策略产品经理：数据赋能业务

数据埋点是数据产品经理、数据运营人员以及数据分析师，基于业务需求或产品需求对用户在产品内产生行为的每一个事件对应的页面和位置植入相关代码，并通过采集工具上报统计数据，以便相关人员追踪用户行为，进而推动产品优化或指导运营的一项工程。 。A/B测试就是通过上线不同版本的方案，让目标用户参与测试，并且能够通过数据来衡量不同版本间的优劣，保障核心指标的提升。相比传统的“小样本”试验，A/B测试更加严谨、科学。 感知机学习算法（Perceptron Learning Algorithm，PLA）是一种二分类的线性分类算法，所谓的二分类是指结果只存在两种情况。 感知机学习算法要解决的问题实际上是如何在一堆数据中找到一个界限把两种不同分类的数据划分开， 线性回归（Linear Regression，LR）指利用被称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间的关系进行建模的一种回归分析 与感知机学习算法相比，逻辑回归模型有如下几个优势：●逻辑回归不仅仅能给出预测结果分类，而且能给出更具体的概率值，拓宽了应用场景。●逻辑回归无须假设数据的分布，直接根据历史数据进行线性建模即可。●从工程上来讲，逻辑回归模型更加便捷、迭代速度更快，且鲁棒性更好。 无论是感知机学习算法，还是逻辑回归模型，一般都应用在二分类问题当中，但是当遇到多分类问题时，K近邻算法是一种更好的选择。 由于朴素贝叶斯分类器简单快速，且需要的训练数据较少，因此应用十分广泛。在分类预测、文本分类、垃圾邮件过滤、个性化推荐系统等场景都能见到它的影子

内容基础且讲述清晰，对小白十分友好，美中不足之处在于一些内容冗余。

讲得很基础，算是产品小白的阶段性总结吧，但起码系统成书弥补了碎片式信息的混沌性。产品经理实战比理论重要，但是为何要再读理论是因为规整好的要点能与过去成功的经验或失败的经验起到联结。联结有了，才能给裂变与聚变的机会。

还可以，小白有被科普到，很多点讲的不深，所以很易读，适合闲暇时候翻一翻

如果想做策略产品这本书很值得推荐🌹

写产品的好书不多，一般也能拿到60以上，从没看过一本产品的书评分这么低。 速读一遍发现槽点确实很多，全书最大价值就是 书名。 刚开始读觉得作为小白扫盲也可，读完觉得，小白也不用看了。这是一本作者自己的学习笔记，而非专业著作，编辑没有质量把控能力 1 作者显然经验都在搜索推荐，那就干脆写搜索策略pm，更聚焦。把从需求，数据埋点，等全过程捋一遍即可。 这对小白还有点价值 现在扯了一堆通用的能力，居然还插了一段互联网发展史，大概几百字，能写出个啥 2 文字 太过口语和哎。。 互联网pm的书面表达太随便了，好像是内部开会的发言稿 有些论述也不准啊，比如 产品经理会写代码是对资源的浪费。 还有在说策略产品经理处理流量分发问题，居然举了京东首页icon，这个和产品经理能力有啥关系，这个是公司业务的权衡博弈。有的公司有首页产品经理，统筹。 3 结构不知道咋设计的，第一章就讲了很多能力的事，后面又讲 大结构不好 因为作者把太多自己学习思考的东西放进去了，又没有具体案例支撑，完全不能区分结构 小白也不用看了，如果想学策略方面的，可以看1 数据产品。2增长黑客 3 推荐系统相关 4 体验与交互方面的书 5计算广告的书 俞军产品方法论中有一些滴滴业务策略权衡的案例，也不错

本书总结： 很好的“策略产品”普及读物，读完有了初步认知，但有种意犹未尽的感觉。作者有丰富的从业经验，很期待能够看到一个深入的案例，但每次点到即止，浅尝辄止。 本手收获： 1. 结合业务和用户需求，去策划方案。虽然早已耳熟能详，但是最近在工作中似乎陷入“一味只盯着数据增长”的怪圈，忽略了业务和用户需求。究其原因是在设定核心指标前，没有明确当前的目标导向（GMV、流量、转化）。 2. 沉淀方法论（泛化能力）：小到经验总结、大到思维模型，这些是应对不确定性最可靠的武器。 本书笔记： 1. 策略产品定义：从业务、场景出发，以数据来赋能业务的解决方案。为策略价值负责，其中，有两个关键点：一个是从业务出发，一个是用数据驱动。 2. 有效曝光：可以从空间和时间两个维度去定义 空间上，有效曝光指曝光的位置、曝光区域的大小；时间上，有效曝光指曝光的时机、曝光的时长、重复上报的时机。 3. 策略还是要从业务中来、回到业务中去，需要对当下业务场景和用户痛点进行挖掘，本质目标还是提升用户体验和流量转化。所以在用户来的时候，能不能准确识别用户的痛点，把用户想看到的东西在合适的时机推荐出来，才是关键。笔者很认同这句话：“站在整个推荐产品的角度来讲，算法不是最重要的，甚至在产品的早期阶段，算法的权重和优先级应该是最低的。” 4. 思维方法： 1）《领导者之剑》提出了解决问题的四大模块：情境分析（SAP）、原因分析（CAP）、决策制定（DMP）、计划分析（PAP） 2）库伯学习圈（experiential learning），一个人的学习过程分为四个阶段：反思、抽象归纳、实践和经验。其中，反思和抽象归纳是一种输入，而实践和经验就是一种输出。 5. 策略还是要从业务中来、回到业务中去，需要对当下业务场景和用户痛点进行挖掘，本质目标还是提升用户体验和流量转化。所以在用户来的时候，能不能准确识别用户的痛点，把用户想看到的东西在合适的时机推荐出来，才是关键。笔者很认同这句话：“站在整个推荐产品的角度来讲，算法不是最重要的，甚至在产品的早期阶段，算法的权重和优先级应该是最低的。”

关于策略产品经理，目前在看三本书，这一本算是入门，没有大量算法公式与推导，表述也挺平实，只是深度不够，设计的面也不够

书的内容不算多，下午花了两个小时读完这本书。本书面向的主要人群应该是尚未了解过策略产品的学生群体，会是一本比较全面的入门级读本。 也因此很多内容没有深入展开，这点表示理解，毕竟策略产品涉及到的知识太多了，深入且全面的话，想来也是一本让人很难读下去的书。 不过，书中很多内容，在我最近的实际工作中都有体会，尤其是数据那一部分，确实让人头疼，底层数据能力不足，打点丢失。最痛苦的是好不容易跑出来一份数据，发现数据有问题，然后陷入了 “发现问题- 找问题-修复数据-验证数据-发现问题”的怪圈当中…

写的很浅，但是在流程上有可以学习的地方