導(dǎo)讀：用戶畫像作為當(dāng)下描述分析用戶,、運營營銷的重要工具，被全部互聯(lián)網(wǎng)人熟知,，用戶畫像的定義并不復(fù)雜,，是系統(tǒng)通過用戶自行上傳或埋點上報收集記錄了用戶大量信息，為便于各業(yè)務(wù)應(yīng)用,，將這些信息進行沉淀,、加工和抽象，形成一個以用戶標(biāo)志為主key的標(biāo)簽樹,，用于全面刻畫用戶的屬性和行為信息，這就是用戶畫像,。

畫像這種結(jié)構(gòu)化的用戶信息加工方式,，極大程度上做到了完整、全面且直觀地刻畫用戶,。畫像是用戶在產(chǎn)品的檔案,，便于人工使用、機器輸入和算法理解,。簡而言之：畫像是由標(biāo)簽樹及末級標(biāo)簽的標(biāo)簽值構(gòu)成的,，全面定量刻畫用戶的結(jié)構(gòu)化信息產(chǎn)品。畫像是標(biāo)簽的總成,，用戶標(biāo)簽是具體刻畫用戶的結(jié)構(gòu)化信息,，以下簡稱標(biāo)簽。

本文將介紹用戶畫像的構(gòu)建思路,，在畫像構(gòu)建的過程中,，我們把工作分為兩步：

• 第一步：介紹從0到1的構(gòu)建思路。

• 第二步：介紹從1到100的構(gòu)建思路,。

1. 畫像從0到1的構(gòu)建思路

一個比較成熟的畫像系統(tǒng),，會有成千上百的標(biāo)簽，這些標(biāo)簽的生產(chǎn)不是一次完成的,，而是隨著業(yè)務(wù)的發(fā)展需要,，逐步補充完善，最終呈現(xiàn)在大家眼前的就是一棵龐大的標(biāo)簽樹,。

跟自然界的樹木一樣,，要想長得茁壯參天，必須有一個穩(wěn)定的根基和合理的結(jié)構(gòu)，用戶畫像的構(gòu)建也是一樣的,，前期最重要的仍然是搭好畫像骨架,，確保后續(xù)的發(fā)展過程中，依然保持清晰的結(jié)構(gòu)和高延展性,。相反的,，如果一開始為了搶時間，將大量標(biāo)簽無序的堆在線上,，后期管理和使用的難度會迅速凸顯出來,，重構(gòu)的代價巨大。

上面說到,，一個好的標(biāo)簽樹結(jié)構(gòu)要滿足兩個條件,，“高概括性”和“強延展性”，高概括性意味著結(jié)構(gòu)體系能夠很好的包含一個用戶的基本屬性和產(chǎn)品交互的相關(guān)行為,，同時對于業(yè)務(wù)重點單獨強調(diào),，沒有遺漏；“強延展性”意味著結(jié)構(gòu)全面的同時也有一定的抽象概括能力,，保證新增的標(biāo)簽可以很好的找到對應(yīng)的分類,，整個體系不會過于收斂局限。

按照這個原則,，畫像通常從八個維度組織標(biāo)簽,，分別為：基本屬性、平臺屬性,、行為屬性,、產(chǎn)品偏好、興趣偏好,、敏感度,、消費屬性、用戶生命周期及用戶價值,。

下圖所示為用戶整體架構(gòu)示例：

① 基本屬性

基本屬性是指一個用戶的基本社會屬性和變更頻率低的平臺特征,，例如真實社會年齡、性別,、婚姻狀況,、昵稱、號碼,、賬號,、lbs等標(biāo)簽。這些標(biāo)簽類型多為直采型,，可從用戶基本信息表中直接獲取,，不需要統(tǒng)計或者算法挖掘,。

示例：社會性別_女

② 平臺屬性

平臺屬性是用戶在平臺上表現(xiàn)出的基本屬性特征，是利用用戶行為進行算法挖掘,，標(biāo)識用戶真實屬性的標(biāo)簽,。

最典型的平臺屬性標(biāo)簽例如平臺年齡標(biāo)簽，這里就有一個疑問,，為什么在用戶的基礎(chǔ)屬性中已經(jīng)有年齡標(biāo)簽,，但在平臺屬性中重復(fù)又有一個呢，這里就涉及兩者之間的差別,。設(shè)想一個真實的場景：一個用戶社會身份為20歲,，但他喜歡中年人的穿衣風(fēng)格，在使用app購物的時候,，表現(xiàn)出的真實偏好為30-40歲,，對于這樣使用產(chǎn)品時表現(xiàn)出的用戶心智和真實年齡不相符合的用戶，如果只采用上傳的基本屬性,，給他推薦年輕人喜歡的物品,，是不是很難命中個體用戶的興趣呢？

