编辑导读：随着互联网行业的发展，市场对产品经理的细分越来越多，策略产品经理就是其中一个细分项。策略产品经理是什么呢？需要具备哪些能力呢？本文作者梳理了策略产品经理的定义和能力模型，与你分享。

　　在讲策略产品经理之前，先得明确什么是策略产品。在之前的文章中或多或少提到了很多关于策略产品的定义，这里重点结合策略产品经理会涉及到的工作，重新梳理一下广义上的、完整的策略产品需要具备哪些能力。

　　1）基础产品：地基、基础户型结构、钢筋水泥涂料，可交付的简装房。执行类的基础产品是策略落地的抓手，如推荐与导购展现、智能定价与优惠生效的关系。脱离了基础执行产品，策略无法形成闭环，只能局限于数据分析和建议的范畴，还留有最后一公里。

　　2）算法策略：智能家居的内核科技，需嵌入到智能家居的产品中，才能发挥更大价值。对于策略产品经理而言，需要深入了解算法的逻辑，具体可见下文的策略产品经理能力模型。

　　3）策略产品：智能家居，将算法策略封装为一个完整的产品，提供给用户使用。作为使用者，不用特别关心算法模型的逻辑，只需要知道能满足什么需求，输入和输出是什么即可，比如对于电饭锅，我输入了预约煮饭的时间，那么我知道在指定的时间它会自动加热，在明天早上一起床的时候，我就能吃上热腾腾的粥了。

　　4）解决方案：

　　将智能家居装载到房屋里的装修方案。智能家居产品有了，接下来需要做的就是把家居安装好。对于冰箱洗衣机这种简单的家居，插电即用，将策略产品和基础产品对接即可，例如像推荐和派单一类AI主导的策略，直接接入app应用就行。而对于中央空调和暖气等家居，必须深度嵌入到整个房屋结构中，所以需要考虑完整的装修方案，比如像自动补货、智能定价等策略，需要和现有基础产品的人工流程融合，考虑优先级及协同关系。集合智能家居能力，实现物物互联的精装智慧家。安装好家居之后，更深入一步，需要进行不同智能家居之间的互通，比如，今天称体重发现超标了，那在开冰箱拿肥宅快乐水的时候，会响起警告，并且冰箱根据体脂情况和冰箱可用空间自动生成了一份健康饮食采购清单，一键确认后即可下单送货上门。单点最优并不能保证全局最优，因此需要将各模块的策略和产品结合起来，以达成最终的全局目标，需要在不同策略、不同策略产品和基础产品间穿针引线，编织出一张解决方案的大网。5）外部协同：和其他房屋联通的门、楼道、水管。在和其他领域的产品进行协同时，需要针对上述已有的产品能力进行清晰定义，明确可以输出的结果及输出方式。

　　了解了策略产品的能力定义之后，再来看一下构建一套策略产品的流程，以及在整个过程中策略产品经理所扮演的角色。

　　1）理解商业模式，了解业务战略及策略（策略产品经理）

　　任何的策略只不过是一种或一系列的手段，最终都应该服务于目标。策略往往需要一段时间的打磨，而即便对于目标，可能也并不一定是清晰且固定不变的。在现实的商业世界中，往往需要同时考虑多方因素，同时兼顾多个目标，我既想要赚钱，又想要消费者满意，同时还想要所有合作商笑着买账，谈何容易。

　　因此，如何理解业务，如何协同业务确定目标的重要程度和优先级，如何进行目标的拆分，梳理业务的策略打法，就是策略产品经理所要做的第一件事。相关内容可以参考我之前的文章如何用咨询公司的“套路”构建策略?（一）

　　2）基于业务了解，确定冷启动切入点（策略产品经理）

　　在明确了业务的模式、目标和业务策略之后，接下来需要确定第一步往哪儿落脚。任何数据智能的应用或改动都会面临或多或少的质疑，因此步子不能迈太大，应该大胆假设，小心求证。针对第一步拆分的目标，确定先基于哪个场景的目标构建策略，以及应该选择哪类商品或人群进行测试验证。一般情况下，当然是先挑软柿子，也就是好做的做，基于相对简单的场景进行策略构建和完善，并逐步建立起信任。

　　3）梳理底层数据，确定关键数据指标（数据产品经理）

　　在挑柿子的时候，我们很可能会发现，根本没有长得好的柿子，因为连树根都不扎实，而且盘根错节。这个时候我们就要扮演数据产品经理的角色了，顺瓜摸藤，以目标为导向来梳理所需的全部数据，针对数据进行补全、清洗、归类。在数据已结构化且完整的情况下，初期可能还需要用已有数据进行分析测算，来判断是否有优化的空间，机会大不大。最后，我们还要确定和目标相关的数据考核指标，并且和业务达成一致。

