百度App产品经理抖DAU的干货
产品经理职业教育学习服务升级(二)：提升用户满意度的MVP方案
导读：随着近年互联网流量红利的消失，企业的获客成本正逐年变高；伴随着国家对教培行业的一轮又一轮政策利好和要求，正推动着教育行业的健康发展，当下而言，如何用好教学、好服务和好口碑经营服务好现有用户，以获得长期价值，便显得尤为重要。
过去我们经常关注产品业务上的DAU、ARPU、转化率、GMV等具体数字指标，例如上篇文章讲到的积分转化率、单人复购率等，感兴趣的可以阅读笔者上一篇文章：《。
但今天，用户终身价值—LTV变得越来越重要，随着营销成本发生转变，很多企业已不再只关注拉新转化客单价，而是需要通过好的用户体验，使其产生更强的单人复购和品牌口碑的转化，利用产品服务好用户、留住用户来实现盈利。
对教育平台而言，用户口碑和自身硬实力缺一不可，而核心要素除了头部讲师的吸引和培育、课程体系的丰富完善、产品技术创新等，最难塑造的就是用户的口碑，好的口碑直接体现着企业的信用和服务。
以学员满意度和考试通过率为标准，一切围绕学员需求出发，形成老师、产品、服务三个关键点的配合，追求整体交付能力，便是当下最重要的产品战略目标。
在确定了产品战略层目标后，下一步则需要挖掘现阶段问题、划定需求范围、制定迭代方案。
考虑到现阶段目标是以用户体验为主，需要了解用户真实的需求痛点，但网校的用户分布在全国各地，常见的访谈调研就显得成本较高，需要分析人员花费较多的时间和精力投入其中。
回想我们在日常生活中，办理银行、运营商等业务时会经常打电话咨询客服，平时买家电或电子设备出现问题也会进行售后咨询…互联网产品同样比较注重用户咨询反馈，会建立各种反馈机制解决用户的使用问题。
体验类问题，无非就是用户对产品使用理解成本高，或者觉得使用时特别不顺畅，没有达到自己的预期等等，这类问题与满意度息息相关，想要提高用户满意度必然要将产品体验的实际预期≥用户的目标预期（通常来自销售人员对产品服务的介绍）。
结合本阶段目标，这里采用了成本低回报高的调研方法：收集客服咨询反馈、收集学习社群日常反馈、收集用户问卷反馈。
dau公式拆解
dau公式拆解首先，DAU（Daily Active Users）指的是一个应用、网站或平台在一天内活跃使用的用户数量。
在数字营销和数据分析领域，DAU是一项重要的指标，用于衡量用户参与度和平台影响力。
DAU公式可以拆解为：DAU =每日新增用户数+每日活跃用户数-每日流失用户数1.每日新增用户数：指的是在一天内新注册或下载并安装应用的用户数量。
2.每日活跃用户数：指的是在一天内至少使用过一次应用的用户数量。
这可以通过统计用户的登录、浏览、评论、点赞等操作来确定。
3.每日流失用户数：指的是在一天内不再使用应用的用户数量。
这可以通过统计用户的注销账户、卸载应用、长时间不进行任何操作等来确定。
通过拆解和计算这些指标，可以得到每日活跃用户数。
同时，还可以利用这些数据进一步拓展分析：-计算每日活跃用户的留存率：留存率是衡量用户保持活跃状态的指标，可以通过计算过去时间段内用户的流失率来确定。
其公式为：留存率= （当天活跃用户数-流失用户数）/前一天的活跃用户数。
-分析每日活跃用户的行为特征：可以通过用户行为记录和数据分析方法，了解用户喜好、偏好、行为路径等，为产品改进、推广活动和用户个性化推荐提供依据。
-预测未来的DAU和用户增长趋势：通过对历史数据的趋势分析和预测模型的建立，可以预测未来的DAU和用户增长趋势，为业务决策提供参考。
-比较不同时间段或不同用户群体的DAU：可以对不同时间段或不同用户群体的DAU进行比较和分析，找出差异性、研究原因，并制定相应的策略和措施。
总之，DAU公式是一种衡量应用活跃用户的指标，通过拆解和分析该公式可以进一步挖掘用户行为特征、预测发展趋势，并为产品改进和用户增长提供决策支持。
数据产品经理：实战进阶-笔记
数据产品经理：实战进阶-笔记《数据产品经理：实战进阶》作者 杨楠楠赞誉数据产品经理的职业使命从业务的可持续增长，到企业⾃⾝的降本增效，再到建⽴业务和技术上的竞争壁垒等前⾔数据产品经理的职责是围绕数据构建解决⽅案，从获取数据的埋点到数据治理，从数据提取到数据可视化，从数字营销到⼴告，从搜索到千⼈千⾯的推荐，从风控到规划，从预测到AI。
1.1.1 数据产品定义数据产品经理定义数据产品是⼀种降低⽤户使⽤数据的门槛，并发挥或提⾼数据价值的产品类型，与之对应的有⽤户产品和商家产品等。
负责设计、维护和优化数据产品的⼈，我们称其为“数据产品经理”。
数据产品是⼀种降低⽤户使⽤数据的门槛，并发挥或提⾼数据价值的产品类型，与之对应的有⽤户产品和商家产品等。
负责设计、维护和优化数据产品的⼈，我们称其为“数据产品经理”。
1.1.2 数据产品组成⼀个完整的数据产品通常由采集清洗、计算管理、分析展⽰和挖掘应⽤四个部分组成。
数据的价值还体现在与业务结合的挖掘和应⽤上。
通⽤的业务场景有搜索、推荐、排序和风控四种1.1.4 数据产品衡量准确性、及时性、全⾯性、易⽤性四个维度来评估数据产品，排列的顺序也1.2.1 ⽤户数据产品根据数据来源，可将⽤户数据产品细分为指数型、统计型和⽣活型。
这三类产品的区别见表1-1。
表1-1 三类⽤户数据产品的⽐较指数型数据产品的设计精髓是“⽐较”，通过⽐较各种关键词在不同区域和不同时间段内的出现频次，形成热度的⾼低演化。
统计型与指数型产品相⽐，最⼤的差别是数据均来⾃外部采集，然后经过企业内部整理呈现统计型数据产品的关键是可靠的数据源和数据清洗。
⽣活型数据产品是收集⽤户⾃⾝数据并进⾏⼀定程度的归类、分析与可视化的产品。
1.2.2 商⽤数据产品商⽤数据产品，即由企业或个⼈开发，提供给外部企业使⽤的，具备数据采集、计算、存储、展⽰和分析等功能的产品。
1.2.3 企业数据产品企业数据产品，由企业⾃建⾃⽤，主要⽬的是降低员⼯使⽤数据的门槛，辅助⼈员作出决策和提⾼业务效率。
一份高级产品经理的干货分享整理：终极prd
一份高级产品经理的干货分享整理：终极prd这世界走的再快，也与你无关，一步一步成长，也挺好。
受公司学院的邀请，师父出山为广大同事做了一次含金量超高的分享。
