“战略产品”尽管有些奥秘感，但并不是遥不行及。本文以辨认好瓜为例，粗线条对战略PM的作业进行介绍，期望对想了解这个范畴的朋友们有所协助。
圈内有个奥秘的作业，名曰“战略产品司理”。在前端产品司理/后端产品司理、交际产品司理/电商产品司理、APP产品司理/WEB产品司理……大行其道的时分，战略产品司理显得分外低沉，连论坛上都罕见发声。且不说关于战略的办法论、思想办法、作业进阶相关的资料稀疏，就连最底子的作业责任、作业流程和作业感触类的水文、鸡汤文都没几篇。
内职业现已如此老练的今日，这个现象自身就是一件耐人寻味的作业。作为一个喜爱没事“拿耗子”的汪，笔者整理近期的所见所闻及学习感触，跟读者扒一扒这个作业的底子作业办法和流程。
一、什么是战略
首要需求清晰的是，职业内有战略PM和战略RD关于“战略”的界说和了解是不同的。
关于PM来说，战略是以数据驱动产品处理计划的一种办法。即便在非互联网职业，咱们关于“战略”也是这么用的，所以才会有推行促销战略、途径战略等说法。而在互联网职业中，由于数据搜集的齐备性及快捷性，战略被发挥得愈加酣畅淋漓。各种依据数据剖析的处理计划都会被冠以战略之名，如“订单分发战略”、“查找引荐战略”、“列表排序战略”等。
关于RD——特别是战略RD——来说，战略是评判模型好坏的规范。要说清楚这个表述，不得不说一下机器学习中的模型、算法、学习、样本这几个概念。此处不介绍仿制的概念，就用笔者看到过的一个比方来阐明。吃货版的机器学习是酱紫的：数据比方食材；大厨把食材做成水煮鱼，仍是做成西湖醋鱼…这些是模型；详细用的是什么办法是算法挑选的问题；而机器学习就比方是整个做菜的进程；为了让菜变得更好吃，厨师得屡次对火候、调料等进行调整，这就是调参的进程。一道菜出锅后，判别做法是不是好的，就是战略。
二、为什么需求战略
在产品的用户群和运用场景会集时，用功用的思想能够处理大都问题。可是，当用户增长到很大的量级、不同的用户集体与不同的运用场景交错发生难以计数的诉求时，单纯经过产品功用是不行能满足用户的需求的。
举例来说，一款音乐播映器的主要功用就是播映音乐，这一点毫无缺点。可是，关于用户而言，其底子需求是“听喜爱的音乐”。那么问题来了：首要是用户只想“听音乐”并不想“找音乐”，即便找音乐是刚需，也是不得不接受之重。所以为了能减少用户的搜索本钱，需求给用户引荐音乐。其次是“喜爱”，一千个人眼中有一千个哈姆雷特，更有数不清的关于喜爱的规范，怎么让用户满足是个大问题。
这种状况，正是战略大显神通的恰当机遇。经过获取用户的爱好特征和音乐的特征，把用户历史上收听的数据作为正负样本对模型进行练习，一旦有新的音乐呈现时就能得出用户是否会喜爱的标签。用户的收听及行为数据越多，模型判别的准确性越高，那么引荐的音乐受用户喜爱的概率就越高。这就是战略的魅力地点
三、怎么建立战略模型
所谓模型是从数据傍边发现的一个数学规则。那么，作为一个PM怎么建立战略模型呢？其实和功用PM的作业相似，相同也是围绕着问题的发现、剖析、处理和效果评价4大阶段。为了便于了解，就以怎么挑选好瓜作为比方，权当是为吃瓜作业做贡献了。
1. 发现和提出问题
假定咱们是一家专门卖瓜的公司。产品司理在调研事务方时，对方诉苦用户投诉西瓜欠好的状况越来越多。经过后台跑客户的历史数据，PM发现大约30%客户由于买到坏瓜而丢失。作为一家注重商誉和用户体会的公司，咱们当然不期望呈现这种状况。可是问题在于：世界上的西瓜千千万，种类、巨细、色彩都不相同，who knows哪个西瓜是好瓜啊？
以上其实包括了问题的发现和定位的进程——经过对事务和用户的调研得到定性的判别，再经过数据剖析得到定量的论据。在倒推问题的本源时，需求对事务的全流程进行剖析。假定经过对流程的剖析，问题落在了怎么辨认出好瓜上，那么接下来就是怎么处理问题了。
2. 拆解问题，拟定处理计划
产品司理在前一个进程中首要对问题进行了界说——也就是怎么从许多西瓜中辨认出好瓜，而且给好瓜打上标签。可是好瓜不会自己蹦出来，所以得经过一系列的模型进行辨认。而要做模型辨认，PM和RD就得通知机器好瓜有什么特征。
