[套装书]数据产品经理：实战进阶+策略产品经理实践（2册）

. ---------------------------策略产品经理实践---------------------------


内容简介
这是一本全面梳理策略产品经理知识图谱、系统总结策略产品经理方法论、深入挖掘策略产品经理技巧的著作。策略产品经理是产品经理领域的一个细分的新兴岗位，正在逐渐成为产品经理岗位的核心。
作者在策略产品领域有多年的经验，不仅从0到1主导过30余个产品项目，而且经理了一个产品从日活3500万到日活过亿的全过程，经验非常丰富，本书得到了行业里多位产品专家的高度评价。
本书共一共6章：
第1章从宏观的角度对策略产品经理的定义、分类、职责、发展前景、工作内容等做了全面介绍，帮助新人全面认识这岗位；
第2章首先讲解了内容推荐以及推荐系统的基础知识，然后详细讲解了各种不同形式的内容产品的推荐策略；
第3-5章深入地讲解了策略产品经理能力模型中最核心的评估能力，包括主观评估、多变量数据分析和ABtest技能，这3项能力是项目评估的3个重要组成部分；
第6章通过案例分析的方式针对7种常见的策略产品相关的问题给出了解决方案，同时总结了其中的“术”，有非常大的实践参考价值。

.TMD互联网公司大数据平台数据产品经理。擅长智能BI类产品，曾提升数千名员工的数据应用效率，实现数据驱动业务发展的目标。擅长“数据服务”类产品，擅长全套指标体系搭建和可视化、服务化API接口的产品方案。拥有较丰富数据可视化经验，深度参与公司一站式数据消费应用平台。

俞京江
某知名地产集团金融事业群产品负责人。有9年互联网金融行业产品设计经验，多年产品团队管理经验，精通金融行业产品的业务流程及功能设计。独立负责过五百亿交易规模的App的版本迭代；独立负责过单日破亿交易额的营销活动，有丰富的用户增长和营销获客实战经验，善于搭建体系化的营销服务管理系统，包括精细化运营平台、自动化营销平台、SCRM等。

赫子敬
次元降维创始人，有8年数据产品和数据分析经验，曾在多家大型企业担任数据负责人，精通全栈数据链路和数据策略。滴滴现代交通安全数据奠基人，2016年帮助滴滴平台将安全事故降低20%，在技术方面实现重大突破；2018年全面负责爱奇艺AI产品线，帮助爱奇艺在内容制作、生产、分发环节全链路应用AI产品，大幅提升业务指标。

贺园
资深数据产品经理，曾在宜信、京东数科等多家知名互联网金融公司从事数据产品相关工作，擅长偏技术类数据产品的设计。曾负责从0到1搭建公司的A/B测试平台，标签和用户画像平台的设计，以及公司级数据资产管理系统的搭建。

刘扬
数据产品专家，曾就职于用友、唯品会，在数据采集与埋点、数据ETL、数据建模与分析、数据应用方面均有丰富的实战经验。先后做过搜索、推荐、算法、大数据平台、ABTest系统等不同形态的数据产品。精通SQL，懂Python及主流挖掘算法；擅长基于ABTest的数据驱动理论的价值挖掘和产品落地。
朱诗倩
曾任Google系独角兽公司数据科学产品线负责人，现任世界500强公司科技事业部数据负责人，擅长利用数据驱动业务增长，在集团跨业务板块数字化转型方面有独特经验。在教育、地产、金融领域拥有企业级数据产品和数据营销实战经验，多次完成从0到1产品体系和数据平台搭建。


---------------------------策略产品经理实践---------------------------


韩瞳 著：作者简介
韩瞳
策略产品专家，在内容推荐领域的工作经验尤为丰富。
字节跳动的早期员工，先后负责创作者服务、底层数据和推荐策略设计，负责主端产品的核心部门的一线岗位，经历了产品从3000余万DAU到上亿DAU的全过程。负责的项目包括但不限于优质创作者推荐策略、原创识别、用户负反馈、个性化推送等30多个子项目，逐渐形成了以假设驱动为基础、数据分析为手段的策略产品方法论。
现在就职于脉脉，负责首页推荐策略的设计和个性化push，深度参与产品基础数据构建和后台设计，增强公司的中台能力。