打从上周接到邀请，师父就开始紧张兮兮的准备这次分享，满脑子都是如何做分享（偷偷告诉你们，他都没心思工作了）。
因为，这事情关乎他的面子，我想这世上可能没有什么比他的面子更重要的了。
他一直说“我满脑子的东西，怎么讲！”最开始他打算把整个产品设计流程全部讲一遍，然后一个人在那里神经兮兮哔哔了一天。
我实在看不下去了，于是给他讲了一下我平时听得一些分享的情况。
我说：“大家都是已经入门的产品了，其实早在我还没做产品工作的时候就已经对流程滚瓜烂熟了，但是知道流程并没有什么卵用。
我们需要的不是大的框架和虚的概念，不如你就抓住流程里面非常细小的点来讲实际工作中的应用”。
好在师父在懵逼的情况下听取了我的意见。
于是就有了下面的分享内容，这里我将放出我师父的演讲稿，这比听分享和看分享后整理的文档更有参考意义（我在师父分享完之后是整理了一份分享文档给学院的）。
主题：如何写好一份prd（我将草稿只字不改，虽然有点乱，但是这样完全代表他思考逻辑的稿子可以看出他的思维逻辑多缜密，还有丝丝尴尬和搞笑）大家好，我是家庭网络产品线产品中心的产品经理**，在部门主要负责路由APP的产品工作，很高兴在这里和大家做这个分享会，由于我之前从事的行业比较多，根据之前一些产品经验，结合自身的特长，总结了一套自己产品设计的方法，用来跟大家分享，由于时间关系，我这里着重分享下我写需求文档的一些经验，希望能抛砖引玉，互相交流学习。
也希望大家能在今后的过程中能总结出自己的一套更好的产品需求文档的编写方法。
我认为，一款产品的上线，产品经理需要负责其四个阶段：概念阶段，设计阶段，实施阶段和运营阶段。
概念阶段里我们需要提供产品的商业模式（即BRD）的内容以及产品的市场分析（即MRD），公司立项一般会需要提供这两个文档，特别是商业模式特别重要，斐讯0元购就是一个非常好的商业模式，往往一个好的商业模式基本决定了一个互联网产品的成败。
产品经理瞧一瞧那个天天和你讲“千人千面精准用户”的老板
编辑导语：随着互联网的不断发展，大数据的场景也用的越来越多，不少企业开始利用用户标签的设定，进行精准投放；比如常见的淘宝，就很根据你的喜好进行投送；本文作者分享了关于如今用户标签以及精准推送的分析，我们一起来看一下。
“用户标签！千人千面！精准推送！精准服务！”这个是阿强老板一天到晚在和我叨叨的！前几天又把我叫到办公室，说一客户有个万人的经销商名单，手机号码和姓名都齐全，一定要让我想个办法去给客户做个用户精准推送的方案，根据经销商采购商品的喜好，给经销商们推送其公司合适的产品。
大数据的理念下意识告诉我，这是一个可以利用大数据手段赚钱的项目，我隐隐约约的似乎闻到了项目奖金的味道了。
结果一轮调研后，客户除了有手机号，其他啥毛线数据都没有！！！没有数据的大数据，这是个笑话吗？一天天讲大数据，精准推送。
概念性的东西，谁不懂这个意思：就是给精准的人群推荐他需要的哪一样东西或者服务（以下统称商品），以达到广告效率最大化！我就一个问题：做为产品经理，晓不晓得这个给精准人群推荐合适商品，是怎么个推荐法想先？给商品添加标签，给用户添加标签，给标签添加上策略（推荐算法），用标签完成喜好的匹配，就是这么简单。
抬杠的来了：我在京东上面搜索了“脑残式拖鞋”，刷抖音的时候，就突然看到了我搜索的哪款，为啥不是推荐同类的其他脑残相关的玩意呢？这，推荐算法说了算吧！标签推荐，属于泛类型推荐，猜你就是喜欢这些，抖音视频应用的登峰造极！指定物品推荐，有可能就是，你在商城都加到购物车了，这个就是你最需要的了！用户添加标签，这个没有毛病，不然怎么叫千人千面！给商品添加标签，这个操作真实吗？作为一名抖音疾病深度患者，我觉得，如今市场上，能够把“精准推送”这个玩意搞得最好的，就属字节跳动了！所以，我找了西瓜视频：点击视频右上角三个点，点击“不感兴趣”视频，APP会提示让你选择不想看那个类型：春晚、全民演技派。
这些就是视频的标签。
这样理解下，你发布一个商品，发布一个视频，发布一篇文章，电脑不是人，电脑咋知道你这个是什么类型的商品呢？是关于汽车的，关于金融的还是关于什么鬼的；所以你需要给这个商品加个标签，让系统记住你这个是什么类型的标签，然后，根据这个标签，推进给含有该标签的用户群体。
产品经理黑话指南
产品经理黑话指南：让你说出的话都像是在讲道理作为一名产品经理，你需要具备解决问题、梳理需求、推动项目、协调沟通等多种技能。
而在这一系列工作中，“黑话”已经成为了我们日常工作中最常用的一种语言。
那么，什么是“黑话”呢？简单来说，就是在处理技术、数据、市场等各种业务过程中，使用特定行业术语或某个行业独特的表达方式，让我们在“理性”和“感性”之间找到了桥梁。
那么，在这个“黑话林立”的世界中，如何才能说出的话都像是在讲道理呢？以下是产品经理黑话指南，帮助你轻松掌握各种“黑话”语言。
1. 产品术语篇- MVP，指的是“Minimum Viable Product”，也就是最小可行产品。
一般是为了快速验证产品想法，尽可能优化开发进程，较快地投入市场，实现用户反馈和产品自我修正。
- Pivot，指的是“转型”。
产品出现问题或不符合市场需求时，需要重新调整产品规划、改变原计划，从而实现更好的产品表现。
- User Journey，指的是“用户旅程”或“用户体验路线图”，也就是依据不同用户进入渠道和场景的经历或感受的综合设计。
- A/B Test，指的是“甲乙测试”或“对照实验”，也就是通过对比测试确定不同设计、内容或功能对用户体验或转化率的影响。
- Agile，敏捷开发的工作方法：一种基于需求，使用迭代、增量方式的开发模型。
2. 技术术语篇- CDN，指的是“Content Delivery Network”，即内容分发网络，是指一种分布式的互联网技术，利用本地的服务器和网络存储，协助用户就近获取所需内容，加快用户的访问速度。
- DAPP，指的是“Decentralized Application”，是一种全新的区块链应用，采用去中心化和智能合约技术，去除中间环节，提升应用程序的可信度和安全性。
- API，指的是“Application Programming Interface”，即应用程序编程接口，提供的一组预定的代码接口协议，用于不同程序之间的通信。
