前言

随着网络设备的升级，以及互联网和大数据技术的发展，我们处于一个信息爆炸的环境中，被各种各样的信息包围。如何筛选这些信息？哪些有价值？哪些无意义？种种问题让我们对信息的选择产生了“焦虑”。在此背景下，推荐算法、智能营销（也叫作精准营销）等应运而生，为解决信息爆炸给人们带来的困扰提供了强大的助力。同时，这也意味着需要应用策略在众多凌乱、复杂的信息中挖掘出数据的价值，于是策略产品经理这个岗位应运而生。

广义上的“策略”是一种达成“战略定位”的清晰路径，它包括两个维度：狭义策略和数据。狭义策略是实现战略路径需具备的具体战术，数据则是战术的分析决策依据，即通过产品能力实现业务效果提升的具体方法，并通过产品功能逻辑实现落地。也就是说策略的决策过程中必须有大数据的“参与”，是基于大数据的决策链，摒弃了“拍脑袋”决策。整个产品的设计是将数据分析过程产品化，在逻辑层实现，再将分析的结果作为应用层使用。策略是看不见摸不着的黑盒，因此策略产品经理入门比较难，门槛特别高，既要懂数据挖掘、数据分析、统计学、算法，又要懂视觉交互、逻辑拆解，更重要的是要懂用户。你会发现策略产品经理基本上能胜任大多数类型的产品经理岗位。

根据我过往的学习经验以及和身边同事、朋友交流的情况可以得知，大家或多或少都有的困惑是：如何进入策略产品经理这个领域？如何做得更专业？我们会发现市面上产品经理类和算法类的专业图书虽然有很多，但大多数是从传统产品经理角度和纯算法技术能力角度撰写的，一直缺乏融合算法能力与业务能力的图书。很多人只能尝试从算法角度去寻找蛛丝马迹，比如算法如何调参，哪个模型更好，以为这便是策略产品经理的工作职责。当然，不可否认这些都是纯算法技术能力上的应用，但却不是策略产品经理的工作重点。策略产品经理要解决的是业务效果提升的问题，需要把业务诉求作为输入，把策略模型作为输出，并将算法底层能力与业务能力抽离，保证模型后续的高可复用性。就像传统产品经理输出的产品能力是功能流程化，而策略产品经理则是在功能流程化过程中加入大数据算法决策因子，让功能流程化过程有可信赖的数据参与决策，使输出的结果符合消费者的个性化诉求，进而实现业务效果的提升。

从各大公司的招聘信息中不难发现，策略产品经理的部分职责可概括为数据分析、挖掘消费者痛点、输出解决方案。我们可以从产品经理的角度来解读纳特·西尔弗《信号与噪声：大数据时代预测的科学与艺术》书中的一段话：

大量的信息成倍增加，但有用的信息却非常有限。

信号是真相，噪声却使我们离真相越来越远。

——[美]纳特·西尔弗《信号与噪声：大数据时代预测的科学与艺术》

通过解读这段话及该书中的其他内容，我们可以准确引申出策略产品经理产生的背景及部分工作内容。

首先，大数据的快速发展使信息呈现爆炸式增长，不同的消费者对信息的诉求有所不同，真正满足消费者诉求的信息很难在庞杂的信息中被快速精准地找到。

其次，消费者在互联网上会留下行为日志数据，通过行为数据挖掘可获得消费者画像及消费诉求。虽然信息呈爆炸式增长，让我们离真相越来越远，但我们要从庞杂的信息中快速精准地找到消费者需要的信息。做策略便是基于数据分析挖掘消费者痛点，并解决消费者痛点的过程。

最后，通过数据分析发现消费者的真实诉求，并通过策略实现精细化管理，输出真正解决消费者痛点的方案。

随着互联网红利的触顶，做增量市场难度越来越大，若要保持业务持续增长，就要做存量市场的精细化管理。大数据技术大大助力了精细化管理，使传统的常态化运营融入了新的元素。若想让存量市场保持正向增长，就不能仅考虑眼前的短期收益，而是应该将更多的精力聚焦在如何用最少的投入带来长期的收益上，加强精细化管理。

商品精细化、内容精细化、营销活动精细化……能够提升用户体验，减少用户决策成本，降本增效，塑造增长壁垒。而所有的精细化管理都离不开大数据的深度挖掘及应用，离不开策略产品经理的工作范畴。

需要注意的是，本书介绍的是B2B电商平台的产品策略设计，与B2C电商平台的产品策略设计存在较大的差异。B2C电商平台更关注的是用户使用的便捷性及用户体验，而B2B电商平台更注重专业性的服务理念。本书通过大量的公式推导输出对应的产品策略，而这些策略的产出是为了提供更专业的产品和服务，旨在帮助B端用户实现生意的增长。