特征是事务和技能结合的产品，PM从对事务的视点提出有助于模型辨认的要害特征，以及判别特征好坏的规范；RD对这些特征进行技能落地。这儿需求特别注意的是：
（1）PM在特征表述上必定要详细可衡量，将可能涉及到的规模和规范都清晰地界说出来。例如，色泽是判别瓜好坏的一个特征，可是您不能仅仅通知RD“青绿色的瓜就是好瓜”，这种含糊的需求只会让RD懵逼，你得清晰什么是“青绿色”；“瓜”的规模是历史上一切瓜，仍是仅限夏天产的瓜/从供货商A收购的瓜等等。
（2）特征需求结构化。PM依据不同的事务意图将特征进行归类并提炼出一个个子模型，可是关于RD来说很可能会将多个子模型合并成少数模型，乃至是就整组成一个模型。例如，在辨认好瓜上，依据中国人民“望闻问切”的光荣传统，可能会先问卖家这瓜是哪里产的，是沙地瓜仍是山地瓜…然后是看看瓜的外观，最后会轻敲两下听听回声怎么。那么相对应的，在机器学习上可能存在准入模型、外观区分模型、回声区分模型共3个模型。其间，相同的特征可能会在不同的子模型中被运用；别的，每个子模型都有输入和输出，有些时分还会存在多个子模型一起给出一个输出的状况。
3. 跟进战略模型的开发落地
功用产品司理在开发进程中需求做好开发答疑、项目推动、需求调整等作业，战略PM也是相同的。不同的是在详细的操作的层面上。
（1）战略RD接到需求后会先承认和了解数据
对尚不存在的数据进行接入，对已有的数据则是清晰口径。然后是对数据进行交融和清洗，这个进程中可能就会发生许多问题，有些能够由RD同学自行处理，有些则需求PM进行承认。
（2）在完结数据清洗后，RD进行模型的构建
这个阶段RD是主导，尽管模型和算法的挑选一般没PM什么事儿，可是PM供给的特征以及特征之间的相互联系将会影响RD在开发时做的判别。比方，假如PM能说清楚好瓜和坏瓜的根蒂、色泽、触感…分别是怎样的，那么RD可能会运用决策树这种监督学习的模型；假如PM说不清楚，有可能RD就会改用聚类这样的无监督算法了。有些特征和联系一开始不清晰也没关系，可是在开发进程中是需求给出清晰的表述的。
4. 拟定评价计划，完结效果评价
这儿的评价包括两层意义，第一层是模型自身质量的评价，第二层是模型在项目中的价值评价。先说第一层。
不同的模型和算法有不同的评价办法，专业的RD对这方面都了解，不需求PM操心。PM需求关怀的是： 了解职业和公司内部遍及合格的规范，并以此规范作为参阅对战略提出合格的要求。笔者作业的范畴中运用是准召率，其间精准率用来判别模型的准确性，召回率用来判别模型掩盖的状况，这两者往往不行兼得、此消彼长。经过进程数据了解模型终究落地的逻辑，在上线前断定无误，必定程度上起到质量操控的效果。
第二层是模型的事务价值评价。在大公司，事务价值的评价往往结合着小流量测验来做。
假定咱的卖瓜公司在北上广深都有事务，其间广州的事务体量最小，最适合做小流量测验。在广州分公司中有10几个出售组，那么在下发测验时需求选出测验的实验组和对照组。选分组也是有考究的，需求两个组是同质的，而所谓的“同质”也没有仅有的断定规范，需求依据不同的项目和事务进行触类旁通。咱们假定这儿的“同质”的要害目标是客户丢失率（而且最好这两个组的客户数量、客户体量、组内的出售人员、保护人员等等都是附近的）。在以上都断定完毕之后，进行测验下发。测验完毕后调查实验组相对对照组的数据提高状况，例如本来实验组和对照组的30%客户由于上面说的坏瓜问题而丢失，而测验期间实验组的该项数据降到了15%，那么就能够初步判别这个项目是有满足价值的。
以上是做战略产品需求了解的基础知识，要做好这份作业有许多不易。在底子本质方面，对思想才能、项目管理才能、事务洞悉才能、产品设计才能、交流表达才能有较高要求；在专业本质方面，需求了解机器学习、统计学等。这儿仅仅冰山一角，后期有更多新知道时再共享。
本文由 @响雷 原创发布于人人都是产品司理。未经许可，制止转载。
题图来自 Pexels，依据 CC0 协议
