迟来的工作第一周思考，关于策略产出的一些方法论。本文作者从产出方法和案例分析角度进行解读，希望对你有帮助。
一、策略产品经理是如何思考策略的？
因为用户并不直接与策略接触，这让策略产品经理对于很多人来说都是神秘的，笔者曾经也是如此，但实际接触业务之后，愈发觉得策略产品并没有什么神秘的，这也是写这篇文章的原因，希望从自己的视角来解读策略产品经理，让对其有兴趣的新人和小白更加了解这个职业，从而少走一点弯路。
1.策略是为了提升匹配效率
我们来看策略产品主要存在于哪些场景？
搜索、推荐、广告、风控。
四种场景的具体展现与策略应用
发现没有？策略的存在只为了解决一个问题—“匹配效率”，无论是搜索、推荐、广告，其核心都是为了提升对人与信息，人与人的匹配效率。
搜索、推荐策略可以提升人与信息、与人的匹配效率、广告策略更侧重于提升人与信息的匹配效率、风控是人与信息的匹配（上面举例的探探匹配策略，可以认为是推荐策略的一种）。
2.策略产出的三个步骤
通过上面的分析，我们知道用户对于策略的感知一定是模糊的，如果想要通过用户反馈直接获取需求是非常困难的，我们在做用户研究的时候，听到的反馈往往只能是“给我推荐的什么垃圾内容！”、“能不能别给我推荐垃圾广告了”，这种“我们知道存在问题，但是不知道问题具体出现在哪”的低效反馈。
那么，用户研究很难提出需求，策略产品应该如何进行需求分析呢？
对于策略产品经理来说，我们的需求常常并不显性的存在于产品中，而是隐藏在具体的体验细节中，如果说想要针对策略的需求痛点进行解决，数据是更加需要关注的维度，因为人的感受会说谎，但数据不会。
具体的策略需求分析过程往往可以这么划分：
- 数据分析：通过数据发现当前用户体验存在哪些问题，比如当前某页面的内容都是来源于站外的PGC（Professional Generated Content，专业生产内容），非常不亲切的同时也极大降低了用户对于该页面的期待与使用意愿。
- 定位问题：是什么原因造成了该页面表现不符合我们预期？通过漏斗分析等方法将问题细化，是低质内容太多？还是广告和直播帖子影响了体验？或者是重复内容太高，多样性不足？
- 明确策略优化目标体系：在我们这次策略改版中，主要解决的是页面渗透率（浏览该页面用户/产品整体活跃用户数）低的问题，除了渗透率，还可以从用户在该页面的互动时长、互动频次等来衡量策略优化的效果，同时这三个指标的重要性应该如何排序，则需要策略产品经理根据当下的业务重点和对于该页面的需求进行。
通过上面的步骤，我们基本能够准确定位到问题所在，以及如何对改进策略进行衡量，接下来就是进行优化的过程，我们同样可以分为三步：
优化策略三步走
- 初步策略提出：在这一步骤中，可以参考竞品或者自己过往类似产品的策略作为一个参照系，比如对于内容推荐优化的策略，我们可以着重看一下字节如何做的，且在其基础上结合自身业务特点进行改进。
- 策略可能存在问题分析：对于一个策略来说，往往最重要的一部分是在分析策略可能存在的边界情况，还是通过内容推荐策略举例，通过我们的策略推荐给用户的内容是否需要打散？是否需要与其他页面做去重？这些都是在策略制定中间需要考虑到的问题。很多初级的策略产品经理都非常迷信AB Test，相信数据可以验证一切，但是事实上，数据并不能替你做出决策，只能作为决策的辅助，我个人始终认为：一个好的策略产品经理要多思考本源，多思考事物可能运行的轨迹，而不是省去思考的过程直接做AB Test。
- 策略后续迭代方案：这一个步骤也是新人会忽略的地方，所有的策略制定都是一个迭代的过程，尤其在更加注重个性化的当下，策略的调整是无休止的，理解到这一点，我们应该在初版策略制定的时候根据可能存在的问题制定后续的迭代方向。
说了这么多，可能大家直接理解起来会有点困难，但是没关系，我们可以通过一个具体的案例来将理论进行实践。
二、策略产出案例
假设一个完全虚拟的情境：你是抖音的策略产品经理，leader交给你一个任务，优化关注页的使用体验，强化用户间互动，你该怎么做？
1.策略需求背景
