產(chǎn)品邏輯之美：打造復(fù)雜的產(chǎn)品系統(tǒng)

第1部分 基 礎(chǔ)
第1章 信息架構(gòu) 2
1．1 信息架構(gòu)到底是什么 2
1．2 信息架構(gòu)設(shè)計(jì)的基本問(wèn)題 4
1．2．1 你的用戶是誰(shuí) 4
1．2．2 你的內(nèi)容是什么樣的 5
1．2．3 你的產(chǎn)品應(yīng)用場(chǎng)景是什么 6
1．3 如何設(shè)計(jì)好信息架構(gòu) 6
1．3．1 選擇合理的解決方案 7
1．3．2 符合一般用戶認(rèn)知 8
1．3．3 可視化的方案 8
1．3．4 以人為中心的設(shè)計(jì) 9
1．3．5 系統(tǒng)容錯(cuò)設(shè)計(jì) 10
1．3．6 合理的信息反饋 11
1．3．7 系統(tǒng)的可擴(kuò)展性 12
1．3．8 關(guān)于設(shè)計(jì)準(zhǔn)則的準(zhǔn)則 15
1．4 分類系統(tǒng)：建立內(nèi)容的圖書(shū)館 15
1．4．1 分類系統(tǒng)的挑戰(zhàn) 16
1．4．2 多級(jí)分類 17
1．4．3 分類的維度 18
1．5 導(dǎo)航系統(tǒng)：永遠(yuǎn)別讓用戶迷路 21
1．5．1 導(dǎo)航的系統(tǒng)性 21
1．5．2 傳統(tǒng)導(dǎo)航分類 23
1．5．3 移動(dòng)端的導(dǎo)航設(shè)計(jì) 24
1．6 標(biāo)簽系統(tǒng)：將數(shù)據(jù)格式化 27
1．6．1 標(biāo)簽的來(lái)源 28
1．6．2 系統(tǒng)標(biāo)簽的設(shè)計(jì)原則 29
1．6．3 標(biāo)簽系統(tǒng)的作用 30
1．7 本章小結(jié) 31
■ 案例分享 31
第2章 數(shù)據(jù)分析 36
2．1 數(shù)據(jù)驅(qū)動(dòng)的實(shí)施步驟 36
2．2 從埋點(diǎn)到指標(biāo) 40
2．2．1 數(shù)據(jù)埋點(diǎn)的采集 41
2．2．2 數(shù)據(jù)埋點(diǎn)的評(píng)估 44
2．2．3 選擇指標(biāo)的準(zhǔn)則 46
2．3 數(shù)據(jù)分析的核心方法 48
2．3．1 可信度分析 48
2．3．2 趨勢(shì)分析 49
2．3．3 數(shù)據(jù)細(xì)分 50
2．3．4 數(shù)據(jù)對(duì)比 51
2．3．5 轉(zhuǎn)化漏斗 52
2．3．6 集群分析 54
2．3．7 數(shù)據(jù)預(yù)估 54
2．3．8 綜合分析 55
2．4 歸因：從數(shù)據(jù)到認(rèn)知 55
2．4．1 相關(guān)性和因果性 56
2．4．2 歸因的類型 57
2．4．3 微觀歸因方法 58
2．5 數(shù)據(jù)分析報(bào)告 59
2．5．1 數(shù)據(jù)報(bào)告構(gòu)成 59
2．5．2 數(shù)據(jù)報(bào)告說(shuō)明 60
2．6 本章小結(jié) 62
第3章 機(jī)器學(xué)習(xí) 63
3．1 什么是機(jī)器學(xué)習(xí) 64
3．1．1 機(jī)器學(xué)習(xí)與學(xué)習(xí) 64
3．1．2 機(jī)器學(xué)習(xí)系統(tǒng)的構(gòu)成 65
3．1．3 機(jī)器學(xué)習(xí)的優(yōu)勢(shì) 69
3．1．4 機(jī)器學(xué)習(xí)的挑戰(zhàn) 71
3．2 特征工程：算法的基石 72
3．2．1 數(shù)據(jù)提取 72
3．2．2 數(shù)據(jù)預(yù)處理 73
3．2．3 特征選擇 77
3．2．4 特征降維 78
3．2．5 其他特征工程 79
3．3 常用機(jī)器學(xué)習(xí)算法 80
3．3．1 線性回歸 80
3．3．2 邏輯回歸 82
3．3．3 C4．5決策樹(shù)算法 83
3．3．4 K-means算法 85
3．3．5 樸素貝葉斯 86
3．3．6 人工神經(jīng)網(wǎng)絡(luò) 88
3．3．7 模型融合 89
3．4 機(jī)器學(xué)習(xí)算法的應(yīng)用 90
3．5 人與算法 94