兩種不同的標(biāo)簽,，本質(zhì)上是用戶自己上傳信息的隨意性和挖掘信息的權(quán)威性差異,，是用戶社會屬性和真實屬性差異。

我們仔細分析一下兩者在數(shù)據(jù)源,、計算邏輯、標(biāo)簽格式,、標(biāo)簽值和應(yīng)用場景的差異,，如下：

數(shù)據(jù)源與計算邏輯：基礎(chǔ)屬性是利用用戶自行上傳的存儲在用戶基礎(chǔ)信息表里的數(shù)據(jù)，平臺屬性則利用客戶端或者服務(wù)端埋點上報采集的用戶行為數(shù)據(jù)進行挖掘計算生成,?；緦傩允堑湫偷闹辈尚蜆?biāo)簽，平臺屬性是典型的算法挖掘型標(biāo)簽,。

末級標(biāo)簽和輸出標(biāo)簽值：以性別為例,，基本屬性代表用戶真實的社會身份，是確定的事實,，所以典型標(biāo)簽形式為“性別_女”,，而平臺屬性則代表用戶在性別維度的偏好概率，所以典型形式為“性別_女_0.80”其中‘女’為末級標(biāo)簽,，0.80則代表用戶在平臺的女性身份上表現(xiàn)出的傾向程度,。

應(yīng)用場景：平臺屬性通過用戶行為進行挖掘，更能代表用戶的真實傾向,，輸出結(jié)果比基本屬性準(zhǔn)確率高,，在定向營銷和算法里,，年齡、性別等通常采用平臺屬性,。而社會屬性中電話,、身份證、賬號,、昵稱等使用較多,。

③ 行為屬性

行為屬性記錄的是用戶的全部單點行為，用戶的單點行為包括啟動,、登錄,、瀏覽、點擊,、加車,、下單等非常多，而且跟不同的產(chǎn)品,，不同的模塊交互,，不同的時間窗選取，行為就更加復(fù)雜了,，如何能夠全面的梳理,，可以按照“產(chǎn)品＊功能模塊＊用戶單點行為*時間”四大要素來組織。

這里的“產(chǎn)品＊功能模塊＊用戶單點行為*時間”意思是一個完整的行為應(yīng)該包含“哪個產(chǎn)品”“哪個功能模塊”“哪個行為”“哪些時間要求”幾要素,，例如某瀏覽器體育頻道距今最近一次訪問時間,。按照這幾要素組織行為，不容易發(fā)生遺漏,。

示例：產(chǎn)品初次登錄時間,，最后一次啟動距今時間，30天內(nèi)搜索行為頻次,，一個月內(nèi)閃屏訪問次數(shù)等,。

④ 產(chǎn)品偏好

產(chǎn)品偏好是對用戶使用某些產(chǎn)品、產(chǎn)品核心功能或者其他渠道的偏好程度的刻畫,，屬于挖掘型標(biāo)簽,，其中產(chǎn)品的選取可以包括自家產(chǎn)品、競品,；功能和渠道包括站內(nèi)產(chǎn)品功能,，也包括push、短信,、開屏,、彈窗等幾大運營和產(chǎn)品法寶。

示例：搜索模塊偏好,、直接競品_京東偏好,、短信偏好,。

⑤ 興趣偏好

興趣偏好是用戶畫像內(nèi)非常重要的維度，以電商產(chǎn)品為例,，用戶對商品的喜愛程度是用戶最終的信息之一,，興趣偏好就是對用戶和物品之間的關(guān)系進行深度刻畫的重要標(biāo)簽，其中最典型的要屬品牌偏好,、類目偏好和標(biāo)簽偏好,。

示例：品牌偏好_優(yōu)衣庫_0.91類目偏好_美妝_0.80、標(biāo)簽偏好_紅色_0.70,?！?/p>

⑥ 敏感度

在營銷活動時，我們留意到有些用戶不需要優(yōu)惠也會下單,，而有些用戶一定要通過優(yōu)惠券刺激才會轉(zhuǎn)化,，優(yōu)惠券的額度也影響了用戶下單的金額，這種情況下,，如何識別對優(yōu)惠敏感的用戶發(fā)放合理的券額的優(yōu)惠券,，保證優(yōu)惠券不浪費，去報促銷活動的ROI最大,，其中一個很重要的標(biāo)簽就是用戶的敏感度標(biāo)簽,，敏感度代表用戶對平臺活動或者優(yōu)惠的敏感程度，也是典型的挖掘類標(biāo)簽,。

