產品邏輯之美:打造復雜的產品系統
  • 推薦0
  • 收藏0
  • 瀏覽99

產品邏輯之美:打造復雜的產品系統

潘一鳴 (作者)  孫學瑛 (責任編輯)

  • 書  號:978-7-121-36546-1
  • 出版日期:2019-08-01
  • 頁  數:308
  • 開  本:16(170*240)
  • 出版狀態:上市銷售
  • 維護人:孫學瑛
互聯網已經深刻地改變了這個時代。為了更好地滿足用戶的需求,互聯網產品背后的系統邏輯也變得越來越復雜。為了跟上時代的腳步,每一個互聯網從業者都需要不斷升級自己的知識體系。
本書希望同時兼顧理論和實戰,使讀者既能深入理解理論知識,又能把理論知識用于實戰。所以在書中不僅包含了不同系統的最小知識量,也包含了大量的實際案例。第1部分是新時代產品經理進階需要掌握的基礎知識,包括信息架構、數據分析和機器學習。第2部分是關于用戶的知識,包括用戶運營和用戶中心。第3部分是復雜產品系統構建的知識,包括搜索系統、推薦系統、信息流系統和線下交易匹配系統。第4部分是關于產品工作的思考,介紹了作者對產品經理職業發展和產品方法論的一些思考。
隨著技術的發展,很多偏操作類的互聯網崗位已經在慢慢被取代,而這個趨勢還在繼續。相信在不久的將來,對于復雜產品系統的理解和應用的能力,將變成做出優秀產品決策的一項基本能力。在這樣一個新舊時代交替之時,希望本書中關于復雜產品系統的知識能夠幫到各位對此感興趣的讀者,尤其是產品經理、運營人員及項目經理。
新時代產品經理的知識清單:信息架構\數據分析\機器學習\用戶運營\用戶中心\搜索系統\推薦系統\信息流系統\線下交易匹配系統\職業發展\產品方法論,請查收!
潘一鳴,畢業于清華大學,知乎專欄“產品邏輯之美”作者,并開有同名微信公眾號,一直擔任產品經理,先后在多家互聯網公司就職,在工作期間多次負責復雜系統的構建,從0到1地搭建了推薦系統、出行分單系統,對于策略、算法在產品中的應用有很深的沉淀。
本書的時代
書是時代的產物。每本書的作者都在用自己獨特的視角觀察和記錄自己所生活的時代,本書也不例外。這個時代正在被互聯網快速而深刻地改變著。
得益于移動互聯網技術的發展,人們可以隨時隨地通過互聯網的連接進行社交溝通、商品購買、內容獲取、游戲娛樂等操作,出現了越來越多連接線下場景的產品:互聯網連接商戶,有了美團和大眾點評;互聯網連接餐廳,有了餓了么和美團外賣;互聯網連接司機,有了滴滴出行。互聯網在這些線下領域的應用,方便了人們的生活,創造了更多的用戶價值。
得益于大數據技術和推薦算法的發展,如資訊、短視頻等用算法分發和匹配內容的產品,已經成為內容領域競爭的焦點。產品的各個環節也會依賴數據和算法進行優化,從而取得競爭優勢。
本書的背景
互聯網的快速發展也吸引了越來越多的從業者,包括我,作為一個用戶,能生活在這個被互聯網快速改變的時代,是一種幸運;作為一個從業者,互聯網行業不僅僅意味著機遇和紅利,也意味著前所未有的挑戰。在產品快速迭代更新的大背景下,互聯網從業者也需要快速升級能力,尤其是在產品發展中起到決定性作用的人更應如此。這些起決定性作用的產品決策者的職位并不僅局限于產品經理,產品決策者的職位還可能是高管、運營、設計、技術、銷售。無論產品決策者的職位是什么,他們在產品發展過程中都起到了產品經理的作用。隨著時代的變遷,產品經理不斷面臨新的挑戰。