1.2.3　企业数据产品015
1.3　数据产品经理能力模型021
1.3.1　产品经理能力021
1.3.2　数据专业能力022
1.3.3　软能力023
1.3.4　不同级别的能力要求023
1.4　数据产品经理分类026
1.4.1　平台型026
1.4.2　应用型027
1.4.3　策略型028
1.5　数据产品经理的应聘与招聘029
1.5.1　如何应聘029
1.5.2　如何招聘031
1.6　数据产品相关案例035
1.6.1　商用数据产品研究案例——Domo035
1.6.2　数据产品经理面试案例045
第2章　数据分析方法论053
2.1　数据分析的基础流程054
2.2　有价值的数据结论055
2.2.1　什么是有价值的数据结论055
2.2.2　怎样得到有价值的数据结论056
2.2.3　得到数据结论的案例057
2.3　数据分析基础方法058
2.3.1　全链路分析058
2.3.2　组成因子分解061
2.3.3　影响因子拆解062
2.3.4　枚举法063
2.4　数据分析方法使用案例068
2.4.1　案例一：多种分析方法寻找增长点068
2.4.2　案例二：找到对公司有价值的需求点071
第3章　产品路线图078
3.1　制定产品战略目标079
3.1.1　产品愿景079
3.1.2　产品目标080
3.1.3　产品路线图082
3.1.4　产品迭代计划与任务083
3.2　收集并整理需求083
3.2.1　用户/客户反馈083
3.2.2　竞品分析084
3.2.3　销售人员和客户服务人员084
3.2.4　行业分析085
3.2.5　头脑风暴085
3.2.6　数据反馈086
3.3　确定优先级086
3.3.1　价值与复杂度模型087
3.3.2　加权评分087
3.3.3　KANO模型088
3.3.4　SWOT分析088
3.3.5　四象限分析法089
3.4　规划路线图091
3.5　我们是如何进行路线图规划的092
第4章　数据埋点体系096
4.1　数据埋点概述096
4.1.1　什么是埋点096
4.1.2　埋点的意义097
4.1.3　埋点的类型097
4.2　如何做好埋点098
4.2.1　目标收集098
4.2.2　字典管理100
4.2.3　埋点管理平台100
4.3　埋点技术102
4.3.1　JavaScript埋点102
4.3.2　App埋点103
4.3.3　埋点技术的选择104
第5章　数据中台105
5.1　数据中台是什么105
5.1.1　数据中台的由来105
5.1.2　中台的彷徨107
5.1.3　中台是一种企业战略107
5.1.4　中台是战略下的组织协同108
5.1.5　中台是技术与业务的综合体109
5.1.6　数据中台下的数据产品经理109
5.2　数据中台的产品形态110
5.2.1　统一指标平台110
5.2.2　统一标签平台111
5.2.3　可视化报表平台112
5.2.4　智慧营销平台112
5.2.5　数据中台产品的产品思维113
5.3　如何构建数据中台114
5.3.1　定战略114
5.3.2　改组织115
5.3.3　深业务117
5.3.4　做统一117
5.3.5　享服务120
5.3.6　业务评价下的数据中台120
5.3.7　黄埔军校式的数据中台122
第6章　数据指标体系123
6.1　数据指标体系的概念与价值124
6.1.1　什么是数据指标体系124
6.1.2　数据指标体系的价值125
6.2　数据指标的分类127
6.2.1　指标的类型127
6.2.2　数据指标的类型128
6.3　数据指标体系的建设136
6.3.1　数据指标体系设计原则136
6.3.2　数据指标体系建设的方法与步骤139
6.4　数据指标在各行业的应用150
6.4.1　电子商务150
6.4.2　内容文娱151
6.4.3　在线教育153
第7章　A/B测试系统搭建155
7.1　A/B测试简介155
7.1.1　A/B测试起源155
7.1.2　A/B测试特点156
