1、PM-Summit 2019,今天的话题,产品生命周期,引入、成长、成熟、衰退,1,我的数据驱动经历,2005,2019,我的数据驱动经历,模型训练平台Modeling：LR，CF，SVD，SVM，GBM快速迭代优化提升转化率模型,Data API（实时）搭建用户需求解析推荐反馈营销耐受度人群标签（群体及个体）,跨屏数据Platform用户行为数据APP/Online/Offline预定数据产品数据/UGC市场营销（seo/sem/dsp）数据追踪与监控,规模2.6亿用户,DTALK：数据驱动的关注点,产品生命周期,产品生命周期,引入期：使市场尽快接受该产品，更快地进入成长期,衰退期：决定采取

2、什么策略，在什么时间退出市场,成长期：维持其市场增长率，延长获取最大利润的时间,成熟期：使成熟期延长，或使产品生命周期出现再循环,产品生命周期：变化的算法和指标,优化转化率,业务早期,优化访购率（订单/UV）转化率&下单频次,业务增长期：用户1天内下单2次,产品生命周期：变化的算法和指标,优化GMV（引入客单价预估模型）,业务成熟期：平衡用户体验和平台目标，兼顾高客单价商家诉求,优化实付GMV（打击虚假自营销和虚抬物价）,业务增长期：维护生态健康,增长的困局,增长的困局：一个小问题,知识社区老板/产品总监：“增加一个一句话吐槽（类似日式冷吐槽）的功能，可以增加新注册的用户数量、活跃用户数量和平

3、均用户使用时长。”OK吗？,增长的困局：决策方式会导致巨大的差别,拍脑袋经验决策=满足老板的需求,民主决策=满足一群“小老板”的需求,科学决策=满足用户需求,增长的困局：偏见与幸存者偏差,Abraham Wald：https:/en.wikipedia.org/wiki/Survivorship_bias,增长的困局：如何决策？,这个版本的设计看上去很大气吗？上个版本的按钮为什么不用红色呢？这个页面的默认入住日期写今天挺好？,这个版本的设计导致流程A转化率下降了？上个版本的设计在做特定人群AB测试的CTR有效吗？这个页面的默认日期设计对比哪个用户群流失率高？,增长的困局：某O2O用户成长的挑战

4、,搭建激励和连接用户的通道,搭建不同的用户模型：用户生命周期模型漏斗模型用户价值模型,实施运营策略渠道,增长的困局：人类思维局限和分工细化,优化,产品,运营,配色,功能,流程,文案,布局,推荐算法,活动,补贴,内容,传播,PR,分享,核心指标,各种限制条件：预算、人力、物力、用户数量、策略、品牌,用户体验,增长的困局：让机器学习处理高维问题,机器学习,Answers,Data,Rules,健康增长和数据闭环：AARRR VS RARRA,https:/,健康增长和数据闭环：AARRR VS RARRA,Acquisition（获取用户）：下载量、流量、APP-store访问量、安装量,健康增长

5、和数据闭环：谷歌,健康增长和数据闭环：搜索 VS 数据驱动？,搜索引擎收录索引排序预测,数据驱动采集清洗分析预测,健康增长和数据闭环：为何拿搜索为例？,提问：在抓取了整个网络的页面，又有了简单的布尔索引表，PageRank网页质量的情况下是否就能给到用户需要的搜索结果？事实是不能！这个就好像你公司的产品质量超级好，又打通了所有的销售渠道放在了合适的商店货架上，但消费者就会买了吗？根本在于你的商品或者服务是否能满足/反映用户需求,健康增长和数据闭环：如何持续敏捷,04,02,01,03,05,假设可能,灰度发布,称不上算法的算法：共同的好友,5%,猜测可能影响结果的特征值（比如：在线时长、发的文

