今天的思考源于互联网行业下半场留存时代 产品之路的细分，手段的精细化目前的工作越来越倾向于做
策略产品，但自身经验却是以前功能型产品为主，因此会有些不知如何去适应，这里表达下我的看法。首先，策略本质在于如何使用更高效的手段去解决问题，来引导用户实现并完成你的目标。与其它产品功能一样，都是服务于业务的一个功能点。无论功能型产品经理还是策略型产品经理 都是产品经理终归是要解决问题的。因此在流程上 ----需求调研挖掘分析、原型设计产品规划、研发跟进与项目管理、数据分析效果回归是一样的，只是侧重点会有不同。
那么，作为策略产品经理，在流程上的每一步与功能产品经理又怎么侧重划分实现呢？
第一、需求上的不同。千人千面 还是千人一面 功能型更多是针对的是一类人的共性需求 策略型是不同人在不同场景下的不同人的诉求 更复杂多变，比如商品推荐策略，猜你喜欢；有的是为了满足商业化需求，比如广告展示策略；有的是为了
提高产品体验，比如热门排序，搜索匹配优化。再比如内容展现策略 ：你关心的才是头条，甚至价格定价、选品等等策略，用户并不会提出明确需求，只是希望“更好、更准、更贴心”，这就要求产品经理仔细推演需求背后的逻辑，为用户提交超出预期的体验、兴奋点。举例：我们观看视频 在视频结束后，往往会有6个其他视频的推荐。
功能产品解决方案是：相关的花絮、主演人员其余视频等 所有人出现一样的画面。
策略产品解决方案是：1、明确待解决的问题依据电影，从从大量候选视频集合中，按一定规则排序，精准的推荐给用户最吸引他们喜欢的视频，使其继续观看也从而提升平台的用户活跃度。
2、知道受哪些因素影响：
3、计算方式（模型搭建）
假设观看的为电影且观看完成度较高
标注：我们采用分类标注 （不是标框也不是描点哦）根据观看的电影的信息特征，自动提取电影特征标签（类型、演员等）根据输入的候选推荐视频的信息特征，自动提取相关视频特征信息标签。
在海量视频中，计算推荐视频与原视频的相似度。将最接近的视频选出来。
根据观看原视频所有用户的偏好（如演员幕后花絮、mv、预告），以及推荐视频打好的标签，计算推荐视频所属的类别，进一步分类。
通过输入的用户信息特征（基础信息、历史观看记录）使用习惯等，向该用户推荐与原视频相关并满足该用户喜好的视频标签重合度。
最后：推荐视频顺序按照视频标签相关度+行为喜好吻合度+评论互动数等规则计算后进行排序推出最契合的6个相关视频
过程中需要多个算法逻辑并行，所以是个相对复杂且发散的解决方案。
这也导致开发成果不具备可明确的效果实现标准，可能开发的过程中，策略产品经理就在不断修正策略和影响因素，以至于衡量标准也在调整。
第二、策略文档设计。从功能设计入手，以优化功能流程，交互效果等体验解决单一的场景化需求
而策略产品经理，通常是针对不同用户，在不同场景下的需求。策略PM需要考虑与这些需求的影响因素，通过搭建各类因素间的逻辑关系、模型算法 验证不断优化解决问题，反推背后逻辑，更多情况只能靠公司的技术积累，或者自己的经验，或者去看书、看文章，学习路径很长很缓，无法保证最优，需要持续优化。
第三、项目跟进
功能产品对于开发成果，多为展示效果与文档描述的逻辑和交互呈现方式统一。
策略产品更多参与到开发的过程，与策略RD一起发现和解决各要素中的问题，与分析师验证模型最基本的 依据精确率和召回率两个基本指标 参数调优数据质量优化 随时准备迭代逻辑，与开发一起追求策略逻辑的最优解。
第四、数据分析迭代
功能产品经理，每次迭代多可针对单一而明确的问题，直观方式呈现出达到产品迭代效果
策略产品经理，因为更多的是通过底层数据处理逻辑，优化用户产品体验中的隐性隐性部分，来拆分问题从而解决的也多是复杂且受很多因素影响的问题。
所以理想态本身在迭代过程可能都处在自身优化和不断明确的过程中，因此，策略需要多个产品循环才能达到较好的效果。
针对产品细分道路 如何攻克策略产品这条路呢？
具体来说，数据、算法、公式、逻辑、代码、书籍、视频、干货文章
策略也是数据的统计 指标建模 发现问题 优化数据的过程
策略的背后是不同的业务方向检索了不同公司的业务目标，先看一个岗位背景
图片来源网络
对于策略推荐业务方向通过数学建模，找到数据之间的规律，这需要对各种公式算法非常吃透 我目前正在看的一本书，《推荐系统实践》豆瓣评分8.1 出版时间2012年虽然比较早，但对于了解整个推荐系统的逻辑，评价指标和方法都能有所了解 主要难点在架构和策略上，算法都比较简单适合1-3年策略产品人。
对于在其他业务方向上的由于本人 目前只选择了一个方向 只做一些建议 排序策略，建议看看阮一峰写的《reddit排序算法》如果是广告策略商业方向的，建议看看《计算广告》；寻路策略，建议看看《图论》定价/补贴：《无价》《营销管理》等书籍。
最后、策略产品工作四要素
最后我们对策略产品做一个总结。
策略产品经理，在面对一些类型的问题时，这些问题会受到一些因素的影响，我们需要时刻搜集问题相关因素的变化，并将这些因素通过一定的计算逻辑进行转化，使解决方案随着外部因素的变化而不停的调整，让问题得到更好的解决。这个过程就是策略产品经理的工作内容。
整理下来，策略产品工作四要素就是：
待解决问题，即理想态；
输入：影响解决方案的因素；
计算逻辑：将输入转换成输出的规则；
输出：具体的解决方案。
举例说明：今日头条的个性化推荐策略。
待解决问题：从大量候选内容中，找到用户喜欢的内容；
输入：用户喜欢内容受到的影响因素，该用户特征（基础信息，历史行为）、候选内容特征（类别，关键词）、舆情热点信息（热点内容，关键词）；
计算逻辑：用户画像梳理逻辑，内容关联性计算逻辑；
输出：将内容按用户喜欢度由高到低推荐给用户。
万变不离其宗，所有的策略需要你对业务的一切路径熟悉之后，才能找到最优的最适合不同用户的在不同场景下需要的那条路。
期待你的留言，下一篇我们讲《推荐策略算法模型》
===============================
。
