p4：对于ToB产品，部分产品取悦的是“客户”而非“用户”，对与企业内部使用的办公产品，用户喜不喜欢可能是次要的，老板认不认可才是最重要的，因为老板一句话，全公司的人都可能成为产品的用户。
p6:产品方向越来越个性化：物质满足——精神满足——个性化、品质化（例： *** ——天猫/京东——严选/小红书）互联网产品正在从标准化、大众化转向个性化；新环境下，产品需明确定位，在巨头领先的情况下，通过定位细分寻找新的机会。
p10:产品价值包含了产品对用户的价值、核心竞争力、品牌价值、商业价值等产品总体价值。
p11:“以产品为中心”和“以用户为中心”并不冲突。但很多体验不错却缺乏商业意识的产品被后来者取代；现实情况中，我们的能力和所能拿到的资源都有限，不可能在任何阶段都能够很好的满足用户需求，关键是找到平衡点；既拥有良好的用户体验，又不可在体验方面投入太多而忽略其他方面（商业价值、品牌价值等）
p13:对设计师要求的变化：从有理有据的 *** 论转为精益思维；由按部就班雀盯拿的设计改为小步迭代试错；由体验导向转为商业目标导向。
P17:在工作中，最难打破的就是本位主义（即 产品经理以KPI为导向，设计师以视觉为导向，用户体验设计师以体验为导向等）
如何打破本位主义？一、认知的改变 二、制度的改变
改变认知很困难，但是改变制度则容易些，但需要管理层有足够的认知能力以及前瞻性，也需要精英们通过自己的努力来争取。
P18:传统的设计方式是以提炼问题为目标的，这个目标不一定与提升产品价值有关，可能实施单顷搭纯的为了解决这个问题，并不是每个问题则猛都是现阶段需要解决的问题，如果业务方向转变，所有的问题可能都不是问题。
提升效率和产品价值，需要从传统的“问题驱动”转变为“价值驱动”
并不是“解决问题”不重要，而是要把解决问题看作提升产品价值的手段，而不是终极目标。
P20:精益思维：用最小成本创造更大价值
如何运用精益思维：1 坚决贯彻“以提升产品价值为目标”，并运用数据验证 2 在方案实施前，用小成本在小渠道验证，证明有效之后再加大投入。
P32:设计往往不是评选更优方案，而是要在当前阶段，判断出什么样的方案是最有利于当前的业务的
P38:产品很难满足所有用户的需求，一开始必须圈定部分人群作为我们的目标用户。之后对用户进行深入分析——了解用户痛点、诉求；考虑产品与服务如何满足用户需求；给用户带来了什么价值。
P38:产品处在不同阶段，有不同的关注点，但都是为了达成“提升产品价值”的总体目标。
P44: 产品生命周期 包括：探索期；成长期；成熟期；衰退期。
探索期 ：做重要的是找准产品方向，活下去。不应该把过多的经历放在产品细节的打磨上。产品设计的策略是 用最小的成本验证方向是否正确 。
成长期 ：通过 差异化的产品定位 占领用户心智（为谁解决了什么问题，与同类产品相比，优势在哪里），大胆创新，巩固优势。
成熟期 ：用科学严谨的方式，更大限度地提升产品商业价值，享受利润更大化。
为什么要用科学严谨的方式呢？ 1.成熟期产品用户庞大，且习惯固定，改动往往牵一发而动全身。2.成熟期产品提升空间较小，页面改动过多可能会出现反作用。所以要逐一改进细节并监测数据效果
需要注意的是在：成长期的产品指标侧重于新增用户与用户留存、复购、活跃及推荐等；成熟期产品的指标更看重如何赚钱、如何规模化。
