人人都是策略产品经理

Mr.墨叽 2023-08-01 12:16:21

一、什么是策略产品

在讲策略产品经理之前，先得明确什么是策略产品。在之前的文章中或多或少提到了很多关于策略产品的定义，这里重点结合策略产品经理会涉及到的工作，重新梳理一下广义上的、完整的策略产品需要具备哪些能力。

1）基础产品：地基、基础户型结构、钢筋水泥涂料，可交付的简装房。执行类的基础产品是策略落地的抓手，如推荐与导购展现、智能定价与优惠生效的关系。脱离了基础执行产品，策略无法形成闭环，只能局限于数据分析和建议的范畴，还留有最后一公里。

2）算法策略：智能家居的内核科技，需嵌入到智能家居的产品中，才能发挥更大价值。对于策略产品经理而言，需要深入了解算法的逻辑，具体可见下文的策略产品经理能力模型。

3）策略产品：智能家居，将算法策略封装为一个完整的产品，提供给用户使用。作为使用者，不用特别关心算法模型的逻辑，只需要知道能满足什么需求，输入和输出是什么即可，比如对于电饭锅，我输入了预约煮饭的时间，那么我知道在指定的时间它会自动加热，在明天早上一起床的时候，我就能吃上热腾腾的粥了。

4）解决方案：

将智能家居装载到房屋里的装修方案。智能家居产品有了，接下来需要做的就是把家居安装好。对于冰箱洗衣机这种简单的家居，插电即用，将策略产品和基础产品对接即可，例如像推荐和派单一类AI主导的策略，直接接入app应用就行。而对于中央空调和暖气等家居，必须深度嵌入到整个房屋结构中，所以需要考虑完整的装修方案，比如像自动补货、智能定价等策略，需要和现有基础产品的人工流程融合，考虑优先级及协同关系。
集合智能家居能力，实现物物互联的精装智慧家。安装好家居之后，更深入一步，需要进行不同智能家居之间的互通，比如，今天称体重发现超标了，那在开冰箱拿肥宅快乐水的时候，会响起警告，并且冰箱根据体脂情况和冰箱可用空间自动生成了一份健康饮食采购清单，一键确认后即可下单送货上门。单点最优并不能保证全局最优，因此需要将各模块的策略和产品结合起来，以达成最终的全局目标，需要在不同策略、不同策略产品和基础产品间穿针引线，编织出一张解决方案的大网。

5）外部协同：和其他房屋联通的门、楼道、水管。在和其他领域的产品进行协同时，需要针对上述已有的产品能力进行清晰定义，明确可以输出的结果及输出方式。

二、如何构建策略产品

了解了策略产品的能力定义之后，再来看一下构建一套策略产品的流程，以及在整个过程中策略产品经理所扮演的角色。

产品经理，产品经理网站

1）理解商业模式，了解业务战略及策略（策略产品经理）

任何的策略只不过是一种或一系列的手段，最终都应该服务于目标。策略往往需要一段时间的打磨，而即便对于目标，可能也并不一定是清晰且固定不变的。在现实的商业世界中，往往需要同时考虑多方因素，同时兼顾多个目标，我既想要赚钱，又想要消费者满意，同时还想要所有合作商笑着买账，谈何容易。

因此，如何理解业务，如何协同业务确定目标的重要程度和优先级，如何进行目标的拆分，梳理业务的策略打法，就是策略产品经理所要做的第一件事。相关内容可以参考我之前的文章如何用咨询公司的“套路”构建策略?（一）

2）基于业务了解，确定冷启动切入点（策略产品经理）

在明确了业务的模式、目标和业务策略之后，接下来需要确定第一步往哪儿落脚。任何数据智能的应用或改动都会面临或多或少的质疑，因此步子不能迈太大，应该大胆假设，小心求证。针对第一步拆分的目标，确定先基于哪个场景的目标构建策略，以及应该选择哪类商品或人群进行测试验证。一般情况下，当然是先挑软柿子，也就是好做的做，基于相对简单的场景进行策略构建和完善，并逐步建立起信任。

3）梳理底层数据，确定关键数据指标（数据产品经理）

在挑柿子的时候，我们很可能会发现，根本没有长得好的柿子，因为连树根都不扎实，而且盘根错节。这个时候我们就要扮演数据产品经理的角色了，顺瓜摸藤，以目标为导向来梳理所需的全部数据，针对数据进行补全、清洗、归类。在数据已结构化且完整的情况下，初期可能还需要用已有数据进行分析测算，来判断是否有优化的空间，机会大不大。最后，我们还要确定和目标相关的数据考核指标，并且和业务达成一致。

4）将业务策略转化为算法策略（策略产品经理）

目标确定，业务策略确定，数据也准备就绪，那么接下来就需要我们扮演“翻译”的角色，将业务建模转化为算法建模。算法的基本构成包括目标、约束、模型、评估，针对模型的部分我们知道原理即可，但对于其他三个部分需要策略产品经理深度参与，以保证算法的结果符合业务的预期。（针对这部分内容也可参考如何用咨询公司的“套路”构建策略?（二））

