作為一名對搜索/推薦策略方向沒有相關經驗的産品經理來說，想要轉型策略産品有可能嗎？轉型路上都要學習什麼知識與技能呢？快來看看筆者是怎麼說的吧？

18年末19年初的北京寒冷異常，網上說是近十年來最冷的冬天。與此相映的，是互聯網行業的情況。但酷寒并不能澆滅每個有夢想的互聯網人心中的光亮。

18年初小諾因沒有機會做到熱愛的核心策略，離開了那家他心愛的搜索大廠和搜索引擎後，去一家生鮮獨角獸公司做數據可視化工作。

一年後的19年初，小諾所在部門被新來的一幫人替換，所謂一朝天子一朝臣，原來的人都陸續離開了。

小諾呢，一直想往搜索/推薦策略發展，但做策略的起點和要求比較高，小諾沒有經驗。而數據pm因為現在缺口較大，所以一年經驗也有很多機會。他不停的糾結，最後決定數據和策略都準備都投，有機會就去面試。

如果策略的實在進不去，就還做數據先生存再追求理想，畢竟生活是曲折前進的，有時我們需要“曲線救國”。

他讀了一些書籍，《數據産品經理修煉手冊》《數據産品設計》《數據産品經理》《走進搜索引擎》《推薦系統實踐》等，為面試做準備。

hi，大家好，這裡是暴躁策略信徒——小諾。

很多朋友跟小諾說：

“我看它的jd（職位描述）上啥都沒說明白，我怎麼準備面試啊？”

“我要轉方向做xx産品經理，可我沒經驗人家不要我，這可咋整啊？”

“我學校普通，大廠卡我學曆，腦袋嗡嗡的……”

今天我們不講面試的理論，就拿個實際經曆來說吧~

引言

首先，咳咳咳……老規矩，先扯會淡……有天晚上小諾接到了遠在大連讀書的表弟小敏的電話，接起電話，他說“哥，你能幫幫我嗎？（b站裝機猿原味，不懂請自行百度）”

小諾“不幫！”

小敏“哥，是這麼回事。我下午和同學去參加一個金融公司的面試，遇到一個我們學校的妹子，她先面試完事走的。我面試完一查那公司。

才發現這公司半年前因為ffjz被政府通告了。我得找到那妹子告訴她，怕她被騙了。你能幫幫我嗎？”

小諾“不能，找不到，我洗澡去了。”

小敏“哥，大神，大佬，BAT的希望！幫幫我呗。”

小諾“咳咳，你那是想幫她嗎，我都不好意思點破你！來說說你知道她什麼信息。”

小敏“我聽到面試官叫她王二丫。”

小諾“你有全校名單沒，我記得你是學工部學生助理吧。”

小敏“有的有的，最近6屆的都有，但隻有班級姓名，沒有聯系方式。”

小諾“沒關系，學校本科大四專科大三才能找工作，所以你在15,16級的名單裡面搜索她名字的拼音。看看有沒有重名。”

小敏“好的！哥，我看了，沒有重名。”

小諾“很好，看看她是什麼專業班級的。”

小敏“日語軟件15002。”

小諾“咱們學校的班級都有用qq群，你用這個做關鍵詞前面加學校簡稱搜索一下，看能不能找到，日語軟件四個字可以取兩個字搜索。”

小敏“哥！我搜到了！好激動。”

小諾“先别高興，他們班級群外人肯定加不上。”

小敏“還真是，哥你料事如神。”

小諾“快别拍馬屁了，你找他們群主，加一下，加的時候說你是同校什麼專業的xxx。”

小敏“好的！加上了呢！”

小諾“你把事情簡單和對方說一下，問她班裡是不是有王二丫，再請她幫忙轉告。”

小敏“妥了！謝我英俊潇灑，風流倜傥，多才多藝……的哥！”

小諾“滾吧滾吧……”

一、崗位分析和試前準備

那麼上面的故事和下面的面試準備有啥關系呢，我們接着往下看。有一天，小諾看到一個做新聞資訊的半傳統十八線知名互聯網新媒體公司，在招“畫像和推薦策略産品經理”。以下是崗位描述。

工作職責

1. 負責内部數據平台的産品建設，需求梳理，叠代推進和口徑梳理；
2. 負責新聞客戶端用戶分類畫像體系研究和搭建,優化内容标簽和個性化推薦策略；
3. 基于數據分析和數據邏輯,驅動産品和業務發展。

注意：以下看到的均是做策略之前且是面試前的準備，也就是說在完全沒有實踐經驗前，通過知識儲備去分析的準備。雖然後期發現有很多和實際有些出入的地方，但我并為再優化，為的是讓讀者了解如何為跨入一個新的産品方向做準備。

通過這個jd我們可以知道需要具備哪些方面的知識。列舉一下：

• 數據方面：數據埋點和采集，數據倉庫和存儲，數據指标體系設計，數據可視化，數據分析和運營。
• 畫像和推薦：用戶分類體系設計，用戶畫像，推薦策略和算法。
• 産品經理：基本素養。