在“寶潔時代”,產品經理需要懂產品定位和營銷,以保證產品上市后有銷量。在互聯網早期,產品經理需要懂項目管理和基礎技術知識,產品只要能做出來,就有一定的市場。隨著互聯網行業的發展,用戶研究、交互設計、數據統計等知識被不斷加入產品經理的技能列表。產品經理作為一個職業所需要的知識和技能不斷增加,然而,每一產品經理個體負責的內容卻越來越細化,這一崗位開始細分出前端產品、后端產品、后臺產品、策略產品等,每個崗位負責的內容都非常有限。一方面是產品技能的擴大,另一方面是產品職責的細化,這個看似矛盾的現象,和產品經理這個職業的特點是分不開的。
產品經理的成長依賴的條件比較苛刻,不僅需要合適的環境,也需要個人的天賦和努力。產品經理關乎決策,只有真正參與到產品決策中,才能夠獲得成長,而這樣的機會往往是非常稀有的。大公司不可能給新人太多決策的機會,而小公司的決策往往因為規模太小而無法獲得有效的決策結果反饋,所以大部分產品經理缺少合適的環境。并且,即使在合適的環境中,很多人也因為學習能力差,不懂得總結反思,難以成長為非常優秀的產品經理。
因為缺乏優秀的產品經理,產品的各個模塊就不可能都由優秀的產品經理負責,所以企業最穩妥的做法就是設計更復雜的組織結構,讓每一項工作只需要用到一部分知識和技能,即使一般的產品經理也能勝任,從而保證公司能夠正常運作。但是,這樣的組織結構就會導致這些分拆的工作更難培養出優秀的產品經理。實際上,大多數大公司都采用了這樣的組織結構。
大公司的產品經理是很多管理者眼中優秀的產品經理,于是這些產品經理在行業中就很有市場。一方面其他公司會效仿大公司的模式,建立越來越細的產品分工;另一方面,隨著大公司的產品經理進一步在市場上流通,他們本身也會傳遞這種細致的產品經理分工模式。于是一個現象出現了:只懂得一部分知識的產品經理越來越多,使用這樣碎片化的產品組織結構的公司也越來越多。雖然產品經理這個職業本該需要越來越多的技能和知識,但是大多數產品經理在個體工作中用到的知識和技能卻很局限。
那么,在互聯網產品經理崗位走向細分的現在,我們真的還需要具有綜合知識和技能的產品經理嗎?答案是肯定的。這不僅僅是個人職業發展的需要,也是互聯網產品發展的需要。
說到個人職業發展的需要,這里講一個故事。宋人羅大經在《鶴林玉露·縷蔥絲》中寫了一個故事。
“有士夫于京師買一妾,自言是蔡太師府包子廚中人。一日,令其作包子,辭以不能。詰之曰:‘包子廚中人,何為不能作包子?’對曰:‘妾乃包子廚中縷蔥絲者也。’”
這個例子在當下的互聯網行業中每天都在發生。很多優秀的校招生在畢業之后進入大公司的兩三年里,都只負責一小塊業務的迭代,慢慢地就變成了“縷蔥絲的小妾”,在搜索部門不懂搜索系統的基本原理,在推薦部門不懂推薦系統的構建方法。一些中小公司招聘這些有著大公司背景的人,希望為他們的公司“做包子”,結果發現他們只會“縷蔥絲”。對于每一個個體而言,如果只滿足成為一個細分領域的產品經理,那么一旦脫離了自己所在的組織,就可能無法勝任新的工作。產品經理需要綜合全面的知識和技能來適應互聯網行業的快速變化。
本書的內容
產品經理找到適合自己成長的工作機會變得越來越難,相對換工作而言,通過閱讀提升自己的知識和技能是一種更普遍實用的方式。比較可惜的是,每當我需要提高自己的職業技能時,總會發現市面上大部分以產品經理為目標讀者的書籍,翻來覆去是入門級的概念和案例。2011年出版的《啟示錄:打造用戶喜愛的產品》,即使在今天,依舊比大部分與產品經理相關的圖書更優秀。互聯網已經深刻地改變了這個時代,產品經理這個職位早就今非昔比,卻少有對應的書籍對新的知識進行總結。
我在這幾年的職業變動中通過閱讀快速學習和掌握包括設計、算法、技術、數學、數據分析、運營、營銷、架構、心理學等方面的知識。這些知識一方面豐富了我的知識體系,另一方面也確實在實際工作中發揮了比較大的作用。2016年年底,我開始在知乎寫專欄——“產品邏輯之美”,對自己掌握的新知識進行總結。這個專欄沒有介紹基本的概念,也沒有介紹關于界面和交互的內容,而是討論更深層次的產品系統邏輯。專欄獲得了讀者的認可,也開始慢慢收到一些編輯老師出書的邀請。剛開始因為工作比較緊張,所以沒有接受這些邀請。2017年6月,我負責的個性化推薦系統上線,有了一些業余時間,于是接受了電子工業出版社孫學瑛老師的邀請,開始籌備此書的出版。
除了專欄的積淀,促使我寫本書的另一個原因是受到了明代宋應星所著的《天工開物》的啟發。400年前,《天工開物》以科學的視角詳細地介紹了中國古代工農業生產的各種技術,將勞動者口耳相傳的技藝進行了總結和說明。在《天工開物》的序言中寫有這樣一段話。
“乃棗梨之花未賞,而臆度楚萍;釜之范鮮經,而侈談莒鼎。畫工好圖鬼魅而惡犬馬,即鄭僑、晉華,豈足為烈哉?”
翻譯為
“但是有的人連交梨、火棗都沒有看過,就想揣度楚王得萍的吉兇;連釜的模樣都沒有見過,就想大談莒鼎的真假。畫圖的人喜歡畫未曾見過的鬼魅,而討厭畫實有其物的犬馬,那么就算是鄭國的子產、晉朝的張華,又有什么值得稱美的呢?”
這和目前的互聯網行業有幾分相似。當共享單車興起的時候,很多人大談共享經濟的商業模式,卻不理解共享單車應該如何調度來提升行業效率。當AlphaGo戰勝人類頂級棋手柯潔的時候,很多人大談人工智能將如何深刻地改變世界,卻不了解基礎的算法原理。熱點和風口成了行業討論的焦點,但在“如何構建復雜的產品系統”這個問題上,卻鮮有人提及。
《天工開物》共分18章節,每個章節詳細地介紹一個類目的工農業技術,比如《天工開物·乃服》篇就詳細介紹了如何養蠶、紡紗、織布成衣。看《天工開物》的時候,我既感慨于中國古代工匠的偉大成就,也對這位將這些內容匯總成百科全書的科學家肅然起敬。《天工開物》對我自己寫書也有很強的啟發和鼓舞的作用,我希望本書像《天工開物》之于工農業技術那樣,能夠比較全面地總結復雜產品系統的知識和案例。
本書共分為四個部分,11個章節。
第1部分是新時代產品經理進階需要掌握的基礎知識,包含3章:信息架構、數據分析和機器學習。這些技術決定了產品的成敗,也是本書后續內容的基礎。
第2部分是關于用戶的知識,包含2章:用戶運營和用戶中心。這兩章主要討論了產品如何對待用戶,這也是當前產品領域的重要課題。
第3部分是復雜產品系統構建的知識,包含4章:搜索系統、推薦系統、信息流系統和線下交易匹配系統。這是當前最復雜、最具有挑戰性的產品領域,這四章既會介紹這些領域的基本原理,也會介紹在實際搭建這些系統時可能遇到的問題及解決方案。
第4部分是關于產品工作的一些思考,包含2章:產品邏輯之美和未來的產品經理。這兩章主要介紹我對產品經理職業發展和產品方法論的思考。
希望讀者能通過這些內容,比較全面地理解復雜產品系統的邏輯,能夠掌握產品經理進階的知識和技能,在后續產品實踐中做出更好的決策。
本書的讀者
當我在想象本書讀者的時候,看到了很多人:
在職業發展中遇到瓶頸的產品經理,希望能夠系統性地掌握產品經理進階的知識。
算法工程師,希望能夠構造出更符合業務需求的產品系統。
產品的實際決策者,希望理解新的技術,從而做出更好的產品決策。
對于互聯網新興技術有興趣的人,希望理解這個時代這些新興產品背后的邏輯。
本書描述的產品經理是一個職能,而不是一個職業,是產品決策者。每個互聯網從業者都可能分擔一部分產品的決策和職能。本書適用每一個擔任產品經理職能的互聯網從業者。
