在快速發(fā)展的互聯(lián)網(wǎng)行業(yè)，策略產(chǎn)品經(jīng)理的角色越來越關(guān)鍵，他們負(fù)責(zé)通過數(shù)據(jù)分析和產(chǎn)品策略來推動(dòng)業(yè)務(wù)增長。然而，即使是最有經(jīng)驗(yàn)的專家，也會(huì)在這條道路上遇到各種挑戰(zhàn)和陷阱。

做策略產(chǎn)品很多年了，從京東，美團(tuán)，阿里再到快手，這期間做過從0到1的搭建，也做過從1到N的優(yōu)化，一帆風(fēng)順是不可能的，期間走了不少彎路。

幾年前也前梳理過自己踩得幾個(gè)坑，但是隨著項(xiàng)目越做越多，經(jīng)歷越來越豐富，越來越多的坑需要等著去填，下面這些都是我的血淚教訓(xùn)，大家看看自己是不是正在踩。

坑1：模糊的策略目標(biāo)設(shè)定

策略產(chǎn)品在做迭代的時(shí)候，必然涉及到對(duì)于項(xiàng)目需求的目標(biāo)拆解和定義，這個(gè)不僅僅影響對(duì)于你做的每一個(gè)策略價(jià)值收益的衡量，也會(huì)直接影響到具體策略的落地，比如模型收斂目標(biāo)的制定。

通常策略的目標(biāo)是由具體的指標(biāo)進(jìn)行量化，關(guān)于策略產(chǎn)品的指標(biāo)，能夠羅列一大堆：

流量類型的：PV，UV，曝光PV/UV，點(diǎn)擊PV，點(diǎn)擊UV等等；轉(zhuǎn)化收益類型的：CTR，CVR，RCVR，UV價(jià)值，RPM等。

那么，在設(shè)定做一個(gè)策略的ROI之前我們到底該如何確定選取哪個(gè)指標(biāo)呢？

這就需要我們?cè)谧鲂枨蟮那爸梅治龅臅r(shí)候，首先想清楚目前的目標(biāo)導(dǎo)向是什么。是GMV導(dǎo)向，還是轉(zhuǎn)化率導(dǎo)向，還是流量導(dǎo)向？

目標(biāo)導(dǎo)向不同，直接決定了整個(gè)推薦系統(tǒng)設(shè)計(jì)過程中的策略，公式，算法，特征等等的選取。

我給到的建議是：對(duì)于新業(yè)務(wù)線暫時(shí)不要以GMV為導(dǎo)向，可以從流量或轉(zhuǎn)化率的角度入手，選取CTR作為核心指標(biāo)；對(duì)于比較穩(wěn)定的業(yè)務(wù)線則以GMV為導(dǎo)向，選取UV價(jià)值作為核心指標(biāo)。

很多時(shí)候我看到的現(xiàn)狀是“既要又要”，巴不得一個(gè)策略所有相關(guān)指標(biāo)都能漲，這其實(shí)是典型的預(yù)期不當(dāng)。

坑2：數(shù)據(jù)問題

策略產(chǎn)品的搭建，如果數(shù)據(jù)問題是其面臨的第二大問題，那么就沒有什么可以稱作是最大的問題了。

以推薦策略產(chǎn)品為例，都知道做一個(gè)推薦系統(tǒng)，三大數(shù)據(jù)不可或缺：用戶，物品和事件，否則就無法做一個(gè)推薦系統(tǒng)。

所以，數(shù)據(jù)對(duì)于策略產(chǎn)品的重要性不言而喻，正如我經(jīng)常說的：策略是基于特定的業(yè)務(wù)場(chǎng)景，通過數(shù)據(jù)應(yīng)用的方式去提升業(yè)務(wù)核心指標(biāo)，解決用戶核心痛點(diǎn)。