- 数据分析：进入真正的业务分析环节，你接到任务之后，对当前关注页进行了数据分析，发现页面渗透率非常低，用户的使用时长也不高，这使得抖音的内容生态中“关注”成为了一个非常弱的行为，用户关注了但是主消费场景依旧在推荐，百万大V的内容同样可能出现无人问津的情况，这对于创作者来说，是非常艰难的。
- 定位问题：对于用户来说，关注页是介于首页兴趣推荐（被动）&搜索某人主页并消费（主动）场景之间的页面场景，用户对于关注页内容有更明确的预期和更强的控制力，但是当下关注页内容完全按照时序推荐，用户体验较差。
- 明确策略优化目标体系：（1）满足用户高效获取关注人新热内容的需求，对应指标是页面渗透率；
（2）内容预热冷启动场景之一，通过用户关系先进行社交分发，可以将有潜力成为爆款的视频筛选出来，对应指标是用户的浏览量和互动率；
（3）通过功能引导&排序策略，让用户在页面间流转，获得不同层次的需求满足，提升在app内的时长和互动，对应指标是用户的使用时长和互动频次；
2.策略初步实现
（1）初步策略提出
对于关注页而言，内容一定是你关注的创作者的所有发布内容，至于是否对于内容有时序要求，需要根据用户关注人数、历史视频发布时间均值等来决定，这部分内容不是我们今天重点，先略去。
我们默认已经将关注内容召回，并进入了待推荐池中，我们当下最重要的目的是如何对其排序进行优化。
Reddit-HOT是美国最大社区Reddit用作测算帖子热度的公式，其特点在于排序能够兼顾帖子热度和时效性，使得最新热的内容能够最先展现给用户，在该策略中可以借用Reddit-HOT排序公式，并对其进行一定修改和补充，具体公式如下所示：
Reddit-hot改进公式
其中:
- ts = 视频发布时间 – 固定时间（可以设置为抖音上线时间等）；
- y为分类变量，当发布视频点赞数大于点踩数（抖音中可以理解为举报人数）时，y = 1，当发布视频点赞数等于点踩数时，y = 0，反之y = -1；
- z可以理解为视频的实时热度，初步通过一段时间（比如1h）内视频的互动增量来计算，z = 点赞数 + 去重评论数 + 去重分享人数；
- s代表用户对视频内容所属领域的置信度，为分类变量，初步通过该用户近一周对同领域（数码、宠物等）内容的消费次数来衡量，后续可优化；
- m用于评价用户对于视频发布者的置信度，定为用户对于该视频发布者其他内容的消费频次；
- 对于公式而言，主要分为三块内容，A代表视频热度，B代表视频时效性，C代表用户对于发布者和发布内容所属领域的置信度，视频根据计算得到的f值进行排序。
（2）策略可能存在问题分析
- 当前存在一些“自己拍”的指标定义，是否需要AB Test，用模型跑效果来确定。
- 用户对于视频发布者和兴趣的置信度是否需要耦合在一起？当前对于关注的用户发在其他兴趣领域的内容，热度公式计算的值会较低。
- 对于低质内容没有针对性的处理方法。
细节说明：
- 先确定公式包括的变量及产品侧优先级：置信喜爱度（包括关注人/头部创作者）> 时效 > 热门；具体的指标数据和参数可与RD（研发工程师）沟通后实验调优。
- 打散策略：同一个人的内容不连出。
- 去重策略：关注页内容与首页推荐页曝光去重。
3.策略后续迭代方案
Step1 : 对于方案的优化
公式优化：视频的实时热度计算加入领域热度系数，对于展现领域的多样性进行提升；非近期常逛关注领域的内容露出与兴趣召回。
产品/生态角度的规则补充：
- 新用户/关注关系偏少用户试探内容露出（待讨论） 。
- 优质创作者非关注领域发布视频基于相关性的提权 。
- 新人创作者前N个视频排序提权。
Step2：关注页与流量阶梯_冷启机制结合
冷启：关注页作为冷启场景之一，融入流量阶梯冷启阶段曝光；关注页筛选出的种子用户投票置信度强于普通用户。
退场：预热后验效果偏弱的内容在关注页同步降权。
Step3：关注页与首页场景间的流转优化
到此，对于抖音关注页的初步优化策略就已经提出了。
三、总结
文章仅仅抛砖引玉，真正的策略需要考虑的问题更加复杂，如果你对策略产品经理感兴趣，可以一起交流，共同成长，共勉~
免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！
