中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

產品經(jīng)理這個崗位在這幾年可謂大熱?？蓪τ凇安呗援a品經(jīng)理”，很多人都表示不懂了。畢業(yè)后進了一家大數(shù)據(jù)模型公司，我也是花了好一段時間，才慢慢理解模型、策略、大數(shù)據(jù)這類字眼，明白究竟是些什么內容，是玩什么、怎么玩的。在這里，我結合目前積累的不太多的工作經(jīng)驗，和大家做一個簡易的分享。

本文中，我拿一個比較好玩的例子來講解——以男性找女友為例，解析策略產品經(jīng)理如何發(fā)揮他的特性與能力，實現(xiàn)這一目標。

策略產品經(jīng)理和普通產品經(jīng)理的日常工作，有什么區(qū)別呢？

如果說產品經(jīng)理的核心工作是對用戶痛點形成解決方案；那么策略產品經(jīng)理的核心工作，就是結合數(shù)據(jù)分析對用戶痛點形成定制化的解決方案。

為了滿足男性找女友的需求，各個產品經(jīng)理絞盡腦汁：

• 普通PM做出一個產品：為男性用戶推薦大量異性，讓他在里面挑選。
• 策略PM策劃一個模型：輸入某男性，對應輸出符合該男子心目中女神條件的女性。

那么，針對策略PM，他的工作流程是什么樣子的呢？

搭建模型的流程：

Step1：發(fā)現(xiàn)和提出問題

了解用戶需求，從用戶調研中得到定性的判斷，再通過數(shù)據(jù)分析得到定量的論據(jù)。

定性判斷

這位策略PM，約了大批哥們兒羞羞夜聊，經(jīng)歷了幾天幾夜的熄燈長談，收集了大量信息，做出總結：男人在選擇女人的時候，會看容貌、看身材、看性格、看家境、看學歷、看薪資、看……

定量論據(jù)

通過不完全統(tǒng)計，90%的男性會將女人的臉作為70%的決策因素（這數(shù)據(jù)只是為了舉例子瞎掰的哈），等等之類的。

Step2：拆解問題，制定解決方案

PM從業(yè)務中提出有助于模型識別的關鍵特征，也就是模型的變量。若涉及多個模型，需將這些特征結構化，根據(jù)不同業(yè)務目的將特征歸類并形成不同的子模型。

策略PM說，好噠，接下來我們就開始提取變量吧。

形象：身高、體重、三維、罩杯、膚色、發(fā)色、臉型、瞳距、睫毛長度、嘴巴大小……

性格：

• 手機社交app下載量
• 參加社團/俱樂部數(shù)量
• 微信好友數(shù)量
• 近一個月外出聚餐次數(shù)
• 近一個月蹦迪次數(shù)
• 近一個月流淚次數(shù)
• 近一個月發(fā)火次數(shù)
• 最近大笑分貝峰值
• ……

資產：

• 工資水平
• 近半年消費奢侈品次數(shù)
• 近一年貸款總額度
• 近一年貸款次數(shù)
• 使用護膚品價位檔次
• 使用手提包價位檔次
• 近一個月消費餐廳人均價格
• ……

Step3：跟進策略模型的開發(fā)落地

策略PM把以上這些需求信息梳理出來，接下來交給策略RD去進行模型構建。策略RD接過需求，對數(shù)據(jù)進行確認和理解，并做接下來的數(shù)據(jù)處理。

1）樣本選取

選一定時間周期內的樣本數(shù)據(jù)，做隨機樣本集，劃分訓練集、測試集、驗證集。

為了讓這個例子再簡單點，我們假設全世界的女人只有A和B兩種，且樣本中的男人都只喜歡一種女人。

策略PM選取了一批真實數(shù)據(jù)樣本，一共1W條，信息如下：

2）變量選取

結合業(yè)務形式來做選擇，選出合適數(shù)量的描述性變量，并對變量做進一步衍生工作。

也就是前面策略PM已經(jīng)選取的變量啦，結合本次業(yè)務需求，選出合適的變，比如身高、體重……

那么對應樣本數(shù)據(jù)為：

3）數(shù)據(jù)處理

需對異常數(shù)據(jù)進行處理，包括缺失值、極端值等。

缺失值比如：1W條樣本數(shù)據(jù)中，出現(xiàn)了部分“王五-（空）-43kg-……-A”的情況。

常見處理方法：直接刪除；根據(jù)樣本相似性填補；根據(jù)變量間相關性填補。

極端值比如：出現(xiàn)了“王六-168cm-9999kg-……-A”的明顯偏離的數(shù)據(jù)。

常見處理方法：離群值監(jiān)測等。

4）變量處理

對定性變量進行量化的處理。

比如性格情況，無法用數(shù)據(jù)表明，可以用0代表內向，1代表活潑等等。

常用處理方法：變量分箱、WOE分析，等等。

5）變量選擇

用清洗后的數(shù)據(jù)，檢查變量之間的相關性，以模型的IV作為變量篩選的依據(jù)。

IV：information value，衡量某一變量的信息量，用來表示一個變量的預測能力。

IV——預測能力

• <0.03——無
• 0.03~0.09——低
• 0.1~0.29——中
• 0.3~0.49——高
• >=0.5——極高

Step4：制定評估方案，完成效果評估

最后，如果這是一個成型的模型，輸入一位男人的名字，就能輸出猜測其偏好的女性類型；如果這是一個成功的模型，輸出的結果應該較為精準。

千千萬萬，至于如何做到為入?yún)⒌哪行愿珳实赝扑]到心水的女神，正是對策略PM的產品設計能力、模型研發(fā)和技術水平的考驗。

包括某些音樂APP給你推薦的歌曲、資訊APP推薦的文章等等，為什么有些APP簡直神了，十次推薦中九次擊中我芳心，正是策略模型的效果。

總結

什么是策略和模型？

策略是根據(jù)形勢發(fā)展、基于數(shù)據(jù)分析而制定的解決方案。模型是對收集的數(shù)據(jù)集合經(jīng)過統(tǒng)計分析后，總結出的數(shù)據(jù)規(guī)律關系。

我們?yōu)槭裁葱枰呗裕?/h3>

在產品的用戶客群和應用場景較集中的時候，用功能性的思維能解決多數(shù)的問題。

但是，當用戶數(shù)量增長到一定的規(guī)模，不同群體和不同場景之間交織，產生難以計數(shù)的訴求，單純通過產品功能的思維是難以滿足用戶需求、或者說帶來特別滿意的用戶體驗的。

這時候，策略PM就該登場了，為不同特征客群的痛點，“量身定做”針對化的解決方案，打造更為舒適的用戶體驗。而當收集用戶行為數(shù)據(jù)越多，模型判斷準確性越高，用戶對模型反應效果好的概率越高。

歡迎交流。若有說得不對的，你你比較好看：）給大佬倒橙汁。

 

作者：彭靖文

來源：https://mp.weixin.qq.com/s/rNpvEo8kuVyWjtlEEqZAKA

本文由 @彭靖文 授權發(fā)布于人人都是產品經(jīng)理，未經(jīng)作者許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議

收藏已收藏{{ postmeta.bookmark }} 點贊已贊{{ postmeta.postlike }}