一、策略產品經理的定義

首先來介紹策略產品經理這一職位的定義，以及其中的道與術。

1、什么是策略產品經理

策略產品經理是“在限制條件內，通過推動項目、設定評估體系和全面評估項目收益等三種手段，達到全局最優解的產品崗位。”

其中的限制條件，包括法律法規限制、用戶體驗設計、項目資源設計等因素。在這些限制條件下，策略產品經理往往會通過三種手段來實現全局最優解。三種手段分別為：

推動項目，包括項目的立項、推動、總結和開會，策略產品經理在其中要起到項目潤滑的作用，能夠厘清PRD的細節，并拉到關鍵決策人來共同推進項目。

確定評估體系，明確一級指標、二級指標，并推動關鍵人確定指標方式。全面評估項目收益，評估方式包括主觀評估體驗測量和數據測量。

全面評估項目很重要，如果只看數，可能很多東西無法測到。

關于如何評估個人績效以及如何定義全局最優解，不同公司、不同時間點會給出不同的答案。比如，有一種想法是在 100 條時間線上處理 100 條平行事件，通過評估項目復盤時每一步的信息量，了解個人在當時所掌握的信息，逐步校準個人的標準動作，以提高效率。大多數人在這個過程中會浪費百分之二三十的時間，如果表現不如這個水平，則說明其低于行業平均水平；如果表現優于這個水平，則說明這個人的復盤能力非常強，且沒有走彎路，那么這個人的表現就是比較好的。在評估產品總監及一線產品經理的績效時，可以采用平行世界最優解的方式，考慮限定條件。

此外，推動項目也需要考慮一些關鍵因素。例如情商、PRD 的撰寫能力以及關鍵決策人的支持等因素都會影響項目的進展。在實際操作中，可能會遇到一些問題，如一線員工無法拍板、方向不明確、指標不清晰、考核方式不確定等，這些問題需要及時解決，以確保項目順利進行。

2、與客戶端產品、數據分析職位的共性和差異

策略產品經理與客戶端產品經理、數據分析師等職位，在不同公司的分工差異是很大的。因此，強化職位之間的差異可能會帶來一些不必要的爭論，沒有實際意義。相反，職位之間的共性遠遠大于差異，不同職位的分類并不是絕對的，而是根據實際情況因人設崗。也就是說，不同職位的工作內容大致相同，只是具體的職責和分工會因人而異。在實際工作中，需要根據個人的能力和特長來安排合適的工作，以達到最佳的效果。我們工作中需要的技能點有以下幾個方面：

數據方向的能力：掌握 SQL、Python Pandas、R語言，了解概率論與數據統計，掌握機器學習知識基本知識，并且要會寫報告。

商業方向能力：理解公司的盈利模式，了解客戶需求和行業知識，掌握競品分析的方法和工具。

產品方向能力：具備邏輯建構和 PRD 產出能力，需要對技術有一定的理解，明白技術人員的技術方案，能夠與研發團隊進行有效溝通。有一些項目管理知識，包括 MVP（最小功能產品）的拆分和相關工具的使用。此外，最好對跨學科知識都有一定的了解。有時，策略產品經理需要具備廣泛的知識儲備，包括經濟學、金融學、心理學、生物學等。這些知識可以幫助他們更好地理解用戶需求、社會變化和行業趨勢，從而更好地制定產品策略和方案。

除了技術能力和專業知識外，還要具備一些軟實力，例如好奇心、同理心，對不同城市、不同年齡段的核心需求和生活狀態的了解等。還有合作方溝通的能力，包括與內部團隊和外部合作方的溝通協調，以及對上對下的管理等。在職場中要“做七說三“，指的是做到的權重為7，表達出來的權重為3。不僅要做得好，還要能讓老板明白，讓老板不焦慮，同時交付結果的能力也非常重要。

在個人發展的價值觀層面推崇“不設邊界”，在團隊管理的價值觀層面推崇“邊界清晰”，因為組織設計服務于目標，不同職位的區分都是為了服務于目標多快好省地達成。

3、策略產品的道與術

所謂“道”，即價值觀，包括以下方面的內容：

• 第一是“少替用戶做決定”，用戶的需求非常多樣，用戶自己都不一定了解自己，所以我們應該通過一些工具和AB實驗來判斷用戶的需求。
• 第二是堅持做大眾需求。優先追求更廣的視野，要做所有人都用的DAU更高的需求。從市場上看，就是高頻打低頻，高市場份額打低市場份額。即時通訊大于內容需求大于其他。
• 第三是在產品層面追求平臺化，可復用，不重復造輪子。
• 第四是假設驅動、數據驗證，避免需求空洞、不切實際。
• 最后是不要忤逆用戶，我們可以適當引導用戶，但是不能去寄希望于改變用戶心智。

再來看“術”，也就是方法論層面的策略：

• 策略要做粗放式的，而特征要做細化。
• 遵循MVP原則，不做大活兒。
• 正則為王，大多數時候比模型好用。
• 解決問題需要先解決上游問題。
• 要敬畏規則，知法懂法。
• 決策時要緊盯目標，不能憑興趣做事。

