内容大纲
Part1:核心方法论
1. 不变量:AI产生前的核心方法论
1.1 推荐策略基础框架
核心框架:
推荐的本质:信息连接,底层是数学建模
1.2 四个能力模型
1.3 战术执行流程
罗盘设计:
- KR(关键结果):要达成什么效果?
- 驱动因素:哪些变量可以影响KR?
- 可干预变量:我们可以改变什么?
- 因果关系:A如何影响B?
产出:因果图
- 策略设计与验证迭代:
- 从因果图到策略:识别可干预变量 → 设计干预手段 → 预测效果
- 验证框架:A/B测试 → 金标准评估 → 长期监测
2. 变量:AI产生后的趋势变化
2.1 2025年:Agent元年
关键拐点:
- AI不再只是"工具",而是"员工"
- Agent能独立解决数据分析问题
- 个人助理入口争夺战开始
金句:如果你还在学提示词,你已经落后了
2.2 项目特征的变化
2.3 能力迁移方法论
2.3.1 如何在陌生领域快速建立能力?
识别不变量:哪些核心方法论可以复用?——主要是提升常识能力,了解数据生成逻辑
· 叶子知识
· 树干知识
2.3.2 抓住主要矛盾
2.3.3 搭班子、定战略、搭团队(含AI团队)
3. 核心金句
3.1 扎实数学基础,是未来30年最重要的个人财富
3.2 个人成长不设边界,组织管理边界清晰
3.3 在不确定性中,确定性地提升自己的认知水平和职业技能
Part2. 案例分析与实战演练
4. 企业决策现状诊断
问题1:缺乏假设驱动的科学决策机制
- 一线决策多为老板拍板
- 追求短平快出成绩
- 缺乏战略设计能力
问题2:数据驱动 vs 数据佐证
- 大多数企业用数据"佐证"已有决策
- 少数企业用数据"驱动"决策
案例对比:
5. 案例一:客户国际化项目
5.1 背景:客户内容业务出海挑战
5.2 框架应用:机会/能力/匹配分析
5.3 关键工作:
- 市场机会识别
- 本地化能力评估
- 用户-内容匹配策略
5.4 成果与经验:
- 方法论迁移的重要性
- 数据驱动的决策框架
- 快速试错的团队节奏
5.5 互动问题:如果是你,会如何评估出海市场的优先级?
6. 案例二:客户短剧项目(15分钟)
6.1 短剧作为新内容形态:
- 市场爆发式增长
- 用户行为独特(三秒定生死)
- 商业模式差异大
6.2 核心问题:
- 为什么有些短剧前三秒就能留住用户,有些却不行?
6.3 分析方法:
- Good Case vs Bad Case文本分析
- 开场钩子、视觉冲击、情绪唤醒、人物塑造的对比
6.4 如何快速切入陌生领域?
- 识别可迁移的方法论
- 建立领域知识框架
- 找到关键杠杆点
6.5 互动问题:你所在行业有没有类似"三秒定生死"的关键节点?
7. 案例三:数据分析和因果推断实战demo(20分钟)
7.1 为什么需要因果推断?
- 核心问题:相关性 ≠ 因果性
- 经典案例:
· 冰淇淋销量 ↑ 溺水事件 ↑
· 相关?是的
· 因果?冰淇淋导致溺水?显然不是
· 混淆因素:夏天(气温升高同时推高两者)
7.2 因果推断的三层阶梯
7.3 因果图绘制方法
- 基本元素:
· 节点:变量(X、Y、Z...)
· 边:因果关系方向(箭头)
· 混淆因素:同时影响X和Y的变量
- 案例:次日留存影响因素
8. 互动研讨:因果图实战
8.1 练习任务:
请针对你所在业务的一个核心指标,画出因果图。
8.2 步骤引导:
- 确定结果变量(Y):你想优化的核心指标是什么?
- 列出所有可能的影响因素:有哪些变量可能影响Y?
- 找出因素之间的因果关系:A如何影响B?
- 标注混淆因素:哪些变量同时影响多个因素?
8.3 分组讨论:
- 3-4人一组
- 每人分享一个因果图
- 小组讨论:因果图是否合理?有没有遗漏的因素?
8.4 代表分享:
- 邀请2-3个小组代表分享
- 点评与优化建议
9. 总结与转化
9.1 方法论总:
1) 罗盘设计:明确KR,找到驱动因素
2) 因果图:厘清变量之间的因果关系
3) 策略设计:识别可干预变量,设计干预手段
4) 验证迭代:A/B测试验证假设
金句:只有提出正确的问题,才能得到正确的答案
构建(内容/服务的组织管理) |
↓ |
连接(用户与内容的高效匹配) |
↓ |
反馈(用户行为驱动系统优化) |
能力
| 定义
| 为什么重要
|
用户同理心
| 理解用户真实需求
| 产品方向正确的前提
|
产品架构能力
| 设计产品框架解决复杂问题
| 复杂业务的可扩展性
|
数据分析与因果推断
| 从数据中找因果
| 决策的科学性
|
模型理解能力
| 理解推荐系统边界
| 与算法团队平等对话
|
特征
| AI前
| AI后
|
迭代速度
| 周级别
| 天级别
|
数据驱动
| 离线分析
| 实时分析+AI洞察
|
跨领域知识
| 依赖人工积累
| AI辅助快速学习
|
团队规模
| 大团队
| 小团队+AI员工
|
方式
| 过程
| 结果
|
传统决策
| 传统决策 | PM觉得用户需要 → 开发上线 → 数据不好 → 下线
| 浪费3个月
|
科学决策
| 假设用户需要 → 小流量灰度 → 假设不成立 → 调整假设
| 浪费2周
|
层级
| 问题类型
| 能回答的问题
|
第一层
| 关联
| 观察:如果我看到X,Y会怎样?
|
第二层
| 干预
| 行动:如果我做X,Y会怎样?
|
第三层
| 反事实
| 想象:如果我当时没做X,Y会怎样?
|
内容质量 |
↓ |
次日留存 ← 推荐准确率 |
↑ |
用户活跃度 |