大家好，我是策略产品夏师傅。
关于做策略，我之前一直说的是，策略是基于业务的策略，基于场景的策略，撇开业务场景谈策略都是耍流氓。
这也意味着没有一个策略是万能的，在一个业务上产生正向收益，不一定会在其他业务上产生同样的效果。这个很好理解。
上周，有个训练营的同学思考了这么一个问题，我觉得挺不错。大意就是：既然做策略需要依赖业务，我们的职场大概率是会经历不同的业务，那么我们如何才能给自己找一套比较通用的方法，进而能够快速的适应新业务。
这个其实就是今天我跟大家聊的关于策略产品经理结构化的思考方法，也就是当我们不论遇到什么样的业务问题，策略到底该怎么做？
01 先给大家讲一个真是的工作案例。
这个案例是当时需要针对商品详情页的某个推荐模块进行改造。
在我们打算优化之前首先分析了以下当前的数据现状，其中有一种就是该模块近一个月的sku点击量数据
如下图所示：
上图中27到43分别是这个推荐模块从第一个到最后一个sku的编号。
当拿到这个图的时候，不知道各位是什么感受。我是有点懵的，因为这个数据分布形态很不符合常理。
综合排序在第一个的sku的点击量不高，最高的是排在中间的sku。
这种在一个feed流的item和位置点击分布呈现一个类正态分布还是比较少见的。
涉及排序都会或多或少存在马太效应或者说是首位效应，也就是排序越靠前的点击量通常会越高，所以这个分布一般都是一条从高道题的“类抛物线”，可能不完全是这样，但是大的趋势应该是没错的。
不过，这个有点例外。
然后为什么会出现这种现象？基于这个数据，我们大概得到以下几种猜想：
第一个原因：排在中间的sku用户确实比较感兴趣。
这个猜测很快就被否掉了。
因为推荐模块的综合排序一般会参考多个feature去做排序，得分高排序越靠前。物品的点击通常是其中的一个feature，会参与计算，而且这个feature对于得分来说，一般是个正反馈。
退而求其次，即使综合排序只用了一个商品的单边特征，也就是仅仅通过衡量一个item的点击去排序，那也应该是排在最前的item受欢迎程度比较高。
那是不是进行了人工的穿插干预，没有对应的逻辑，所以很快被否掉了。
然后，一个意外的猜测就出现了。
整个页面大概的结构如下，是一个典型的商品详情页结构，推荐模块的位置如图所示：
在查看商详页的过程中有一个很常见场景：
当用户查看商品详情部分大概中间位置的时候，通常对这个商品已经足够了解了，就不会继续往下滑（相信80%的人不会把整个商品描述部分都看完）。那么这个时候，如果用户的注意力分散，推荐模块中间的区域就是承载这部分流量的唯一区域。如下图：
通过这次分析得出三个结论：
1、需要保证流量对模块的公平性
比如上面的推荐模块，商品详情部分是一个流量很大的区域，但是用户在向下滑动查看商品详情的时候，推荐模块的前几屏会被过掉。如果这个时候用户注意力分散，那么推荐模块的中间区域就完美的承接了这部分流量。而对于本身是优质item的前几屏来说，有损转化。
2、定位完全不同的模块一般来说最好每个模块设置单独的楼层，而不是并列的模块
并列不太好的地方，就是会人为的把流量的导向进行了干预，无论对于哪个模块来说都是对用户注意力的一个分散。
3、前端设计会严重影响最终的数据效果，数据表现不仅仅是逻辑的事情，产品页面结构的设计同样会影响到数据。
所以其实针对这个问题，方案应该是有了。
02 碰到问题该怎么做
因为策略很多时候是case驱动优化，也因此我们优化策略的方法大抵也是case by case去优化，要么就是基于一类case去做同意优化。
因此当我们碰到一个问题，也就是一个具体的case，去寻找他的解法的时候，
总体上来说，可以分为几个大的步骤：是什么？为什么？怎么做？怎么样？
是什么：清楚的定义case
为什么：对case进行归因或者猜想遍历
怎么做：基于归因产出对应的解法
怎么样：验证策略优化的效果
拆解为工作流的话，可以分为以下几步：
1.对当前的问题进行定义。通常这个问题可以是感性的，比如“我觉得进来大家看到的东西都一样，这个体验不太好”；也可以是理性的，比如上面的数据分布，明显不符合正常形态。一般定义一个问题，可以包括下面几个点：case类型（这种case是个例还是一类），case影响面，case影响指标等等。
2.考虑造成当前问题的原因。比如是没有对应的策略造成的，还是说策略是OK的，可能是其他因素影响到了最终的效果。归因很多时候产品和算法可以共同来看，既要关注逻辑层面，也要关注产品形态层面。
横向遍历：根据问题做猜想遍历和原因定位，通常可以结合一些定量的分析方法，比如漏斗分析和session分析。
纵向深挖：从逻辑层面一层一层的看，常见的debug就是这种方式。
3. 根据上面的归因结果，针对性的产出解决方案。这个时候要注意一个ROI的衡量，关键点是需要定义清楚当前的case是个例，还是一类case，这可能决定你的具体解法是什么？比如干预还是线上策略优化；
4.衡量策略的效果。需要提前设计好AB实验，产品埋点，并且对相关指标做好定义，上线看效果。
以上，你基本可以复用到任何一种做策略优化的场景，希望能帮到你~