大概需要以上這些方面的知識，我們不會全都去負責，但是各方面的知識都要懂，畢竟要看到森林也要看到樹木。

面對如此多的方面我們應該如何去準備，需要我們先了解這個崗位要做的産品的目标。這個産品是一個新聞app客戶端。它有新聞，視頻，廣場，我這四大模塊。可以浏覽或者聽新聞，視頻，直播，fm，小說，文章，還具有很淺的社交功能。

這個崗位的主要職責是構建和優化用戶和内容标簽體系，同時優化個性化推薦策略。

我們整理下需要學習的知識：

其實到這裡我們發現，針對面試的分析準備，就和引言的故事一樣，從已知的信息出發，一點點分析，一點點準備，串成鍊路。

作為一個小白，不懂就學，所以我們要對上面涉及到的所有知識進行學習，但第二天就要面試，一天時間掌握大量知識不太現實。

我們産品最擅長的就是定需求的優先級，那麼根據崗位的核心要求，我們先了解畫像推薦和策略的知識，再看數據的知識。

因為熱愛搜索和推薦，在此之前小諾看了很多文章和書籍，已經有了一些知識儲備，隻是沒有去考慮過在一個新聞app上如何實踐，所以他需要的是把儲備的知識鍊路打通。按照上面列的鍊條去把每一環搞明白。

很多小白産品經理，總和小諾說：我看了一周的書，覺得收獲不大，看了一個月三個月書了，發現知識還是連不起來，我是不是不适合做産品。

其實不是這樣的，知識積累是一個長期的過程，小諾深深的記得，剛開始做産品的時候，每天通勤時間4小時，小諾會在地鐵上看書，但是半年了發現知識還是不成體系，但還是繼續堅持，直到一年後才慢慢有了思路，才能系統的去思考一個問題。

二、埋點設計數據采集

1. 埋點方式

一般來說，數據來源有産品上埋點獲得的用戶數據如uv和pv；有業務系統統計的數據如交易數據；有爬蟲從其他第三方平台或網站爬取的數據；有手持終端獲得的數據等。

這裡需要做的是在app上設計埋點方案，當下埋點一般有三種方式：代碼埋點，可視化埋點，全埋點。

每一種都有優缺點，代碼埋點比較靈活但費人工，全埋點需要較大的存儲成本但較全面。同時埋點也分為前端埋點和後端埋點，後端埋點指的是獲取在app上操作之外的數據，比如通過鍊接下載的數量。

2. key-value方式

了解得知此app目前用的是代碼埋點。在設計埋點方案時，獲取的指标要明确，層級要分明獨立。比如我從梁老師《數據産品經理修煉手冊》中學習的這種現下流行的埋點方式：key-value。可以按照功能-頁面-位置-操作的層級關系去确定。

同時需要通過埋點獲得的指标數據應當是為目标服務的，即目的要明确，要結合業務邏輯、運營體系去設計埋點方案。最後埋點方案應該考慮複用性，避免應後期也許變動引起方案變化高強度增加研發的工作量。

一般一個埋點方案可以包含以下題頭:功能，用戶行為，事件類型，事件id，key，value，描述，備注。

事件類型分為:曝光事件，點擊事件，頁面事件。

比如做ab測試時有A和B兩個活動頁面，每個頁面進去都有軍事和曆史兩個分類，我們要統計兩個分類的點擊事件。這裡為了提高複用性可以采用樹狀結構，即事件id是“活動按鈕”，二叉樹分為“頁面”和“入口”，“頁面”的二叉樹分為“A頁面”和“B頁面”，“入口”的二叉樹分為“曆史”和“軍事”，這樣即使後期增減活動，也隻需要增加或者删除其中一部分分支。

3. 指标定義

這裡我們要明确需要統計的數據，會涉及到如何定義指标。

定義指标時含義要準确，比如統計獨立用戶數時，是否包含訪客，如果包含，因為訪客沒有登錄，我們統計的就會是獨立設備數。

再比如頁面訪問次數，如果同一個頁面刷新一次是否該統計。再比如下單金額要統計優惠前還是優惠後。

如此精确就像是我們要統計的是”今天12點之後從樹上掉下來的方形的黃顔色的帶葉子的大蘋果”。

三、數據倉庫數據存儲

我們采集的數據可能會存在數據缺失，數據冗餘等問題，需要經過數據清洗。比如缺失數據要考量是否可以補，冗餘數據是否可以删。還有數據的歸一化、離散化、無量綱處理等，這裡不做詳細介紹，具體的可以百度查看相關文章。因為我們要從源頭保證數據質量，數據來了我們要放到數據倉庫裡，數據倉庫會集成來自不同數據源的數據，且是面向主題的，比如根據公司業務線進行劃分。

