第1章AI時代下的產品經理
1.1 產品經理崗位的變遷 / 2
1.2 策略產品經理概覽 / 5
1.2.1 策略產品經理的具體工作 / 5
1.2.2 策略產品經理分類 / 5
1.3 策略產品經理的能力要求 / 8
1.4 策略產品經理的思維要求 / 9
1.5 互聯網公司的策略部門 / 10
1.6 小結 / 11
第2章策略產品經理 機器學習知識
2.1 機器學習入門 / 13
2.2 機器學習和AI的關繫 / 14
2.3 機器學習全流程 / 16
2.3.1 問題定義 / 17
2.3.2 數據處理 / 19
2.3.3 特征工程 / 21
2.3.4 模型訓練 / 21
2.3.5 模型評估 / 23
2.3.6 模型應用 / 23
2.4 機器學習常見指標 / 24
2.4.1 分類模型離線評估指標 / 24
2.4.2 回歸模型離線評估指標 / 28
2.4.3 聚類模型離線評估指標 / 28
2.5 工業界常見算法 / 31
2.5.1 邏輯回歸 / 31
2.5.2 K近鄰算法 / 32
2.5.3 貝葉斯模型 / 34
2.5.4 K聚類算法 / 37
2.5.5 決策樹 / 38
2.5.6 深度神經網絡 / 43
2.6 梯度下降法 / 50
2.6.1 案例引入 / 50
2.6.2 梯度下降法簡介 / 52
2.7 工業界算法的選擇 / 54
2.8 小結 / 55
第3章推薦策略
3.1 引入 / 57
3.1.1 推薦繫統應用的標志性事件 / 57
3.1.2 推薦繫統興起的原因 / 59
3.2 推薦繫統概述 / 60
3.2.1 推薦繫統簡介 / 60
3.2.2 推薦繫統發展的4個階段 / 61
3.2.3 推薦繫統整體架構 / 62
3.2.4 常見效果評估指標 / 66
3.3 推薦策略產品經理畫像 / 71
3.4 數據處理 / 72
3.4.1 常見的底層數據表 / 73
3.4.2 數據表的加工 / 73
3.4.3 數據歸一化和標準化 / 73
3.5 推薦繫統召回策略 / 77
3.5.1 3種召回策略 / 77
3.5.2 多路召回架構 / 79
3.5.3 基於規則的召回 / 81
3.5.4 基於協同過濾的召回 / 86
3.5.5 基於向量的召回 / 95
3.5.6 雙塔模型 / 99
3.5.7 召回策略的效果評估 / 102
3.6 推薦繫統粗排策略 / 103
3.6.1 基於規則的粗排策略 / 104
3.6.2 基於模型的粗排策略 / 104
3.6.3 粗排策略效果評估 / 105
3.7 推薦繫統精排策略 / 105
3.7.1 學習目標 / 105
3.7.2 算法選擇 / 106
3.7.3 特征構造 / 106
3.7.4 特征選擇 / 109
3.7.5 特征編碼 / 112
3.7.6 模型訓練 / 114
3.7.7 效果評估 / 117
3.7.8 模型應用和迭代 / 117
3.8 推薦繫統重排策略 / 117
3.8.1 概述 / 118
3.8.2 全局最優策略 / 118
3.8.3 用戶體驗策略 / 120
3.8.4 流量調控策略 / 121
3.8.5 綜合性重排 / 121
3.9 推薦結果樣式創意策略 / 122
3.9.1 概述 / 122
3.9.2 樣式策略 / 124
3.9.3 創意策略 / 129
3.10 推薦繫統用戶體驗策略 / 134
3.10.1 產品功能 / 134
3.10.2 底層策略 / 136
3.10.3 主觀評估 / 137
3.11 推薦繫統冷啟動策略 / 138
3.11.1 產品設計 / 138
3.11.2 底層策略 / 140
3.12 推薦繫統的整體推薦機制 / 141
3.12.1 電商推薦場景的流量分發機制 / 141
3.12.2 短視頻推薦場景的流量分發
機制 / 142
