策略产品经理是怎么帮助男性找女友的?

不懂技术怎么做产品?15天在线学习,补齐产品经理必备技术知识,再也不被开发忽悠。了解一下>

产品经理这个岗位在这几年可谓大热。可对于“策略产品经理”,很多人都表示不懂了。毕业后进了一家大数据模型公司,我也是花了好一段时间,才慢慢理解模型、策略、大数据这类字眼,明白究竟是些什么内容,是玩什么、怎么玩的。在这里,我结合目前积累的不太多的工作经验,和大家做一个简易的分享。

本文中,我拿一个比较好玩的例子来讲解——以男性找女友为例,解析策略产品经理如何发挥他的特性与能力,实现这一目标。

策略产品经理和普通产品经理的日常工作,有什么区别呢?

如果说产品经理的核心工作是对用户痛点形成解决方案;那么策略产品经理的核心工作,就是结合数据分析对用户痛点形成定制化的解决方案。

为了满足男性找女友的需求,各个产品经理绞尽脑汁:

  • 普通PM做出一个产品:为男性用户推荐大量异性,让他在里面挑选。
  • 策略PM策划一个模型:输入某男性,对应输出符合该男子心目中女神条件的女性。

那么,针对策略PM,他的工作流程是什么样子的呢?

搭建模型的流程:

Step1:发现和提出问题

了解用户需求,从用户调研中得到定性的判断,再通过数据分析得到定量的论据。

定性判断

这位策略PM,约了大批哥们儿羞羞夜聊,经历了几天几夜的熄灯长谈,收集了大量信息,做出总结:男人在选择女人的时候,会看容貌、看身材、看性格、看家境、看学历、看薪资、看……

定量论据

通过不完全统计,90%的男性会将女人的脸作为70%的决策因素(这数据只是为了举例子瞎掰的哈),等等之类的。

Step2:拆解问题,制定解决方案

PM从业务中提出有助于模型识别的关键特征,也就是模型的变量。若涉及多个模型,需将这些特征结构化,根据不同业务目的将特征归类并形成不同的子模型。

策略PM说,好哒,接下来我们就开始提取变量吧。

形象:身高、体重、三维、罩杯、肤色、发色、脸型、瞳距、睫毛长度、嘴巴大小……

性格:

  • 手机社交app下载量
  • 参加社团/俱乐部数量
  • 微信好友数量
  • 近一个月外出聚餐次数
  • 近一个月蹦迪次数
  • 近一个月流泪次数
  • 近一个月发火次数
  • 最近大笑分贝峰值
  • ……

资产:

  • 工资水平
  • 近半年消费奢侈品次数
  • 近一年贷款总额度
  • 近一年贷款次数
  • 使用护肤品价位档次
  • 使用手提包价位档次
  • 近一个月消费餐厅人均价格
  • ……

Step3:跟进策略模型的开发落地

策略PM把以上这些需求信息梳理出来,接下来交给策略RD去进行模型构建。策略RD接过需求,对数据进行确认和理解,并做接下来的数据处理。

1)样本选取

选一定时间周期内的样本数据,做随机样本集,划分训练集、测试集、验证集。

为了让这个例子再简单点,我们假设全世界的女人只有A和B两种,且样本中的男人都只喜欢一种女人。

策略PM选取了一批真实数据样本,一共1W条,信息如下:

2)变量选取

结合业务形式来做选择,选出合适数量的描述性变量,并对变量做进一步衍生工作。

也就是前面策略PM已经选取的变量啦,结合本次业务需求,选出合适的变,比如身高、体重……

那么对应样本数据为:

3)数据处理

需对异常数据进行处理,包括缺失值、极端值等。

缺失值比如:1W条样本数据中,出现了部分“王五-(空)-43kg-……-A”的情况。

常见处理方法:直接删除;根据样本相似性填补;根据变量间相关性填补。

极端值比如:出现了“王六-168cm-9999kg-……-A”的明显偏离的数据。

常见处理方法:离群值监测等。

4)变量处理

对定性变量进行量化的处理。

比如性格情况,无法用数据表明,可以用0代表内向,1代表活泼等等。

常用处理方法:变量分箱、WOE分析,等等。

5)变量选择

用清洗后的数据,检查变量之间的相关性,以模型的IV作为变量筛选的依据。

IV:information value,衡量某一变量的信息量,用来表示一个变量的预测能力。

IV——预测能力

  • <0.03——无
  • 0.03~0.09——低
  • 0.1~0.29——中
  • 0.3~0.49——高
  • >=0.5——极高

Step4:制定评估方案,完成效果评估

最后,如果这是一个成型的模型,输入一位男人的名字,就能输出猜测其偏好的女性类型;如果这是一个成功的模型,输出的结果应该较为精准。

千千万万,至于如何做到为入参的男性更精准地推荐到心水的女神,正是对策略PM的产品设计能力、模型研发和技术水平的考验。

包括某些音乐APP给你推荐的歌曲、资讯APP推荐的文章等等,为什么有些APP简直神了,十次推荐中九次击中我芳心,正是策略模型的效果。

总结

什么是策略和模型?

策略是根据形势发展、基于数据分析而制定的解决方案。模型是对收集的数据集合经过统计分析后,总结出的数据规律关系。

我们为什么需要策略?

在产品的用户客群和应用场景较集中的时候,用功能性的思维能解决多数的问题。

但是,当用户数量增长到一定的规模,不同群体和不同场景之间交织,产生难以计数的诉求,单纯通过产品功能的思维是难以满足用户需求、或者说带来特别满意的用户体验的。

这时候,策略PM就该登场了,为不同特征客群的痛点,“量身定做”针对化的解决方案,打造更为舒适的用户体验。而当收集用户行为数据越多,模型判断准确性越高,用户对模型反应效果好的概率越高。

欢迎交流。若有说得不对的,你你比较好看:)给大佬倒橙汁。

 

作者:彭靖文

来源:https://mp.weixin.qq.com/s/rNpvEo8kuVyWjtlEEqZAKA

本文由 @彭靖文 授权发布于人人都是产品经理,未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

评论
欢迎留言讨论~!
  1. 然并卵的职位,就一个变量选取和算法,还专门搞个职位,小公司请不起,个人离开了大公司的平台,毫无竞争力,做不出来东西的。

    回复
  2. 数据获取感觉是整个数据分析中最难的一环。。。。另外,社交领域还要考虑双方匹配度,不能只考虑我喜欢,这样数据分析的难度是不是翻倍了

    回复
  3. 这看起来像是给机械学习技术人员配套的产品经理 :x

    回复
  4. 被选出的女神说不喜欢自己。(我跑题啦哈哈哈!!)

    回复
  5. 思路很酷喔,

    回复
  6. 从哪里能找到这么真实而且细节的数据?再说这些数据貌似也没啥用吧?

    回复
    1. :cool: 前一句切中数据分析数据难以获取的最大难点,后一句暴露数据分析太过主观性的弊病,大神大神

      回复
    2. 哈哈哈,扎心了

      回复