浅谈『推荐策略』中产品经理的心态变化

开门见山，直接从可能会遇到的具体问题展开讨论吧：

1. 推荐策略中的产品经理与算法/建模工程师的定位有何不同？

随着互联网技术不断发展与成熟，从面向前端用户交互的功能逐渐向“千人千面”的推荐策略转移，借助智能推荐技术更好的提高内容分发与展示效率，那么，当一个面向用户（前端）的客户端PM转型到面向策略（后端）的PM时，除了曾经接触的交互视觉角色外，又新增了算法、NLP等角色，有可能会产生以下顾虑：

• 构建一个推荐系统，有算法&架构支持，需要PM吗？
• 细化一个推荐策略，需要对用户画像建模，需要算法加持，可PM不会？
• “不再需要”更多前端产品功能设计，更多的是面向业务数据，离用户远了！

如果有以上顾虑，在切入心态变化前有点可以先明确：

1. 通过前端产品设计的经历，恭喜你已进入后台策略的新领域，不困惑才不正常；
2. 只要是产品经理，你服务的根本对象其实还是用户，用户体验依旧是你的初心。

关于算法等专业工程师与PM的关系

---

产品经理其实没有被取代，严格意思上也不可能被取代，原因从产品的职业说起，这本就是一个为本业务&产品负责的职业角色，而算法/建模工/NLP/...的目标，更多的是：

• 更精准的描述用户特征，建模更加精准，训练数据采集更加全面；
• 基于精准的用户画像建模，应用于个性化推荐等技术之上，使得其运行时可以细化到个人需求，更加精准；

在推荐策略时代或者说“使用推荐技术”业务中的产品经理的目标是：

• 挖掘该业务（可以是一个模块、可以是一个功能、可能是整体产品）下的用户需求
• 基于算法/建模工程师的推荐系统功能和该业务场景，提供给用户体验更好的功能服务，是体验与服务，而不只是精准建模和系统搭建，是与业务、是与用户紧密结合的。

具体来说，此时的PM与算法加持们的关系，有点类似PM与APP交互的关系，在术业有专攻的原则下，一个系统的搭建有架构师建立，一个推荐体系的精准性由算法工程师建立，产品从用户体验和产品目的出发，确定阶段目标与具体需求对应的产品方案，而实现方案是与算法等同事协同完成，类比与交互方案评估确定时，产品也会加入进来。

2. 业务指标与技术狂热

继续更新:)