6、字状态数、发照片数、etc）,1.用户的好友数2.用户的个人信息的完备程度,弄清一个问题：“为什么在平台上一部分用户特别活跃而一部分用户特别不活跃？”,健康增长和数据闭环：相关性 VS 因果,上述定量数据，正相关最高的是“使用过某功能，而活跃并没有规律，相关程度并不明显。,健康增长和数据闭环：人群和标签资产,用户信息标签化：通过收集和挖掘分析用户线上流量信息、访问记录、消费行为等主要信息，全面地抽象出一个用户在人口属性、生活习惯、消费行为、兴趣等方面维度标签，精准数字化描述用户。标签资产化：标签沉淀在数据资产系统里赋能业务团队。,标签、用户画像和AB测试,典型用户问卷访谈典型个体设计&产品,P

7、ersona,受众定向ETL&算法全域标签平台运营&市场,GProfile,AB测试,大量试验,标签、用户画像和AB测试：某在线旅游平台,原始数据,大数据平台,标签用户画像平台,用户信息,浏览数据,订单数据,外部数据,点评数据,Hadoop,Spark,Hive,MySQL,Python,Pytorch,Tensorflow,面向应用,基础数据,消费习惯,出行偏好,兴趣偏好,客户属性,推荐,排序,搜索,标签,同类人,标签资产平台的建设,标签、用户画像和AB测试：某在线旅游平台,消费习惯-星级&价格偏好：历史订单浏览行为收藏记录淡旺季节假日,Linear RegressionXGBoostSof

8、tmax,把用户的偏好映射到1,10，该值越高表示消费能力越高,机器学习AB TestCR,浏览用户与点评用户的距离为星级、价格偏好等维度的加权平均每个维度的距离通过余弦距离计算得到,标签、用户画像和AB测试：某在线旅游平台,置顶 Top 3 同类人CR不显著,增加同类人点评分与点评标签CR+0.74%,同类人标签前置列表页CR+0.44%,展示所有同类人并优化算法CR+0.48%,标签、用户画像和AB测试：数据驱动的效率,标签、用户画像和AB测试：数据驱动的基石,数据仓库报表平台GProfile多主体标签平台AB Test工具,流程漏斗无限细分AB Test,专业人才、流程配套,标签、用户画

9、像和AB测试：标签平台案例,标签、用户画像和AB测试：如何解决流失,降低用户流失,相关标签是哪些？,找出可能流失用户,用户研究Persona,AB测试,降低了吗,没有,原因是？,降低了,目标永远是明确的量化标签定量定位用户（Profile）定性用户原因（Persona）结合AB测试，提高成功率,如何评估数据驱动能力,One More Thing.,如何评估数据驱动能力：我们帮助过的团队,百货零售航空/酒店/旅行金融/保险奢侈品/汽车服务/社区日用品其他,如何评估数据驱动能力：2个百亿企业的问题,A问题举例：用户画像系统如何好用？用户画像系统的的独特作用？如何评估量化单个标签的有效性？Perso

10、na和Profile的不同作用？应用场景？,B问题举例：没有一个完整化的用户数据模型去支撑业务的优化评估。单点的AB很弱，效率也很慢，怎么办？画像没有体系化，画像的精细度不够深，也不能量化去评估，怎么办？做不到构建模型驱动运营，只能通过不停AB测去判断用户的偏好（即阈值）,我们计划通过D-Index Program这个长期的企业数据驱动成熟度评估项目，帮助企业评估自身的能力.我们会联合企业和学术界的力量一起帮助更多的企业从起步到飞奔完成数据驱动的业务转型。扫码，输入“D”,如何评估数据驱动能力：D-Index做什么？,D-Index包括：企业数据驱动能力得分同行业能力排位同等人员规模能力排位同行业与同规模情况参考或者案例展示数据能力强势点及风险点建议优化方案及可能带来的提升,D-Index会评估数据产品包括：数据采集部分情况BI部分情况标签平台部分情况AB实验平台部分情况预测类产品情况（比如推荐系统）可优化点及各优化点所能带来的提升可能数据产品案例展示,如何评估数据驱动能力：参与获得的价值,定制化的数据驱动能力得分报告同行业优秀实践案例及技术指导同等规模团队实践案例及技术指导建议优化方案及可能带来的提升,