]]>工作前每个人对岗位都有自己心中的理解，工作后可能觉得事实不是想象的那样，但岗位是死的，人是活的；不管什么岗位，又一定的能力就能获得最好的结果。本文记录了我在数据岗位上走过的路，从数据分析师、到策略产品经理、再到数据产品经理，以及途中的憧憬、现实、困境与思考。
一、数据分析师的野望
1. 憧憬
“让数据说话”、“用数据讲故事”是很多初出茅庐数据分析师的美好愿景，我也不例外。
凭借一年数据分析实习生的经历，双非院校数学专业的我，成功混入微博；那年微信初露锋芒，而腾讯微博早已落败，微博的同事里还不乏清北的学霸；那年，我还不会SQL。
2. 现实
入职之后据我观察，数据分析师们的日常工作大致入下图分布：
- 日常监控——公司重要业务和产品的表现好不好？如果出现了异常的波动，快速解释下是为什么？
- 效果评估——产品新上线了一个功能策略，运营新上线了一个活动，需要量化的评估下到底效果好不好？
- 业务决策——各个业务线的KPI该怎么定？在整个大环境下是该往A方向走还是该往B方向去？
- 专题研究——不同年龄段的用户都是怎么使用和看待产品的？哪些因素是用户留存的关键？
- 老板需求——（最紧急最重要的工作事项）解决各路老板的各种临时性看数据需求，比如上午产品总监说为什么这个功能这么少人用？、比如下午技术大佬说我这个新策略不可能才这么点儿提升你们是不是算错了？（就想算出个开心的数呗）、比如晚上快下班了CEO想起来体验下产品发现有个数据（比如他自己昨天发的某条微博的阅读量）跟他的直觉不符（wtf？）。
3. 困境
1）“老板，我想做PPT”：记得离职面谈的时候我主动提到，感觉最近一年的时间，我的产出主要都是Excel和邮件里直接回复一些数据结果，都很少有PPT。这个现象在我理解，就是产出不成型、不系统、拿不出手。
2）SQLboy和查数姑：记得有次加班到深夜，几个同事之间相互调侃，我们部门虽然叫数据管理部，但好像做的事情更多都是算数啊，改名叫算数中心好了。是的，我们60%+的时间和精力都耗费在各种常规的or临时的算数上面了，我们是数据时代的流水线工人
3）尴尬的组织架构：随着越来越多的公司认识到数据的重要性，有一种倾向就是会在所有业务线之下单独成立一个数据分析部门，这样做可以在某种程度上避免业务部门既当运动员又当裁判员的情况，也就是自卖自夸伪造效果。但问题也随之而来，既然不是自家人，那么肥水就不想流入外人田，高价值的工作内容（如决策建议）自然就不是很想让独立的数据分析部门染指；在这种情况下，数据分析师们更多的精力只能发泄在日常数据监控、效果评估和自娱自乐的研究性分析上。另外一种倾向，就是把分析师们打散安置在各个业务部门中，不过打听了下，他们的苦恼就是过于贴身、聚焦，导致视野被限制在一个狭小的范围内。但我总觉得，初级阶段的分析师们，还是在业务中会更好些。
4. 破局
1）用机器解放人力：人是肉做的，终究做不了没得感情的算数机器，机器的事儿，还是应该让机器来。数据分析师跟数据产品经理，应该是一对好基友，后者将业务理解与分析思路固化到产品上，争取一劳永逸的解决80%的常规算数需求，让分析师们有更多精力去做些高自我价值实现的研究和分析
2）用系统思考提前应对老板们的脑洞：一线的从业者们作为某种程度上的体力劳动者，相对老板有天然的劣势：从大量日常琐碎体力劳动中解放出来的老板们，有更多的时间、更多的信息去思考。上帝一思考，人类就发慌。老板们的每一个散点式发问，对毫无思考储备的我们来说，都是一次降维打击。如果日常机器能帮我们释放一部分劳动力，我们就有更多时间去尝试思考下老板视角的问题，用一个相对完整的体系去应对老板的散点问题，避免被动挨打、牵着鼻子跑
3）用敏锐的目光避开外行老板：所有老板都有脑洞，但滋养脑洞的基础大相径庭。我们不应该苛求每个老板都是数据出身，但至少可以选择那些愿意尊重客观规律、或者秉承“让专业的人做专业的事”原则的老板。比什么都不懂更可怕的，是以为自己懂；比以为自己懂还要可怕的，是以为自己比专业人士更懂