7.1.3　A/B测试场景157
7.2　A/B测试流程158
7.2.1　试验需求洞察158
7.2.2　试验需求发起159
7.2.3　试验方案设计160
7.2.4　试验需求落实160
7.2.5　试验效果分析161
7.3　A/B测试系统设计161
7.3.1　A/B测试系统核心功能162
7.3.2　A/B测试系统设计方案165
7.3.3　A/B测试系统设计要点173
7.4　A/B测试案例分析175
7.4.1　奥巴马竞选总统175
7.4.2　商品详情页相似推荐176
7.5　A/B测试经验建议181
7.5.1　培养驱动文化181
7.5.2　自研或第三方工具182
第8章　数据管理183
8.1　数据的类型和主要特点183
8.1.1　数据的类型183
8.1.2　三类数据的主要特点和差异184
8.1.3　业务数据有数据管理吗185
8.2　主数据管理186
8.2.1　主数据管理概述186
8.2.2　主数据管理四要素188
8.2.3　业务输入191
8.2.4　主数据管理产品化解决方案192
8.3　元数据管理197
8.3.1　元数据管理概述197
8.3.2　元数据管理标准202
8.3.3　元数据管理解决方案206
第9章　数据服务215
9.1　数据服务概述215
9.1.1　什么是数据服务215
9.1.2　为什么要做数据服务216
9.1.3　数据服务的利益相关者218
9.2　基于标准指标的数据服务219
9.2.1　API服务220
9.2.2　API服务的用户路径223
9.2.3　指标池服务223
9.3　基于Hive表的数据服务224
9.3.1　可视化模式224
9.3.2　开放平台自定义SQL模式224
9.3.3　两种数据服务的对比226
9.4　相关问题226
9.4.1　局限性与挑战226
9.4.2　数据内容227
9.4.3　公共维度228
9.4.4　选表逻辑229
9.4.5　数据安全230
9.4.6　权限控制230
9.5　数据服务构想231
第10章　策略产品详解：以搜索系统为例233
10.1　策略产品经理的前世今生233
10.1.1　策略产品经理定义234
10.1.2　策略产品经理的思维体系235
10.1.3　一个策略产品的小需求236
10.2　策略产品经理常用思维方式和分析方法237
10.2.1　策略产品经理常用的思维方式238
10.2.2　策略产品经理常用的分析方法241
10.3　如何维持搜索系统的迭代和运转245
10.3.1　从整体架构入手245
10.3.2　从用户需求入手254
10.3.3　从具体问题入手256
10.3.4　从业务发展入手257
10.4　搜索产品案例实践257
第11章　用户画像263
11.1　用户画像概述263
11.1.1　用户画像的基本概念264
11.1.2　标签的类型265
11.1.3　标签生命周期管理266
11.2　用户画像从0到100的构建思路267
11.2.1　用户画像从0到1的构建思路267
11.2.2　用户画像从1到100的构建思路271
11.3　单个用户标签的做法274
11.3.1　用户标签的生产流程概述274
11.3.2　不同公司的标签生产重点276
11.4　标签案例一：算法标签的一般生产流程277
11.4.1　标签定义分析278
11.4.2　用户行为获取（特征探查）278
11.4.3　模型设计279
11.5　标签案例二：加入内容标签的用户标签生产流程281
11.5.1　标签定义分析281
11.5.2　内容标签制作282
11.5.3　用户标签模型设计289
11.6　用户画像的效果验收292
11.6.1　算法指标验收292
11.6.2　分布验证292
11.6.3　交叉验证293
11.6.4　抽样评测293
11.7　做好标签系统需要注意的事项294
11.7.1　做好标签系统的MVP测试机制294
11.7.2　时间在用户标签中的用法296
11.7.3　问题解答297
后记　一个老数据人的杂谈299