总结 ：探索期的任务是不断探索产品方向，直至方向明确；成长期的任务是不断巩固产品差异化定位，直到在用户心中建立起明确的的竞争优势；成熟期要尽可能的提升商业价值，等到价值达到更高点开始回落时，标志产品要进入衰退期。
注意 ：三个阶段之间并不存在严格的界限，有时成长期也会用到成熟期的办法，成熟期也可能再尝试探索期的 *** 转型。
在探索期，体验设计并非重点，重点在于前期的战略规划以及深入的用户研究。
产品如何活下去？
1、确定初始的人群假设。首先了解产品面向什么人群。因为创新产品不可能服务好所有人群，只能挑选一部分人群作为初始目标。
2、了解潜在目标人群目前的详细状况、遇到的痛点、与什么诉求、我们使用怎样的解决方案去帮助用户。
3、做基本的产品规划。用最小的成本做产品设计，然后去检验迭代
探索期成功的关键在于正确的产品方向；对应的策略是最小成本快速试错。方向错了不要紧，只要成本小，随时都可以更改产品方向。
1 假想用户：选定一部分目标人群，主要依赖于产品创始人的判断，一开始未必准确，但可在未来进行调整；确定目标用户后，挖掘不同角色的痛点，找到解决问题的切入点。
2 产品假设：即根据用户诊断，推导出产品假设
3 价值评估
为什么进行价值评估？
我们既要考虑产品带给用户的价值，还要考虑现有的市场情况（也许有许多人在做了）、行业特性、自身资源、核心竞争力等。
产品方向包括和产品相关的一系列的战略内容，比如用户角色及分类、产品策略（包括产品特色、主要场景、商业模型、渠道、合作伙伴等）
产品方向是用户假设和产品假设内容的延伸。
5.3.1 产品画像
包含6部分内容：
1 定义产品
产品是干什么用的？面向什么人群？为不同人群提供什么服务等
2 产品价值
产品对社会和用户提供什么价值
3 产品特色
指产品有什么特色和优势、怎样与竞品拉开差距
4 产品关系
产品包含哪些功能模块
5 主要场景
目标用户的典型使用场景及主要流程
6 角色关系
不同角色之间的关系以及相互影响的因素（参考P67 图5-95-10能很好的理解此项）
5.3.2 商业画布
产品画像侧重产品设计的部分，商业画布侧重于商业模式的部分。
其优势在于利用可视化的方式，帮助团队成员达成共识。
分为9点(P71 图5-1有具体举例）
1 价值主张
与“产品画像”中的“产品价值”相同，即产品对社会和用户提供什么价值。
2 客户细分
目标用户的分类
3 关键活动
即什么关键性的事件能够支撑整个商业运作。
要考虑到是否需要实体的产品或服务，怎样进行商务合作以及产品营销等
4 渠道通路
产品通过什么样的方式和途径呈现给用户，并说服用户买单？
App是一种途径、小程序也是、公众号微博也可能是，哪种方式最合适？
5 客户关系
与客户保持什么样的关系，才能留住用户
用户是否愿意反复使用我们的产品并持续付费吗？
提供给用户最有竞争力的产品和服务是更好的留住用户的方式。
6 重要资源
拥有什么资源才能保证产品的运行？
在公司做项目，公司便是资源；
创业公司中，创始人一般拥有相应资源，旅游产品要有旅游相应资源，金融类有金融相应资源。
7 合作伙伴
合作伙伴包括哪些人？包括企业核心业务所涉及的上下雨服务商。
8 固定成本
在产品的商业过程中，需要承担的成本是什么？
对大公司：如何在有限的资源下把事情做成
对创业公司：人工成本、运维成本、推广成本...
