策略产品经理与算法工程师如何协作

我估计很多朋友都会有类似的疑问：

• 策略产品经理是不是就是搞算法模型的？

• 如果是这样，那么他们和算法工程师有什么区别？

• 如果不是，那么他们怎么和算法工程师合作？

这些其实都是对策略产品经理这个岗位不了解的原因导致的，所以今天我们就来聊一下，策略产品经理到底在实际工作中如何与算法进行协作，他们各自的工作侧重点又在哪。

首先，我们先来看一下算法工程师。

其实算法工程师也是开发工程师的一种，所以他们的工作很聚焦，就是coding，为产品方案提供实现手段和方法。

因为算法的特殊性，每一个算法模型背后都会对应一个收敛目标，而通常实际工作当中，这个目标又是业务目标，所以相比一般的前后端开发工程师来讲，他们除了保证不出现BUG，按照产品方案去coding，更需要去理解业务目标，及目标的组成。

什么意思？

举个例子，比如在排序当中经常用到的CTR预估的算法模型，他的目标很简单，就是预估每个推荐或者排序结果的CTR，所以作为算法工程应该了解当前场景下CTR的计算口径、统计方式，以及内容有哪些维度信息可以给到参考，这些信息在业务维度的含义是什么等等。

这可能是前后端工程师不会去做的。

其次，我们再看一下策略产品经理。

关于什么是策略以及什么是策略产品经理，其实之前都有提到过。

关于策略产品经理，大家首先要有这样一个认知：策略产品经理首先他是个产品经理，所以，策略产品经理不是搞算法，搞模型的，发现业务、用户面临的问题，基于问题产出正确的方案，这种方案通常是通过数据的应用的方式，进而提升业务的核心指标。

最后，我们再看看策略产品经理如何与算法工程师进行协作？

我会把这两个角色的协作分为两个环节：输入和输出。

输入上，主要是业务维度的一些前置信息的输入上，主要包括以下几个方面

1. 目标同步

策略产品经理要及时同步当前场景阶段性目标的指标及其定义，尤其是在以算法模型为主的策略产品当中，这很重要。

比如拿短视频来举例，你当前的目标是追求播放时长，还是短视频点击率，这个对于算法同学训练模型至关重要。

2. 数据同步

首先，我要跟大家讲一点的就是：我们大多数人对于算法的爱是神秘的，认为算法是无所不能的，但其实并不是所有的策略都是通过算法模型来落地的，有时候规则的效果反而要优于算法。

这个大家可以慢慢体会，往后我也会写一篇文章聊一下这个事情。那么在不用算法模型落地的策略当作，策略产品经理需要给到算法哪些输入呢？

主要是在数据上。

参与规则计算的数据处理：数据量、数据时间窗的选择，脏数据的处理，数据加工以及数据时效的定义。

举个例子。你要使用用户的浏览数据来猜测用户的偏好，那么所有的浏览数据都需要用到么？明显不是，比如用户浏览1S很可能就不是一个正常的浏览，那么你参考它就不能得到准确的用户偏好。所以，这里其实有一个有效浏览的概念，那么如何定义有效浏览就是策略产品经理需要做的事情。

在输出上，算法与策略产品经理的主要协作点在于模型的效果评估上。

算法工程师可能更关注算法本身的好坏：比如准确率，召回率，AUC曲线等等；

策略产品经理则更关注算法模型在业务指标上的收益，所以基本上所有策略都会进行AB测试，观测核心指标的收益是正向，还是负向。

所以这里还是要说那句话：无论是规则还是算法，不管是白猫还是黑猫，能抓住老鼠的就是好猫。