---------------------------策略产品经理实践---------------------------


前言
第1章　全面认识策略产品经理001
1.1　策略产品经理的定义001
1.2　策略产品经理的分类与职责004
1.2.1　策略产品经理vs功能产品经理004
1.2.2　策略产品经理的三种类型及其职责008
1.3　策略产品经理的职业前景011
1.4　策略产品经理的工作内容013
1.4.1　团队配置：策略团队的工作分工013
1.4.2　个人配置：策略产品经理的日常工作内容019
1.5　对策略产品经理的认识024
1.6　本章小结028
第2章　内容型产品的推荐策略029
2.1　推荐策略初探029
2.1.1　内容推荐定义030
2.1.2　推荐系统的指标体系034
2.1.3　推荐系统的极限037
2.2　推荐系统的基础知识038
2.2.1　推荐模型的基础知识038
2.2.2　树状结构与网状树形结构041
2.2.3　分类/标签体系设计的基本原则042
2.2.4　精确率和召回率的理解方式049
2.3　三种不同形式内容型产品的推荐策略050
2.3.1　PGC产品的内容推荐策略050
2.3.2　连载类内容的推荐策略052
2.3.3　社区的内容推荐策略056
2.4　本章小结062
第3章　主观评估：科学的“玄学”063
3.1　主观评估的分类和常用手段064
3.1.1　为什么需要主观评估064
3.1.2　主观评估的三个特点066
3.1.3　主观评估的两种常用手段067
3.2　主观评估的方法论072
3.2.1　主观评估的三条关键准则072
3.2.2　用户价值观和平台价值观的关系076
3.2.3　抽样方法和置信区间的计算方法077
3.3　项目实例：有监督模型的通用分类器标注流程083
3.3.1　标准制定流程中的“求同存异”085
3.3.2　样本标注的标准流程088
3.3.3　模型训练与汇报模板090
3.3.4　实际工作中的关键节点及决策091
3.4　耐心等待“信号”出现093
3.5　本章小结096
第4章　多变量数据分析：数据的基石097
4.1　数据分析的基本方法论099
4.1.1　确认问题101
4.1.2　拆解问题101
4.1.3　验证假设并寻找原因103
4.1.4　形成数据报告108
4.2　描述型统计量和统计学小知识111
4.2.1　描述型统计量的九值、三图、一表111
4.2.2　策略产品经理需要了解的三个统计学知识122
4.3　策略产品经理的SQL技能与常见分析案例126
4.3.1　SQL极简入门127
4.3.2　数据分析案例：男性向/女性向漫画Top10计算132
4.4　本章小结136
第5章　A/B测试：因果性的“钥匙”137
5.1　A/B测试的定义与应用139
5.1.1　A/B测试的背景139
5.1.2　A/B测试的定义和分类143
5.1.3　A/B测试上线流程147
5.2　假设检验的思想与基本方法151
5.2.1　原命题与逆否命题151
5.2.2　假设检验：先提出需要检验的假设，再收集证据152
5.2.3　A/B测试中的内部效度156
5.3　A/B测试在实际工作中的使用指南161
5.3.1　A/B测试中的收益预估165
5.3.2　分流均匀性检验和小样本问题170
5.3.3　A/B测试的5个操作误区171
5.3.4　A/B测试的两种局限性173
5.4　本章小结174
第6章　策略产品经理项目实践175
6.1　策略方案设计的基本原则176
6.1.1　策略产品经理的“术”176
6.1.2　如何定义策略理想态184
6.1.3　策略产品经理的软素质186
6.2　“芝麻信用分”等社交资本的设计思路188
6.2.1　简单社交资本与复杂社交资本188
6.2.2　复杂社交资本的“道”和“术”189
6.2.3　复杂社交资本设计中的关键节点190
6.3　主观评估之职级评定问题193
6.3.1　对内指标和对外指标的“道”和“术”193
6.3.2　理想态的定义：职级评估问题195
6.3.3　职级评估问题的关键节点196
6.4　如何度量100年内最佳体育教练201
6.4.1　关于全局对内指标201
6.4.2　“最好教练”的理想态是什么203
6.4.3　使用ELO等级分进行数值设计205
6.5　内容型产品中，什么是优质内容207
6.5.1　什么是优质内容208
6.5.2　是否应该推荐优质内容209
6.5.3　“天使价值观”与“恶魔价值观”的人性选择题211
6.6　内容稀缺性的度量方法213
6.6.1　基于用户画像的度量214
6.6.2　基于A/B测试实验的度量216
6.7　内容型产品中关于评论的策略设计218
6.7.1　评论区的理想态是什么218
6.7.2　前置型策略设计220
6.7.3　后置型策略设计221
6.8　策略模型的构造法数值设计223
6.8.1　找到因子和因子的关系224
6.8.2　设计曲线的理想形状226
6.8.3　构造法设计公式的迭代思路228
6.9　本章小结229