dau指标体系
dau指标体系DAU，即每日活跃用户（Daily Active Users），是指在一个特定时间段内（通常是一天）使用某个应用或者访问某个网站的用户数量。
DAU是衡量一款产品或者一个网站活跃程度的重要指标，它可以帮助企业了解用户行为，优化用户体验，提升产品或者网站的用户黏性。
DAU指标体系主要包括三个方面：用户数量、用户活跃度和用户参与度。
下面我将逐个进行解释。
首先，用户数量是DAU指标体系中最基本的指标之一。
它衡量了每天使用某个应用或者访问某个网站的用户数量。
用户数量反映了一个产品或者网站的用户规模以及受众范围的大小。
当用户数量增加时，代表着产品或者网站的用户群体扩大，这意味着市场潜力和用户增长的潜力也相应增大。
同时，用户数量也是衡量产品或者网站在市场中的竞争力的重要指标之一。
如果某个产品的用户数量增长迅速，说明它在市场中的竞争地位也在提升。
其次，用户活跃度是衡量DAU的重要指标之一。
用户活跃度主要包括用户的使用时长和使用频次两个维度。
使用时长指的是用户每天在应用或者网站上的停留时间，使用频次指的是用户每天使用应用或者访问网站的次数。
用户活跃度反映了产品或者网站的吸引力和粘性。
高用户活跃度意味着用户对产品或者网站的内容、功能和服务产生了浓厚的兴趣和需求，用户愿意花费更多的时间和精力在产品或者网站上。
而低用户活跃度则反映了产品或者网站存在吸引力不足、用户体验差或者竞争力不强等问题。
最后，用户参与度是衡量DAU的另一个重要指标。
用户参与度主要指用户在产品或者网站上的互动行为，包括评论、点赞、分享、购买等。
用户参与度反映了用户与产品或者网站间的互动程度，用户愿意积极参与代表着他们对产品或者网站的认同和满意度，也说明产品或者网站的内容、功能和服务对用户来说具有一定的价值。
通过提升用户参与度，产品或者网站可以增强用户黏性，促进用户留存和转化。
综上所述，DAU指标体系是衡量一个产品或者网站活跃程度的重要指标，它可以帮助企业了解用户行为，优化用户体验，提升产品或者网站的用户黏性。
产品经理常用的数据分析指标
产品经理常用的数据分析指标一、增长指标互联网时代已从增量的指数级增长，过度到了存量的精细化运营。
增长也不仅仅是用户的增长，更关键的是业务的增长。
所以产品经理在为用户持续提供价值的同时，也要为企业创造更多的商业价值。
借助RARRA增长模型，能够很好的帮助产品团队去追踪增长情况。
1.用户留存（Retention）：为用户提供价值，让用户持续使用产品或服务。
常用的分析指标有：流失用户数、流失周期、周留存率、月留存率等。
2.用户激活（Activation）：确保用户在使用产品和服务时，可以体验或感受到价值所在。
常用的分析指标有：DAU、MAU、使用时长、使用频次等。
3.用户推荐（Referral）：让用户与他人分享和讨论产品或服务。
常用的分析指标有：分享页曝光、分享用户数、分享率、分享转化率。
4.用户变现（Revenue）：基于为用户提供价值的同时，创造商业利润。
常用的分析指标有：付费用户数、付费转化率、人均付费笔数、人均付费金额等。
5.用户获取（Acquisition）：鼓励老用户转介绍，带来新用户。
常用的分析指标有：曝光用户数、点击用户数、注册用户数等。
二、产品指标产品体验好坏，一是可以找用户调研得知，但需要消耗比极大的人力和时间成本，另外就是通过产品相关的数据指标来判断。
用户对一个产品最直接的定义就是：产品好不好用、流程复不复杂、内容好不好、能不能解决某一需求，以上都可以划分为功能和内容2大类。
产品指标直接体现了产品是否满足用户在特定场景下的需求和痛点。
1.功能：路径漏斗、使用人数、使用次数、用户评价2.内容：【UV-深度、PV-广度】消费、点赞、评价、收藏、分享三、业务指标不管是To C、还是To B产品，对业务的价值一般体现为：降本增效 & 业务增长。
流程优化和人员技能的提升都能带来效率的提升和成本的下降，最典型的例子是：机器人代替人工作业。
业务的增长可以是内部人均产能的提升，也可以是外部市场规模的扩张。
dau指标
dau指标随着互联网的普及和数据科学的发展，越来越多的企业开始关注数据分析，以了解客户需求、优化产品和服务，提高业绩和市场竞争力。
而数据分析的一个重要指标就是dau，即日活跃用户。
dau是指在一段时间内（通常是一天）活跃使用某个应用、网站或服务的独立用户数。
活跃用户的定义可以根据不同业务模型和产品类型而有所变化，例如，在社交媒体应用中，活跃用户可能是指发送/接收消息和浏览动态的用户；在电子商务平台上，活跃用户可能是指在这一天内进行了购物、收藏、评价等操作的用户。
dau指标十分重要，因为它可以衡量一个产品或服务的用户粘性和活跃程度。
只有能够吸引和留住用户，才能不断提高用户数量，增加用户交互和转化率，从而实现商业价值的最大化。
在实际的数据分析工作中，还有一些与dau相关的指标需要注意：1. Retention rate（留存率）：指在一段时间内（通常是一周或一个月）仍然使用该产品、服务或应用的用户比例。
留存率可以帮助企业确定用户是否对其产品或服务感兴趣，并为改进用户体验提供重要的参考。
2. Churn rate（流失率）：指在一段时间内放弃或停止使用该产品、服务或应用的用户比例。
有时候企业需要留意流失率，以了解是什么因素导致用户放弃该产品或服务，以便及时采取措施避免流失。
3. Average revenue per user（ARPU，平均用户收入）：指在一定时间内用户实际产生的平均收入。
ARPU可以帮助企业了解用户的付费能力和交易习惯，从而优化产品或服务的价格和收费策略。
4. Conversion rate（转化率）：指在某个行动或事件中，实现特定目标的用户比例，比如在购物车中放置商品之后实现购买的用户比例。
这个指标是关键的，因为它可以帮助企业了解哪些用户更有可能成为购买者，并且可以在关键路径上优化用户体验。
总而言之，dau指标与其他数据指标相互关联，共同构成企业数据分析的整体模型。