3．5．1 算法可以成為產(chǎn)品的核心競(jìng)爭(zhēng)力 94
3．5．2 算法需要被更多人理解 95
3．5．3 算法系統(tǒng)需要和人更好地結(jié)合 96
3．6 本章小結(jié) 97
第2部分 用 戶
第4章 用戶運(yùn)營(yíng) 100
4．1 用戶價(jià)值衡量 100
4．1．1 衡量指標(biāo)的選取 100
4．1．2 凈推薦值 102
4．2 用戶篩選 104
4．2．1 人工規(guī)則 104
4．2．2 RFM模型 105
4．2．3 算法篩選 107
4．3 用戶留存 108
4．3．1 創(chuàng)造用戶價(jià)值 108
4．3．2 定期舉辦運(yùn)營(yíng)活動(dòng) 110
4．3．3 自動(dòng)化留存 111
4．4 用戶召回 112
4．4．1 常規(guī)召回 113
4．4．2 廣告召回 113
4．4．3 營(yíng)銷召回 114
4．5 用戶變現(xiàn) 115
4．5．1 會(huì)員 116
4．5．2 廣告 117
4．5．3 電商 118
4．5．4 游戲 120
4．6 本章小結(jié) 120
■ 案例分享 121

第5章 用戶中心 124
5．1 需求的劃分 124
5．2 注冊(cè)登錄 126
5．2．1 手機(jī)號(hào)與驗(yàn)證碼 126
5．2．2 注冊(cè)登錄策略 128
5．2．3 注冊(cè)登錄流程的案例 130
5．3 會(huì)員體系 132
5．3．1 會(huì)員的核心價(jià)值 132
5．3．2 會(huì)員體系的設(shè)計(jì)方法 133
5．3．3 向傳統(tǒng)服務(wù)行業(yè)學(xué)習(xí) 138
5．4 客服系統(tǒng) 139
5．4．1 客服系統(tǒng)組成 139
5．4．2 核心指標(biāo)：CPO 143
5．4．3 從客服到產(chǎn)品 144
5．5 本章小結(jié) 144
■ 案例分享 145
第3部分 系 統(tǒng)
第6章 搜索系統(tǒng) 150
6．1 搜索系統(tǒng)的原理 150
6．1．1 搜索系統(tǒng)如何存儲(chǔ)數(shù)據(jù) 150
6．1．2 如何處理用戶輸入的搜索文本 153
6．1．3 對(duì)內(nèi)容進(jìn)行篩選 155
6．1．4 對(duì)結(jié)果進(jìn)行排序 155
6．2 搜索交互功能 158
6．3 搜索系統(tǒng)的評(píng)估 165
6．3．1 客觀指標(biāo) 166
6．3．2 人工評(píng)估指標(biāo) 167
6．4 優(yōu)化搜索系統(tǒng) 169
6．4．1 數(shù)據(jù)系統(tǒng) 170
6．4．2 A/B測(cè)試 171
6．4．3 搜索運(yùn)營(yíng)后臺(tái) 172
6．4．4 基礎(chǔ)數(shù)據(jù)規(guī)范 172
6．4．5 逐個(gè)評(píng)估、抓大放小 172
6．5 本章小結(jié) 173
■ 案例分享 173
第7章 推薦系統(tǒng) 178
7．1 推薦系統(tǒng)的基本介紹 179
7．1．1 推薦系統(tǒng)的應(yīng)用場(chǎng)景 179
7．1．2 目標(biāo)和數(shù)據(jù) 181
7．1．3 從一張表格說(shuō)起 183
7．2 從內(nèi)容推薦到協(xié)同過(guò)濾 183
7．2．1 基于內(nèi)容的推薦 184
7．2．2 協(xié)同過(guò)濾與相似度 185
7．2．3 基于內(nèi)容的協(xié)同過(guò)濾 188
7．2．4 基于用戶的協(xié)同過(guò)濾 189
7．2．5 基于標(biāo)簽的推薦 190
7．3 隱語(yǔ)義模型 192
7．3．1 隱語(yǔ)義模型的思想 193
7．3．2 隱語(yǔ)義模型的原理 194
7．3．3 隱語(yǔ)義模型的應(yīng)用 198
7．4 推薦算法的評(píng)估 199
7．4．1 離線評(píng)估 199
7．4．2 離線評(píng)估A/B測(cè)試 203
7．4．3 線上A/B測(cè)試 204

7．5 推薦系統(tǒng)項(xiàng)目實(shí)踐 205
7．5．1 要解決產(chǎn)品的哪些問(wèn)題 206