當然,因為本書涉及產品的很多底層邏輯,所以會有一定的閱讀門檻。目前大量的產品都由數據和算法所驅動,本書為了介紹這些系統的原理,不可避免地涉及一些數學公式。想要完整讀完本書的讀者,需要有一定的數學基礎。不過,這些關于數學和算法的部分相對比較獨立,數學基礎比較薄弱的讀者也可以略過。除此之外,本書會涉及很多專有的行業名詞,對部分名詞做了解釋,但是因為本書涉及的領域較多,專業名詞難以盡數解釋,所以讀者如果在本書中遇到一些沒有解釋的陌生概念,可以使用搜索引擎查詢。
隨著技術的發展,很多偏操作類的互聯網崗位已經被慢慢取代,而這個趨勢還在繼續。相信在不久的將來,對于復雜產品系統的理解和應用的能力,將成為做出優秀產品決策的一項基本能力。在這樣一個新舊時代交替之時,希望書中關于復雜產品系統的知識能夠幫到各位讀者,也希望本書可以為下一個新時代拋磚引玉。
雖然本書在出版之前經過了多次校對,但畢竟作者資歷淺薄、水平有限、時間倉促,本書難免出現錯漏之處。如有錯誤,敬請讀者多多批評和指正。
致謝
本書的寫作持續了兩年的時間。期間,我提交了三次稿件,包括一次內容重構、兩次修訂校對。寫作的過程是漫長而痛苦的,但是完成這本書的感覺很棒。將自己的工作經歷和知識體系總結出來,是一件非常有收獲的事情。
在此,我要感謝我的未婚妻念念,她是我的第一個讀者,也幫助我完成了交稿前最后一次修訂校對。
感謝在職業生涯中遇到的每一位同事,在和他們合作的過程中,我積累了多樣化的產品經驗,并構建了自己的產品知識體系。
感謝在職場中遇到的前輩們,在他們的指導下,我做出的職業選擇一直是正確的。
感謝在第一次完稿時試讀的讀者們,他們的建議對最終這本書產生了重大的影響。
感謝《產品邏輯之美》的專欄讀者們,是他們長期以來的支持,讓我堅持寫作,并最終寫完了這本書。
本書仍將持續迭代,如果您有疑問或者建議,歡迎掃描下方二維碼聯系我。

目錄

第1部分 基 礎
第1章 信息架構 2
1.1 信息架構到底是什么 2
1.2 信息架構設計的基本問題 4
1.2.1 你的用戶是誰 4
1.2.2 你的內容是什么樣的 5
1.2.3 你的產品應用場景是什么 6
1.3 如何設計好信息架構 6
1.3.1 選擇合理的解決方案 7
1.3.2 符合一般用戶認知 8
1.3.3 可視化的方案 8
1.3.4 以人為中心的設計 9
1.3.5 系統容錯設計 10
1.3.6 合理的信息反饋 11
1.3.7 系統的可擴展性 12
1.3.8 關于設計準則的準則 15
1.4 分類系統:建立內容的圖書館 15
1.4.1 分類系統的挑戰 16
1.4.2 多級分類 17
1.4.3 分類的維度 18
1.5 導航系統:永遠別讓用戶迷路 21
1.5.1 導航的系統性 21
1.5.2 傳統導航分類 23
1.5.3 移動端的導航設計 24
1.6 標簽系統:將數據格式化 27
1.6.1 標簽的來源 28
1.6.2 系統標簽的設計原則 29
1.6.3 標簽系統的作用 30
1.7 本章小結 31
■ 案例分享 31
第2章 數據分析 36
2.1 數據驅動的實施步驟 36
2.2 從埋點到指標 40
2.2.1 數據埋點的采集 41
2.2.2 數據埋點的評估 44
2.2.3 選擇指標的準則 46
2.3 數據分析的核心方法 48
2.3.1 可信度分析 48
2.3.2 趨勢分析 49
2.3.3 數據細分 50
2.3.4 數據對比 51
2.3.5 轉化漏斗 52
2.3.6 集群分析 54
2.3.7 數據預估 54
2.3.8 綜合分析 55
2.4 歸因:從數據到認知 55
2.4.1 相關性和因果性 56
2.4.2 歸因的類型 57
2.4.3 微觀歸因方法 58
2.5 數據分析報告 59
2.5.1 數據報告構成 59