二、內容社區的策略決策框架

面試中常出現以下幾個問題：

• 策略產品的價值是什么？如果經營壓力大是不是不需要招聘策略產品只招聘算法就行了？
• 當前大模型層出不窮，單位token的價格越來越低，AI 能直接出策略的話，策略產品和數據分析師是不是不需要了？
• 當遇到商業化和消費目標的拉扯時，該如何做權衡？
• 內容社區中，創作重要還是消費重要？我們應該先做消費還是先做創作？

以上這些都是很現實的問題。在知乎我們會將所有收益劃分為 2×3的六個模塊，分為體驗部分和生態部分，基于此來考慮上述問題。

體驗分為消費體驗、創作體驗和商業體驗。體驗部分可以通過類比來理解，例如美團外賣的消費者體驗、騎手體驗和商家體驗。關鍵在于所處的市場是單邊市場還是雙邊市場，在美團外賣的例子中，需要關注騎手、商家和消費者的體驗。應該基于當前的業務階段，考慮更重視誰的體驗，每個季度的權重也可能不同。

生態部分則分為消費生態、創作生態和商業生態。在經濟學和生物學中，生態的定義是讓競爭者能夠充分競爭，實現優勝劣汰。這個概念也可以套用到組織生態上，即留下最能干活、最能產出、最上進的好同學，讓競爭者充分競爭。把價值觀差和能力差的同學慢慢淘汰掉。消費生態也是一樣的概念。

這6個格子的順序取決于業務階段，一般來說，生態是一個限制性指標（limit），主要看生態結構中的不同成分比例變化。而消費體驗和創作體驗，一般在不同的季度交叉設置目標，比如1季度做消費，2季度做創作，3季度再做消費這樣。不同的業務有淡旺季，一般在旺季要貪心地掙錢，例如在雙十一要把半年的錢全掙了；在淡季主要是過冬提效，提高 CPM（每千次展示費用）。

從消費和生產的關系看，消費生態是市場經濟，取決于用戶需求，而用戶是一個復雜系統。創作和商業一般需要平臺方提供相應的輔助、資源和計劃，因此創作和商業一般需要開大會，宣傳自己的計劃和服務，吸引用戶進來，這是招商引資的邏輯。消費是一種市場沉淀，可以通過 AB 實驗和不斷的策略實現用戶在各種市場上的遷移。比如知乎某個品類做得比小紅書好，用戶就會來知乎，而某些品類小紅書做得比知乎好，用戶就會去小紅書，這就是市場經濟。在消費生態中，我們鼓勵優質內容驅逐劣質內容創作者，而在創作生態中，鼓勵優質作者驅逐劣質作者。這兩者并不完全相同，因為并非所有的內容都來自于UGC作者。有些作者是 PGC（專業生產內容）作者，給錢就寫，不給錢就不寫，而 UGC（用戶生成內容）作者很多時候是用愛發電，需要給量才寫，如果收到很多負向評論就不寫，如果收到夸獎或客觀、理性、樂觀的評論就寫。因此，作者和內容不是一一映射關系。客戶也是一樣，有優質客戶和劣質客戶，如果做了很多牛皮癬廣告，大品牌客戶就不會進來，會影響一些大品牌的品牌形象。

對于消費體驗指標的因果性研究，一般通過人均點擊、人均時長、人均打開次數、人均響應延時等路徑實現。這里強調的是因果性而非相關性，因果性成立的第一性思考是因為人類不是機器人，不會像機器人一樣 24 小時清空大腦記憶，昨天消費得好，今天才會再來，明天才會有提升，實際業務中因果性難以完全論證，我們一般從邏輯推演并用數據論證。

下邊講如何設置OKR的KR目標，從組織上看目標設計也不是隨性設置的，許多中小型公司管理者不成熟，會犯很多常見的問題，這是由于中小型公司賺錢更難所以也更容易焦慮。第一是深思熟慮，避免朝令夕改，這和帶兵打仗是一個道理；第二是指標少而精，less is more，設置10個指標讓一個團隊做，還不如不設置；第三是避免很多公司的既要又要還要，同時做到多個互斥目標是不可能實現的，設置這樣的目標除了短暫緩解了管理者的焦慮以外沒有什么實際作用。

而中層的職責是緩解老板的焦慮，因為老板是出錢方，承擔更高的風險，所以焦慮是正常的。一線干活的同學需要平衡老板的焦慮，當老板提出三個要求時，需要讓老板給出排序，a 大于 b 大于 c，否則可以不做或者找其他人做，但我這么講也不太現實，所以見仁見智的應對。

具體的戰術看，KR指標設計有三個原則：第一是反作弊，指標不能被短期運動拉高；第二是及時性，反映業務現狀；第三是 action 相關性，動作和指標要有關聯。設置哪些指標能改善業務，這里推薦三本書，都是講因果理論的，也很推薦管理者學習。第一本書是朱迪亞·珀爾在 2019 年左右寫的《為什么》；第二本書是2023年出版的《因果推斷》，非常實用，評分 9.2；第三本書是朱迪亞·珀爾在2022年的《因果論》，這本書比較像教材，其中有很多推導的公式，適合深度學習的同學。

