产品工作思路和方法_策略篇

首先，什么是策略产品。举几个策略产品例子：搜索、推荐、反作弊、广告。策略产品专注于“策略”，将已有的数据/资源，通过具体策略转换成服务提供给用户使用。由于笔者经历主要是搜索排序类产品，因此本文的一些经验也是基于搜索排序类产品，如有不通之处，欢迎批评指出。

策略产品经理通用的工作流程：需求挖掘→策略设计与开发→效果评估与上线。下面就每个环节谈下策略产品的工作内容和方法。

一、策略产品的需求挖掘

策略产品常见的需求挖掘方法有4种。

1、 case分析

Case分析是通过对现有情况的调查分析，来确定策略改进方向。由于case表现的是真实用户体验，通过分析case能最直接发现用户体验问题，因此case分析法是策略产品经理最需要掌握的需求挖掘手段。

Case分析首先要获得case，有两种具体操作方式。一是使用策略产品对应的客户端进行体验，比如要分析微信发送位置地址描述的表现，可以打开发送位置客户端界面，随机选点体验位置描述。另一种是抽样提取策略访问日志，这种方式脱离客户端的实际展现，但是可以做到抽样合理，同时也能避开客户端交互体验等影响，使分析者更集中于case的内容表现，又能方便地把case汇总在一个表格中，便于归纳整理，因此是case获取常用的方式。

在获得case之后，我们就可以对所关注的内容进行分析了，比如用户搜索请求类型和占比、排序的效果和badcase分布等等。

2、 数据分析

与策略产品相关的数据有两种，一是策略应用到的数据，二是策略产生的数据如流量、点击、转换等。此处“数据分析”指的是后者。策略产品产生的这些数据往往体现了用户需求、商品供应、情景、市场变化等情况，可以从中发现机会，进行策略优化。例如，分析地图POI检索的点击，发现白天时用户更倾向于选择商务楼宇类POI，而到晚上则选择休闲娱乐类的POI，于是我们就可以根据时段来调整POI排序。数据分析需要对业务充分熟悉，并且能进行拆解，进行假设验证、因果推导。由于不同策略产品的数据关注点不一样，这里不做详解。

比较case分析和数据分析两种方法，不难发现，case分析是自下而上的，从样本出发发掘整体问题，而数据分析方法偏宏观，是从全量数据角度出发。实际工作中需要将这两个方法一上一下结合，才能更好的发现问题和机会，制定需求。

3、用户反馈

策略产品同样会收到用户反馈，比如搜索找不到某某结果等。这些用户反馈就是badcase。除了用户主动反馈之外，还可以组织用户访谈，和策略相关方进行沟通，倾听用户诉求。另外，策略产品的工作集中在后台，前台展现往往相对比较简单，所以能够比较容易地设计一些体验工具，发给用户进行众包体验，从而收集用户反馈。

4、业务/运营需求

有时你会遇到这些情况：1）近期有某个重大运营活动，搜索排序时需要将该活动固排首条；2）电商公司刚和A供货公司签订重要合作协议，需要推荐策略照顾下A公司的产品；3）出行类软件新推出推荐上车点服务，可以多返回些门、交叉口等供用户作为起点选择。以上就是策略产品经理可能会遇到的业务/运营需求。这些需求，有一些是合作方主动提出的，而另一些则是要策略产品经理深入到业务应用场景去发现的新机会。结合应用场景的深度需求挖掘，是策略越来越精细、越来越符合用户预期的重要步骤。

二、策略设计与开发

 相信不少新进策略产品经理都遇到过这样的感受：“策略研发主导，光找badcase、分析badcase了，感觉一直是在给研发打杂”。这是因为，策略产品的技术门槛相对较高，刚入门的产品经理对现有策略的熟悉程度通常不如开发，所以具体的策略设计一般由开发主导。而“策略”是策略产品的核心，不能亲刀进行策略设计，就容易有“打杂感”。所以，策略产品经理一定要主动参与到策略设计中。那么，该如何进行策略设计呢？

策略设计第一要点——全局感。全局感，首先要求产品经理对现有策略有通盘认知。不懂就问，和RD一起还原现有策略产生的背景和逻辑，做到心中有底，才好动笔设计。全局感的另一个要求是“平衡”。做策略总会遇到“按下葫芦浮起瓢”的事，一个策略会解决掉部分badcase，但又会出现新的badcase。这种情况在所难免。这时候就需要全局的平衡。

策略设计第二要点——技术感。无可否认，策略产品是一个相对技术密集型产品。要想做好设计，就需要对技术有所了解。比如现在很多策略产品都会引入机器学习。产品经理需要了解常见的机器学习算法，以及自己所负责的产品适合哪几种。在策略设计与开发过程中，产品需要为机器学习定义成果标准，参与特征选取讨论，组织标注训练集等等，这些工作都离不开一定的技术知识。

策略设计第三要点——合作感。产品和工程师这对CP，再相爱相杀也要密切合作。产品经理在做策略时，需要理解工程师对“如何实现”的考虑，要学习工程师是怎么考虑产品的过去、现在和将来，而不是只关注于产品现阶段要完成的样子，否则极易掉入过去的坑，又给未来挖坑。充分理解、尊重和信任开发工程师，互相合作，共同达成“完成当前的需求，填上过去的坑，不给未来留坑”的理想目标。

三、效果评估与上线

策略的迭代，是为了能提升效果。因此，策略上线前需要先做效果评估。那么，如何做效果评估呢？

如果你所负责的产品有点击率、使用率等客观监控指标，评估相对容易些，可以先做个离线评估，再来个ABtest，最后再全量上线验证。

如果没有点击率等客观指标，又或者需要评估用户体验(点击率高不一定体验就好。有时只是因为没的选，有更好选择时用户就流走了，这时点击率等指标可能会骤降。所以不能唯点击适从，还要关注体验)，这时候就要上人工评测了——合理抽取case交给人工来进行效果评估。由于不同人感知不同，定会产生评测误差，因此产品经理需要制定明确的评测标准和流程规范，以指导大家尽可能在同一标准下评测。

一般来说，当我们评估用户体验时，可以用满意度打分法。下面是一个分值和满意度的评估标准样例，告诉评测人员应如何打分。

当我们评估模块专项效果时，则常用到“精度”“召回”两个指标。“精度”和“召回”涉及“该出”“不该出“的标准界定，这个标准则需要结合具体的业务场景去做拆解。

另外，进行效果评估，不单单是为了获取满意度、精度、召回等指标，更重要的是发现问题，寻找下一迭代优化点。因此在效果评估过程中，还需要注意分析点击率等指标变化的原因(数据分析挖掘需求)，或是收集评测人员对于评测case不满意的原因(case分析挖掘需求)。至此，我们将上一版的效果评估和下一版的需求迭代打通，形成环路，螺旋演进优化，让策略越来越有效，产品体验越来越好！

作者：陈婷，腾讯MIG地图平台部数据中心，高级产品经理。现负责腾讯地图位置描述服务及面数据相关工作。