一、策略产品经理的诞生背景

先来了解下背景，为啥策略产品经理近几年非常火？

主要原因有2个：

1：互联网已经过了蛮荒时代，到了精细化运作的阶段。互联网已经一片红海，已经不是当年随随便便做一个界面，一个功能就可以撬开整个地球的阶段了。

2：时代开始变得VUCA（ 易变性、不确定性、复杂性、模糊性 ）。吴军在《智能时代》中说到，解决不确定问题最好的方法是大数据。策略恰恰是推动个性化/大数据/推荐等AI技术发展的核心，因为技术和产品策略的融合才是破局点，才会产生价值！

综上所述：策略产品开始变得越来越重要，热度逐年增高，薪资待遇方面等也都高于纯功能性产品经理。

二、什么是策略？

1）什么是策略？

任何行业的任何产品都可能有策略在里面，策略和行业类型/产品类型无关，仅仅是为了达到某种价值/解决某个问题/实现某个目标的一种手段。

举例：今日头条/抖音的推荐策略，滴滴的路线/定价/派单策略、谷歌百度的搜索结果展示策略、游戏的闯关策略，邮箱的反垃圾策略、甚至超市的物品摆放位置都有策略。

2）策略会用到什么功能上面？

经过前人总结：当要解决的问题或者要实现的目标满足以下几点时，大概率就需要用策略来实现了：

1：当某个功能流程涉及到前后台数据匹配和分发逻辑时

2：当产品用户量和数据量巨大，用户群和数据种类均繁多，用户需求复杂多变时

3：当产品需要通过一个功能点满足用户在各种场景下的各种需求时

4：当某个功能点涉及的相关因素会随着用户的增加或需求的变化，而不断增加和变化时

3）策略的意义？

我们知道了策略在功能上的用途，那策略的意义到底是什么呢？

策略能以更低廉的成本，以更高效，更精准的方案解决不确定性、复杂性问题。

这就是策略的最大意义！

因为要解决某个不确定性、复杂性问题问题，这个问题的【最佳解决方案】会受到【多个因子】的影响，不是固定不变的。

我们【持续收集】这些因素的变化，并根据变化【数据】随时调整解决方案，无限逼近最佳解决方案。

三、策略产品经理的工作流程是什么样的？

主要区分于功能类PM，策略PM在工作流程上与功能类PM也是大不相同的。

策略PM写不出几十页的需求文档，不需要定义清楚每一个按钮的逻辑，每一种交互的边界情况。

策略PM的价值更多的体现在对用户价值和用户体验的判断（即需要聚集在在什么场景下用、以什么方式、什么比例、有什么影响因素等）

①发现问题：

功能产品经理：一个人/相对聚焦的需求

策略产品经理：一群人/复杂性/多样性/更个性的需求

②功能设计：

功能产品经理：收敛的解决方案、通过流程和原型表达实现效果

策略产品经理：发散的解决方案、通过逻辑描述和效果示例表达产品效果

③跟进开发

功能产品经理：验收结果、关注呈现

策略产品经理：不断调整评估、与研发一起发现、分析问题

④发布上线

功能产品经理：能更快的达到理想态：停止迭代或根据功能数据继续迭代，

策略产品经理：永无止境的迭代循环：复杂受多个因素影响，才能达到较好效果

三、策略产品经理与技术的配合

策略产品面临的最大挑战，就是和RD工程师的合作模式。

在建立一个策略驱动的产品秩序上，一个资深的策略产品要懂得这些事：什么事情交给算法去做，商业上如何用数据说话，如何运用数据驱动运营，运营如何为算法提供标注数据，客户端上什么样的交互是最能反映用户本意的。而不能是成为一个“算法不如算法工程师，商业不如市场，搞事情不如运营，论交互不如客户端PM”的角色。