只有综合考虑多个指标，才能更好地了解用户需求和行为，并且能够快速响应变化，提高商业价值。
产品经理_必知必会_专业名词
30天留存同上7天留存同上爆点也叫爽点闭环从用户使用产品到需求得到满足壁垒/门槛指比较难进入的领域；扁平化管理公司自上而下的管理方式扁平化设计UI目前流行的风格并发量同时访问产品的用户量；病毒式营销源于英文词汇viralmarketing。
常用于进行网站推广、品牌推广等。
利用的是用户口病毒式营销利用用户口碑，在互联网上像病毒一样迅速蔓延的高效传播方式。
测试用例一种QA写的文档沉淀沉淀用户或内容；沉淀用户通过某种方式留下用户沉睡用户也可以叫流失用户；次日留存获得的新用户促活促进用户活跃度；大数据就是数据量非常非常非常大，哈哈。
宕机服务器死机；导流导入流量迭代app的改版；丢包数据上传时因网络瞬断而导致丢失；对联广告现在比较好了二跳率点击打开页面后防盗链各种防止竞对抓取我方资源的手段；分发内容从中央服务器分发到各个服务器节点；封版为防止PM反复修改方案而影响技术开发进程的手段；服务端指服务器负载均衡运维部门的工作复测再次测试；复现无法再次呈现的bug；富媒体广告flash广告高频或低频用户需求频率；广告联盟网上查下互联网+将互联网的创新成果融入实体经济社会各领域之中。
互联网金融通过互联网的网络信贷平台及相关理财行为、金融服务。
互联网思维这个词解释起来很危险……好吧，它是互联网时代思维方式的集合，如免费、用户体缓存用于临时存放已加载的内容；唤醒把沉睡用户唤醒的方法；灰度测试对不确定是否会成功的新版本获客成本获得一个新用户的成本；获客渠道获得新用户的渠道；霍桑效应指那些意识到自己正在被别人观察的个人具有改变自己行为的倾向。
加权增加权重；监听用户端实时从服务端获取状态（比如最新的通知）；减法略僵尸用户伪用户或机器人降权降低权重；教师端同上意思；接口上述通信过程抗压性解决并发量的方法；颗粒度内容的粗细程度拉取用户端从服务端获取数据的过程；拉新获得新用户；里程碑同上流媒体广告视频、音频里加的广告统称为流媒体广告；留存率获得新用户后漏斗模型分析某流程中用户流失原因的一种方法；马太效应（Matthew Effect），指强者愈强、弱者愈弱、好的愈好，坏的愈坏，多的愈多，少埋点产品想看数据面包屑便于用户访问层面太多的产品敏捷开发把复杂的计划分成N个版本上线名称职位排期项目的具体执行时间；排重也可叫去重平滑部署新版本分不同时段分批展示给新用户；平台端指平台方自己评审由上层或跨部门一起过方案骑手端骑手使用的产品；千人千面意思就是猜你喜欢前帖片广告视频类产品在播放视频之前的广告；请求类似喊话全局导航应用于网站所有页面；全网搜索比如乐视的搜索权重算法中常用热图也称热力图任务路径PM给用户设计好的流程日活也很常见叫DAU商家端同上意思；上报数据从用户端上报到服务端；上架下架资源的上线下线；生命周期网上解释有点扭曲试错用少量样本用户来测试新版效果；适配同一个产品在不同机型的兼容性；数据反馈同上水军灌水的用户碎片CMS中的部分提测提交测试；天使用户仅是早期获得的用户；跳出率用户从页面或流程中没再继续操作（退出或关闭了）；通信用户端与服务端同步用户端之间痛点解决用户最核心的需求点；团购团体购物，消费者联合起来购物而获得优惠。
产品经理分类及术语祥解
产品经理分类及术语祥解一、按项目分类1⃣前端型产品经理一句话概述：制造口碑带来流量。
偏用户体验&运营，通过极致的产品设计&吸引眼球的产品营销策略，打造口碑，创造一款用户量巨大的产品。
常见术语：UCD（User Centered Design），以用户为中心的设计。
UC（Use Case），用例。
UAT（User Acceptance Test），用户可接受测试，一般由产品运营UI客服等进行的一轮测试。
DAU（Daily Active User），日活跃用户量。
MAU（Monthly Active User），月活跃用户量。
UED（User Experience Design），用户体验设计。
2⃣商业产品经理一句话概述：转化流量带来盈利。
互联网常见的商业模式—广告、游戏、电商、增值服务、直播秀场等。
当产品的用户量达到一定的数量级，在用户群体做出差异化，达到盈利的目的。
常见术语：PV（Page View），页面浏览量。
UV（unique visitor），独立访问量。
GMV（Gross Merchandise Volume），商品交易总量。
ARPU（Average Revenue Per User），每用户平均收入。
3⃣后台产品经理一句话概述：支持业务带来稳定。
一个产品不仅有脸，还有内部的器官。
很多关键的后台支持系统，例如账号系统、支付系统、A/B测试系统、广告推送系统、内部流量结算系统、ERP类系统、电商供应链系统等等，都是由后台产品经理来设计的。
二、按业务分类HR猎头经常会将产品经理按照业务线进行分类，方便快速匹配岗位经验。
而且“互联网+”的时代，产品经理往往会和业务、行业紧密相连。
1⃣电商PM例如跨境电商、外贸电商、奢侈品电商、生活服务电商、综合电商、垂直电商、电商解决方案、电商媒体及社区。
一些术语：ASP（Average Selling Price），公司某一类型产品或全部产品的平均销售价格。
产品经理学习资料 - 数据涨跌异常该怎么判断背后的原因
数据涨跌异常该怎么判断背后的原因在数据的监测过程中，我们常常会发现指标数据陡升或是陡降的现象。
那么，如何辨别数据涨跌属于异常？怎么分析数据涨跌背后的原因？如何识别和确认数据异常问：分析数据涨跌现象时，分几步？统计？定框架？分析？No！No！No！第一步，我们要先需要确认数据是否存在问题，如数据服务、数据上报或是数据统计上是否存在BUG。
所以，在分析数据涨跌原因前，我们要先和技术同事确认是否存在以上问题。
第二步，我们需要判断数据涨跌是否在正常波动范围之内。
一般情况下，有两种方法判断，一种是经验法，还有另一种是概率统计法。
前者比较常用，后者比较专业，可供有统计学基础的同学使用。