4）用产品思维让自己破圈：尤其在做过产品经理后感触最深，分析师的产出是否有价值、能否落地，最关键的就是会不会提问题，毕竟怎么分析问题是跟在提出问题之后的；能否提一个好问题，一方面是考验对业务是否熟悉，一方面就是考验能否跳出自身的思维模式。搞技术的人，或多或少都容易把自己的逻辑搞成自闭环，只在同业的小群体内能互相理解，跳出群体就会有鸡同鸭讲的感觉，这种就是小逻辑，而我理解的大逻辑，不仅仅是缜密完备的，也应该是朴素易懂的。能让大部分人都理解你的逻辑，才能让逻辑发挥作用，否则就是自我陶醉；能否站在对方的角度思考问题，就是从小逻辑到大逻辑的关键。
二、策略产品经理的专注
1. 憧憬
“策略”这个词很性感，很飘逸，也很难被界定。
市面上有各式各样的策略产品经理，从岗位招聘要求上看，会给人一种大学里做数据建模的感觉，很亲切。
2. 现实
策略产品经理的主要任务，就是做策略。
虽然策略本身不好定义，但可以跟算法做个对比，在对比中稍微澄清一下。
打个比方：算法好比种菜的，策略好比炒菜的，炒菜的不用知道这个西红柿是怎么种出来的，那个鸡蛋是怎么生出来的，但需要知道西红柿和鸡蛋各自的特点，再根据特点设计菜的炒法；所以策略可以理解为对算法的应用，既然是应用，就要结合应用场景做个性化适配。
又比如：KFC在中国推出了豆浆油条一样，背后还是那套标准的餐饮供应管理体系，但在中国就有本土化；有时候，策略也可以是跳脱具体算法之外，因地制宜的设计一个计算逻辑，解决眼下应用场景的具像化问题。
在这个阶段，我主要做的是品牌广告方向的策略；背景很简单，每个投放品牌广告的客户，都是很有钱的爸爸，因为穷爸爸们只会锱铢必较的投效果广告——没人点击我就不掏钱。
但品牌广告爸爸们不一样，作为大牌，每年都有一定的预算用在培养消费者心智（洗脑），具体形式就是投放一些让你看了觉得很有意思、并能增加品牌正面认知的广告，不强求消费者看了就掏钱买的那种。
这类广告很难衡量效果，但爸爸们也不傻，想让我花钱，你至少要说清楚：
- 这次广告要投放给谁看？——找到合适的人
- 这次广告要在什么渠道来呈现？——在恰当的时机
- 这次广告主要突出的内容是什么？——说正确的话
为了回答这3个问题，过去传统的4A广告公司，就像影视作品里演的那样（比如《广告狂人》），通宵彻夜的脑暴、喝酒、抽烟、沉思，只为了灵光乍现的一刻；但现在4A公司和互联网广告巨头们，会强调用数据来驱动投放前的上述决策。
以百度为例：它知道很多人在想要购买一个商品之前的心路历程——搜索内容——把这些数据加以利用，就能避免纯创意层面上的撕扯（一千个人心中有一千个哈姆雷特，很难说我的创意就是绝对的好）。策略在这里的核心作用，就是利用数据设计出一个系统性的计算方法，解答上述3个问题。
上图就是一个相对完整的解答流程，篇幅限制，今天只举例其中一个小环节：在消费者眼中，谁是我们的竞品？（上图中竞品分析模块）
上面这个散点图，是竞品分析的传统做法。
以汽车行业举例，右上角的那个奇骏就是广告主爸爸的儿子——本品，剩下的那些都是竞品，哪个离奇骏最近，哪个就是本品的最大竞品。
传统做法从相似度和争夺率这2个维度来拆解“竞争”这个概念，试图量化点与点之间的距离。
但有问题，因为相似度和争夺率是这么计算的：
- 相似度：在一段时间内，既搜过本品也搜过竞品的用户，在搜过本品或搜过竞品的总用户中的比例（本品与竞品的交集/本品与竞品的并集）。
- 争夺率：在一段时间内，搜索过本品的用户中，有多少人还搜索过某个竞品（本品与竞品的交集/本品）。
问题1：如果我事先不输入任何竞品，这个方法就行不通（相似度和争夺率的核心都是算交集，可你不告诉我跟谁交，我怎么算？）。相当于它无法突破已知的经验范畴，而我们往往就是需要数据告知一些经验以外的东西。
问题2：这个方法中，只应用了“重合”这一个特征；然而用户的搜索行为是一个连续的序列，是有前后顺序（先搜A再搜B和先搜B再搜A，不一样）、有次数多寡（搜了10次A和只搜了1次A，不一样）、有距离远近的（刚搜完A就搜B，和搜完A之后又搜了CDE之再搜B，不一样），这些信息在传统方法中，都没有体现出来。
