策略产品经理实践指南AI时代的用户增长与智慧运营

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