策略產品經理實踐指南AI時代的用戶增長與智慧運營

十餘年網絡大廠經驗，曾在京東、新浪微博等公司任職，針對推薦演算法、標籤體系、智慧行銷、使用者成長、數智轉型等有較深入的研究。曾經建構多個智慧化產品頂層設計方案並實現專案落地，總結出一套基於「大數據 + 演算法 + 策略」的產品方法論，並獲得十餘項個人發明專利。

第 一部分 基礎知識篇

 

第 1 章 策略的價值與分類 2

11 專業名詞解釋2

12 價值概覽2

121 非商業價值3

122 商業價值4

13 商業價值評定4

131 廣告4

132 電商6

14 策略的分類7

15 一個簡單的策略案例8

16 小結9

 

第 2 章 推薦系統基礎知識10

21 專業名詞解釋10

22 推薦系統的演進10

221 常見的推薦系統12

222 推薦系統的發展13

23 推薦位及推薦邏輯14

231 獲取推薦結果14

232 探索推薦過程16

24 推薦系統、搜索系統、計算廣告 18

241 推薦系統與搜索系統 18

242 推薦系統與計算廣告 20

25 小結 21

 

第 3 章 推薦系統的架構及算法22

31 專業名詞解釋 22

32 架構介紹 23

321 業務場景接入 24

322 數據基礎建設 24

323 召回模型 25

324 排序模型 26

33 推薦系統邏輯 27

331 推薦策略 27

332 推薦系統的基礎算法 28

333 無量綱化算法 28

34 產品經理輸出策略 PRD 的結構 29

35 小結 30

 

第 4 章 用 AB 實驗量化策略效果 31

41 專業名詞解釋31

42 AB 實驗介紹31

421 基礎知識32

422 實驗的註意事項33

423 AB 實驗和離線評估 34

43 AB 實驗系統架構35

44 AB 實驗系統的數據指標38

45 小流量高波動場景的數據指標 39

46 小結 41

 

第 5 章 智能營銷42

51 專業名詞解釋 42

52 智能營銷的方法論 42

53 智能營銷的價值 43

531 智能營銷與推薦系統 44

532 智能營銷因子 44

533 智能營銷策略 45

54 小結 47

 

第二部分 案例實踐篇

 

第 6 章 從 0 到 1 搭建社區團購推薦系統50

61 從產品經理角度搭建推薦系統 50

611 基於內容生態的推薦系統搭建思路51

612 內容型物料的推薦策略52

62 從 0 到 1 搭建社區團購推薦系統 53

621 需求背景53

622 專業名詞解釋54

623 分析與思路54

624 解決方案55

63 小結61

 

第 7 章 用戶畫像挖掘及應用——品牌品類偏好 62

71 需求背景62

72 專業名詞解釋62

73 分析思路62

74 解決方案 63

741 挖掘用戶品牌品類偏好畫像並落成標簽 63

742 用戶品牌品類偏好畫像的應用 67

75 小結 67

 

第 8 章 用戶畫像挖掘及應用——價格帶68

81 需求背景 68

82 專業名詞解釋 68

83 分析思路 68

84 解決方案 69

841 基礎建設—為商品畫像和用戶畫像增加價格帶標簽 69

842 商品單位購買力計算邏輯及打標簽邏輯 77

843 價格帶標簽的應用 81

85 小結 84

 

 

第 9 章 過濾策略——讓更多商品曝光 85

91 需求背景85

92 專業名詞解釋86

93 分析思路86

94 解決方案87

941 針對加入購物車商品及下單商品的過濾策略87

942 針對曝光多次未被點擊的商品的過濾策略91

95 小結94

 

第 10 章 商品詳情頁“看了又看”策略——提升下單轉化率 95

101 需求背景95

102 專業名詞解釋95

103 分析思路95

104 解決方案96

1041 方案 1：統計規則輸出96

1042 方案 2：算法模型輸出98

105 小結98

 

第 11 章 品類角色管理及應用——通過高毛利單品效用提升轉化率 99

111 需求背景99

112 專業名詞解釋99

113 分析思路100

1131 選擇劃分依據100

1132 劃分品類角色100

114 解決方案101

1141 基於用戶行為的加權平均和102

1142 平臺內全量 SKU 劃分等級 103

115 小結 104

 

第 12 章 商品扶持流量調配系統——提升營銷商品曝光率及轉化率 105

121 需求背景 105

122 專業名詞解釋 106

123 分析思路 106

124 解決方案 107

1241 增加固定資源位進行商品強曝光 107

1242 增加離線召回池實現動態權重計算110

125 小結 112

 

第 13 章 內容電商平臺推薦系統冷啟動策略 113

131 需求背景 113

132 專業名詞解釋 113

133 分析思路 113

134 解決方案 114

1341 內容電商平臺標簽體系初步建設114

1342 推薦系統冷啟動116

135 本章涉及的算法邏輯 119

1351 標簽相關性——詞頻計算119

1352 內容質量分 121

1353 短視頻內容池排序算法邏輯 121

136 小結 123

 

第 14 章 智能營銷解決方案——通過用戶分層管理激活沈睡用戶和流失用戶 124

141 需求背景124

142 專業名詞解釋 124

143 分析思路124

1431 智能營銷背景124

1432 智能營銷產品架構125

144 解決方案126

1441 智能優惠券的基礎服務搭建126

1442 智能優惠券的推薦算法匹配130

1443 個性化消息觸達用戶131

145 本章涉及的算法邏輯 136

1451 沈睡用戶和流失用戶判斷136

1452 給用戶打“券偏好”標簽138

1453 智能給券打標140

1454 推薦算法匹配——召回145

1455 個性化消息觸達用戶——觸達頻次149

146 小結150

 

第 15 章 個性化文案及個性化推送策略——提升下單轉化率151

151 需求背景151

152 專業名詞解釋 151

153 分析思路151

154 解決方案152

1541 基礎服務搭建 153

1542 功能層面喚回 153

1543 個性化消息觸達用戶 153

155 本章涉及的算法邏輯 158

1551 常購品類——用戶經常購買的一級品類 158

1552 常購品牌——用戶經常購買的品牌 159

1553 商品復購——用戶對每個商品的復購周期 159

1554 優惠券偏好 161

1555 商品地域熱銷的計算邏輯 161

1556 商品地域熱度計算邏輯 162

1557 協同過濾 162

156 小結 162

 

第 16 章 用戶智能增長策略——基於活躍和交易雙目標實現用戶分層管理 163

161 需求背景 163

162 專業名詞解釋 163

163 分析思路 163

164 解決方案 164

1641 數據準備及預處理 164

1642 分層管理——等級劃分 164

1643 用戶分層運營策略 167

165 小結 168

 

第 17 章 用戶智能增長策略——實現品牌用戶1單到 N 單的轉化 169

171 需求背景169

172 專業名詞解釋169

173 分析思路170

174 解決方案171

1741 搜索場景171

1742 首頁場景175

1743 用戶強相關177

1744 搜索場景的品牌復購券排序邏輯178

1745 首頁場景的優惠券排序邏輯182

175 小結184

 

第 18 章 數字化轉型產品賦能線下商超 185

181 需求背景 185

182 專業名詞解釋 185

183 分析思路 186

184 解決方案 187

1841 發現風險及機遇 187

1842 市場定位 190

1843 門店經營方案確定 191

1844 基於門店周邊用戶畫像進行智能選品 198

185 小結 200