3.13 AB Test實驗 / 144
3.13.1 AB Test整體介紹 / 144
3.13.2 AB Test實驗完整機制 / 145
3.13.3 實驗效果的可信性評估 / 148
3.14 小結 / 149
第4章搜索策略
4.1 引入 / 151
4.1.1 搜索引擎的5個時代 / 151
4.1.2 搜索引擎的分類 / 153
4.2 搜索引擎概述 / 154
4.2.1 搜索引擎簡介 / 154
4.2.2 搜索引擎整體架構 / 155
4.2.3 常見效果評估指標 / 159
4.3 搜索策略產品經理畫像 / 161
4.4 搜索引擎實體識別 / 162
4.4.1 實體識別是什麼 / 162
4.4.2 實體體繫構建 / 163
4.5 搜索引擎詞庫 / 163
4.6 搜索引擎物料索引 / 164
4.6.1 正排索引 / 164
4.6.2 倒排索引 / 165
4.7 搜索引擎查詢語義理解 / 166
4.7.1 歸一化 / 166
4.7.2 糾錯 / 167
4.7.3 分詞 / 170
4.7.4 實體識別 / 174
4.7.5 類目預測 / 175
4.7.6 查詢改寫 / 178
4.8 搜索引擎召回策略 / 178
4.8.1 基本架構 / 178
4.8.2 文本相關性召回 / 179
4.8.3 語義相關性召回 / 181
4.8.4 個性化召回 / 184
4.8.5 效果評估 / 185
4.9 搜索引擎粗排策略 / 185
4.9.1 粗排公式 / 185
4.9.2 分數融合 / 187
4.10 搜索引擎精排策略 / 188
4.10.1 相關性排序 / 188
4.10.2 多目標排序 / 188
4.10.3 特征工程 / 188
4.10.4 PageRank算法 / 189
4.11 搜索引擎重排策略 / 192
4.11.1 全局最優策略 / 192
4.11.2 用戶體驗策略 / 193
4.11.3 流量調控策略 / 193
4.12 搜索結果樣式和創意策略 / 193
4.12.1 樣式策略 / 193
4.12.2 創意策略 / 195
4.13 搜索結果用戶體驗策略 / 195
4.13.1 產品功能 / 195
4.13.2 底層策略 / 197
4.13.3 主觀評估 / 197
4.14 搜索產品功能 / 198
4.14.1 搜索底紋 / 198
4.14.2 搜索聯想詞 / 199
4.14.3 搜索導航欄 / 201
4.14.4 搜索發現 / 202
4.14.5 搜索排行榜 / 203
4.14.6 搜索二次篩選 / 204
4.15 多模態搜索 / 206
4.15.1 以圖搜圖 / 206
4.15.2 識曲搜索 / 207
4.15.3 視頻搜索 / 208
4.16 小結 / 209
第5章廣告策略
5.1 引入 / 211
5.1.1 廣告基礎入門 / 212
5.1.2 互聯網廣告概述 / 217
5.1.3 國內廣告引擎簡史 / 222
5.2 廣告繫統概述 / 224
5.2.1 廣告平臺簡介 / 224
5.2.2 廣告繫統整體流程 / 229
5.2.3 常見效果評估指標 / 230
5.3 廣告策略產品經理畫像 / 233
5.3.1 廣告策略產品經理 / 233
5.3.2 廣告策略產品細分 / 234
5.4 廣告投放策略 / 236
5.4.1 搜索競價廣告 / 236
5.4.2 推薦競價廣告 / 243
5.4.3 智能通投 / 246
5.4.4 合約廣告 / 247
5.5 廣告流量策略 / 248
5.5.1 流量接入 / 249
5.5.2 流量分發 / 250
5.5.3 流量聯動 / 254
5.6 廣告競價機制 / 255
5.6.1 傳統競價拍賣機制 / 255
5.6.2 廣告競價機制應用 / 256