當(dāng)然，需要注意的是，這里的數(shù)據(jù)問題并不是指沒有數(shù)據(jù)，而且沒有結(jié)構(gòu)化的數(shù)據(jù)。

結(jié)構(gòu)化數(shù)據(jù)也稱作是行數(shù)據(jù)，是由二維表結(jié)構(gòu)來進(jìn)行邏輯展示和表達(dá)的數(shù)據(jù)，嚴(yán)格遵循數(shù)據(jù)格式與長度規(guī)范，主要通過關(guān)系型數(shù)據(jù)庫進(jìn)行存儲(chǔ)和管理。

主要要表現(xiàn)在三個(gè)方面：

1. 埋點(diǎn)缺失，線上數(shù)據(jù)無法采集，尤其是用戶行為相關(guān)的數(shù)據(jù)
2. 數(shù)據(jù)沒有進(jìn)行科學(xué)的存儲(chǔ)，導(dǎo)致線上無法使用
3. 數(shù)據(jù)存儲(chǔ)結(jié)果比較混亂，工程效率低下

以上三點(diǎn)，直接決定了一個(gè)業(yè)務(wù)線是否能夠搭建推薦策略產(chǎn)品。我記得老早之前在京東參加了一個(gè)VP級(jí)別的會(huì)議，當(dāng)時(shí)京東搜索推薦的VP說了一句讓我印象很深刻的話：

底層數(shù)據(jù)各種屬性不全，最好的規(guī)則也白搭

針對(duì)這類問題，我建議大家在做策略產(chǎn)品之前，尤其是從0到1去做，不要看了幾個(gè)推薦系統(tǒng)架構(gòu)，搜索系統(tǒng)架構(gòu)的文章，就開始想著用什么召回策略，用什么排序策略，選什么樣的模型，先看看最基礎(chǔ)的條件是否具備。

當(dāng)時(shí)在京東剛開始做策略產(chǎn)品的時(shí)候，我用了三個(gè)月的實(shí)踐啥事都沒有做，只優(yōu)化產(chǎn)品線上埋點(diǎn)，提高線上數(shù)據(jù)的質(zhì)量，降低白埋率，然后才開始做搜索，做推薦。

坑3：推薦系統(tǒng)牛逼到無所不能

當(dāng)然，除了上述的客觀問題之外，還會(huì)經(jīng)常碰到下面的連環(huán)提問：

• 哇，這個(gè)東西我不喜歡，為什么還在我的列表展示？
• 嗯，這個(gè)東西是怎么推出來的，毫無根據(jù)啊
• 這幾個(gè)東西我怎么都沒見過…
• 我想買一個(gè)電磁爐，咋沒給我推出來啊…
• 啊，你看我們兩個(gè)推的東西不一樣啊，會(huì)不會(huì)被投訴…

這些提問的背后，實(shí)際上是近幾年推薦熱帶來的用戶預(yù)期管理不當(dāng)，尤其今年策略產(chǎn)品的招聘越來越多了，人們對(duì)策略的認(rèn)識(shí)也逐漸開始普及。

在大多數(shù)人的眼中，推薦系統(tǒng)無所不能，而且能夠未卜先知，當(dāng)然更不能犯錯(cuò)，推出來的item必須是它喜歡的，認(rèn)可的。

而準(zhǔn)確度，多樣性，不存在的。推薦系統(tǒng)當(dāng)中的EE問題是一個(gè)非常經(jīng)典的問題，這里不展開描述了。

在企業(yè)中，這種問題主要是發(fā)生在頻繁與業(yè)務(wù)方對(duì)接需求的過程中，所以我建議在講解方案，進(jìn)行規(guī)劃的時(shí)候做好預(yù)期管理，同時(shí)對(duì)于項(xiàng)目的核心衡量指標(biāo)做好定義和目標(biāo)閾值設(shè)置。

當(dāng)然，從策略層面可以盡量的減輕這種因?yàn)轭A(yù)期不符帶來的用戶體驗(yàn)營銷，比如典型的負(fù)反饋策略其實(shí)就是解決這個(gè)問題的。

坑4：沒有算法的推薦系統(tǒng)就很low

算法現(xiàn)在越來越被神化了，貌似只要產(chǎn)品加上算法，那么業(yè)務(wù)指標(biāo)就一定能提升，所以，上算法模型在企業(yè)內(nèi)部變成了一種“政治正確”的事情。