1.经验法经验法分为两个步骤：总体检测，总规模、均值等指标，环比同期值、同比值变化阈值是否在合理范围内；抽样检测，随机抽样样本，和真实值进行一一对比，看两者是否有差异，从而判断数据是否有问题，如果数据没有问题，数据背后业务上面肯定有原因导致数据源的波动过大。
经验法的应用主要取决于分析人员的数据敏感度以及业务能力。
2.概率统计法数据判定异常，在统计学中，有一个理论基础：假设指标服从均值为μ和标准差为δ的正态分布，μ-3σ和μ+3σ就是异常点，我们叫它们「3倍标准差下的异常点」，且处于（负无穷大, μ-3σ] 和[μ+3σ, 正无穷）范围的概率为0.27%。
所以，我们规定数据落在3倍标准差（3σ）之内是属于正常波动，那么当某一指标值落在3σ之外则属于异常值。
Tips：标准差（Standard Deviation）,在概率统计中是作为统计数据分布程度的测量值。
标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。
通常情况下，它反映组内个体间的离散程度。
简单来说，标准差是一组数据平均值分散程度的一种度量。
一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。
如何分析数据涨跌异常背后原因不可否认，分析数据涨跌异常是一个“硬功夫”，这需要具备较高数据敏感度。
产品经理的专业术语
身为产品经理，用户体验，用户界面，用户生产内容，你知道吗?产品经理就是上知技术，下知用户，hold 程序猿，唬得住用户，各种专业术语让你秒懂产品经理终究需要什么技术!BP：Business Plan（商业计划书）BRD：Business Requirements Document (商业需求文档 )MRD：Market Requirements Document ( 市场需求文档 )PRD：Product Requirements Document (产品需求文档 )FSD：Functional Specifications Document (功能详细说明文档 )C2C：Consumer to Consumer( 顾客对顾客 )B2B：Business to Business(商家对商家 )O2O：Online to Offline(线上线下电子商务 )P2P：person to personB2C：Business to Consumer(商家对个人 )UCD：User Centered Design(以用户为中心的设计 )SNS：Social Networking Services(社会性网络服务 )KPI：Key Performance Indicator(重点绩效指标 )IM： Instant Messaging(即时通讯 )JD： Job Descriptions(职位描述 )LBS：Location Based Service(基于地址的服务 )PV： page view( 页面阅读量 )UV： unique visitor(独立 IP)RSS：Really Simple Syndication(简单信息聚合 )SDK：Software Development Kit(软件开发工具包 )DAU：Daily Active User(日活跃用户量 )OTA：Online Travel Agent(在线旅行社 )UX： User Experience Design(用户体验 /UE)UI： User Interface(用户界面 )UGC：User Generated Content(用户生产内容 )CLI：Command-line Interface(命令行界面 )GUI：Graphical User Interface(图形用户界面 )NUI：Natural User Interface(自然用户界面 )GM： General Manager (总经理 )VP： Vice President ( 副总裁 )AVP：Assistant Vice President (副总裁助理 )HRD：Human Resource Director (人力资源总监 )OD： Operations Director (运营总监 )MD： Marketing Director (市场总监 )OM： Operations Manager ( 运作经理 )PM： Production Manager( 生产经理 ) 、 Product Manager( 产品经理 ) 、 Project Manager(项目经理 )BM： Branch Manager( 部门经理 )DM： District Manager(地域经理 )URL：Uniform Resoure Locator(一致资源定位器)UED：User Experience Design(用户体验设计师)GMV：Gross Merchandise Volume(商品交易总量)SEO：Search Engine Optimization(找寻引擎优化)SKU：Stock Keeping Unit(库存量单位)SPU：Standard Product Unit (标准化产品单元)ROI：Return On Investment(投资回报率)C2C：Copy to China(借鉴外国成功产品模式))ERP：Enterprise Resource Planning(企业资源计划POA：Primary Optical Area(第一视觉落点区)TA：Terminal Anchor（最后视觉落点区）常有互联网 34 个术语讲解（ 1） DAU: daily active user，日活跃用户数量（2） MAU: 月活跃用户量（3） ARPU: (Average Revenue Per User) 即每用户平均收入，用于衡量电信运营商和互联网企业业务收入的指标。
除了PV、UV,产品经理还需要关注这些指标
除了PV、UV，产品经理还需要关注这些指标一、产品经理必须要知道的三大数据指标作者技术出身，从数据组成的角度来说，一个完整的闭环数据源包括三部分：用户行为数据；服务端日志数据；实际交易数据。
其中，实际交易数据会经常被存储在离线数据库中，并通过ETL 来获取分析。
而用户行为数据和服务端日志数据很多时候都是近似的。