2.5.2 數據報告說明 60
2.6 本章小結 62
第3章 機器學習 63
3.1 什么是機器學習 64
3.1.1 機器學習與學習 64
3.1.2 機器學習系統的構成 65
3.1.3 機器學習的優勢 69
3.1.4 機器學習的挑戰 71
3.2 特征工程:算法的基石 72
3.2.1 數據提取 72
3.2.2 數據預處理 73
3.2.3 特征選擇 77
3.2.4 特征降維 78
3.2.5 其他特征工程 79
3.3 常用機器學習算法 80
3.3.1 線性回歸 80
3.3.2 邏輯回歸 82
3.3.3 C4.5決策樹算法 83
3.3.4 K-means算法 85
3.3.5 樸素貝葉斯 86
3.3.6 人工神經網絡 88
3.3.7 模型融合 89
3.4 機器學習算法的應用 90
3.5 人與算法 94
3.5.1 算法可以成為產品的核心競爭力 94
3.5.2 算法需要被更多人理解 95
3.5.3 算法系統需要和人更好地結合 96
3.6 本章小結 97
第2部分 用 戶
第4章 用戶運營 100
4.1 用戶價值衡量 100
4.1.1 衡量指標的選取 100
4.1.2 凈推薦值 102
4.2 用戶篩選 104
4.2.1 人工規則 104
4.2.2 RFM模型 105
4.2.3 算法篩選 107
4.3 用戶留存 108
4.3.1 創造用戶價值 108
4.3.2 定期舉辦運營活動 110
4.3.3 自動化留存 111
4.4 用戶召回 112
4.4.1 常規召回 113
4.4.2 廣告召回 113
4.4.3 營銷召回 114
4.5 用戶變現 115
4.5.1 會員 116
4.5.2 廣告 117
4.5.3 電商 118
4.5.4 游戲 120
4.6 本章小結 120
■ 案例分享 121

第5章 用戶中心 124
5.1 需求的劃分 124
5.2 注冊登錄 126
5.2.1 手機號與驗證碼 126
5.2.2 注冊登錄策略 128
5.2.3 注冊登錄流程的案例 130
5.3 會員體系 132
5.3.1 會員的核心價值 132
5.3.2 會員體系的設計方法 133
5.3.3 向傳統服務行業學習 138
5.4 客服系統 139
5.4.1 客服系統組成 139
5.4.2 核心指標:CPO 143
5.4.3 從客服到產品 144
5.5 本章小結 144
■ 案例分享 145
第3部分 系 統
第6章 搜索系統 150
6.1 搜索系統的原理 150
6.1.1 搜索系統如何存儲數據 150
6.1.2 如何處理用戶輸入的搜索文本 153
6.1.3 對內容進行篩選 155
6.1.4 對結果進行排序 155
6.2 搜索交互功能 158
6.3 搜索系統的評估 165
6.3.1 客觀指標 166
6.3.2 人工評估指標 167
6.4 優化搜索系統 169
6.4.1 數據系統 170
6.4.2 A/B測試 171
6.4.3 搜索運營后臺 172
6.4.4 基礎數據規范 172
6.4.5 逐個評估、抓大放小 172
6.5 本章小結 173
■ 案例分享 173
第7章 推薦系統 178
7.1 推薦系統的基本介紹 179
7.1.1 推薦系統的應用場景 179
7.1.2 目標和數據 181
7.1.3 從一張表格說起 183
7.2 從內容推薦到協同過濾 183
7.2.1 基于內容的推薦 184
7.2.2 協同過濾與相似度 185
7.2.3 基于內容的協同過濾 188
7.2.4 基于用戶的協同過濾 189