　　4）将业务策略转化为算法策略（策略产品经理）

　　目标确定，业务策略确定，数据也准备就绪，那么接下来就需要我们扮演“翻译”的角色，将业务建模转化为算法建模。算法的基本构成包括目标、约束、模型、评估，针对模型的部分我们知道原理即可，但对于其他三个部分需要策略产品经理深度参与，以保证算法的结果符合业务的预期。（针对这部分内容也可参考如何用咨询公司的“套路”构建策略?（二））

　　目标：算法的优化方向，也即目标函数。传统的KPI指标其实也可以转换为一个目标函数来表达，比如电商平台采购小二KPI的目标函数为：Max(GMV指数*0.6+毛利指数*0.3+库存周转指数*0.1)，这里的指数都是归一化的得分。约束：算法优化结果一般都不是绝对意义上的最优，而是寻找在一定的限制和约束范围下的最优解，这里的约束就是现实世界条条框框的映射，反应了对其他利益相关者或其他相关因素的考量。此外，还有一类约束是用人对实际情况的判断来作为算法模型的补充，比如电脑处理器i9价格高于i5，这类信息可以作为前置约束条件，避免算法结果不符合预期。模型：机器学习模型，学习和了解一下算法原理还是非常有趣的，很多算法模型其实都有通用的思想，比如探索与利用，就是利用计算机的算力随机做很多种尝试，然后挑出结果不错的再做微调优化，直到结果收敛，提升效果不明显为止。再比如控制变量法，通过算法模拟出变量之前的关系，然后控制其他变量不动，来看每个变量对于结果的影响。评估：效果评估往往是最为困难的一步，因为实际的业务结果变化可能不是单一因素造成的，在一个环节上“动动手脚”，没法直接判断对结果带来的影响，所以需要我们又当选手，又当裁判，自己给自己找到合理的评估手段。这一步需要策略产品经理深度参与，与算法和业务同学探讨，找到一种甚至多种效果的评估方法，做到尽量精确合理同时又可解释。5）推动测试验证及推广进度（项目PM）

　　测试验证可能是一个较为漫长的，否定之否定的过程，没有完美的策略，只有基于目标细化和现实条件完善达成的相对较优的策略，在变化中寻找动态平衡。在这个过程中，需要策略产品经理组织产研、算法和业务团队定期沟通对焦，针对bad case商讨解决方案，明确责任人，并且适时鼓动业务扩大试点范围，阶段性地进行复盘和PR，提高影响力，吸引更多资源。

　　6）抽象为产品，保证可用性、易用性、可扩展性（功能型产品经理）

　　当策略较为成熟，效果较为稳定后，就需要给算法套上产品的外壳，插上电，让它自动运转，进一步带来规模化的效应。算法白盒化一直都是个艰难的命题，特别是对于像零售+AI一类的策略。它的矛盾在于一方面需要将算法掰开揉碎，让用户可以输入更多的业务想法，清楚结果产出的逻辑，明白效果的评估口径。但如果拆得过细，产品实现会变得复杂，理解成本变高，导致没有多少人使用。

　　具体怎么做取决于具体的业务场景，以及前期和业务的合作机制，对于能够按一定逻辑自运转的，就尽量减少用户的参与，如果出现bad case，那就直接在策略层面进行优化，但这需要与业务之间建立足够的信任。如果是依赖很多商业意志输入的，就需要不断和业务打磨出一套标准的协同流程，然后将这个流程和输入配置产品化，对于这类产品，免不了较长时间的培训和运营，但也只是初期的投入多一些，经过教育和引导之后，你会发现大家玩的得心应手，人人都是调参师。

　　7）逐步叠加策略，并进行策略协同方案设计（策略产品经理）

　　一个策略产品的构建流程基本就是以上6点，但如前面所说，当策略产品的能力逐渐丰富起来之后，我们需要进行广度和深度的延伸，新增的策略以及产品模块与之前的策略和产品间需要进行叠加融合，这样才能构建更为合理的解决方案，帮助业务达成目标。

　　聊完了策略产品的能力定义和构建流程，基本可以了解策略产品经理到底在做些什么了。最后我们针对策略产品经理的能力模型进行一下概括梳理。

　　业务目标是什么，为什么定这个目标，实现这个目标需要什么样的策略，我们能做什么，先做什么，怎么做？实际商业场景需要做多目标权衡，要明确目标的优先级，针对具体执行策略，需要去定义如何做是更为合理的。

　　业务策略和需求往往不明确，策略产品经理需要基于领域的专业性给业务提供经验输入，帮助业务梳理清楚业务策略、运营计划。此外，有策略地去落策略，找到合适的切入点，先取得结果，证明价值并建立信任，并且始终与业务保持良好的合作关系，保持密切沟通，这需要策略产品经理具备一定的人际技能。

