document.write('
')

当前位置:   金科网 > 嘿科技 > 正文

招聘JD告诉你:策略产品在忙啥(原创)

通过总结策略产品经理的招聘JD后,笔者整理出这个岗位的三大内容,分别是定价能力、业务匹配、上下游。具体的内容来看正文吧。

招聘JD告诉你:策略产品在忙啥(原创)

本文从招聘策略产品的job description,整理出3大内容,并根据我的经历详细描述,希望对想转型或刚入门的同学有所帮助。比较粗浅,欢迎指正~

定价能力可以换成任何其他的策略能力,如分单、推荐等。

招聘JD告诉你:策略产品在忙啥(原创)

01 定价能力

当前互联网的基本都是解决效率问题,因此大部分公司的策略产品,目标是提升效率。比如美团点评和滴滴出行的分单,头条和微博的feeds推荐,以及淘宝京东的商品推荐。

但凡涉及到供应链深处,参与了商品的价格和库存,定价能力的建设成为核心。

定价能力来自哪?

在不同的定价方式中,能力的建设无非来自两处:技术和人工。

技术是指你的定价方式确定之后,所建设的系统,针对不同单品提供价格的基础能力。人工,则是系统搭建、优化和迭代的专业知识和市场信息的获取能力。

技术能力的建设,最基本的是利用海量的数据,打造基础模型。并设定定价的目标,比如提升成交转化率,明确约束条件,设计对应的业务模型。

人工能力的建设,一是将领域内的知识系统化、线上化,并将部分知识特征化,作为模型的输入;二是搜集市场的反馈,作为模型输出的校正。

用做菜举例不太恰当,但也可以简单比方。基础模型就好比基础的食材,业务模型就是一道一道的菜。

食材的新鲜程度,决定了菜肴的菜色和口感。人工能力,就是尝下味道,加点盐,或者针对客人的特殊要求,放弃葱花或者香菜。

因此,模型覆盖面广,解决大面问题,人工对信息响应快,解决极端问题。

在实际的业务场景中,可以针对不同的问题,合理利用模型和人工,搭建出不同的定价机制。

02 业务匹配

重业务的公司,要求策略产品必须能从业务中发现和挖掘问题,并设计不同的定价能力去匹配业务不同阶段的目标。

怎么才算是深入了解业务呢?

第一种方法,是到业务中去,实地陪访评估师,了解作业流程中采集了什么数据,处理了哪些信息,哪些被漏掉了,哪些是关键。我们提供了什么,又缺失了什么。

第二种,是到更大的市场中去,调研竞对在每一个环节是如何处理。他们的考虑是什么,是否可参考。个人车主、车商、4S店他们又都怎么玩。

策略产品平时很容易陷入无限的数据,甚至在反复考量评估指标的合理性。适时的抬头看路,可以更好的脚踏实地。

认识到业务发展的阶段性,是在被不停的迭代和业务各种需求蹂躏的时候,必要的清醒。

如何在不同阶段,配合业务进行定价能力建设呢?

为了规模,准确率和召回率都可以在比较低的范围,可以快速获取大量数据,作为下一个阶段的迭代基础。

降低成本/提升利润,需要在模型和策略设计中,增加成本/收益的控制项。这里最关键的是细项的拆解和机制的映射。涉及敏感内容,就不展开。

最难的是,如何站在上帝视角看问题。

可以假设自己有一双洞察世事的双眼,能看透不同的角色在流程中的定位,他们的心理,利益关系,以及在每一种情况发生时,他们将作何选择。

03 上下游

定价能力的上游,是数据和信息的获取和清理的通路和产品化建设。

商品的基础数据,是一个电商公司的基本。如何从属性数据中提取到关键的特征,或者优化特征的权重,是需要反复的调整和数据分析,并加以业务判断。

线上的转化漏斗,如uv、pv、click、clues等信息,表达了用户的意愿。去掉异常值,使用这些数据进行线上转化的判断,是常用的规则建设基础工作。

线下的数据,如智能钥匙柜、场地的摄像头,销售系统中的工单、带看等状态,都是可以用来作为用户反馈的数据。需要进行通路的建设和数据埋点。

数据的覆盖度和准确率,决定了它们的可用性和权重。

既然如此,上游的数据建设具体是做什么?

如何将杂乱无章的数据结构化、有机关联,并且以一定的组合和权重出现在模型的建设中,是策略产品经理的基础工作。

市场信息和人工领域的知识,作为基础的特征建设,需要建设独立的机制,并因此设计产品功能和流程,保障数据的采集及时性和准确性。

对于初级的策略产品经理,日常工作中一大比例,是处理模型同事发现的异常数据,发现这些数据背后的流程问题或者数据存储漏洞,及时进行fix。

策略上线的时候,也需要特别关注历史数据的处理。增加新的字段时,需要对历史缺省数据的补充,和它关联的数据,需要review,然后一一处理。