.　　本书有多位知名公司的数据产品经理参与，读者可以体会到在不同的公司中数据是如何发挥价值的。
　　如何阅读本书
　　数据产品经理是个年轻的职业，是伴随大数据技术的成熟而诞生的。数据产品经理的职责是围绕数据构建解决方案，从获取数据的埋点到数据治理，从数据提取到数据可视化，从数字营销到广告，从搜索到千人千面的推荐，从风控到规划，从预测到AI。产品经理的主要能力是产品思维的构建、用户体验和系统功能的综合掌握，而数据产品经理则不仅需要以上能力，还需要对数据有更专业的认知，对业务有更深刻的理解。对于上述每一个数据领域，数据产品经理都需要花费一定的时间深耕才能掌握，再结合对相关业务的深刻理解，才能让数据发挥最大的价值。
　　在三四年处理众多问题和解答咨询的过程中，我发现数据产品经理的成长主要分为以下两个阶段。
　　1）初级/中级阶段：主要关注自己怎样才能在团队中发挥更大作用。很多产品经理要么是在满足业务或老板的需求，要么是在帮算法工程师标数据，价值感不足。
　　2）中级/高级阶段：主要关注怎么让数据为公司业务创造价值。
　　本书的每个作者都已经跨越了上述两个阶段，他们是这个行业的中坚力量，也愿意为这个行业奉上自己的经验与思考。
　　《数据产品经理：解决方案与案例分析》一书，主要以案例的形式回答数据产品经理在第二个阶段关心的问题，每个案例都是业内非常好的项目，给公司带来了较大的收益。
　　而《数据产品经理：实战进阶》这本书，旨在帮助读者构建数据产品经理的知识结构，渡过第一个阶段。
　　1）为了让读者进一步了解数据产品经理，我们提供了数据产品的行业视野、产品经理自身的能力要求以及应聘和招聘流程（第1章）。
　　2）为了让读者成为团队的驱动力，我们提供了通用能力模块，包括数据分析能力、产品经理的项目运转能力（第2、3章）。
　　3）仅数据部门使用数据无法做到数据驱动，只有让公司的每个部门、每个人都能方便快捷地使用数据做决策，才算是数据赋能，才能够极大提升整个公司的数据水平—而这需要良好的数据建设能力。所以，我们介绍了从数据采集到数据治理、应用、能力输出整个链条的内容。
　　数据采集：埋点体系（第4章）。
　　数据治理：数据中台、指标体系、数据管理。数据治理是数据建设的基础，所以我们用3章（第5、6、8章）来介绍这一部分。
　　得到不同用户的反馈，有助于快速迭代：A/B测试系统（第7章）。
　　数据能力输出，将数据赋能于各个部门：数据服务（第9章）。
　　4）策略产品可以直接将数据变现，是个非常重要的数据产品方向，我们提供了搜索、用户画像（第10、11章）等常见的策略产品知识。
　　不同的公司对数据的要求不同，有些公司更关注直接进行数据变现的能力，有些公司则更关注数据建设的能力。那一个新手要不要了解这么多内容？
　　这里提供一个做事的思路：不要自我设限。你只有先留意了这些内容，才会对公司的数据现状进行思考和认知积累，才能知道公司的数据中藏有哪些机会。
　　产品管理的主动权应该是产品经理自己争取来的，而不能等待别人给你。在你去争取时，我们希望本书中的内容是你最好的武器。
　　作者分工
　　本书共有12位作者参与撰写，具体分工如下：
　　第1章全面认识数据产品经理——陈新涛、朱诗倩
　　第2章数据分析方法论——杨楠楠
　　第3章产品路线图——俞京江
　　第4章数据埋点体系——李凯东
　　第5章数据中台——李凯东
　　第6章数据指标体系——胡玉婷
　　第7章A/B测试系统搭建——贺园、刘扬
　　第8章数据管理——赫子敬、曹畅
　　第9章数据服务——谷坤明
　　第10章策略产品详解：以搜索系统为例——萧饭饭、李凯东
　　第11章用户画像——萧饭饭、杨楠楠
　　勘误和支持
　　由于作者较多，水平有限，写作时间仓促，加之技术不断更迭，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。如果你有更多宝贵意见，欢迎发送邮件至yfc@hzbook.com。
　　致谢
　　非常感谢我的11名合作者，他们在百忙的工作之余，牺牲自己的休息时间，辛苦写作。
　　感谢机械工业出版社华章公司的策划编辑杨福川，在这半年多的时间里始终支持我们写作，对本书的架构和写作提出宝贵意见。
　　感谢项目经理徐湲策—同时协调两本书的20位作者是件非常辛苦且琐碎的事情。在项目启动后的前半个月，我几乎都在协调，没有时间写书，可见这份工作实在是占用时间和精力。于是我在群里寻找项目经理，小徐主动站出来承担了这个任务，并展现了他在项目管理方面的专业性。
　　感谢参与本书试读的多名志愿者，他们提出的宝贵意见对提升本书的质量有很大帮助，他们是黄宇、梦婷、范昱辉、王资涵等。
