策略研发效率

效率
如果定义高效这个概念，在一个相同的目标下，我们如何花更短的时间，更少的人力，达到目标。

1、从组织与管理层面（管理）

• 组内设置合理的责任方式，成员的OKR设定。
• 对外，也需要有合理的输出，OKR便是与外部合作，协作的接口。
• 当然，也有一些项目与目标，不在OKR里描述，那么组内也许需要leader更多的关注，在合作上，可能需要更好的抓手推动（比如大老板推动也是抓手）
• 合理的分组方向划分，更高效地聚焦关键问题。还能做到经验与知识的迁移。（合理中台，垂直化划分方向）
• 太多手段，影响因素也太多。。。
• 管理是个更高层面的东西，管理得当，执行的效率，决策的效率才能提升。

2、从技术层面（执行）

• 体系框架：
  合理的体系框架设计，缩减管理成本。多个项目，项目间交互的管理，当然也设计到其中人力的调配，管理。比如，统一的特征管理评估体系，合理的实验准入标准（在线实验成本高昂），高效的实验验证、算法迭代过程。这其中的效率，一方面受到操作的人影响，另一方面，整体是否有完善的体系和管理机制的约束、指导也对效率有很大的影响。同时，合理的技术体系划分，能更好地提升单方向的深度，划分其职责，减少重复性学习与劳动，更好地将技术输出运用在具体子项目上。

• 问题的定义与建模：
  如何准确地定义问题（要优化的目标），并且对这个问题建模，是策略优化中最重要的。比如，我们需要优化一个电商网站的GMV，最common的状况就是，我们对用户行为的路径建模，从观看到商品，然后点击进去详情页，最后点击支付转化，对这个流程抽象出ctr cvr来进行建模。当然，这只是个最简单直接的场景。实际中还有更复杂，更精细化的建模需要考虑。

• 优化路径的选择：
  在确定了问题后，接下来说说优化方向的选择在效率的提升中是个怎样的角色。当我们做策略的时候，有个非常明显的特点，就是很多时候，路径是模糊的。跟我们在做工程的时候不同，工程中很多时候当问题与目标明确了之后，我们便能设计出一定程度合理的方案（候选集可能并不多，或者方案都有明确的优劣之分），并且，这个方案的很多环节，都能提前预估判断，所以当具体实施的时候，路径是明确的。而策略项目的路径，很多时候都是模糊的，或者说不是那么容易具化到优化的路径上（只能较为粗略地拆解，就算拆解到优化特征提升2%这种程度，也很难具化到最后是如何优化了特征，优化了哪些特征）所以，这里有个多级的路径决策。从最上层的决策，到最末层。决策成本依次递减，可能在末端会有多次trial and error的过程。但是，如果前端就决策失误，可能在后端做再多的努力，也很难达成目标。所以，在我的认知中，风险等级不同的决策，需要进行一个搭配（并非完全的风险中性）

• 技术选型：
  在确定了优化路径后，接下来，就该说一说在技术选型的问题上，如何有效地对项目目标进行输出。这里经常会有一个取舍，复杂完备的方案，耗费的时间更多，但是可能后期维护迭代成本更低。简单粗暴的方案，能快速地验证并获取收益。（TODO）
  

3、从决策层面（决策）

• 经验的反思与总结
  在上面一条中，我们描述了选择正确的优化方向，技术体系架构，方案细节等关键点在执行中的重要性。那么，其实在还有个非常关键的问题就是，如何决策出正确的优化方向。最便捷的是一些既有的经验，在一些比较相似的场景与环境中，既有的经验能很大程度上帮助我们作出成功的决策。当然，通常，在决策层面的经验不如在执行层面的经验那么容易迁移，很多时候，一些曾经成功的经验在新的环境中也不一定能成功。最终的成功或者失败，需要进行总结和归因。由于环境的一些差异所带来的影响可能并不那么容易被我们捕捉，所以有时候也需要对经验进行一些更新。

• 分析与推演
  我们对产品，对用户，对事物的认知都是在不断演变的。在不同的环境下，我们应该进行更多更细致的分析，以及对用户行为，商家行为，以及整体生态的一些发展进行推演。才能从中发现问题，经常，通过这些问题的分析和解决，也能找到新的路径，作出好的决策。