這裡我們簡單說一下架構：

• 最底下是采集存儲層：會有數據采集、容錯、解析引擎。數據會分成結構化、半結構化、非結構化的數據。這裡還要用到集群協調，分布式存儲，高并發響應。
• 再上去是數據計算層：分ods，bds，ids，分别是原始數據，基礎數據，指标數據。這裡我們也要做對數據抽取，轉換，加載，包括了數據清洗。
• 再上去是數據模型層：這裡有許多分析模型，算法模型，還有标簽庫。
• 再上去是數據服務層：這裡可以是可視化平台，可以包括指标數據，用戶畫像，标簽集合，數據報表等。
• 再上面是數據訪問層：比如開放接口，數據庫查詢。

四、數據指标體系

1. 指标組成

我覺得指标是一個能夠定量反映事實的标準。

一般指标由維度、定義和度量單位組成。維度就像是從不同角度劃分對象的定語，比如蘋果從顔色維度可以分紅黃綠，從形狀維度可以分方圓，從體積維度可以分大中小。度量單位就是一個指标的單位，比如“元”“個”“斤”。舉個例子:自營（維度）銷售額（定義）萬元（度量單位）。

2. 需求了解

在搭建指标體系前我們需要先了解需求，了解業務。比如你的需求方是公司的營銷部門，他們需要看到會員用戶的一些指标，發現會員用戶的特點和現狀，通過數據來指導業務，針對性的做一些營銷活動或者拜訪回訪。

那麼我們需要了解會員機制，是需要消費夠一定金額，或者連續多少天下單才能成為會員，亦或是其他方式？成為會員後會不會在什麼情況下失去會員身份？

再考慮能夠反映會員用戶情況的指标有哪些，比如會員用戶比例及變化，會員用戶消費情況和普通用戶的比較，具體的指标需要我們和業務部門去共同商定。

3. 體系搭建

對于指标體系的搭建，工作中需要根據公司業務情況分類，比如分成下單，倉儲，配送，客服，營銷等分類。

同時在每個分類中，也應按照高優，區間，低優将指标分列。高優指标即指标數值越高越好；低優指标數值越低越好；區間的分固定和浮動，浮動的比如存儲溫度，在0-2攝氏度就是安全範圍，過高或者過低就需要預警；固定的需要固定在一個數值。

對指标按照業務線或者其他方式分類有助于按照模塊構建指标體系，對指标按照高低目标分類有利于之後的可視化設計以及數值預警。

五、标簽和特征屬性

那麼什麼是标簽呢，我理解的标簽是為了定義出對象的特點，用一個個标簽讓對象的骨肉更加清晰，從而讀懂它。一般對于用戶畫像會從6個方面來進行，基本信息，興趣愛好，行為特點，消費信息，社交網絡，心理特征。

1. 标簽分類

标簽在數倉中從下到上分為數據源，事實标簽，模型标簽，高級标簽。

事實标簽也可以說是指标标簽，比如用戶浏覽時長，各時段在線用戶數等。

模型标簽比如用戶屬性，興趣愛好，内容偏好，活躍度等。

高級标簽比如用戶分級，流失模型标簽。

2. 标簽結構

我們為用戶或者内容打标簽是為了對其分類，以便更好的了解這個集合中對象的特點，從而針對性的做精細化的運營。也可為信息流推薦打好基礎。

标簽體系分為結構化，半結構化，非結構化三種。

結構化的标簽一二三級層級和所屬分明；

半結構化的層級結構比較分明；

非結構化的标簽體系諸如廣告推廣時設定的關鍵詞。

3. 标簽規則

标簽的命名應該短小易懂，具有代表性，并且無歧義。

标簽的體系設計應該做到标簽和标簽相互獨立，并且完全窮盡。

同時标簽粒度也要有所把握，粒度太粗無法區分用戶，粒度太細集合樣本較少、太過于個性同時标簽體系也會太過龐大。

對于此新聞app，在首頁它有幾種搜索途徑：有搜索框輸入關鍵詞主動搜索；有軍事科技曆史娛樂社會等的分類垂直搜索；有信息流個性化推薦；還有訂閱形式的推送。

我認為它的标簽體系可以設立為“分類——主題——關鍵詞”的三級（多級）模式，同時關鍵詞可能要相對獨立。

分類指的是“曆史，軍事，娛樂，社會，科技”等等這些；主題的話比如曆史分古代史近代史，也分中國史外國史；關鍵詞的話比如用戶愛看的是關于曆史-近代史-張學良的文章。

六、結語

今天小諾先講到這裡，感謝大家關注！下期我們會講到大家最喜歡的：推薦策略和算法，ab測試和效果評測，運營分析叠代。

下期的引言還會帶來我曾在搜狗一面遇到的邏輯推理題。

最後我想說，都說互聯網遇到了寒冬。如果你是有多年經驗的老産品，請你像看到過去的自己那樣幫助新人。如果你是四處碰壁的新産品，請你在曆經坎坷時也别忘記最初的夢想。

#專欄作家#

大鵬，公衆号：一個數據人的自留地。人人都是産品經理專欄作家《數據産品經理修煉手冊》作者。

本文原創發布于人人都是産品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部