　　感谢数据产品群千余名成员，大家的讨论和分享很有价值。
　　谨以此书献给数据产品经理路上的前行者！
　　杨楠楠
　　2020年8月
　　
　　
　　---------------------------策略产品经理实践---------------------------
　　
　　
　　为何写作本书
　　2009年，中国互联网行业成为一个巨大的增量市场。用户增长主要来自对用户需求的准确把握，谁能创造出更多、更新、更有趣的功能，谁就能占领新的市场。但是，不知从什么时候开始，互联网行业的从业者们逐渐发现，他们很难再凭借某种创意做出一款爆发式增长的产品。这些将体验或创意做到极致的现象级产品，虽然能在短期内迎来快速的用户增长，却很难获得持续稳定的用户。这意味着互联网行业结束了“跑马圈地时代”，已经来到使用技术对业务进行优化的“深耕细作时代”。中国互联网行业已经从“增量竞争”变为“存量竞争”，企业与企业之间的竞争变成“效率竞争”，谁能通过技术提升效率、降低人力成本，谁就能在残酷的“存量竞争”中生存下来。
　　策略产品经理正是在这样的时代背景下“孕育”而生的，其细分领域包括内容推荐领域、生活服务领域、商品推荐领域等。与传统的功能型产品经理相比，策略产品经理是第二代产品经理，是复合型人才，连接着传统功能型产品经理、算法工程师、数据分析师、运营经理和公司管理层，在企业中发挥着越来越重要的作用，因此企业对策略产品经理的需求量与日俱增。但是，对于大公司的策略产品经理而言，大多数人从事的项目往往是高度成熟的产品，只有很小的策略设计空间，从而缺少应有的全局意识。对于小公司的策略产品经理而言，他们缺少基本的理论指导和合适的基础工具，如A/B测试实验和数据仓库等。
　　笔者在内容推荐领域有5年工作经验，一直坚守在内容推荐领域的一线，曾经历国内某产品从3500万日活到上亿日活的全过程，“从0到1”主导过30余个项目并总结了大量的实践经验和方法论。希望这些经验可以通过本书传递给那些对策略产品经理感兴趣的读者。
　　本书主要内容
　　本书共分6章，内容由浅入深展开。
　　第1章主要介绍策略产品经理的定义、分类和团队合作相关的内容，旨在让读者对策略产品经理的细分领域有更多的认识。
　　第2章介绍内容型产品推荐策略，主要为基础较薄弱的读者普及内容推荐的技术实现原理，以及根据不同内容形式选择不同推荐策略的原则。
　　第3章介绍策略产品经理应该具备的主观评估技能，这也是策略产品经理的核心技能。策略产品经理擅长将不可测数据以科学手段量化，为领导层做决策提供更多维度的参考信息，以加快项目的推进速度。
　　第4章介绍策略产品经理的数据分析技能，包括数据分析的方法论“四部曲”、数据分析常用的描述型统计量和常用的数据图的绘制方法，同时介绍了短小精悍的SQL入门教程。
　　第5章介绍策略产品经理需要具备的A/B测试实验相关技能，以及A/B测试实验的历史背景和设计原则、A/B测试实验所依赖的统计原理等，并详细介绍了实际工作中常见A/B测试实验问题。
　　第6章介绍了7个实践项目和关键节点的决策方法论，融合了前5章的所有内容，希望对读者的实际工作有所帮助。
　　本书特色
　　关于“策略产品经理”，国内尚未有公开的出版物对其进行定义，本书作为一本系统讲解策略产品经理的专著，系统地介绍了策略产品经理与其他产品经理的区别。读者通过本书可充分理解这一职位，而且更多是站在“一线产品视角”。总体来说，本书有如下三大特色。
　　本书方法论和案例全部基于数学模型思维构建，通用性更强，读者可使用相似的数学模型举一反三。
　　本书是基于实践的推荐策略的产品方法论，具有实践性强、细节丰富、推导完善的特点。国内专注于推荐策略产品经理的书少之又少。
　　本书注重方法论层面的介绍，而同类图书往往集中在工具层面，即只介绍使用某种软件解决某个具体问题，笔者认为方法论对读者而言更重要。
　　读者对象
　　本书适读对象主要分为以下几类。
　　5年以下经验并渴望转型的互联网从业人员。
　　对策略产品经理和内容推荐策略感兴趣的初学者。
　　与内容消费领域相关的产品经理、运营经理、市场经理等。
　　资源和勘误
　　为了方便解答读者的问题，大家可以通过微信搜索关注“策略产品经理实践”与笔者沟通。
　　若大家发现书中有错误或不准确的地方，可反馈至邮箱hantong.pm@gmail.com。
　　致谢
　　感谢思圆、惊鸿、汪晔、海雯、肉熊等同事为本书提出修改建议和对笔者的鼓励。感谢兰军、刘飞、黄河、泽华等对本书的肯定，从各位老师身上笔者学习了很多。感谢杨福川、李艺、董惠芝、李扬等机械工业出版社华章分社的老师们的配合与支持。
　　

