《运营之光》《策略产品经理》《推荐系统实践》读书笔记随笔
作为数据产品经理，接触最多的业务方莫过于是运营人员，不管是搭建标签体系，还是日常的数据分析、数据数据产品，归根到底都是希望能够为洞察用户、产品等相关的实体，从而实现精细化运营。因而在搭建标签体系的时候，最为重要的一点就是从运营的角度出发，思考如何能够提升运营效率，为运营提供便捷性的工具。《运营之光》这本书讲述了运营相关的知识，希望通过对此书的学习，能够较好的理解运营的工作，能站在运营的角度去实施数据产品的工作，做出更多有业务应用性和价值性的东西，同时结合在精细化运营过程中需要的策略分析和推荐方法，提炼一些个人觉得值得思考的信息点
一个优秀的运营，应该可以熟练掌握很多“杠杆点”，以便更好地给用户创造短期价值，借此撬动更多长期价值的确立
1、运营工作的很大一个组成部分就是如何通过不断思考、判断和执行，找到投入产出比较优的路径和方法，来获得你想要的结果。
2、一般，我们可以把用户分为新用户、老用户、会员用户、超级用户和流失用户。在不同的用户生命周期，用户运营的核心目标都是不一样的。比如，从新用户到老用户，我们关注的是新用户首购的转化；从老用户到会员用户，我们关注的是通过推动老用户不断地复购来建立忠诚度；从会员用户到超级用户，我们关注的是提升用户对品牌的认知和价值共鸣；对于流失用户，我们关注的是用户召回
3、推荐的关键点：优质，即时，相关，多样
一般推荐需要加入置顶规则，沉底规则
推荐的前提：信息过载，比如对一个新的短视频业务，现在短视频的量太少，不存在用户看不完的情况，则无需用推荐
4、推荐策略划分：
通用策略：
①过滤策略:过滤掉含有A的内容
②排序策略:内容B对全体用户加权50%
③打散规则:连续五条内容中最多出现两条C的内容
④规则优先级:各规则之间可能互斥，要明确之间的优先级，规则冲突情况下的逻辑
垂类策略：
①定义:某个策略覆盖的人群不是百分之百，比如针对于地活跃用户的分析
②垂类策略力度更大，可能会超过产品限制，比如在ABT时直接把某个功能模块下架，在发推是一天发两条
③用户生命周期的加持影响力度会更大，比如针对不同生命周期的同功能策略用户，策略都是不一样的
5、推荐的规则
推荐的弹药，用户行为数据，显示反馈，比如明确表示出喜欢，隐式反馈，比如页面浏览行为，曝光。正反馈和负反馈
①基于用户协同推荐，找到相似用户，在找到相视用户的物品集合，推荐用户没用过的物品
②基于物品协同推荐，通过用户的行为数据，计算物品相似度进行推荐，而不是物品间的相似度
6、运营当中的社区必要性
论坛管理，引导产生兴趣，兴趣催生话题，话题集中讨论，信息聚合用户
7、不同阶段的策略运营方式也不同
短视频和直播的推荐可以相互借鉴，在不同阶段，当下最缺少的东西不同，会采取不用的策略，对于PGC产品而言，在早期最缺少的是内容量，需要的是作者和优质内容，对于专业作者，差别也很明晰，有利益驱动型，影响力驱动型，兴趣驱动型
①利益驱动型，是理性自然人，策略到有效的延时很短，一般采用不同的分流
②兴趣驱动型，对其中的优质内容才有运营资源和推荐的倾斜
影响力驱动型，给予特权功能和外显社交资本
8、推荐的可信度优化
①好的推荐系统不仅仅能够准确预测用户的行为，而且能够扩展用户的视野，帮助用户发现那些他们可能会感兴趣，但却不那么容易发现的东西
②举例：豆瓣标签云，给用户推荐标签，并推荐标签下面的内容，推荐程度越高，标签字体越大，实现内容推荐可解释性，同时提高推荐结果的多样性，还提高了用户的联想性，让用户进行很多的内容回忆和内容消费
9、商品的热度评价方法
①物品平均在线天数 如果一个物品在某天被至少一个用户产生过行为，就定义该物品在这一天在线
②商品时效性：相隔T天系统物品流行度向量的平均相似度 取系统中相邻T 天的两天，分别计算这两天的物品流行度，从而得到两个流行度向量。然后，计算这两个向量的余弦相似度，如果相似度大，说明系统的物品在相隔T 天的时间内没有发生大的变化，从而说明系统的时效性不强，物品的平均在线时间较长。
10、商品推荐评估指：准确度、覆盖度、新颖度、惊喜度、信任度、透明度等。
推荐算法的评估：准确率，召回率，覆盖率，流行度、新颖度
11、内容运营中的众包=》众包：就是你无须参与到具体的内容生产过程中，只需要明确内容边界和规则，维系好一个氛围和环境，然后让大家都到这个好的环境中来贡献内容，最后你再从中筛选出你认为更优质的内容。
12、推荐的人工干预意义=》推荐人工干预：短期的干预是应该逐步被长期的机制所替换的。规则就像打补丁，短期打补丁能够遮住窟窿，但长期补丁叠补丁这衣服就没法穿了。太多的规则系统会严重增加系统的复杂度，降低可理解性。
《运营之光》《策略产品经理》《推荐系统实践》读书笔记随笔相关推荐
- 推荐系统实践读书笔记-04利用用户标签数据
推荐系统实践读书笔记-04利用用户标签数据 推荐系统的目的是联系用户的兴趣和物品,这种联系需要依赖不同的媒介.GroupLens在一篇文章中表示目前流行的推荐系统基本上通过3种方式联系用户兴趣和物品. ...