5.7 廣告出價策略 / 261
5.7.1 基本知識 / 262
5.7.2 手動出價 / 264
5.7.3 智能出價 / 264
5.8 廣告歸因策略 / 274
5.8.1 整體介紹 / 274
5.8.2 多觸點歸因 / 276
5.8.3 跟單設置 / 277
5.9 廣告創意策略 / 278
5.9.1 創意設置 / 279
5.9.2 圖片生成 / 282
5.9.3 文案生成 / 285
5.9.4 創意優選 / 288
5.10 廣告用戶體驗策略 / 290
5.11 廣告審核策略 / 291
5.12 廣告數據管理平臺 / 291
5.13 廣告診斷工具 / 294
5.14 小結 / 296
第6章工業界前沿技術應用
6.1 強化學習 / 298
6.1.1 案例引入 / 298
6.1.2 強化學習概述 / 299
6.1.3 基於價值的強化學習 / 301
6.1.4 實際應用案例 / 304
6.2 聯邦學習 / 306
6.2.1 聯邦學習概述 / 306
6.2.2 橫向聯邦學習 / 307
6.2.3 縱向聯邦學習 / 309
6.2.4 聯邦遷移學習 / 312
6.2.5 實際應用案例 / 312
6.3 隱私計算 / 313
6.3.1 案例引入 / 313
6.3.2 隱私計算概述 / 314
6.4 邊緣計算 / 317
6.4.1 案例引入 / 317
6.4.2 雲計算概述 / 317
6.4.3 邊緣計算概述 / 318
6.4.4 實際應用案例 / 319
6.5 小結 / 320

推薦序1
過往接到許多老同事為新書作序的要求，通常不敢答應。原因就是作為一個業內人，不能違背初衷，隻說好話不說真話，但說真話容易得罪人，還不如不寫。然而當修建找到我時，我毫不猶豫地答應了下來。
距離上一次與他見面已過去多年，在我的印像裡，他還是那個剛剛畢業，面露羞澀的青年纔俊，也記得他向公司請求離開，堅定地要去海外留學，學習AI和機器學習的決心。他認為未來的產品經理一定要懂數據、懂算法，單純畫原型、懂用戶已經不能滿足新時代對於產品經理的能力要求。我非常認同他的想法，也鼓勵他去海外開闊眼界、拓展思維，但內心深處極度惋惜，他在公司業務蒸蒸日上的最好時刻離開，使公司損失了一個極具發展潛力的人纔。
最近幾年，我幫助很多企業進入到數字化轉型的大潮之中。對於很多企業來說，在轉型過程中，最難的部分其實是無法真正理解數字化的意義和內涵。但是一些有遠見的企業家，在看到數字化比較成功的企業取得不錯的成績後，即便沒有完全理解數字化，也選擇快速跟進。在數字化轉型初期，多數企業在完成數字底座、業務上雲等一繫列企業數字化基礎設施建設後，都陷入了同樣的困局—如何創造實際的業務價值？如何實現第二曲線？其實，數字化的本質是變革，最終要利用數據重構新的生產要素或者升級商業模式，構建下一代的數字化作戰能力，從而形成行業內獨特的核心競爭力。
這本書就是講解在特定場景下(尤其是搜索、廣告和推薦場景)的商業模型重構方式，作者進行了深度的拆解和剖析，包括新的組織形態、新的生產方式和生產工具等。雖然這是一本寫給產品經理的書，但是對於企業數字化轉型，仍然可以給予很多方向性的戰略指導和落地性的執行方案。如何幫助企業從0到1建設推薦繫統和搜索引擎？如何針對企業現有的推薦繫統和搜索引擎進行智能化重塑？我相信你都可以從這本書裡找到答案。
我和修建相處共事的時間其實並不長，但是他給我留下了極其深刻的印像。他是一個意志堅定、追求完美的人，因此我相信他認定了方向，必將耗盡心血、苦心鑽研。修建從開始工作到現在，所追求的職業方向未曾改變，為了尋求職業發展，他在工作期間不斷深造且持續學習。我相信書中內容必定是他的真知灼見。強烈推薦大家閱讀此書，必定有所收獲。
王志遠
安永大中華區數字化與新興科技主管合伙人

推薦序2