示例：熱點敏感度,、折扣敏感度。

⑦ 消費屬性

無論是電商,、內(nèi)容或者其他領(lǐng)域,，公司的目標(biāo)最終都是收益，所以消費屬性往往作為一個單獨的維度重點刻畫,。消費屬性包括統(tǒng)計型標(biāo)簽——消費頻次,、消費金額,、最近一次消費時間等,，也包括挖掘型標(biāo)簽——消費能力和消費意愿，同時包含敏感度標(biāo)簽——優(yōu)惠促銷敏感度,、活動敏感度,、新品敏感度、爆款敏感度等,。

⑧ 用戶生命周期及用戶價值

用戶生命周期是用戶運營的重要法典,，一個用戶從進入產(chǎn)品到離開，通常會經(jīng)歷“新手”“成長”“成熟”“衰退”“流失”5個典型階段,，每個階段對用戶運營存在策略差異,，畫像在其中的作用是明確標(biāo)記用戶所處生命周期的階段,，便于后續(xù)業(yè)務(wù)同學(xué)落地。

用戶價值是體現(xiàn)用戶為產(chǎn)品貢獻價值高低的標(biāo)簽,，最經(jīng)典的是RFM模型獲得交易維度標(biāo)簽,，與此同時，也應(yīng)該看到用戶的其它價值,，例如為產(chǎn)品貢獻活躍度,，通過裂變拉來新用戶，這些都可設(shè)計相應(yīng)的標(biāo)簽,。

示例：新手,、成長、成熟,、衰退,、流失、高價值用戶,、VIP等級等,。

2. 畫像從1到100的構(gòu)建思路

在前面一節(jié)，我們討論了一個用戶畫像的基礎(chǔ)框架應(yīng)該如何搭建,，這一節(jié)討論一下,，有了基礎(chǔ)框架，到底應(yīng)該如何著手一步一步完善畫像標(biāo)簽樹,，如何從一個基于業(yè)務(wù)的需求落地為標(biāo)簽的設(shè)計,，如何將標(biāo)簽應(yīng)用到具體的業(yè)務(wù)中。

要解決“如何做”“如何用”兩大問題,，要從這個問題的根本入手思考,，也就是我們?yōu)槭裁匆鲇脩舢嬒瘢脩舢嬒竦淖饔檬鞘裁?，了解了這個問題,，便能水到渠成的根據(jù)用途合理的設(shè)計方案。

用戶畫像的主要目的有三個,，具體如下：

第一用于用戶信息的統(tǒng)計,，建立對產(chǎn)品對用戶的基本認(rèn)知；第二用于用戶定向營銷,，利用人群圈選投放物料,；第三用于算法，沉淀用戶特征,，供模型使用,。所以標(biāo)簽的完善也可以按照這三個維度不斷豐富，以下分別舉例說明標(biāo)簽建設(shè)的思路,。

① 用于統(tǒng)計,，對產(chǎn)品對用戶的基本認(rèn)知

每個產(chǎn)品功能策略完善,，都需要建立在對產(chǎn)品對用戶的充分認(rèn)知基礎(chǔ)上，也就是說,，用戶是誰,，有何特點，基本情況如何,，這些是用戶畫像需要回答的重要問題,。

思路拆解：既然要了解用戶的基礎(chǔ)信息，就需要將用戶基本屬性進行拆解：年齡,、性別,、居住城市（幾線）、家庭結(jié)構(gòu)（婚否,、孩否）等,。為了盈利考慮，還需要了解基本的收入水平,、消費能力等,。將拆解的維度抽象，構(gòu)建對應(yīng)標(biāo)簽,，然后進行分布統(tǒng)計,，便能生成一份基本的用戶認(rèn)知報告。

標(biāo)簽結(jié)果：年齡,、性別等,。

② 用于定向營銷和精細化運營

運營同學(xué)作為畫像的重要業(yè)務(wù)使用方，每天都會通過標(biāo)簽圈選人群,，做定向的用戶,、活動、內(nèi)容精細化運營,，以及各app每天都在進行的促銷活動,。這些運營和活動的場景分布在產(chǎn)品的各個渠道和各個資源位，對場景和人群的驚喜程度要求都很高,。

