产品运营策略有哪些 产品运营的7个策略?

一、引言最近工作的重心都在跟数据打交道,各种各样的数据呈现及内在挖掘都要定策略,加上之前在产品策略方面的经验,因此对常用的一些策略方法做一个总结梳理,算是抛砖引玉吧 。
二、概述结合实际的工作场景和经验,会从以下几个层面分别进行展开:

产品运营策略有哪些 产品运营的7个策略?

文章插图
  1. 定量分析:如何将定性、不确定的场景/因素进行量化的数据表达 。
  2. 迭代思想:数据持续变化,如何利用数据构建可靠的模型,进行深度挖掘?
  3. 概统知识:基础的概率统计学知识在数据分析中那是必不可少的 。
  4. 关联分析:数据林林总总,不同的维度/事务是否存在千丝万缕的关联?
当然,这样的拆分是基于个人的经验,不见得多么合理,其实是会存在很多的交叠,也只是冰山一角,所以活到老学到老 。
三、定量分析在实际的工作场景中,常常会碰到各种需要拍脑袋的场景,定性的成分占比较大的比重,除了基本的服务性能外,其他难以定量考评 。
举个例子,我们对于作者进行评级的时候,常常会在作品量、播放量、粉丝量和互动量这几个指标之间纠结,到底谁更重要,重要多少呢?
一番激烈友好的讨论之后定下来“播放量>粉丝量>互动量>作品量”之后,那每个的权重又是多少呢?
哎,祭出个“4-3-2-1”的圣诞树阵型吧,分别赋予权重0.4,0.3,0.2,0.1吧——这种场景重复见到了好多好多次,历史不会重复它的事实,但是历史会重复它的规律,欢迎对号入座 。
在这边推荐层次分析法(AHP):
充分利用人的分析、判断和综合能力,广泛应用于结构较为复杂、决策准则较多且不易量化的问题 。层次分析法主要和专家调查法一起运用,以提高评价体系的置信度 。
大体框架如下:
产品运营策略有哪些 产品运营的7个策略?

文章插图
  1. 将复杂/模糊的测量对象概念化,进行多个明确指标的拆解;
  2. 对各指标间的关联进行具体分析,建立多层次的递阶结构;
  3. 在同一层次上的指标,两两进行相对重要性比较,建立判断矩阵;
  4. 计算要素的相对权重值,并进行一致性检验;
  5. 计算各层次元素对于系统目标的合成权重,进行总排序 。
具体的实施步骤就不再详细展开了,可以参考具体案例 。
以后再碰到定性问题定量化,不妨试试看 。
四、迭代思想世界是动态变化的,我们碰到的各种各的场景、数据都是不断演变的,而他们的演变不是孤立的,基本上都是基于之前的情况变化的,包括熟知的天梯积分,各种各样的排行榜:
产品运营策略有哪些 产品运营的7个策略?

文章插图
这里通常采用的有以下几种思想:
随时间的衰减,这个最有名的当属艾宾浩斯遗忘曲线,以及半衰期的概念,这个给到的指引,通常就是在处理过往数据时候的进行衰减降权:
基于对抗的迭代提升,这就不得不提ELO算法了,简单来说就是基于双方前置的能力值来评估对抗的预期表现,如果实际表现好于预期则能力提升 。
反之能力下降,非常朴素的思想,但广泛使用在各种竞技场景,比如国际象棋评分、国际足联国家队排名以及Dota等电子竞技游戏 。
以国际足联的积分为例,可以简单了解一下(截图自摘自国际足联官网):
产品运营策略有哪些 产品运营的7个策略?

文章插图
基于ELO算法的思想,当时在负责教育项目知识点掌握度的时候,我做了一个大胆的尝试: