简介
这是一部从数学、经济学、人工智能3个角度讲解策略产品经理方法论的著作。
作者对自己多年的策略产品经验进行了总结和提炼,D创了函数方法论和经济学方法论。这些方法论在大量实践中被证明行之有效。本书对这两大方法论进行了详细讲解,并且重点讲解了策略产品经理应该掌握的机器学习、深度学习核心知识。
更重要的是,本书还传递了一种非常重要的策略产品思想:所有的产品策略问题都可以用模型来解读。模型能帮助我们快速揭开问题背后隐藏的本质,从而实现举一反三,融会贯通。本书围绕搜索、推荐、广告、定价、匹配调度等各种常见的应用场景,总结了大量策略产品模型。
作者介绍
青十五(本名:赖博彦)
资深策略产品经理,国内策略产品经理发展的积极推动者和研究者。D创的策略产品经理函数方法论和经济学方法论,具有非常强的实用性,得到了业界的充分肯定。
曾就职于去哪儿网,历任数据与算法工程师、高级策略产品经理等职务。任职期间,负责开发和搭建了BU的数据平台,并主导完成了机票搜索部分的模型输出与线上实施,使机票联程业务整体提效1~1.5倍。在创业公司做过高管,任策略产品总监,带领策略团队实现核心营销指标100%增长,同时负责公司人才梯队建设,并在公司内部完成整套策略产品经理系列课程开发与培训。对业务策略建模、策略团队组建与管理也有深刻理解。
本硕毕业于北京大学信息学院智能科学系(中国第一个本科人工智能专业),具有丰富的人工智能、研发与产品背景,在海量数据的处理与分析方面有丰富的实践经验。
部分摘录:
产品经理需要懂算法吗 过去,产品经理总是因为“产品经理需要懂技术吗”这个问题而焦虑。新时代的来临让这个问题发生变化,也让许多产品经理开始试图在众多算法资料中寻找答案,并陷入各种算法细节中不能自拔。
从字面意义上理解,“算法”一词指计算方法,既包括技术类文章中常见的排序算法、贪心算法等,又包括机器学习中的一些求解算法,如梯度下降法、牛顿迭代法等。而另一个概念——“模型”则是对问题的形式化定义,即用形式化语言表达要解决的问题,这是对这个世界认知的第一步。因此,在上面身高遗传(线性回归)的问题中,模型指的是利用线性函数与最优化公式对问题进行表达,而算法则是在模型确定之后具体求解参数(w*,b*)的过程(如对参数求导并令导数为零,即最小二乘法)。
然而,市面上许多资料并不会严格区分这两个概念,例如当人们提到推荐算法时,实际上既讨论了推荐模型,也讨论了推荐模型的算法。过去我也是这样混用的,在本书写作过程中才意识到,概念的厘清有助于读者尤其是初学者把精力放在真正应该了解的内容上面。
同时我还意识到,并不是所有公司都能像BAT这类大公司一样拥有成熟的业务、完整的团队建制和稳定的系统架构,并且即使是大公司,也在不断催生新业务、面临新问题、产生新模块。因此,对于大部分人尤其是广大中小公司的产品经理而言,了解一个问题解决方案的演进路径比了解成熟方案更为重要。
那么回到最初的问题,我对这个问题的回答是:“作为用产品表达这个世界的角色,新时代下的产品经理可以不懂算法,但一定要懂模型及其演进路径。”
读者对象 本书面向策略产品经理,适合所有策略产品经理或希望成为策略产品经理的读者,包括但不限于以下人群。
·在搜索、推荐、广告、定价、匹配调度等业务场景中工作的产品经理;
·以增长、商业或风控为目标的产品经理;
·工作中频繁接触数据、算法、AI等技术的产品经理。
正如书中介绍的那样,策略产品经理集合了上述这些产品经理的某些共同点,相信本书在深入解读这些共同点的同时,能够给你的工作带来一些帮助。
同时,本书也适合以下读者。
·有理工科、商科背景或有相关学科扎实基础的在校生,希望毕业后从事策略产品经理方面的工作;
·工作一段时间后处于迷茫期的数据分析师,希望了解如何从数据中挖掘更多价值,并在职业规划路径上向拥有决策权的下游发展;