9 收入来源
收入来源是什么？
如： *** 网站收求职者的钱，还是收企业的钱？
产品方向确认后，怎样产出设计方案并加以验证？此时需要核心任务
5.4.1核心任务
探索期产品要保证“用最小成本验证方向”的原则
把完整的需求拆分成几部分，每一部分独立上线，能保证最小成本，又不影响基本的体验。
此种 *** 也适用于产品的其他阶段。
5.4.2用户故事地图 （P75）
如何拆分大块需求，以完成一个最小成本可用产品呢？——用户故事地图
即用户在整个使用流程中，进行了哪些操作，完成了什么任务，将整个流程中的左右工作列举出来。
通过以上方式，筛选出核心的任务及功能（非核心功能可暂时去除，以节省成本）
MVP，即最小可行产品的核心是“试错”
MVP不等于忽略细节
在探索期，通过不断试错掌控产品方向。
产品上线后的两种情况：1 反响强烈 2 反馈一般
对于反馈一般的情况：1 体验太差——提升用户体验 2 没有满足用户痛点/竞争对手捷足先登——寻找其他产品方向/更换目标用户群体。
2、产品｜用户分析（调研&画像）在设计产品的功能点时，我们需要设想我们的用户到底是谁？他的需求是什么？
为此我们需要做用户分析，从而得出我们的用户画像，提供解决方案，
一般先组织内部头脑风暴，初步创建用户画像的模型
通常有以下两种方式：
针对几个层级的用户画像做调研，
通常调研有以下两种方式：
用户调研后将收集到的信息进行整理和分析并归类，创建用户角色框架（更全面地反映出用户的状态），同时结合用户规模、用户价值和使用频率来划分，确定主要用户、次要用户和潜在用户。
用户画像根本目的就是寻找目标客户、优化产品设计，指导运营策略，分析业务场景和完善业务形态。
用户画像的构成
用户基本属性（个人）：一般指的是用户一定时间内稳定不变的属性，如：年龄、性别、年龄、学历、角色、收入、地悔带域等。依据不同的产品，这些信息会有不同权重的划分，如教育产品就应该更看重年龄、学历、收入等等，而对地域等信息则不感冒
用户社会属性（群体属性）：能够体现其社会关系、社交方碧前散式等
用户消费属性：主要包括消费悔氏水平、消费心理、消费嗜好等，反映用户对于花钱的看法，是喜欢质量好的还是性价比高的？倾向于功能价值还是情感价值？这一块需要好好琢磨，涉及到钱的事儿都是重要的事儿。
用户行为属性：体现用户的日常行为特征，如睡懒觉、常加班、喜欢玩游戏、上班刷微博等等信息，用研中想要获取到真实的用户行为属性非常难，一般从数据中来
心理属性：能够体现用户的心理状态，如好胜心极强、好奇心强等等，该标签需要对前四个属性充分分析后才可以获取到。
3、产品的非目标用户画像指什么角色。
通过搏尺莲山文库得知，非用户画像又称非用户角色，作为一种勾画非目标用户、联系用户诉求与设计方向的有效工具。
产品概念猜租是企业想要注入顾客脑中关于产品穗银兆的一种主观意念，就是用消费者的语言来描述你的产品，即如何向老百姓简单明白地介绍产品。
4、运营指标与告警策略思考一、运营指标
用户指标数据 ，通过可以衡量用户体验的的核心行为表现数据指标来衡量效果
业务性能监控， 各API状态等后台不可见的算法流程和内容
举例：
新闻产品： 首页推荐结果的点击率、各类新闻的占比等（拟合推荐策略效果）
电商产品 ：单店日销售额、促销产品影响面（评估促销收益比）
云服务产品： 云服务可用率、云服务作业成功率
游戏产品： 业务规则监控（用户胜率、攻击频率上限）、系统可靠性监控
由于业务规则监控取决于业务方自己的业务属性较多，下文举例系统可靠性监控。
【1】请求数，请求到达速率
【2】正常响应数，正常响应占比
【3】错误响应数，错误响应占比
【4】响应延时
【5】消息队列长度，排队堆积时间、消息量
互联网系统根据计算机 *** 模型，可靠性监控可以分为4层。
【1】 应用层 ：用户访问的前端页面、后端接口请求