策略產品需要理解用戶的需求，解決復雜系統的多目標問題，而模型擅長處理單一目標問題，需要完備的架構和重型投入，收益天花板很高，但早期成本也很高。產品總監需要做組織設計，考慮人的因素，設置對沖目標。上線實驗分為四類，第一類是模型內部實驗，如知識蒸餾；第二類是特征引入類；第三類是特征覆蓋和準確提升類；第四類是融合目標實驗，需要權衡各方，做出trade off。第四類實驗的密度最高，一般包含四類策略或函數策略。

接下來分享一個模型多目標項目案例，在精排模型中設置多目標。在做點擊目標一開始只考慮了點擊率，點擊率指標不是一個好指標，因為點擊率高不代表每人看得多了，如果平臺只有1個人曝光1個人看，點擊率是100%但也沒什么意義。后來我們把指標調整為人均點擊，會發現標題黨增多，然后經過一段時間的考量，決定加入人均時長指標，用于制衡標題黨，因為標題黨內容一般不會觀看很久，通常用戶看了幾秒鐘就退出了，沒有任何力量可以逼著用戶把一個無聊的內容看完，這樣的話人均app停留時長是一個好的指標。

在精排階段多目標這個項目中，產品經理要遵循幾大原則：

原則1：做上游動作可以優化下游動作，實現正和博弈，比如提升點擊在一定程度上也能提升點贊。

原則2：產品經理的職責在于理解用戶，單信號在不同人群是多重意義的，需要研究各子集人群的行為模式并分類，揣測用戶互動時的心理。

原則3：產品經理補位模型，可以幫助模型提供新信息。

原則4：人只擅長處理粗粒度問題，模型擅長處理細粒度的問題

這四條原則就是最近兩個月我給團隊做該項目的指導時給出的，我建議產品經理從以下方向開始入手：

• 粗粒度看，哪部分人群預估分與實際CTR的差值ABS在長周期上差異最大？
• 哪些用戶長期點后退，CTR表現如何？點后退出高的用戶是否容易誤觸？預測誤差是在收窄還是平穩或增大？
• 哪些用戶大量點贊？目前該類人群點贊概率是否有比大盤低or高？
• 哪些用戶長期使用收藏功能，這部分用戶收藏后去收藏夾的頻率如何？如果不去收藏夾在推薦中看到收藏過的內容的閱讀滿意度如何？

做完了這些分析，我們自然會得到一些用戶的洞察，然后和算法工程師深度討論，得到較好的解決方案。

三、Q&A

Q1: 策略產品的價值是什么？如果經營壓力大是不是不需要招聘策略產品只招聘算法就行了？

A1: 復雜系統需要策略產品來協調多目標，增進算法團隊對用戶的需求理解。知乎的策略產品做了很多傳統算法的工作，主要是人員成本問題和產研比例限制，公司經營中沒有絕對合理的分工原則，一事一議是真理。

Q2: 當前大模型層出不窮，單位token的價格越來越低，AI 能直接出策略的話，策略產品和數據分析師是不是不需要了？

A2: 理解大多數人的需求是一項很難的工作，AI 出的數據分析報告的解讀和Todo的形成一般還是需要人來做，最近看到百度出了可以取代數分的AI產品，但我對此保持謹慎態度，大多數分析師出的數據分析報告的確可以AI來產出，但優秀的分析師出的報告不僅合理，有用戶洞察、能形成todo甚至文采飛揚。

AI 時代的人主要在創造性、邏輯性、同情心和資源整合能力方面發揮優勢。對于具有較強創造性的設計師而言，使用 AI 可以使其變得更加強大。對于邏輯性較好的人來說，使用 AI 可以強化其邏輯能力，最近有一些研究稱AI也具備一定的同理心（參照GPT4V的評測），我們日常工作里也會詢問AI一些同理心的問題，有時也會獲得還不錯的答復。最后資源整合能力也是人類獨有的技能，無論是從事銷售、推動項目還是組織管理，AI 都無法替代人類決策，因為人類決策是要負責的，AI無法被追責，總不能懲罰AI就把電源拔了。

Q3: 當遇到商業化和消費目標的拉扯時，該如何做權衡？

A3: 商業運作的主題是現金流和利潤的權衡，缺現金流的情況下，all in收入是可理解的，活下來第一，今年很多公司陷入了該戰略，但如何在加重商業化更科學合理地保護體驗，是一個難度分配為內部協調70%、技術實現30%的工作，主要的難度其實是內部協調的工作。

Q4: 內容社區中，創作重要還是消費重要？我們應該先做消費還是先做創作？

A4: 根據《飛輪效應》中的理論，好的產品需要構建合適的飛輪，一般情況下在內容社區里創作重要。但作者的創作留存依賴于消費規模，如果一篇內容太少人看作者就留不下來。大多數作者在乎閱讀量、互動量和經濟回報。自 2017 年以來，版權保護越來越好，更重視創作者，推薦只是實現了內容和人的匹配，而內容是一切的源頭。