前几天有个训练营同学问我：夏老师，策略产品经理最近这几年才火起来的，很好奇你是怎么想到转行去做策略产品的。

这可能也是公众号大部分读者同样关注的一个问题。

所以，今天跟大家聊一下我转行做策略产品的经历。

相比大家做C端转策略，其实我的道路可能更难一点。因为我是做交付的，传统意义上的B端产品，所以我接下来讲的可能给每一个想要转行策略产品的同学带来启发。

就我来说，与其说是我主动选择当策略产品经理，还不如说是“被逼无奈”走上了这条路。

01

刚毕业的时候，和大多数人一样，我也是做平台，做功能的产品经理，说白了就是对接业务方需求，搭建平台和设计功能为目标。

按照如今的产品划分的方法，我是属于B端产品。

当时压根对策略产品经理没有概念。

久而久之，我发现有时候业务的需求并不需要产品经理来进行承接，想象中需求分析，市场调研，数据验证，现实中很一步一步的去执行、落地，因为有些需求可能根本不用“分析”，尤其是对于刚入行的产品经理，可能压根没有机会去做这些事情。

不过我也有一个看似不怎么好的优点：爱瞎折腾。那会公司举办了一次“微创新大赛”，主题就是基于AI技术进行业务应用。当时也正好看到业务当中有可以应用的点，所以就去参赛了，最后参赛的结果不错，“最具业务应用价值方案”，于是就开始进行落地。

做过AI相关产品的人都知道，人工智能没有想象中的那么神，尤其是看似高大上的模型还是需要人去“养”的，通俗点说你喂它好的东西，它才能给你好的结果，而这个东西就是数据。

所以当时做了很多数据相关的工作，标注，数据分析以及思考如何把这些数据应用在新的场景下去解决新的问题。

02

后来换了公司，当时leader给我的方向就是在数据上做些事情，但是具体做啥她也没想清楚，这不是黑，是真的没想清楚（狗头保命）。

既然做数据的应用，那得先看看数据。这下发现了一个致命的问题，当时我所在的业务线数据质量很差，很多线上数据缺失，应用就无从谈起了，于是我又神奇的开始了另一段和数据相关的旅程——埋点。在这一年，我做策略产品遇到的坑这篇文章中谈到过这个问题。

当时三个月的时间，啥也没做，只搞埋点，硬是把白埋率给降了下来，线上数据达到了基本可用的状态。

而正是这段经历，让我对数据从产生，收集，处理到应用的全貌有了非常细致的了解，而我也顺理成章的成为产品部门的“埋点达人”，专业越来越精。

比较幸运的是，那一年所有业务都在搭建小程序，当时所在的业务线也不例外。因为只有我当时对整个业务数据了解的相对全面一些，所以第一次着手设计了推荐策略。

虽然现在看起来那时候设计的策略多么的简单，但也正是这次经历开始让我正式了解了策略产品这个概念，走上了策略产品经理这个方向。

而这一切都是“数据”的功劳。

03

策略产品是什么？当前，我的理解就是从实际的业务场景出发，以数据应用的方式产出的一种解决方案。当然随着我打怪升级也可能产生其他的一些理解。

无论是数据标注，数据分析还是后来的数据埋点，当你接触大量的数据之后，即便你没有所谓数据敏感性，也会对数据产出一些不一样认知。

所以基于我过往的经验，给大家一些转行的建议，仅供参考。

其实，就职场来说，想要从事一个岗位无法就两个方面的要求：岗位所需的专业技能和相关的项目实践。

首先，尽可能的在平时工作中参与能通过数据应用来解决问题的需求、项目，这是最好的让自己具备实战经验的机会。

我举个简单的例子。如果你是一个频道页的产品经理，主要以页面整体体验、功能为主，那么有哪些机会可以做数据的应用？比如你要在频道内增加一个“附近门店”的楼层的时候，这个楼层落地页的门店排序该怎么做？得到排序结果后是否能够加一些业务干预策略（去重，过滤）？这里面的每一个问题都涉及到数据的应用，其实就是策略。

其次，如果确定要转行，那么提前把基础的功底做扎实了，可以通过各种途径进行学习，比如阅读、成熟项目，甚至找人带。

重点关注下面几个方面：

1. 数据的应用

数据是策略的基础，所以首先要打好数据相关的基础能力，比如：

• 对一些特定场景下的数据指标，口径是否有足够的了解？

• 衡量策略产品好坏的指标有哪些，怎么定义的？

• 数据处理的常见方法

• 数据分析的方法以及发现问题的思路

2. 领域专业知识

在还没有开始进入这个行业之前，先可以通过已有的途径了解基本的专业内容。

以搜索/推荐策略产品经理为例。

• 搜索和推荐产品的架构是什么样子的？

• 常见的搜索推荐策略有哪些？

• 增长策略怎么做？

当然，相比零碎的知道一些点，更重要的是学习制定策略的系统性方法。

最后，有了机会不管自己是否专业，一定要先去尝试一下，哪怕做的很简单，所以不要眼高手低。在这篇文章正规军与野路子的较量中聊过，所谓的野路子和正规军，没有孰优孰劣，只不过是不同环境下的ROI最高的一种选择罢了。

以上希望能带给你一些启发。