初識修建，是在2014年的鼕天。那時他即將大學畢業，已經拿到了某大型國企的offer，想在畢業前再實習一段時間賺點畢業旅行費(最後他的畢業旅行也沒花多少錢，獨自一人騎行幾千公裡，穿越了祖國大半河山)，於是這一次長達半小時的面試開啟了我們倆志同道合的十年，以及未來的幾十年。
我們在很多個賽道一起打拼過，回過頭看，雖然沒成為“被吹上天的豬”，但我們都順應正確的趨勢，做了正確的事情，持續積累和學習。2015年，我們趕上了“人人都是產品經理”的互聯網金融時代。2019年，我們也踏上了AI的列車，通過親身實踐，體驗到從創新技術到行業應用落地的不易。如今我們在各自的領域繼續狂奔，縱使在不同的空間，享受著不同的節奏，我們還是會經常分享經驗、踫撞思維。
感謝修建邀請我為他的這本專業性極強的書寫序，我嘗試結合過往幫助諸多機構開展數字化轉型規劃和落地的實踐談談我對搜索、廣告、推薦策略產品實踐的理解。
我們已經深陷數字化時代，用戶的習慣、用戶的認知、用戶的行為都發生了翻天覆地的變化，企業想要獲得長遠發展，必須要走數字化的道路。數字化是什麼？我稱它是一場分辨率的革命。我們利用數據和技術不斷放大對事物的觀測顆粒度，視角越來越精細，且以極致為目標。所以這個革命的過程，背後是大量的策略應用，是企業用數據、技術重塑管理基因的過程。如果我們用火箭來類比數字化，那麼策略是動力繫統，以數據為燃料；技術平臺及工具是結構繫統，設計決定效率；量化的評價體繫是控制繫統，管理有據可依。隻有這些要素齊備，企業的數字化纔有可能在正確的軌道上飛速前進。
所有面向C端消費者的企業，經營核心都是要解決目標用戶觸達精準度和觸達效率的問題，本質是讓企業花更少的成本，實現更多的產出(用戶數、收入、利潤等)。我們通過搜索、廣告、推薦等不同的用戶觸達形式，來追求客戶經營的極致投產比，向客戶提供更精準的內容、更個性化的服務、更高時效的反饋。用戶觸達既可以依托專家經驗，也可以基於AI智能，唯效果是衡量標準。
在這套運轉機制背後，有一個各工種人纔高度協同的策略團隊。我看到很多數字化進程中的企業被這樣一個團隊驅動著向前，這個團隊就像企業的發動機，推動著企業實現更高的經營效能。企業的數字化是不斷挑戰自身及行業過往成績的過程，正是這種“內卷”讓我們不曾預見的創新不斷發生，讓我們不曾預見的未來正在到來。
見微知著，行將致遠，我想這是本書可以帶給你的啟迪。
瀋曄
暖哇科技數字化咨詢總監，前第四範式解決方案總監
本書的創作由來
大部分書籍都是特定時代下的產物，本書也不例外。
我在研究生畢業後到第四範式為企業做AI咨詢，當時基本上所有企業都希望通過AI技術來降本增效。隨著移動互聯網流量紅利的逐漸消退，很多企業的C端(消費者端)用戶流量已經見頂，它們需要針對現有流量進行更加精細化的運營，提升現有流量的變現和轉化效率，實現企業下一個階段的持續性增長。同時企業的人力成本不斷上升，這些企業又希望用AI來替代人工，降低企業的人力成本。所以當時大量的咨詢是與推薦繫統、搜索引擎、智能定價和銷量預測有關的。
當我因為工作需要希望深入學習推薦繫統和搜索引擎相關知識時，發現市面上關於搜索引擎的專業書籍少之又少，關於推薦繫統的書籍雖然很多但基本上都是寫給技術人員看的，書的內容偏重底層技術，和實際業務存在非常大的差別，對於非技術類的工作人員來說閱讀起來比較困難，即使閱讀完以後也不知道如何在自己的工作中運用。當時自己就希望市場上可以有一本面向非技術人員介紹快速搭建推薦繫統和搜索引擎，並能結合行業先進案例來進行持續迭代優化的書籍。
後來我來到互聯網公司做商業化廣告策略，發現有專門的策略產品經理崗位來負責各個場景的策略優化。對應的崗位有推薦策略產品經理、搜索策略產品經理、廣告策略產品經理和反欺詐策略產品經理等。大廠(大型互聯網公司)設置這麼多細分策略產品經理崗位，也是因為大廠面臨著我之前做咨詢服務時那些B端企業面臨的問題，即如何借助AI技術來實現降本增效。雖然崗位是策略產品經理，但實際工作中很多時候扮演著需求的對接人和項目經理的角色，因為很多策略產品經理本身對於機器學習和AI技術並不是很了解，和算法工程師的溝通隻能浮於表面，完全沒法參與到整個策略優化當中，並沒有發揮出策略產品經理的核心價值。