问题3：传统方法下，谁是竞品需要看图说话；那么问题来了，就拿图里的逍客和途观来说，看上去跟奇骏都比较近，到底哪个才是最强劲的竞争对手？
下图就是对传统方法的升级尝试，而且考虑需要向广告主介绍本次投放决策的理论依据，过程中的策略也需要很高的可解释性：
以奇骏为本品，对新策略做一个形象化解释：当我搜索过包含奇骏的某个关键词之后，如果我紧接着就搜索了逍客（特征=前后顺序+间隔位置），而且还搜索了很多次（特征=搜索次数），那么逍客与奇骏的竞争强度就会大大的增加。
怎么样，是不是很符合直观的认知？
这个策略不是一个离线的、一次性的计算，它后续落地到一个自动化的产品上。
它的优化空间还很大，比如拿用户的具体搜索内容来看，“逍客省油么？” VS “逍客4s店在哪儿？”，肯定是后者体现的购买意愿更强，竞争强度也就更强。
3. 困境
很开心在工作的第2～3年做这个岗位，它跟业务不远，对数据的应用又比较专注。
但策略的落地要么是在某个产品上，要么是依托于某个运营活动，我既不是做产品的、也不是做运营的，很难决定这个策略最终落地的形态和效果。
说到底，策略是一个承上启下的环节，往好了说是枢纽，往坏了说就是上不达天堂、下不接地气，接地气的事情我感觉我做过了，我想上天堂。
4. 破局
选择做一个产品经理，尤其是数据方向的产品经理，可以从最终端的场景反向贯穿整个流程，未尝不是一个破局的办法；
又或者，可以横向去尝试别的策略方向，比如推荐策略、反作弊策略，这些场景的需求量更大，有更多前辈经验的积累，不至于出现孤军奋战的感觉。
三、数据产品经理的开悟
1. 憧憬
最开始对数据产品经理的期待很朴素——产品经理是不是就可以指使别人干活，自己动动嘴皮子动动脑子就好了？
这样就能有大把的时间花在思考上面，而不是琐碎的体力劳动上了，而且还能自己的产品自己做主，从业务端需求的收集、到产品功能的设计、到功能中策略的填充、到最终上线后的运营和效果反馈，想想就很激动！此处，需要给曾经的自己一个“呵呵”。
2. 现实
后来我做过两类数据产品：
- 一类是延续了在百度的广告方向，继续做品牌广告的投放前决策平台；
- 另一类是做数据运营平台，某种程度上，就是BI报表的升级。
我也从一个被安排的明明白白、只需要专心捣鼓策略的学生型员工，变成一个家长式的、需要安排好大家的工作、时间被会议切割到支离破碎的社会型员工了。
同时，我的产品也并不能完全由我做主，方向上的事情会有各路老板的意志干预，也会有各路利益方入局博弈，很多时候我能做的，也往往是在妥协中尽量保持初心罢了。
但这个岗位给我最大的收获，就是逼迫我去直面问题的本质——到底哪些人需要这个产品？他们需要用它解决什么问题？我设计的东西到底有没有解决这些问题？
之前不论是做数据分析，还是策略产品，因为劳动成果很难独立的对用户产生影响，所以很少操心去思考那些问题。
反正我分析出了一些结论、做出了若干策略，最终效果好不好，还要取决于产品功能或运营活动的设计。
用户的反馈也很少直接冲着我来，自己可以稳坐后方钓鱼台。但数据产品经理需要走上前线，因为这个岗位的本质是产品，不是数据。
就拿做PC端的数据运营平台举例：这个平台的初期目标，就是服务好部门的200多人，快速准确的了解到部门孵化的10来个产品的数据表现。
最开始我脑海中只是天然的觉得，之前用过的那些第三方BI报表有缺陷，重展示轻分析；既然这次是自研平台，就做些不一样的，于是乎，有了下面这个东西：
它的初衷是：
- 分析体系结构化（指标按照不同业务方向进行归类）；
- 指标卡片化（一段时间范围内的总量、日均值、波动率）；
- 卡片可点击（点击后可联动展示指标的波动分析）；
- 内嵌指标波动分析方法（时间的对比+多维度的下钻，尤其是后者，直接量化定位波动原因）；
然而，用户对上述4个设计初衷的直接反馈是：
- 指标分散，没法一次性找到所有想要的；
- 卡片太大占空间，浪费多余，还不如做成表格能一眼多看到更多指标；
- 能意识到可以点击，但点击后因为PC端高度限制，只能看到下方的趋势图跟着变动，根本注意不到再下面那个指标异动分析表格也在动；
- 经介绍说明后能理解异动分析对指标波动的解释，但理解有门槛；
