演算法類產品的數據產品經理的成長之路（二）

2、抽樣：

上述方式的好處是，可以快速的得到結論，但是會損失一些精度和質量，因為用戶行為太多，看不過來，那麼，怎麼樣在快速的同時滿足質量更高的要求呢，就是，先抽樣，有針對性的抽樣。抽樣的步驟，對用戶行為的分類，是這個過程比較重要的。最開始的時候，會從各種維度，因為產品經理隨便想就是很多維度嘛，但是當做了一段時間後，就把抽樣的過程給固化了。

註：抽樣這個過程中最重要的是，把抽樣維度逐漸固化。這樣可以用20%的時間獲取80%的信息。

我們的抽樣步驟如下：

首先按用戶行為的次數來分，將搜索詞分為高頻和低頻，高頻詞能貢獻絕大部分最優結果和最高點擊率，新詞是高頻詞里需要特別注意的，因為新詞往往代表的是飆升詞，也就是新的用戶需求。

而低頻詞是非常需要注意的，最能衡量搜索引擎好壞的，因為量大，以酒仙網為例，2%和98%的原則，即2%的搜索詞，佔了98%的pv和點擊，98%的詞可以歸為低頻詞，背後就是大量的用戶，需求沒有被滿足的用戶。badcase基本上都是在這裡產生。低頻詞包括了大部分長尾詞、同義詞、問答詞，未召回詞，無結果詞，沒有點擊的詞，沒有成交的詞。

低頻詞的召回是件十分頭痛的事情，演算法很難取捨，因為這些都是非常長尾的需求，並沒有足夠多的用戶行為可以學習，所以如何給予相應的匹配，需要非常深入的學習和分析。

接下來一個維度，就是有無結果。無結果的，要挨個分析，有結果的，要按數據分析。所以下一步就是看數據，點擊率。

另外在分析的時候，我們還採用過其他維度，比如把點擊率為0 的搜索詞挨個看，又把點擊率從高到低的挨個看，按轉化率、結果數等等，正序、倒序看了很多遍。

3、流程圖

這是很有用的一個分析方式，我們曾經用於供應鏈分析，後來被我拿過來做搜索的分析：完全模擬用戶行為，把整個流程走一遍，所有的節點都走一遍，然後

按用戶行為來，把每一個步驟，詳細的列出來

• 用戶如何來到這個頁面/這個流程？
• 他都進行了哪些操作
• 都經過了哪些步驟
• 從哪個環節流失？
• 整體流程上，用戶最關心什麼？他的時間？更好的服務？更多的選擇？

可以看到在每個流程中，都可以拆分出無數細分的流程，那麼，每個節點，是否流失嚴重，需要先解決哪個的問題？

這個方法對於產品經理來說，是確定需求優先順序的方式之一，一般來說，在比較靠前的流程的，要先改，因為可以擴大進入產品的流量。

4、數據分析：

數據驅動業務增長。在數據層面發現問題，並推動策略/產品的迭代，一個產品經理連這點能力都沒有，那還混什麼。

基本的數據分析方式，趨勢、對比、細分，這些就不多講了。對於我來說，數據分析最大的作用就是確定方向，另外就是跟各種人論證時候用的。比如，我們分三個端，wap、app、和pc，當然，我們都知道app超過了pc，wap還差很遠，但是有一天，我們發現wap的演算法產品，是可以和pc相提並論的，那麼技術資源就要投入過去。比如某個功能，之前以為沒人用，結果看數據才發現，很多人都在用，那麼就要把優先順序提高。

我在工作的時候發現，這些思路雖然看起來非常簡單，但是具體碰到問題的時候，大家很多時候看看問題，都會拍腦袋，想出一個解決方案來。但是很少有人能夠真的靜下心來一條一條把原因寫下來。

產品經理的職業要求：系統性，思維的系統性非常重要。

整套開發流程包括：需求調研——解決方案——落地執行，到目前為止，需求調研這塊寫完了。

後面解決方案部分有空再更。

註：原酒仙網高級數據經理，現離職狀態，無收入，無工作，求打賞，求推薦工作。

可做數據產品諮詢和培訓。

知乎專欄： 數據產品的蝶變之路 - 知乎專欄

微信：