- 推荐系统实践读书笔记-01好的推荐系统
推荐系统实践读书笔记-01好的推荐系统 在研究如何设计推荐系统前,了解什么是好的推荐系统至关重要.只有了解了优秀推荐系统的特征,我们才能在设计推荐系统时根据实际情况进行取舍.本章分3个步骤来回答这个问 ...
- 推荐系统实践读书笔记-02利用用户行为数据
推荐系统实践读书笔记-02利用用户行为数据 为了让推荐结果符合用户口味,我们需要深入了解用户.如何才能了解一个人呢?<论语·公冶长>中说"听其言,观其行",也就是说可以 ...
- 推荐系统实践读书笔记-06利用社交网络数据
推荐系统实践读书笔记-06利用社交网络数据 自从搜索引擎谷歌诞生后,大家都在讨论互联网的下一个金矿是什么.现在,几乎所有的人都认为那就是社交网络.根据尼尔森2010年的报告,用户在互联网上22%的时间 ...
- 推荐系统实践读书笔记-08评分预测问题
推荐系统实践读书笔记-08评分预测问题 本书到目前为止都是在讨论TopN推荐,即给定一个用户,如何给他生成一个长度为N的推荐列表,使该推荐列表能够尽量满足用户的兴趣和需求.本书之所以如此重视TopN推 ...
- 推荐系统实践读书笔记-05利用上下文信息
推荐系统实践读书笔记-05利用上下文信息 本章之前提到的推荐系统算法主要集中研究了如何联系用户兴趣和物品,将最符合用户兴趣的物品推荐给用户,但这些算法都忽略了一点,就是用户所处的上下文(context ...
- 推荐系统实践读书笔记
最近大概复习了一下这本书,了解了较早的推荐系统的一些方法,记录如下,以便大家对本书内容有个快速地了解.略去了第一张,详细的代码和细节可以参考其他博客.需要关注的地方直接标出了页码. 书里面的代码不是很 ...
- 《B端产品经理必修课》读书笔记 （第一章）
第一章 点亮:了解B端产品经理 1.1 什么是B端产品 1. B端产品将已有的商业运行逻辑进行系统化.信息化.高效化处理: 2. B端产品可以为公司管理服务(例:HR系统.OA),也可以为公司运营服务 ...
- 【人人都是产品经理1.0读书笔记】写给-1到3岁的产品经理（含自我思考与总结）
文章目录 1.写给-1到3岁的产品经理 1.1 第一句话 1.2 产品是什么 1.百度百科词条-产品 2.产品 3.产品经理的来源 4.产品经理的招聘信息 阿里巴巴 工作职责: 职位要求: 百度 工作 ...
- 人人都是产品经理 - 苏杰 读书笔记
本书百度云链接:https://pan.baidu.com/s/175awixLtB1lSIqtDE_nFWA 密码:ll0p
最新文章
- python datetime datetime_Python datetime.tzinfo方法代碼示例
- 脑子笨的人可以学计算机吗,脑子笨的人有什么特征 反应慢的人其实很聪明
- Java连接Redis-Jedis简介
- react设置static defaultProps报错问题解决
- bootstrap的html高度很低,Bootstrap DIV没有填充100％背景颜色的高度
- matlab双立方插值法_双三次插值（Bicubic interpolation）缩放图片
- 50、BGP配置实验之社团属性community
- python实践项目（十一）
- VS2010 中 error 2732: 链接规范与的早期规范冲突 的解决
- Windows 10 Enterprise LTSC MSDN官方纯净版下载
- mysql分库分表中间件6_数据性能改善——分库分表中间件
- 人类存储技术发展二三事
- 使用加密解密技术和CA认证解决网络传输中的安全隐患
- ssl证书过期怎么解决？
- 2021年，学UI设计还吃香吗？
- 数字水印技术研究综述
- 全球回报最好的 40 个 VC 投资案例，我们可以从中学到什么？
- 计算机秋招必备！杭州互联网大厂企业整理清单！
- Spring的初始化和对象创建流程
- 微软TechEd大会着重宣传其虚拟化技术