現在“人人都是產品經理”的時代已經過去了，隻懂競品調研、懂用戶分析、會畫產品原型的產品經理已無法滿足市場需求。AI時代的產品經理需要懂數據，更需要懂策略優化。未來大量的C端產品經理和功能型產品經理需要兼具策略制定和策略優化的能力。這兩年市場上對於策略產品經理的需求越來越大，大廠希望招聘有專業技術背景和算法基礎並能夠主導策略優化的專業產品經理。中小廠(中小型互聯網公司)希望招聘有大廠策略優化經驗並能進行各類場景策略構建的經驗豐富的策略產品經理。相關崗位越來越多，但是專業人纔極度匱乏。目前市面上關於策略產品經理的書籍很少，沒有一本結合大廠落地案例進行策略優化的書籍，也沒有一本可以全面覆蓋三大主流策略場景—“搜索、廣告、推薦”的書籍。
從2020年開始，我就一直在網上發表關於機器學習、推薦繫統和搜索引擎的文章，2021年年初，知乎官方編輯找我合作出版一本面向非技術人員科普AI的書籍，當時我覺得自己纔疏學淺，很難勝任，而且自己也沒有那麼充足的動力去寫一本幾十萬字的書。一年半以後，2022 年9 月，清華大學出版社的編輯邀請我寫一本策略產品經理方面的書籍，此時的我已經積累了較多的行業經驗，經過幾天思考我就答應了。我決定用一年的時間來對自己過往經驗進行總結，寫作一本關於搜索、廣告、推薦策略的書籍。既然市場上沒有，那麼就自己來填補這方面的空白吧。
為什麼我可以撰寫本書？首先我研究生的專業是數據科學(data science)，主修機器學習，並以優異成績畢業。雖然我現在主要做產品策略工作，但之前也做過算法工作，對於工作中常見的算法自己大部分都實踐過。研究生畢業回國後，我的第一份工作是以AI 解決方案專家的身份幫助多家大型零售企業從0 到1 搭建推薦繫統和搜索引擎，從中積累了大量的實戰經驗。我的第二份工作是在互聯網行業做商業化廣告，將自己之前的搜索、推薦經驗結合到廣告業務中，同時積累了大量商業化的經驗。至此，關於“搜廣推”三大場景我全部實踐過，有著豐富的策略設計和後續策略優化經驗。本書通過通俗易懂的語言和生動形像的案例為大家介紹底層的AI 技術，讓大家在工作中和算法工程師的溝通更加順暢。同時本書還介紹了先進的策略體繫和優化經驗，為大家後續工作中的持續迭代優化提供指導性建議。
自2022 年10 月1 日正式動筆到成稿大約用了一年時間，在這一年時間裡，幾乎所有的節假日和下班後的時間我都在不停地思考、學習和創作，這期間也對自己的策略體繫和知識進行了重塑和迭代。為了向讀者分享更多行業前沿的技術應用和實際落地案例，我咨詢了多家互聯網大廠的專業人士，也閱讀了大量文章。創作的過程也是倒逼自己成長的過程。如果本書可以對讀者的工作或者求職有所幫助，那麼這些付出都是值得的。
希望本書可以成為當今時代產品經理的策略錦囊。
本書的特色
這不是一本教材，這是一本兼具AI 技術理論和行業策略優化實踐的工具書。在AI 技術理論方面，本書隻介紹和工作緊密相關的機器學習知識，旨在讓讀者更加深入理解策略優化的底層邏輯。我一直認為一個優秀的策略產品經理必須要懂常見算法的數學邏輯和機器學習建模的全流程。本書通俗易懂地介紹了策略產品經理日常和算法工程師溝通時所需要知道的基本技術術語和常見算法，確保讀者可以理解並可以與算法工程師進行無障礙溝通。本書同時介紹了一些行業前沿技術，讓大家擁有更加寬闊的視野。
在策略優化實踐方面，本書全面介紹了市面上三大主流策略產品經理——搜索、廣告和推薦策略產品經理的日常工作內容，針對搜索引擎、廣告繫統和推薦繫統的各個模塊進行了非常詳盡的介紹，同時結合阿裡、京東、字節和美團等互聯網大廠實際應用案例進行講解。
