产品经理学习-从0-1搭建策略产品

从0-1搭建策略产品

回顾策略产品

如何从0-1搭建策略产品

之前也了解过从产品实施的角度来看，策略就是针对问题的解决方案，在互联网时代更集中体现在2个维度：业务场景和数据应用

我们需要对策略产品要有一个整体的认知，个性化推荐是一种典型的策略产品，应用范围广泛。随着互联网的发展，信息数据越来越庞大，而用户的接收是有限度的，所以必须进行数据分发。

数据分发的3个阶段：分类处理--》精准搜索--》个性化推荐

以门户网站为代表的分类处理技术，成为第一代处理复杂信息的内容分发手段；通过互联网技术，对内容进行汇总分类，并且在用户端不同的入口展示，极大的方便用户根据自己的目标内容所属的分类进行筛选和查看。

优点：

技术简单，实现成本较低

内容直观，且覆盖度很高

缺点：

随着内容越来越多，信息分类页随之增多，又会造成信息过载问题

以搜索引擎为代表的分类处理技术，成为了解决用户在有明确内容需求的情况下信息分发的核心手段；前提是用户知道自己想要什么，然后通过搜索引擎技术，从互联网海量的内容找到用户想要的内容。比如淘宝、京东、美团等都是垂直搜索。

优点：

结果精准

信息分发效率较高

能够满足用户有明确需求的场景

缺点：

无法满足用户“逛”的需求

和搜索引擎不同的是，即使用户不主动为机器提供明确的需求，个性化推荐页能够识别用户意图，即单独展示为其量身打造的内容，促成用户在平台交易

优点：

结果多样性

信息分发效率较高

能够满足用户无明确需求，“逛一逛”的场景

缺点：

推荐系统以兴趣预测为主要手段，因此准确度并不能达到100%,推荐结果用户并不感兴趣

用户基础数据、物品数据和事件数据

具备基础数据之后，需要对数据进行标签清洗，最常用的就是用户标签

用户偏好的计算基础方式：偏好=SUM（权重*行为）

除了利用平台本身的数据进行计算生产之外，还可以与第三方平台现有的标签产品进行对接，

召回环节就是基于标签层计算出的用户偏好，从物品数据中选出与用户偏好相同/相似的物品

召回结果中都是符合用户偏好的物品，符合召回条件的物品很多，那么哪个排前面哪个排后面？

粗排：按照规则，逻辑或者算法模型排序的结果，规则一般是通过物品的单品特征（商品销量，文章的浏览数量）加权计算来排序，模型一般采用CTR和CVR预测模型

精排：加入了业务干预逻辑的排序；精排阶段一般通过加权，降权来实现

运营干预阶段一般是在进行精排之后，给到用户展示之前需要做的策略，一般考虑：广告、紧急屏蔽、运营配置位