目标：算法的优化方向，也即目标函数。传统的KPI指标其实也可以转换为一个目标函数来表达，比如电商平台采购小二KPI的目标函数为：Max(GMV指数*0.6+毛利指数*0.3+库存周转指数*0.1)，这里的指数都是归一化的得分。
约束：算法优化结果一般都不是绝对意义上的最优，而是寻找在一定的限制和约束范围下的最优解，这里的约束就是现实世界条条框框的映射，反应了对其他利益相关者或其他相关因素的考量。此外，还有一类约束是用人对实际情况的判断来作为算法模型的补充，比如电脑处理器i9价格高于i5，这类信息可以作为前置约束条件，避免算法结果不符合预期。
模型：机器学习模型，学习和了解一下算法原理还是非常有趣的，很多算法模型其实都有通用的思想，比如探索与利用，就是利用计算机的算力随机做很多种尝试，然后挑出结果不错的再做微调优化，直到结果收敛，提升效果不明显为止。再比如控制变量法，通过算法模拟出变量之前的关系，然后控制其他变量不动，来看每个变量对于结果的影响。
评估：效果评估往往是最为困难的一步，因为实际的业务结果变化可能不是单一因素造成的，在一个环节上“动动手脚”，没法直接判断对结果带来的影响，所以需要我们又当选手，又当裁判，自己给自己找到合理的评估手段。这一步需要策略产品经理深度参与，与算法和业务同学探讨，找到一种甚至多种效果的评估方法，做到尽量精确合理同时又可解释。

5）推动测试验证及推广进度（项目PM）

测试验证可能是一个较为漫长的，否定之否定的过程，没有完美的策略，只有基于目标细化和现实条件完善达成的相对较优的策略，在变化中寻找动态平衡。在这个过程中，需要策略产品经理组织产研、算法和业务团队定期沟通对焦，针对bad case商讨解决方案，明确责任人，并且适时鼓动业务扩大试点范围，阶段性地进行复盘和PR，提高影响力，吸引更多资源。

6）抽象为产品，保证可用性、易用性、可扩展性（功能型产品经理）

当策略较为成熟，效果较为稳定后，就需要给算法套上产品的外壳，插上电，让它自动运转，进一步带来规模化的效应。算法白盒化一直都是个艰难的命题，特别是对于像零售+AI一类的策略。它的矛盾在于一方面需要将算法掰开揉碎，让用户可以输入更多的业务想法，清楚结果产出的逻辑，明白效果的评估口径。但如果拆得过细，产品实现会变得复杂，理解成本变高，导致没有多少人使用。

具体怎么做取决于具体的业务场景，以及前期和业务的合作机制，对于能够按一定逻辑自运转的，就尽量减少用户的参与，如果出现bad case，那就直接在策略层面进行优化，但这需要与业务之间建立足够的信任。如果是依赖很多商业意志输入的，就需要不断和业务打磨出一套标准的协同流程，然后将这个流程和输入配置产品化，对于这类产品，免不了较长时间的培训和运营，但也只是初期的投入多一些，经过教育和引导之后，你会发现大家玩的得心应手，人人都是调参师。

7）逐步叠加策略，并进行策略协同方案设计（策略产品经理）

一个策略产品的构建流程基本就是以上6点，但如前面所说，当策略产品的能力逐渐丰富起来之后，我们需要进行广度和深度的延伸，新增的策略以及产品模块与之前的策略和产品间需要进行叠加融合，这样才能构建更为合理的解决方案，帮助业务达成目标。

三、策略产品经理能力模型

聊完了策略产品的能力定义和构建流程，基本可以了解策略产品经理到底在做些什么了。最后我们针对策略产品经理的能力模型进行一下概括梳理。

产品经理，产品经理网站

1）懂业务（人际技能）

业务目标是什么，为什么定这个目标，实现这个目标需要什么样的策略，我们能做什么，先做什么，怎么做？实际商业场景需要做多目标权衡，要明确目标的优先级，针对具体执行策略，需要去定义如何做是更为合理的。

业务策略和需求往往不明确，策略产品经理需要基于领域的专业性给业务提供经验输入，帮助业务梳理清楚业务策略、运营计划。此外，有策略地去落策略，找到合适的切入点，先取得结果，证明价值并建立信任，并且始终与业务保持良好的合作关系，保持密切沟通，这需要策略产品经理具备一定的人际技能。

2）懂算法（技术技能）

单策略构建及优化：结合业务的目标和策略构建并优化算法策略。理解算法模型基本原理，知道在什么场景下适用，是否可优化可拓展，需要什么样的输入。结合业务目标及策略，协助算法构建并持续优化算法模型。
多策略协同：单点最优不一定带来全局最优，针对多策略，不仅仅是简单的1*n，而是笛卡尔积，需要梳理策略协同逻辑，保障能实现全局目标。

对于策略产品经理对算法技术了解程度的要求，其实和功能型产品经理对研发了解程度的要求相似，只不过，策略产品经理既是算法的产品经理，又是研发的产品经理。