我本身具有算法背景，所以對AI 技術的底層邏輯十分熟悉。之前從事咨詢工作時，經常為完全不懂算法的甲方講解各類模型的構建，從業務的角度出發確保不同背景的人都可以聽懂並理解。因此，本書關於技術的部分全部采用通俗易懂的語言和生動形像的案例進行講解，確保毫無技術背景的讀者也可以讀懂並且理解。

本書的核心內容
本書的核心內容包括6 章。
● 第1 章：介紹AI 時代對產品經理的新要求、策略產品經理需要做什麼工作、相關工作職責和能力要求，結合目前互聯網大廠內部實際部門設置和工作內容進行說明。
● 第2 章：通俗易懂地介紹了策略產品經理應該了解的機器學習基本知識，講解了機器學習全流程建模以及互聯網行業常用的機器學習經典算法，如決策樹、邏輯回歸、貝葉斯定理等。
● 第3 章：介紹市面上三大主流策略方向中的推薦策略，基於推薦繫統的架構、召回、粗排、精排、重排、樣式、創意等模塊全面介紹先進的推薦繫統架構和推薦繫統優化策略，同時結合淘寶推薦進行實戰講解。
● 第4 章：介紹市面上三大主流策略方向中的搜索策略，基於搜索引擎的架構、查詢處理器、意圖識別、召回、粗排、精排、樣式、創意等模塊全面介紹先進的搜索引擎架構和搜索引擎優化策略，同時結合阿裡雲開放搜索(open search) 進行實戰講解。
● 第5 章：介紹市面上三大主流策略方向中的廣告策略，基於廣告的基礎知識、投放、流量、計費、出價、歸因、創意等模塊全面介紹先進的廣告投放、流量分發、智能出價和智能創意策略等，同時結合阿裡媽媽和京東京準通產品線進行實戰講解。
● 第6 章： 介紹目前工業界應用的一些前沿技術， 比如強化學習(ChatGPT 和AlphaGo 使用的技術)、聯邦學習、隱私計算和邊緣計算等，通過前沿技術去解決實際業務中的問題，拓寬視野。
6 章內容循序漸進，建議讀者從第1 章開始閱讀，因為後續章節的很多內容在前面章節進行了鋪墊，前面章節介紹過的很多通用策略和方法在後續章節也不再贅述。
本書面向的讀者
● 已經在大廠從事策略產品經理工作，希望深入了解AI 底層技術和繫統化學習策略知識的人士；
● 在中小廠從事策略產品經理工作，希望了解先進“搜廣推”繫統和策略優化方法的人士；
● 從事其他產品經理工作，但希望了解更多AI 技術和策略知識，未來想從事策略產品經理工作的人士；
● 從事數據分析、商業化分析等工作，已經具備一定的數據分析能力，希望以後轉向策略方向的人士；
● 從事數據智能化轉型咨詢工作，希望了解先進的推薦繫統和搜索引擎的設計方法從而更好地為甲方提供解決方案的人士；
● 從事“搜廣推”算法相關工作，希望更多地了解業務，從業務視角出發進行算法優化的算法工程師；
● 目前在校，未來希望從事策略產品經理工作，想要為職業生涯做好規劃的學生；
● 任何對策略產品經理工作和AI 產品經理工作感興趣的人士。
勘誤與支持
本書涉及面非常廣泛，同時我本人知識和經驗有限，雖然我在撰寫各個板塊時都請教了行業資深人士，但書中仍然難免會有一些不夠準確的地方。如果讀者發現書中有任何不足或不嚴謹的地方，或者有任何寶貴意見，歡迎發送郵件到郵箱shim@tup.tsinghua.edu.cn進行反饋，您的寶貴意見將促使我不斷完善本書，謝謝大家的支持。
2023 年10 月31 日

推薦語
(以下排名按照姓氏拼音順序排序，排名不分先後)
Datawhale｜國內領先的AI開源組織
本書通過通俗易懂的語言和生動形像的案例向讀者科普前沿AI知識以及搜廣推產品技術體繫。對於產品經理來說，閱讀完本書，可以快速熟悉搜廣推的業務場景以及關鍵技術，書中涉及的算法以通俗易懂的方式呈現，適合沒有太多算法經驗的產品經理了解基本原理，提升產品經理與算法工程師的溝通效率；在後續工作中，還可以把本書當作一本工具書用於查詢。對於算法工程師來說，閱讀完本書，可以獲得大量產品視角的策略優化方案，能夠讓技術和策略迭代更加貼近用戶和業務視角。總體來說，本書干貨滿滿，值得搜廣推產品經理和算法工程師閱讀。
範朝盛｜京東廣告資深算法專家