PM重业务规划，把控的是宏观大方向；

RD重具体执行，拿捏的是微观细节。

策略产品经理作为一款产品的owner，在这个过程中要全力帮助算法工程师几点：

1：一起建立合理假设，PM要站在整个业务的角度来制定更加合理的核心指标。

比如为了提高新闻的点击率，那么通常建立的假设是：曝光给用户的新闻，没有点击的就是他不想看的。我们知道一个假设有很多意外情况，但是如果能在大面上站得住，就是一个好的假设。RD们醉心代码和数学，策略产品一定要更懂人性、群体、商业，这样结合才能建立一个既成立、又能落地的模型假设。RD们眼中的指标是召回率、准确率，是F1值，但是产品成功并不因为你召回率到了90%就能成功。所以策略产品除了要知道召回率、准确率分别意味着什么，更要知道这距离实现商业上的目标、业务上的合理核心目标还有多远，这也是AB测试的重要性，策略产品经理要深入业务更多。

策略PM一定是站在整体业务上作思考，而不是聚焦在策略本声提出相对狭隘的点，而这一点，正好是PM擅长，并且能够完美补位RD的思维漏洞的核心点，也只有这样，才能相对靠谱的为业务往正确的道路前进保驾护航。

2：PM作为项目的owner，需要明确阶段性目标和对应的衡量方式。

对于多次得不到验证的假设，策略产品要及时喊停，重新梳理业务，这是RD们欠缺的。

对于你自己的业务，你有没有很清晰的想透你自己的业务对于公司的战略到底有什么价值？怎样可量化的衡量这个项目成功与否？这个项目最大的几个需要攻坚的难点是什么？什么样的时间这个项目应该攻克什么难点（所谓的里程碑）？用哪些方式来客观衡量是否真的攻克了该难点？

四、常见的推荐算法

为了更简单地了解推荐算法，我们可以将一篇资源X和一个用户Y之间的匹配程度抽象定义为相关系数P，P值越高，代表这个用户对这篇资源的点击欲望越强，P=1代表这个用户一定会点这篇文章，P=0代表这个用户一定不会点这篇文章。推荐算法的本质就是计算这个P值，然后将P值最高的那篇内容推荐给用户。推荐效果好坏的关键取决于P值计算的准确性。

常见的推荐算法：热度算法&协同过滤

热度算法

按照资源的热度，对资源进行排序。认为热度高的资源，P值越高，用户点击的可能性就越大。实质是利用资源的热度来消除资源和用户匹配的不确定性，热度为500的资源相对于热度100的资源而言，用户点击前者的可能性（概率）更高。

缺点：

1：单篇文章每个用户的P值都是一样的，无法个性化

2：对新资源和强时效资源没有保护机制

3：要避免滚雪球式的放大效应

协同过滤

基于内容的协同过滤

基于内容的协同过滤，就是计算内容之间的相似度，将和用户以往喜欢资源相似的资源推荐给该用户，例如下图用户A喜欢资源A、B、C，系统发现资源A和资源D非常相似，就会尝试把资源D推荐给用户A。这是利用两个资源的相似度来降低资源与用户匹配的不确定性程度。

图1  基于内容的协同过滤

2.2基于用户的协同过滤

基于用户的协同过滤，就是计算用户之间的相似度，将与你相似用户所喜欢的内容推荐给你。例如下图，系统发现用户A和用户B是相似用户，就可以将用户A喜欢的资源C推荐给用户B。这是利用相似用户的爱好相似来降低资源与用户匹配的不确定性程度。

图2  基于用户的协同过滤

五、策略产品经理的素质要求

作为策略产品经理，更需要你拥有以下几点能力：

1：能以上帝视角面对一群人/复杂性/多变性/不确定的问题，更强调逻辑的全面性，并从心态上拥抱这种不确定性。

2：需要有足够对数据敏感（业务指标、用数据去迭代策略和算法），分析用户日志和行为，发现用户痛点。

3：勤用并研究各大竞品，与业内有策略经验的人交流，学习优秀产品的推荐策略，多看下国内外文章，了解基础推荐原理。

4：对自己负责的业务有足够深的了解：不仅要了解当前负责产品的技术推荐过程，更要了解公司战略/了解项目的关键衡量指标/了解需要攻坚的难点/了解什么阶段达到什么效果（里程碑）/了解可能的盲区。