推荐产品经理从0-1构建策略过程

声明：结合自身工作经验及学习感悟，完成此文，如有问题，欢迎评论区指出。

策略上线整体流程

一个策略的上线，大致有如下几个环节。
首先，分析场景，是否为推荐场景，主要看产品定位，是否有推荐的必要，用户是否愿意花时间停留在推荐功能上

其次，摸底数据情况，主要从用户角度及商品角度看，是否有足够的推荐内容及用户群体，用于支撑做策略效果验证

第三，用户行为数据分析，这里，主要看埋点数据是否可以支撑策略的落地和效果验证，包括，是否埋点，要验证埋点日志的准确性、合理性、完备性，属性埋的是否全，这个非常关键；埋点设计的属性日志是否存储，存储结构是否合理。当然，在实际的项目开展中，可能会遇到埋点数据不尽如人意的地方，这个时候就需要在数据基础上，去做策略制定，以保证MVP的进行，同时督促业务侧，进行埋点数据的补充和规范。

第四，制定业务目标。确定数据及场景之后，可以基于此制定策略的业务目标，同时要考虑业务的发展节奏，新开展的业务主要以PV、UV为主；正在发展且有一定稳定性的业务以转化率为主；成熟业务以提升GMV为主。

第五，制定策略。在制定策略的时候，仍然要以目标和数据为核心，需要先对数据进行清洗，结合业务逻辑，对有缺失数据的字段制定补充策略、编码策略，尽量保证数据规范，基于清洗好的数据，进行数据分析，分析时，需要根据用户情况、商品情况等多个维度分析，从而帮助我们制定合理的策略

第六，推动执行落地。执行的时候主要涉及的协同方及对应的工作内容如下，数据产品经理，数据开发需求审核；数据开发，依据策略产品经理梳理的数据需求，对原始数据进行清洗，根据特征抽取规则生成特征，并按照时间窗口的不同，将特征聚合，形成数据集，最终输出为算法同学所需的训练及预测数据集；算法开发，根据策略产品经理的策略需求，开发对应的算法部分，同时和数据提供方协调数据集问题；工程开发，根据策略产品经理的策略需求，开发对应的工程部分，同时和算法开发协同算法接口问题；测试，校验算法同学的策略逻辑及服务压力测试，数据开发同学的数据逻辑，对工程开发整个的接口压力测试及工程封装的策略测试，策略服务的日志上报及存储测试。

第七，小流量测试，效果监控，不断迭代。最后一个环节是策略上线。该环节中，在不确定策略是否有效的情况下，会给出一部分流量用于策略的线上效果验证，也就是要进行AB实验。一般会给出10%的流量（百分比的大小和产品的流量情况有关系，流量大，百分比可以放小，反之放大），观测策略的线上指标和对照实验指标的不同。如果策略有问题，需要及时修正。