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

策略產(chǎn)品在工作中如何與算法、運營、研發(fā)實現(xiàn)高效合作，進而建立崗位的長效核心壁壘？關于這一問題，作者做了解答，一起來看看吧。

作為開年第一篇想給大家分享一下被高頻問到的問題，今天的內容與策略關聯(lián)度不大，文章理解強度可放心食用。主要想講講關于策略產(chǎn)品工作當中的——怎么和算法、運營、研發(fā)實現(xiàn)高效合作，建立崗位的長效核心壁壘。

這也是很多Arthur讀者困惑的問題，“難倒了解清楚搜廣推召回、排序策略就可以建立壁壘了嗎”，“卷一卷算法就能高工資了嗎”，那怎么和運營、研發(fā)合作呢，策略產(chǎn)品崗位的優(yōu)勢究竟在哪里呢？

帶這個問題請大家拿好小桌板和筆記本，Arthur老師小課堂開課，Arthur把過往5年多的一些工作思考沉淀總結出來分享給到大家去做參考，同時也歡迎大家討論。

一、策略產(chǎn)品的核心主線

首先，策略產(chǎn)品誕生背景所需要的技術能力棧并不是本文期望討論的點，Arthur已經(jīng)寫過非常多的文章進行介紹了，既然是產(chǎn)品經(jīng)理那我們也用最通俗易懂的方式給到策略產(chǎn)品進行定位說明，我們需要通過這個定位說明來延伸，交代清楚策略產(chǎn)品的工作邊界，以及通過邊界怎么和其他崗位的合作。

策略產(chǎn)品定義：明確核心業(yè)務目標建模/目標構建，在一定的約束條件限定下，通過規(guī)則或者是模型的方式設計相應的產(chǎn)品能力，以達成業(yè)務目標的產(chǎn)品經(jīng)理崗位。

這里需要額外強調一下業(yè)務場景目標的點，很多投身策略產(chǎn)品崗位的同學都會對算法/模型一類“魅”，覺得懂算法是策略產(chǎn)品致勝的關鍵，這句話也對也不對，這個是策略產(chǎn)品的重要能力，而不是關鍵點。

第一個點，可以看到Arthur給到的定義——明確業(yè)務目標建模/目標構建，具體業(yè)務才是策略產(chǎn)品的生命線，而所有的規(guī)則和模型都只是為了達成業(yè)務（公司商業(yè)化指標）的過程工具，以推薦為例換言之我們所有的模型離線過程指標推AUC、精準率、準確率、F1-Score最終都是為了線上業(yè)務指標CTR、下拉深度等商業(yè)化業(yè)務指標服務，最終的落腳點還是公司商業(yè)化效果的提升。

第二個點，為什么提到一定的約束條件，所有的策略設計都會帶有一定的約束項，這個約束可能來自于線上的計算資源或者消息qps約束。有可能來自于平臺物料客觀的限制（例如召回物料類型的單一性），同時也有可能來自于廣告主日預算上限的控制，如下圖1-1所示。

這些都是需要策略產(chǎn)品在設計業(yè)務目標建模和產(chǎn)品方案的時候需要考慮到的點，在設計產(chǎn)品方案的時候腳踏實地的出發(fā)點，如何有限資源集合中最大化資源效率，提高單位效率，非常類似背包算法的構建，這也是策略產(chǎn)品需要著重建設的點。

圖1-1 廣告排序當中收到來自計劃預算約束

第三個點，通過規(guī)則或者模型的方式設計對應的產(chǎn)品能力，很多同學在淺顯了解完策略產(chǎn)品的工作之后，覺得只有用到非常復雜網(wǎng)絡的模型才是真正的策略產(chǎn)品，這個認知也過于流表面。并不是使用規(guī)則實現(xiàn)目標建模就不是策略產(chǎn)品。

其實前面多次強調無論是模型還是規(guī)則都只是達成業(yè)務目標的手段，很多預估當年庫存調度/銷量都回用年同比規(guī)則、時序預測的方法進行融合，這一類也是策略產(chǎn)品。只是說模型在樣本充足的前提下個性化效果更好，更加準確，并不是絕對的最優(yōu)。樣本數(shù)量偏少的情況下，我們就需要前期通過規(guī)則的方式完成“樣本的原始財富”積累，以便于后續(xù)通過模型的方式實現(xiàn)更好的效果。