我們舉例一個日常工作中最常見的需求：通過一次數(shù)據(jù)分析發(fā)現(xiàn),，產(chǎn)品的流失用戶占比提升，通過討論,，大家認(rèn)為通過一次結(jié)合利益點的push推送,，召回流失用戶,，是有效且快速的手段,，同時push作為各個業(yè)務(wù)都在爭取的有限資源，希望可以提高使用效率,，確保push這個資源渠道的整體ROI,，以上需求希望畫像可以支持,。

思路拆解：從這個需求背景中，我們做一次關(guān)鍵詞提取,，不難發(fā)現(xiàn),，關(guān)鍵詞如下是“流失用戶”、“利益點”,、“push”“效率”,。其中流失用戶是用戶身分識別，利益點是用戶優(yōu)惠敏感度,，push是產(chǎn)品渠道資源,，效率意味著要盡可能的確保全選人群精準(zhǔn)，不能為了覆蓋率犧牲準(zhǔn)確率,。

思路拆解完畢,，具體落地就變得簡單多了，參考步驟如下：

第一步：需要流失用戶的口徑和標(biāo)簽,，這里需要用到用戶生命周期的劃分,，從中識別并標(biāo)識出流失用戶。

第二步：分析對流失用戶拉回效果最好的利益點,，例如優(yōu)惠券,、折扣、禮品或者是其他內(nèi)容,。這一步需要運營和數(shù)據(jù)同學(xué)根據(jù)日常經(jīng)驗和數(shù)據(jù)分析獲得,，對于畫像的要求是基于分析結(jié)論，挖掘不同用戶對于優(yōu)惠折扣的敏感程度,，這一部分在標(biāo)簽架構(gòu)敏感度部分有論述,，最終目的是確保每一分錢都能花在刀刃上。

第三步：確定拉回的明確目標(biāo),，是拉回規(guī)模還是準(zhǔn)確率,，通過需求分析可以確定，本次拉回在資源有限的情況下,，需要提升人群識別的準(zhǔn)確率,，畫像實現(xiàn)準(zhǔn)確率的方法有兩條路徑，一是提升畫像算法的準(zhǔn)確率,，這部分主要依賴算法本身,，無法一蹴而就，所以這里選擇的方法是增加人群全選的條件,，可就是新增標(biāo)簽,，供圈選求交

根據(jù)背景分析，我們可以增加流失用戶關(guān)于push渠道的打開意愿的標(biāo)簽，提高push資源的使用效率,。

經(jīng)過上述分析,，需要生產(chǎn)的標(biāo)簽如下：

• 用戶生命周期_流失。

• 用戶折扣優(yōu)惠敏感度,。

• push使用標(biāo)簽：這里可用統(tǒng)計型標(biāo)簽,，例如push最近一次訪問時間，在使用時設(shè)置條件為“最近3天,，最近7天”,；也可用綜合的算法挖掘型標(biāo)簽，即push渠道偏好,。

通過以上需求分析和思路拆解,，畫像的建設(shè)過程應(yīng)該比較明確，這里再留一個思考的case,，可以嘗試如何分析如何落地：平臺新上一款商品,，初期需要在某模塊展示給目標(biāo)用戶做推廣，同時盡量不打擾其他非目標(biāo)用戶,，不降低該資源位的整體轉(zhuǎn)化效率,。

思路拆解提示：商品的目標(biāo)用戶——商品可以按照哪些維度拆分關(guān)鍵信息？模塊位置——用戶的模塊功能使用偏好是什么,？準(zhǔn)確率的要求——如何提升畫像應(yīng)用的準(zhǔn)確率,？

回答好以上問題，這個需求的標(biāo)簽便能順利獲得,。

③ 用于算法,，主要應(yīng)用于搜索推薦、風(fēng)控廣告等策略方向,，標(biāo)簽可以直接作為用戶特征使用

標(biāo)簽除了用于基本的用戶群體描述,，定向營銷和精細化運營，還有一個相對來說新穎又廣泛的用途,，用于各算法的各個環(huán)節(jié),，在召回和排序兩大經(jīng)典策略流程中，都可以用到用戶畫像,，這里我們舉例畫像在推薦系統(tǒng)的召回層應(yīng)用案例,。

需求背景：推薦系統(tǒng)的本質(zhì)是從海量信息中計算用戶最感興趣的部分，對應(yīng)推薦系統(tǒng)的“召回-粗排-精排”,，是一個“層層精選”的過程,。其中召回層是精選的第一道流程，為后續(xù)計算打分準(zhǔn)備初步的興趣候選集,，這里候選集的生成方法之一就是用戶畫像法,。仍然以電商業(yè)務(wù)為例,，講述如何用用戶畫像做興趣召回。