最近几年发展最快的是前端，每个月都会有新的东西出来；整体趋势是往单页应用发展，追求更好的用户体验。
所以从产品经理角度来说，我们需要知道屏幕前的人是怎么使用我们的产品的，洞悉用户行为背后的规律，发掘用户价值。
作者去年开始新的创业历程，分析总结了几百家企业的数据分析需求，大致可以分为三个数据指标或者场景：渠道、转化和留存。
渠道优化渠道衡量和优化很多产品经理或者运营人员都有过这样的经历：公司做了一次线上促销，发表了一篇软文，买了很多搜索关键词（SEM），但是如何衡量这些活动的效果。
你是否知道用户是从那几个渠道来访问你的网页或者下载你的APP；不同渠道来的用户有哪些差异；如何用最少的钱在不同的渠道上办最有效的事情。
提升转化率产品经理最常见（没有之一）的一个问题：注册！！！用户的注册流程是否顺畅？激活步骤是否合理？运营拉过来的流量，是否转化为注册用户。
再细一点，每一步的转化率是多少？没转化的用户去哪里了？如何优化注册或者购买的流程？提高留存率先举几个硅谷前沿公司的案例。
社交网络公司LinkedIn（领英）发现：在第一周增加5个社交好友后，这类用户的留存度非常高。
Dropbox（一家云存储公司）发现在第一周安装两个以上操作系统的用户留存度非常高。
Facebook和Twitter也通过让新用户添加好友的方式提升用户的留存。
这里面的5（个社交好友）、2（个操作系统）等等就是这些产品留存的魔法数字。
作为产品经理，你肯定希望用户留下来，那么你是否知道你产品留存的魔法数字呢？对于提升用户留存，你是否有好的办法？二. 产品经理需要警惕的虚荣指标产品经理做数据分析，归根结底都是为了用户服务的。
产品经理APP以老带新：5招激发老用户带来大量新用户
APP以老带新：5招激发老用户带来大量新用户APP拉新竞争渐趋猛烈，在这场激烈的战争中，如何选择合适的方式以较低的成本获得较多的用户尤为关键。
利用以老带新的方式来获取新用户便是拉新的首选。
现在APP做拉新真的很猛烈，地铁上、路上到处都是APP枪战的战场。
有钱的砸钱做广告，没钱的炒作话题做传播。
但是，就算真的很有钱也要把钱花在刀刃上。
而以老带新就是APP低成本拉新的高效方法，不用花大价钱，转化率也高，都是依靠口碑传播转化来的，对产品的信任感会更强。
APP如何利用活动来以老带新有这些关键点。
一、找准活动目标用户：老用户既然是以老带新的APP活动，那么活动对象就是老用户。
APP运营团队在策划以老带新活动之前，先要了解什么样的用户才是老用户。
并不是已经下载了APP的用户都是老用户，所以要找准你需要产生活动传播的人群。
怎么定义老用户？假定是一个商城类APP的老用户，他们应该是这样的：至少重复购买过两次的用户在APP的社区中经常活跃的用户会给APP提反馈和建议的用户经常分享平台相关内容到社交APP的用户怎样更轻松地找到这些老用户，平时可以给拥有这几类特征的用户打上标签，分成老用户群组，这样到做活动的时候就可以轻松准确地找到你的目标用户群。
可以利用CRM系统或者一些活动运营工具来帮助APP运营团队管理用户，从而提高运营效率。
二、用户激励，利益驱动下的以老带新有了目标人群老用户，我们需要创造传播诱饵，拿什么驱使老用户为我们带来新用户——利益奖励是最万能的方法。
而奖励的核心就是让推荐人和被推荐人（老用户和新用户）获得收益。
目前最常见的利益奖励方式是：1、老用户推荐新用户，新老用户所得同等奖励案例1：优步优惠码优惠券比如Uber早期的分享优惠码，每个老用户都会生成特定的优惠码，分享优惠码给新用户，获得价值30元的优惠乘车机会。
现在新优步APP的推荐邀请是无需输入邀请码，直接各送15元奖励。
虽然奖励金额少了，但是新用户获得奖励的步骤少了一步，也是一种进步。
如何从5个维度正确分析DAU日活的趋势涨跌？
产品经理简称PM，是指在公司中针对某一项或是某一类的产品进行规划和管理的人员，主要负责产品的研发、制造、营销、渠道等工作。
产品经理是很难定义的一个角色，如果非要一句话定义，那么产品经理是为终端用户服务，负责产品整个生命周期的人。
产品经理需要考虑目标用户特征、竞争产品、产品是否符合公司的业务模式等等诸多因素。
近年来互联网产品经理火热，一起看下为大家精选的互联网产品经理学习文章。
上一篇文章分析了DAU的拆解方案，可以从用户来源、用户构成两个角度来看。
前者是从用户打开APP的驱动力反推是自然意愿还是运营策略唤起的，有些情况两者很难区分，优势是可以看清楚用户真实的来源，哪些渠道效果较好；后者是从新激活用户和回流老用户的角度去分析，根据留存率和访问频次去预估会回流的老用户数量，新激活用户可以根据历史日均新用户用户数的情况预估。
优势是运营策略层面找到突破是，是重点拉新，还是提升留存率或访问频次。
今天，我们就一起来看看如何延续以上思路分析某段时间内的DAU 趋势是好是坏；数据分析小白用户可能和我一样，拉取近30天的DAU数据拉了一条趋势线就给老板去汇报了，一看确实数据是涨的，后来被批后才知道看数据重点的5个维度：绝对值，同步，环比，占比、趋势。
一、DAU绝对值这个很好理解，就是每天的日活数字，但是这个数字增长未必真的反应指标的增长，未排除时间因素、市场因素，粗略的认为是运营策略带来的增长效果是不正确的思路。
二、DAU同比同比是指考虑月份的影响，去年8月和今年8月的数据，反应整个产品今年的表现，如果今年8月的DAU同比去年降低了，则产品可能已经再下坡路了，或者今年整体市场行情不好，结合具体情况去分析，一般会看下几个月的年同比趋势如何。
三、DAU环比环比一般看周环比或者月环比，近一周和前一周日均DAU数值差异，时间段越接近外界和时间影响因素差异一般不是很大，更多是反馈本周上线的策略对DAU的影响。
四、DAU占比这里占比是寻找一个标的物，对比法看数字，可以是同类竞品（数据不一定能拿到）或者对比自家公司的其他产品，或者对比一个城市和全国的值，通过比值的形式来看这个城市的DAU是不是增长赶超大盘，或者这款产品的发展是否跑赢其他产品。
dau计算方法
dau计算方法在移动互联网时代，每个产品经理都希望了解自己的产品在市场上的表现如何。
