产品经理知识体系:6.如何做好产品运营?

区块链产品经理规范与总结 产品职位晋升体系:首先从产品助理--产品专员--产品经理--高级产品经理--产品leader--最后到产品总监,甚至可能成为CEO。 阅读详情

  • 产品运营:产品、用户、渠道

  • 核心目的:

拉新、留存、促活、付费。

  • 运营意识:

成本-产出:注重ROI

聚集-细分:目标群体

效率-量级:事办功倍,见效快的

铺垫-节奏:要有铺垫,也要控制好节奏

  • 运营分类:

1.用户运营:

目的:围绕用户拉新、留存、活跃、付费为目标。

任务:根据用户的信息数据、行为数据等对目标用户进行分类管理,根据用户规模和分类特征,对用户的拉新、留存、促活、付费等目标制定相应的运营策略。

方法方式:建立完善的帮助系统、及时解决用户的问题(建立客服系统)、主动邀请用户体验测试、改善产品用户等级分类及服务生态,为不同等级分类的用户提供定制化服务。

2.内容运营:

目的:通过对产品内容的运营,提高产品价值,间接帮助提升用户的拉新、留存、活跃、付费等。

任务:内容创作、内容编辑、素材采集、专题策划、新媒体、edm推广等。

总之为用户提供有价值的内容,满足用户需求;提供用户获取内容的便捷性。

3.活动运营:

目的:通过活动的开展,拉动目标指标的提升,促使用户创造内容,提高产品影响。

任务:策划活动方案、把控成本和风险、监控活动数据及反馈,通过数据驱动决策。

4.产品营销推广:

平台推广:问答、百科、社区等

合作推广:软文、外链友联、流量交换

技术推广:sem、dem

网络公关:炒作、代言

广告推广:富媒体广告、线下广告推广

  • 活动策划:

思路:时间、产品或商品、热点、自曝

活动策划书:

活动主题

活动对象

活动时间

活动目标

活动描述

规则说明

投放渠道

风险把控

数据指标

成本核算

效果评估

FAQ

总结

【IoT】产品经理进阶之道:五元方法论 首先从个人经历的四个阶段入手,谈谈为什么要用势道法术器五元论来建立产品思维? 做产品一般至少需要经历四个阶段,分别是工具人阶段、套路阶段、流程阶段和方法论阶段。 分别对应五元论中的器、术、法、道,对于势的讨论在后续实例中再做详述。 工具人阶段: 刚开始做产品时陷入了对工具的痴迷,包括:PS、AutoCAD、PROE、犀牛、Axure、Keyshot、Altium…… 大概有2个月的时间精力都消耗在了学习使用工具上。 通过工具的运用实实在在提高了工作效率,在只有idea的前提下成功申请了多个实用新 阅读详情

相关推荐

【产品经理修炼之道】-互联网产品经理,如何转型硬件产品经理?

对产品经理的核心思维要求则包括。

xiaoli8748的专栏 1517

产品运营的思路是什么?

产品运营的思路是什么?2012-2-3 00:17| 发布者: admin简介:一直做产品,从未做运营,但这并不妨碍我谈谈对运营的理解。因为在互联网领域,产品和运营都是相通的,产品是要给用户提供价值,运营是让用户认识这种价值,它们相互依存,战略目标是一致的。任何运营都围绕“用户” ...65 一直做产品,从未做运营,但这并不妨碍我谈谈对运营的理解。因为在互联网领域,产品和运营都是相通的,产品是要给

简单的快乐 1734

从模态到颤振:深入解读Nastran的V-g/V-f图,判断你的机翼设计是否安全

本文深入解析Nastran中的V-g/V-f图在机翼颤振分析中的应用,帮助工程师准确判断设计安全性。通过模态分析到颤振边界的完整判读逻辑,结合气动弹性特性,指导优化机翼结构设计,确保飞行安全。

weixin_28732953的博客 474

产品经理vs产品运营:产品经理如何与运营进行高效的配合?

