编辑导语：对于大部分产品经理来说，布局产品策略是他们工作的重中之重，产品策略主要对产品结构、产品功能、投放市场以及产品定位等作出策略安排。本文作者根据自己的工作经验，对常用的一些策略方法做一个总结梳理。对产品策略感兴趣的朋友一起来看看吧。
一、引言
最近工作的重心都在跟数据打交道，各种各样的数据呈现及内在挖掘都要定策略，加上之前在产品策略方面的经验，因此对常用的一些策略方法做一个总结梳理，算是抛砖引玉吧。
二、概述
结合实际的工作场景和经验，会从以下几个层面分别进行展开：
定量分析：如何将定性、不确定的场景/因素进行量化的数据表达。迭代思想：数据持续变化，如何利用数据构建可靠的模型，进行深度挖掘？概统知识：基础的概率统计学知识在数据分析中那是必不可少的。关联分析：数据林林总总，不同的维度/事务是否存在千丝万缕的关联？
当然，这样的拆分是基于个人的经验，不见得多么合理，其实是会存在很多的交叠，也只是冰山一角，所以活到老学到老。
三、定量分析
在实际的工作场景中，常常会碰到各种需要拍脑袋的场景，定性的成分占比较大的比重，除了基本的服务性能外，其他难以定量考评。
举个例子，我们对于作者进行评级的时候，常常会在作品量、播放量、粉丝量和互动量这几个指标之间纠结，到底谁更重要，重要多少呢？
一番激烈友好的讨论之后定下来“播放量粉丝量互动量作品量”之后，那每个的权重又是多少呢？
哎，祭出个“4-3-2-1”的圣诞树阵型吧，分别赋予权重0.4，0.3，0.2，0.1吧——这种场景重复见到了好多好多次，历史不会重复它的事实，但是历史会重复它的规律，欢迎对号入座。
在这边推荐层次分析法（AHP）：
充分利用人的分析、判断和综合能力，广泛应用于结构较为复杂、决策准则较多且不易量化的问题。层次分析法主要和专家调查法一起运用，以提高评价体系的置信度。
大体框架如下：
将复杂/模糊的测量对象概念化，进行多个明确指标的拆解；对各指标间的关联进行具体分析，建立多层次的递阶结构；在同一层次上的指标，两两进行相对重要性比较，建立判断矩阵；计算要素的相对权重值，并进行一致性检验；计算各层次元素对于系统目标的合成权重，进行总排序。
具体的实施步骤就不再详细展开了，可以参考具体案例。
以后再碰到定性问题定量化，不妨试试看。
四、迭代思想
世界是动态变化的，我们碰到的各种各的场景、数据都是不断演变的，而他们的演变不是孤立的，基本上都是基于之前的情况变化的，包括熟知的天梯积分，各种各样的排行榜：
这里通常采用的有以下几种思想：
随时间的衰减，这个最有名的当属艾宾浩斯遗忘曲线，以及半衰期的概念，这个给到的指引，通常就是在处理过往数据时候的进行衰减降权：
在处理内容热度的时候，对上一时刻的热度进行某一个指数的降权，再结合当前时刻的各种热点指标进行组合；当时在教育行业，负责知识点掌握度的时候，最早给定的粗暴逻辑是对知识点掌握度按照周进行衰减，到某个阈值的时候不再衰减，当时虽然比较简单，但基本能跑起来。
基于对抗的迭代提升，这就不得不提ELO算法了，简单来说就是基于双方前置的能力值来评估对抗的预期表现，如果实际表现好于预期则能力提升。
反之能力下降，非常朴素的思想，但广泛使用在各种竞技场景，比如国际象棋评分、国际足联国家队排名以及Dota等电子竞技游戏。
以国际足联的积分为例，可以简单了解一下（截图自摘自国际足联