思路拆解：召回的作用是粗篩,，幫助推薦系統(tǒng)計算第一道用戶興趣池，這里用戶對物品的興趣興趣可拆解為對商品品牌,、類目和商品標(biāo)簽的興趣,，這部分就已經(jīng)轉(zhuǎn)化為上述文章中的已知內(nèi)容，用戶標(biāo)簽中是有品牌偏好標(biāo)簽,、類目偏好標(biāo)簽和標(biāo)簽偏好標(biāo)簽的,，只需要在所有品牌、類目,、標(biāo)簽下維護一個按照商品質(zhì)量或者熱度倒敘的列表,，這樣只要獲取到用戶標(biāo)識，邊能從用戶畫像中獲取偏好的品牌,、類目和標(biāo)簽,，再從品牌、類目和標(biāo)簽下的商品列表中召回相應(yīng)的商品,，根據(jù)候選集大小的設(shè)計,，做top k截斷召回。這部分商品完成了初步的召回,，為進入下一個流程進行粗排和精排做準(zhǔn)備,。

以上章節(jié)，選自：《數(shù)據(jù)產(chǎn)品經(jīng)理：實戰(zhàn)進階》

新書推薦：

本書鮮讀專欄價：89元=電子書（提前三個月看到） 紙質(zhì)書 12個作者維護的付費知識星球,。如果轉(zhuǎn)發(fā)鏈接,，還可以拿到更大優(yōu)惠：可以得到成交返利的40%。（具體操作方法,，可識別文末海報二維碼,，獲得詳細教程，以及知識星球加入方式,。）

以下為作者楊楠楠老師對本書的介紹：

1. 為什么要寫這本書：

本書誕生于數(shù)據(jù)產(chǎn)品經(jīng)理社群,。

四年前，我在知乎上開始寫數(shù)據(jù)產(chǎn)品經(jīng)理的專欄,，幾個月間,，有幾千名讀者關(guān)注我，加我微信,，于是我就建立了數(shù)據(jù)產(chǎn)品的微信群,。

很多人都在群里問，有沒有一本可以讓數(shù)據(jù)產(chǎn)品經(jīng)理系統(tǒng)學(xué)習(xí)的書,？

世上本沒有這樣的書,，問的人多了，我決定自己寫一本。

考慮到個人的經(jīng)歷,，始終只是數(shù)據(jù)產(chǎn)品的眾多種類中的一部分,，于是我在群里召集大家一起寫。

響應(yīng)者眾,，有20多名數(shù)據(jù)產(chǎn)品經(jīng)理,，報上來的章節(jié)有30章。超過了我的預(yù)期,。而我挨個聊下來,，發(fā)現(xiàn)每個人手里，都有足夠好的項目,，在自己的領(lǐng)域,，也有足夠的資歷來傳播經(jīng)驗。

于是跟華章的總編輯楊福川老師商量,，我們決定出兩本書,，一本講專業(yè)知識：《數(shù)據(jù)產(chǎn)品經(jīng)理進階》，一本講案例：《數(shù)據(jù)產(chǎn)品經(jīng)理實戰(zhàn)》,。

在三四年處理眾多問題和咨詢的過程中,，我發(fā)現(xiàn)數(shù)據(jù)產(chǎn)品經(jīng)理隨著成長，主要分成以下幾個階段：

• 初級/中級階段：自己怎么樣可以在團隊中發(fā)揮更大作用,。很多產(chǎn)品經(jīng)理要么是執(zhí)行業(yè)務(wù)的需求,，要么執(zhí)行老板的需求，要么是在幫算法RD標(biāo)數(shù)據(jù),，價值感不足,；

• 中級/高級階段：怎么讓數(shù)據(jù)對公司業(yè)務(wù)產(chǎn)生價值；

我們的每個作者,，都已經(jīng)超越了上述兩個階段,。

他們是這個行業(yè)的中堅力量，也愿意給這個行業(yè)留下自己的痕跡,。

《數(shù)據(jù)產(chǎn)品經(jīng)理實戰(zhàn)》書,，主要回答了第二個問題，每個案例在業(yè)內(nèi)都屬于非常好的項目,，給公司帶來了較大的收益,。