7．5．2 怎樣合理地規(guī)劃技術(shù)路徑 206
7．5．3 推薦系統(tǒng)的策略細(xì)節(jié) 207
7．6 本章小結(jié) 213
■ 案例分享 214
第8章 信息流系統(tǒng) 217
8．1 信息流的設(shè)計(jì)思路 218
8．1．1 信息優(yōu)先級(jí) 218
8．1．2 信息加工策略 219
8．1．3 信息流更新機(jī)制 222
8．2 規(guī)則類信息流設(shè)計(jì) 223
8．2．1 時(shí)間衰減法 224
8．2．2 對(duì)數(shù)衰減法 225
8．2．3 評(píng)價(jià)排序法 227
8．2．4 概率加權(quán)法 228
8．3 個(gè)性化信息流設(shè)計(jì) 230
8．3．1 從規(guī)則算法到機(jī)器學(xué)習(xí) 230
8．3．2 用戶冷啟動(dòng) 232
8．3．3 及時(shí)反饋 232
8．3．4 內(nèi)容冷啟動(dòng) 233
8．4 信息流的商業(yè)模式 234
8．5 信息流的挑戰(zhàn) 235
8．6 本章小結(jié) 237
■ 案例分享 238
第9章 線下交易匹配系統(tǒng) 242
9．1 線下交易的特點(diǎn) 242
9．1．1 資源排他性 243
9．1．2 時(shí)空不匹配 243
9．1．3 系統(tǒng)公平性 244
9．1．4 系統(tǒng)開(kāi)放性 245
9．1．5 服務(wù)敏感性 246
9．2 時(shí)空價(jià)值模型 246
9．2．1 時(shí)空價(jià)值模型的定義 247
9．2．2 時(shí)空理想劃分 247
9．2．3 時(shí)空聚類方法 248
9．2．4 仿真模型構(gòu)建 249
9．3 時(shí)空價(jià)值 250
9．3．1 時(shí)空需求預(yù)估 251
9．3．2 基于轉(zhuǎn)移概率的時(shí)空價(jià)值預(yù)估 252
9．3．3 基于鄰域的時(shí)空價(jià)值預(yù)估 253
9．4 服務(wù)匹配方法 254
9．4．1 匹配度的構(gòu)建 254
9．4．2 二分圖匹配 255
9．5 線下交易運(yùn)營(yíng) 256
9．5．1 用戶側(cè)運(yùn)營(yíng) 257
9．5．2 服務(wù)側(cè)激勵(lì) 257
9．5．3 動(dòng)態(tài)調(diào)價(jià) 258
9．5．4 預(yù)期可視化 258
9．5．5 高價(jià)值用戶保護(hù) 259
9．6 線下交易的挑戰(zhàn) 259
9．6．1 押金模式的困境 259
9．6．2 社會(huì)和政策的影響 260
9．6．3 供需時(shí)空分布不均 261
9．6．4 無(wú)法兼顧效率和業(yè)務(wù)目標(biāo) 262
9．6．5 數(shù)據(jù)挖掘和算法創(chuàng)新 262
9．7 本章小結(jié) 263
■ 案例分享 263
第4部分 職 業(yè)
第10章 產(chǎn)品邏輯之美 268
10．1 人是不完美的系統(tǒng) 269
10．1．1 非理性的決策 269
10．1．2 有立場(chǎng)的決策 270
10．1．3 信息不完全的決策 272
10．2 產(chǎn)品經(jīng)理的邏輯 273
10．2．1 什么是產(chǎn)品經(jīng)理的邏輯 273
10．2．2 怎么評(píng)估產(chǎn)品經(jīng)理的邏輯 274
10．2．3 怎么提高產(chǎn)品經(jīng)理的邏輯 274
10．3 我的思維框架 275
10．4 人是終極算法 277
第11章 未來(lái)的產(chǎn)品經(jīng)理 280
11．1 產(chǎn)品經(jīng)理的歷史 280
11．2 產(chǎn)品經(jīng)理的現(xiàn)在 281
11．2．1 焦慮的產(chǎn)品經(jīng)理 281
11．2．2 產(chǎn)品經(jīng)理的晉升 283
11．3 產(chǎn)品經(jīng)理的未來(lái) 284
11．3．1 對(duì)新鮮事物保持好奇 285
11．3．2 對(duì)社會(huì)和人保持好奇心 286
11．4 為未來(lái)而準(zhǔn)備 287