问题很明显，我把这个数据产品的数据部分看的太重了，忽略了其产品的部分。
后来我发现，这也是现阶段很多数据产品经理同行的共性，数据>产品，偏离了岗位的本质。
这个数据运营平台，到底是解决谁的什么问题？
思考之后，有了下面这个迭代的版本：
- 用完成的业务流程串联起零散的指标；
- 指标卡片点击唤起浮层，所有分析展示一屏解决；
- 异动分析简化图形化，只保留核心概念；
- 原有顶部筛选控件位置优化，释放屏幕纵向空间；
迭代的终点还远远没到，后续有机会再专门开篇说下对这类数据运营平台的想法，尤其是跟AI的结合。
3. 困境
很多时候，数据产品类似一个中台型的产品。
没有中台的命，却有中台的病；如何兼容各方的个性化需求？如何评价数据产品的价值产出？这些问题既是我的“绝望之谷”，也会是我的“开悟之坡”。
4. 破局
不要让自己受限，这个限制可能是外界给予的，但更多时候是自己给予的。
我的经历告诉我，岗位是死的，但能力是活的。
数据分析师就只能钻研各种分析工具、统计模型么？策略产品经理就不能设计下产品的功能么？数据产品经理就只安心做好产品就够了么？
当你愿意抬头时，路就会越走越宽。
免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！
]]>一个产品的成败不仅仅取决于内部效率的提升，还取决于各种外部环境，但优秀的策略产品经理能够让产品达到外部环境给产品划定的上限。
策略PM的职责与价值
上一篇文章我们聊了什么是策略产品经理、策略产品经理的职责、需要的技能，以及策略产品经理和其他产品经理的区别。简而言之，策略产品的目标是设计或者优化策略系统，而这个系统给整个业务发展带来的提升，就是策略产品经理的核心价值。
传统意义上，策略系统包括搜索、推荐、信息流、广告，这些也是常规的策略PM战场。其实所有依赖数据策略提升的，都是策略PM的范围。
比如外卖员的匹配策略，不仅要提高系统效率，还要给优秀的外卖员更多的派单倾斜。
比如供应链的选品策略，可以根据用户的消费情况去上架商品，提高销量。
比如设计网约车的司机激励政策，从而提高高峰期的需求应答率。
比如设计更好的补贴策略，在控制成本的情况下，提升补贴效率。
虽然策略PM有着越来越广泛的发挥场景，但PM的核心价值的确保持不变：策略产品经理需要明确系统设计和优化的目标，需要从数据中找到规律作为设计和优化的依据，需要将业务需求格式化为系统的条件，需要有足够的算法能力完成系统设计，还需要从用户case中找到系统优化的新思路。
总结而言是五个职责：指标体系，数据洞察、格式化需求、系统设计、用例研究。
策略PM的职责
指标体系
作为一个策略PM，当接手一个系统的时候，可能业务指标就是确定的，比如CTR（Click-Through-Rate，即点击通过率，一般计算方式为点击数/曝光）就是一个常见的指标。但业务目标就意味着系统目标么？这个问题大多数人会不假思索地认为当然如此。
但事实并不是。就以大家最熟悉的推荐为例，即使我们认为CTR很重要，也不能把内容按照CTR排序推荐给用户。
是不是每一次刷新里面有一些强相关的内容搭配一些探索的内容更好？不仅可以让用户在多次刷新时，每一次刷新都有些强相关的内容，促进点击刷新，同时也有利于收集更多用户数据，方便后续推荐。
指标一定是多方面的，因为业务目标不会单一。对于策略PM而言，不要天然将业务目标作为优化目标，而是应该围绕业务目标去构造指标体系，从而衡量和指标系统的发展。
数据洞察
数据分析是策略PM的核心技能之一。但为了区别一般的数据分析，我用了一个新的词语。
数据分析不是为了做出一个领导希望看的报表，也不是把一堆指标各种分析，然后得出一些非常直观的结论。数据分析的目标是从数据中找到问题，洞察到新的信息。
数据洞察就是要以带来改变为目标，要能指导下一步的动作。从数据中找到一些规律，通过这些规律推演系统改造。
格式化需求
我做策略的时候第一次听到莫名奇妙的需求是运营说——“千人千面虽然数据好，但是商品调性不好，影响了我们的品牌”。“调性”这个词如果不做时尚电商可能有人还是第一次听说。
