前言

隨著網(wǎng)絡(luò)設(shè)備的升級，以及互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的發(fā)展，我們處于一個信息爆炸的環(huán)境中，被各種各樣的信息包圍。如何篩選這些信息？哪些有價值？哪些無意義？種種問題讓我們對信息的選擇產(chǎn)生了“焦慮”。在此背景下，推薦算法、智能營銷（也叫作精準(zhǔn)營銷）等應(yīng)運而生，為解決信息爆炸給人們帶來的困擾提供了強(qiáng)大的助力。同時，這也意味著需要應(yīng)用策略在眾多凌亂、復(fù)雜的信息中挖掘出數(shù)據(jù)的價值，于是策略產(chǎn)品經(jīng)理這個崗位應(yīng)運而生。

廣義上的“策略”是一種達(dá)成“戰(zhàn)略定位”的清晰路徑，它包括兩個維度：狹義策略和數(shù)據(jù)。狹義策略是實現(xiàn)戰(zhàn)略路徑需具備的具體戰(zhàn)術(shù)，數(shù)據(jù)則是戰(zhàn)術(shù)的分析決策依據(jù)，即通過產(chǎn)品能力實現(xiàn)業(yè)務(wù)效果提升的具體方法，并通過產(chǎn)品功能邏輯實現(xiàn)落地。也就是說策略的決策過程中必須有大數(shù)據(jù)的“參與”，是基于大數(shù)據(jù)的決策鏈，摒棄了“拍腦袋”決策。整個產(chǎn)品的設(shè)計是將數(shù)據(jù)分析過程產(chǎn)品化，在邏輯層實現(xiàn)，再將分析的結(jié)果作為應(yīng)用層使用。策略是看不見摸不著的黑盒，因此策略產(chǎn)品經(jīng)理入門比較難，門檻特別高，既要懂?dāng)?shù)據(jù)挖掘、數(shù)據(jù)分析、統(tǒng)計學(xué)、算法，又要懂視覺交互、邏輯拆解，更重要的是要懂用戶。你會發(fā)現(xiàn)策略產(chǎn)品經(jīng)理基本上能勝任大多數(shù)類型的產(chǎn)品經(jīng)理崗位。

根據(jù)我過往的學(xué)習(xí)經(jīng)驗以及和身邊同事、朋友交流的情況可以得知，大家或多或少都有的困惑是：如何進(jìn)入策略產(chǎn)品經(jīng)理這個領(lǐng)域？如何做得更專業(yè)？我們會發(fā)現(xiàn)市面上產(chǎn)品經(jīng)理類和算法類的專業(yè)圖書雖然有很多，但大多數(shù)是從傳統(tǒng)產(chǎn)品經(jīng)理角度和純算法技術(shù)能力角度撰寫的，一直缺乏融合算法能力與業(yè)務(wù)能力的圖書。很多人只能嘗試從算法角度去尋找蛛絲馬跡，比如算法如何調(diào)參，哪個模型更好，以為這便是策略產(chǎn)品經(jīng)理的工作職責(zé)。當(dāng)然，不可否認(rèn)這些都是純算法技術(shù)能力上的應(yīng)用，但卻不是策略產(chǎn)品經(jīng)理的工作重點。策略產(chǎn)品經(jīng)理要解決的是業(yè)務(wù)效果提升的問題，需要把業(yè)務(wù)訴求作為輸入，把策略模型作為輸出，并將算法底層能力與業(yè)務(wù)能力抽離，保證模型后續(xù)的高可復(fù)用性。就像傳統(tǒng)產(chǎn)品經(jīng)理輸出的產(chǎn)品能力是功能流程化，而策略產(chǎn)品經(jīng)理則是在功能流程化過程中加入大數(shù)據(jù)算法決策因子，讓功能流程化過程有可信賴的數(shù)據(jù)參與決策，使輸出的結(jié)果符合消費者的個性化訴求，進(jìn)而實現(xiàn)業(yè)務(wù)效果的提升。

從各大公司的招聘信息中不難發(fā)現(xiàn)，策略產(chǎn)品經(jīng)理的部分職責(zé)可概括為數(shù)據(jù)分析、挖掘消費者痛點、輸出解決方案。我們可以從產(chǎn)品經(jīng)理的角度來解讀納特·西爾弗《信號與噪聲：大數(shù)據(jù)時代預(yù)測的科學(xué)與藝術(shù)》書中的一段話：

大量的信息成倍增加，但有用的信息卻非常有限。

信號是真相，噪聲卻使我們離真相越來越遠(yuǎn)。

——[美]納特·西爾弗《信號與噪聲：大數(shù)據(jù)時代預(yù)測的科學(xué)與藝術(shù)》

通過解讀這段話及該書中的其他內(nèi)容，我們可以準(zhǔn)確引申出策略產(chǎn)品經(jīng)理產(chǎn)生的背景及部分工作內(nèi)容。

首先，大數(shù)據(jù)的快速發(fā)展使信息呈現(xiàn)爆炸式增長，不同的消費者對信息的訴求有所不同，真正滿足消費者訴求的信息很難在龐雜的信息中被快速精準(zhǔn)地找到。

其次，消費者在互聯(lián)網(wǎng)上會留下行為日志數(shù)據(jù)，通過行為數(shù)據(jù)挖掘可獲得消費者畫像及消費訴求。雖然信息呈爆炸式增長，讓我們離真相越來越遠(yuǎn)，但我們要從龐雜的信息中快速精準(zhǔn)地找到消費者需要的信息。做策略便是基于數(shù)據(jù)分析挖掘消費者痛點，并解決消費者痛點的過程。

最后，通過數(shù)據(jù)分析發(fā)現(xiàn)消費者的真實訴求，并通過策略實現(xiàn)精細(xì)化管理，輸出真正解決消費者痛點的方案。

隨著互聯(lián)網(wǎng)紅利的觸頂，做增量市場難度越來越大，若要保持業(yè)務(wù)持續(xù)增長，就要做存量市場的精細(xì)化管理。大數(shù)據(jù)技術(shù)大大助力了精細(xì)化管理，使傳統(tǒng)的常態(tài)化運營融入了新的元素。若想讓存量市場保持正向增長，就不能僅考慮眼前的短期收益，而是應(yīng)該將更多的精力聚焦在如何用最少的投入帶來長期的收益上，加強(qiáng)精細(xì)化管理。

商品精細(xì)化、內(nèi)容精細(xì)化、營銷活動精細(xì)化……能夠提升用戶體驗，減少用戶決策成本，降本增效，塑造增長壁壘。而所有的精細(xì)化管理都離不開大數(shù)據(jù)的深度挖掘及應(yīng)用，離不開策略產(chǎn)品經(jīng)理的工作范疇。

需要注意的是，本書介紹的是B2B電商平臺的產(chǎn)品策略設(shè)計，與B2C電商平臺的產(chǎn)品策略設(shè)計存在較大的差異。B2C電商平臺更關(guān)注的是用戶使用的便捷性及用戶體驗，而B2B電商平臺更注重專業(yè)性的服務(wù)理念。本書通過大量的公式推導(dǎo)輸出對應(yīng)的產(chǎn)品策略，而這些策略的產(chǎn)出是為了提供更專業(yè)的產(chǎn)品和服務(wù)，旨在幫助B端用戶實現(xiàn)生意的增長。