策略產品經理實踐指南AI時代的用戶增長與智慧運營
張秀軍
買這商品的人也買了...
-
AWS 解決方案架構師學習與備考 (第3版·SAA-C02)$588$559 -
系統架構設計簡明指南$390$371
相關主題
商品描述
隨著人工智能的發展，策略產品經理應運而生，並且策略產品經理的崗位需求量不斷增長，越來越多的 人希望通過圖書或者相關的培訓獲得專業的指導，並能夠藉此在求職、能力提升或者轉行時獲得優勢。
本書介紹了策略產品經理應知應會的知識，本著將業務訴求轉化成產品策略模型的理念，教讀者設計策 略模型使業務指標循序漸進地得以提升。此外，本書展示了豐富的案例和策略模型的構建過程，並提出了一 系列可行的解決方案。讀者在閱讀的過程中，可以瞭解策略理念，培養策略思維，運用策略方法論，快速提 升業務實踐能力。
本書面向數據策略產品經理或對數據策略產品感興趣的讀者，也適合在搜索、推薦、廣告、營銷、用戶 增長等業務領域工作的產品經理閱讀。此外，互聯網行業的市場人員、運營人員、數據分析師以及普通高校 的電腦或數據科學相關專業的師生也可以參考閱讀。
作者簡介
十余年互联网大厂从业经验，曾在京东、新浪微博等公司任职，对推荐算法、标签体系、智能营销、用户增长、数智化转型等有比较深入的研究。曾构建多个智能化产品顶层设计方案并实现项目落地，总结出一套基于“大数据 + 算法 + 策略”的产品方法论，并获得十余项个人发明专利。
目錄大綱
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沉睡用戶和流失用戶 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 沉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