總結：Arthur說完以上三點是不是大家對策略產(chǎn)品的定位和戰(zhàn)略邊界有一定認知了，基礎技能與業(yè)務的術層面Arthur寫過太多文章了，包括還有策略產(chǎn)品思維相關的文章。如果說基礎技能和思維方式是寫給大家關于提高武力的招數(shù)，那么對于策略產(chǎn)品定義和明確方向就是術的層面，是武功心法，只有真正清楚策略產(chǎn)品做什么，怎么給公司帶來業(yè)務價值的提升，才能真正達成策略產(chǎn)品的持久戰(zhàn)。

二、策略產(chǎn)品與業(yè)務方合作的方法

和各業(yè)務方合作的方法，對于算法和運營部分Arthur結合工作合作流程詳細的講解一下需要注意的核心點以及梳理清楚詳細的工作流程，對于和研發(fā)還有數(shù)據(jù)的工作就簡單概述一下，主要是幫助大家梳理正確的業(yè)務合作意識，從而提高自己合作的效率以及工作結果的產(chǎn)出。

1. 策略產(chǎn)品與算法的合作

策略產(chǎn)品和算法合作相信是大家最為頭疼的一個合作場景，從很多咨詢溝通的同學都有和算法合作溝通大大小小的問題，這里枚舉幾個涉世未深的策略產(chǎn)品常見的場景。

• 第一種，算法的打工人，樣本標注師、特征工程數(shù)據(jù)清洗處理大師。看似接觸了模型相關的工作，卻脫離了產(chǎn)品的實際，為了了解模型而去了解模型，成為脫離業(yè)務給算法打工的下手，當然接觸樣本標注、特征工程數(shù)據(jù)處理事策略產(chǎn)品的重要工作之一，完全脫離業(yè)務投入在模型的細節(jié)工作當中容易讓策略產(chǎn)品快速對崗位失去興趣和信心。
• 第二種，算法與業(yè)務傳話筒與報信人，即沒那么懂業(yè)務更沒那么懂模型，甚至連業(yè)務都一知半解。純粹中間傳遞，崗位作用堪稱“雞肋”食之無味棄之可惜，長此以往被人看出半吊子水平，直接工作被繞過。無論算法、運營給出的工作信任度極低。
• 第三種，純粹的Copy產(chǎn)品，這里Arthur用了純粹，光顧著看業(yè)界頭部的論文、宣傳文，拿來主義的就給算法說“我要實現(xiàn)，具體怎么做我不管”，去了解和學習競品是策略產(chǎn)品的重要信息渠道和來源，類似火影忍者的純粹的Copy技能，不談和公司業(yè)務場景的結合，不談收益背景的預期推演，這一類策略產(chǎn)品實際業(yè)務當中毫無工作價值，屬于崗位可有可無的存在。

如果期望能夠真正做到和算法高效合作，和衷共濟，培養(yǎng)出來長期合作的信任感，Arthur覺得濃縮就是兩個詞語：戰(zhàn)略清晰 和 能打勝仗。這兩個詞是Arhthur合作超過上百個算法得出的核心結論，不僭越他人的工作，“能他人之不能”就是和算法合作的最好方法。

策略產(chǎn)品能算法之不能的核心點就在于對于業(yè)務痛點的深刻分析與剖析，對于集團業(yè)務方向的把控（例如業(yè)務目標究竟按照什么來建模、集團推薦系統(tǒng)目標的戰(zhàn)略究竟是點擊率還是下拉深度一或者是GMV），算法并不需要你太過細致的去干預選什么排序、召回模型（究竟用LR還是GBDT+LR）。多建立自己在合作算法之間的影響力和信任感，帶領他們多做出業(yè)務產(chǎn)出，達成算法和產(chǎn)品晉升的雙贏才是最重要，至于如何建立我們細說。

第一個方面，業(yè)務場景機會點科學分析&行業(yè)調研：

首先，在和算法做需求評審當中需要做需求背景的交代，這個是Arthur認為PRD當中最重要的部分，無論是用于匯報還是用于和算法業(yè)務評審，背景是交代策略需求的痛點業(yè)務問題/發(fā)展方向/業(yè)務增長點。所以需要格外重視需求背景部分，強調清楚做該策略來源，預計提升的核心業(yè)務指標，模型指標只是過程輔助性指標，數(shù)據(jù)預演一定要有邏輯性與科學性切忌盲排。

