TURING.DT

产品需求文档（Product requirements document 简称PRD）是产品经理在工作中最重要的产出物，是承上启下的核心文档。因此，PRD文档是产品经理职业生涯中必须要掌握的技能。我会从以下几个方面讲解，到底怎么才能写好PRD文档。

North Star Metric ” 北极星指标。又叫做 “ OMTM " ，唯一重要的指标。之所以叫北极星指标，是因为这个指标一旦确立，就像北极星一样，高高闪耀在天空中，指引着全公司上上下下，向着同一个方向迈进。

增长黑客其实就是围绕着增长 = 新增 + 留存 + 挽回，这个公式展开的。有了这个公式以后，当你发现产品增长乏力时，就可以分析产品增长停滞具体是由哪个方面引起的，然后对症下药，制定高效的产品增长策略。另外，很多大公司都会按照这个公式把自己的增长团队划分为新增、留存和挽回三组，各个团队可以针对明确的目标，制定自己的增长策略，促进产品增长。如果你在小公司，增长团队没有这么大的规模，你也可以借鉴这种方式把你的增长工作分成新增、留存和挽回这三部分，明确你制定的每一项增长策略分别可以从哪个方面实现产品增长。

信息流现在是当前互联网平台信息分发最高效的方式，本课程主要分享了信息流数据指标体系， 分信息消费者、生产者、平台方来介绍主要数据指标。希望能让你对信息流的基础数据指标有一定认识。欢迎在留言区提问，也欢迎大家关注我的微信公众号（数据民工来取经儿）进行学习。

可想而知，错误的意图识别会带来多大的负面影响。基于词典，就是对用户query内容和词典内容进行比对，比较常见的方式是序列标注问题里用的最大逆向匹配，通过这种方式找到词典里的实体词，匹配触发了自然就有意图了，而在词典匹配的时候，不是使用链表之类的来构造匹配结构，而是使用搜索树的结构，这种匹配的复杂度最低，速度也快，两者结合，其速度甚至比很多模型要快得多（基本上1ms以内就能完成），fasttext速度非常快，但是textcnn之类的其实就已经达到ms级别以上，bert甚至在10ms级别。

搭建指标体系的方法论有很多，本期我们会结合GSM、OSM方法的理念来梳理指标，再结合搜索核心关注的分析维度，搭建出搜索指标体系。针对不同的使用对象，可以抽取设计出不同的数据产品以满足需求。

在中文网站里面其实也存在大量的stop word，我们称它为停止词。比如，我们前面这句话，“在”、“里面”、“也”、“的”、“它”、“为”这些词都是停止词。这些词因为使用频率过高，几乎 每个网页上都存在，所以搜索引擎开发人员都将这一类词语全部忽略掉。停止词，是由英文单词:stop word翻译过来的，原来在英语里面会遇到很多a，the，or等使用频率很多的字或词，如果搜索引擎要将这些词都索引的话，那么几乎每个网站都会被索 引，也就是说工作量巨大。可以毫不夸张的说句，只要是个英文网站都会用到a或者是the。

最佳、最娇嫩、最低、顶级、顶级、防敏、首选；活化肌肤、最感兴趣、最具有发展前景、最贴心 最为完善、最佳 最舒适、顶尖、第一、最大 最新、最先进、独一无二、独有、最新、最严格、极至、最好的、最环保、最佳；促进血液循环、最近、最新鲜、最安全、最省力、最优质、第一线、最接近、最逼真、最满意、最简洁 最明朗 最低、最严谨、之首、独创、最重要、最佳、最高、天猫、首发、最自然、最好 最舒适、最重要、最小值、最高、最实用、首家、防止宝宝皮肤过敏、最高、最科学、最前沿、最轻便、**之王、最具活力、最喜欢、最完美。

目前整理了一些搜索电商商品的同义词样例， 以提供搜索功能参考使用。T-shirt,T恤,Tshirt,T。儿童,婴儿,幼儿,婴幼儿,初生儿。挂表,钟,大表,表,闹钟,钟表。牛仔短裤=>牛仔裤,牛仔短裤。橙色,橘色,桔色,桔,橘,橙。晾衣架,衣服架,衣架,晒衣架。拉杆箱=>箱,箱包,拉杆箱。商务装,正装,西装,西服。皮夹=>包,皮包,皮夹。皮箱=>箱,箱包,皮箱。条纹,横条,竖条,花纹。外衣,外套,外褂,褂子。男袜,男士袜,男士袜子。女袜,女士袜,女士袜子。洗脚盆,足疗机,足浴盆。骑士靴=>靴,骑士靴。

这就是其中一个模型的打分逻辑，有多模型打分融合的精排层，会将多个模型的分数进行打分，每个模型的重要性不一样，因此分数都会有权重，将每个模型的分数进行权重计算后相乘在一起，就是这个item的排序分数，每个item按照分数进行从高到底排序，就会得到精排打分列表。推荐的本质是需要留住用户在APP中，让用户使用的时间变长，并且第二天也能留住用户，逐渐产生广告收益和其他收益，让用户消费更多，需要通过分析用户的历史行为以及当前的实时行为场景等，推荐系统自发生成查询条件快速给出推荐列表的行为，是一种无声的搜索。