　　单策略构建及优化：结合业务的目标和策略构建并优化算法策略。理解算法模型基本原理，知道在什么场景下适用，是否可优化可拓展，需要什么样的输入。结合业务目标及策略，协助算法构建并持续优化算法模型。多策略协同：单点最优不一定带来全局最优，针对多策略，不仅仅是简单的1*n，而是笛卡尔积，需要梳理策略协同逻辑，保障能实现全局目标。对于策略产品经理对算法技术了解程度的要求，其实和功能型产品经理对研发了解程度的要求相似，只不过，策略产品经理既是算法的产品经理，又是研发的产品经理。

　　针对业务场景和线下验证的策略进行抽象，哪些策略参数需要业务输入，输入后如何给到算法，算法结果如何给到业务，业务如何进行干预调整，调整后预估结果如何？

　　运用算法和研发能力，进行完整解决方案梳理，构建完整方法论，协同多方资源实现策略高效落地，同时保证可扩展性，针对未来可能出现的新需求，可快速迭代支撑。

　　概念技能，应该是作为产品经理最基本且核心的能力，通过归纳抽象，沉淀产品能力，再演绎实施，还原到真实的场景，应用到各个业务中去。

　　策略产品经理的概念其实还没有非常普及，在搜索推荐、路线规划和派单分发等以算法为主导的领域，算法策略能力已经有较长时间的积淀了，对于策略产品经理也有了一定的认知度，但在很多传统模式+AI的新领域，可能还没有这样的独立岗位，而是功能型产品经理和算法各司其职，一起合作推动项目进行。

　　从长远来看，产业互联网+消费互联网是未来互联网行业发展的一大主旋律，如何更好实现B端和C端联动，前台和后台联动，如何运用算法的技术能力，实现更为合理的运筹决策，实现效率和效果的提升，还有着很大的挖掘空间，希望有更多人加入这一行业，一起携手跨入智能时代。

　　作者：Mr.墨叽，公众号：墨叽说数据产品

　　本文由 @Mr.墨叽 原创发布于人人都是产品经理。未经许可，禁止转载

　　题图来自Unsplash，基于CC0协议

　　上一篇帖子分享了什么是策略和策略怎么应用在业务中，这一篇我们分享什么是策略产品经理。

　　随着互联网行业的发展，市场对产品经理的细分越来越多，例如：用户产品经理、增长产品经理、策略产品经理、商业产品经理、语音产品经理、AI产品经理、CRM产品经理等等。大家不难发现，这些划分的方式虽然看起来很细，但是并不在一个维度上。

　　上一篇我们说，策略就是一种实现目标，解决问题的手段。和其它产品功能一样，都是服务于业务的一个功能点。而差别在于策略功能的用户需求和影响条件复杂多变，无法通过一个功能点就满足各类用户的各类需求。

　　因此今天我们从功能设计产出的角度，划分为功能产品经理和策略产品经理两类，依据产品工作流程，分享策略产品经理的工作特点。

　　无论是功能产品经理还是策略产品经理，终归都是产品经理，因此工作内容离不开需求挖掘和分析、功能设计+文档编写、开发跟进和验收、上线数据分析和需求回归这四件事。

　　功能产品经理，多对一类用户群进行深入的理解和分析，挖掘这一类人的共同需求，针对这一类人的共性需求制定解决方案。

　　策略产品经理，多针对某一功能，满足不同用户在不同场景下的精细化需求。需要PM宏观的分析每一类人在某些场景下可能存在的不同诉求，并分析不同人群的规模和需求强度，决定产品要满足到什么广度和强度。

　　举例说明：

　　产品经理发现很多用户在看完一个视频后，因为找不到其他喜欢的视频而退出网站。所以所以产品经理设计了相关视频推荐功能。功能上线之后，发现用户点击率很低，用户调研后得到的反馈是，用户觉得推荐的内容和自己没什么关系，不是自己感兴趣的。产品现状是，用户量和视频量巨大，无法通过某个特定的视频提取规则，满足各类用户的需求。此时，策略产品经理就出现了，设计了一个综合考虑用户画像、内容属性、历史观看记录、热点舆情、地理自然环境等因素于一身的，基于用户行为分析、内容关系分析、用户内容关系分析等策略的个性化推荐系统。以满足不同用户在相关推荐中看到自己感兴趣的视频的需求。总结下就是：基本上前者满足新需求，填补产品空白；后者满足更深入的需求，让功能更智能、更精准、更高效。