那怎么满足这个需求呢？最终是让运营选高调性商品、前几屏插空给了一些广告位。同时让运营做了品牌标注，给了高调性品牌曝光加权。
总有一些业务诉求，表达出来是模糊的。“我希望流量倾斜中小博主的优质内容”、“我希望服务好的司机有更高的收入，但是派单还是要看距离派单”，这样的需求要实现出来，需要对需求进行格式化。
课本上的应用题经过一定的训练都可以做出来，但是实际问题并不是应用题。优秀的策略产品经理可以把实际问题格式化为应用题，这样算法工程师才能进行解题。
系统设计
对于大多数公司而言，系统设计是由算法工程师完成的。
如果策略产品经理缺乏系统设计能力，不理解系统内部逻辑，就只能设计一些简单的规则，一方面降低了算法效率，一方面也无法有效达成业务目标。算法工程师不了解业务诉求，只做算法性能的优化。这其实是大部分公司的现状，甚至很多大公司也是如此。
而优秀的策略产品经理能很好地理解系统设计，并且实现业务需求。系统设计能力体现了一个优秀策略产品经理的综合能力。
用例研究
对于策略产品经理而言，case by case的分析必不可少，收到来自各方的问题反馈也不可避免。优秀的策略产品经理需要对这些用户case做综合分析。
这个case覆盖了多少用户？这个case有多严重？这个case背后的原因是什么？这个case有没有系统性的解决方案？有没有方案可以避免类似问题发生？
透过case找到系统的问题并进行修复，是一个优秀的策略产品经理应该具备的能力，而一般的策略产品经理可能只会不断打补丁，对系统而言，不过是“按下葫芦浮起瓢”。
策略PM对公司的意义
策略PM对公司的意义是什么？最近我有了一点新体会。
这几天看了本自传，叫做《战胜一切市场的人》，作者是爱德华.索普，一个通过数学打败赌场又通过量化策略战胜市场的人。无论赌场还是市场，在大部分眼里是参与者是没有优势的，但是索普通过分析形成策略扭转了赌场和时长的优势。这就是策略的力量。
公司的经营也是如此，产品为了服务用户，连接了大量的人，构造了不同的流程、组织了不同的内容、进行了各种分配。每一个环节进行足够机制的策略优化，都会提升产品的用户价值或者商业价值。
当各个环节优势累加的时候，产品就会形成巨大的优势。
当然，一个产品的成败不仅仅取决于内部效率的提升，还取决于各种外部环境，但优秀的策略产品经理能够让产品达到外部环境给产品划定的上限。而在竞争逐渐加剧的互联网中，足够强大的内部效率越来越重要。
本篇文章主要介绍了策略PM的职责和价值，后面的几篇文章我们展开讲一下完成这几种职责的具体方法。
免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！
]]>相比于其他产品类型，策略产品经理是更加独特的存在，总有一些更复杂的系统需要更专业的策略设计，而这正是策略产品的发展空间。
产品经理的分化
在宝洁时代，产品经理需要懂产品定位和营销，以保证产品上市后有销量。在互联网早期，产品经理需要懂项目管理和基础技术知识，产品只要能做出来就有一定市场。随着互联网行业的发展，用户研究、交互设计、数据统计等知识被不断加入产品经理的技能列表。产品经理作为一个职业所需要的知识和技能不断增加，然而，每一产品经理个体负责的内容却越来越细化，这一岗位开始细分出C端产品、B端产品、策略产品、数据产品等，每个岗位负责的内容都非常有限。一方面是产品技能的扩大，一方面是产品职责的细化，这个看似矛盾的现象，和产品经理这个职业的特点是分不开的。
产品经理的成长依赖的条件比较苛刻，不仅需要合适的环境，也需要个人的天赋和努力。产品经理关乎决策，只有真正参与到产品决策中，才能够获得成长，而这样的机会往往是非常稀有的。大公司不可能给新人太多决策的机会，而小公司的决策往往因为规模太小而无法获得有效的决策结果反馈，所以大部分产品经理缺少合适的环境。并即使在合适的环境中，很多人也因为学习能力差，不懂得总结反思，难以成长为非常优秀的产品经理。外部环境的不足和高潜力产品经理的稀缺，难以培养出优秀的产品经理。