用户类指标：搜索人均类指标以及搜索的新增、活跃等指标都能反应搜索用户的使用情况，通过人均类指标能够反应搜索对于用户的渗透情况、新增活跃指标更是很直观的反馈用户对于搜索功能的体验，是否能满足用户获取信息的需求，而留存类指标则体现出搜索功能是否给用户感受到良好的使用体验，当搜索功能有优化升级时这些指标都能及时的反馈优化效果。流量类指标：搜索DAU、搜索时长、搜索次数、搜索PV、搜索UV等，这些是能够反应搜索流量的核心指标，也是最直观能够反应用户使用搜索功能的情况，适用于日常的大盘监控分析。

搜索功能是几乎每个产品的通用标配功能，一个看似简单的搜索框背后，其实隐含了大量的设计思考和技术壁垒。本文将从三个部分阐述，为何搜索框并不简单。本文将从搜索场景的思考、基于步骤的搜索设计以及搜索数据的追踪3个部分，对产品内部搜索设计的主要思路和常见的搜索规则做个简单的分享。

可以从搜索链路视角（「query 处理」->「意图理解」->「召回曝光点击」）来甄别是哪个环节出了问题；也可以从流量行为视角来看是哪部分用户搜索出了问题；也可以从用户其他行为辅助你识别用户到底要什么

对于生鲜类电商，很多商品都不适合大量囤货，不然会造成商品的大量损耗。CTR和CVR并不是完全正相关的，很多SKU的CTR很高，但是CVR很低，比如一些标题夸张主图奇特的商品，用户可能会被商品的标题和主图等吸引产生点击，但是最终是否下单用户还是会根据自己的实际需求进行综合考虑的。但实际在业务开展的时候，负责搜索引擎的部门背的核心KPI就是搜索引擎的CTR、CVR和PGMV这三个指标，上述其他指标更多是作为辅助指标来进行综合评估，并不会列为部门的KPI，其他指标在业务上反映的价值并没有那么重要和直观。

发现式搜索是来APP前没有购买目标，在站内展示的内容驱动下比如推荐&活动等，发现商品从注意到兴趣，激发非计划式需求，从数据上定义就是进站后30s后才去搜索。在此抛砖引玉，希望对感兴趣的同学有所启发。如果某一个场域用户访问率&销售占比高，则代表这个场域流量&创造的价值越大，有上表可知，搜索是其中最重要的场域，将精力投入到“搜索”的ROI是较高的。运营+产品角色，影响搜索GMV的关键要素是：用户进入搜索框之后，一系列的功能引导&利益点传递等，核心作用是更好的用户流程体验（不要有卡点）

a、拼多多搜索页包含最近搜索、搜索发现，最近搜索就是近期搜索哪些内容，方便下一次再次搜索，最近搜索可以清除，搜索发现类似使用了推荐功能，帮用户推荐一些可能感兴趣的内容，搜索发现可以隐藏，保护隐私，除了”商品”搜索，上边可以修改为”店铺”搜索；4、搜索后的商品列表，淘宝没有活动筛选器缺少活动的筛选定位，京东的商品图片设计的复杂，想体现的内容比较多，用户看着不够清晰，多少好评、多少人付款、出售多少还是实用的，用户会关注参考，商品跟着大众购买基本上是正确的；

目录：一、项目背景二、竞品概述三、竞品目标功能对比3.1、车型对比入口位置3.2、车型对比首页3.3、添加/删除车型功能3.4、选择车型后功能对比3.5、配置对比的功能四、总结一、项目背景在汽车购买过程中，消费者经常面临着选择困难，尤其是在比较不同车型时。针对这一问题，消费者希望能够方便地进行车型对比，以便更好地了解各种选项之间的差异，用户可以将多个感兴趣的车型添加到对比列表中，直观地查看它们之间的差异和优劣势。这种功能不仅可以帮助消费者节省时间和精力，还可以帮助他们更全面地了解各种车型的特点，从而做出更加

标签的应用场景是由互联网领域逐步推广到其他领域，打标签的对象也由用户、产品等扩展到渠道、营销活动、服务等，不同领域有不同的应用，目前最典型的应用是用户画像、产品画像，画像是按应用场景将多个标签组合分类而成，比如：筛选出年龄在20-30岁在广州的女性，就使用多个标签的组合，从而精准找到符合应用的用户。标签由标签名称和标签值组成，打在目标对象上。综上，标签画像的应用越来越被企业重视，其应用场景也覆盖了各行业、各领域，期望该文能起到抛砖引玉的作用，挖掘我们在各个岗位上的标签应用赋能业务。

一、指标的意义指标的四个价值点： 表述业务场景的业务特征。 表述业务场景的运营效果。 表述业务场景的未来方向。 表述业务场景的衍生价值。下图是一个常见的用户活跃指标体系，顶层指标即为北极星指标，拆解过程中产生的指标是汇总指标，最底层无法再拆解的是原子指标。指标体系包含2个核心概念： 指标：具备业务意义，能准确反应业务情况的数据。 必须具备清晰的业务意义 只能是数字，不能是文本 维度：描...

指标可以从标签中转化，比如高净值客户的迁移率（从长尾客户转化到高净值客户的比率），其中高净值客户和长尾客户都是标签，但在标签的基础上增加一个迁徙率，就由标签转化为了指标。同样标签也可以从指标转化得来，比如说银行中常用的数据标签：私行客户（AUM>=500万），其中 AUM 就是数据指标，不同银行的标签设定可能是不同的。不懂数据的产品不是好运营，为了便捷地了解产品现状及业务效果，指标体系中会有很多拆解的细分指标，这些数据的变动反映的是用户对于运营情况的最新反馈，为运营的业务决策提供了数据支持。