《如何打造复杂的产品系统》讲座笔记作者：潘一鸣

本文主要是介绍《如何打造复杂的产品系统》讲座笔记作者：潘一鸣，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

作者 潘一鸣
新东方在线高级产品经理，《产品逻辑之美》作者
2019/10/9 于将门创投的斗鱼平台记录作者简介
清华本科，2014-2015网易科技（实习转正）
2015-2017 聚美优品（用户产品、推荐系统）
2017-2018 滴滴出行（豪华车的分单系统）
2018-2019/6 字节跳动（用户增长）
2019/8至今 新东方在线（带领团队做业务）
2017-2019写书

第一部分：产品核心驱动力的转移
第二部分：不同视角下的产品系统
案例1，聚美优品（千人千面）
案例2，滴滴打车（豪华车分单系统）
第三部分：人员、生产资料与流程
第四部分：打造新时代个人竞争力

第一部分：产品核心驱动力的转移

功能->设计->运营->策略

-2001 功能
问题：大量的需求没有被满足，有大量的机会
描述：大量红利，抓住一个点就有快速增长
2003-2013 设计
2013-2016运营
问题：产品进入服务领域，功能同质化
现象：多个赛道白热化竞争
核心竞争力：运营能力、组织能力、管理能力
在这里插入图片描述
2016-现在策略
问题：技术发展下，数据、算法在产品领域越来与重要

核心竞争力：系统构建能力，算法策略能力，系统运行能力

拐点：千人千面与垂直电商的消失
垂直电商：2015-2016热门
精细化的运营，内容分发能力的提升使得大电商覆盖了垂直电商的领域，挤压了其生存空间

第二部分：不同视角下的产品系统

有多少个角色，就有多少个视角
外部：创造用户价值
内部：平衡不同诉求

策略：数据，算法，产品的交叉部分

数据视角：数据分析，数据驱动->数据分析师
（硅谷是更多由数据分析师来推进策略）
算法视角：算法构建，指标提升->算法工程师
（国内更多是算法工程师提策略）
产品视角：用户体验，用户价值->产品经理
（也有一些是产品来提策略，作者认为更应该由产品来提供策略）

因而：

谁来引领策略，没有最佳实践

不同视角下的产品系统

案例1

千人千面（聚美优品）

算法构建：基于标签算法
数据清洗：算法系统基础
评估系统：线下迭代指标
算法升级：机器学习算法
线上迭代：业务问题解决
detail：
淘宝上线之后，聚美优品跟做，调研2周后上手，然后提出方案。去找专家评估，反馈可行，然后实践去做。经历一个月清洗数据，给出第一版算法。虽然第一版在上线之前就被迭代掉了，但是也发挥了重要作用。

问题一：为什么是基于标签的算法
冷启动：没有数据怎么办
新系统：可操作性，可解释性
（可快速手动干预效果）
数据情况：已有完善的标签体系
在这里插入图片描述
用户标签->标签CF扩展->匹配->打散规则

用户标配：浏览商品时自动打上的
标签扩展：类似物品标签扩展

在这里插入图片描述
问题二：为什么需要新的评估方法
虽然管理层无法理解算法，但是需要一个仪表盘
（1）历史可用数据
（2）未来销售数据
比对方法：用算法推荐一百个人；用爆款推荐一百个人。对比二者最近一个月的销售额。以此来作为指标，推荐算法销售额高多少则为效果好多少。

问题三：为什么要转机器学习
线上测试取得了公司的信任，也建立了评估方法

问题四：机器学习满足了业务诉求了吗？
机器学习效果是刚开始效果超好，随着几天逐渐下降
算法有短期、曝光惩罚策略等原因
推荐内容调性低：运营干预，调性提权
推荐集中度高：重排策略引入多样性
效果：
一个月后，机器学习的算法提升程度稳定提高。其中主算法基本不变，加了很多规则，加了很多副算法。多方势力不断协调得到最终上线版本。

最大的问题：和不同利益方的沟通
方案：完整的数据体系，额外的汇报数据，利益平衡
（做了很多其他方面的数据汇报，让其他不懂算法的部门信服）

为什么算法需要规则策略的修正

（用户是不是对这个产品厌烦了，是不是对长期销售有损害？从用户的体验、感情方面去完善，这点是算法不能考虑到的）

案例2

豪华车分单系统(滴滴出行)

豪华车分单系统

问题：预约订单比较高（预约的人多，实时的人少），供需时空不匹配（车少，分部散），服务质量要求高（起步价高，对服务要求高）
目标：应答率，改派率，迟到率，人均单量，每小时收入，业务毛利率
各方面视角：
司机：公平性，收入提升，工作强度低
算法工程师：找到问题的解法
业务人员：不要增加过多的管理成本

方案：
司机填写工作时间
订单召回
订单分配
用户端表达&司机端通知

在这里插入图片描述

在这里插入图片描述
大数据vs小数据（数据不大，流程复杂，算法不复杂，要深入业务）
内容vs服务（内容不会不高兴，服务有服务能力且有感情，在乎公平）
有教科书vs没有教科书（有成型的东西可参考，推荐系统；出行方案没有可参考的东西）
算法vs规则

服务领域算法贡献有限

分发，给不同用户用不同推荐策略推荐内容，没问题
匹配，给不同司机用不同策略推荐服务，有问题

第三部分：人员、生产资料和流程

在这里插入图片描述
美团一个是服务领域
字节跳动是在内容领域
对人的组织能力上的区别。

在这里插入图片描述
有好的运营工具会极大的提高竞争力，提高人效比

在这里插入图片描述
产品经理只是在做某一个指标优化时，则只会做一个环节，不知道总的东西怎么做。
也许招了一个大公司的员工，想让他负责构建整个系统，却发现他只会做一个环节。

人员、生产资料和流程

1业务诊断：组织结构、业务目标、工作流程、问题梳理
（先了解问题全貌，而不是扎进细节）
2数据分析：埋点梳理、数据定义整理、挖掘业务问题
（每个数据定义搞清楚，挖掘数据关系，从目标出发找问题）
3指标体系：找到核心漏斗，构建关键指标
（以前有指标，是否有更好的）
4系统需求：组织变革、生产资料优化、流程重塑
5系统设计：结合了人和算法的系统

在这里插入图片描述