为了评估产品的用户活跃度，衡量用户的参与度和粘性，开发出了一种指标，称为日活跃用户（DAU）。
那么，如何准确计算DAU呢？DAU（Daily Active Users）是指在一天内使用产品的独立用户数。
计算DAU的方法有多种，下面将详细介绍几种常见的计算方法。
一、日活跃用户（DAU）计算方法一：设备激活量法这种方法适用于新上线的产品，在产品刚开始运营时，可能没有太多用户的行为数据。
所以，可以通过每日设备激活量来计算DAU。
具体步骤如下：1. 每天统计产品的设备激活量。
2. 按照设备激活量来计算DAU。
二、日活跃用户（DAU）计算方法二：独立用户登录法这种方法适用于需要用户登录才能使用产品的情况。
具体步骤如下：1. 每天统计用户的登录次数。
2. 去重，得到独立用户数。
3. 得到每天的DAU。
三、日活跃用户（DAU）计算方法三：行为次数法这种方法适用于不需要用户登录的产品。
具体步骤如下：1. 统计每天用户的行为次数。
2. 去重，得到独立用户数。
3. 得到每天的DAU。
四、日活跃用户（DAU）计算方法四：用户行为周期法这种方法适用于周期性使用产品的情况，例如游戏类产品。
具体步骤如下：1. 统计用户的活跃周期，例如每周一次或每月一次。
2. 根据活跃周期来计算每天的DAU。
以上是几种常见的计算DAU的方法，不同的产品和情况可以选择适合自己的方法来计算。
除了计算DAU，还可以进一步分析用户的留存率、活跃时段、活跃地区等指标，以更好地了解用户行为和用户需求。
总结一下，DAU是衡量产品用户活跃度的重要指标之一，准确计算DAU对产品运营和改进至关重要。
根据产品的特点和用户行为，选择合适的计算方法可以更准确地评估产品的表现，并作出相应的调整和优化。
产品经理应该密切关注DAU指标，并结合其他指标进行综合分析，以提高产品的用户体验和市场竞争力。
dau公式拆解
dau公式拆解Dau公式：如何提高移动应用的活跃用户数量移动应用的活跃用户数量是衡量应用用户参与度和用户粘性的重要指标，对于开发者和运营商来说，增加活跃用户数量是提升应用价值和盈利能力的关键。
而Dau公式（Daily Active Users）正是衡量和分析应用活跃用户数量的一种常用方法。
本文将从Dau公式的拆解和应用角度，探讨如何提高移动应用的活跃用户数量。
一、Dau公式的拆解Dau公式由三个关键指标组成：日新增用户（New Users）、日活跃用户（Daily Active Users）和日流失用户（Churned Users）。
通过对这三个指标的分析，可以全面了解应用的用户增长、留存和流失情况，从而制定相应的策略来提高活跃用户数量。
1. 日新增用户（New Users）日新增用户是指在某一天内首次安装并启动应用的用户数量。
要增加日新增用户数量，首先要提升应用的曝光度和吸引力。
可以通过市场推广、社交媒体宣传、口碑传播等方式来扩大应用的知名度和用户群体。
此外，优化应用的用户体验、提供有吸引力的功能和内容，也能吸引更多用户下载和使用应用。
2. 日活跃用户（Daily Active Users）日活跃用户是指在某一天内至少使用一次应用的用户数量。
要提高日活跃用户数量，关键是提供有价值的内容和功能，使用户产生使用的需求和欲望。
可以通过不断更新应用的功能和内容，增加用户的粘性和参与度。
此外，提供个性化的推荐和定制化的服务，也能增加用户的使用频次和时长。
3. 日流失用户（Churned Users）日流失用户是指在某一天内停止使用应用的用户数量。
要减少日流失用户数量，首先要了解用户的离开原因，可以通过调研和用户反馈等方式进行分析。
根据分析结果，可以优化应用的问题和不足之处，提升用户体验和满意度。
此外，及时回应用户的问题和需求，建立良好的用户关系，也能减少用户的流失。
二、如何提高活跃用户数量除了通过Dau公式的拆解来提高活跃用户数量，还可以采取以下策略来增加用户参与度和用户粘性：1. 提供个性化推荐和定制化服务：根据用户的兴趣和偏好，推荐相关内容和功能，提供个性化的用户体验。
产品经理-数据分析产品同比、环比设计要点总结
数据分析产品同比、环比设计要点总结在数据分析及其数据挖掘产品中，我们最常极为使用的分析思路就是对比分析，有对比果然有实际结构化可量化标准。
那么对于启发式对比，我们最常常使用的是同比、环比分析。
虽然它们听得很普通，但是其中需要考虑虽然的点却不少，我们一起来看看吧。
在数据分析、数据可视化产品中，最常用到的分析思路就是对比分析，有对比行业标准才有直观的量化评价标准，如果只是说今天DAU1000W，那这1000W仅是个数字而已，业务表现到底漂亮是好还是坏呢？对比分析过程，出厂日期的对比是最为普遍的最为对比角度，而不同的业务属性、业务不同的发展阶段，日期比对的范围也往往不同，同比、环比听起来很简单，但实际在数据分析或数据产品设计时，有很多要点需要有考虑到。
当相异日期为上周同期、或者上月同期时，有的人会叫周小幅，月环比因为很多人把同比定义是对比的去年同期。
从同环比的定义出发，可以明确规定澄清一下，对于某日数据对比上周同一天或上月同一天时，严格的定义应该是：周同比、月同比，而不是环比。
1.增长率分析2.数值对比对于实时监控类产品类的分析场景，数字更新频率到分钟级，直接可看对比日期的分时段数值和趋势，可以更直观的看到最新的业务表现是否超越了历史，创造了新的管理业务峰值。
不同日期颗粒度的数据，支持对比的方式如下：在同环比计算时，有些坑点还是要提前在需求层面确认，避免实验或上线后，再去调整。
1.月份日期不等，对比日期缺失天粒度的数据，月同比的计算会存此问题，例如3月29日之后的日期，同比上月（2月）时，可能2月就没有近似日期的数据了，此时对比分母不存在，可以做“—”处理，即这几天的月同比值不存在。
2.周颗粒度数据的同比计算每周对应去年同期的周日期基本上是对不上的，一般的处理方式是，建立每一年的日期维度图例，即对每年的周进行1-52的编号，周同比计算时，可以用当前周编号，减去一年（52周）的周号计算3.周、月、年未过完数据产品的数据是动态更新的，周一或者每月可看数据，当周、当月都没过完，此时同环比的需要考虑数据对齐的问题。
