消息 首页 搜索 举报
  • 产品逻辑之美(打造复杂的产品系统)
21年品牌 40万+商家 超1.5亿件商品

产品逻辑之美(打造复杂的产品系统)

全新正版 极速发货

￥ 44.94 5.7折 ￥ 79 全新

库存7件

广东广州
认证卖家担保交易快速发货售后保障

作者编者:潘一鸣

出版社电子工业

ISBN9787121365461

出版时间2019-08

装帧其他

开本其他

定价79元

货号1201918694

上书时间2024-06-06

大智慧小美丽
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介
潘一鸣，毕业于清华大学，知乎专栏“产品逻辑之美”作者，并开有同名微信公众号，一直担任产品经理，先后在多家互联网公司就职，在工作期间多次负责复杂系统的构建，从0到1地搭建了推荐系统、出行分单系统，对于策略、算法在产品中的应用有很深的沉淀。

目录
第1部分  基  础
第1章  信息架构2
1.1  信息架构到底是什么2
1.2  信息架构设计的基本问题4
1.2.1  你的用户是谁4
1.2.2  你的内容是什么样的5
1.2.3  你的产品应用场景是什么6
1.3  如何设计好信息架构6
1.3.1  选择合理的解决方案7
1.3.2  符合一般用户认知8
1.3.3  可视化的方案8
1.3.4  以人为中心的设计9
1.3.5  系统容错设计10
1.3.6  合理的信息反馈11
1.3.7  系统的可扩展性12
1.3.8  关于设计准则的准则15
1.4  分类系统：建立内容的图书馆15
1.4.1  分类系统的挑战16
1.4.2  多级分类17
1.4.3  分类的维度18
1.5  导航系统：永远别让用户迷路21
1.5.1  导航的系统性21
1.5.2  传统导航分类23
1.5.3  移动端的导航设计24
1.6  标签系统：将数据格式化27
1.6.1  标签的来源28
1.6.2  系统标签的设计原则29
1.6.3  标签系统的作用30
1.7  本章小结31
■ 案例分享31
第2章  数据分析36
2.1  数据驱动的实施步骤36
2.2  从埋点到指标40
2.2.1  数据埋点的采集41
2.2.2  数据埋点的评估44
2.2.3  选择指标的准则46
2.3  数据分析的核心方法48
2.3.1  可信度分析48
2.3.2  趋势分析49
2.3.3  数据细分50
2.3.4  数据对比51
2.3.5  转化漏斗52
2.3.6  集群分析54
2.3.7  数据预估54
2.3.8  综合分析55
2.4  归因：从数据到认知55
2.4.1  相关性和因果性56
2.4.2  归因的类型57
2.4.3  微观归因方法58
2.5  数据分析报告59
2.5.1  数据报告构成59
2.5.2  数据报告说明60
2.6  本章小结62
第3章  机器学习63
3.1  什么是机器学习64
3.1.1  机器学习与学习64
3.1.2  机器学习系统的构成65
3.1.3  机器学习的优势69
3.1.4  机器学习的挑战71
3.2  特征工程：算法的基石72
3.2.1  数据提取72
3.2.2  数据预处理73
3.2.3  特征选择77
3.2.4  特征降维78
3.2.5  其他特征工程79
3.3  常用机器学习算法80
3.3.1  线性回归80
3.3.2  逻辑回归82
3.3.3  C4.5决策树算法83
3.3.4  K-means算法85
3.3.5  朴素贝叶斯86
3.3.6  人工神经网络88
3.3.7  模型融合89
3.4  机器学习算法的应用90
3.5  人与算法94
3.5.1  算法可以成为产品的核心竞争力94
3.5.2  算法需要被更多人理解95
3.5.3  算法系统需要和人更好地结合96
3.6  本章小结97
第2部分  用  户
第4章  用户运营100
4.1  用户价值衡量100
4.1.1  衡量指标的选取100
4.1.2  净推荐值102
4.2  用户筛选104
4.2.1  人工规则104
4.2.2  RFM模型105
4.2.3  算法筛选107
4.3  用户留存108
4.3.1  创造用户价值108
4.3.2  定期举办运营活动110
4.3.3  自动化留存111
4.4  用户召回112
4.4.1  常规召回113
4.4.2  广告召回113
4.4.3  营销召回114
4.5  用户变现115
4.5.1  会员116
4.5.2  广告117
4.5.3  电商118
4.5.4  游戏120
4.6  本章小结120
■ 案例分享121