所以當(dāng)有人看到你的推薦系統(tǒng)沒有GBDT，SVD，甚至連個(gè)最簡(jiǎn)單的LR都沒有的話，呵呵，不好意思，你這不叫推薦系統(tǒng)。

實(shí)際上是，推薦系統(tǒng)除了基于各種算法的推薦，還有一個(gè)大類是基于內(nèi)容的推薦。這其中包括了基于約束的推薦，基于知識(shí)的推薦等。比如典型的tag2i策略其實(shí)就是一種基于標(biāo)簽的規(guī)則匹配策略。

真實(shí)情況是很多企業(yè)，包括大廠在推薦系統(tǒng)搭建的初期全部都是基于規(guī)則邏輯的推薦系統(tǒng)。這其實(shí)也是一種推薦系統(tǒng)冷啟動(dòng)的原則：

通過規(guī)則快速落地一個(gè)可行的推薦系統(tǒng)，從而去驗(yàn)證個(gè)性化能夠帶來分發(fā)效率的提升，然后隨著業(yè)務(wù)體量的提升，場(chǎng)景的豐富，逐步迭代上模型。

另外，做推薦系統(tǒng)也需要有互聯(lián)網(wǎng)的產(chǎn)品思維，MVP先行。

可以先試一試基于用戶的個(gè)性化行為feature去做一些個(gè)性化的推薦是否能夠提升相關(guān)的指標(biāo)，是否契合本業(yè)務(wù)線？

一個(gè)新的業(yè)務(wù)線如果一上來就開始選各種算法，訓(xùn)練各種模型，先不說客觀條件具備與否，就說最后的ROI是否能夠達(dá)到都需要畫一個(gè)問號(hào)。

策略本身還是為業(yè)務(wù)服務(wù)，從業(yè)務(wù)出發(fā)，撇開業(yè)務(wù)談策略都是耍流氓。

坑5：脫離實(shí)際業(yè)務(wù)場(chǎng)景做策略

隨著策略產(chǎn)品的商業(yè)應(yīng)用越來越成熟，尤其是搜索，推薦方向，業(yè)界的系統(tǒng)級(jí)架構(gòu)，常見的一些策略思路，導(dǎo)致很多時(shí)候產(chǎn)品經(jīng)理在做策略的時(shí)候奉行拿來主義，越來越欠缺業(yè)務(wù)的思考。

比如拿我之前做過醫(yī)生推薦系統(tǒng)，也就是給用戶推薦醫(yī)生用于其問診和購藥，業(yè)界常用的Item-CF和User-CF的思路合適么？

A和B兩個(gè)醫(yī)生的特征相似度很高，那么對(duì)于用戶看過A醫(yī)生，最好的策略就是把B醫(yī)生推給用戶么？

A和B兩個(gè)用戶的特征相似度很高，那么如果用戶A在平臺(tái)上問診過某個(gè)醫(yī)生，那么一定的給用戶B推薦該醫(yī)生么？

以上的邏輯很明顯無法適用于用戶看病找醫(yī)生，但是通用商品卻很適合。

正常的邏輯應(yīng)該是什么？

首先，就用戶習(xí)慣來講，一般大家都會(huì)信任熟悉的醫(yī)生，所以之前為該用戶看過病，開過方的醫(yī)生，對(duì)于用戶來說就是最好的選擇。

其次，從平臺(tái)的角度來說，醫(yī)生有水平高低，服務(wù)態(tài)度的差別，所以如何幫助用戶挑出比較好的醫(yī)生，高效的鏈接用戶和醫(yī)生資源，才是提升用戶體驗(yàn)和轉(zhuǎn)化的關(guān)鍵。

可以看出策略還是從業(yè)務(wù)中來，回到業(yè)務(wù)中去，依據(jù)就是業(yè)務(wù)模式和用戶場(chǎng)景，終極目標(biāo)還是提升用戶體驗(yàn)和流量轉(zhuǎn)化。

以上就是我總計(jì)出的在做策略產(chǎn)品當(dāng)中的五個(gè)大坑，希望能給你帶來一些啟發(fā)。