之前我写过一篇文章，叫“如何一步步从数据产品菜鸟走到骨干数据产品”（如何一步步从数据产品菜鸟走到骨干数据产品），覆盖了做一个分析类数据产品的方法论，但是从那个时间段开始，我的工作内容有所变化，主要做搜索，同时负责推荐系统，经过半年多的探索，发现算法类产品，和分析类产品，对产品经理的工作方式、能力要求，都是有所不同，所以就再写一篇文章，来系统讲一下算法产品经理的工作和成长。
在这之前我整理了一下别人经常问我的问题：
数据产品经理应该具备什么知识？如何能更好的切入进来？
获得一组数据后，怎么对数据进行分析？分析思路是什么？
如何才能在数据调查中识别真需求和伪需求？
电商的搜索权重算法一般是怎么样的？
在算法产品中，产品经理起到的作用是什么？为什么需要数据产品经理？
可以看到当一个产品经理接手一个大数据的产品团队时，会碰到比较多的问题。为什么会有这些问题呢，说明做事的方法，思路和逻辑性不够系统，每个环节应该怎么想，应该怎么做，还不是很清楚。所以本文主要讲方法，因为当你掌握了方法，这些问题就都能解决了。
产品开发一共分三个阶段：需求调研、解决方案，落地执行。我根据这几个阶段来写。
以前给宝洁出数据方案时，满满200页ppt，全部都是商业模型和数学模型的讲解，我在做数据分析的时候，商业模型，和数据模型，用的都很多，但是当我做大数据后，整个的分析方式都变了，变得特别的简单、粗暴、直接，整理了以下几种常用的，基本可以覆盖一个不是很大的团队的分析方式：
流程；
抽样；
枚举；
已有数据分析；
为什么先介绍这个方法呢？因为这是我们刚用这个办法，把搜索的点击率提升了30%。
枚举法是最基本的办法，单独的对某个节点，一般采用的是枚举问题法。其实非常简单，就是把所有的用户问题拖出来。
以搜索召回分析，（召回指把搜索词相关结果搜索出来。）主题是搜索词和搜索结果；
把所有搜索词列出来，按pv排序；
逐个搜索词解读其数据和特征，包括用户在什么样的情况下搜索这个词，这个属于什么词，是类目词还是品牌词，还是商品词，这个词下面的结果是否包含爆款，我们的爆款和其他平台同款是否有价格优势，和其他平台爆款是否有商品优势，努力通过这些数据还原出用户的真实使用场景和想法，并尝试推测这个数据产生的原因。在解读的同时，要随时记录发现的各种问题，用户哪些需求没有被满足。
根据上面步骤中发现的典型问题和场景、目标的推测，对搜索词做细致的划分。比如，原来没有想到用户喝酒有较强的地域属性，所以地域这个字段并没有在索引中，那么要加进去。比如，有一些酒有专有名词，这些名词喝酒的人知道，但是搜索不知道，那就要想办法告诉搜索，比如，老酒。比如一级庄二级庄三级装等，将不同的词划分出来，作为一个单独的词组；
拿这个词组中的一部分词进行后续的研究，和规则制定。
把词组中剩下的词扔到规则里，对规则进行验证，看是否能够正常召回。
这个方法看起来很简单，所以难的是执行，就是真的坐下来耐心的去看用户数据，去把自己的经验涌进来，我们后来做搜索的suggest、筛选条件时，都采用的同一样的办法。