【2】 服务层 ：db，中间件等各种进程
【3】 硬件层 ：cpu，内存，磁盘， ***
可靠性监控思考：
【1】不应该用采集的难度决定你使用什么指标去告警。
例如：很多情况下cpu使用率可能是更好采集的，但是未必是最值得告警的。
【2】不要给运维他们想要的告警，而是要做“真正”想要的告警。
例如：运维告诉你它需要对db进程的cpu使用率超过x%的时候告警，它给你的是一个他认为更优的解决方案。但是他真正想要的是知道db服务是否有异常，cpu使用率超过x%未必是更好的告诉你服务是否出现异常的指标。
二、规则告警
告警规则 ：根据历史数据定义一个正常波动区间，超出波动区间就报警。
告警策略主要字段： 名称、资源类型、监控对象、告警级别、告警策略（根据资源类型展示不同的数据信息）、监控指标对象、告警指标间处理逻辑、触发条件、告警频率、状态、最近改变时间
吿警方式 ：
短信、 *** ：成本高，实时性好，到达率高
办公APP ：成本低，实时性中，到达率中
邮件 ：成本低，实时性差，到达率高
告警收敛：
【1】服务运营指标收敛 策略：按服务名、运营指标去重
【2】模块告警收敛 策略：按照集群名称做去重
【3】接口告警收敛 策略：按照接口名称做去重
【4】告警频率收敛 策略：按照M分钟N次限制告警
【5】不同时段区分告警 方式策略：工作日/非工作日，白天/夜晚区分
【6】逐层上报 告警策略：先模块负责人告警，n分钟未恢复升级，m分钟未恢复再升级
【7】黑白跳动 策略：当系统由正常变为异常，异常恢复正常都通报
是否告警：
曲线平滑 ：故障一般是对近期趋势的一个破坏，视觉上来说就是不平滑
绝对值的时间周期性 ：静态或者动态设置最近一段时间的更低值、更高值
波动的时间周期性 ：假设两个曲线不重合，在相同时间点的波动趋势和振幅也是类似的（即不同时间段的上、下限值的差是一致的）
波动回归正常值 ：当曲线开始回升到历史范围的时候，一般可以确御卜认这个时间段是真的故障了。同时也可优统计误警率，漏警率。
告警自动消除：
告警的实质就是“ 把人当服务用 ”。在一些事情还没有办法做到程序化执行的时候，用告警通知人的方式去干预系统达到修正的目的。后续通过收集异常问题，并制定相应的自动化解决方案，实现告警的自动消除。
三、产品画像
产品画像，可以结合已有的运营指标、研发指标、部署指标、故障指标去实镇裂穗现云服务产品画像。
在选取指标时，需要注意：
【1】指标真实有效，即服务可用率，故障率等指标的归属责任方式明确的
【2】指标同步时，明确指标状态、流程，避免数据在同步过程源谈中变为2份数据。一般也采用ETL离线同步的方式，结合全量表同步与增量表同步。
5、产品分析：用户画像什么是用户画像？
用户画像分为个人用户画像和用户群画像。个人用户画像可以理解为产品用户的所有相关数据。用户群画像可以理解为将所有个人画像通过不同标识（用户属性、用户角色、应用场景、用户行为、生命周期以及产品的特征）进行划分（分层、分组、分群）。
每个产品定义的用户画像基本都不一样，即便是同类产品，对用户画像的定义也可能不一样；用户画像的呈现和定义是产品经理对产品、对用户、对场景、对生命周期以及对行业的理解等综合因素的转化和抽取。
如何对用户进行划分？
就是为用户贴上标签。用户的属性、用户角色、应用场景、用户行为、生命周期以及产品的特征等都可以是明显标识或者根据产品情况定义的特征标识。产品经理根据这些标识进行组合、筛选出用户，以快速对这些用户群进行含巧统计、分析、应用和运营，并为产品经理提供决策依据。
用户画像属性示例
以物联网智能家居用户为示例简单介绍（假设用户家庭的电子设备全部为智能设备，而使用智能设备的用户就是我们的用户）：
用户属性：用户终端账号（App或其他智能设备账号）、名称、性别、年龄、用户所羡竖属家庭角色
房屋属性：房屋位置、房间数量、各房间名称、各房间设备数量
