解密某神秘高薪职业：策略产品经理

有这么一个职业，薪资很高、赛道人少，但挑战也高。

1 Who are we？

AI（人工智能）现在很火，同时有个职业也在升温——策略产品经理。策略产品顾名思义，就是制定策略的产品经理。随手在BAT招聘官网检索，策略产品的岗位数量不输客户端产品：

策略产品包含推荐策略方向、搜索策略方向、广告策略方向等；

客户端产品包含前端设计方向、社区方向、渠道方向、用户增长方向、创新方向等。

因为是搜索计数，并未浏览所有岗位，所以可能有误差。

与旺盛的招聘需求不匹配的是，市场上策略产品存量非常少，即使是BAT的岗位，经常三五个月也无合适候选人；好不容易遇上一个，由于对方offer较多，也未必能成功招聘得到。

2 What do we do？

策略产品是做什么的？先看一下某BAT策略产品经理JD：

策略产品JD

工作职责：

深入理解内容行业，包括图文、短视频领域。

制定平台内容运营策略、流量策略、分成策略；与运营同事协作，跟进数据分析，确定优化方向。

精通用户流动模型，需要经历过完整用户运营，具备通过数据反馈业务问题的能力，并优化策略方向。

有商业化运营或策划经验，懂算法的候选人优先。

曾经在头条、微信公众平台等自媒体平台有长期创作经验者优先。

职位要求：

3年以上互联网数据运营分析相关经验，具备数据库查询和编程能力，有推荐算法经验优先。

出色的数据分析、总结归纳能力，逻辑清楚，思维缜密，数据敏感度高。

卓越的逻辑思维能力，卓越的挑战平庸常规的能力。

检测并分析行业竞品情况，并解读相关用户和市场研究报告/信息，为产品规划提供支持。

优秀的沟通协调能力、项目管理能力，良好的团队合作精神 。

从工作职责可以看出，策略产品要上懂创作内容，中懂算法模型，下懂商业逻辑。是一个AI产品能力流的关键节点，示意如下：

如图所示，策略产品主要扮演的角色是业务与算法工程师的通讯者，是商业目标的翻译者，将商业目标拆解成可执行的任务。也有一些公司，算法工程师直接与业务通讯，没有策略产品这个角色。

总结一下，策略产品的工作指责如下：

产品角色：从用户角度发现问题、将问题转化为推荐策略；

项目管理角色：协同合作团队在2.0模式下发挥最大效能。

策略产品也有高阶、低阶之分；低阶产品发现问题、解决问题，高阶产品制定秩序。

那么问题来了，一个泛AI类产品，算法工程师提供算法的实验、开发、上线，并且，在深度学习时代，模型全都往“端到端”发展，策略产品的为什么还这么重要？策略产品和算法工程师到底该如何合作呢？下面就来讨论这两个问题。

3 Challenges

策略产品面临的最大挑战，就是和算法工程师的合作模式。当算法工程师懂业务、懂coding，又有给力的运营标注同学协助，能cover之前说的策略产品2个角色时，是可以独立完成任务的。所以只有当策略产品有深入的业务理解力、策略制定能力时，才有存在的价值。

但事实上，虽然深度学习在识别问题上已经横扫千军，如语音、图像、NLP，但是在面对复杂人性、群体行为上还无法做到端到端。因此，在建立一个策略驱动的产品秩序上，一个资深的策略产品要懂得这些事：什么事情交给算法去做，商业上如何用数据说话，如何运用数据驱动运营，运营如何为算法提供标注数据，客户端上什么样的交互是最能反映用户本意的。而不能是成为一个“算法不如算法工程师，商业不如市场，搞事情不如运营，论交互不如客户端PM”的角色。

策略产品到底如何和算法工程师合作？首先我们来认识一下算法工程师通常要干什么：

建立算法假设

选择模型

训练和离线测试模型

假设没得到验证，回到第2步，多次不行，回到第1步

上线AB测试

测试效果好，全量上，不好，回来修改

策略产品经理作为一款产品的owner，在这个过程中要全力帮助算法工程师几点：

一起建立合理假设。比如为了提高新闻的点击率，那么通常建立的假设是：曝光给用户的新闻，没有点击的就是他不想看的。我们知道一个假设有很多意外情况，但是如果能在大面上站得住，就是一个好的假设。工程师们醉心代码和数学，策略产品一定要更懂人性、群体、商业，这样结合才能建立一个既成立、又能落地的模型假设。

对于多次得不到验证的假设，策略产品要及时喊停，重新梳理业务，这是算法工程师们欠缺的。

算法工程师眼中的指标是AUC，是RMSE，是F值，但是产品成功并不因为你AUC值到了0.9就能成功。所以策略产品除了要知道AUC0.9和AUC0.5分别意味着什么，而且要知道这距离实现商业上的目标还有多远，这也是AB测试的重要性，策略产品经理要深入业务更多。

4 Solutions

策略产品普遍缺乏职业上的指导者，基本只能自学成才。原因也很明显，因为市场上资深策略产品稀缺。那策略产品如何养成呢？大体上分为两个努力方向。

1.深入了解业务

勤用产品、竞品

分析用户日志，发现用户痛点

与平行团队多沟通，了解产品走向

2.深入了解推荐模型

多看下国内外paper和文章，了解推荐算法原理

通过算法工程师了解当前负责的产品推荐过程

5 Opportunities

说了这么多挑战，最后说说机遇吧。策略产品到底哪里好？以下几点看下能否吸引到你：

高薪：一个好的策略上线，往往能对流量提升一两拨千金，所以市面上策略产品的待遇普遍不错；

蓝海：由于是新兴市场，所以远不如客户端产品、后台产品、商业产品竞争激烈；

朝阳行业：AI、推荐算法未来空间很大，可渗透的领域很多；

越老越值钱：策略产品很依赖经验，一个策略是否有效，踩过坑的人会知道。