策略是实现目标的手段
那策略到底是一个什么样的手段呢？接下来用一个案例来探索策略是一种手段的本质。
课程截图
问题：电子书阅读器的屏幕阅读体验不佳如何解决？
背景设定：这个阅读器是最初诞生时那种液晶屏，光线好的时候很清晰，光线不好的时候什么都看不清楚。
解决方案：
课程截图
最初的解决办法是增加一个屏幕背光功能，可以由人手动开关控制，白天光线好的时候关掉开关，晚上或者其他光线不好的时候可以手动打开这个背光灯。假设用函数来表示当前的这个解决方案的话，它更像一个坐标轴，y=0或者y=1，这是一个明确的0-1问题。但是这个解决方案比较粗糙，因为需要人去手动控制开关，需要一定的操作成本。
接下来产品经理会考虑有没有更好的方案去解决这个问题，就提出了我们可以根据环境情况自动控制亮度，不需要人工控制。这个便比较接近现在的各类电子产品采用的方案了。继续用函数来表示这个解决方案，那么这是一个一次函数，最终的亮度会受到外部亮度的影响。
如果说第一个版本用户控制的方案是功能性的解决方案，那么第二个版本的自动调节的方案就叫做简单策略的解决方案。
那第二个版本的方案是不是最优方案了呢？产品经理又发现，虽然可以自动调节亮度了，但还是会有用户主动调节亮度的行为发生。通过调查发现，其实用户对亮度的需求并不完全由外部亮度决定，还有其他很多因素的影响。比如说，玩游戏的时候我们希望屏幕可以更亮一点，阅读的时候希望屏幕可以稍微暗一点，在户外的时候希望更亮一点，在室内的时候希望屏幕也可以暗一点，等等。
于是PM提出了第三个版本的解决方案，把这些不同的手机应用的类型、时间、光源等因素也考虑进来，共同决定屏幕亮度的值。再由函数来表示的话，这就是由多个参数来决定y值的多元函数。那相对于第二个版本的简单的一次函数来说，这便是一个复杂策略的解决方案。
通过以上的例子，我们可以形象的感受到功能性解决方案和策略解决方案的差异。功能是有明确单一的路径和结果，而策略路径会更加复杂，是要考虑更多的因素来给出最终的解决方案。
课程截图
首先策略是围绕着某个问题产生的，问题驱动产品的诞生，因此“待解决问题”是策略的第一个要素。比如上个案例中的“如何使屏幕的阅读体验更佳”就是待解决问题。
然后这个问题的解决方案会受到多个因素的影响，这些因素会被考虑进策略，决定最终的产品路径。这些因素被称作策略的“输入”，这是策略的第二个要素。比如上个案例中的“外部亮度”“手机应用类型”等数据，就是策略的输入。
这些输入需要一定的处理逻辑和规则以转化成最终的输出结果，比如案例中的一次函数或者多元函数，这些函数会将因素x们转化成屏幕亮度值y输出。这里的“处理逻辑”和“输出”就是策略的第三和第四要素。
接下来再通过两个例子巩固策略要素的拆解逻辑。
案例一、今日头条的推荐策略
课程截图
1.待解决问题：
如何从大量候选内容中找到用户最喜欢的内容.
2.输入：即用户“喜欢”这件事情可能会受到哪些因素的影响
首先是什么样的人决定了他可能会喜欢什么样的东西，比如他的性别、年龄、职业、所在地等等；以及他曾经向平台明确表达过的喜好和厌恶行为，比如说他特别喜欢哪篇文章，对什么文章会视而不见等等。这些用户的基础信息和历史行为被统一挖掘为他的画像标签。
其次还有一个维度是这些候选内容是什么样子，同样决定了它有多大可能会被用户喜欢。内容本身是什么样子的，它是什么类别的内容，它讲的是关于什么的事情，这都是推荐系统需要考虑的因素。这些统称为候选内容的特征。
课程截图
3.计算逻辑：
实际工作中这个计算逻辑主要由策略RD给出，PM不太需要关心里面的细节，但是要知道里面的大概思路。
这个计算逻辑的思路就是指如何将输入转化为输出。这个推荐策略的计算逻辑就是将这些输入的特征通过一定的计算规则转化为唯一的“喜欢度”指标。
4.输出：
将所有的候选内容按“喜欢度”从高到低排序，得到用户最终看到的feed流。
案例二、711的商品促销策略
课程截图
1.待解决问题：
制定怎样的促销规则使该商品的当日销售额最大。
这里也可以是销量最大等其他目标，我们暂时以销售额最大来分析。
2.输入：
即“销售额”这件事情可能会受到哪些因素的影响。
（1）有多少人会来购买
“多少人”会受到各个时段的人流量以及不同促销下的购买转化率的影响。
（2）以怎样的价格购买
课程截图
3.计算逻辑：
设定：一天中从到24点为促销时间段
为各个时间段的人流量
4.输出：
根据上面计算逻辑的公式得到销售额最大，然后求得销售额最大时的优惠时间和优惠价格，从而知道促销规则该如何设定。
总结
存在某种问题，该问题的最佳解决方案会受到多个因素的影响、不是恒定不变的。可以持续收集这些因素的变化，并根据变化随时调整解决方案，这种手段即为策略。
待解决问题，输入因素，计算逻辑，方案输出就是策略的四大要素。
以上为三节课策略产品课程个人学习笔记。
网友评论