智能设备：设备ID、设备名称、设备分类、图片、联网方式、设备激活时间、设备活跃时间、设备明细参数、设备日志
应用场景：回家（设置时间回家后自动开空调）、离家（自动关闭所有灯关、空调、部分插座）、日出（早晨窗帘自动打开）、日落（窗帘自动关闭）
用户行为：什么时间通过什么方式什么原因使用智能设备（晚上睡觉前语音控制关灯、夜起后夜起灯自动亮）
周期：不同设备生命周期、设备的使用周期、app的使用周期、设备的使用频率、app的使用频率
…
以上用户画像属性数据仅为简单示例，实际物联网智能家居用户画像的数据深度、广度、多维度非常复杂。
用户标签示例
位置：国家、省、市、区
性别：男、女
年龄段：5-18、19-25、26-30、30-40、40-50、50-60、60以上
家庭角色：父亲、母亲、女儿、儿子、孙子、孙女
房间数兄老大量：0-1、1-2、2-3、3-5
智能设备数量：0、1-2、3-5、6-10、10-20、20以上
智能设备活跃度：0、1-3天、4-10天、10天以上
App用户的活跃度：0、1-3天、4-10天、10天以上
智能设备分类：摄像机、电源开关、照明、家居安防、路由网关、厨房电器等
…
以上用户标签数据仅为简单示例，实际物联网智能家居用户标签的数据深度、广度、多维度非常复杂。
用户画像有什么作用？
1、 精准营销：邮件、短信、App消息推送、个性化广告、个性化推荐等，通过用户标签筛选出需要的用户画像进行精准运营。
2、 产品定位，用户画像可以围绕产品进行人群细分，确定产品的核心人群，从而有助于确定产品定位，优化产品的功能点
3、 战略决策：好的用户画像可以帮助企业进行市场洞察、预估市场规模，从而辅助制定阶段性目标，指导重大决策。
4、 数据价值：用户画像有助于建立数据资产，挖掘数据的价值，使数据分析更为精确，甚至可以进行数据交易，促进数据流通
6、大数据应用之“画像”随着大数据技术的备受关注，有关“用户画像”、“商品画像”、“产品画像”、“资产画像”……的讨论就不绝于耳。究竟什么是画像？又如何进行画像建设与画像分析呢？我们就从以下几个方面，着重探讨一下。
1、什么是画像？
用户画像，被定义为一种抽象出用户信息全貌的手段。
举个简单的例春陵子，某个客户的特征描述为：500强企业，媒体行业，旗下产品覆盖网站、APP、微博、微信等端口，拥有受众9亿+，这就是一个典型的用户画像，我们据以便可以知道其存在大数据方面的需求。如果用一句话来描述，即：用户信息标签画。
大数据的时代背景下，画像被认作为企业应用大数据的根基，并直接跟企业经营能力、竞争优势的打造联系在一起。
有评论指出，要看一家企业的数据化运营程度，首当其冲地要看其“画像”构建情况：是否建设了“画像”？“画像”体系构建程度如何？针对什么对象进行了画像？构建画像的各种标签与指标情况如何？有没针对已建立起来的”画像”的应睁哗用？应用情况如何？等等
2、为什么要进行用户画像
这跟用户行为识别及数据应用直接相关。
各行各业都期待着，用户能主动告诉我们，他们的行为偏好。然而，事实既总非如愿，技术实现也非如此简单：首先，用户用以描述兴趣的自然语言很难为自然语言理解技术所理解；其次，用户的 兴趣是不断变化的，无法不停地提供兴趣描述；最后，很多时候用户并不知道自己喜欢什么，或很难清楚描述出自己喜欢什么。
于是，我们需要通过算法自动发掘用户行为数据，从用 户的行为中推测出用户的兴趣，从而给用户推荐满足他们兴趣的产品和服务，而画像，就是其中最重要的应用之一。
画像，通过为用户打标签的方式，使计算机能够程序化处理与人相关的悉森行信息。
如用户信息的分类统计:喜欢魅族的用户有多少？喜欢魅族的人群中，男、女比例是多少？如用户数据的挖掘工作：利用关联规划计算，购买该种商品的用户还购买了什么产品？利用聚类算法分析，喜欢该种产品的人年龄段分布情况如何等等？