因为缺乏优秀的产品经理，产品的各个模块就不可能都由优秀的产品经理负责，所以企业设计更复杂的组织结构，让每一项工作只需要用到一部分知识和技能，从而保证公司能够正常运作。但是，这样的组织结构就会导致这些分拆的工作更难培养出优秀的产品经理。实际上，大多数大公司都采用了这样的组织结构。
大公司的产品经理是很多管理者眼中优秀的产品经理，于是这些产品经理在行业中就很有市场。一方面其他公司会效仿大公司的模式，建立越来越细的产品分工；另一方面，随着大公司的产品经理进一步在市场上流通，他们本身也会传递这种细致的产品经理分工模式。
所以产品经理市场呈现了今天的情况，而策略产品经理正是最后被分化出来的一个类型。
产品经理的技能树
虽然产品经理有了越来越多的类型，但产品经理的能力模型并没有标准化。每个类型的产品经理应该掌握哪些知识和技能，这个问题依旧没有标准答案。
理想情况下，产品经理有一个整体的技能树，不同的技能加点，意味着走不同的产品路线。就和游戏里一样，每个人都可以在工作中选择路线，获取经验，解锁新的知识和技能。如下图所示设计《刺客信条·奥德赛》的技能图谱。
当然，现实是残酷的，游戏的经验是通用的数值，获取经验之后可以自由选择成长路线。但是在实际工作中，工作经验和获取的知识和技能是相关的，好的工作是一个人能快速发展的关键。
一个只做用户交互的产品经理很难变成策略产品经理。
一个全面的产品经理需要的素质是多样化的，在我看来最核心的包括用户同理心、沟通协调能力、逻辑思维能力、数据分析能力、基本行业知识以及特定的领域知识。
对于C端产品而言，特定的领域知识包括设计心理学、用户研究方法、交互设计能力。
对于B端产品而言，特定的领域知识包括组织行为学、信息架构能力、系统设计能力。
对于策略产品而言，特定的领域知识包括基础算法知识、数理统计知识、系统设计能力。
对于商业产品而言，特定的领域领域知识包括广告相关知识、经济学知识。
对于增长产品而言，特定的领域知识包括流量平台的规则和玩法、广告相关知识。
当然，这些都是基础的能力，对于一个产品经理个体而言，如果有机会和能力掌握更全面的知识，可以保证在变化的互联网环境下，有更强的个人竞争力。
什么是策略产品经理
又是一个给一个非标准化对象下定义的事情了，我们已经从技能角度描述了策略产品经理，接下来会从更多角度定义策略产品经理。
产品经理的一个经典定义是产品的CEO，是为产品结果负责的人。随着互联网的发展，交互方式已经形成用户习惯，产品的竞争从前端交互设计的战场转移到了内部系统的战场，而这也导致策略产品经理有更高的价值。
策略产品经理负责的产品不是传统的APP或者网站，而是一个具体的系统，这个系统关乎用户的核心体验，所以也可以定义为一个产品。比如推荐信息系统、搜索系统、服务匹配方法、作弊用户识别等。
相比于其他产品类型，策略产品经理是更加独特的存在，因为无论是C端产品、B端产品、增长产品还是商业产品，总有一些更复杂的系统需要更专业的策略设计，而这正是策略产品的发展空间。
策略产品经理需要明确系统设计和优化的目标，需要从数据中找到规律作为设计和优化的依据，需要将业务需求格式化为系统的条件，需要有足够的算法能力完成系统设计，还需要从用户case中找到系统优化的新思路。
一些传统的误区是将数据分析和系统设计作为区分策略产品和非策略产品的关键因素，实际上这可能是大部分的产品经理都应该掌握的基本知识，只是其他产品在这方面更容易“偏科”。
策略产品经理在工作中合作最多的角色是数据分析师和算法工程师，实际上正是这三者共同构建了策略系统。不同的公司业务情况不同，大部分策略系统做的比较优秀的公司，都是算法工程师主导的，因为算法、产品、数据中，算法硬性门槛最高。但是产品经理有自己的优势，那就是策略的核心是商业价值和用户价值，如果产品经理能学习算法和数据，去主导策略，可能会有更高的系统上限。
对我自己而言，在过往的项目里因为各种原因，这些复杂的算法系统最终的设计基本由我主导，从业务结果上也取得了不错的结果。在这个过程中，我自己有了一些策略产品经理的积累。
接下来一段时间，我们就主要来聊聊策略产品经理的那些事。
免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！
]]>