在整个过去的2016年,关于互联网有这么几个论调非常值得产品经理们注意: 比如王兴和李丰这一年里先后公开表达过,说互联网的上半场已经结束了,下半场即将开启 李彦宏在世界互联网大会上也公开说:移动互联网时代已经结束了 一些运营自媒体也宣称“以“流量”为中心的运营时代已经结束了”, ​即将迎来的是以用户为中心进行运营的时代,用户运营这样的岗位在互联网的下半场将会越来越重要。

北雨南萍 4522

DeepSeek Harness 本地部署与 AI 智能体开发全攻略

大语言模型(LLM)作为当前人工智能领域的核心技术,通过深度学习架构实现了对自然语言的深度理解与生成能力。其技术原理基于Transformer架构,通过海量文本数据训练,使模型能够捕捉语言的内在规律和语义关联。在工程实践中,LLM的价值在于能够作为智能体(Agent)的核心大脑,驱动各类应用实现自然语言交互、任务自动化和知识推理。常见的应用场景包括智能客服、代码生成、内容创作和数据分析等。本文聚焦于DeepSeek Harness这一开源AI应用开发框架,详细讲解如何从零开始部署这一智能体开发平台,并配置D

weixin_42527464的博客 379

【数字逻辑电路课程设计】多功能数码管时钟VHDL+quartus II-EP1C12F324C8+源码+付费资源

我希望需要我这篇文章的是正常学习数字逻辑课程且正在设计数码管时钟的同学。我个人不推荐直接获取源代码,因此我另有一份付费资源是完整源代码;我推荐各位去研究我代码的逻辑尝试自己书写属于自己的代码,因此我保留了注释但隐去了变量。由于时间有限,我的设计不够完美,仍有很多缺陷,我将我的展望写在后面,各位可以尝试实现。我不为难同学,作为同学我理解各位设计的辛苦,因此如果有需要,私信我提供隐去敏感信息的学生证照片可直接获取源代码。

WannaFlysyx的博客 1535

产品运营和产品经理哪个职业寿命更长?

从而一开始运营薪资方面肯定不会很高,而产品需要具备市场需求的挖掘,目标群体的准确定位,产品原型设计,产品的商业化等等,固然具备这些能力的人才是少数的,薪资自然会高一些,当然要求与门槛也会更高。NPDP是由美国产品开发与管理协会 PDMA 颁发的,并在全球50多个国家和地区推广,经过20多年的实践经验检验,PDMA 推出的“新产品开发管理知识体系”受到全球 500强企业的高度认可广泛使用,如美国波音、高通、森美等公司,是产品经理系统梳理产品全流程、高效解决工作难题最有效的专业知识体系。

才聚PMP的博客 777

基于STM32的家用新风系统智能控制器 | 保姆式教程 开源可复刻

本项目基于STM32F103C8T6核心控制器,完整实现了家用新风系统智能控制器的全功能开发,覆盖多传感器数据采集、双模式控制、PID调速、异常报警、掉电记忆等核心功能,全程采用保姆式无跳步教学,从硬件选型、接线、CubeMX配置、代码开发、调试排坑全流程拆解,跟着步骤一步步操作,就能顺利完成项目复刻

ZhongWeiXiang9的博客 471

产品经理知识体系——能力

    目前的产品经理和运营岗位的知识体系,都是各行各业产品运营的大佬在架构。这套体系并没有教科书式的权威,都带有自己的影子。经验丰富的产品经理发表的言论就是对的吗?做出了好的产品,一定是产品经理的功劳?  带着思考,我也想做一套个人色彩的知识体系——毫无经验的小白通过思考,判断,总结来建立。 估计看到上面一句,好多人已散场。1.入门前  查阅各种资料,在脑海中描摹出一个产品经理的画像。  问题来...

corr_ee的博客 2658

解密电商大促背后的智慧:LSTM与ARIMA模型的双剑合璧

举个例子,如果某东发现某款新推出的电子产品在促销前夕搜索量突然暴涨,虽然这个产品没有过去的销售记录,但LSTM模型可以结合用户对类似产品的行为模式、实时的市场反馈,迅速捕捉到这些变化,并预测这款产品在大促期间的需求会急剧上升。想象一下,如果预测不准确,备货不足,商品很快就卖光了,大量用户可能在促销期间买不到想要的商品,这不仅让用户失望,还会影响某东的品牌形象。这种情况就像我们看一部很长的电视剧,看得越久,前面的情节可能就越来越模糊,到最后有些关键的情节细节都忘了,影响了对整个剧情的理解。