其次，要做清楚的行業(yè)調研門路與方法，行業(yè)頭部怎么做的、應用什么場景和我們的客戶、目標有什么差異，例如做交互式推薦，美團外賣與淘寶就有很大的差異，背后的思考幾何，要給算法分享，協(xié)同帶領算法明確方向，多利用自己產(chǎn)品之間的行業(yè)信息差給算法去做。

第二個方面，制定邏輯的產(chǎn)品與科學的實驗方案：

首先，需求文檔這一塊Arthur對學員的要求就是產(chǎn)品方案一定要清楚、細致以及邏輯自恰，方案的實現(xiàn)有千萬種，但是實現(xiàn)的過程、正負流程一定要梳理清楚，這是產(chǎn)品的基礎文檔要求不贅述，PRD是產(chǎn)品展示給各方的作品更是你對于行軍打仗的重要戰(zhàn)略布局。

其次，科學的實驗評測方案，實驗前置方案設計如何分桶、是否需要正交，關注的指標，實驗周期，實驗置信標準，實驗組勝出標準，實驗中途出現(xiàn)異常的兜底方案，都需要盡可能的詳盡，這里可以移步看Arthur寫的關于策略產(chǎn)品AB實驗的完整流程，記住一句話就好，科學的AB實驗是策略產(chǎn)品協(xié)同算法一起評估策略和功能價值的尺度。

第三個方面，與算法深度參與方案過程開發(fā)：

前面方案制定完成切勿不要做甩手掌柜，既然要做知其然知其所以然的策略產(chǎn)品就需要深度參與技術方案的制定過程和開發(fā)，將個人業(yè)務知識能夠輸入至整個算法策略開發(fā)過程中，幫助算法找尋到達成效果的途徑。

算法方案的制定&模型的選型：例如排序rankscore的建模因子、公式約束項，廣告ROI投產(chǎn)比出價、Nobid出價背包定理算法的制定，這些建模的方案都與業(yè)務強相關，建議可以和算法進行深度參與，了解公式因子構建過程，關于建模思維的部分，可以移步Arthur關于建模思維的文章。模型選型屬于附加項，不一定需要對模型的網(wǎng)絡結構知根知底，了解大概，知道模型的優(yōu)缺點即可。

特征工程：雖然目前特征工程都已經(jīng)模型化了（自14年Facebook誕生GBDT+LR開始），仍然會有大量業(yè)務場景需要策略產(chǎn)品進行輸入，例如淘寶88VIP人群推薦策略，基于業(yè)務場景更多考慮用戶的消費能力、所處地域等等特征，并且了解特征數(shù)據(jù)清洗、歸一化/標準化，特征分類也有利于策略產(chǎn)品對于業(yè)務知識的加深，特征工程部分，大家也可以移步Arthur特征工程文章內容。

模型效果指標優(yōu)化與樣本標注：樣本標注可能是絕大多數(shù)初階策略產(chǎn)品做的比較多的工作，不能簡單認為為算法打雜，做不了高大上的策略，樣本標注與喂養(yǎng)本身就是模型效果優(yōu)化的重要步驟，大家都為結果負責，劃分清楚工作內容即可。

而模型效果優(yōu)化部分也是需要策略產(chǎn)品一同參與的，包括模型的AUC指標、F1-Score、召回率、準確率精準率，搜索的DCG、nDCG等等，雖然離線模型指標并不是和業(yè)務指標完全正相關，會存在離線效果好而線上效果差的問題，但是也需要策略產(chǎn)品深度參與優(yōu)化。

做好資源協(xié)同與項目管理：這個是所有產(chǎn)品都需要具備的一定能力，并不是每個公司都有PMO，所以如何保證項目周期的預期推進也是策略產(chǎn)品需要具備的能力點，不進一步贅述。

第四個方面，有問題不甩鍋有功一起領：工作中其實最重要的還是人心，不管工作的產(chǎn)品方向，與其他各方的合作在實驗上線出現(xiàn)負向效果第一要義就是快速協(xié)同各方復盤找問題點，離線和線上實驗不統(tǒng)一的問題，是樣本問題還是線上環(huán)境其他因素影響，找到問題解決問題，切忌甩鍋，這樣會比較容易破壞各方信任感。在項目成功、項目全量上線的郵件當中，能夠說清楚各方在功勞簿的內容，有功大家一起領，回到前面的那句話當中，要學會帶著算法打勝仗，拿成果。

