策略产品经理实践指南电子书

版 权

内容提要

推荐语

致读者

前 言

资源与支持

第一部分 基础知识篇

第1章 策略的价值与分类

1.1 专业名词解释

1.2 价值概览

1.2.1 非商业价值

1.2.2 商业价值

1.3 商业价值评定

1.3.1 广告

1.3.2 电商

1.4 策略的分类

1.5 一个简单的策略案例

1.6 小结

第2章 推荐系统基础知识

2.1 专业名词解释

2.2 推荐系统的演进

2.2.1 常见的推荐系统

2.2.2 推荐系统的发展

2.3 推荐位及推荐逻辑

2.3.1 获取推荐结果

2.3.2 探索推荐过程

2.4 推荐系统、搜索系统、计算广告

2.4.1 推荐系统与搜索系统

2.4.2 推荐系统与计算广告

2.5 小结

第3章 推荐系统的架构及算法

3.1 专业名词解释

3.2 架构介绍

3.2.1 业务场景接入

3.2.2 数据基础建设

3.2.3 召回模型

3.2.4 排序模型

3.3 推荐系统逻辑

3.3.1 推荐策略

3.3.2 推荐系统的基础算法

3.3.3 无量纲化算法

3.4 产品经理输出策略PRD的结构

3.5 小结

第4章 用AB实验量化策略效果

4.1 专业名词解释

4.2 AB实验介绍

4.2.1 基础知识

4.2.2 实验的注意事项

4.2.3 AB实验和离线评估

4.3 AB实验系统架构

4.4 AB实验系统的数据指标

4.5 小流量高波动场景的数据指标

4.6 小结

第5章 智能营销

5.1 专业名词解释

5.2 智能营销的方法论

5.3 智能营销的价值

5.3.1 智能营销与推荐系统

5.3.2 智能营销因子

5.3.3 智能营销策略

5.4 小结

第二部分 案例实践篇

第6章 从0到1搭建社区团购推荐系统

6.1 从产品经理角度搭建推荐系统

6.1.1 基于内容生态的推荐系统搭建思路

6.1.2 内容型物料的推荐策略

6.2 搭建社区团购推荐系统

6.2.1 需求背景

6.2.2 专业名词解释

6.2.3 分析思路

6.2.4 解决方案

6.3 小结

第7章 用户画像挖掘及应用—— 品牌品类偏好

7.1 需求背景

7.2 专业名词解释

7.3 分析思路

7.4 解决方案

7.4.1 挖掘用户品牌品类偏好画像并落成标签

7.4.2 用户品牌品类偏好画像的应用

7.5 小结

第8章 用户画像挖掘及应用——价格带

8.1 需求背景

8.2 专业名词解释

8.3 分析思路

8.4 解决方案

8.4.1 基础建设——为商品画像和用户画像增加价格带标签

8.4.2 商品单位购买力计算逻辑及打标签逻辑

8.4.3 价格带标签的应用

8.5 小结

第9章 过滤策略——让更多商品曝光

9.1 需求背景

9.2 专业名词解释

9.3 分析思路

9.4 解决方案

9.4.1 针对加入购物车商品及下单商品的过滤策略

9.4.2 针对曝光多次未被点击的商品的过滤策略

9.5 小结

第10章 商品详情页“看了又看”策略—— 提升下单转化率

10.1 需求背景

10.2 专业名词解释

10.3 分析思路

10.4 解决方案

10.4.1 方案1：统计规则输出

10.4.2 方案2：算法模型输出

10.5 小结

第11章 品类角色管理及应用—— 通过高毛利单品效用提升转化率

11.1 需求背景

11.2 专业名词解释

11.3 分析思路

11.3.1 选择划分依据

11.3.2 划分品类角色

11.4 解决方案

11.4.1 基于用户行为的加权平均和

11.4.2 平台内全量SKU划分等级

11.5 小结

第12章 商品扶持流量调配系统—— 提升营销商品曝光率及转化率

12.1 需求背景

12.2 专业名词解释

12.3 分析思路

12.4 解决方案

12.4.1 增加固定资源位进行商品强曝光

12.4.2 增加离线召回池实现动态权重计算

12.5 小结

第13章 内容电商平台推荐系统冷启动策略

13.1 需求背景

13.2 专业名词解释

13.3 分析思路

13.4 解决方案

13.4.1 内容电商平台标签体系初步建设

13.4.2 推荐系统冷启动

13.5 本章涉及的算法逻辑

13.5.1 标签相关性——词频计算

13.5.2 内容质量分

13.5.3 短视频内容池排序算法逻辑

13.6 小结

第14章 智能营销解决方案——通过 用户分层管理激活沉睡用户和流失用户

14.1 需求背景

14.2 专业名词解释

14.3 分析思路

14.3.1 智能营销背景

14.3.2 智能营销产品架构

14.4 解决方案

14.4.1 智能优惠券的基础服务搭建

14.4.2 智能优惠券的推荐算法匹配

14.4.3 个性化消息触达用户

14.5 本章涉及的算法逻辑

14.5.1 沉睡用户和流失用户判断

14.5.2 给用户打“券偏好”标签

14.5.3 智能给券打标

14.5.4 推荐算法匹配——召回

14.5.5 个性化消息触达用户——触达频次

14.6 小结

第15章 个性化文案及个性化推送策略—— 提升下单转化率

15.1 需求背景

15.2 专业名词解释

15.3 分析思路

15.4 解决方案

15.4.1 基础服务搭建

15.4.2 功能层面唤回

15.4.3 个性化消息触达用户

15.5 本章涉及的算法逻辑

15.5.1 常购品类——用户经常购买的一级品类

15.5.2 常购品牌——用户经常购买的品牌

15.5.3 商品复购——用户对每个商品的复购周期

15.5.4 优惠券偏好

15.5.5 商品地域热销的计算逻辑

15.5.6 商品地域热度计算逻辑

15.5.7 协同过滤

15.6 小结

第16章 用户智能增长策略——基于 活跃和交易双目标实现用户分层管理

16.1 需求背景

16.2 专业名词解释

16.3 分析思路

16.4 解决方案

16.4.1 数据准备及预处理

16.4.2 分层管理——等级划分

16.4.3 用户分层运营策略

16.5 小结

第17章 用户智能增长策略—— 实现品牌用户1单到N单的转化

17.1 需求背景

17.2 专业名词解释

17.3 分析思路

17.4 解决方案

17.4.1 搜索场景

17.4.2 首页场景

17.4.3 用户强相关

17.4.4 搜索场景的品牌复购券排序逻辑

17.4.5 首页场景的优惠券排序逻辑

17.5 小结

第18章 数字化转型产品赋能线下商超

18.1 需求背景

18.2 专业名词解释

18.3 分析思路

18.4 解决方案

18.4.1 发现风险及机遇

18.4.2 市场定位

18.4.3 门店经营方案确定

18.4.4 基于门店周边用户画像进行智能选品

18.5 小结