·与策略产品经理搭档最多的数据、算法工程师,希望更多地从业务出发,了解数据与模型算法如何在整个产品链路中产生价值。
最后,所有对人工智能感兴趣、希望入门机器学习的读者,在学习聚类、分类等模型算法细节以及Python、TensorFlow等工具之前,也不妨先读一读本书。相信你能在本书中了解机器学习的本质,以及在各场景中如何将一个实际问题用统一的模型语言表达出来,这对未来学习具体的机器学习模型与算法有很大帮助。
本书特色 在学生时代,我们学过各种各样的学科模型,例如数学模型、物理模型、经济学模型等。参加工作后,在不同的岗位也会接触不同的业务模型,例如财务人员会使用财务模型、产品经理会使用用户模型、运营经理会使用运营模型等。
“模型”这个词听上去就像“方法论”一样,有时让人讨厌,有时令人生畏。上面提到的这些模型可能差异很大,但所谓的“模型”本质上都是力图用最简洁的语言描述某个事物的运行规律,并提升运行效率以及预测未来发展。
所以,策略产品经理经常会接触的搜索、推荐、广告、定价或者匹配调度这些看上去关系不大的应用场景,背后隐藏的规律都可以用具有一定共性的模型来解读,这样的解读能够让本书用最少的篇幅解释明白问题的本质,也能够让读者在一定程度上对类似的问题举一反三、融会贯通。这可能也是本书与同类书籍不太一样的地方。
同时,每一本书都有它的局限性,或局限于时代背景,或局限于作者阅历,或局限于作者能力,本书也不例外。与我处于同一时代的读者,或许更多时候感受到的是后两者。
(1)我毕业于计算机与智能科学专业,是工程师出身,因此本书在知识结构、行文风格方面难免会偏理工化,所以大家可以站在更加辩证的视角阅读本书。
(2)书中来自我工作的一手案例有限,这与我的工作经验、阅历有关,也与我参与的部分项目有保密需要有关,因此我会用调研的一些学术界和工业界的资料对相关内容进行解读,或将一些案例抽象成知识点并穿插在书中。
(3)一本书的篇幅总是有限的,正如前面我们谈到的那样,毕竟本书目的不是让大家成为算法工程师,因此书中对一些偏实操的内容进行了删减,把更多的篇幅留给了模型原理介绍。这些刻意隐去的内容包括但不限于以下内容。
·特性工程与数据预处理技术;
·过拟合与应对方案(L1与L2正则、Dropout等);
·模型求解算法(求解析解法、梯度下降法、牛顿和拟牛顿法、EM算法等)。
有需要深入了解的读者可以参考其他技术类书籍。
如何阅读本书 本书逻辑上分为三部分。
第一部分为概览篇(第1~2章):这部分从当下技术与市场环境变化的角度出发,介绍一个正在逐渐火热的职位——策略产品经理,并简单讨论这一职位的本质,以及其与常规产品经理在工作内容、职责和能力等方面的差异。
第二部分为方法篇(第3~8章):其中,第3~6章介绍了策略产品经理两个最常用的方法论——函数方法论与经济学方法论,并配有一些案例的简单分析与解决方案的演进;第7~8章沿着函数方法论的脉络,介绍一些常见的机器学习模型,以及一些前沿技术对策略产品经理工作的影响。
第三部分为能力篇(第9~12章):第9~11章对第2章提到的一些能力项做进一步的讲解与阐述,包括数据分析能力、沟通能力、项目管理能力及判断能力;第12章介绍拥有不同工作背景的人转型策略产品经理的优劣势,这一章还针对组建策略团队给出了一些建议。对于这部分内容,大家可以根据自己的情况选择阅读。
2020年,针对产品经理的常识性教育已普及,用户体验、需求等概念早已深入人心;另外,新时代的来临让产品经理需要涉猎的内容更加广泛和深入,无论是业务(如搜索、推荐、广告等)还是能力(如数据分析等),每一块内容都很多,都足以单独成书。因此,本书选择迭代式地从一些行业与场景的新变化角度切入,通过模型将这些内容串联起来,以此讲述产品经理的未来。