7.2.5 基于標簽的推薦 190
7.3 隱語義模型 192
7.3.1 隱語義模型的思想 193
7.3.2 隱語義模型的原理 194
7.3.3 隱語義模型的應用 198
7.4 推薦算法的評估 199
7.4.1 離線評估 199
7.4.2 離線評估A/B測試 203
7.4.3 線上A/B測試 204

7.5 推薦系統項目實踐 205
7.5.1 要解決產品的哪些問題 206
7.5.2 怎樣合理地規劃技術路徑 206
7.5.3 推薦系統的策略細節 207
7.6 本章小結 213
■ 案例分享 214
第8章 信息流系統 217
8.1 信息流的設計思路 218
8.1.1 信息優先級 218
8.1.2 信息加工策略 219
8.1.3 信息流更新機制 222
8.2 規則類信息流設計 223
8.2.1 時間衰減法 224
8.2.2 對數衰減法 225
8.2.3 評價排序法 227
8.2.4 概率加權法 228
8.3 個性化信息流設計 230
8.3.1 從規則算法到機器學習 230
8.3.2 用戶冷啟動 232
8.3.3 及時反饋 232
8.3.4 內容冷啟動 233
8.4 信息流的商業模式 234
8.5 信息流的挑戰 235
8.6 本章小結 237
■ 案例分享 238
第9章 線下交易匹配系統 242
9.1 線下交易的特點 242
9.1.1 資源排他性 243
9.1.2 時空不匹配 243
9.1.3 系統公平性 244
9.1.4 系統開放性 245
9.1.5 服務敏感性 246
9.2 時空價值模型 246
9.2.1 時空價值模型的定義 247
9.2.2 時空理想劃分 247
9.2.3 時空聚類方法 248
9.2.4 仿真模型構建 249
9.3 時空價值 250
9.3.1 時空需求預估 251
9.3.2 基于轉移概率的時空價值預估 252
9.3.3 基于鄰域的時空價值預估 253
9.4 服務匹配方法 254
9.4.1 匹配度的構建 254
9.4.2 二分圖匹配 255
9.5 線下交易運營 256
9.5.1 用戶側運營 257
9.5.2 服務側激勵 257
9.5.3 動態調價 258
9.5.4 預期可視化 258
9.5.5 高價值用戶保護 259
9.6 線下交易的挑戰 259
9.6.1 押金模式的困境 259
9.6.2 社會和政策的影響 260
9.6.3 供需時空分布不均 261
9.6.4 無法兼顧效率和業務目標 262
9.6.5 數據挖掘和算法創新 262
9.7 本章小結 263
■ 案例分享 263
第4部分 職 業
第10章 產品邏輯之美 268
10.1 人是不完美的系統 269
10.1.1 非理性的決策 269
10.1.2 有立場的決策 270
10.1.3 信息不完全的決策 272
10.2 產品經理的邏輯 273
10.2.1 什么是產品經理的邏輯 273
10.2.2 怎么評估產品經理的邏輯 274
10.2.3 怎么提高產品經理的邏輯 274
10.3 我的思維框架 275
10.4 人是終極算法 277
第11章 未來的產品經理 280
11.1 產品經理的歷史 280
11.2 產品經理的現在 281
11.2.1 焦慮的產品經理 281
11.2.2 產品經理的晉升 283
11.3 產品經理的未來 284
11.3.1 對新鮮事物保持好奇 285
11.3.2 對社會和人保持好奇心 286
11.4 為未來而準備 287

讀者評論

下載資源

0k000澳客网竞彩