3、构建用户画像的关键是什么？
从画像与标签的关系也可以窥见一斑，标签是画像建设的关键。同时，它也是大数据技术场景化的关键，因为如果没有针对场景构建出来标签，大数据的应用往往就很难“落地“。
一个标签通常是人为规定的高度精炼的特征指标，如年龄段标签：25-35岁；地域标签：北京、上海；设备标签：PC、移动；性别标签：男、女等等。
标签呈现出明显的语义化与短文本的特征：语义化，人能很方便地理解每个标签含义，使得用户画像模型具备实际意义，能够较好的满足业务需求；短文本，每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。
制定标签要遵循一定的规则，既要涵盖重要信息，又要方便机器做标签提取、聚合分析。
案例：用户的商品价格偏好标签建设过程
以某公司构建用户消费偏好画像为例，我们需要根据具体场景下用户的选择行为，将用户偏好画像拆分成几个不同数据标签：品牌、价格、购买时间、购买方式等
取用户历史购买消费记录，统计用户历史购买商品的价格，然后对价格进行区间划分。看用户购买的价格带主要集中在哪个区间中(价格带偏爱应该是一个相对动态的标签，更新频率可能一个月需要定期更，而且选择的时间段也应该是过去某个时间，不应该选择过长时间段。大家想想为什么？)。如何进行价格区间划分？
*** 一：按统计学的 ***
1、按分位数进行。例如：25%，50%，75%
2、按等箱原则。划分几等分
3、看数据的分布。
4、……
*** 二：按业务知识经验
把价格带按业务经验，行业经验进行划分。
通过数据统计出来，我们可以看用户是否商品单价是否集中的某个区间范围内。例如,某用户购买的商品价格主要集中在30到40这个区间内，根据历史显示可以说，用户可能偏好于购买这个价格带的商品。当未来我们需要做促销商品推荐的时候，可以向该用户重点推荐打折后在这个价格区间的商品。
通过用户购买的价格区间，以及结合商品所归属的品类，可以看这个价格区间在这个品类中属于什么级别的。可以进一步给用户打上：注重品牌、注重高性价比等标签。
例如：如果某个品类商品的价格范围是（5，40]，该用户购物商品主要集中（30，40]这个商品价格区间，用户在这个品类的消费上都是更高价格区间，说明这个用户在购买这个品类主要购买的高端商品。这样又可以为这个用户打上在这个品类的消费特征标签：品类高端用户。
4、构建用户画像的 ***
从上面案例中，我们可以抽象出构建用户画像的 *** ，即用户画像模型的构建 *** 。
一个事件模型包括：时间、地点、人物三个要素。每一次用户行为本质上是一次随机事件，可以详细描述为：什么用户、在什么时间、在什么地点、做了什么事。
其中用户的属性识别关键在于对用户的标识，用户标识的目的是为了区分用户、单点定位。时间的属性包括两个重要信息：时间戳和时间长度，时间戳指的是标识用户行为的时间点，通常精确到秒；时间长度指的是标识用户的停留时间。地点的属性也就是用户接触点，在互联网上，用户的接触点就包括了网址和内容两个重要信息。
用户行为属性有不同的类型，结合接触点的内容产生的标签信息，具有不同的权重。用户画像的数据模型可以概括为这样一个公式：用户标识+时间+行为类型+接触点（网址+内容），某个用户在某个时间、某个地点做了什么事情，就会被打上一个既定的标签。而用户标签的权重可能随时间的增加而衰减，因此定义时间为衰减因子，行为类型、网址决定了权重，内容决策了标签，可以认为公式转变为标签权重=衰减因子×行为权重×网址子权重。
通过这样的计算才能够构建用户画像模型，进而能够逐步细化模型，从而最终 *** 出一个精准的用户模型。而每一个精准的用户模型都能够根据用户不断调整的互联网行为进行更新，从而精准把握用户心理，为每一个用户提供最完美的精细化服务，全面提升客户感知，最终实现客户满意度的不断提升。