小蒋聊技术 2093

如何快速学习 PHP 编程:从入门到实战的高效路径

PHP高效学习路线摘要:4-8周掌握Web开发核心技能。阶段1(1周)搭建XAMPP/MAMP环境,掌握基础语法和变量处理;阶段2(2周)重点学习表单处理、会话管理和PDO数据库操作(防SQL注入);阶段3(2-3周)实战开发个人博客等小项目。关键原则:边学边练(每个知识点配3-5个案例)、优先掌握Web刚需技能(HTTP请求、数据库、动态页面)、善用官方手册。避坑点:密码必须加密、SQL使用预处理、统一UTF-8编码。建议每天2-3小时实操,通过项目驱动学习,快速形成开发能力。

2501_94233638的博客 1390

《硬件产品经理》第十一章:产品经理进阶之路

体系化(势+道)流程与准则(法+术)可视化(器)

默默测试!分享记录测试技术! 3026

Unity中5分钟实现3D高斯泼溅渲染:从原理到实战部署

3D高斯泼溅(3D Gaussian Splatting)是一种新兴的神经渲染技术,它通过显式地使用大量3D高斯椭球来表示场景,革新了传统的体渲染和神经辐射场(NeRF)方法。其核心原理是将这些3D高斯投影到2D屏幕并进行快速光栅化与Alpha混合,从而绕过了耗时的光线步进,实现了极高的渲染效率。这项技术的价值在于,它能够在消费级GPU上达到实时甚至超实时的帧率,同时保持紧凑的数据表达和惊人的视觉细节,极大地降低了高质量3D重建与渲染的门槛。在应用场景上,它正快速渗透到数字孪生、虚拟现实、文化遗产数字化以及

weixin_29474431的博客 279

先到先得!字节内传205页《人工智能产品经理》:AI时代的产品经理进阶手册

1.1 人工智能时代产品的特殊性1.1.1 人工智能是工具,也是新的产品设计思维逻辑1.1.2 人工智能技术给传统的服务和产品赋能1.1.3 构成人工智能产品的三要素1.1.4 人工智能产品成功的必要条件1.2 人工智能产品经理的价值定位1.3 人工智能产品经理需要兼具“软硬”实力1.3.1 人工智能产品经理需要懂技术1.3.2 会用数字表达和评判1.3.3 懂得沟通和协作的艺术1.4 人工智能产品经理入门1.4.1 修炼思维模式:资源、解决方案、目标导向。

2401_85343303的博客 1289

RH850从0搭建Autosar开发环境【17】- Davinci Configurator之DCM模块配置详解(下)

RH850从0搭建Autosar开发环境【17】- Davinci Configurator之DCM模块配置详解(下)

weixin_42412049的博客 2380

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

我完全没有经验,可以转行产品经理吗?(附转行秘籍)

“我是做开发的,零基础产品经验,能否成功转行?” “想学习系统的产品经理知识,但我不知道如何下手?” “产品经理是不是一定要使用过百款以上的App体验?” 零基础的产品新人都会遇到过诸如以上的问题,甚至会问出十万个为什么、怎么办?今天我们来聊一聊关于那些“为什么”背后的故事。在知乎、天天问上看到有许多同学在准备产品转岗,因为没有产品经验而感到彷徨,这里给大家梳理了我们常见遇到的“三大疑惑”:✔ 没

人人都是产品经理 6230

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

5.22 产品经理

产品经理是负责产品从概念到上市全过程的管理人员,需协调市场、设计、开发、运营等多个部门,确保产品满足用户需求并达成商业目标。

rxy0518的博客 983

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

解构产品经理

知识连接点帮助我们建立多个知识点的有机整合,是我们将知识创造性应用于实践的手段。当我们未来习得新知识点时,能够合理归属其于知识框架的位置。3.终端:PC客户端、移动APP端、Web端、TV端、手表端、车机端。9.产品与行业分析:产品分析,市场、行业分析;1.职能:功能、策略、行业应用、增长、产品运营。4.行业领域:纯互联网、线上+线下、软件+硬件。5.技术理解:技术入门知识,系统化思维与架构。2.服务对象:toc、tob、tog。参与产品的出生到发布以及后续的运营。4.视觉评审:对“美”的理解和追求。