本書是一本針對搜廣推產品經理的技術類書籍。作者從產品經理的視角出發，深入闡述了搜廣推的經典產品理念和技術體繫，並介紹了前沿的強化學習和隱私計算等技術的重點內容。本書內容豐富且實用，通過閱讀本書，讀者能夠提高對搜廣推的整體認識，深入對比學習三個領域的相同點和不同點。強烈推薦廣大策略產品經理深入閱讀本書。
李彪｜快手推薦算法總監
隨著互聯網進入存量階段，為了提升用戶體驗，企業需要更細致地打磨產品策略，策略產品經理的角色也越來越重要。作為策略產品經理，深入且全面地理解搜索、廣告、推薦算法繫統極其必要，但難度很大。本書深入淺出地介紹各種算法，輔之以生動形像的實例，有助於讀者理解內容。另外，本書內容覆蓋搜廣推的核心策略繫統，並介紹了不同繫統之間的差異。更難能可貴的是，本書的算法策略都來自各大互聯網公司，有很強的實用性。理論聯繫實踐，如此佳作，值得閱讀。
呂晶晶｜京東廣告算法總監
本書是一本難得的面向策略優化實踐的工具書 ，其最大特色是從實際應用的角度出發，繫統性地介紹了搜廣推各個核心環節以及相關知識點，並結合一些主流App場景，用大量翔實的案例幫助讀者快速了解搜廣推繫統的基礎知識，同時聚焦於策略產品經理的實際工作內容以及經常遇到的難題，給出相應的解法。本書非常適合策略產品經理閱讀，也是互聯網搜廣推一線工程師不可錯過的一本好書。
王紅川｜第四範式泛零售解決方案事業部總經理
搜索、推薦及策略數字化的能力不僅適用於頭部互聯網大廠，同樣適用於to B 市場。金融、零售等泛零售行業依然存在圍繞私域流量經營，提升廣義的“人”—“貨”—“場”等生產要素精細化效率匹配的訴求，推薦、搜索及策略數字化能力可以幫助B 端企業不斷優化個性化C 端體驗、提升流量變現能力、增強數據運營賦能、提高運營效率等，這也是泛零售企業數字化的一個分支。本書作者基於親身實踐，深入淺出地講述了AI 時代產品經理的見解、AI 算法基礎知識、搜索繫統及實踐、廣告策略及實踐、推薦繫統及實踐和前沿大模型，內容豐富精彩，理論和實踐相結合，對於B 端相關從業者或企業內部相關從業者來說，本書是不可多得的佳作。
吳吉｜字節巨量千川流量策略負責人
伴隨著搜廣推場景在國內外的快速發展，以及大語言模型LLM 的實際落地應用，基於具體業務場景需求來設計相應模型策略的能力逐漸成為當下市場產品經理的標配。本書涵蓋市面上主流的策略產品方向，是少有的同時包含搜索、廣告和推薦3 個場景策略內容的書籍。本書通過介紹各家互聯網大廠在搜廣推場景中的實際應用案例，將用戶體驗、業務需求等拆解為具體的策略邏輯。讀者閱讀本書，不僅可以了解行業先進的策略應用案例，也可以了解具體策略的底層設計邏輯，從而在實際業務場景中快速復制並應用所學知識。不管是否從事相關工作，這本書都值得一讀，可以幫助廣大讀者完善策略產品知識體繫。
朱晗｜阿裡媽媽資深廣告算法專家
當代互聯網的搜索、廣告和推薦服務，在許多方面提高了我們獲取信息的效率，並在持續塑造新的信息消費模式。本書深入淺出地講解互聯網業務策略，超越了單純面向策略產品的定位，涵蓋從產品策略到算法技術再到業務實踐的全方位內容，堪稱“互聯網主流業務領域的百科全書”。作者在書中用平實的語言巧妙地解讀了復雜的算法原理，讓互聯網服務中信息匹配的底層邏輯變得易於理解，其深厚的專業背景和豐富的實踐經驗令人印像深刻。相信無論是該領域的新人還是資深人士，都能通過閱讀本書增進對相關業務的理解，獲得更多的靈感與啟示。
周興｜字節巨量千川流量技術負責人
互聯網行業變化迅速，新的商業模式和創新產品如雨後春筍般層出不窮。在當今數字化和技術驅動的商業環境中，產品經理不僅需要具備敏銳的商業嗅覺，同時也需要了解更多底層的策略機制，從而推動產品的迭代更新。本書作為一本介紹搜廣推三大核心場景策略設計的書籍，通過業務、產品和技術視角深度剖析各場景下的產品和流量分發機制設計，深度解讀如何通過策略來驅動業務發展和提升用戶體驗。建議從事搜廣推相關工作的人員將這本書作為常備工具書，常看常新。