产品经理当我们在谈论用户粘性的时候,我们在谈论什么？
近期越来越多的客户在询问用户粘性的指标问题，而DAU/MAU就是最频繁使用的指标。
日活跃用户占月活跃用户的比例越高，表明用户对App的使用粘性越高。
DAU，即：Daily Active User，指日活跃用户数；MAU，即：Monthly Active User，指月活跃用户数。
从极限的角度看，如果每天活跃都是同样的用户，例如每天都是1万DAU，那么30天内每天都是这1万用户在活跃，MAU也是1万，于是DAU/MAU就是100%，用户粘性达到上限，微信就是接近100%的例子。
再分析另一个极端的例子，如果每天活跃用户都不相同，例如每天1万DAU，那么30天内每天的活跃用户都不同，MAU就是30万，于是DAU/MAU就是1/30，用户完全没有粘性。
对于常见的App，用户粘性的取值范围就是3%~100%，不同领域的App也会有不同的基准值，例如移动游戏会以20%为基线，而工具类App会以40%为基线。
在日常的项目和产品运营工作中，单日的DAU/MAU的数值往往受到周期（工作日/周末）、版本更新和活动的影响，用户粘性在短期内的波动较大。
所以通常要采用长期的均值作参考，例如一个月、两个大版本之间。
下面以某客户App为例，DAU/MAU的数值在工作日约50%，而在周末和假期的数值则在20%左右。
那么谈到用户粘性的时候，通常采用每天DAU/MAU的平均值39.37%，与基线值40%非常接近。
对算法做进一步探讨：目前主流的算法，是使用昨日DAU和前30天的MAU，例如如果今天是8月31日，那么DAU选取8月30日，MAU选取8月1日至30日。
这种算法的优势是DAU和MAU在同一天算出来，计算方便。
而劣势则是只计算了完整的30天周期内最后一天DAU在MAU中的占比，许多严谨的客户提出为什么不能选其他日期的DAU呢？例如采用完整周期内的第一天DAU1作为分子除以MAU，就可以得到另一种粘性的解读：任意一天的活跃用户在30天内活跃的比重，都可以是一种对用户粘性定义，即DAU1/MAU、DAU2/MAU、DAU3/MAU…。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
如果大家留意对比一下可以发现，百度App不管是Android还是iOS，在首页都花了巨大的区域来进行品牌LOGO的展示，这与一般App的处理非常不一样。
一方面或与搜索产品的特殊性有关，另一方面正是品牌资产的考虑。
其实终端环境已经决定了品牌语境，对品牌资产的最大继承，就是保持多终端品牌一致性，但现在很多跨终端产品，尤其是大公司的，依然做得乱七八糟，未来必走弯路。
法则3：保证iOS始终有一个待审核版本快速迭代，但不代表容忍BUG
任何一个PM都会告诉你：快速迭代。
但是崩溃的是，很多PM走偏了，导致很多BUG也跟着迭代了。
任何时候，BUG对用户的伤害都是致命的。
我统计了一下，百度App在Q1累计有4个iOS版本，平均下来，有一个规律：基本上随时会保证有一个待审核版本在iOS后台。
而迭代周期的设定，PM要和RD配合，为自己留下空窗期，而这个空窗期可以关注用户反馈以及运营推广等周边。
另外，不要急着评估迭代效果，让产品方向发生错乱。
比如百度App有一个实时热点widget设计，在多次迭代后，对用户启动频次的提升产生突然质变(日订阅量很短时间涨24倍)。
由于widget是基于云，给迭代带来便利，PM可以非常自由的去小碎步尝试，找到用户最痒的地方。
对于BUG和产品反馈，百度App有一个值得一提的做法：除了内部QA，外部专门有维护一个极死忠的粉丝组织，这个粉丝组织的每一个成员几乎都可以第一时间找到PM，沟通几乎是零障碍，其触角可以渗透到产品的每一个犄角旮旯。
法则4：挖掘长尾需求和精细化体验，但守住你的核心定位
我在看Q1的某个时间段的数据时，发现一个惊讶的事：百度搜索的两大入口——移动搜
索()并没有出现爆发式增长，但百度App却飙得出奇的猛。
按常理：1、用户习惯不太可能短期完成迁徙;2、用户的搜索需求短期内不太可能骤变。
咨询PM后，PM告诉我，他们一直在研究用户热点行为，造成这个现象的很大因素来自对更符合移动端搜索体验的加强，比如扫描后翻译、条码二维码扫描后翻译等。
基于这个架构，会对垂直和长尾做进一步挖掘。
从菜单布局也可以看出(在二级菜单中)，这些需求对于海量搜索行为来说，属长尾需求，但对搜索体验完整性帮助很大。
PM对用户的热点进行追踪发现，凡是开启过二级菜单的用户，其后续开启频次增长很快，这证明长尾被激活了。
由此可以看出，手机屏幕寸土寸金，舍弃功能对PM来说是必做的功课，尤其是长尾需求往往被从更新列表中一推再推，这个时候有一个原则可以衡量：如果功能是App核心定位，即便是长尾需求，也应优先满足。
法则5：产品对话要接地气，别动不动就上用户引导
说到产品对话，百度App吃过一个甜头：在3.5版更新时，更新日志中程序猿有一个“天天加班，他男朋友都和他分手了”的卖萌文案，取得了极大的传播效果。
虽然这种套路的鼻祖是图吧，但比起干巴巴的产品新功能介绍，显然用户更愿意为此买单。
PM和RD往往都有一个臭脾气，总是觉得自己的产品如何如何牛×，与用户的对话有意无意的自我包裹，尽可能装。
或者潜意识中认为产品宣传是PR的事，不想因为产品设计成为话题。
这其实是反用户体验的思想。
此外，百度App特别控制新手引导的使用。
我觉得这一点尤其需要提及，基本的原则是：能不用就不用，不要为了引导而引导，不要把用户当白痴，不要老学某×信的文艺范儿式的5屏引导，结果往往是东施效颦。
以上就是我归纳和提炼来自百度App做DAU的一些经验和教训。
说到这里，我想起了李彦宏在2010年百度十周年的那次讲话。
他说，百度要花10年营收增长40倍。
要完成目标的三大关键词分别是搜索、移动和国际化。
在Native为王的移动互联网当下，百度App从某种意义上承载了前两者，有时候战略和目标其实都是浮云，做PM应该有绣花的心态，再伟大的愿景，也只在一针一线之间。
人人都是产品经理（）中国最大最活跃的产品经理学习、交流、分享平台。