.　　
　　在产品经理的细分岗位中，策略产品经理是极特殊的一类，既要关注用户和场景，又要关注实现方法和产品逻辑，并在其中做调和与连接。关于策略产品经理的抽象概念很多，但缺少具体的策略案例以及对案例中的方法论拆解。这本书可以填补空缺，希望能对你有所启发。
　　—— 刘飞 《从点子到产品》《产品思维》作者/前滴滴出行司机方向产品负责人
　　与其说策略产品经理是一个岗位，不如说是产品经理进阶的思维方式和能力水平，需要站在大时代背景下系统化思考，具备专业的数据分析能力，在复杂和有限资源的条件下寻找最优解。不只是产品经理，新时期下的创业者、企业管理者，都需要具备策略产品经理思维。
　　—— Blues（兰军） 深圳梅沙科技合伙人
　　策略产品经理是一个在限制条件内，通过推动项目、设定评估体系和全面评估项目收益，达到全局最优解的产品岗位。这本书是基于作者多年实践经验总结的推荐策略产品方法论，不仅具有高度，而且有很强的实践性，是国内少有的专注于推荐策略产品经理的书。
　　—— 黄永鹏前阿里巴巴资深用户增长专家/《用户增长方法论》作者
　　本书总结了作者过往多年的工作经验，从主观评估、数据分析再到A/B测试实验技能，将策略产品经理在工作过程中用到的“术”娓娓道来，干货满满。读起来或许不会觉得容易，但曲径方能通幽：读完了、读懂了、会用了，一定能真正提升策略分析能力。
　　—— 闫泽华 《内容算法》作者/知乎教育负责人
　　产品经理的工作本质是提供解决方案。如果说这个过程包含了艺术和科学、感性与理性，那么策略产品经理的工作可能最靠近科学和理性部分。作者根据自己的经验给大家做了一个全面梳理，相信越来越多的人会投身到策略产品经理这个岗位，也相信越来越多的策略产品经理会从本书中得到启发。
　　—— 黄河伴鱼CEO