而《數(shù)據(jù)產(chǎn)品經(jīng)理進階》（以下簡稱《進階》）這本書，主要篤實數(shù)據(jù)產(chǎn)品經(jīng)理的知識結(jié)構(gòu),，幫助讀者度過第一個階段,，包括以下內(nèi)容：

① 為了讓你可以進一步了解數(shù)據(jù)產(chǎn)品經(jīng)理，我們提供了：數(shù)據(jù)產(chǎn)品的行業(yè)視野,、產(chǎn)品經(jīng)理自身的能力要求,、以及面試和招聘,；

② 為了讓你hold住全場，成為團隊的驅(qū)動力,，我們提供了通用能力模塊,，包括數(shù)據(jù)分析能力、產(chǎn)品經(jīng)理的項目運轉(zhuǎn)能力,；

③ 只有數(shù)據(jù)部門能使用數(shù)據(jù),，沒法做到數(shù)據(jù)驅(qū)動。讓公司的每個部門,、每個人,，都能方便快捷的使用數(shù)據(jù)做決策,，才算是數(shù)據(jù)賦能,，才能夠極大的提升整個公司的數(shù)據(jù)水平。

這需要良好的數(shù)據(jù)建設(shè)能力,。

所以,，我們提供了數(shù)據(jù)采集、治理,、應(yīng)用,、能力輸出的整個鏈條的內(nèi)容：

• 數(shù)據(jù)采集：埋點體系

• 數(shù)據(jù)治理：數(shù)據(jù)中臺、指標(biāo)體系,、數(shù)據(jù)管理,；數(shù)據(jù)治理是數(shù)據(jù)建設(shè)的基礎(chǔ)，所以這一步共提供了三章內(nèi)容,。

• 保證數(shù)據(jù)良好的應(yīng)用：ab測試系統(tǒng),；

• 數(shù)據(jù)能力輸出，把數(shù)據(jù)賦能于各個部門：數(shù)據(jù)服務(wù),。

④ 策略產(chǎn)品可以直接將數(shù)據(jù)變現(xiàn),，是非常重要的一個數(shù)據(jù)產(chǎn)品的方向，我們提供了搜索,、用戶畫像等常見的策略產(chǎn)品的知識,。

不同的公司對數(shù)據(jù)的要求不同，有些公司會更關(guān)注可以直接進行數(shù)據(jù)變現(xiàn)的能力,，有些公司會更關(guān)注數(shù)據(jù)建設(shè)的能力,。

那對于一個新手，要不要了解這么多內(nèi)容,？

這里提供一個做事思路：不要給自己設(shè)限,。你先留意了這些內(nèi)容，才會對公司的數(shù)據(jù)現(xiàn)狀進行思考和認(rèn)知積累,，才能知道公司的數(shù)據(jù)有哪些機會,。

產(chǎn)品管理的主動權(quán),，應(yīng)該是產(chǎn)品經(jīng)理自己爭取來的，而不是等待別人給你,。

在你去爭取之前,，我們希望，我們提供的這些章節(jié),，是你最好的武器,。

2. 讀者對象：

• 數(shù)據(jù)產(chǎn)品經(jīng)理：完善自己的數(shù)據(jù)知識體系和職業(yè)成長。

• 企業(yè)領(lǐng)導(dǎo)者：了解數(shù)據(jù)團隊在數(shù)據(jù),、產(chǎn)品,、運營、市場等多個方面如何產(chǎn)生價值,。

• 想要轉(zhuǎn)行數(shù)據(jù)產(chǎn)品經(jīng)理：了解數(shù)據(jù)pm具體的工作內(nèi)容,。

3. 致謝

非常感謝12名作者，在工作的百忙之中,，犧牲自己的休息時間,，辛苦撰寫文章。

感謝機械工業(yè)出版社華章公司的編輯楊福川老師：在這半年多的時間中始終支持我的寫作,，對書的架構(gòu)和寫作提出寶貴意見,。

感謝項目經(jīng)理徐湲策：同時協(xié)調(diào)兩本書的20位作者，是一件非常辛苦和瑣碎的事情,。在項目開始的前半個月,，我?guī)缀醵荚趨f(xié)調(diào)，沒有時間寫書,，可見這份工作實在是占用時間和精力,。于是我在群里招項目經(jīng)理，小徐主動站出來承擔(dān)了這個責(zé)任,，并展現(xiàn)了他在項目管理方面的專業(yè)性,。

有十余名志愿者參與了本書的試讀，并提出寶貴意見,，對本書的質(zhì)量有很大幫助,。他們是：黃宇、夢婷,、范昱輝,、王資涵；