开发的时间成本和人力资源耗费,在设计实验的时候对于策略后期可能会调整的参数尽量开发为即时可重置生效的形式,便于减少后期修改参数变量的成本投入。


四、策略类产品举例


4.1 滴滴出行

在滴滴打车出现之前,一直都有96103的电话叫车服务网,这个调度即使把司机强加了KPI考核,调度的效率依然非常低。原因在于乘客司机基于地理位置的多端匹配,通过人工的处理是非常低效的。

而滴滴打车的匹配过程,完全基于几百上千条策略来完成调度工作。其核心策略包括定价产品(例如动态调价)、滴滴全产品线导流产品、滴滴检索推荐和推荐上车点等等。

例如用户检索目的地poi,用户输入关键词后,关键词分析策略;相关结果召回,对应的检索策略;找回结果进行排序展现,此时就需要展现策略。


4.2 今日头条

在今日头条出现前,一直都是机器收录加编辑组合的方式来产生新闻专题,比如新浪可能有大量的编辑人员分别负责不同的频道,然而因为人工审查的因素,导致了大量的重复转载。

而通过机器算法的今日头条,原则上可以不依赖于任何一个编辑,自动快速产生频道,把一篇文章归属到相关的频道,不同的用户也可以看到完全不一样的首页和内容。即为:信息流的个性化内容推荐策略。

信息量和用户量巨大而繁杂,且产品需要满足不同用户当前的喜好需求。为实现个性化内容推荐,系统需要分析用户行为数据,建立并且不断细化用户画像,猜测用户喜好,过程中还会考虑相关因素的干扰做适当的调整(如时间,地点,天气等),甚至用协同效应参考相似用户的内容点击情况做推荐。因此设计底层的策略推荐系统,才能够支持个性化推荐,提升用户体验。


五、总结

简单来说,策略类产品即是:

数据分析 → 制定相应策略推动产品 → 优化产品的数据指标/促进相关指标转化/提升效率

但一个完整的策略类产品还需要进行不断地迭代更新,根据反馈数据不断优化产品:

数据分析 → 制定相应策略推动产品 → 优化产品的数据指标/促进相关指标转化/提升效率 → 定期出策略报告,反馈策略执行情况,为下一阶段策略提供数据支撑 → 收集和反馈数据,不断优化和改进策略效率

策略类产品经理,多针对某一功能,满足不同用户在不同场景下的精细化需求。需要PM宏观的分析每一类人在某些场景下可能存在的不同诉求,并且分析不同人群的规模和需求强度,并对该产品需满足到什么广度和强度做出决策。



 

以上内容,来自点评整理自知识星球“策略产品经理研习社”(公众号chanpin007),已委托“维权骑士”(rightknights.com)为文章进行维权行动。

「策略产品经理研习社」(高级PM修炼场)

干货内容汇总https://dwz.cn/f2q6gKCo

1.内容:关于分享产品经理策略通识、策略类产品经理的修炼干货;

2.服务:关于入坑产品经理的0-1转型和面试指导,PM日常答疑帮助;

策略类涵盖:人工智能、商业广告、推荐系统、搜索排序、电商策略、黑客增长、用户运营、数据分析、风控等多个方向。

公众号:chanpin007(策略产品经理研习社)、(微信群:chanpin008。添加时请注明:职位方向、来意

干货汇总https://dwz.cn/f2q6gKCo

知识星球-入口

 

 

1
反对
评论
收藏
2022-03-30 09:17