教育网站制作

产品策略模型的构建，本身是一个复杂且需要在实践中不断打磨进步的过程。很多时大足网站建设公司候一番计算得到的参数，不如二分法试出来的参数好。很多看似没有严格数学证明和依据的简单策略，却能起到好的作用。

0. 前言

对于大多数人而言，产品策略模型是个黑箱。有的人觉得它无所不能，有的人觉得它华而不实。偏见的产生，大多是因为不了解。

之前的文章比较偏细节，这篇文章会从大的方面入手，说明我的产品策略模型的方法论，表达我对产品策略模型的理解。

1. 模型没有高下，只有是否合适

一个模型，大到一个系统，小到一个公式，都没有对错之分，只有能否满足产品预期。好的模型能够在有限的计算量内，达到产品情景的要求。而差的产品模型也许在纸面上很精确，但是无法满足产品情景的要求。模型就像是个工具，不能说锤子是错的，扫把是对的，只能说锤子在砸钉子的情形下是满足预期的，是好的工具。锤子在扫地的情形下是不满足预期的，是不好的工具。

“推荐系统一定要用协同过滤或者机器学习”，“搜索系统一定带语义分析模糊匹配”，“排序系统 一定要用edgerank”，这些都是先入为主地为算法划定的高下，缺没有考虑是否真正符合要求。

2. 信息量！信息量！信息量！

对模型做一下简化，可以更方便的理解信息量的重要性：把一个模型看做一个黑箱，只有输入和输出两端。输入的信息经过分析计算，然后输出最后的分析结果。在模型分析能力相同的情况下，输入的信息量越大，分析结果效果越好。这样能承载的信息量，成了一个模型的关键因素。当然，处理的信息越多不见得效果越好，但是随着模型的发展，能处理更多信息的模型最终一定结果很好。

3. 指标！指标！指标！

算法迭代需要目标值。比如对于AlphaGo 而言，目标是获胜。对于搜索而言，目标是是准确率、召回率，或者人工评估的nDCG值。（详细说明可以看之前的专栏文章：五分钟了解搜索的原理），对于一个算法而言，一定是有一个目标值的，而这个目标值需要在算法模型迭代的过程中，可以随着模型的变化而变化，确定迭代方向的是否正确。

一个比较通用的方法是，对数据需要划出测试集，用来钦州网站建设公司验证算法的效果。比如知乎推荐分析每个人数据预测出了用户为了会喜欢的内容，可以在第二天使用用户真实的行为马鞍山网站建设公司数据和之前的预测进行对比，来确认效果。

有了指标的算法系统，除了本身迭代的好处，更多的是可以让不明白算法原理的人，能够在黑箱上看到一个表盘，知道每次迭代，算法有多大的提升。这对于项目管理和推进有很大的好处。

4. 置信区间和精度

算法结果够用就行，片面强调计算的准确性是没有必要的。比如要计算一个数据精度本身在+-1范围波动的值，而理论计算得到一个1.8的值本身就够用了，如果画费更大的力气计算出1.834，其实就是无效的。

算法也一样，要预测未来的销售或者需求变化这些本身教育网站制作波动比较大的数据，花大量的经历计算一个足够精确的值本身就没有太大意义，因为太精确就超过了值本身的置信区间。总结而言，精度一定要和置信区间匹配，否则就是浪费。

5. 多因素的涌现，失控的参数控制

好的算法，不会受到输入参数的扰动，而极大影响结果准确性；也不会因为数据中的极值，让结果面目全非。现实情况下，一些异常数据无法避免，参数扰动也无法避免。要考虑多个因素的系统，不能因为一个小问题引起所有结果的失效。其实和《失控》里讲的思想有点像，应该是多个因素组合后涌现出结果，这个结果不能依赖很多参数有一个非常精确的值才能起作用

一个想要完全精确控制算法参数起作用的模型，很有可能就是调整了一个bad case，又引起了一堆别的bad case。

6. 模型的边界，是人对业务的理解

模型是万能的么？当然不是。一个模型不可能把全部的信息作为入参。人能够有效的干预结果，并且根据业务经验调整算法模型非常关键。模型在淘汰掉很多简单机械工作的同时，对人的工作提出了更好的要求。

比如，淘宝在个性化推荐遍布全站之前，淘宝的页面需要大量的运营去填写补充布局，这部分工作目前已经完全被个性化推荐替代。而且效率更高。但是双十一怎么运营，什么营销测流，怎么更好的利用个性化推荐引擎，还是需要产品运营去思考。

同时，在个性化推荐的结果中，也夹杂了大量人工的智慧。大量人工的标注和边界策略保证了个性化推荐引擎的有效性。人对业务的理解让模型能够发挥更大的作用，也正是人对业务的理解形成的外围策略，构成了模型的边界。

7.总结

产品策略模型的构建，本身是一个复杂且需要在实践中不断打磨进步的过程。很多时候一番计算得到的参数，不如二分法试出来的参数好。很多看似没有严格数学证明和依据的简单策略，却能起到好的作用。

产品策略模型不是一块儿难以理解的黑箱子，但也不是短期内能通过几篇文章就能快速了解的。既不是万能的，也绝非华而不实。重要的是先想明白产品遇到了什么样的情境，需要使用产品策略模型来解决什么问题。

如果还有什么需要再最后强调的，那么就是产品策略模型一定不是完美的，永远有问题，永远有进步的空间，永远需要去思考和完善。

“若有完美，必有谎言。”这也是产品经理工作最有趣的部分。

文章作者系 @潘一鸣 未经许可，禁止转载。