2. 策略產(chǎn)品與運營的合作

和運營合作的點其和上述合作內容差不不多，兩個詞語：戰(zhàn)略清晰 和 能打勝仗。這兩個詞是Arhthur合作超過上百個算法得出的核心結論，不僭越他人的工作，“能他人之不能”就是和算法合作的最好方法。

這里其實又區(qū)分行業(yè)方向的運營和產(chǎn)品功能運營，多多思考自己工作崗位和他人之間的聯(lián)系點和差異點，例如運營側肯定是不如策略產(chǎn)品側懂背后的原理。那么和運營合作更多還是要借助他們離客戶近的優(yōu)勢，多去調研和分析客戶的訴求。

我一直都認為策略產(chǎn)品的需求來源不是純粹的模型升級，或者高能“炫技”，為了做需求而做需求有些本末導致。本質更多還是來自B端廣告主客戶痛點（例如最早ROI出價、OCPX出價）、媒體C端用戶，發(fā)現(xiàn)增量/問題->提出問題假設->解決問題。本質思想和流程與其他產(chǎn)品無異，畢竟策略產(chǎn)品的核心價值就是產(chǎn)品。多接觸業(yè)務場景、有條理有價值，根據(jù)重要程度&緊急程度&收益價值象限編排各方的需求來進行需求推進。

運營提出的需求需要有辨識力分清楚是否真正是客戶痛點、價值幾許（必要性方面），確認要做需求之后簡單評估改造量級（可實現(xiàn)性方面）（一般工作時間長久的策略產(chǎn)品很快可以清楚了解預估的排期時間，最后的實際時間還需要工程+算法預估）。

最后，實現(xiàn)上線之后，如何協(xié)同運營開通白名單客戶、拉動客戶使用（Push、短信、廣告平臺站內信等等），在試驗期間需要客戶盡可能提高對功能使用率才能保證實驗結果的置信程度（搜索/推薦C端一般直接UV/PV分桶即可，不涉及客戶拉動，一般適用于廣告場景），協(xié)同實現(xiàn)功能追蹤。

3. 策略產(chǎn)品與工程研發(fā)的合作

除了上述的核心特質同樣適用于和工程師研發(fā)之外，我個人覺得策略產(chǎn)品對于全局架構和數(shù)據(jù)流圖的了解也是同樣重要的，項目設計到的模塊方上下游（例如推薦和搜索策略涉及到新樣式的交互策略，那么APP客戶端、服務端、推薦引擎端、創(chuàng)意算法、排序算法）等，能夠快速繪制出各端之間的數(shù)據(jù)正負向流圖，這是作為策略產(chǎn)品強化熟悉系統(tǒng)架構的重要方式，先通過幾個需求快速熟悉上手局部、再通過全局系統(tǒng)了解所有的數(shù)據(jù)流。

其次，我建議策略產(chǎn)品在工程向工作當中還是可以積極了解一下各個模塊功能，例如下圖中Flink、Spark、Hadhoop、Redis各自都是做什么的，承擔推薦系統(tǒng)什么職責，至于背后如何處理數(shù)據(jù)，Redis背后的工程開發(fā)原理無需很高的要求，了解即可，這里的學習無法是具備一定的工程思維，了解需求/策略的可實現(xiàn)視角，能夠讓你真實評估什么可做、什么不可做，有限資源中能做的事多少，而不是天花亂墜的亂提需求。

關于推薦系統(tǒng)架構說明圖

三、總結

說完上面部分，不知道大家是否對策略產(chǎn)品和其他業(yè)務方的合作有了更加進一步清晰的認知了。Arthur這邊還是希望盡可能的把工作當中沉淀、總結思考給大家分享到。

工作其實是一個建立信任感的過程，無論和同級、上級還是下屬，能有邊界、能打勝仗，有戰(zhàn)略清晰，能他人之不能，其實自然而然在工作當中就能提高自己的效率，既然工作是和“人”一起工作，那就是有規(guī)律、有技巧的一個過程，大家工作都是為了能夠升職加薪、做有價值事情的目標，所以即便是工作合作的矛盾，完全針對個人是沒有意義和價值的。

所以新的一年開始也希望大家能夠了解和學習一些新的內容，而不是盲頭光顧著學習策略知識，提高自己在職場的壁壘，早日實現(xiàn)自己的職場目標。