Rey_family的博客 818

人人都是产品经理-思维版

产品经理岗位的本质——产品创新,才是公司永恒不变的追求。产品思维是方法,而产品创新是目的。只有完成从想到做、从思维方式具体到做事方法的转变,才能使产品创新落地.5MVVP模型,创意从无到有,从点子到产品再到产品矩阵.能够发现问题并描述清楚,转化为一个需求,进而转化为一个任务,争取到支持,发动起一批人,将这个任务完成,并持续不断地以主人翁的心态去跟踪、维护这个产物,那么,你就是产品经理。从“做产品改变世界”进化为“通过改变产品经理来改变世界"

wacpguo的专栏 1244

求职产品经理,面试官更看重应聘者是否具备这5项基本能力

最近来找我们漂亮的运营小姐姐咨询职业发展规划的同学特别多,投了多份简历但是没有收到面试消息,面试后全都失败,春招中没有斩获,深深地打击了自信。由此产生了这样的疑惑:| 平...

人人都是产品经理 1334

产品经理的冬天来了嘛?

随着人口红利的消失和各大独角兽公司的上市,很多人说移动互联网的时代结束了,产品经理的冬天来了,但我并不这样认为,我觉得是移动互联网井喷的时代结束了,接下来是进入到精耕细作的阶段,未来社会的...

liudada8265的博客 376

产品经理知识体系之产品运营

产品经理知识体系根据产品全生命周期共分为五个阶段:idea管理、需求管理、精益产品设计、产品研发、产品运营。本文是系列文章的第四篇:产品运营。 在国内互联网行业中也逐渐在流行一个综合产品、运营、市场的团队,这个团队叫做:增长黑客。 “增长黑客”,即Growth Hacker,2013年起源于美国硅谷。它最初的定义指的是“一群以数据驱动营销、以市场指导产品方向,通过技术化手段贯彻增长目标的人”。...

weixin_30701575的博客 143

2025产品运营打工人必备的职场通用能力及提升路径

在当今快速变化的商业环境中,产品运营岗位已成为企业实现产品价值最大化的关键角色。一个优秀的产品运营不仅需要理解产品本身,更要具备跨部门协作、数据分析、用户洞察等多维能力。本文将系统性地介绍产品运营必备的职场通用能力,并提供分阶段的提升路径,推荐考过,含金量高,适应了大数据时代的技能要认可度高,对职业提升非常有帮助。​。

2501_92991550的博客 1194

华为独家揭秘:AI时代产品经理成长宝典——《人工智能产品经理》168页首发

1.1 人工智能时代产品的特殊性1.1.1 人工智能是工具,也是新的产品设计思维逻辑1.1.2 人工智能技术给传统的服务和产品赋能1.1.3 构成人工智能产品的三要素1.1.4 人工智能产品成功的必要条件1.2 人工智能产品经理的价值定位1.3 人工智能产品经理需要兼具“软硬”实力1.3.1 人工智能产品经理需要懂技术1.3.2 会用数字表达和评判1.3.3 懂得沟通和协作的艺术1.4 人工智能产品经理入门1.4.1 修炼思维模式:资源、解决方案、目标导向。

2401_84204413的博客 1343

产品经理书单,这些书你都读了嘛

经常有产品小白问我产品经理应该读哪些书籍,今天为大家整理出了一份比较详细的书单,合格的产品经理就要多看、多思考、多总结,输出自己的方法论,学以致用,不断迭代不断优化,这样才能越来越好

gavin学产品的博客 687

产品经理养成计划之《缔造企鹅:产品经理是这样炼成的》读书笔记

这本书是腾讯的学长推荐给我们准备应聘产品策划的人看的。今天看了二三十页。学到了下面一些专业名词: 1、QA: Quality Assurance,直译为质量保证。 质量保证是质量体系中非常重要而又特殊的组成部分,质量保证的工作涉及软件研发流程的各个环节,且涉及到每一位参与研发的人员,但质量保证工作又不涉及具体的软件研发细节。 具体工作包括以下内容:研发流程规范执行辅导(口头、电话、邮件、会议

sinat_21312425的专栏 1764
上一篇: 产品经理知识体系:5.如何做好产品数据分析?
下一篇: 产品经理知识体系:7.web和app产品需求设计
泡壶好茶
博客等级 码龄17年 243粉丝 48原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

泡壶好茶

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值