主要分为四个部分

• 第一部分，怎么写需求文档，从项目描述、需求描述两个角度，阐述如何清楚的写一份需求文档
• 第二部分，准召率；如何完成效果回归，根据项目目标建立指标体系，具体包括核心指标、过程指标、观察指标；
• 第三部分，通用方法论，策略产品的日常工作就是，发现问题、提出解决方案、推动上线、效果回归的循环。
• 第四部分，实例，实例1搜索优化，实例2滴滴叫车步长优化，分别迭代了三个版本，除第一版开始需要明确产品目标外，后续优化都是 上线——>指标观测——>问题分析——>方案优化的循环。

策略产品工作流程中每个环节涉及到的方法论

1.怎么写策略需求文档

1.1 一份完整的需求文档应该包含哪些部分

1.项目背景：项目的来龙去脉
2.项目目标：解决什么问题，怎么才算达成目标
3.需求概述：描述你要解决什么问题
4.需求详述：详细描述要解决的问题是什么，产品细节
统计需求+监控需求，不算在主流程内，但依然需要。概述和详述都是描述项目要解决的问题，看情况是不是要merge到一起。

如何把需求描述清楚？

• 功能型文档给出的是收敛的解决方案，通过流程图和原型来表达产品实现路径、效果
• 策略文档给出的是发散的解决方案，通过badcase示例、逻辑描述和预期实现效果来表达

1.2 实例—微众银行登录密码

以微众银行为例，实践 定义问题(定义待解决问题)——>问题调研(穷尽所有影响因素)。

image.png

定义问题

产品目标：产品的目标是保障登录的安全性。
策略目标：找到那个不影响体验的最短时间间隔。

解题

采用了用户路径分析方法，调取了1000个用户完整使用流程，统计流程中所有动作间隔。

策略产品经常面对的两类项目

两类项目

从0到1的项目，需要 经验假设—>逻辑推理—>数据验证的前置调研。
从1到N的项目，更多是当前策略存在问题的分析迭代。

2 策略项目效果评估

策略的生命周期，大概就是 调研—>评审—>开发—>测评—>分析—>优化—>测评—>分析—>优化的循环过程。

2.1 准确召回率

什么是准召率

2.2 效果回归

基于开始制定的业务目标、产品目标开始分析拆解，慢慢到各项模块的指标，发现问题。
效果回归的流程，大致就是定义理想态——>拆解理想态，发现问题后，根据问题原因制定优化方案的小循环，和挖掘需求的大循环，方法论一致。

2.3 建立指标体系

• 核心指标
• 过程指标
• 观察指标

以滴滴接驾为例，核心指标就是到达目的地；解决问题关键路径中的过程指标，脑补用户行为路径，对每个环节建立指标；新的路径影响了谁，找到观察指标，例如为了扩大成交率，扩大司机派单半径，就增大了司机的听单数量，由此影响听单距离、接驾距离。

分析指标未达标的方法

搜索优化实例：

用户搜索路径拆分

核心指标：

产品目标：降低用户输入成本
核心指标：用户输入时间，预期降低2S

影响用户输入效率的三个过程指标

1.sug展现率越高越好，节省用户输入时间
2.sug展现越早越好，节省用户输入字数
3.点击sug越多，后面输入字数越少

观察指标：

sug改动对输入流程的影响是可控的，对输入后搜索体验的影响是不确定的，某种意义上，搜索起到了推荐作用，所以观察指标：sug输入qeury的搜索结果满足度
寻找观察指标的时候，可以从 用户行为 的上下文角度分析，就是优化这个环节，对上下游的影响。

上线后效果回归

对上线后的问题做了跟踪，发现有些长搜索sug响应慢，针对此做优化。

3 贯穿工作中的通用方法论

通用方法论：定义理想态—>拆解未达理想态的原因—>提出解决方案—>验证是否解决
抽象方法论：就是发现问题——>解决问题的循环
方法论落到工作中每个环节：

抽象的视角

1.发现问题：关注 a.定义理想态，即项目目标 b.抽样分析，未达到理想态的问题是什么？ c.对所有问题进行归类统计，确定优化方向和项目优先级。
2.撰写需求：以逻辑描述和case实例的方式描述待解决问题和解决的效果期望。
3.跟进开发评估：验证每一班策略是否解决了所有问题，1.达到目标，策略上线 2.未达到目标，问题是什么，接下来怎么迭代。
4.效果回归：1.是否达成目标？ 2.未达目标/过程指标/观察指标问题是什么？开启新的产品循环 3.未达目标，抽样分析
四个环节，不同的关注点。

四个工作环节的不同关注点

4 实例

4.1 实例1—京东到家消息推送

产品目标：通过消息触达用户，实现响应的转化目的
核心指标：消息点击率

版本0.0方案：运营写好文案，人工推送

产品介入，套方法论，对当前存在问题做整理分析。
定义理想态：所有人都点击
未达理想态：有99.5%的人没有点击，怎么拆解？
PM提出的新的分析思路，点击的人和没点击的人有什么区别？原来活跃用户点击占比更高。
根据分析出的问题，确认下期迭代方案

版本1.0方案，增加基于用户分层的推送，增加活跃程度、手机平台标签

对1.0版本的问题分析
1.埋点问题，统计过程中数据缺失
2.没有点击的用户，都是曾经很少或者没有买过肉蛋商品的用户
确认2.0优化方案

版本2.0方案，细化用户标签，收集平台商品、价格信息和常规活动信息，作为待推送的内容集合，根据用户标签，个性化推送。此时运营只需要配各类兴趣维度的模板，系统自动推送。

对2.0版本做效果回归，分析问题
1.各推荐维度在不同品类上不同表现
2.不同用户对同一种维度的点击率也差异较大
3.同一用户在不同时间段的点击率有比较明显的差异

版本3.0方案，增加推送时间控制、继续丰富标签维度、将用户点击加入到个性化推送的模型中

以细分问题，采用优化解决方案的方式，进行版本迭代优化

迭代小结

实例2—滴滴叫车

产品目标：帮用户已最低成本完成目的地输入。
衡量指标：用户平均输入时长。

版本1.0

原指标，输入时长比较模糊，可以转化为输入步长。

指标转化

版本2.0用户路径

版本2.0效果评估

版本2.0问题分析

版本3.0用户路径