　　从上一例子可以看出：功能产品经理通常是针对某类用户在同一场景的相同需求，从功能设计入手，以优化功能流程，前端交互效果等方式解决问题。

　　而策略产品经理，通常是针对不同用户，在不同场景下的个性需求。策略PM需要考虑与这些需求的影响因素，通过搭建各类因素间的逻辑关系解决问题。

　　举例说明：解决滴滴用户下单后等待司机接单时间过长的问题。

　　功能产品的解决方案是：在前端添加预估等待时长、用户当前排队序列、周围空车数，推荐拼车等功能。策略产品的解决方案是：优化订单和司机的匹配策略，让系统更快为用户找到合适的司机，对于这个逻辑后台不但要搜索附近的空车，还要检索附近在等待时间内可能会到达的空车（含订单终点在附近，但是还未完成的订单），提前将他们加入匹配序列中。这些策略用户在前端是体验不到的，但是确实能减短用户等待接单的时长。由例子可以看出：功能产品在文档编写和效果说明上，通常是绘制流程图和原型来表达功能解决的效果，开发成果具有明确的效果实现标准。

　　而策略产品通过逻辑描述和效果示例表达产品实现效果，可能过程中需要多个算法逻辑并行，所以是个相对复杂且发散的解决方案。

　　这也导致开发成果不具备可明确的效果实现标准，可能开发的过程中，策略产品经理就在不断修正策略和影响因素，以至于衡量标准也在调整。

　　功能产品对于开发成果，更关注展现效果和具体的操作结果。更关注呈现效果，而非技术实现逻辑和过程。针对开发成果是验收的性质，只要功能的操作流程，展示效果与文档描述的逻辑一致即可。

　　策略产品更多参与到开发的过程，与策略RD一起发现和解决各要素中的问题，随时准备优化和迭代逻辑，与开发一起追求策略逻辑的最优解。

　　功能产品经理，每次迭代多面对单一而明确的问题，迭代结果也多直接影响用户的操作行为和直观体验。所以通常可以更快的达到较好效果，更快完成该优化的产品循环。

　　策略产品经理，因为更多的是通过底层数据处理逻辑，优化用户产品体验中的隐性隐性部分，而解决的也多是复杂且受很多因素影响的问题。

　　所以理想态本身在迭代过程可能都处在自身优化和不断明确的过程中，因此，策略需要多个产品循环才能达到较好的效果。

　　综上不难发现：功能产品经理不断优化和填充产品在业务各环节上的交互体验；而策略产品很有可能要针对某个单一的策略实现效果进行长时间的打磨和优化。

　　通过第一节的内容，我们整理下策略产品经理相较功能产品经理，在工作岗位上更具有针对性的能力需求。

　　需求挖掘：不仅能借助用户视角，分析各类用户在不同场景下的一致需求。还要借助上帝视角，分析各类用户在各自不同场景下的分别存在哪些特定的需求，并分析出相关影响因素。功能设计+文档编写：有极强的逻辑思维能力、分类整合能力、目标拆解能力。能把一群人，在不同场景下的各类需求和影响因素拆解清楚。将产品解决方案，通过严密的框架、模型、逻辑表述和结果示例，描述出来。开发跟进和验收：对数据铭感，具有较强的数据埋点和分析能力。需要从多个元素中找到关键影响因素，善于从数据中发现和总结问题，引导下一个策略迭代。上线数据分析和需求回归：能沉住气，耐得住寂寞，拥抱结果的不确定性，持续迭代在黑暗中寻找道路。

　　最后我们对策略产品做一个总结。

　　策略产品经理，在面对一些类型的问题时，这些问题会受到一些因素的影响，我们需要时刻搜集问题相关因素的变化，并将这些因素通过一定的计算逻辑进行转化，使解决方案随着外部因素的变化而不停的调整，让问题得到更好的解决。这个过程就是策略产品经理的工作内容。

　　整理下来，策略产品工作四要素就是：

　　待解决问题，即理想态；输入：影响解决方案的因素；计算逻辑：将输入转换成输出的规则；输出：具体的解决方案。举例说明：今日头条的个性化推荐策略。

　　待解决问题：从大量候选内容中，找到用户喜欢的内容；输入：用户喜欢内容受到的影响因素，该用户特征（基础信息，历史行为）、候选内容特征（类别，关键词）、舆情热点信息（热点内容，关键词）；计算逻辑：用户画像梳理逻辑，内容关联性计算逻辑；输出：将内容按用户喜欢度由高到低推荐给用户。本篇内容到此结束，欢迎来喷。下一篇内容我们分享《2.1策略需求挖掘方法之抽样分析》

　　本文由 @于言某 原创发布于人人都是产品经理。未经许可，禁止转载

　　题图来自Unsplash，基于CC0协议