编辑导语：作为一名产品经理，互联网产品是否能够迭代成功，是需要一定的量化指标来衡量的。作者分享了从单目标优化到多目标优化的方法，看看是如何用它来衡量产品迭代的。

大数据时代，互联网产品迭代是否成功，产品经理往往采用一定的量化指标来验证，比如产品的点击率、转化率、活跃度、GMV等，上述指标也有宽口径和窄口径之分，宽窄区别在于数据统计的周期、数据归因的不同。

比如搜索引导GMV的宽口径是指在统计周期内，用户下单的商品被用户在搜索结果页点击过就算，而窄口径是指当天用户下单，而且下单的前置页面是搜索结果页，并且在搜索结果页点击了该商品，可见窄口径比宽口径要严格得多。

一、单目标优化及多目标优化

作为互联网这类大数据产品，比如电商、本地生活、互联网医疗等，在很长时期内对于产品是否成功，达到上线标准，主要采用单目标的AB实验是否显著（p值<0.05）提升这样的标准。这样的产品上线验证标准，在国内从互联网诞生一直持续到现在。

但是单目标优化有自身固有缺陷，由于单目标往往不是针对最终目标的优化，只是最终目标的链路漏斗的某个前序环节的优化，导致局部的提升有可能牺牲后续漏斗环节的表现，最终整条链路总体效果并不是最佳。

这样的表述可能比较难以理解，我们以实际例子给大家更加直观的印象。电商业务中如果单纯优化GMV，CTR往往牺牲较大（此优化目标导致系统倾向于让用户购买单价高的商品），从长远来看会使平台的活跃用户减少。

但是如果单纯优化CTR，GMV不一定同步会得到提升，甚至同比是下降的（此优化目标系统倾向于让用户看决策成本低的低单价商品）。

现在工业界几乎都在做多目标优化，如果不做多目标优化，那产品就会在一个极端下越走越远，最终用户体验很差。所以在常见的搜索推荐场景中，大厂就进化到同时优化多个业务目标。

比如电商场景中，希望能够在优化GMV的基础上提高点击率，从而提高用户的粘性；在信息流场景中，希望提高用户点击率的基础上提高用户关注、点赞、评论等行为，营造更好的社区氛围从而提高留存。

多目标优化问题在工程应用中非常普遍且处于非常重要的地位，自20世纪60年代以来，就吸引了越来越多的不同背景研究人员的注意力。

而多目标优化目标又是比较困难的事情，一般情况下，多目标优化问题的各个子目标之间可能是矛盾的，一个子目标的改善可能会引起另外一个或者几个子目标的性能降低，也就是同时使得多个子目标一起达到最优是不可能的。

而只能在它们中间进行协调和折中处理，使各个子目标尽可能达成到最优解，在保障主要目标提升的同时，次要目标不要受损太多。对于多目标优化问题，当前研究和工业界应用主要集中在：

• 模型结构，比如MMoE、ESMM；
• 各目标间的权重分配，比如帕累托积累，具体的算法机制就不赘述了，大家只要知道工业界用大量的探索并且取得一定的研究进展即可。

在互联网领域，最近的业界成果是阿里和Google提出的多目标优化算法，Google是youtube上视频推荐，同时优化视频的点击率和好评率（MMoE），阿里是电商上采用帕累托优化，同时提升电商GMV和CTR(https://blog.csdn.net/weixin_39778400/article/details/111161071)，找到帕累托有效解，阿里在真实的电商推荐系统上进行了大量的实验，并将结果与单目标最佳方法进行了比较。

在线和离线实验结果都表明：

PE-LTR（CTR和GMV同时优化的方法）在四个度量上优于其他基线。这与离线实验的结果基本吻合。请注意，PE-LTR 在较高的 CTR 下实现了 GMV 的显著提升。

这说明帕累托有效推荐的优势，完整的算法推到在：https://haiping.vip/2020/05/04/%E5%B8%95%E7%B4%AF%E6%89%98%E6%9C%80%E4%BC%98/

完整代码在：github.com/weberrr/PE-LTR

以电商联想词产品为例，探究互联网产品优化目标选择迭代思路。

二、电商搜索联想词产品

用户输入部分信息就推荐出用户搜索想用的关键词，降低用户输入成本，降低费力度。

比如下图中，用户输入“连”一个字，下面推出10个词条，用户可以直接选择其中任何一个词条，也可以选择右边位置的属性词，选择右边位置的属性词，这时候相当于搜索词是词条+属性。

联想词优化目标如何选择呢？

优化点击率：优化链路最短，仅仅涉及联想词页面，只要将用户最愿意点击的词条召回并排在前面即可

优化引导GMV：优化链路最长，涉及到联想词页面-搜索结果页-详情页-下单

这时不仅要考虑联想词页面推荐的词条和排序，用户是否愿意点击，也要考虑点击词条后的搜索结果页的后续用户商品选择和下单行为。

采用点击率作为优化目标：最佳阶段是产品的中初级阶段，用户体验较差，后端链路数据积累还不够，点击率有很大提升空间，这个阶段实际是优化用户体验，提升产品粘性，促进产品活跃，某种角度上是平台通过超预期体验实现用户增长。

如果点击率提升到高位，在后端链路也积累了比较充足的数据，这个时候适合进入第二阶段，在维持高水平点击率不下降的基础上，延长优化链路，将经营目标GMV作为优化目标，这实际是将两个目标同时优化，互为约束。

经过了第二阶段，经营目标提升到高水平，进入第三阶段，同时优化用户体验和GMV，但是这个第三阶段与第一阶段的意义完全不同。

第一阶段因为产品处于中初级阶段，解决的是产品可用性和好用性问题，第三阶段追求的是长期目标，用户的长期忠诚和复购的养成，要求实现公司的经营目标，实现用户价值变现，尤其是互联网到了下半场，增量用户挖掘殆尽，平台主要目标是提升用户价值。

这种优化目标的迭代不限于联想词产品形态，适用于大多数产品形态，就像头部电商搜索结果的优化目标，从最初的CTR优化到现在的GMV优化（或者人均搜索GMV产出优化）。

所以互联网产品的优化目标迭代，主要看当前互联网产品发展到哪个阶段？如果是处于中初级阶段，就选择优化更短的优化链路，注重用户体验为主，如果到了第二阶段，就应该选择优化引导GMV，如果过了第二阶段，就应该进入第三阶段，同时优化两个目标。

同时要考虑自己用户增长潜力，在用户增长潜力较大的阶段，用户体验第一位，提供超预期的用户体验实现用户增长，等到用户规模瓶颈，需要用户变现，要进化到兼顾用户体验和用户价值挖掘。

#专栏作家#

毛新年，公众号：资深电商专家毛新年，人人都是产品经理专栏作家。起点学院讲师，2021年B端产品经理大会演讲嘉宾。主导搭建主流电商平台搜索推荐商品三大体系，熟悉电商平台策略-产品-运营-数据及研发各环节。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于CC0协议。