第5章  用户中心124
5.1  需求的划分124
5.2  注册登录126
5.2.1  手机号与验证码126
5.2.2  注册登录策略128
5.2.3  注册登录流程的案例130
5.3  会员体系132
5.3.1  会员的核心价值132
5.3.2  会员体系的设计方法133
5.3.3  向传统服务行业学习138
5.4  客服系统139
5.4.1  客服系统组成139
5.4.2  核心指标：CPO143
5.4.3  从客服到产品144
5.5  本章小结144
■ 案例分享145
第3部分  系  统
第6章  搜索系统150
6.1  搜索系统的原理150
6.1.1  搜索系统如何存储数据150
6.1.2  如何处理用户输入的搜索文本153
6.1.3  对内容进行筛选155
6.1.4  对结果进行排序155
6.2  搜索交互功能158
6.3  搜索系统的评估165
6.3.1  客观指标166
6.3.2  人工评估指标167
6.4  优化搜索系统169
6.4.1  数据系统170
6.4.2  A/B测试171
6.4.3  搜索运营后台172
6.4.4  基础数据规范172
6.4.5  逐个评估、抓大放小172
6.5  本章小结173
■ 案例分享173
第7章  推荐系统178
7.1  推荐系统的基本介绍179
7.1.1  推荐系统的应用场景179
7.1.2  目标和数据181
7.1.3  从一张表格说起183
7.2  从内容推荐到协同过滤183
7.2.1  基于内容的推荐184
7.2.2  协同过滤与相似度185
7.2.3  基于内容的协同过滤188
7.2.4  基于用户的协同过滤189
7.2.5  基于标签的推荐190
7.3  隐语义模型192
7.3.1  隐语义模型的思想193
7.3.2  隐语义模型的原理194
7.3.3  隐语义模型的应用198
7.4  推荐算法的评估199
7.4.1  离线评估199
7.4.2  离线评估A/B测试203
7.4.3  线上A/B测试204

7.5  推荐系统项目实践205
7.5.1  要解决产品的哪些问题206
7.5.2  怎样合理地规划技术路径206
7.5.3  推荐系统的策略细节207
7.6  本章小结213
■ 案例分享214
第8章  信息流系统217
8.1  信息流的设计思路218
8.1.1  信息优先级218
8.1.2  信息加工策略219
8.1.3  信息流更新机制222
8.2  规则类信息流设计223
8.2.1  时间衰减法224
8.2.2  对数衰减法225
8.2.3  评价排序法227
8.2.4  概率加权法228
8.3  个性化信息流设计230
8.3.1  从规则算法到机器学习230
8.3.2  用户冷启动232
8.3.3  及时反馈232
8.3.4  内容冷启动233
8.4  信息流的商业模式234
8.5  信息流的挑战235
8.6  本章小结237
■ 案例分享238
第9章  线下交易匹配系统242
9.1  线下交易的特点242
9.1.1  资源排他性243
9.1.2  时空不匹配243
9.1.3  系统公平性244
9.1.4  系统开放性245
9.1.5  服务敏感性246
9.2  时空价值模型246
9.2.1  时空价值模型的定义247
9.2.2  时空理想划分247
9.2.3  时空聚类方法248
9.2.4  仿真模型构建249
9.3  时空价值250
9.3.1  时空需求预估251
9.3.2  基于转移概率的时空价值预估252
9.3.3  基于邻域的时空价值预估253
9.4  服务匹配方法254
9.4.1  匹配度的构建254
9.4.2  二分图匹配255
9.5  线下交易运营256
9.5.1  用户侧运营257
9.5.2  服务侧激励257
9.5.3  动态调价258
9.5.4  预期可视化258
9.5.5  高价值用户保护259
9.6  线下交易的挑战259
9.6.1  押金模式的困境259
9.6.2  社会和政策的影响260
9.6.3  供需时空分布不均261
9.6.4  无法兼顾效率和业务目标262
9.6.5  数据挖掘和算法创新262
9.7  本章小结263
■ 案例分享263
第4部分  职  业
第10章  产品逻辑之美268
10.1  人是不完美的系统269
10.1.1  非理性的决策269
10.1.2  有立场的决策270
10.1.3  信息不完全的决策272
10.2  产品经理的逻辑273
10.2.1  什么是产品经理的逻辑273
10.2.2  怎么评估产品经理的逻辑274
10.2.3  怎么提高产品经理的逻辑274
10.3  我的思维框架275
10.4  人是终极算法277
第11章  未来的产品经理280
11.1  产品经理的历史280
11.2  产品经理的现在281
11.2.1  焦虑的产品经理281
11.2.2  产品经理的晋升283
11.3  产品经理的未来284
11.3.1  对新鲜事物保持好奇285
11.3.2  对社会和人保持好奇心286
11.4  为未来而准备287

内容摘要
互联网已经深刻地改变了这个时代。为了更好地满足用户的需求，互联网产品背后的系统逻辑也变得越来越复杂。为了跟上时代的脚步，每一个互联网从业者都需要不断升级自己的知识体系。本书希望同时兼顾理论和实战，使读者既能深入理解理论知识，又能把理论知识用于实战。所以在书中不仅包含了不同系统的最小知识量，也包含了大量的实际案例。第1部分是新时代产品经理进阶需要掌握的基础知识，包括信息架构、数据分析和机器学习。第2部分是关于用户的知识，包括用户运营和用户中心。第3部分是复杂产品系统构建的知识，包括搜索系统、推荐系统、信息流系统和线下交易匹配系统。第4部分是关于产品工作的思考，介绍了作者对产品经理职业发展和产品方法论的思考。随着技术的发展，很多偏操作类的互联网岗位已经在慢慢被取代，而这个趋势还在继续。相信在不久的将来，对于复杂产品系统的理解和应用的能力，将变成做出优秀产品决策的一项基本能力。在这样一个新旧时代交替之时，希望本书中关于复杂产品系统的知识能够帮到各位对此感兴趣的读者，尤其是产品经理、运营人员及项目经理。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP