新書推薦:
《
一个经济杀手的自白 第3版
》
售價:NT$
505.0
《
8秒按压告别疼痛
》
售價:NT$
398.0
《
津巴多时间心理学:挣脱束缚、改写命运的6种时间观
》
售價:NT$
352.0
《
大英博物馆东南亚简史
》
售價:NT$
806.0
《
纯粹·我只要少许
》
售價:NT$
367.0
《
投机苦旅:一位投机客的凤凰涅槃
》
售價:NT$
403.0
《
重返马赛渔场:社会规范与私人治理的局限
》
售價:NT$
316.0
《
日子慢慢向前,事事慢慢如愿
》
售價:NT$
254.0
|
編輯推薦: |
本书介绍了策略产品经理应知应会的知识,展示了丰富的案例和策略模型的构建过程,教读者设计策略模型使业务指标循序渐进地得以提升;
本书介绍了一系列策略方法,总结了作者在大厂的策略实践经验,能够帮助读者利用算法思维解决电商平台推荐系统和搜索系统相关的业务难题;
本书适合新手产品经理及想转行做AI策略产品的人员阅读,读者在阅读的过程中,可以了解策略理念,培养策略思维,运用策略方法论,快速提升业务实践能力;
本书附赠作者精心整理的AI产品经理攻略,助力读者提升业务能力。
|
內容簡介: |
随着人工智能的发展,策略产品经理应运而生,并且策略产品经理的岗位需求量不断增长,越来越多的 人希望通过图书或者相关的培训获得专业的指导,并能够借此在求职、能力提升或者转行时获得优势。
本书介绍了策略产品经理应知应会的知识,本着将业务诉求转化成产品策略模型的理念,教读者设计策 略模型使业务指标循序渐进地得以提升。此外,本书展示了丰富的案例和策略模型的构建过程,并提出了一 系列可行的解决方案。读者在阅读的过程中,可以了解策略理念,培养策略思维,运用策略方法论,快速提 升业务实践能力。
本书面向数据策略产品经理或对数据策略产品感兴趣的读者,也适合在搜索、推荐、广告、营销、用户 增长等业务领域工作的产品经理阅读。此外,互联网行业的市场人员、运营人员、数据分析师以及普通高校 的计算机或数据科学相关专业的师生也可以参考阅读。
|
關於作者: |
十余年互联网大厂从业经验,曾在京东、新浪微博等公司任职,对推荐算法、标签体系、智能营销、用户增长、数智化转型等有比较深入的研究。曾构建多个智能化产品顶层设计方案并实现项目落地,总结出一套基于“大数据 算法 策略”的产品方法论,并获得十余项个人发明专利。
|
目錄:
|
第 一部分 基础知识篇
第 1 章 策略的价值与分类 2
11 专业名词解释2
12 价值概览2
121 非商业价值3
122 商业价值4
13 商业价值评定4
131 广告4
132 电商6
14 策略的分类7
15 一个简单的策略案例8
16 小结9
第 2 章 推荐系统基础知识10
21 专业名词解释10
22 推荐系统的演进10
221 常见的推荐系统12
222 推荐系统的发展13
23 推荐位及推荐逻辑14
231 获取推荐结果14
232 探索推荐过程16
24 推荐系统、搜索系统、计算广告 18
241 推荐系统与搜索系统 18
242 推荐系统与计算广告 20
25 小结 21
第 3 章 推荐系统的架构及算法22
31 专业名词解释 22
32 架构介绍 23
321 业务场景接入 24
322 数据基础建设 24
323 召回模型 25
324 排序模型 26
33 推荐系统逻辑 27
331 推荐策略 27
332 推荐系统的基础算法 28
333 无量纲化算法 28
34 产品经理输出策略 PRD 的结构 29
35 小结 30
第 4 章 用 AB 实验量化策略效果 31
41 专业名词解释31
42 AB 实验介绍31
421 基础知识32
422 实验的注意事项33
423 AB 实验和离线评估 34
43 AB 实验系统架构35
44 AB 实验系统的数据指标38
45 小流量高波动场景的数据指标 39
46 小结 41
第 5 章 智能营销42
51 专业名词解释 42
52 智能营销的方法论 42
53 智能营销的价值 43
531 智能营销与推荐系统 44
532 智能营销因子 44
533 智能营销策略 45
54 小结 47
第二部分 案例实践篇
第 6 章 从 0 到 1 搭建社区团购推荐系统50
61 从产品经理角度搭建推荐系统 50
611 基于内容生态的推荐系统搭建思路51
612 内容型物料的推荐策略52
62 从 0 到 1 搭建社区团购推荐系统 53
621 需求背景53
622 专业名词解释54
623 分析与思路54
624 解决方案55
63 小结61
第 7 章 用户画像挖掘及应用——品牌品类偏好 62
71 需求背景62
72 专业名词解释62
73 分析思路62
74 解决方案 63
741 挖掘用户品牌品类偏好画像并落成标签 63
742 用户品牌品类偏好画像的应用 67
75 小结 67
第 8 章 用户画像挖掘及应用——价格带68
81 需求背景 68
82 专业名词解释 68
83 分析思路 68
84 解决方案 69
841 基础建设—为商品画像和用户画像增加价格带标签 69
842 商品单位购买力计算逻辑及打标签逻辑 77
843 价格带标签的应用 81
85 小结 84
第 9 章 过滤策略——让更多商品曝光 85
91 需求背景85
92 专业名词解释86
93 分析思路86
94 解决方案87
941 针对加入购物车商品及下单商品的过滤策略87
942 针对曝光多次未被点击的商品的过滤策略91
95 小结94
第 10 章 商品详情页“看了又看”策略——提升下单转化率 95
101 需求背景95
102 专业名词解释95
103 分析思路95
104 解决方案96
1041 方案 1:统计规则输出96
1042 方案 2:算法模型输出98
105 小结98
第 11 章 品类角色管理及应用——通过高毛利单品效用提升转化率 99
111 需求背景99
112 专业名词解释99
113 分析思路100
1131 选择划分依据100
1132 划分品类角色100
114 解决方案101
1141 基于用户行为的加权平均和102
1142 平台内全量 SKU 划分等级 103
115 小结 104
第 12 章 商品扶持流量调配系统——提升营销商品曝光率及转化率 105
121 需求背景 105
122 专业名词解释 106
123 分析思路 106
124 解决方案 107
1241 增加固定资源位进行商品强曝光 107
1242 增加离线召回池实现动态权重计算110
125 小结 112
第 13 章 内容电商平台推荐系统冷启动策略 113
131 需求背景 113
132 专业名词解释 113
133 分析思路 113
134 解决方案 114
1341 内容电商平台标签体系初步建设114
1342 推荐系统冷启动116
135 本章涉及的算法逻辑 119
1351 标签相关性——词频计算119
1352 内容质量分 121
1353 短视频内容池排序算法逻辑 121
136 小结 123
第 14 章 智能营销解决方案——通过用户分层管理激活沉睡用户和流失用户 124
141 需求背景124
142 专业名词解释 124
143 分析思路124
1431 智能营销背景124
1432 智能营销产品架构125
144 解决方案126
1441 智能优惠券的基础服务搭建126
1442 智能优惠券的推荐算法匹配130
1443 个性化消息触达用户131
145 本章涉及的算法逻辑 136
1451 沉睡用户和流失用户判断136
1452 给用户打“券偏好”标签138
1453 智能给券打标140
1454 推荐算法匹配——召回145
1455 个性化消息触达用户——触达频次149
146 小结150
第 15 章 个性化文案及个性化推送策略——提升下单转化率151
151 需求背景151
152 专业名词解释 151
153 分析思路151
154 解决方案152
1541 基础服务搭建 153
1542 功能层面唤回 153
1543 个性化消息触达用户 153
155 本章涉及的算法逻辑 158
1551 常购品类——用户经常购买的一级品类 158
1552 常购品牌——用户经常购买的品牌 159
1553 商品复购——用户对每个商品的复购周期 159
1554 优惠券偏好 161
1555 商品地域热销的计算逻辑 161
1556 商品地域热度计算逻辑 162
1557 协同过滤 162
156 小结 162
第 16 章 用户智能增长策略——基于活跃和交易双目标实现用户分层管理 163
161 需求背景 163
162 专业名词解释 163
163 分析思路 163
164 解决方案 164
1641 数据准备及预处理 164
1642 分层管理——等级划分 164
1643 用户分层运营策略 167
165 小结 168
第 17 章 用户智能增长策略——实现品牌用户1单到 N 单的转化 169
171 需求背景169
172 专业名词解释169
173 分析思路170
174 解决方案171
1741 搜索场景171
1742 首页场景175
1743 用户强相关177
1744 搜索场景的品牌复购券排序逻辑178
1745 首页场景的优惠券排序逻辑182
175 小结184
第 18 章 数字化转型产品赋能线下商超 185
181 需求背景 185
182 专业名词解释 185
183 分析思路 186
184 解决方案 187
1841 发现风险及机遇 187
1842 市场定位 190
1843 门店经营方案确定 191
1844 基于门店周边用户画像进行智能选品 198
185 小结 200
|
|